aa 证券研究报告·金融工程报告 2025 年 10 月 9 日 江海证券研究发展部 金融工程定期报告 转债延续上扬趋势，较权益超额有所 收窄 核心内容： ◆可转债市场表现： 江海证券有限公司及其关联机构在法律许可的情况下可能与本报告所分析的企业存在业务关系，并且继续寻求发展这些关系。因此，投资者应当考虑到本公司可能存在影响本报告客观性的 利益冲突，不应视本报告为投资决策的唯一因素。 敬请参阅最后一页之免责条款 执业证书编号： S1410124010022 相关研究报告 1.可转债跟踪周报：转债震荡走高， 小幅跑赢权益—2025.09.29 2.可转债跟踪周报：转债调整走低， 股性仍处于历史高位—2025.09.22 3.可转债跟踪周报：转债延续上行， 分析师：梁俊炜 执业证书编号： S1410524090001 联系人：朱威 小幅跑输权益市场—2025.09.15 4.可转债跟踪周报：转债震荡上行， 较权益市场超额明显—2025.09.08 5.可转债跟踪周报：转债调整下跌， 但股性持续提升—2025.08.31 ➢ 近一周（2025-09-28 至 2025-09-30），上证转债、深证转债、中证转债指数 ...

[Table_StockNameRptType] 金融工程 专题报告 华商基金陈恒：攻守兼备的多元成长捕手 ——基金产品分析系列之二十一 [Table_RptDate] 报告日期：2025-10-09 主要观点： [Table_Author] 分析师：严佳炜 执业证书号：S0010520070001 邮箱：yanjw@hazq.com 分析师：钱静闲 执业证书号：S0010522090002 邮箱：qianjx@hazq.com [Table_Summary] ⚫ 攻守兼备的多元成长捕手 基金经理陈恒，拥有超 9 年证券研究经历，超 7 年证券投资经历。目 前在管 4 只基金，均为主动权益型产品。其研究功底深厚，投资理念融 合了行为金融学中的两种决策风格，展现了一种独特的平衡智慧，力争 做追求最优的满意化投资者。投资方法论方面，密切关注着市场的兴奋 点和热力图，同时秉持着投资始终基于对上市公司的长期价值和盈利能 力的判断。坚持行业搭配，严格管理个股风险敞口。坚持以中长期成长 为矛，合理估值为盾。 ⚫ 业绩进攻性强，大幅超越基准 2025 年以来，截至 9 月 17 日，其代表基金华商鑫安累计收益率达到 39. ...

2025 年 10 月 09 日 金融工程研究团队 魏建榕（首席分析师） 证书编号：S0790519120001 张 翔（分析师） 证书编号：S0790520110001 傅开波（分析师） 证书编号：S0790520090003 高 鹏（分析师） 证书编号：S0790520090002 苏俊豪（分析师） 证书编号：S0790522020001 胡亮勇（分析师） 证书编号：S0790522030001 王志豪（分析师） 证书编号：S0790522070003 《开源量化评论（23）-"金股+"组 合的量化方案》-2021.4.26 《开源量化评论（32）-券商金股的内 部收益结构》-2021.8.29 券商金股解析月报（2025 年 10 月） ——金融工程定期 魏建榕（分析师） 高鹏（分析师） weijianrong@kysec.cn 证书编号：S0790519120001 gaopeng@kysec.cn 证书编号：S0790520090002 10 月份券商金股特征解析 10 月份中航沈飞、立讯精密、兆易创新、洛阳钼业、兴业银锡、安琪酵母、巨 人网络等金股推荐次数靠前。10 月份券商金股已经陆续发布，我们 ...

