2024 年 6 月 16 日 重视成长占优的信号 要点 本周（2024.06.11-2024.06.14，下同）A 股市场缩量整理，宽基及主题指数表 现延续分化，TMT 表现亮眼。周五（2024.06.14）大盘宽基指数量能快速修复， 上证 50、沪深 300、中证 500 指数量能择时发出看多信号。资金面方面，本周 北向资金净流出，交易盘、配置盘观点均较谨慎。 本周市场各宽基指数涨跌分化。上证综指下跌 0.61%，上证 50 下跌 1.25%，沪 深 300 下跌 0.91%，中证 500 上涨 0.08%，中证 1000 上涨 0.53%，创业板指 上涨 0.58%，北证 50 上涨 1.55%。 中信一级行业分类来看，建筑、轻工制造、机械、电力设备及新能源、消费者服 务、家电、纺织服装、食品饮料、交通运输、通信、传媒和综合金融处于估值分 位数"安全"等级。 资金面跟踪： 北向资金净流入-218.73 亿元，其中沪股通净流入-165.38 亿元，深股通净流入 -53.36 亿元。南向资金净流入 269.58 亿港元，其中沪市港股通净流入 135.18 亿港元，深市港股通净流入 134.39 亿港元。 风 ...

免责声明 本报告仅供国投证券股份有限公司（以下简称"本公司"）的客户使用。本公司不会因为任 何机构或个人接收到本报告而视其为本公司的当然客户。 本报告基于已公开的资料或信息撰写，但本公司不保证该等信息及资料的完整性、准确性。 本报告所载的信息、资料、建议及推测仅反映本公司于本报告发布当日的判断，本报告中 的证券或投资标的价格、价值及投资带来的收入可能会波动。在不同时期，本公司可能撰 写并发布与本报告所载资料、建议及推测不一致的报告。本公司不保证本报告所含信息及 资料保持在最新状态，本公司将随时补充、更新和修订有关信息及资料，但不保证及时公 开发布。同时，本公司有权对本报告所含信息在不发出通知的情形下做出修改，投资者应 当自行关注相应的更新或修改。任何有关本报告的摘要或节选都不代表本报告正式完整的 观点，一切须以本公司向客户发布的本报告完整版本为准，如有需要，客户可以向本公司 投资顾问进一步咨询。 在法律许可的情况下，本公司及所属关联机构可能会持有报告中提到的公司所发行的证券 或期权并进行证券或期权交易，也可能为这些公司提供或者争取提供投资银行、财务顾问 或者金融产品等相关服务，提请客户充分注意。客户不应将本报 ...

- **量化模型与构建方式** - 模型名称：PB-ROE-50组合 - 模型构建思路：通过PB（市净率）和ROE（净资产收益率）两个指标筛选出50只股票，构建组合 - 模型具体构建过程：根据PB和ROE两个指标进行筛选，选出50只股票，构建组合 - 模型评价：该组合在各股票池中均获得了显著的超额收益[7][39] - 模型名称：公募调研选股策略 - 模型构建思路：基于公募基金的调研信息进行选股 - 模型具体构建过程：根据公募基金的调研信息，筛选出相关股票，构建组合 - 模型评价：该策略在本周获得了超额收益[8][56] - 模型名称：私募调研跟踪策略 - 模型构建思路：基于私募基金的调研信息进行选股 - 模型具体构建过程：根据私募基金的调研信息，筛选出相关股票，构建组合 - 模型评价：该策略在本周获得了超额收益[8][56] - 模型名称：大宗交易组合 - 模型构建思路：基于大宗交易的成交金额比率和成交金额波动率进行选股 - 模型具体构建过程：根据“高成交、低波动”原则，通过月频调仓方式构造大宗交易组合 - 模型评价：该组合在本周获得了超额收益[9][72] - 模型名称：定向增发组合 - 模型构建思路：基于定向增发事件进行选股 - 模型具体构建过程：以股东大会公告日为时间节点，综合考虑市值因素、调仓周期以及对仓位的控制，构造定向增发事件驱动选股组合 - 模型评价：该组合在本周获得了超额收益[10][98] - **模型的回测效果** - PB-ROE-50组合 - 中证500股票池，超额收益1.20%[7][39] - 中证800股票池，超额收益0.87%[7][39] - 全市场股票池，超额收益2.21%[7][39] - 公募调研选股策略 - 中证800股票池，超额收益1.30%[8][56] - 私募调研跟踪策略 - 中证800股票池，超额收益3.20%[8][56] - 大宗交易组合 - 中证全指，超额收益2.32%[9][72] - 定向增发组合 - 中证全指，超额收益1.04%[10][98] - **量化因子与构建方式** - 因子名称：Beta因子 - 因子的构建思路：衡量股票相对于市场的系统性风险 - 因子具体构建过程：计算股票相对于市场的Beta值 - 因子评价：本周表现良好，获取正收益1.11%[2][24] - 因子名称：残差动量因子 - 因子的构建思路：基于股票残差收益的动量效应 - 因子具体构建过程：计算股票残差收益的动量值 - 因子评价：本周表现良好，获取正收益0.21%[2][24] - 因子名称：市值因子 - 因子的构建思路：基于股票市值大小进行分类 - 因子具体构建过程：计算股票的市值 - 因子评价：本周表现较差，获取负收益-0.53%[2][24] - **因子的回测效果** - Beta因子，正收益1.11%[2][24] - 残差动量因子，正收益0.21%[2][24] - 市值因子，负收益-0.53%[2][24]

