量化模型与构建方式 1. 模型名称：GRU模型 - 模型构建思路：结合基本面和量价特征的GRU模型，用于预测股票收益[2] - 模型具体构建过程：报告中未详细描述构建过程，但提到基于历史数据训练，涉及barra1d、open1d、close1d、barra5d等不同参数变体[4][5][6][7] - 模型评价：多空收益表现强势，尤其在沪深300和中证1000股池中表现突出[5][7] 2. 模型名称：多因子组合模型 - 模型构建思路：综合基本面和技术类因子构建的多因子选股模型[8] - 模型具体构建过程：未详细描述，但涉及行业中性化处理和月度调仓[17][29] --- 量化因子与构建方式 Barra风格因子 1. 因子名称：Beta - 因子构建思路：衡量股票历史系统性风险[15] - 因子具体构建过程：历史beta值计算 2. 因子名称：市值 - 因子构建思路：反映股票规模特征[15] - 因子具体构建过程：总市值取自然对数 3. 因子名称：动量 - 因子构建思路：捕捉股票历史超额收益趋势[15] - 因子具体构建过程：历史超额收益率序列均值 4. 因子名称：波动 - 因子构建思路：衡量股票价格波动性[15] - 因子具体构建过程： 5. 因子名称：非线性市值 - 因子构建思路：捕捉市值非线性的影响[15] - 因子具体构建过程：市值风格的三次方 6. 因子名称：估值 - 因子构建思路：反映股票估值水平[15] - 因子具体构建过程：市净率倒数 7. 因子名称：流动性 - 因子构建思路：衡量股票交易活跃度[15] - 因子具体构建过程： 8. 因子名称：盈利 - 因子构建思路：反映公司盈利能力[15] - 因子具体构建过程： 9. 因子名称：成长 - 因子构建思路：捕捉公司增长潜力[15] - 因子具体构建过程： 10. 因子名称：杠杆 - 因子构建思路：衡量公司财务杠杆水平[15] - 因子具体构建过程： 基本面因子 - 构建思路：基于财务指标（如ROA、ROE、营收增长率等）计算，并进行行业中性化处理[17] - 具体因子：包括静态财务因子（如市销率）、增长类因子（如ROA增长）、超预期增长类因子（如净利润超预期增长）[25][26] 技术类因子 - 构建思路：基于量价数据（如动量、波动率）构建[17] - 具体因子： - 20日/60日/120日动量：不同时间窗口的历史收益率[28] - 20日/60日/120日波动：不同时间窗口的收益率波动[28] - 中位数离差：价格偏离中位数的程度[28] --- 模型的回测效果 1. GRU模型 - 近一周超额收益：0.06%-0.95%（不同参数变体）[31] - 今年以来超额收益：4.31%-7.75%（barra5d表现最佳）[31] 2. 多因子组合模型 - 近一周超额收益：0.13%[31] - 今年以来超额收益：2.61%[31] --- 因子的回测效果 全市场股池 - 基本面因子：增长类和超预期增长类因子多空收益为正，静态类因子不显著[18] - 技术类因子：中短期动量和波动类因子多空收益为正，长期动量为负[18] - GRU因子：barra5d模型多空收益表现最佳[18] 沪深300股池 - 基本面因子：估值类因子多空收益显著[20] - 技术类因子：波动类因子多空收益突出[20] - GRU因子：close1d模型表现强势[20] 中证500股池 - 基本面因子：静态财务因子多空收益最显著[22] - 技术类因子：长期波动和中位数离差表现为负[22] - GRU因子：close1d模型表现强势，barra1d和open1d回撤[22] 中证1000股池 - 基本面因子：静态财务因子多空收益强势，超预期增长类为负[24] - 技术类因子：长期动量和波动为负，中短期动量为正[24] - GRU因子：barra5d模型多空收益强势[24]
关注基本面支撑，高波风格占优
中邮证券·2025-06-16 17:36