2025 年 10 月 09 日 研 短期略有超买，逢调积极布局 究 报 分析师：吕思江 S1050522030001 lvsj@cfsc.com.cn 联系人：武文静 S1050123070007 wuwj1@cfsc.com.cn | 1、《财政扩张和贬值交易：大类资 | | --- | | 产哑铃组合》2025-10-08 | | 2、《港股 ETF 仍受青睐， | | 推荐关注化工 ETF》2025-09-29 | | 3、《高风偏但高脆弱，"慢牛"中 | | 仍需耐心》2025-09-28 | 投资要点 ▌香江市场脉搏：中期胜率仍在，短期略有超买， 逢调积极布局 相关研究 1、《财政扩张和贬值交易：大类资 国庆假期期间港股市场 10 月 2 日、10 月 3 日、10 月 6 日、 10 月 8 日四天均正常开市交易，其中 10 月 2 日港股市场大 涨，10 月 3 日、10 月 6 日及 10 月 8 日出现连续调整。9 月 29 日至 10 月 8 日六个交易日合并来看，港股市场表现出 色，恒生科技 5.15%、港股通创新药 8.82%、黄金股均表现出 色，消费类跌幅靠前表现不佳，收益贡献主要 ...

根据研报内容，以下是关于量化模型与因子的总结： 量化模型与构建方式 1. **模型名称：打新收益测算模型**[41] * **模型构建思路**：该模型旨在测算不同规模、不同类型的投资账户参与网下新股申购所能获得的收益率[41] * **模型具体构建过程**：模型的核心是计算单只新股对单个账户的贡献收益，并加总得到特定时间段内的总收益[41] * 单账户个股打新收益计算公式为： $$单账户个股打新收益 = min（账户规模，申购上限） * 中签率 * 收益率$$[41] * 其中： * `min（账户规模，申购上限）` 表示账户在该只新股上的有效申购金额[41] * `中签率` 采用个股网下打新的实际中签结果，区分A类（公募基金、社保基金等）和C类（私募基金、其他）投资者[41] * `收益率` 的计算方式根据新股上市板块有所不同： * 对于科创板、创业板及全面注册制下的主板新股，使用上市首日成交均价相对于发行价的涨跌幅[41] * 对于非注册制下的主板新股，采用开板当日成交均价相对于发行价的涨跌幅；若统计区间内新股尚未开板，则使用动态12个月内主板上市个股开板实现收益率的均值作为替代[41] * 总收益为统计区间内所有新股打新收益的加总，并除以账户规模得到打新收益率[41][42][48] * **模型评价**：该模型是打新市场分析中广泛使用的标准测算框架，能够较为直观地反映不同条件下的打新收益潜力[41] 2. **模型名称：打满收益测算模型**[41] * **模型构建思路**：该模型测算在顶格申购（即申购金额达到新股规定的申购上限）且全部中签的理想情况下，投资者可获得的绝对收益[41][51] * **模型具体构建过程**：模型计算公式为： $$A/B/C类投资者打满收益 = 申购上限 * A/B/C类网下中签率 * 收益率$$[41] * 公式中各参数含义与“打新收益测算模型”一致[41] * **模型评价**：该模型用于衡量单只新股的收益上限，为投资者评估新股吸引力提供参考[41][51] 3. **因子名称：基金打新参与度**[57] * **因子构建思路**：衡量公募基金产品参与网下新股询价的积极程度[57] * **因子具体构建过程**：因子计算公式为： $$参与度 = 参与报价新股数 / 网下询价发行新股总数$$[57] 4. **因子名称：基金报价入围率**[57] * **因子构建思路**：衡量公募基金产品新股报价的有效性，即报价位于发行价格区间内从而获得配售资格的比例[57] * **因子具体构建过程**：因子计算公式为： $$报价入围率 = 有效报价个数 / 参与报价新股数$$[57] 模型的回测效果 