量化模型与构建方式 1. 模型名称：优秀基金业绩增强组合[4][13][49]；模型构建思路：从对标宽基指数转变为对标主动股基，在借鉴优秀基金持仓的基础上，采用量化方法进行增强，以达到优中选优的目的[4][49]；模型具体构建过程：首先对基金进行优选，对收益类因子进行分层中性化处理以规避风格集中化问题，基于业绩分层视角构建优选基金组合[49]；然后根据其补全持仓构建优选基金持仓组合，该组合能较好地跟踪股基中位数走势[49]；最后以业绩分层视角下的优选基金持仓为选股空间和对标基准，采用组合优化的方法控制组合与优选基金持仓在个股偏离、行业偏离及风格上的偏离，构建最终的优秀基金业绩增强组合[50] 2. 模型名称：超预期精选组合[5][13][55]；模型构建思路：对超预期股票池进行基本面和技术面的双层优选，挑选出同时具备基本面支撑和技术面共振的超预期股票[5][55]；模型具体构建过程：以研报标题超预期与分析师全线上调净利润为条件筛选超预期事件股票池[5][55]；接着对超预期股票池中的股票进行基本面和技术面两个维度的精选[5][55] 3. 模型名称：券商金股业绩增强组合[6][13][60]；模型构建思路：以券商金股股票池为选股空间和约束基准，进行进一步精选以获得稳定战胜偏股混合型基金指数的表现[6][60]；模型具体构建过程：以券商金股股票池为选股空间和对标基准[6][60]；采用组合优化的方式控制组合与券商金股股票池在个股、风格上的偏离[6] 4. 模型名称：成长稳健组合[7][13][65]；模型构建思路：采用“先时序、后截面”的方式，构建成长股二维评价体系，旨在对成长股股票池超额收益释放的黄金期进行提前布局[7][38][65]；模型具体构建过程：以研报标题超预期及业绩大增为条件筛选成长股股票池[7][65]；根据距离正式财报预约披露日的间隔天数进行分档，优先选择距离财报预约披露日较近的股票[7][65]；当样本数量较多时，采用多因子打分精选优质个股[7]；构建100只股票等权组合[7]；引入了弱平衡机制、跃迁机制、缓冲机制和风险规避机制以降低组合换手、规避组合风险[65] 模型的回测效果 1. 优秀基金业绩增强组合，全样本年化收益（考虑仓位）20.31%[51]，全样本年化超额收益（相较偏股混合型基金指数）11.83%[51]，2025年（考虑仓位）绝对收益27.54%[2][16][23]，2025年超额收益（相对偏股混合型基金指数）-3.91%[2][16][23]，2025年在主动股基中排名分位点53.24%[2][16][23] 2. 超预期精选组合，全样本年化收益（考虑仓位）30.55%[56]，全样本年化超额收益（相较偏股混合型基金指数）24.68%[56]，2025年（考虑仓位）绝对收益45.51%[2][16][31]，2025年超额收益（相对偏股混合型基金指数）14.06%[2][16][31]，2025年在主动股基中排名分位点20.03%[2][16][31] 3. 券商金股业绩增强组合，全样本年化收益（考虑仓位）19.34%[61]，全样本年化超额收益（相较偏股混合型基金指数）14.38%[61]，2025年（考虑仓位）绝对收益33.97%[2][16][37]，2025年超额收益（相对偏股混合型基金指数）2.52%[2][16][37]，2025年在主动股基中排名分位点39.18%[2][16][37] 4. 成长稳健组合，全样本年化收益（考虑仓位）35.51%[66]，全样本年化超额收益（相较偏股混合型基金指数）26.88%[66]，2025年（考虑仓位）绝对收益51.45%[3][16][44]，2025年超额收益（相对偏股混合型基金指数）20.00%[3][16][44]，2025年在主动股基中排名分位点14.27%[3][16][44]