相关报告 20230322 招期金工专题报告： 上行趋势犹可期，商品配置正当 时-赵嘉瑜 20230714 招期金工专题报告： 把握商品指数化投资的蓝海机 遇-赵嘉瑜 2040529 招期策略专题报告： 期货市场分析及私募业绩归因-赵嘉瑜 | --- | |----------------------------------------------------------------------------------| | | | 中长期 CTA 策略在投资占有重要地位，其与商品指数之间的传统正相关关系在 | | 近两年似乎被打破。尽管商品指数显示出稳健的上升趋势，但中长期 CTA 策略 | | 却表现出了震荡偏弱的态势。本文希望通过分析商品指数和中长期 CTA （下文简 | | 称 CTA ）的历史差异及其原因，以回答不同尺度视角下如何配置的问题。得到了 | | 如下结论： | | 1. CTA 和商品指数对比来看， 2019 年以来商品指数相对 CTA 的比价处于上升趋 | | 势，牛市中指数表现更佳，熊市中 CTA 表现更佳，差异源于不同品种的收益分 | | 布。 | | 2. 长期视角下，投资者和 ...

```markdown 量化模型与构建方式 1. **模型名称**：招商期货CTA中短周期策略指数 - **模型构建思路**：基于中短周期的量价类因子，主要考虑品种日内波动性和成交量等因素[48][71] - **模型具体构建过程**：通过对品种日内波动性和成交量的流动性加权，构建中短周期策略指数[48][71] - **模型评价**：中短周期CTA策略与商品市场日内流动性和波动性之间呈现出明显的正相关性[96] 2. **模型名称**：招商期货CTA中长周期策略指数 - **模型构建思路**：基于中长周期的量价类因子，主要考虑品种长周期波动率和趋势流畅性等因素[97][116] - **模型具体构建过程**：通过对品种长周期波动率和趋势流畅性的流动性加权，构建中长周期策略指数[97][116] - **模型评价**：中长周期CTA的表现与商品市场的波动率和趋势流畅性有着明显的正相关关系[141] 模型的回测效果 1. **招商期货CTA中短周期策略指数** - **净值表现**：在近两年内的表现明显偏离了过往的历史表现，目前正处于较大回撤之后的净值修复阶段[48] - **日内波动性**：与商品市场日内流动性和波动性之间呈现出明显的正相关性[96] 2. **招商期货CTA中长周期策略指数** - **净值表现**：近两年波动率中枢和趋势流畅性的中枢都出现了非常明显的下移，导致表现不佳[141] - **长周期波动率**：与商品市场的波动率和趋势流畅性有着明显的正相关关系[141] 量化因子与构建方式 1. **因子名称**：5日时序动量因子 - **因子的构建思路**：基于短期的价格动量，主要考虑5日内的价格变化[28] - **因子具体构建过程**：通过计算5日内的价格变化率，构建动量因子[28] - **因子评价**：在近两年内的表现明显偏离了过往的历史表现，目前正处于较大回撤之后的净值修复阶段[48] 2. **因子名称**：20日时序动量因子 - **因子的构建思路**：基于中期的价格动量，主要考虑20日内的价格变化[29] - **因子具体构建过程**：通过计算20日内的价格变化率，构建动量因子[29] - **因子评价**：在近两年内的表现明显偏离了过往的历史表现，目前正处于较大回撤之后的净值修复阶段[48] 3. **因子名称**：60日时序动量因子 - **因子的构建思路**：基于长期的价格动量，主要考虑60日内的价格变化[30] - **因子具体构建过程**：通过计算60日内的价格变化率，构建动量因子[30] - **因子评价**：在近两年内的表现明显偏离了过往的历史表现，目前正处于较大回撤之后的净值修复阶段[48] 因子的回测效果 1. **5日时序动量因子** - **净值表现**：在近两年内的表现明显偏离了过往的历史表现，目前正处于较大回撤之后的净值修复阶段[48] 2. **20日时序动量因子** - **净值表现**：在近两年内的表现明显偏离了过往的历史表现，目前正处于较大回撤之后的净值修复阶段[48] 3. **60日时序动量因子** - **净值表现**：在近两年内的表现明显偏离了过往的历史表现，目前正处于较大回撤之后的净值修复阶段[48] ```