1. **打新收益测算模型（2025年9月，5亿规模账户）**[42][48] * A类投资者主板打新收益率：0.026%[42] * C类投资者主板打新收益率：0.025%[42] * A类投资者创业板打新收益率：0.125%[42] * C类投资者创业板打新收益率：0.103%[42] * A类投资者全市场（主板+创业板）打新收益率：0.151%[48] * C类投资者全市场（主板+创业板）打新收益率：0.129%[48] 2. **打新收益测算模型（2025年累计，5亿规模账户）**[43][46][48][50] * A类投资者全市场累计打新收益率：1.285%[48] * C类投资者全市场累计打新收益率：1.164%[50] 3. **打满收益测算模型（2025年9月）**[43][46][51] * A类投资者主板打满收益：13.26万元[43] * C类投资者主板打满收益：12.73万元[43] * A类投资者创业板打满收益：87.69万元[46] * C类投资者创业板打满收益：72.70万元[46] 因子的回测效果 1. **基金打新参与度与报价入围率（2025年9月，筛选条件：参与度>=90%，入围率>=85%，规模2-5亿）**[57][58] * 代表性基金（如稀土ETF易方达）参与度：100.0%[58] * 代表性基金（如稀土ETF易方达）报价入围率：100.0%[58] * 代表性基金（如稀土ETF易方达）估算打新收益率：0.404%[58] 2. **机构打新参与度与报价入围率（2025年9月，TOP机构）**[60][61] * 代表性机构（如易方达基金）参与度：100.0%[61] * 代表性机构（如易方达基金）报价入围率：100.0%[61] * 代表性机构（如易方达基金）估算打新收益：1.33亿元[61]

根据提供的研报内容，以下是关于量化模型和因子的总结： 量化模型与构建方式 1. **模型名称：券商金股业绩增强组合**[39][43] * **模型构建思路**：该模型以券商金股股票池为选股空间，旨在通过多因子优选的方式，构建一个能够稳定战胜偏股混合型基金指数的投资组合[12][43] * **模型具体构建过程**：模型构建过程主要参考国信金工团队于2022年2月18日发布的专题报告《券商金股全解析——数据、建模与实践》[12][39]具体构建方法包括：以券商金股股票池为选股空间和约束基准；采用组合优化的方式控制组合与券商金股股票池在个股、风格上的偏离；以全体公募基金的行业分布为行业配置基准[43] 模型的回测效果 1. **券商金股业绩增强组合**[44][47] * 全样本年化收益（考虑仓位）：19.34%[47] * 相对偏股混合型基金指数年化超额收益：14.38%[47] * 在主动股基中排名分位点（2018-2025年每年）：均排在前30%水平[44] * 本月（2025年9月）绝对收益：-0.55%[5][42] * 本月相对偏股混合型基金指数超额收益：-3.50%[5][42] * 本年（2025年初至9月30日）绝对收益：33.26%[5][42] * 本年相对偏股混合型基金指数超额收益：1.19%[5][42] * 今年以来在主动股基中排名分位点：43.07%（1494/3469）[5][42] 量化因子与构建方式 1. **因子名称：日内收益率**[3][28] * **因子评价**：最近一个月在券商金股股票池中表现较好[3][28] 2. **因子名称：BP（账面市值比）**[3][28] * **因子评价**：最近一个月在券商金股股票池中表现较好，但今年以来表现较差[3][28] 3. **因子名称：波动率**[3][28] * **因子评价**：最近一个月在券商金股股票池中表现较好，但今年以来表现较差[3][28] 4. **因子名称：总市值**[3][28] * **因子评价**：最近一个月在券商金股股票池中表现较差，但今年以来表现较好[3][28] 5. **因子名称：SUE（标准未预期盈余）**[3][28] * **因子评价**：最近一个月在券商金股股票池中表现较差[3][28] 