量化模型与构建方式 1. **模型名称：戴维斯双击组合**[1][4] * **模型构建思路**：以较低市盈率买入具有成长潜力的股票，待其成长性显现、市盈率提升后卖出，获取每股收益（EPS）和市盈率（PE）双重上涨带来的乘数效应收益[1][4]。 * **模型具体构建过程**：报告未详细说明该组合的具体选股和构建步骤，仅阐述了其核心逻辑。其思路是寻找业绩增速在加速增长的标的，以控制市盈率（PE）的向下空间[4]。 2. **模型名称：净利润断层组合**[1][7] * **模型构建思路**：结合基本面（业绩超预期）与技术面（股价向上跳空）的共振进行选股。“净利润”指业绩超预期，“断层”指盈余公告后首个交易日股价出现明显的向上跳空缺口[1][7]。 * **模型具体构建过程**： 1. 筛选股票样本：每期选取过去两个月内发布业绩预告或正式财报，且业绩满足超预期事件的股票[7]。 2. 排序与构建组合：根据盈余公告日股价的跳空幅度对样本股票进行排序，选取排名前50的股票，采用等权重方式构建投资组合[7]。 3. **模型名称：沪深300增强组合**[1][10] * **模型构建思路**：基于对优秀基金的归因分析，识别并综合GARP（合理价格成长）、成长型和价值型三类投资者的偏好因子，对沪深300指数成分股进行增强配置[1][10]。 * **模型具体构建过程**：报告未详细说明三类因子的具体合成与组合加权方式，但阐述了构建各偏好因子的核心逻辑： * **GARP型因子**： * **PBROE因子**：寻找估值低且盈利能力强的股票。构建思路为计算市净率（PB）与净资产收益率（ROE）的分位数之差[10]。 * **PEG因子**：寻找价值被低估且拥有可靠成长潜力的公司。构建思路为计算市盈率（PE）与盈利增速的分位数之差[10]。 * **成长型因子**：通过营业收入、毛利润、净利润等增速指标来寻找高速成长的股票[10]。 * **价值型因子**：偏好具有长期稳定高ROE的公司[10]。 模型的回测效果 1. **戴维斯双击组合** * 基准指数：中证500指数[6] * 全样本年化收益：25.93%[6] * 全样本年化超额收益：21.60%[6] * 全样本相对最大回撤：-20.14%[6] * 全样本收益回撤比：1.07[6] * 特定区间（2010-2017年）年化收益：26.45%[6] * 特定区间（2010-2017年）年化超额收益：21.08%[6] * 今年以来（至2026-04-24）累计绝对收益：19.40%[6] * 今年以来（至2026-04-24）超额收益：8.92%[6] * 本期组合（2026-02-02至2026-04-24）超额收益：11.73%[6] 2. **净利润断层组合** * 基准指数：中证500指数[8] * 全样本年化收益：31.07%[8] * 全样本年化超额收益：27.24%[8] * 全样本相对最大回撤：-37.12%[8] * 全样本收益回撤比：0.73[8] * 今年以来（至2026-04-24）累计绝对收益：25.18%[8] * 今年以来（至2026-04-24）超额收益：14.70%[8] 3. **沪深300增强组合** * 基准指数：沪深300指数[12] * 全样本年化收益：11.11%[12] * 全样本年化超额收益：9.30%[12] * 全样本相对最大回撤：-9.18%[12] * 全样本收益回撤比：1.01[12] * 今年以来（至2026-04-24）累计绝对收益：9.45%[12] * 今年以来（至2026-04-24）超额收益：6.44%[12] 量化因子与构建方式 1. **因子名称：PBROE因子**[10] * **因子构建思路**：属于GARP型投资者偏好因子，旨在寻找估值低（PB低）并且盈利能力高（ROE高）的股票[10]。 * **因子具体构建过程**：计算股票市净率（PB）分位数与净资产收益率（ROE）分位数之差。报告未给出具体计算公式，但逻辑可表示为：因子值 = Rank(ROE) - Rank(PB)，预期因子值越高代表股票性价比越高[10]。 2. **因子名称：PEG因子**[10] * **因子构建思路**：属于GARP型投资者偏好因子，旨在寻找价值被低估（PE低）且拥有可靠成长潜力（增速高）的公司[10]。 * **因子具体构建过程**：计算股票市盈率（PE）分位数与盈利增速（G）分位数之差。报告未给出具体计算公式，但逻辑可表示为：因子值 = Rank(G) - Rank(PE)，预期因子值越高代表成长性与估值匹配度越好[10]。 3. **因子名称：成长型因子**[10] * **因子构建思路**：反映成长型投资者的偏好，关注公司的成长性[10]。 * **因子具体构建过程**：通过营业收入增速、毛利润增速、净利润增速等指标来寻找高速成长的股票。报告未说明具体合成方法[10]。 4. **因子名称：价值型因子**[10] * **因子构建思路**：反映价值型投资者的偏好，认为长期持有股票的收益率大致等于公司的ROE，因此偏好具有长期稳定高ROE的公司[10]。 * **因子具体构建过程**：核心指标是净资产收益率（ROE），侧重其长期稳定性。报告未说明具体构建方法[10]。 因子的回测效果 （报告未单独提供上述因子的测试结果，仅展示了基于这些因子构建的“沪深300增强组合”的整体表现[12]）

量化模型与构建方式 1. **模型名称：基于沪深300指数的流动性冲击指标**[3] * **模型构建思路**：通过计算当前市场流动性相对于过去一年平均水平的偏离程度，来衡量市场的流动性状况[3]。 * **模型具体构建过程**：该指标是一个标准化值，具体计算过程未在报告中详细说明。其含义为，当前市场的流动性高于过去一年平均水平-0.23倍标准差[3]。 2. **模型名称：上证50ETF期权成交量PUT-CALL比率**[3] * **模型构建思路**：通过计算看跌期权（PUT）与看涨期权（CALL）成交量的比率，来反映投资者对标的资产（上证50ETF）短期走势的情绪和谨慎程度[3]。 * **模型具体构建过程**：直接计算特定时间点（如周五）看跌期权总成交量与看涨期权总成交量的比值[3]。公式为： $$PUT-CALL比率 = \frac{看跌期权成交量}{看涨期权成交量}$$ 3. **模型名称：五日平均换手率分位点模型**[3] * **模型构建思路**：计算当前市场的五日平均换手率在历史（2005年以来）数据中所处的位置（分位点），以衡量当前交易活跃度相对于历史水平的高低[3]。 * **模型具体构建过程**：首先计算上证综指和Wind全A指数的五日平均换手率，然后将该数值与2005年以来的历史数据序列进行比较，计算其历史分位点[3]。 4. **模型名称：SAR（停损转向）指标择时模型**[13] * **模型构建思路**：利用抛物线转向指标（SAR）判断市场趋势的转折点，当价格向上突破SAR时发出买入信号，向下突破时发出卖出信号[13]。 * **模型具体构建过程**：报告提及Wind全A指数于3月27日向上突破翻转指标（SAR），从而发出买入信号。具体SAR计算公式未在报告中给出[13]。 5. **模型名称：市场均线强弱指数**[13] * **模型构建思路**：通过计算Wind二级行业指数相对于其均线的强弱情况，综合评估整个市场的技术面强弱[13]。 * **模型具体构建过程**：基于Wind二级行业指数计算均线强弱得分，并转化为百分位形式。报告指出当前市场得分为136，处于2023年以来的45.1%分位点[13][16]。 6. **模型名称：涨跌停板情绪择时模型**[13] * **模型构建思路**：通过构建与涨停板、跌停板相关的多个因子，综合刻画市场的情绪强弱，并用于择时[13]。 * **模型具体构建过程**：根据国泰海通量化团队前期专题报告，构建了包括净涨停占比、跌停次日收益、涨停板占比、跌停板占比、高频打板收益在内的多个细分情绪因子[13]。这些因子被合成为一个综合情绪模型，报告期模型得分为1分（满分5分）[13]。趋势模型和加权模型信号为负向[13]。 7. **模型名称：高频资金流择时模型**[13] * **模型构建思路**：通过分析高频资金流的走势，对主要宽基指数发出买入或卖出信号[13]。 * **模型具体构建过程**：根据国泰海通量化团队前期专题报告，构建了针对不同风险偏好的策略信号，包括“激进多头”、“激进多空”、“稳健多头”、“稳健多空”[18]。报告期对沪深300、中证500、中证1000、中证2000指数均发出了正向买入信号（信号值为1代表正向）[13][18]。 8. **模型/因子名称：因子拥挤度复合指标**[19][20] * **构建思路**：通过多个维度指标综合度量某一因子的资金拥挤程度，作为因子可能失效的预警指标[19]。 * **具体构建过程**：根据国泰海通量化团队前期专题报告，使用四个分项指标度量因子拥挤度，并合成为一个综合打分[19]。四个分项指标为： 1. 估值价差 2. 配对相关性 3. （长期）收益反转 4. 因子波动率（报告中“市场波动”可能为笔误，根据上下文应为“因子波动率”）[20] 综合打分由各分项得分合成，具体合成方法未在报告中给出[20]。 9. **模型/因子名称：行业拥挤度指标**[23] * **构建思路**：度量某一行业板块的资金拥挤程度[23]。 * **具体构建过程**：根据国泰海通量化团队前期专题报告构建，具体计算方法未在报告中详细说明[23]。 模型的回测效果 1. **基于沪深300指数的流动性冲击指标**，2026年4月24日（周五）指标值为 **-0.23**[3]。 2. **上证50ETF期权成交量PUT-CALL比率**，2026年4月24日（周五）指标值为 **0.81**[3]。 3. **五日平均换手率分位点模型**，截至2026年4月24日，上证综指五日平均换手率处于2005年以来 **74.39%** 分位点；Wind全A五日平均换手率处于 **78.99%** 分位点[3]。 4. **市场均线强弱指数**，截至2026年4月24日，市场得分为 **136**，处于2023年以来的 **45.1%** 分位点[13][16]。 5. **涨跌停板情绪择时模型**，截至2026年4月24日，情绪模型得分为 **1分**（满分5分）；趋势模型信号为 **负向**；加权模型信号为 **负向**[13]。 6. **高频资金流择时模型**，截至2026年4月24日，对主要宽基指数的信号如下[18]： * **沪深300指数**：激进多头信号 **1**，激进多空信号 **1**，稳健多头信号 **1**，稳健多空信号 **1**。 * **中证500指数**：激进多头信号 **1**，激进多空信号 **1**，稳健多头信号 **1**，稳健多空信号 **1**。 * **中证1000指数**：激进多头信号 **1**，激进多空信号 **1**，稳健多头信号 **0**，稳健多空信号 **0**。 * **中证2000指数**：激进多头信号 **1**，激进多空信号 **1**，稳健多头信号 **1**，稳健多空信号 **1**。 量化因子与构建方式 1. **因子名称：小市值因子**[19][20] * **构建思路**：基于市值规模选股的因子，通常认为小市值公司具有更高的成长性和弹性。 * **具体构建过程**：报告未详细说明其具体计算方法，但将其作为因子拥挤度分析的对象之一[19][20]。 2. **因子名称：低估值因子**[19][20] * **构建思路**：基于估值水平（如市盈率PE、市净率PB等）选股的因子，通常认为估值较低的股票具有安全边际。 * **具体构建过程**：报告未详细说明其具体计算方法，但将其作为因子拥挤度分析的对象之一[19][20]。 3. **因子名称：高盈利因子**[19][20] * **构建思路**：基于盈利能力（如ROE、ROA等）选股的因子，通常认为盈利质量高、盈利能力强的公司更具投资价值。 * **具体构建过程**：报告未详细说明其具体计算方法，但将其作为因子拥挤度分析的对象之一[19][20]。 4. **因子名称：高盈利增长因子（高增长）**[19][20] * **构建思路**：基于盈利增长能力（如净利润增长率、营收增长率等）选股的因子，通常认为高增长的公司能带来更高回报。 * **具体构建过程**：报告未详细说明其具体计算方法，但将其作为因子拥挤度分析的对象之一[19][20]。 5. **因子名称：涨跌停板情绪细分因子**[13] * **构建思路**：用于构建情绪择时模型的底层因子，从不同角度刻画市场涨停、跌停相关的情绪[13]。 * **具体构建过程**：包括净涨停占比、跌停次日收益、涨停板占比、跌停板占比、高频打板收益等，具体计算公式参考国泰海通量化团队前期专题报告[13]。 因子的回测效果 1. **因子拥挤度复合指标**，截至2026年4月24日，各因子的综合拥挤度打分如下[20]： * **小市值因子**：**-0.09** * **低估值因子**：**-0.95** * **高盈利因子**：**0.05** * **高盈利增长因子**：**0.25** 2. **涨跌停板情绪细分因子**，截至2026年4月24日，各细分因子信号如下：净涨停占比 **0**，跌停次日收益 **0**，涨停板占比 **0**，跌停板占比 **0**，高频打板收益 **1**[18]。 3. **行业拥挤度指标**，截至2026年4月24日，部分行业拥挤度及变化如下[24][25]： * **通信**：拥挤度 **1.93**，较上月变化 **0.32** * **综合**：拥挤度 **1.87**，较上月变化 **-0.15** * **有色金属**：拥挤度 **1.40**，较上月变化 **-0.05** * **电子**：拥挤度 **1.27**，较上月变化 **0.28** * **基础化工**：拥挤度 **1.06**，较上月变化 **-0.24** * **房地产**：拥挤度 **-0.74**，较上月变化 **0.46** * **计算机**：拥挤度 **-0.33**，较上月变化 **0.45**

❑ 为什么结构上核心关注化工？ 库存缓冲下，下游需求或尚未受到明显影响。我们此前报告《油价高位：顺周期 逻辑与冲击量化测算》中统计发现，库存越多，行业的"缓冲垫"越足，对应在成 本压力下行业能够维持不涨价的时间越长，目前这一缓冲期可能有 1-2 个季度。 实际上，从已公布数据来看，受油价影响较大的塑料、纺服等行业，3 月价格基本 维持稳定。因此，既然下游价格尚未明显上涨，那么对终端需求的影响可能就还 不大。作为验证，4 月欧元区及美国制造业 PMI 初值均大超市场预期，虽然这可 能在一定程度上受到供应商交货时间延长的影响，但至少能够说明，目前全球制 造业周期复苏的趋势尚未被明显冲击。 5 月：微盘股有望迎来强势期 核心观点 5 月，市场或转震荡而非深度回调。由于缺乏明确主线，资金由前期热点外溢，量化 产品敞口或因此放开，且近期量化新产品备案激增，微盘股迎来投资机会。结构上， 在补库需求驱动下，化工行业的需求弹性可能超出市场预期，我们建议重点关注。 ❑ 5 月，重视微盘股投资机会 资金或从主线外流，微盘股受益。自 2025 年下半年以来，市场主线主要聚焦于科 技成长和顺周期两大方向。我们判断，后续风险偏好进一步 ...

量化模型与构建方式 量化模型 1. **模型名称**：PB-ROE-50组合[7][23] * **模型构建思路**：该模型基于PB（市净率）和ROE（净资产收益率）两个核心指标进行选股，旨在寻找估值合理且盈利能力强的公司[23]。 * **模型具体构建过程**：报告未详细描述该组合的具体构建公式和步骤，仅提及了其核心选股逻辑[23]。 2. **模型名称**：机构调研组合[7][25] * **模型构建思路**：该模型基于机构调研活动构建选股策略，分为公募调研选股策略和私募调研跟踪策略[3][25]。 * **模型具体构建过程**：报告未详细描述该组合的具体构建公式和步骤，仅提及了其策略类型[25]。 3. **模型名称**：大宗交易组合[7][29] * **模型构建思路**：基于“高成交、低波动”原则，从发生大宗交易的股票中筛选后续表现更佳的标的[29]。 * **模型具体构建过程**：报告提及了构建该组合的两个关键因子：“大宗交易成交金额比率”和“6日成交金额波动率”[29]。具体构建公式和步骤未在本文中详述，可参考其提及的过往报告[29]。 4. **模型名称**：定向增发组合[7][35] * **模型构建思路**：以定向增发的股东大会公告日为事件节点，构建事件驱动选股组合[35]。 * **模型具体构建过程**：报告提及构建时综合考虑了市值因素、调仓周期及仓位控制，但未给出具体构建公式和步骤，可参考其提及的过往报告[35]。 量化因子 1. **因子名称**：动量弹簧因子[1][12] * **因子构建思路**：未在报告中明确阐述。 * **因子具体构建过程**：报告未提供具体构建过程。 2. **因子名称**：早盘收益因子[1][12] * **因子构建思路**：未在报告中明确阐述。 * **因子具体构建过程**：报告未提供具体构建过程。 3. **因子名称**：毛利率TTM[1][12] * **因子构建思路**：使用过去十二个月（TTM）的毛利率作为基本面因子。 * **因子具体构建过程**：报告未提供具体计算公式。通常，毛利率TTM = (过去12个月营业收入 - 过去12个月营业成本) / 过去12个月营业收入。 4. **因子名称**：ROIC增强因子[1][12] * **因子构建思路**：未在报告中明确阐述。 * **因子具体构建过程**：报告未提供具体构建过程。 5. **因子名称**：市净率因子[1][12] * **因子构建思路**：使用市净率（PB）作为估值因子。 * **因子具体构建过程**：报告未提供具体计算公式。通常，市净率 = 市值 / 净资产。 6. **因子名称**：标准化预期外盈利[1][14] * **因子构建思路**：未在报告中明确阐述。 * **因子具体构建过程**：报告未提供具体构建过程。 7. **因子名称**：净利润断层[1][14] * **因子构建思路**：未在报告中明确阐述。 * **因子具体构建过程**：报告未提供具体构建过程。 8. **因子名称**：单季度ROE同比[1][14] * **因子构建思路**：使用单季度ROE的同比增长率作为成长性因子。 * **因子具体构建过程**：报告未提供具体计算公式。通常，单季度ROE同比 = (本期单季度ROE / 上年同期单季度ROE - 1)。 9. **因子名称**：单季度净利润同比增长率[2][16] * **因子构建思路**：使用单季度净利润的同比增长率作为成长性因子。 * **因子具体构建过程**：报告未提供具体计算公式。通常，单季度净利润同比增长率 = (本期单季度净利润 / 上年同期单季度净利润 - 1)。 10. **因子名称**：市销率TTM倒数[2][16] * **因子构建思路**：使用市销率（PS）的倒数作为估值因子。 * **因子具体构建过程**：报告未提供具体计算公式。通常，市销率TTM倒数 = 1 / (市值 / 过去12个月营业收入)。 11. **因子名称**：单季度EPS[2][16] * **因子构建思路**：使用单季度每股收益（EPS）作为盈利因子。 * **因子具体构建过程**：报告未提供具体计算公式。通常，单季度EPS = 单季度归属于母公司股东的净利润 / 期末总股本。 12. **因子名称**：对数市值因子[2][16] * **因子构建思路**：使用市值的自然对数作为规模因子。 * **因子具体构建过程**：报告未提供具体计算公式。通常，对数市值因子 = ln(市值)。 13. **因子名称**：6日成交金额的标准差[2][16] * **因子构建思路**：计算过去6个交易日成交金额的标准差，作为流动性或波动性因子。 * **因子具体构建过程**：报告未提供具体计算公式。 14. **因子名称**：下行波动率占比[2][16] * **因子构建思路**：未在报告中明确阐述。 * **因子具体构建过程**：报告未提供具体构建过程。 15. **因子名称**：动量因子[1][18] * **因子构建思路**：未在报告中明确阐述，通常指股票价格的中期趋势。 * **因子具体构建过程**：报告未提供具体构建过程。 16. **因子名称**：Beta因子[1][18] * **因子构建思路**：衡量股票相对于市场基准的系统性风险。 * **因子具体构建过程**：报告未提供具体构建过程。 17. **因子名称**：残差波动率因子[1][18] * **因子构建思路**：衡量剔除市场风险后的特异性波动率。 * **因子具体构建过程**：报告未提供具体构建过程。 18. **因子名称**：非线性市值因子[1][18] * **因子构建思路**：未在报告中明确阐述。 * **因子具体构建过程**：报告未提供具体构建过程。 19. **因子名称**：每股净资产因子[21] * **因子构建思路**：使用每股净资产（BVPS）作为基本面因子。 * **因子具体构建过程**：报告未提供具体计算公式。通常，每股净资产 = 净资产 / 总股本。 20. **因子名称**：每股经营利润TTM因子[21] * **因子构建思路**：使用过去十二个月（TTM）的每股经营利润作为基本面因子。 * **因子具体构建过程**：报告未提供具体计算公式。 21. **因子名称**：BP因子[21] * **因子构建思路**：即市净率（PB）的倒数，也称为账面市值比。 * **因子具体构建过程**：报告未提供具体计算公式。通常，BP因子 = 1 / PB = 净资产 / 市值。 22. **因子名称**：EP因子[21] * **因子构建思路**：即市盈率（PE）的倒数，也称为盈余收益率。 * **因子具体构建过程**：报告未提供具体计算公式。通常，EP因子 = 1 / PE = 每股收益 / 股价。 23. **因子名称**：流动性因子[21] * **因子构建思路**：未在报告中明确阐述，通常指与股票交易活跃度相关的因子。 * **因子具体构建过程**：报告未提供具体构建过程。 24. **因子名称**：大宗交易成交金额比率[29] * **因子构建思路**：用于大宗交易组合构建的关键因子，比率越高可能预示后续表现更佳[29]。 * **因子具体构建过程**：报告未提供具体计算公式。 25. **因子名称**：6日成交金额波动率[29] * **因子构建思路**：用于大宗交易组合构建的关键因子，波动率越低可能预示后续表现更佳[29]。 * **因子具体构建过程**：报告未提供具体计算公式。 模型的回测效果 1. **PB-ROE-50组合**，本周超越基准收益率（中证500）为-1.43%[23][24]，本周超越基准收益率（中证800）为-0.02%[23][24]，本周超越基准收益率（全市场）为-0.39%[23][24]，今年以来超额收益率（中证500）为0.15%[24]，今年以来超额收益率（中证800）为8.08%[24]，今年以来超额收益率（全市场）为8.59%[24]，本周绝对收益率为-1.03%（中证500）[24]、0.71%（中证800）[24]、-0.12%（全市场）[24]，今年以来绝对收益率为10.64%（中证500）[24]、13.52%（中证800）[24]、15.05%（全市场）[24] 2. **机构调研组合（公募调研选股）**，本周超越基准收益率（中证800）为-0.78%[25][26]，今年以来超额收益率（中证800）为-3.92%[26]，本周绝对收益率为-0.06%[26]，今年以来绝对收益率为0.91%[26] 3. **机构调研组合（私募调研跟踪）**，本周超越基准收益率（中证800）为-0.85%[25][26]，今年以来超额收益率（中证800）为6.14%[26]，本周绝对收益率为-0.13%[26]，今年以来绝对收益率为11.49%[26] 4. **大宗交易组合**，本周超越基准收益率（中证全指）为-0.65%[29][30]，今年以来超额收益率（中证全指）为6.20%[30]，本周绝对收益率为-0.38%[30]，今年以来绝对收益率为12.51%[30] 5. **定向增发组合**，本周超越基准收益率（中证全指）为-0.86%[35][36]，今年以来超额收益率（中证全指）为2.03%[36]，本周绝对收益率为-0.58%[36]，今年以来绝对收益率为8.09%[36] 因子的回测效果 *注：以下因子表现数据均为“最近1周”的收益，为剔除行业与市值影响后多头组合相对于基准指数的超额收益[12]。* 1. **动量弹簧因子**，最近1周收益为1.57%（沪深300）[12][13]、-0.24%（中证500）[14][15]、-0.03%（流动性1500）[16][17] 2. **早盘收益因子**，最近1周收益为1.47%（沪深300）[12][13]、-0.92%（中证500）[14][15]、-0.58%（流动性1500）[16][17] 3. **毛利率TTM**，最近1周收益为1.20%（沪深300）[12][13]、-2.17%（中证500）[14][15]、-0.59%（流动性1500）[16][17] 4. **ROIC增强因子**，最近1周收益为-2.10%（沪深300）[12][13]、-0.88%（中证500）[14][15]、-0.37%（流动性1500）[16][17] 5. **市净率因子**，最近1周收益为-2.07%（沪深300）[12][13]、-0.70%（中证500）[14][15]、-0.18%（流动性1500）[16][17] 6. **标准化预期外盈利**，最近1周收益为-0.88%（沪深300）[12][13]、0.54%（中证500）[14][15]、-0.19%（流动性1500）[16][17] 7. **净利润断层**，最近1周收益为-0.56%（沪深300）[12][13]、0.39%（中证500）[14][15]、0.27%（流动性1500）[16][17] 8. **单季度ROE同比**，最近1周收益为-1.33%（沪深300）[12][13]、0.38%（中证500）[14][15]、-0.06%（流动性1500）[16][17] 9. **单季度净利润同比增长率**，最近1周收益为-0.69%（沪深300）[12][13]、0.00%（中证500）[14][15]、0.79%（流动性1500）[16][17] 10. **市销率TTM倒数**，最近1周收益为0.08%（沪深300）[12][13]、-0.06%（中证500）[14][15]、0.61%（流动性1500）[16][17] 11. **单季度EPS**，最近1周收益为0.80%（沪深300）[12][13]、-0.25%（中证500）[14][15]、0.56%（流动性1500）[16][17] 12. **对数市值因子**，最近1周收益为0.17%（沪深300）[12][13]、-0.27%（中证500）[14][15]、-1.69%（流动性1500）[16][17] 13. **6日成交金额的标准差**，最近1周收益为-0.14%（沪深300）[12][13]、-1.48%（中证500）[14][15]、-1.59%（流动性1500）[16][17] 14. **下行波动率占比**，最近1周收益为-1.22%（沪深300）[12][13]、-1.53%（中证500）[14][15]、-1.51%（流动性1500）[16][17] 15. **动量因子**，最近1周收益为0.84%（全市场）[1][18] 16. **Beta因子**，最近1周收益为-0.47%（全市场）[1][18] 17. **残差波动率因子**，最近1周收益为-0.43%（全市场）[1][18] 18. **非线性市值因子**，最近1周收益为-0.31%（全市场）[1][18]

量化模型与因子总结 量化模型与构建方式 1. **模型名称：三维择时框架** * **模型构建思路：** 通过构建分歧度、流动性、景气度三个维度的指标，综合判断市场整体状态和趋势，为择时提供参考[8]。 * **模型具体构建过程：** 模型包含三个核心指标：1) 市场分歧度指数，用于衡量市场参与者观点的离散程度[20]。2) 市场流动性指数，用于衡量市场资金面的宽松程度[25]。3) A股景气度指数2.0，用于衡量宏观经济和上市公司基本面的景气状况，该指数包含工业、金融等分项[23][25]。通过观察这三个指标的变化趋势（上行或下行）及其组合状态，形成对市场偏多、偏中或偏空的判断[8][12][14]。 2. **模型名称：热点趋势ETF策略** * **模型构建思路：** 结合技术形态（价格高低点）和市场关注度（换手率变化），筛选出处于上涨趋势且近期市场热度提升的ETF构建投资组合[30]。 * **模型具体构建过程：** 首先，根据K线的最高价与最低价的上涨或下跌形态，筛选出最高价与最低价同时呈现上涨形态的ETF。其次，根据最高价与最低价近20日回归系数的相对陡峭程度，构建支撑阻力因子。然后，在支撑阻力因子的多头组中，选择近5日换手率与近20日换手率比值最高的ETF，即短期市场关注度明显提升的品种。最后，选取排名靠前的10只ETF，采用风险平价方法构建投资组合[30]。 3. **模型名称：资金流共振策略** * **模型构建思路：** 结合融资融券资金流和主动大单资金流两种不同类型的资金流向，寻找两种资金流产生共振（同时看好）的行业进行配置，以提高策略的稳定性[36][37]。 * **模型具体构建过程：** 1. **构建行业融资融券资金因子：** 对个股的（融资净买入-融券净卖出）在行业内加总，然后进行Barra市值因子中性化处理。取该中性化后值的最近50日均值，并计算其两周环比变化率[37]。 2. **构建行业主动大单资金因子：** 计算行业的主动大单净流入，并进行最近一年成交量时序中性化处理。将处理后的行业净流入值进行排序（分位化），并取最近10日均值作为因子值[37]。 3. **策略合成：** 研究发现，融资融券因子的多头端在某些市场状态下有稳定的负向超额收益，而主动大单因子（剔除极端多头行业后）有稳定的正向超额收益。因此，策略在主动大单因子的头部打分行业内，剔除融资融券因子得分也处于头部的行业，以提高策略稳定性。最后，再剔除大金融板块，得到最终推荐的行业[37][40]。 4. **模型名称：全天候配置策略** * **模型构建思路：** 通过选择多元资产、进行风险调整和结构化对冲，绕过对宏观因子的预测，直接针对资产波动进行配置，以实现长期稳健的绝对收益，并根据风险偏好分为高波和低波两个版本[43]。 * **模型具体构建过程：** 策略遵循三项基本原则：1) 资产选择：涵盖A股、H股、美股、债券、商品等多类资产。2) 风险调整：采用风险平价或风险预算方法调整资产权重。3) 结构对冲：采用循环对冲设计对冲构型，以熨平波动。具体分为两个版本： * **高波版：** 采用“四层结构化-股债金风险平价”方法构建组合[47]。 * **低波版：** 采用“五层结构化-风险预算”方法构建组合[48]。 5. **模型名称：经典线性多因子选股模型（指数增强策略核心）** * **模型构建思路：** 以多因子模型为核心，通过筛选有效因子、合成复合Alpha得分，并在基准指数约束下进行组合优化，力求获得稳定的超额收益[65]。 * **模型具体构建过程：** 1. **因子筛选：** 每年末，基于因子值之间的相关系数以及Rank ICIR指标，优选有效因子[65]。 2. **因子加权：** 每月末，对入选的因子进行正交化处理，并采用Rank ICIR加权的方式合成复合因子，将其作为个股的Alpha得分[65]。 3. **组合优化：** 在给定跟踪误差、行业中性、市值中性等风险约束条件下，以最大化复合因子暴露为目标，求解股票的最优权重。分别构建以沪深300、中证500和中证1000为基准的增强组合[65]。 