量化模型与构建方式 1. 模型名称：沪深300指数增强组合（基础模型） - 模型构建思路：基于线性优化框架，结合收益预测模型和风险控制模块构建指数增强组合[9] - 模型具体构建过程： 1. 收益预测模块：全A股范围内的线性多因子模型，包含风格、量价、基本面、一致预期等因子，因子权重基于过去12个月因子ICIR确定 2. 风险控制模块：约束条件包括成分股权重（80%）、个股偏离（1%）、行业偏离（3%）、风险敞口约束（市值/估值0.3）[9] - 模型评价：成分股内部分超额收益稳定但幅度较小，成分股外部分收益弹性高但风险较大[9][10] 2. 模型名称：域内多因子模型 - 模型构建思路：针对沪深300成分股特性，侧重基本面和动量因子以提升选股稳定性[16] - 模型具体构建过程： 1. 因子选择：基本面因子包括ROE、ROE同比、SUE、预期净利润调整、现金流占比、价值（股息率和BP复合）；价格趋势因子包括动量、开盘后买入意愿强度、大单推动涨幅 2. 因子复合：等权打分构建复合因子得分[16] - 模型评价：在成分股内IC和RankIC信息比（1.67和2.00）优于全A多因子模型（1.48和1.50）[17] 3. 模型名称：小市值高增长组合 - 模型构建思路：通过小市值和高增长因子构建高弹性卫星策略[35] - 模型具体构建过程： 1. 因子选择：SUE、EAV、预期净利润调整、累计研发投入、PB_INT、小市值、尾盘成交占比、开盘后大单净买入金额占比 2. 组合构建：8个因子等权打分，选取前50只股票等权配置[35] - 模型评价：年化超额收益24.4%，但跟踪误差较大（20.3%）[36] 4. 模型名称：GARP策略组合 - 模型构建思路：平衡成长与估值，筛选价值合理的成长股[39] - 模型具体构建过程： 1. 初筛：剔除价值因子最低20%和高换手率20%个股 2. 因子构建：价值因子（PB+股息率等权）、增长因子（ROE/SUE/EAV等5指标等权） 3. 组合构建：选取价值与增长复合得分前20只股票等权配置[41] - 模型评价：年化超额收益20.3%，风险低于小市值组合[42] --- 模型的回测效果 1. 沪深300指数增强组合（基础模型） - 年化超额收益：9.4% - 跟踪误差：4.7% - 信息比（IR）：1.97 - 相对回撤：6.9%[9][18] 2. 域内多因子模型（输入端调整） - 年化超额收益：10.4% - 跟踪误差：4.5% - 信息比（IR）：2.27 - 相对回撤：7.1%[18] 3. 小市值高增长组合 - 年化超额收益：24.4% - 跟踪误差：20.3% - 信息比（IR）：1.21 - 相对回撤：39.6%[36] 4. GARP20组合 - 年化超额收益：20.3% - 跟踪误差：15.8% - 信息比（IR）：1.26 - 相对回撤：36.0%[42] 5. 复合策略（域内20%+域外10%） - 年化超额收益：11.7% - 跟踪误差：5.0% - 信息比（IR）：2.35 - 相对回撤：6.2%[45][48] --- 量化因子与构建方式 1. 因子名称：基本面因子（域内模型） - 构建思路：强化ROE、盈利增长等财务指标在成分股内的选股效果[16] - 具体构建：包括ROE、ROE同比、SUE、预期净利润调整、现金流占比等指标等权复合[16] 2. 因子名称：价格动量因子（域内模型） - 构建思路：利用成分股内动量延续性更强的特征[16] - 具体构建：动量、开盘后买入意愿强度、大单推动涨幅等指标复合[16] 3. 因子名称：小市值因子（小市值高增长组合） - 构建思路：捕捉小盘股超额收益[35] - 具体构建：市值排序加权，结合高增长因子筛选[35] 4. 因子名称：GARP复合因子 - 构建思路：平衡成长与估值[39] - 具体构建：价值因子（PB+股息率）与增长因子（ROE/SUE等）等权复合[41] --- 因子的回测效果 1. 基本面因子（域内模型） - 月均RankIC：7.53% - 月胜率：72.2% - 年化ICIR：2.00[17] 2. 小市值因子（成分股外） - 多空年化收益：51.2%（成分股外） - 月胜率：84.2%[14] 3. GARP价值因子 - 年化超额收益：20.3%（GARP20组合） - 跟踪误差：15.8%[42]