6. **因子名称：单季度超预期幅度**[3][28] * **因子评价**：最近一个月在券商金股股票池中表现较差[3][28] 7. **因子名称：单季度营收增速**[3][28] * **因子评价**：今年以来在券商金股股票池中表现较好[3][28] 8. **因子名称：分析师净上调幅度**[3][28] * **因子评价**：今年以来在券商金股股票池中表现较好[3][28] 9. **因子名称：预期股息率**[3][28] * **因子评价**：今年以来在券商金股股票池中表现较差[3][28] 因子的回测效果 （报告中未提供具体因子分组的量化指标值，如IC、IR等多空收益等，仅提供了定性表现评论，因此本部分略）

根据提供的ESG动态跟踪月报内容，报告主要涉及对政策、市场热点和投资进展的梳理，并未包含具体的量化模型或量化因子的构建、测试过程。报告内容聚焦于宏观动态、政策解读和市场数据概览。 因此，本次总结无法提供“量化模型与构建方式”、“模型的回测效果”、“量化因子与构建方式”及“因子的回测效果”等部分的内容。

根据提供的金融工程月报，以下是关于报告中涉及的量化模型和因子的总结： 量化模型与构建方式 1. 券商金股指数模型 - **模型构建思路**：券商金股组合能够体现总量分析师自上而下的配置能力和行业分析师自下而上的选股能力，并且研究发现该股票池能够较好地跟踪偏股混合型基金指数的表现[12][18] - **模型具体构建过程**：每月初汇总券商金股，根据其被券商推荐的家数进行加权构建指数，并于每月第一天收盘价进行调仓[18] 为了更公允地与偏股混合型基金指数比较，在计算收益时，以每次调仓时点所能获取的主动股基最近一个报告期的权益仓位中位数作为券商金股指数的仓位[18] 2. 券商金股业绩增强组合模型 - **模型构建思路**：以对标公募基金中位数为基准，在券商金股股票池中进行优选，目标是获得稳定战胜偏股混合型基金指数的表现[12][39][43] - **模型具体构建过程**：以券商金股股票池为选股空间和约束基准，采用组合优化的方式控制组合与券商金股股票池在个股、风格上的偏离，以全体公募基金的行业分布为行业配置基准进行构建[43] 组合考虑仓位及交易费用的影响[44] 量化因子与构建方式 1. 券商推荐家数因子 - **因子构建思路**：在券商金股股票池中，多人推荐的股票往往能够获得更高的市场关注度[31] - **因子具体构建过程**：统计每只股票被不同券商推荐为金股的家数，作为衡量市场关注度的指标[31][34] 2. 买方关注度因子 - **因子构建思路**：如果一只股票尚未被任何主动股基持有为前十大重仓股，说明其在公募基金经理群体中的关注度有待提升[35] - **因子具体构建过程**：识别本月券商金股股票池中，尚未被任何主动股基在最近一个季报中持有为前十大重仓股的样本[35][38] 3. 卖方关注度因子 - **因子构建思路**：如果某只股票在最近12个月均未被任何券商分析师推荐为金股，说明其在券商分析师群体中受到的关注相对较少[36] - **因子具体构建过程**：筛选本月金股中，属于近12个月以来首次出现在券商金股股票池中的样本[36][37] 4. 常见选股因子 报告中提到了在券商金股股票池中跟踪的多种常见选股因子[3][27]： - 日内收益率 - BP（账面市值比） - 波动率 - 总市值 - SUE（标准化未预期收益） - 单季度超预期幅度 - 单季度营收增速 - 分析师净上调幅度 - 预期股息率 模型的回测效果 1. 券商金股指数模型 - 本月（20250902-20250930）收益：3.65%[21] - 今年以来（20250102-20250930）收益：31.66%[21] - 同期偏股混合型基金指数收益：35.37%[21] 2. 