核心观点 报告展示了三种量化增强策略在A股市场的构建与表现，核心是利用多因子模型、改进的机器学习模型以及结合宏观择时的红利策略，在不同市值风格的宽基指数上持续获取显著超额收益，并在近期市场震荡中表现出良好的修复能力和抗跌性[3][4][5][6] 一、国证2000指数增强策略 - 策略构建背景：针对A股长期存在的大小盘轮动现象及近两年小盘股占优的市场环境，专门筛选适合微盘股的选股因子，为国证2000指数构建增强策略[14] - 因子表现：技术、反转、特异波动率等因子在国证2000成分股上表现出色，合成的增强因子IC均值达12.53%，T统计量为12.99，本月（报告期）IC值进一步提升至17.01%[15] - 策略绩效：基于增强因子构建的策略（每月调仓，买入因子排名前10%的股票）年化超额收益率为12.79%，信息比率为1.63，最大回撤42.49%[21][23] - 近期表现：3月份策略超额收益为3.33%，尽管基准指数下跌11.36%，策略仅下跌8.03%，表现出较强的抗跌性[21][23] 二、基于多目标、多模型的机器学习指数增强策略 - 模型演进：原GBDT+NN融合模型近期出现失效，因此创新性地将TimeMixer框架的多尺度混合与季节/趋势分解机制引入GRU模型，并通过LightGBM集成TSGRU隐向量与传统量化因子，构建了改进的TSGRU+LGBM选股模型，以更好地捕捉近期市场信息[27] - 沪深300增强策略：策略年化超额收益率6.81%，信息比率1.48，超额最大回撤6.03%，3月超额收益率为1.82%[31][32] - 中证500增强策略：策略年化超额收益率9.59%，信息比率1.92，超额最大回撤6.09%，3月超额收益率为1.93%[32][33] - 中证1000增强策略：策略年化超额收益率12.56%，信息比率2.30，超额最大回撤7.09%，3月超额收益率为1.82%[35][36][38] - 因子近期表现：改进后的机器学习选股因子在三大宽基指数成分股中近期表现突出，3月在沪深300、中证500、中证1000成分股中的IC值分别高达41.99%、36.38%和28.46%[28][32][35] 三、基于红利风格择时+红利股优选构建的固收+策略 - 策略构成：结合基于10个宏观指标（经济增长与货币流动性）构建的动态事件因子进行红利指数择时，以及利用AI模型在中证红利指数成分股内进行优选[6][38] - 子策略表现：红利选股策略年化收益率18.39%，夏普比率0.88，今年以来收益率达10.92%，3月获得2.65%的绝对收益率；红利择时策略年化收益率13.44%，夏普比率0.88，但3月收益率为-1.68%[39][41] - 固收+组合表现：结合择时与选股的固收+策略年化收益率7.18%，年化波动率仅3.36%，夏普比率高达2.14，最大回撤4.93%，3月收益率为0.78%，表现稳健[39][44] - 最新信号：动态宏观事件因子在4月份给出100%仓位的买入信号，选股策略4月持仓主要为银行股，如光大银行、江苏银行等[45][49]