量化因子与构建方式 1. **因子名称：支撑阻力因子（属于热点趋势ETF策略）** * **因子构建思路：** 通过分析ETF价格高点与低点的回归趋势，判断其上涨动能的强弱[30]。 * **因子具体构建过程：** 根据ETF的最高价与最低价近20日回归系数的相对陡峭程度来构建。具体公式未在报告中明确给出，但思路是衡量价格通道的斜率[30]。 2. **因子名称：行业融资融券资金因子** * **因子构建思路：** 衡量杠杆资金在行业层面的净流入强度及其近期变化[37]。 * **因子具体构建过程：** 首先，计算每个行业的融资融券资金流：行业内个股的（融资净买入-融券净卖出）之和。然后，对该资金流进行Barra市值因子中性化处理。接着，计算该中性化后序列的最近50日移动平均值。最后，计算该50日均值的两周环比变化率作为最终因子值[37]。 3. **因子名称：行业主动大单资金因子** * **因子构建思路：** 衡量机构或大资金在行业层面的主动买入强度[37]。 * **因子具体构建过程：** 首先，计算每个行业的主动大单净流入金额。然后，对该净流入进行最近一年成交量时序中性化处理（以消除市场整体成交活跃度的影响）。接着，将处理后的行业净流入值在全行业范围内进行排序并转化为分位数（例如0%-100%）。最后，取该分位数序列的最近10日移动平均值作为最终因子值[37]。 4. **风格因子：流动性因子、贝塔因子、波动率因子** * **因子构建思路：** 用于刻画市场当前呈现的风格特征，例如市场是偏好高流动性股票还是高波动性股票[55]。 * **因子具体构建过程：** 报告未详细描述具体计算方法，但指出这些因子用于描述“高流动性高贝塔高波动率”等市场风格特征[55]。 5. **Alpha因子（列举部分）：** * **因子名称：1年-1个月的收益率 (mom 1y 1m)** * **因子构建思路：** 动量因子，计算过去1年剔除最近1个月后的收益率，捕捉中长期动量效应[58][60]。 * **因子名称：单季度营业收入同比增速 (yoy or q)** * **因子构建思路：** 成长因子，衡量公司最新单季度营业收入的同比增长情况[58][60]。 * **因子名称：营业收入同比增速 (yoy or)** * **因子构建思路：** 成长因子，衡量公司营业收入的同比增长情况[60]。 * **因子名称：十二个月残差动量 (specific mom12)** * **因子构建思路：** 残差动量因子，剥离市场风险后的过去12个月收益率动量，常用在沪深300等大市值股票中[61]。 * **因子名称：评级上下调差/评级上下调和 (est num diff)** * **因子构建思路：** 分析师情绪因子，通过券商评级上调与下调的家数差异来衡量市场对股票的预期变化，在大市值股票中表现突出[61]。 * **因子名称：一致预测净利润变化（FY1）占比 (mom1 np fy1, mom3 np fy1等)** * **因子构建思路：** 预期修正因子，衡量未来1年（FY1）一致预测净利润相对于1个月前或3个月前的变化幅度，在小市值指数中表现更佳[61]。 * **因子具体构建过程（以mom3 np fy1为例）：** $$mom3\ np\ fy1 = \frac{(当前一致预测np\ FY1 - 3个月前一致预测np\ FY1)}{|3个月前一致预测np\ FY1|}$$ [61] * **因子名称：单季度净利润同比增长(考虑快报、预告) (yoy np q adv)** * **因子构建思路：** 成长与事件驱动结合因子，利用业绩快报或预告信息更早地捕捉净利润增长信号[61]。 * **其他Alpha因子：** 报告还列出了大量其他Alpha因子，如每股营业收入同比增长率(yoy orps)、流动负债同比增长(cur liab yoy)、SUE因子(sue1)、研发销售收入占比(tot rd ttm to sales)等，均进行了市值和行业中性化处理（规模因子仅进行行业中性化）[57][60]。 模型的回测效果 1. **热点趋势ETF策略：** 2025年以来收益61.81%，相比沪深300指数的超额收益为36.97%[30]。 2. **资金流共振策略：** 2018年以来费后年化超额收益12.3%，IR 1.2，相对北向-大单共振策略回撤更小。策略上周绝对收益0.2%，相对行业等权超额收益0.4%[37]。 3. **全天候配置策略（截至2025年）：** * **高波版：** 年化收益率11.8%，年平均最大回撤3.6%，夏普比率1.9[52]。 * **低波版：** 年化收益率6.7%，年平均最大回撤2.0%，夏普比率2.4[52]。 * **2026年以来：** 高波版收益率6.2%，低波版收益率1.9%[52]。 4. **指数增强策略：** * **沪深300增强组合：** 本周超额收益0.3%，本月超额收益3.1%，本年超额收益7.2%[62]。 * **中证500增强组合：** 本周超额收益0.3%，本月超额收益0.8%，本年超额收益5.2%[62]。自2016年1月1日以来，年化超额收益13.3%，年化IR 2.78[70]。 * **中证1000增强组合：** 本周超额收益-0.4%，本月超额收益-2.4%，本年超额收益0.8%[62]。自2016年1月1日以来，年化超额收益16.4%，年化IR 3.45[74]。 因子的回测效果 *注：因子表现数据分为近期（周/月）表现和长期（近一年）在不同指数中的表现。* 1. **风格因子近期表现（截至2026年4月24日当周）：** * **流动性因子：** 正收益4.05%[55]。 * **贝塔因子：** 正收益3.85%[55]。 * **波动率因子：** 正收益3.59%[55]。 2. **Alpha因子近期表现（截至2026年4月24日）：** * **近一周多头超额收益前列因子：** * **1年-1个月的收益率 (mom 1y 1m):** 2.55%[58][60]。 * **单季度营业收入同比增速 (yoy or q):** 1.27%[58][60]。 * **营业收入同比增速 (yoy or):** 1.22%[60]。 * **近一个月多头超额收益前列因子：** * **1年-1个月的收益率 (mom 1y 1m):** 4.47%[60]。 * **营业收入同比增速 (yoy or):** 2.49%[60]。 * **单季度营业收入同比增速 (yoy or q):** 2.33%[60]。 3. **Alpha因子长期表现（最近一年，截至2026年4月24日，在不同宽基指数中的多头超额收益）：** * **在沪深300指数中表现突出的因子：** * **十二个月残差动量 (specific mom12):** 40.52%[61]。 * **评级上下调差/评级上下调和 (est num diff):** 35.46%[61]。 * **mom3 np fy1:** 34.07%[61]。 * **在中证500指数中表现突出的因子：** * **近一个月一致预测净利润变化（FY1）占比 (mom1 np fy1):** 22.57%[61]。 * **mom3 rev fy1:** 18.67%[61]。 * **mom3 np fy1:** 18.11%[61]。 * **在中证800指数中表现突出的因子：** * **mom3 np fy1:** 33.56%[61]。 * **1年-1个月的收益率 (mom 1y 1m):** 31.47%[61]。 * **十二个月残差动量 (specific mom12):** 31.30%[61]。 * **在中证1000指数中表现突出的因子：** * **mom3 rev fy1:** 22.14%[61]。 * **1年-1个月的收益率 (mom 1y 1m):** 20.99%[61]。 * **单季度净利润同比增长(考虑快报、预告) (yoy np q adv):** 20.84%[61]。

量化模型与构建方式 1. **模型名称：成交量模型**[11] * **模型构建思路**：基于市场成交量信息进行短期择时判断[9]。 * **模型具体构建过程**：报告未详细描述具体构建公式和过程，仅提及其为短期择时模型之一[11]。 2. **模型名称：特征龙虎榜机构模型**[11] * **模型构建思路**：利用龙虎榜中的机构买卖行为特征进行短期择时[9][11]。 * **模型具体构建过程**：报告未详细描述具体构建公式和过程，仅提及其为短期择时模型之一[11]。 3. **模型名称：特征成交量模型**[11] * **模型构建思路**：基于特定的成交量特征进行短期择时[9][11]。 * **模型具体构建过程**：报告未详细描述具体构建公式和过程，仅提及其为短期择时模型之一[11]。 4. **模型名称：智能算法沪深300/中证500模型**[11] * **模型构建思路**：应用智能算法对沪深300或中证500指数进行短期择时判断[9][11]。 * **模型具体构建过程**：报告未详细描述具体算法、公式和过程，仅提及其为智能算法择时模型[11]。 5. **模型名称：涨跌停模型**[12] * **模型构建思路**：利用市场涨跌停股票数量或相关特征进行中期择时[9][12]。 * **模型具体构建过程**：报告未详细描述具体构建公式和过程，仅提及其为中期择时模型之一[12]。 6. **模型名称：上下行收益差模型**[12] * **模型构建思路**：通过计算市场上行收益与下行收益的差值，或分析其分布特征，进行中期择时判断[9][12]。 * **模型具体构建过程**：报告未详细描述具体构建公式和过程，仅提及其为中期择时模型之一[12]。 7. **模型名称：月历效应模型**[12] * **模型构建思路**：基于历史月份、星期等时间周期上的规律性效应进行中期择时[12]。 * **模型具体构建过程**：报告未详细描述具体构建公式和过程，仅提及其为中期择时模型之一[12]。 8. **模型名称：长期动量模型**[13] * **模型构建思路**：基于资产的长期价格动量（趋势）进行长期择时判断[9][13]。 * **模型具体构建过程**：报告未详细描述具体构建公式和过程，仅提及其为长期择时模型之一[13]。 9. **模型名称：A股综合兵器V3模型**[14] * **模型构建思路**：将短期、中期、长期等多个周期的择时模型信号进行耦合，形成综合择时观点，该模型偏防御或进攻[9][14]。 * **模型具体构建过程**：报告未详细描述各模型信号的具体耦合规则与权重分配[14]。 10. **模型名称：A股综合国证2000模型**[14] * **模型构建思路**：针对国证2000指数，将多周期择时模型信号进行耦合，形成综合择时观点[14]。 * **模型具体构建过程**：报告未详细描述具体构建公式和过程[14]。 11. **模型名称：成交额倒波幅模型**[15] * **模型构建思路**：结合成交额与波动率（波幅）的倒置关系进行港股中期择时[15]。 * **模型具体构建过程**：报告未详细描述具体构建公式和过程[15]。 12. **模型名称：上下行收益差相似多空模型**[15] * **模型构建思路**：在上下行收益差模型的基础上，结合相似性分析或多空对比逻辑，应用于港股（恒生指数、恒生国企指数）的择时[15]。 * **模型具体构建过程**：报告未详细描述具体构建公式和过程[15]。 13. **模型名称：形态识别模型（杯柄形态、双底形态）**[42] * **模型构建思路**：通过识别股票价格走势中特定的技术形态（如杯柄形态、双底形态），在形态突破时进行交易[42]。 * **模型具体构建过程**： * **杯柄形态**：识别一段“U”型回调（杯身）和一段小幅回调或整理（杯柄），当价格放量突破杯柄上沿时视为买入信号[45]。 * **双底形态**：识别价格形成两个相近低点（W底），当价格放量突破颈线位时视为买入信号[51]。 * **模型评价**：作为经典的技术分析选股策略，能够捕捉趋势启动的节点[36][42]。 14. **模型名称：倒杯子形态风险模型**[61] * **模型构建思路**：识别股价在下跌趋势中反弹筑顶后再次破位下行的“倒杯子”形态，作为风险预警信号[61]。 * **模型具体构建过程**：报告未详细描述具体识别算法和阈值[61]。 模型的回测效果 1. **双底形态模型**，自2020年12月31日至今累计收益24.5%，相对上证综指超额收益7.03%[42]。 2. **杯柄形态模型**，自2020年12月31日至今累计收益23.73%，相对上证综指超额收益6.25%[42]。 量化因子与构建方式 1. **因子名称：分析师一致预期调整因子**[19] * **因子构建思路**：基于分析师对个股盈利预测的上调或下调比例，汇总到行业层面，反映市场对行业基本面的预期变化[19]。 * **因子具体构建过程**：计算行业内，被分析师上调盈利预测的个股数量占比，以及被下调盈利预测的个股数量占比[19]。 2. **因子名称：基金仓位因子**[22] * **因子构建思路**：利用公募基金定期报告或估算数据，计算其对各行业的持仓比例，反映机构资金动向[22]。 * **因子具体构建过程**： * **绝对仓位**：股票型基金或混合型基金在某个行业的持仓市值占其总股票市值的比例[28]。 * **超低配仓位**：基金在某个行业的持仓比例减去该行业市值占全市场（或基准）的比例。正值为超配，负值为低配[30]。 3. **因子名称：形态长度因子**[45][51] * **因子构建思路**：衡量技术形态（如杯柄、双底）从开始到突破所经历的时间周期，可能作为形态强度的辅助指标[45][51]。 * **因子具体构建过程**：形态识别点A到形态突破点C（或E）之间所跨越的周数[45][51]。 因子的回测效果 （报告中未提供单个因子的独立回测绩效指标，如IC、IR等）

量化模型与构建方式 1. **模型名称：期现连续对冲策略（当月/季月）**[42] **模型构建思路：** 通过持续做空股指期货合约来对冲持有标的指数现货的风险，利用股指期货的基差（通常为贴水）作为策略的收益来源之一[42] **模型具体构建过程：** 1. 回测区间：2022年7月22日至2026年4月24日[43] 2. 现货端：使用70%的资金，持有对应标的指数的全收益指数[43] 3. 期货端：使用剩余30%的资金，做空与现货端等额名义本金的股指期货合约（IC/IF/IH/IM）[43] 4. 调仓规则： * **连续持有**当月或季月合约[42] * 当持有合约距离到期日不足2日时，在当日以收盘价平仓，并同时以收盘价卖空下一个当月或季月合约[43] 5. 每次调仓后，根据产品净值重新计算现货及期货端的持仓数量[43] 6. 备注：模型不考虑交易手续费、冲击成本及期货合约的不可无限细分性质[43] 2. **模型名称：期现最低贴水对冲策略**[42] **模型构建思路：** 在期现对冲框架下，通过动态选择市场上年化基差贴水幅度最小的股指期货合约进行对冲，旨在最大化基差收敛带来的收益[42] **模型具体构建过程：** 1. 回测区间：2022年7月22日至2026年4月24日[44] 2. 现货端：使用70%的资金，持有对应标的指数的全收益指数[44] 3. 期货端：使用剩余30%的资金，做空与现货端等额名义本金的股指期货合约（IC/IF/IH/IM）[44] 4. 调仓规则： * 在调仓日，计算所有可交易期货合约的**分红调整年化基差**[44] * 选择年化基差**贴水幅度最小**的合约进行开仓[44] * 同一合约至少持有8个交易日，或持有至该合约距离到期日不足2日时，才可进行下一次调仓（排除剩余到期日不足8日的合约）[44] * 每次调仓选择后，即使结果仍是持有原合约，也需继续持有满8个交易日[44] 5. 每次调仓后，根据产品净值重新计算现货及期货端的持仓数量[44] 6. 备注：模型不考虑交易手续费、冲击成本及期货合约的不可无限细分性质[44] 量化因子与构建方式 1. **因子名称：分红调整年化基差**[19][20][21] **因子构建思路：** 股指期货的实际基差受到标的指数成分股在合约存续期内分红的影响，为了准确衡量期货合约的定价偏差，需要从实际基差中剔除预期分红的效应，并进行年化处理以便于跨期比较[9][19][20] **因子具体构建过程：** 1. 首先，基于指数成分股历史分红情况，预测标的指数在特定期货合约存续期内的**预期分红点位**（例如，IC当季合约存续期内预期分红点位为81.10）[10][21] 2. 计算**预期分红调整后的基差**：$$预期分红调整后的基差 = 实际基差 + 存续期内未实现的预期分红$$[20] 其中，实际基差 = 期货合约收盘价 - 标的指数收盘价[19] 3. 将调整后的基差进行**年化处理**，得到最终因子：$$年化基差 = \frac{实际基差 + (预期)分红点位}{指数价格} \times \frac{360}{合约剩余天数}$$[21] 2. **因子名称：波动率指数 (VIX)**[58][59] **因子构建思路：** 借鉴海外成熟经验并结合国内期权市场实际，通过计算一系列期权合约的隐含波动率，构建反映市场对未来30天标的资产波动率预期的指数[58][59] **因子评价：** VIX指数能够反映期权投资者对标的资产未来波动水平的预期，具备期限结构，可用于分析市场在不同时间跨度内的波动预期差异[59] 3. **因子名称：偏度指数 (SKEW)**[58][63] **因子构建思路：** 通过计算不同行权价格下期权隐含波动率的偏斜形态，构建用于刻画市场对标的资产未来收益率分布（尤其是尾部风险）预期的指数[63] **因子具体构建过程：** SKEW指数衡量波动率曲线的偏斜程度。当市场担忧下跌风险时，看跌期权需求上升，虚值看跌期权的隐含波动率被推高，导致波动率曲线向左倾斜（负偏），SKEW指数值升高[63] **因子评价：** SKEW指数是洞察市场对潜在极端风险担忧程度的有效工具，常被称为“黑天鹅指数”。指数高于100通常表明投资者对市场大幅回调的担忧加剧[63] 模型的回测效果 （回测区间：2022年7月22日至2026年4月24日）[43][44] 1. **IC当月连续对冲模型**，年化收益-3.39%，波动率3.80%，最大回撤-12.24%，净值0.8792，年换手次数12，2026年以来收益-0.56%[46] 2. **IC季月连续对冲模型**，年化收益-2.75%，波动率4.86%，最大回撤-10.94%，净值0.9013，年换手次数4，2026年以来收益-0.76%[46] 3. **IC最低贴水策略模型**，年化收益-1.90%，波动率4.54%，最大回撤-9.19%，净值0.9311，年换手次数17.16，2026年以来收益-1.04%[46] 4. **IF当月连续对冲模型**，年化收益0.14%，波动率2.82%，最大回撤-3.95%，净值1.0052，年换手次数12，2026年以来收益-0.43%[51] 5. **IF季月连续对冲模型**，年化收益0.56%，波动率3.21%，最大回撤-4.03%，净值1.0210，年换手次数4，2026年以来收益0.04%[51] 6. **IF最低贴水策略模型**，年化收益1.05%，波动率2.97%，最大回撤-4.06%，净值1.0396，年换手次数15.28，2026年以来收益0.14%[51] 7. **IH当月连续对冲模型**，年化收益0.90%，波动率2.86%，最大回撤-4.22%，净值1.0340，年换手次数12，2026年以来收益-0.25%[54] 8. **IH季月连续对冲模型**，年化收益1.94%，波动率3.26%，最大回撤-3.75%，净值1.0743，年换手次数4，2026年以来收益0.52%[54] 9. **IH最低贴水策略模型**，年化收益1.56%，波动率2.91%，最大回撤-3.91%，净值1.0596，年换手次数14.75，2026年以来收益0.32%[54] 10. **IM当月连续对冲模型**，年化收益-6.28%，波动率4.28%，最大回撤-21.53%，净值0.7852，年换手次数12，2026年以来收益-1.15%[56] 11. **IM季月连续对冲模型**，年化收益-5.15%，波动率5.38%，最大回撤-18.06%，净值0.8210，年换手次数4，2026年以来收益-1.65%[56] 12. **IM最低贴水策略模型**，年化收益-4.06%，波动率5.10%，最大回撤-14.41%，净值0.8569，年换手次数15.28，2026年以来收益-0.65%[56] 因子的回测效果 （截至2026年4月24日） 1. **分红调整年化基差因子**（IC当季），取值-5.33%[22] 2. **分红调整年化基差因子**（IF当季），取值-3.25%[27] 3. **分红调整年化基差因子**（IH当季），取值-0.14%[32] 4. **分红调整年化基差因子**（IM当季），取值-8.26%[37] 5. **VIX因子**（上证50，30日），取值17.86，2024年以来分位数31%[4][59] 6. **VIX因子**（沪深300，30日），取值17.92，2024年以来分位数32%[4][59] 7. **VIX因子**（中证500，30日），取值29.56，2024年以来分位数69%[4][59] 8. **VIX因子**（中证1000，30日），取值25.88，2024年以来分位数39%[4][59] 9. **SKEW因子**（上证50），取值101.94，2024年以来分位数81.5%[64] 10. **SKEW因子**（沪深300），取值106.28，2024年以来分位数89.0%[64] 11. **SKEW因子**（中证500），取值105.32，2024年以来分位数92.8%[64] 12. **SKEW因子**（中证1000），取值107.81，2024年以来分位数91.2%[64]

