量化模型与构建方式 1. 模型名称：港股CCASS优选20组合模型[5][26] * 模型构建思路：利用港交所CCASS数据，通过“先选经纪商，再选个股”的两步筛选法，构建一个由绩优经纪商持仓驱动的港股投资组合[5][26]。 * 模型具体构建过程： 1. 数据准备：获取港交所CCASS数据，对单一经纪商在港股上的持仓进行月度持仓复制跟踪[26]。 2. 筛选绩优经纪商池：以月末为截面，对全部经纪商计算两个指标：超额夏普比率与月度胜率。将这两个指标分别标准化后，等权合成一个综合得分。选取综合得分最高的N家经纪商，构成当期的绩优经纪商池[26]。公式为： $$综合得分 = 标准化(超额夏普比率) + 标准化(月度胜率)$$ 3. 汇总持仓并筛选股票：将资金等权分配至筛选出的N家经纪商，汇总它们的最新持仓。将所有汇总持仓的股票按权重由高到低排序，保留权重最高的M只股票[26]。 4. 构建组合：对最终筛选出的M只股票进行等权配置，得到当期的股票组合[26]。报告中设定N=10（经纪商数量），M=20（股票数量）[26]。 * 模型评价：该模型通过跟踪历史表现优异的经纪商持仓，旨在获取其选股能力带来的超额收益[5]。 模型的回测效果 1. 港股CCASS优选20组合模型，年化超额收益率16.8%[31][32]，超额夏普比率2.25[5][31][32]，年化波动率7.4%[32]，最大回撤-6.9%[32]，月度胜率73.1%[32]。 2. 港股CCASS优选20组合模型（2026年），年化超额收益率1.8%[32]，超额夏普比率0.34[32]，年化波动率5.5%[32]，最大回撤-1.7%[32]，月度胜率50.0%[32]。 3. 港股CCASS优选20组合模型（2025年），年化超额收益率17.7%[32]，超额夏普比率3.34[32]，年化波动率5.3%[32]，最大回撤-2.5%[32]，月度胜率83.3%[32]。 4. 港股CCASS优选20组合模型（2024年），年化超额收益率20.7%[32]，超额夏普比率2.95[32]，年化波动率7.0%[32]，最大回撤-4.1%[32]，月度胜率91.7%[32]。 5. 港股CCASS优选20组合模型（2023年），年化超额收益率19.6%[32]，超额夏普比率2.88[32]，年化波动率6.8%[32]，最大回撤-3.2%[32]，月度胜率66.7%[32]。 6. 港股CCASS优选20组合模型（2022年），年化超额收益率11.9%[32]，超额夏普比率1.41[32]，年化波动率8.5%[32]，最大回撤-5.3%[32]，月度胜率66.7%[32]。 7. 港股CCASS优选20组合模型（2021年），年化超额收益率14.5%[32]，超额夏普比率1.84[32]，年化波动率7.9%[32]，最大回撤-4.1%[32]，月度胜率75.0%[32]。 8. 港股CCASS优选20组合模型（2020年），年化超额收益率23.8%[32]，超额夏普比率2.52[32]，年化波动率9.4%[32]，最大回撤-4.1%[32]，月度胜率66.7%[32]。 量化因子与构建方式 1. 因子名称：经纪商综合得分因子[26] * 因子构建思路：通过整合经纪商的超额夏普比率和月度胜率两个历史绩效指标，构建一个综合评分，用于横向比较和筛选表现优异的经纪商[26]。 * 因子具体构建过程： 1. 计算每个经纪商的超额夏普比率和月度胜率[26]。 2. 在月末截面上，对全市场所有经纪商的上述两个指标分别进行标准化处理[26]。 3. 将标准化后的超额夏普比率与标准化后的月度胜率进行等权相加，得到每个经纪商的综合得分[26]。公式为： $$经纪商综合得分 = 标准化(超额夏普比率) + 标准化(月度胜率)$$ 因子的回测效果 （报告未提供该因子独立于模型的测试结果，如IC、IR等，故本部分无内容）