量化模型与构建方式 1. 优秀基金业绩增强组合 模型构建思路：从传统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，达到优中选优的目的[4][51] 模型具体构建过程： 1. 对基金进行优选：由于直接复制全体主动股基持仓无法跟上基金中位数表现，且基金收益类指标在市场风格突变时易反转并带来持股风格集中化问题，因此对收益类因子进行分层中性化处理，基于业绩分层视角构建优选基金组合[51] 2. 构建优选基金持仓组合：根据业绩分层优选基金的补全持仓构建组合，该组合在全样本区间内相对偏股混合型基金指数的年化跟踪误差为4.68%，能较好跟踪股基中位数走势[51] 3. 构建业绩增强组合：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，构建最终组合[52] 2. 超预期精选组合 模型构建思路：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，接着对超预期股票池进行基本面和技术面两个维度的精选，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][57] 模型具体构建过程： 1. 筛选超预期事件股票池：以研报标题出现“超预期”以及分析师全线上调净利润作为筛选条件[5][57] 2. 双层优选股票：对筛选出的超预期股票池中的股票，进行基本面和技术面两个维度的分析，精选出两者共振的股票[5][57] 3. 构建投资组合：将精选出的股票构建成超预期精选股票组合[57] 3. 券商金股业绩增强组合 模型构建思路：以券商金股股票池为选股空间和约束基准，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][62] 模型具体构建过程： 1. 确定选股空间与基准：以券商金股股票池作为基础的选股范围和对标基准[6][62] 2. 组合优化控制偏离：采用组合优化的方法，在构建组合时控制其与券商金股股票池在个股层面和风格因子上的偏离程度[6] 3. 构建业绩增强组合：通过优化过程，构建出能够在一定程度上跟踪券商金股池表现，并力求实现增强效果的最终组合[62] 4. 成长稳健组合 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][67] 模型具体构建过程： 1. 筛选成长股股票池：以研报标题出现“超预期”及上市公司“业绩大增”作为条件，筛选出成长股股票池[7][67] 2. 时序维度处理（分档）：根据上市公司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][67] 3. 截面维度处理（精选）：当样本数量较多时，采用多因子打分的方法进一步精选优质个股[7][67] 4. 组合构建与风险控制：构建100只股票的等权组合，并引入弱平衡机制、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[67] 模型的回测效果 1. 优秀基金业绩增强组合 回测区间：2012.1.4 - 2025.6.30[53][56] 考虑仓位及交易费用后年化收益：20.31%[53][56] 相对偏股混合型基金指数年化超额收益：11.83%[53][56] 在主动股基中排名：大部分年度业绩排名排在股基的前30%[53] 2. 超预期精选组合 回测区间：2010.1.4 - 2025.6.30[58][60] 满仓状态考虑交易费用后年化收益：34.49%[58][60] 相对中证500指数年化超额收益：32.62%[58][60] 考虑仓位及交易费用后年化收益：30.55%[58][60] 相对偏股混合型基金指数年化超额收益：24.68%[58][60] 在主动股基中排名：每年业绩排名都排在主动股基的前30%[58] 3. 券商金股业绩增强组合 回测区间：2018.1.2 - 2025.6.30[63][66] 考虑仓位及交易费用后年化收益：19.34%[63][66] 相对偏股混合型基金指数年化超额收益：14.38%[63][66] 在主动股基中排名：2018年至2025年期间，每年业绩排名都排在主动股基前30%的水平[63] 4. 成长稳健组合 回测区间：2012.1.4 - 2025.6.30[68][71] 满仓状态考虑交易费用后年化收益：39.59%[68][71] 相对中证500指数年化超额收益：34.73%[68][71] 考虑仓位及交易费用后年化收益：35.51%[68][71] 相对偏股混合型基金指数年化超额收益：26.88%[68][71] 在主动股基中排名：各年度业绩排名基本都排在股基的前30%[68]