根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. 增强策略ETF模型 - 模型构建思路：通过主动管理策略对标的指数成分股进行优化配置，以获取超越基准指数的超额收益[18] - 模型具体构建过程： 1. 选择标的指数（如沪深300、中证500等） 2. 采用多因子选股模型筛选成分股 3. 通过优化算法确定个股权重 4. 定期调整组合以维持超额收益能力 - 模型评价：该策略在震荡市中表现优异，但在单边市中可能跑输基准[18] 2. 指数增强基金模型 - 模型构建思路：在跟踪基准指数的基础上，通过量化选股和风险控制获取稳定超额收益[32] - 模型具体构建过程： 1. 建立基础股票池（按指数成分股） 2. 应用价值、成长、质量等因子进行筛选 3. 控制跟踪误差在约定范围内 4. 定期再平衡组合[32] 模型的回测效果 1. 增强策略ETF模型 - 近1年平均超额收益率：中证1000增强策略ETF最高达13.31%[19] - 2025年以来超额收益率：创业板增强策略ETF最佳为2.86%[19] - 上周超额收益率：21只产品跑赢基准[18] 2. 指数增强基金模型 - 沪深300增强基金近1年最高超额：13.66%[32] - 中证500增强基金近1年最高超额：9.16%[32] - 中证1000增强基金近1年最高超额：17.04%[32] - 国证2000增强基金近1年最高超额：21.30%[32] 量化因子与构建方式 1. 多因子选股模型 - 因子构建思路：综合价值、成长、质量等维度构建复合因子[32] - 因子具体构建过程： 1. 价值因子：$价值因子 = \frac{EBITDA}{市值}$ 2. 成长因子：$成长因子 = \frac{营收增长率 + 利润增长率}{2}$ 3. 质量因子：$质量因子 = \frac{ROE + 毛利率}{2}$ 4. 复合因子：$复合因子 = 0.4×价值因子 + 0.3×成长因子 + 0.3×质量因子$[32] 2. 行业轮动因子 - 因子构建思路：捕捉不同行业板块的资金流动和动量效应[9] - 因子具体构建过程： 1. 计算各行业ETF资金净流入 2. 计算各行业指数20日收益率 3. 构建行业轮动得分：$行业轮动得分 = 0.6×资金流入占比 + 0.4×动量得分$[9][12] 因子的回测效果 1. 多因子选股模型 - 沪深300增强组合信息比率(IR)：1.25[32] - 中证500增强组合信息比率(IR)：1.08[32] - 中证1000增强组合信息比率(IR)：1.42[32] 2. 行业轮动因子 - 上周科技板块因子得分最高（资金流入16.41亿元）[9] - TMT主题基金近1月收益率中位数3.91%[29] - 金融地产板块因子得分最低（资金流出7.82亿元）[9]