量化模型与构建方式 1. **模型名称：进取组合与平衡组合**[7] * **模型构建思路：** 基于多因子模型构建的量化股票组合，进取组合和平衡组合可能代表了不同的风险偏好或因子暴露水平。 * **模型具体构建过程：** 报告未详细说明具体的因子构成、权重分配和组合构建过程。仅提及其为“多因子组合”[7]。 2. **模型名称：沪深300/中证500/中证1000指数增强组合**[7] * **模型构建思路：** 在跟踪沪深300、中证500、中证1000指数的基础上，通过量化模型进行主动管理，旨在获取超越基准指数的超额收益。 * **模型具体构建过程：** 报告未详细说明具体的增强策略、因子模型或优化方法。 3. **模型名称：绩优基金的独门重仓股组合**[7] * **模型构建思路：** 通过筛选绩优基金（报告未定义具体标准）的独门重仓股（即被少数基金重仓持有的股票）来构建投资组合，旨在捕捉基金经理的独到选股能力。 * **模型具体构建过程：** 报告未详细说明绩优基金的筛选标准、独门重仓股的定义（如持仓比例、基金数量阈值）以及组合构建规则（如等权重或按持仓市值加权）。 4. **模型名称：盈利、增长、现金流三者兼优组合**[7] * **模型构建思路：** 同时筛选在盈利能力、增长能力和现金流质量三个方面表现优异的公司股票，构建投资组合。 * **模型具体构建过程：** 报告未详细说明用于衡量盈利、增长和现金流的具体财务指标、各维度的筛选阈值以及综合评分方法。 5. **模型名称：PB-盈利优选组合**[7] * **模型构建思路：** 结合低市净率（PB）和高盈利能力的双重标准进行选股，属于价值投资与质量投资相结合的策略。 * **模型具体构建过程：** 报告未详细说明PB和盈利指标的具体定义、如何将两者结合（如排序打分、构建复合因子）以及选股规则。 6. **模型名称：GARP组合**[7] * **模型构建思路：** 采用“合理价格增长”（GARP）策略，寻找那些具有稳定增长潜力但估值相对合理的股票，平衡成长与价值。 * **模型具体构建过程：** 报告未详细说明用于衡量增长和估值的具体指标、以及两者结合的量化规则。 7. **模型名称：小盘价值优选组合1 & 2**[7] * **模型构建思路：** 在小盘股范围内，优选具有价值特征的股票。组合1和组合2可能采用了不同的价值衡量标准或权重配置。 * **模型具体构建过程：** 报告未详细说明小盘股的定义（如市值分位）、价值因子的具体构成（如PB、PE、股息率等）以及组合构建细节。 8. **模型名称：小盘成长组合**[7] * **模型构建思路：** 在小盘股范围内，优选具有高成长特征的股票。 * **模型具体构建过程：** 报告未详细说明小盘股的定义、成长因子的具体构成（如收入增长率、净利润增长率等）以及组合构建细节。 模型的回测效果 1. **进取组合**，基准指数：中证500，周收益率：-1.00%，周超额收益：-1.41%，月收益率：5.55%，月超额收益：-2.73%，年收益率（2026YTD）：16.86%，年超额收益（2026YTD）：6.38%，跟踪误差（2026YTD）：21.54%，最大相对回撤（2026YTD）：6.14%[9] 2. **平衡组合**，基准指数：中证500，周收益率：-2.56%，周超额收益：-2.97%，月收益率：6.29%，月超额收益：-1.99%，年收益率（2026YTD）：18.36%，年超额收益（2026YTD）：7.88%，跟踪误差（2026YTD）：19.68%，最大相对回撤（2026YTD）：5.18%[9] 3. **沪深300增强组合**，基准指数：沪深300，周收益率：1.57%，周超额收益：0.71%，月收益率：8.18%，月超额收益：1.01%，年收益率（2026YTD）：9.10%，年超额收益（2026YTD）：6.09%，跟踪误差（2026YTD）：7.19%，最大相对回撤（2026YTD）：4.04%[9] 4. **中证500增强组合**，基准指数：中证500，周收益率：1.13%，周超额收益：0.72%，月收益率：9.20%，月超额收益：0.92%，年收益率（2026YTD）：12.05%，年超额收益（2026YTD）：1.57%，跟踪误差（2026YTD）：6.91%，最大相对回撤（2026YTD）：3.17%[9] 5. **中证1000增强组合**，基准指数：中证1000，周收益率：0.11%，周超额收益：0.15%，月收益率：9.23%，月超额收益：0.25%，年收益率（2026YTD）：13.35%，年超额收益（2026YTD）：4.01%，跟踪误差（2026YTD）：7.11%，最大相对回撤（2026YTD）：2.32%[9] 6. **绩优基金的独门重仓股组合**，基准指数：股票型基金总指数，周收益率：0.13%，周超额收益：-0.35%，月收益率：17.64%，月超额收益：9.77%，年收益率（2026YTD）：18.88%，年超额收益（2026YTD）：12.42%，跟踪误差（2026YTD）：23.58%，最大相对回撤（2026YTD）：8.70%[9] 7. **盈利、增长、现金流三者兼优组合**，基准指数：沪深300，周收益率：-0.41%，周超额收益：-1.27%，月收益率：8.87%，月超额收益：1.70%，年收益率（2026YTD）：-6.72%，年超额收益（2026YTD）：-9.73%，跟踪误差（2026YTD）：16.32%，最大相对回撤（2026YTD）：16.70%[9] 8. **PB-盈利优选组合**，基准指数：沪深300，周收益率：-1.61%，周超额收益：-2.47%，月收益率：-0.28%，月超额收益：-7.45%，年收益率（2026YTD）：0.24%，年超额收益（2026YTD）：-2.77%，跟踪误差（2026YTD）：13.29%，最大相对回撤（2026YTD）：9.39%[9] 9. **GARP组合**，基准指数：沪深300，周收益率：-0.18%，周超额收益：-1.05%，月收益率：3.25%，月超额收益：-3.92%，年收益率（2026YTD）：7.21%，年超额收益（2026YTD）：4.20%，跟踪误差（2026YTD）：11.61%，最大相对回撤（2026YTD）：7.28%[9] 10. **小盘价值优选组合1**，基准指数：微盘股指数，周收益率：0.63%，周超额收益：-0.01%，月收益率：3.57%，月超额收益：0.97%，年收益率（2026YTD）：9.53%，年超额收益（2026YTD）：-2.13%，跟踪误差（2026YTD）：12.97%，最大相对回撤（2026YTD）：9.26%[9] 11. **小盘价值优选组合2**，基准指数：微盘股指数，周收益率：0.16%，周超额收益：-0.48%，月收益率：5.99%，月超额收益：3.40%，年收益率（2026YTD）：15.26%，年超额收益（2026YTD）：3.59%，跟踪误差（2026YTD）：12.76%，最大相对回撤（2026YTD）：5.84%[9] 12. **小盘成长组合**，基准指数：微盘股指数，周收益率：0.36%，周超额收益：-0.28%，月收益率：6.69%，月超额收益：4.09%，年收益率（2026YTD）：9.10%，年超额收益（2026YTD）：-2.56%，跟踪误差（2026YTD）：11.28%，最大相对回撤（2026YTD）：7.96%[9] 量化因子与构建方式 1. **因子名称：市值因子**[44] * **因子构建思路：** 衡量公司规模大小，通常认为小市值股票存在规模溢价。 * **因子具体构建过程：** 报告未给出具体计算公式。通常为股票的总市值。 2. **因子名称：PB因子**[44] * **因子构建思路：** 市净率，衡量股票市值相对于其净资产价值的比率，是经典的价值因子。 * **因子具体构建过程：** 报告未给出具体计算公式。通常为股票市值除以归属于母公司股东的权益（或净资产）。 3. **因子名称：PE_TTM因子**[44] * **因子构建思路：** 滚动市盈率，衡量股票市值相对于其最近十二个月净利润的比率，是衡量估值水平的常用因子。 * **因子具体构建过程：** 报告未给出具体计算公式。通常为股票市值除以最近十二个月（TTM）的归属于母公司股东的净利润。 4. **因子名称：反转因子**[48] * **因子构建思路：** 基于股票过去一段时间的价格表现，认为过去表现差的股票未来可能反弹，过去表现好的股票未来可能回调。 * **因子具体构建过程：** 报告未给出具体计算公式和回溯期。通常为过去N个交易日的收益率，取负值作为因子值（即过去涨得越多，因子值越小）。 5. **因子名称：换手率因子**[48] * **因子构建思路：** 衡量股票的交易活跃度，通常认为低换手率股票存在流动性溢价。 * **因子具体构建过程：** 报告未给出具体计算公式和计算窗口。通常为过去一段时间的日均成交金额除以流通市值。 6. **因子名称：波动率因子**[48] * **因子构建思路：** 衡量股票价格的波动程度，通常认为低波动率股票风险调整后收益更优。 * **因子具体构建过程：** 报告未给出具体计算公式和计算窗口。通常为过去一段时间内股票日收益率的标准差。 7. **因子名称：ROE因子**[54] * **因子构建思路：** 净资产收益率，衡量公司利用股东权益创造利润的能力，是重要的盈利质量因子。 * **因子具体构建过程：** 报告未给出具体计算公式和周期。通常为归属于母公司股东的净利润除以平均归属于母公司股东的权益。 8. **因子名称：SUE因子**[54] * **因子构建思路：** 标准化未预期盈余，衡量公司当期盈利超出市场预期的程度。 * **因子具体构建过程：** 报告未给出具体计算公式。通常为（公司当期实际EPS - 分析师一致预期的EPS）/ 过去一段时间内分析师预期误差的标准差。 9. **因子名称：预期净利润调整因子**[54] * **因子构建思路：** 跟踪分析师对公司未来盈利预测的调整情况，认为盈利预测上调的公司未来表现更好。 * **因子具体构建过程：** 报告未给出具体计算公式。通常为一定时间内，分析师对未来某期（如下一季度或下一年）净利润一致预期的调整幅度（如上调百分比）。 因子的回测效果 （测试方法：按照因子值对股票排序，选择最高与最低的10%股票构建等权组合，计算多头、空头及多空收益[43]） 1. **市值因子**，上周全市场多空收益：0.08%[44]，2026年4月以来全市场多空收益：-4.31%[44]，2026年以来全市场多空收益：3.26%[45] 2. **PB因子**，上周全市场多空收益：0.64%[44]，2026年4月以来全市场多空收益：-8.06%[44]，2026年以来全市场多空收益：-4.13%[45] 3. **PE_TTM因子**，上周全市场多空收益：-0.81%[44]，2026年4月以来全市场多空收益：-6.24%[44]，2026年以来全市场多空收益：-3.58%[45] 4. **反转因子**，上周全市场多空收益：-1.02%[48]，2026年4月以来全市场多空收益：0.18%[49]，2026年以来全市场多空收益：-5.95%[49] 5. **换手率因子**，上周全市场多空收益：0.16%[48]，2026年4月以来全市场多空收益：-6.00%[49]，2026年以来全市场多空收益：1.14%[49] 6. **波动率因子**，上周全市场多空收益：-0.45%[48]，2026年4月以来全市场多空收益：-5.89%[49]，2026年以来全市场多空收益：-2.23%[49] 7. **ROE因子**，上周全市场多空收益：0.97%[54]，2026年4月以来全市场多空收益：4.26%[54]，2026年以来全市场多空收益：6.22%[55] 8. **SUE因子**，上周全市场多空收益：0.59%[54]，2026年4月以来全市场多空收益：4.18%[54]，2026年以来全市场多空收益：6.76%[55] 9. **预期净利润调整因子**，上周全市场多空收益：0.99%[54]，2026年4月以来全市场多空收益：2.55%[54]，2026年以来全市场多空收益：4.33%[55]

量化模型与因子总结 量化模型与构建方式 **本报告未涉及具体的量化预测模型或策略模型，主要进行的是基于持仓数据的描述性统计分析**。 量化因子与构建方式 本报告未构建传统意义上的预测性阿尔法因子，而是基于基金持仓数据，定义并计算了一系列用于刻画基金对特定板块（如CPO、硬AI）配置情况的**描述性统计指标**。这些指标可视为分析基金行为的“观测因子”。 1. 板块配置仓位因子 * **因子名称**：CPO总仓位、硬AI联合仓位、双龙头合计仓位等。 * **因子构建思路**：通过计算基金对特定概念板块的持仓市值占其净资产的比例，来量化基金对该板块的配置强度与暴露程度[15]。 * **因子具体构建过程**： 1. **确定股票池**：CPO、存储芯片、算力租赁、液冷服务器、PCB等主题的股票池取自通达信概念指数成分股[15]。 2. **计算单只基金对单一主题的仓位**：对于某一只基金，其对于某个主题（如CPO）的仓位计算公式为： $$CPO仓位 = \frac{\sum_{i \in CPO股票池} (持仓股票i市值)}{基金净资产}$$ 其中，持仓股票i市值为该基金持有该股票的数量乘以期末股价[15]。 3. **计算“去重口径”的硬AI联合仓位**：为避免跨主题股票重复计算，按预设顺序（CPO -> 存储芯片 -> 算力租赁 -> 液冷服务器 -> PCB）依次剥离重合股，计算每个主题的新增仓位，然后加总得到基金的硬AI联合仓位[28][35]。 4. **计算“不去重口径”的主题仓位**：直接使用原始股票池计算每个主题的仓位，不进行跨主题去重，以反映基金经理对各细分环节的真实参与程度[39][42]。 5. **计算双龙头合计仓位**：针对中际旭创和新易盛两只股票，计算其合计持仓市值占基金净资产的比例[23]。 2. 基金参与度因子 * **因子名称**：板块持有基金数、基金参与率。 * **因子构建思路**：通过统计持有特定板块股票的基金数量及其在总体本中的占比，来衡量该板块在机构投资者中的普及程度和共识广度[16][23]。 * **因子具体构建过程**： 1. **定义“配置”**：将基金持仓明细中出现任一只特定板块（如A股CPO）概念股的基金，定义为当前配置该板块的基金[15]。 2. **统计绝对数量**：在指定报告期（如2025H2），统计配置了该板块的基金总数[16]。 3. **计算参与率**：用配置了该板块的基金数量，除以当期披露全持仓的主动权益基金总数[16]。 $$板块参与率 = \frac{配置该板块的基金数}{当期披露全持仓的基金总数}$$ 3. 持仓结构集中度因子 * **因子名称**：龙头股内部持仓占比、前十大基金持股集中度。 * **因子构建思路**：通过分析基金在板块内部（如双龙头占CPO仓位比）或个股层面（如前十大基金持股占比）的仓位分布，来刻画配置的集中程度与资金结构[25][45]。 * **因子具体构建过程**： 1. **计算板块内部集中度**：对于已配置CPO的基金，计算其持有的双龙头股票合计市值占其CPO板块总持仓市值的比例[25]。 $$双龙头占CPO仓位比 = \frac{双龙头合计持仓市值}{CPO板块总持仓市值}$$ 2. **计算个股层面集中度**：对于特定个股（如新易盛），计算所有持有该股的基金中，持仓市值排名前十的基金其持股总数占所有基金持股总数的比例[45][47]。 模型的回测效果 **本报告未进行基于历史数据的策略回测，因此无相关模型回测效果指标**。 因子的回测效果 报告展示了基于2025H2截面数据及2023H1至2025H2时间序列数据，上述“描述性因子”的统计结果，用于刻画公募基金对CPO及硬AI板块的配置现状与演变特征。 1. CPO板块配置因子取值（2025H2截面） * **CPO总仓位（全样本）**：中位数 **4.17%**，75分位 **12.20%**，90分位 **26.12%**，最大值88.69%[16]。在总样本池中的仓位占比为 **13.24%**[16]。 * **CPO总仓位（已配置样本）**：中位数 **7.05%**[16]。 * **CPO参与率**：**78.53%** (3,701只/4,713只)[16]。 * **双龙头合计仓位（全样本）**：中位数 **0.00%**，75分位 **3.46%**，90分位 **12.74%**。在总池子中仓位占比 **4.60%**[23]。 * **双龙头合计仓位（持有任一龙头的样本）**：中位数 **5.41%**，75分位 **12.81%**，90分位 **18.15%**[23]。 * **双龙头高配基金**：双龙头仓位均超过8%的基金有 **268** 只，占全样本 **5.69%**，合计规模3,426.57亿元[17]。 * **双龙头占CPO仓位比（已配置样本）**：中位数 **1.83%**，75分位 **40.02%**，90分位 **60.84%**[25]。 2. 硬AI板块配置因子取值（2025H2截面） * **硬AI联合仓位（去重口径，全样本）**：中位数 **15.37%**，75分位 **30.92%**，90分位 **54.58%**。在总池子中仓位占比 **28.60%**[35]。 * **各主题新增参与率与仓位（去重口径）**： * 存储芯片：参与率 **80.56%**，总池子仓位占比 **7.23%**[35]。 * 算力租赁：参与率 **69.42%**，总池子仓位占比 **2.17%**[35]。 * 液冷服务器：参与率 **80.56%**，总池子仓位占比 **3.74%**[35]。 * PCB：参与率 **73.80%**，总池子仓位占比 **2.22%**[35]。 * **各主题真实仓位（不去重口径）**：CPO **13.24%**，存储芯片 **7.74%**，算力租赁 **3.10%**，液冷服务器 **9.19%**，PCB **5.81%**[40][42]。 * **硬AI高仓位基金**：硬AI联合仓位在70%以上的基金有 **185** 只，平均规模11.62亿元[35][43]。 * **CPO零配但配置其他硬AI的基金**：有 **794** 只，其中补充仓位达10%以上的占比 **47.27%**[35][43]。 3. 龙头股持仓结构因子取值（时间序列与截面） * **新易盛持股集中度（2025H2）**：前十大内基金持股占比 **92.00%**，基金数占比60.99%；前十外基金持股占比 **8.00%**，基金数占比39.01%[45][47]。 * **中际旭创持股集中度（2025H2）**：前十大内基金持股占比 **93.96%**，基金数占比68.19%；前十外基金持股占比 **6.04%**，基金数占比31.81%[45][48]。 * **新易盛持有基金数时间序列**：从2023H1的 **622** 只增长至2025H2的 **1,510** 只，持股总数在1.45至1.83亿股间波动，2025H2为 **1.69** 亿股[44][47]。 * **中际旭创持有基金数时间序列**：从2023H1的 **868** 只波动至2025H2的 **1,660** 只，持股总数在1.29至2.12亿股间波动，2025H2为 **1.46** 亿股[48]。 4. 按管理规模分组的配置因子取值（2025H2截面） * **不同规模组CPO仓位**：0-10亿组 **8.93%**，10-20亿组 **8.38%**，20-50亿组 **9.95%**，50-100亿组 **12.23%**，100亿以上组 **12.89%**[50][51]。 * **不同规模组硬AI总仓位**：0-10亿组 **20.80%**，10-20亿组 **20.58%**，20-50亿组 **22.83%**，50-100亿组 **25.29%**，100亿以上组 **26.58%**[50][51]。 5. 潜在增量结构因子取值（2025H2截面） * **低配账户数量**：已配置CPO但仓位低于10%的基金有 **2,291** 只，占已配置样本的 **61.90%**；其中仓位低于5%的有 **1,517** 只，占比 **40.99%**[55][64]。 * **零配账户数量**：当前未配置A股CPO的基金有 **1,012** 只[55][64]。

