量化模型与构建方式 1. 模型名称：戴维斯双击策略 - 模型构建思路：通过以较低市盈率买入具有成长潜力的股票，待成长性显现、市盈率提高后卖出，实现EPS和PE的乘数效应收益[7] - 模型具体构建过程： 1. 筛选盈利增速加速增长的标的，控制PE下行风险 2. 结合PEG指标（PE/盈利增速）评估定价合理性，优先选择PEG较低的股票[7] 3. 动态调仓持有符合双击逻辑的股票组合 2. 模型名称：净利润断层策略 - 模型构建思路：基于业绩超预期（净利润惊喜）和股价跳空（技术面断层）的双重信号选股[12] - 模型具体构建过程： 1. 筛选过去两个月内发布业绩超预期公告的股票 2. 计算盈余公告后首个交易日的股价跳空幅度 3. 按跳空幅度排序，等权重配置前50名股票[12] 3. 模型名称：沪深300增强组合 - 模型构建思路：基于GARP、成长型和价值型投资者偏好构建多因子增强模型[18] - 模型具体构建过程： 1. PBROE因子：计算PB与ROE分位数之差，筛选低估值高盈利股票 2. PEG因子：计算PE与盈利增速分位数之差，挖掘成长潜力稳定的标的 3. 结合营业收入、毛利润、净利润增速筛选高成长股 4. 长期稳定高ROE股票纳入价值型组合[18] 模型的回测效果 1. 戴维斯双击策略 - 年化收益：26.45%（2010-2017）[10] - 超额基准收益：21.08%[10] - 最大相对回撤：-20.14%（全样本）[11] - 收益回撤比：1.06（全样本）[11] 2. 净利润断层策略 - 年化收益：27.72%（2010至今）[16] - 超额基准收益：26.28%[16] - 最大相对回撤：-37.12%（全样本）[14] - 收益回撤比：0.71（全样本）[14] 3. 沪深300增强组合 - 年化超额收益：8.69%（相对沪深300）[18] - 最大相对回撤：-9.18%[18] - 收益回撤比：0.95[18] 量化因子与构建方式 1. 因子名称：PBROE因子 - 因子构建思路：衡量估值与盈利能力的匹配度，适用于GARP型投资[18] - 因子具体构建过程： $PBROE = Rank(PB) - Rank(ROE)$ 其中Rank为分位数排名，差值越小表明估值越低且盈利能力越强[18] 2. 因子名称：PEG因子 - 因子构建思路：结合估值与成长性，识别被低估的成长股[18] - 因子具体构建过程： $PEG = Rank(PE) - Rank(盈利增速)$ 负值代表PE低于盈利增速的合理水平[18] 因子的回测效果 （注：报告中未单独列出因子回测指标，仅展示组合整体效果）