量化模型与因子总结 量化因子与构建方式 1. 因子名称：交易动机因子[2][24][48] * 因子构建思路：将基金的交易动机进行划分并构造合成因子，旨在识别拥有主动交易动机且业绩粉饰可能性较低的基金[2][24]。 * 因子具体构建过程：该因子由估值/流动性动机因子、业绩粉饰动机因子等权合成[48]。 * 其中，估值/流动性动机因子根据基金报告期间资金流与股票买卖金额、累计买入/卖出股票金额2%以上或前20股票成交额占比数据计算得出[48]。 * 具体计算公式未在本文中详细给出，但指出其构建方式详见原报告《智能化选基系列之五：如何刻画基金经理的交易动机并进行基金优选？》[24][48]。 2. 因子名称：股票价差收益因子[2][24][48] * 因子构建思路：从基金利润表中提取股票价差收入，作为衡量基金股票交易直接收益的指标[2][24]。 * 因子具体构建过程：该因子由基金利润表中股票价差收入（股票投资收益科目）计算而来[48]。 3. 因子名称：交易独特性因子[3][32][48] * 因子构建思路：根据基金经理持股、交易的明细构建基金经理网络，并基于该网络计算每个基金经理与其相关联基金经理在交易方面的差异，以刻画其交易独特性[3][32]。 * 因子具体构建过程：先根据基金经理持股、交易数据构建基金经理网络，然后基于该网络计算出每个基金经理与其相关联基金经理在交易方面的差异[48]。 * 具体计算公式未在本文中详细给出，但指出其构建方式详见原报告《智能化选基系列之八：持股网络中基金经理交易独特性是否能贡献超额收益？》[32][48]。 4. 因子名称：行业主题申报相似因子 (T+1)[4][38][48] * 因子构建思路：基于基金发行流程中申请材料公示阶段的信息具有前瞻性的发现，构造该因子，旨在筛选出与申报ETF相近的行业主题ETF，及时把握市场投资热点[4][38]。 * 因子具体构建过程：先统计上个月申报的股票型ETF跟踪的指数，统计出该指数池与市场上指数的成分相似度，构建行业主题申报相似因子[48]。 5. 因子名称：基金业绩动量类因子[48] * 因子构建思路：通过多个指标合成，衡量基金过去一段时间的业绩表现动量。 * 因子具体构建过程：该类因子由四个因子等权重合成，包含4因子模型alpha、夏普比率、区间胜率、HM模型中的择时能力系数，均用过去1年的基金净值数据进行计算[48]。 6. 因子名称：选股能力因子[48] * 因子构建思路：基于多期Brinson模型，衡量基金经理的选股能力。 * 因子具体构建过程：该因子根据多期Brinson模型，使用基金季频重仓股数据进行计算，由选股胜率、选股超额收益率两个因子等权重合成而来[48]。 7. 因子名称：隐形交易能力因子[48] * 因子构建思路：从收益和风险两个层面度量基金交易带来的贡献。 * 因子具体构建过程：该因子由隐形收益能力因子、风险转移能力因子等权重合成而来[48]。 8. 因子名称：含金量因子[48] * 因子构建思路：考察基金重仓股中包含的券商金股情况[48]。 9. 因子名称：主动轮动收益因子[48] * 因子构建思路：体现基金风格轮动的结果。 * 因子具体构建过程：该因子根据区间风格主动变化及区间风格因子收益计算[48]。 10. 因子名称：绝对主动轮动指标[48] * 因子构建思路：衡量基金经理主动进行风格调整的部分。 * 因子具体构建过程：该因子将基金报告期之间的风格变化，剔除了被动变化的部分，保留基金经理主动调整的部分[48]。 量化模型（选基策略）与构建方式 1. 模型名称：基于交易动机因子及股票价差收益因子的选基策略[2][24] * 模型构建思路：结合基金交易动机因子和股票价差收益因子，旨在筛选出股票价差收益较高、拥有主动交易动机并且业绩粉饰可能性较低的基金[2][24]。 * 模型具体构建过程：将基金的交易动机进行划分并构造了基金交易动机因子，再结合基金利润表中的股票价差收益因子，构造了二者相结合的选基策略[2]。策略采用半年频调仓的方式，每年3月末/8月末进行调仓，从主动权益型基金中进行筛选，并扣除交易成本[24]。 2. 模型名称：基金经理持股网络交易独特性选基策略[3][32] * 模型构建思路：根据基金经理持股、交易的明细构建网络并由此构建了刻画基金经理交易独特性的指标，构建选基策略[3][32]。 * 模型具体构建过程：根据基金经理持股、交易的明细构建网络并由此构建了客户基金经理交易独特性的指标，构建了选基策略[3]。本策略采用半年频调仓的策略，在每年4月初/8月初进行调仓，选基范围为偏股混合型基金、普通股票型基金、灵活配置型基金，并扣除交易成本[32]。 3. 模型名称：基于申报信息的行业主题ETF选基策略[4][38] * 模型构建思路：利用基金申报信息的前瞻性，构造行业主题申报相似因子，筛选与申报ETF相近的行业主题ETF，以把握市场投资热点[4][38]。 * 模型具体构建过程：对基金的发行全流程进行事件驱动研究，发现申请材料公示阶段的信息具有更强的前瞻性，构造了行业主题申报相似因子（T+1）[38]。该策略采用月频调仓的方式，从行业主题ETF中进行筛选，交易费率为单边千分之一，基准为中证800指数[38]。 模型的回测效果 以下所有模型回测结果数据均截至2026年6月30日[28][29][36][43] 1. 基于交易动机因子及股票价差收益因子的选基策略[24][28][30] * 6月份收益率：16.83%[24][28] * 6月份超额收益率（vs 万得偏股混合型基金指数）：13.36%[24][30] * 年化收益率：13.87%[28] * 年化波动率：21.99%[28] * Sharpe比率：0.63[28] * 最大回撤率：48.39%[28] * 年化超额收益率：5.89%[24][28] * 超额最大回撤率：19.22%[28] * 信息比率 (IR)：0.87[28] 2. 基金经理持股网络交易独特性选基策略[32][36] * 6月份收益率：16.67%[32][36] * 6月份超额收益率（vs 万得偏股混合型基金指数）：12.79%[32][36] * 年化收益率：17.99%[36] * 年化波动率：20.01%[36] * Sharpe比率：0.90[36] * 最大回撤率：37.26%[36] * 年化超额收益率：8.81%[36] * 超额最大回撤率：10.84%[36] * 信息比率 (IR)：1.38[36] 3. 基于申报信息的行业主题ETF选基策略[4][38][43] * 6月份收益率：-0.92%[4][43] * 6月份超额收益率（vs 中证800指数）：-4.41%[4][43] * 年化收益率：23.02%[43] * 年化波动率：21.93%[43] * Sharpe比率：1.05[43] * 最大回撤率：34.89%[43] * 年化超额收益率：13.77%[4][43] * 超额最大回撤率：19.07%[43] * 信息比率 (IR)：0.73[43]