量化模型与构建方式 1. 模型名称：港股精选组合模型[13][14] * 模型构建思路：该模型旨在对分析师推荐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，构建港股精选股票组合[13][14]。 * 模型具体构建过程： 1. 构建分析师推荐股票池：以分析师上调盈利预测、分析师首次关注、分析师研报标题超预期事件作为分析师推荐事件，构建初始股票池[14]。 2. 双层筛选：对分析师推荐股票池中的股票进行基本面和技术面两个维度的精选[13][14]。 * 模型评价：该模型结合了分析师的主观判断（事件驱动）与量化的客观筛选（基本面与技术面），旨在捕捉具备多重动能的股票。 2. 因子名称：250日新高距离[21] * 因子构建思路：用于量化股票价格接近其历史最高点的程度，是识别趋势和动量效应的重要指标[19][21]。 * 因子具体构建过程：计算最新收盘价与过去250个交易日最高收盘价之间的相对距离。 * 公式：$250日新高距离 = 1 - \frac{Close_t}{ts\_max(Close, 250)}$ * 公式说明：Close_t为最新收盘价，ts_max(Close, 250)为过去250个交易日收盘价的最大值。若最新收盘价创出新高，则因子值为0；若最新收盘价较新高回落，则因子值为正，表示回落幅度[21]。 3. 模型名称：平稳创新高股票筛选模型[21][22] * 模型构建思路：根据分析师关注度、股价相对强弱、股价路径平稳性、创新高连续性等多个角度，在过去20个交易日创出过250日新高的股票池中，筛选出趋势更为稳健的“平稳创新高”股票[2][21]。 * 模型具体构建过程：采用多步骤分层筛选。 1. 样本池：全部港股，剔除成立时间不超过15个月的股票[22]。 2. 分析师关注度筛选：过去6个月买入或增持评级的分析师研报不少于5份[22]。 3. 股价相对强弱筛选：过去250日涨跌幅位于样本池前20%[22]。 4. 股价平稳性筛选：在满足上述条件的股票池内，用以下两个指标综合打分，取排名在前50%的股票（最少取50只）[22]。 * 价格路径平滑性：股价位移路程比。计算公式为：过去120日涨跌幅绝对值 / 过去120日日涨跌幅绝对值加总[21][22]。 * 创新高持续性：过去120日的250日新高距离在时间序列上的均值[22]。 5. 趋势延续性筛选：对经过上述筛选的股票，计算其过去5日的250日新高距离在时间序列上的均值，并取排序靠前的50只作为最终组合[22]。 模型的回测效果 1. 港股精选组合模型，全样本（20100101-20251231）回测效果如下[14][18]： * 年化收益：19.08% * 相对恒生指数超额收益：18.06% * 信息比率(IR)：1.19 * 跟踪误差：14.60% * 最大回撤：23.73% * 收益回撤比：0.76 2. 港股精选组合模型，分年度绩效表现详见下表（数据来源：表1）[18]： * 2010年：绝对收益22.81%，超额收益17.49%，信息比1.33 * 2011年：绝对收益-9.50%，超额收益10.48%，信息比1.14 * 2012年：绝对收益42.96%，超额收益20.06%，信息比1.55 * 2013年：绝对收益22.92%，超额收益20.06%，信息比1.78 * 2014年：绝对收益16.06%，超额收益14.78%，信息比1.30 * 2015年：绝对收益0.84%，超额收益8.00%，信息比0.60 * 2016年：绝对收益12.93%，超额收益12.54%，信息比1.16 * 2017年：绝对收益59.52%，超额收益23.53%，信息比1.36 * 2018年：绝对收益-4.25%，超额收益9.37%，信息比0.78 * 2019年：绝对收益42.85%，超额收益33.78%，信息比2.23 * 2020年：绝对收益66.59%，超额收益70.00%，信息比2.60 * 2021年：绝对收益7.49%，超额收益21.56%，信息比1.19 * 2022年：绝对收益-7.73%，超额收益7.72%，信息比0.50 * 2023年：绝对收益-13.57%，超额收益0.25%，信息比0.00 * 2024年：绝对收益24.35%，超额收益6.68%，信息比0.48 * 2025年：绝对收益53.23%，超额收益25.46%，信息比1.19 因子的回测效果 （报告中未提供单个因子的独立回测效果指标，如IC、IR等，因此本部分略过）