量化模型与构建方式 1. **模型名称：国信金工多因子指数增强模型**[10][11] * **模型构建思路**：以多因子选股为主体，通过收益预测、风险控制和组合优化三个核心步骤，构建能够稳定战胜基准指数的增强组合[10][11] * **模型具体构建过程**： 1. **收益预测**：基于多因子模型对股票未来收益进行预测[11] 2. **风险控制**：在组合优化过程中施加多种约束，以控制组合相对于基准的风险暴露[11] 3. **组合优化**：在满足风险约束的条件下，通过优化算法求解最优的股票权重，以实现增强目标[11] 2. **模型名称：单因子MFE组合构建模型**[14][42] * **模型构建思路**：为了在更贴近实际投资约束（如行业、风格中性）的条件下检验单因子的有效性，通过组合优化方法构建最大化因子暴露组合（MFE组合），并观察其相对于基准的表现[14][42] * **模型具体构建过程**： 1. 采用组合优化模型，目标函数为最大化组合在目标因子上的暴露[42] 2. 优化问题的数学形式如下[42]： $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ 其中： * $f$ 为股票在目标因子上的取值向量[42] * $w$ 为待求解的股票权重向量[42] * $w_b$ 为基准指数成分股的权重向量[43] * $X$ 为股票在风格因子上的暴露矩阵，$s_l$, $s_h$ 为风格因子相对暴露的上下限[43] * $H$ 为股票的行业暴露矩阵，$h_l$, $h_h$ 为行业偏离的上下限[43] * $w_l$, $w_h$ 为个股相对于基准权重的偏离上下限[43] * $B_b$ 为个股是否属于基准指数的0-1向量，$b_l$, $b_h$ 为成分股内权重占比的上下限[43] * $l$ 为个股权重上限，约束条件要求权重非负且和为1[43][44] 3. 具体构建步骤[46]： * 设定约束条件（如行业中性、市值中性、个股权重偏离限制等） * 在每月末，根据约束条件为每个单因子求解优化问题，得到MFE组合 * 在回测期内定期换仓，计算组合历史收益并扣除交易费用 3. **模型名称：公募重仓指数构建模型**[44] * **模型构建思路**：为了测试因子在公募基金持仓风格下的有效性，通过汇总公募基金定期报告的持仓信息，构建一个代表公募基金整体持仓风格的指数作为新的选股样本空间[44] * **模型具体构建过程**： 1. **样本筛选**：选取普通股票型基金和偏股混合型基金，剔除规模小于五千万且上市不足半年的基金[45] 2. **持仓获取**：从基金的定期报告（年报、半年报、季报）中获取持股信息。若最新报告为季报，需结合前期的年报或半年报信息[45] 3. **权重计算**：将符合条件的基金持仓股票权重进行平均，得到公募基金平均持仓信息[45] 4. **成分股选取**：将平均后的股票权重降序排序，选取累计权重达到90%的股票作为指数成分股[45] 模型的回测效果 1. **国信金工多因子指数增强模型**[13] * 沪深300增强组合：本周超额收益-0.82%，本年超额收益6.43%[13] * 中证500增强组合：本周超额收益-0.68%，本年超额收益4.24%[13] * 中证1000增强组合：本周超额收益-0.49%，本年超额收益4.79%[13] * 中证A500增强组合：本周超额收益-0.87%，本年超额收益2.87%[13] 量化因子与构建方式 1. **因子名称：估值类因子**[16] * **因子构建思路**：衡量股票的估值水平，通常认为估值较低的股票具有更高的安全边际或投资价值[16] * **因子具体构建过程**： * **BP**：净资产 / 总市值[16] * **单季EP**：单季度归母净利润 / 总市值[16] * **单季SP**：单季度营业收入 / 总市值[16] * **EPTTM**：归母净利润TTM / 总市值[16] * **SPTTM**：营业收入TTM / 总市值[16] * **EPTTM分位点**：EPTTM在过去一年中的分位点[16] * **股息率**：最近四个季度预案分红金额 / 总市值[16] 2. **因子名称：反转类因子**[16] * **因子构建思路**：捕捉股票价格的短期反转效应，即过去表现差的股票未来可能反弹，或过去表现好的股票可能回调[16] * **因子具体构建过程**： * **一个月反转**：过去20个交易日涨跌幅[16] * **三个月反转**：过去60个交易日涨跌幅[16] * **一年动量**：近一年除近一月后动量[16] 3. **因子名称：成长类因子**[16] * **因子构建思路**：衡量公司盈利或收入的增长能力，高成长性的公司通常更受市场青睐[16] * **因子具体构建过程**： * **单季净利同比增速**：单季度净利润同比增长率[16] * **单季营收同比增速**：单季度营业收入同比增长率[16] * **单季营利同比增速**：单季度营业利润同比增长率[16] * **SUE**：(单季度实际净利润 - 预期净利润) / 预期净利润标准差[16] * **SUR**：(单季度实际营业收入 - 预期营业收入) / 预期营业收入标准差[16] * **单季超预期幅度**：预期单季度净利润 / 财报单季度净利润[16] 4. **因子名称：盈利类因子**[16] * **因子构建思路**：衡量公司的盈利能力和资产使用效率[16] * **因子具体构建过程**： * **单季ROE**：单季度归母净利润 * 2 / (期初归母净资产 + 期末归母净资产)[16] * **单季ROA**：单季度归母净利润 * 2 / (期初归母总资产 + 期末归母总资产)[16] * **DELTAROE**：单季度净资产收益率 - 去年同期单季度净资产收益率[16] * **DELTAROA**：单季度总资产收益率 - 去年同期单季度总资产收益率[16] 5. **因子名称：流动性类因子**[16] * **因子构建思路**：衡量股票交易的活跃程度和流动性风险[16] * **因子具体构建过程**： * **非流动性冲击**：过去20个交易日的日涨跌幅绝对值 / 成交额的均值[16] * **一个月换手**：过去20个交易日换手率均值[16] * **三个月换手**：过去60个交易日换手率均值[16] 6. **因子名称：波动类因子**[16] * **因子构建思路**：衡量股票价格的波动性或特异性风险[16] * **因子具体构建过程**： * **特异度**：1 - 过去20个交易日Fama-French三因子回归的拟合度[16] * **一个月波动**：过去20个交易日日内真实波幅均值[16] * **三个月波动**：过去60个交易日日内真实波幅均值[16] 7. **因子名称：公司治理因子**[16] * **因子构建思路**：从高管薪酬角度衡量公司治理水平[16] * **因子具体构建过程**： * **高管薪酬**：前三高管报酬总额取对数[16] 8. **因子名称：分析师类因子**[16] * **因子构建思路**：利用分析师的一致预期数据，捕捉市场对公司未来业绩的共识和预期变化[16] * **因子具体构建过程**： * **预期EPTTM**：一致预期滚动EP[16] * **预期BP**：一致预期滚动BP[16] * **预期PEG**：一致预期PEG[16] * **预期净利润环比**：一致预期净利润 / 3个月前一致预期净利润[16] * **三个月盈利上下调**：过去3个月内分析师（上调家数 - 下调家数）/ 总家数[16] * **三个月机构覆盖**：过去3个月内机构覆盖数量[16] 因子的回测效果 *注：以下因子表现数据均为其单因子MFE组合相对于对应基准指数的超额收益率，数据来源为各图表[18][20][22][24][26]。* 1. **在沪深300样本空间中，近期表现突出的因子取值示例**[18] * **预期BP**：最近一周1.07%，最近一月0.53%，今年以来0.30%[18] * **预期PEG**：最近一周0.98%，最近一月1.61%，今年以来5.23%[18] * **预期EPTTM**：最近一周0.87%，最近一月1.76%，今年以来3.96%[18] * **一年动量**：最近一周0.32%，最近一月2.90%，今年以来3.55%[18] * **单季ROE**：最近一周-0.20%，最近一月1.49%，今年以来4.18%[18] 2. **在中证500样本空间中，近期表现突出的因子取值示例**[20] * **单季营收同比增速**：最近一周1.08%，最近一月3.98%，今年以来9.94%[20] * **预期净利润环比**：最近一周1.07%，最近一月1.93%，今年以来3.40%[20] * **特异度**：最近一周1.06%，最近一月1.13%，今年以来2.16%[20] * **单季净利同比增速**：最近一周-0.06%，最近一月2.26%，今年以来9.41%[20] * **DELTAROE**：最近一周-0.06%，最近一月0.86%，今年以来4.95%[20] 3. **在中证1000样本空间中，近期表现突出的因子取值示例**[22] * **单季营收同比增速**：最近一周0.55%，最近一月0.03%，今年以来7.71%[22] * **三个月机构覆盖**：最近一周0.36%，最近一月1.69%，今年以来4.02%[22] * **3个月盈利上下调**：最近一周0.22%，最近一月1.42%，今年以来3.29%[22] * **DELTAROA**：最近一周-0.97%，最近一月0.38%，今年以来4.34%[22] * **单季超预期幅度**：最近一周-1.31%，最近一月0.14%，今年以来3.43%[22] 4. **在中证A500样本空间中，近期表现突出的因子取值示例**[24] * **预期EPTTM**：最近一周1.01%，最近一月0.73%，今年以来4.63%[24] * **预期PEG**：最近一周0.87%，最近一月-1.20%，今年以来0.83%[24] * **标准化预期外收入**：最近一周0.37%，最近一月2.49%，今年以来6.31%[24] * **单季净利同比增速**：最近一周-0.44%，最近一月2.90%，今年以来3.55%[24] * **DELTAROE**：最近一周-0.44%，最近一月2.28%，今年以来4.27%[24] 5. **在公募重仓指数样本空间中，近期表现突出的因子取值示例**[26] * **3个月盈利上下调**：最近一周表现较好[26] * **一年动量**：最近一月表现较好[26] * **单季营收同比增速**：最近一月和今年以来表现较好[26] * **DELTAROA**：今年以来表现较好[26] * **单季净利同比增速**：最近一月和今年以来表现较好[26]