量化模型与构建方式 1. 模型名称：全部金股组合 [18] * 模型构建思路：汇总所有券商当月推荐的金股，构建一个代表市场分析师整体看好的股票组合[12][13]。 * 模型具体构建过程： 1. 数据收集：统计全市场38家券商发布的月度十大金股[13]。 2. 股票池处理：对收集到的金股进行去重，得到最终的股票列表[13]。 3. 权重设置：组合内部按照各只金股获得的券商推荐次数进行加权[18]。 2. 模型名称：新进金股组合 [13][18] * 模型构建思路：从全部金股中，筛选出相对于上月为新推荐的股票，构建组合。基于历史研究发现新进金股收益表现通常优于重复金股[13][24]。 * 模型具体构建过程： 1. 股票分类：将全体金股按照相对上月是否新进，分为新进金股和重复金股两类[13]。 2. 股票池选择：选取“新进金股”类别的所有股票。 3. 权重设置：组合内部按照各只新进金股获得的券商推荐次数进行加权[18]。 3. 模型名称：重复金股组合 [13][18] * 模型构建思路：从全部金股中，筛选出上月已被推荐过的股票，构建组合[13]。 * 模型具体构建过程： 1. 股票分类：将全体金股按照相对上月是否新进，分为新进金股和重复金股两类[13]。 2. 股票池选择：选取“重复金股”类别的所有股票。 3. 权重设置：组合内部按照各只重复金股获得的券商推荐次数进行加权[18]。 4. 模型名称：开源金工优选金股组合 [24] * 模型构建思路：在历史研究基础上，结合“新进金股”和“业绩超预期因子(SUE)”进行增强选股，以构建表现更优的金股组合[24]。 * 模型具体构建过程： 1. 确定基础股票池：选择当月所有“新进金股”作为初始样本[24]。 2. 应用选股因子：在基础股票池中，使用业绩超预期因子(SUE)进行排序[24]。 3. 筛选最终成分股：选择SUE因子排名前30的金股[24]。 4. 权重设置：按照这30只金股获得的券商推荐数量进行加权构建组合[24]。 量化因子与构建方式 1. 因子名称：业绩超预期因子 (SUE因子) [24] * 因子构建思路：该因子用于识别公司实际公告的业绩相对于市场预期出现正向意外的股票，这类股票往往有更好的股价表现[24]。 * 因子具体构建过程：报告中未提供SUE因子的具体计算公式和构建细节，仅提及该因子在新进金股组合中具有优异的选股能力[24]。 模型的回测效果 （数据区间：2017年1月1日至2026年1月30日）[21][26] 1. 全部金股组合：1月收益率7.2%，2026年收益率7.2%，年化收益率14.7%，年化波动率23.4%，收益波动比0.63，最大回撤42.6%[21]。 2. 新进金股组合：1月收益率8.0%，2026年收益率8.0%，年化收益率17.3%，年化波动率23.9%，收益波动比0.72，最大回撤38.5%[21]。 3. 重复金股组合：1月收益率6.4%，2026年收益率6.4%，年化收益率12.3%，年化波动率23.6%，收益波动比0.52，最大回撤45.0%[21]。 4. 开源金工优选金股组合：1月收益率11.1%，2026年收益率11.1%，年化收益率24.2%，年化波动率25.2%，收益波动比0.96，最大回撤24.6%[26]。