根据研报内容，以下是量化模型与因子的详细总结： 量化因子与构建方式 1. 因子名称：业绩超预期因子(SUE) - 构建思路：通过分析个股财报实际值相对分析师预测值的超预期程度，筛选出业绩超预期的个股[23] - 具体构建过程： 1. 将分析师预期数据由累计值转化为单季度值 2. 计算单季度实际值与预测值的标准化差异： $S U E={\frac{R_{t}-E_{t}}{\sigma(R_{t}-E_{t})}}$ 其中$R_t$为实际值，$E_t$为预测值，$\sigma$为历史差异的标准差[23] 3. 融合业绩预告、业绩快报和定期报告数据，财报真空期因子值前向填充[23] - 因子评价：在新进金股中具有强区分效果，能有效捕捉未被充分定价的业绩信息[24] 2. 复合因子：新进金股筛选因子 - 构建思路：结合券商金股更新频率与业绩因子，筛选高潜力标的[16] - 具体构建过程： 1. 每月划分新进金股（本月新增推荐）与重复金股（连续推荐）[16] 2. 在新进金股池中应用SUE因子排序[24] 3. 结合券商推荐数量加权（反映分析师共识强度）[28] 量化模型与构建方式 1. 模型名称：优选金股30组合 - 构建思路：基于"新进金股+业绩超预期"双因子构建动态组合[28] - 具体构建过程： 1. 每月筛选新进金股股票池[16] 2. 按SUE因子值降序排列，选取前30名[28] 3. 采用券商推荐数量加权（个股权重=该股推荐次数/组合总推荐次数）[28] 4. 月度调仓，动态跟踪市场风格变化[39] - 模型评价：具备高胜率(84%)、低回撤特征，能有效捕捉AI、红利等风格轮动[34][39] 因子回测效果 1. SUE因子 - 新进金股多空组合年化收益差：+13.6% vs +8.4%（2017-2024）[23] - 信息比率(IR)：0.55（新进金股） vs 0.35（重复金股）[23] 2. 新进金股筛选因子 - 年化超额收益：5.2%（相对重复金股）[16] - 最大回撤：38.5% vs 重复金股45.0%[23] 模型回测效果 1. 优选金股30组合 - 年化收益率：20.9%（2017-2025）[30] - 相对885001指数超额：+14.6%年化[30] - 月度胜率：84%（2023年以来25个月中21个月正超额）[34] - 最大单月超额：+8.4%（2023年4月AI主题）[40] - 组合市值中位数：238亿元[35]