量化模型与构建方式 1. 模型名称：多策略选股模型 [20] * 模型构建思路：通过结合四个风格迥异、适应不同市场环境的子策略（价值股、成长股、质量选股、困境出清），并采用风险平价与动量优化相结合的方法动态配置权重，以平稳穿越市场风格轮动周期[20]。 * 模型具体构建过程： 1. 构建四个独立的子策略：价值股策略、成长股策略、质量选股策略、困境出清策略[20]。 2. 计算各子策略过去12个月的风险特征[20]。 3. 计算各子策略过去80日的动量秩排序[20]。 4. 结合子策略的风险特征和动量排序，调整其在组合中的风险贡献度，以确定最终权重[20]。具体采用传统风险平价（追求子资产对组合贡献均等的风险）和动量优化的风险平价方法[20]。 2. 模型名称：极致风格高BETA选股模型 [47][50][51] * 模型构建思路：将全市场股票按市值（大/小）和价值成长风格（价值/成长）交叉分为四个象限（大盘价值、大盘成长、小盘价值、小盘成长），在每个象限内根据量价和基本面因子筛选出该风格下最强的特定因子，构建单一风格增强子策略，再动态配置子策略权重[47][50]。 * 模型具体构建过程： 1. 股票分组： * 市值划分：根据全市场A股自由流通市值累计百分位划分。前60%为大市值，75%至95%为小市值[47]。 * 风格划分：计算四个价值因子，月末排名后50%为价值股，前50%为成长股[47]。 2. 子策略构建： * 大盘价值策略：在大盘价值股票池中，先剔除盈利质量排名靠后的个股，再用波动率、换手率和高股息因子排序优选，构建低换手低波动高股息策略[50]。 * 大盘成长策略：在大盘成长股票池中，先剔除波动率和换手率排名靠前的个股，再用盈利质量、预期净利润相关因子排序优选，构建剔除高波动的盈利预期平衡策略[50]。 * 小盘价值策略：在小盘价值股票池中，先剔除盈利和预期增速排名靠后的个股，再用低波动、反转、小市值因子排序优选，构建剔除低盈利的低波反转增强策略[50]。 * 小盘成长策略：在小盘成长股票池中，先剔除短期反转排名后30%的个股，再用预期净利润增长年率、一致性修正因子和月换手率因子排序优选，构建低盈利高预期组合策略[51]。 3. 权重配置：根据子策略过去12个月的风险特征和过去80日的动量秩排序，动态调整各子策略在总组合中的权重[51]。 3. 模型名称：“红利+”优选股票模型 [84] * 模型构建思路：在传统红利策略（股息率）基础上，叠加波动、ROE、估值和盈利增长等因子，筛选同时满足多类因子特征的股票，构建“红利+”优选股票池，并从中选取中证800和中证1000成分股以控制市值风格偏移[84]。 * 模型具体构建过程： 1. 根据股息率因子初步筛选股票[84]。 2. 结合波动、ROE、估值和盈利增长等因子，筛选出同时具备这些因子特征的股票，构成“红利+”优选股票池[84]。 3. 从优选股票池中，仅挑选中证800指数和中证1000指数的成分股，以规避小市值风格过度暴露[84]。 4. 最终选出30只股票构成策略组合[84]。 4. 模型名称：均线趋势选股模型 [108] * 模型构建思路：利用短期均线与长期均线的相对位置判断股价趋势强度，筛选处于趋势初期的股票（低趋势组），再从中通过质量因子优选个股构建组合[108]。 * 模型具体构建过程： 1. 以中证800指数成分股为基础股票池[108]。 2. 计算趋势强度因子：$\text{趋势强度因子} = \frac{\text{20日均线价格} - \text{240日均线价格}}{\text{20日均线价格}}$ [108]。 3. 根据该因子，采用流通市值加权法将股票划分为高、低趋势组[108]。 4. 认为低趋势组可能处于上涨初期，后续存在长期趋势收益[108]。 5. 在低趋势组中，采用质量因子进行等权打分，选取排名前29的股票作为最终持仓[108]。 5. 模型名称：情绪价量选股模型 [135] * 模型构建思路：结合量能与价能构建价量共振因子，并引入市场情绪评分（LWMA240）进行择时，综合价量共振、波动、流动性、估值和ROE等多因子进行选股，并根据情绪评分正负调整相关因子打分方向[135]。 * 模型具体构建过程： 1. 构建价量共振因子，结合量能和价能要素[135]。 2. 使用市场情绪评分LWMA240进行情绪择时[135]。 3. 综合价量共振、波动、流动性、估值和ROE等因子，对股票进行因子打分[135]。 