券商金股业绩增强组合模型 **本月表现（2050901-20250930）**[5][42]： - 绝对收益：-0.55% - 相对偏股混合型基金指数超额收益：-3.50% **本年表现（20250102-20250930）**[5][42]： - 绝对收益：33.26% - 相对偏股混合型基金指数超额收益：1.19% - 在主动股基中排名分位点：43.07%（1494/3469） **历史表现（2018.1.2-2025.6.30）**[44][47]： - 年化收益：19.34% - 相对偏股混合型基金指数年化超额：14.38% - 2018-2025年期间，每年业绩排名都排在主动股基前30%的水平 因子的回测效果 1. 选股因子近期表现 **最近一个月表现**[3][27]： - 表现较好因子：日内收益率、BP、波动率 - 表现较差因子：总市值、SUE、单季度超预期幅度 **今年以来表现**[3][27]： - 表现较好因子：总市值、单季度营收增速、分析师净上调幅度 - 表现较差因子：波动率、预期股息率、BP 2. 行业因子表现 **本月行业组合收益**[22][23][25]： - 超额收益排名前三行业：计算机、房地产、汽车 **今年以来行业组合收益**[22][23][26]： - 超额收益排名前三行业：电子、汽车、计算机

根据研报内容，以下是关于量化模型和因子的总结： 量化模型与构建方式 1. 模型名称：A股赔率模型 - **模型构建思路**：基于股权风险溢价（ERP）和股息风险溢价（DRP）的标准化数值等权计算A股赔率，以衡量A股资产的估值吸引力[10] - **模型具体构建过程**：首先计算ERP和DRP，然后对这两个指标进行标准化处理，最后将标准化后的数值进行等权加总得到综合赔率指标[10] 2. 模型名称：宏观胜率评分卡模型 - **模型构建思路**：从货币、信用、增长、通胀和海外五个宏观因素出发，合成得到各资产的综合胜率指标[10][42] - **模型具体构建过程**：基于五个宏观因子构建评分体系，综合评估各类资产的胜率表现[10][42] 3. 模型名称：债券赔率模型 - **模型构建思路**：根据长短债预期收益差构建债券资产赔率指标，衡量债券市场的估值水平[11] - **模型具体构建过程**：使用利率债收益预测框架，基于长短债的预期收益差异来构建赔率指标[11] 4. 模型名称：美联储流动性指数模型 - **模型构建思路**：结合数量维度和价格维度构建美联储流动性指数，用于评估市场流动性状况[15] - **模型具体构建过程**：从联储负债端存款准备金、净流动性、联储信用支持、预期引导、市场隐含、公告意外等多个维度综合构建流动性指数[16] 5. 模型名称：行业轮动三维评价模型 - **模型构建思路**：基于趋势-景气度-拥挤度三维评价体系进行行业轮动配置[34][36] - **模型具体构建过程**：使用行业过去12个月信息比率刻画行业动量和趋势，以行业的换手率比率、波动率比率和beta比率刻画行业的交易拥挤度，结合景气度指标形成三维评价体系[34] 6. 模型名称：赔率+胜率增强型策略 - **模型构建思路**：结合各资产的赔率与胜率策略的风险预算，在目标波动率约束的条件下构建资产配置策略[3][39][45] - **模型具体构建过程**：将赔率策略的风险预算和胜率策略的风险预算进行简单相加得到综合得分，据此进行资产配置权重调整[45] 量化因子与构建方式 1. 因子名称：价值因子 - **因子构建思路**：基于价值风格的三标尺（赔率、趋势、拥挤度）进行综合评价[19][22] - **因子具体构建过程**：从赔率、趋势和拥挤度三个维度对价值风格进行量化评分，赔率回升至0.9倍标准差，趋势位于-0.3倍标准差，拥挤度处于-1.4倍标准差的较低水平[19][22] 2. 因子名称：小盘因子 - **因子构建思路**：基于小盘风格的三标尺进行综合评价[20][23] - **因子具体构建过程**：小盘因子的赔率处于-0.2倍标准差（中性水平），趋势位于1.6倍标准差（极高水平），拥挤度回落至-0.5倍标准差（中低水平）[20][23] 3. 