量化模型与构建方式 1. 模型名称：量化交易优化模型[50] * 模型构建思路：该模型用于在基金进行指数调仓或应对申赎时，优化交易执行，以降低市场冲击成本并减少跟踪误差[50]。 * 模型具体构建过程：报告未详细描述该量化模型的具体构建公式和步骤，仅说明其应用场景和目标。模型在基金采用完全复制策略的基础上，根据市场的流动性情况，对交易进行优化[50]。 量化因子与构建方式 1. 因子名称：规模因子 (Size Factor)[43] * 因子构建思路：该因子源自Barra风险模型体系，用于刻画股票市值大小对其收益的影响[43]。报告通过观察300等权指数相对沪深300指数的超额收益与该因子收益的相关性，来分析指数在不同市场风格下的表现[43]。 * 因子具体构建过程：报告未详细描述该因子的具体计算公式，但引用了Barra风格因子的月收益率数据进行分析[43]。 * 因子评价：300等权指数相对沪深300的超额收益与规模因子收益率呈现明显的负相关关系，表明在小市值风格占优的市场环境中，300等权指数通常表现更优[43]。 2. 因子名称：盈利因子 (Earnings Factor)[43] * 因子构建思路：该因子同样源自Barra风险模型体系，用于刻画公司盈利能力对其收益的影响[43]。报告通过观察300等权指数相对沪深300指数的超额收益与该因子收益的相关性，来分析指数在不同市场风格下的表现[43]。 * 因子具体构建过程：报告未详细描述该因子的具体计算公式，但引用了Barra风格因子的月收益率数据进行分析[43]。 * 因子评价：300等权指数相对沪深300的超额收益与盈利因子收益率呈现明显的负相关关系，表明在盈利风格相对走弱的市场环境中，300等权指数通常更容易取得超额收益[43]。 模型的回测效果 （报告中未提供量化交易优化模型的具体回测指标数据） 因子的回测效果 （报告中未提供规模因子和盈利因子本身的因子测试结果，仅展示了它们与300等权指数超额收益的相关性分析结果[43]）