4. 根据LWMA240情绪评分的正负，调整情绪相关因子的打分方向（例如，情绪积极时，对某些因子给予正向权重，反之则调整）[135]。 5. 规避价量共振程度过高的股票，以优化股票池[135]。 6. 对股票进行因子等权打分，选取打分最高的50只股票构成策略组合[135]。 模型的回测效果 （注：以下所有“今年以来”数据统计区间均为2025年12月31日至2026年4月30日，“4月”数据统计区间均为2026年3月31日至2026年4月30日[19]） 1. 多策略选股模型 * 4月绝对收益：6.31%[3][19] * 4月超额收益（vs 中证全指）：-2.07%[3][19] * 今年以来绝对收益：9.68%[19] * 今年以来超额收益（vs 中证全指）：2.53%[19] * 全区间（2017年初至2026.04.30）年化超额收益（vs 中证全指）：12.49%[42] * 全区间信息比率（IR）：1.41[42] 2. 极致风格高BETA选股模型 * 4月绝对收益：4.97%[4][19] * 4月超额收益（vs 中证全指）：-3.30%[4][19] * 今年以来绝对收益：6.42%[19] * 今年以来超额收益（vs 中证全指）：-0.68%[19] * 全区间（2011.05.31至2026.04.30）年化超额收益（vs 中证全指）：20.26%[76] * 全区间信息比率（IR）：2.16[76] 3. “红利+”优选股票模型 * 4月绝对收益：-1.85%[5][19] * 4月超额收益（vs 中证全指）：-9.59%[5][19] * 4月超额收益（vs 红利收益指数）：-4.63%[5] * 今年以来绝对收益：1.35%[19] * 今年以来超额收益（vs 中证全指）：-5.41%[19] * 今年以来超额收益（vs 红利收益指数）：-8.00%[94] * 全区间（2011.05.03至2026.04.30）年化收益：14.52%[100] * 全区间年化超额收益（vs 中证全指）：10.39%[100] * 全区间信息比率（IR）：0.98[100] * 全区间年化超额收益（vs 红利收益指数）：6.73%[100] 4. 均线趋势选股模型 * 4月绝对收益：-0.98%[6][19] * 4月超额收益（vs 中证全指）：-8.79%[6][19] * 今年以来绝对收益：5.42%[19][127] * 今年以来超额收益（vs 中证全指）：-1.61%[19][127] * 全区间（2016.01.04至2026.04.30）年化收益：16.04%[127] * 全区间年化超额收益（vs 中证全指）：13.67%[127] * 全区间信息比率（IR）：0.91[127] 5. 情绪价量选股模型 * top50组合： * 4月绝对收益：14.09%[6][145] * 4月超额收益（vs 中证全指）：5.10%[6][145] * 今年以来绝对收益：18.12%[19]（注：原文中top50组合今年以来绝对收益为3.53%[145]，top100为15.15%[145]，但汇总表显示为18.12%[19]，此处以汇总表为准） * 今年以来超额收益（vs 中证全指）：10.24%[19] * 全区间（2014.09.03至2026.04.30）年化收益：25.63%[154] * 全区间年化超额收益（vs 中证全指）：18.52%[154] * 全区间信息比率（IR）：1.16[154] * top100组合： * 4月绝对收益：13.31%[6][145] * 4月超额收益（vs 中证全指）：4.38%[6][145] * 今年以来绝对收益：15.15%[145] * 今年以来超额收益（vs 中证全指）：7.46%[145] * 全区间（2014.09.03至2026.04.30）年化收益：24.20%[154] * 全区间年化超额收益（vs 中证全指）：17.17%[154] * 全区间信息比率（IR）：1.18[154] 6. 科创板策略（注：报告提及但未详细描述模型构建） * 4月绝对收益：19.74%[7][19] * 4月超额收益（vs 科创50指数）：-4.25%[7][19] * 今年以来绝对收益：38.61%[7][19] * 今年以来超额收益（vs 科创50指数）：18.69%[7]