因子名称：质量因子 - **因子构建思路**：基于质量风格的三标尺进行综合评价[24][26] - **因子具体构建过程**：质量风格赔率当前位于1.4倍标准差，拥挤度处于-0.5倍标准差的较低水平，趋势处于-1.2倍标准差的较低水平[24][26] 4. 因子名称：成长因子 - **因子构建思路**：基于成长风格的三标尺进行综合评价[27][29] - **因子具体构建过程**：成长因子趋势回升至0.1倍标准差的中等水平，赔率位于0.8倍标准差，拥挤度升至1.0倍标准差[27][29] 模型的回测效果 1. 赔率+胜率增强型策略 - 2011年以来年化收益7.0%，最大回撤2.8%[3][45] - 2014年以来年化收益7.6%，最大回撤2.7%[3][45] - 2019年以来年化收益7.2%，最大回撤2.8%[3][45] 2. 赔率增强型策略 - 2011年以来年化收益6.6%，最大回撤3.0%[39][41] - 2014年以来年化收益7.5%，最大回撤2.4%[39][41] - 2019年以来年化收益7.0%，最大回撤2.4%[39][41] 3. 胜率增强型策略 - 2011年以来年化收益7.0%，最大回撤2.8%[42][44] - 2014年以来年化收益7.7%，最大回撤2.3%[42][44] - 2019年以来年化收益6.3%，最大回撤2.3%[42][44] 4. 行业轮动三维评价模型 - 2011年以来超额表现13.1%，跟踪误差11.0%，最大回撤25.4%，信息比率1.18[35] - 2014年以来超额表现13.0%，跟踪误差12.0%，最大回撤25.4%，信息比率1.08[35] - 2019年以来超额表现10.8%，跟踪误差10.7%，最大回撤12.3%，信息比率1.02[35] 因子的回测效果 1. 价值因子 - 赔率：0.9倍标准差[19][22] - 趋势：-0.3倍标准差[19][22] - 拥挤度：-1.4倍标准差[19][22] - 综合得分：3分[19] 2. 小盘因子 - 赔率：-0.2倍标准差[20][23] - 趋势：1.6倍标准差[20][23] - 拥挤度：-0.5倍标准差[20][23] - 综合得分：2.2分[20] 3. 质量因子 - 赔率：1.4倍标准差[24][26] - 趋势：-1.2倍标准差[24][26] - 拥挤度：-0.5倍标准差[24][26] - 综合得分：0.6分[24] 4. 成长因子 - 赔率：0.8倍标准差[27][29] - 趋势：0.1倍标准差[27][29] - 拥挤度：1.0倍标准差[27][29] - 综合得分：0.1分[27]

证券研究报告 | 金融工程 gszqdatemark 2025 10 08 年 月 日 量化周报 科技板块出现分化 科技板块出现分化。节前（9.29-9.30），大盘震荡上行，上证指数全周收 涨 1.43%。在此背景下，科技板块出现分化，电子、计算机表现相对强势， 而通信、传媒则表现相对弱势。市场的本轮上涨自 4 月 7 日以来，日线级 别反弹已经持续了 5 个多月，反弹幅度也基本在 30%左右，各大指数和 板块的上涨基本都轮动了一遍，超 2/3 的行业日线级别上涨处于超涨状 态，几乎所有的规模指数及一半以上的行业更是走出了复杂的 9-15 浪的 上涨结构，而银行、非银也已经率先形成了日线级别下跌，军工、钢铁、 建筑、交运、医药离确认日线级别下跌的日子也不远了。因此我们认为本 轮日线级别上涨大概率已临近尾声。短期，市场的波动进一步加大后，投 资者后续可积极关注市场未来是否出现放量滞涨、放量大跌及缩量反弹迹 象。中期来看，上证指数、上证 50、沪深 300、中证 500、深证成指、创 业板指、科创 50 纷纷确认周线级别上涨，而且在日线上只走出了 3 浪结 构，中期牛市刚刚开始；此外，已有 26 个行业处于周线 ...