```markdown 量化模型与构建方式 1. **模型名称：ETF行业轮动组合** - **模型构建思路**：通过行业轮动策略，选择表现较好的行业ETF进行投资，以获取超额收益[1] - **模型具体构建过程**：该模型基于历史数据和市场表现，选择在特定时间段内表现较好的行业ETF进行投资。具体步骤包括： 1. 数据收集：收集各行业ETF的历史价格和交易量数据 2. 指标计算：计算各行业ETF的收益率、波动率等指标 3. 行业选择：根据计算的指标，选择表现较好的行业ETF 4. 投资组合构建：将选定的行业ETF按一定比例构建投资组合 5. 定期调整：定期（如每月）重新评估各行业ETF的表现，并调整投资组合[1] - **模型评价**：该模型通过行业轮动策略，能够在一定程度上捕捉市场热点，获取超额收益[1] 模型的回测效果 1. **ETF行业轮动组合** - **月度净值上涨**：7.5%[1] - **同期沪深300指数上涨**：4.7%[1] - **相对收益**：2.8%[1] - **上期（5月11日~6月6日）净值下跌**：-1.7%[1] - **同期沪深300指数下跌**：-2.02%[1] - **相对收益**：0.32%[1] ``` [1]: [1]

量化模型与构建方式 1. 模型名称：可转债正股退市风险模型 - **模型构建思路**：该模型旨在评估可转债正股的退市风险，特别是低价股的退市风险[5] - **模型具体构建过程**： 1. 数据收集：收集当前市场上所有可转债正股的价格数据 2. 风险评估：根据正股价格低于2元的标准，筛选出高退市风险的可转债正股 3. 评级分布分析：分析这些高退市风险的可转债正股的评级分布，发现即使是AA+及以上评级的转债也存在高退市风险[5] - **模型评价**：该模型能够有效识别出高退市风险的可转债正股，帮助投资者规避潜在风险[5] 模型的回测效果 可转债正股退市风险模型 - **当前转债正股价格低于2元的转债个数**：11只[5] - **转债余额**：144亿元，处于历史上最高水平[5] 量化因子与构建方式 1. 因子名称：低价股因子 - **因子的构建思路**：通过筛选低价股来评估其退市风险[5] - **因子具体构建过程**： 1. 数据筛选：筛选出当前市场上价格低于2元的正股 2. 风险评估：评估这些低价股的退市风险，并分析其对可转债的影响[5] - **因子评价**：该因子能够有效识别出高退市风险的低价股，帮助投资者规避潜在风险[5] 因子的回测效果 低价股因子 - **当前低价股数量**：11只[5] - **低价股对应的转债余额**：144亿元[5]

专业研究·创造价值 7 / 18 请务必阅读文末免责条款 认购合约周涨跌幅(%) 认沽合约周涨跌幅(%) 认购合约周涨跌幅(%) 认沽合约周涨跌幅(%) 000016.SH -17.22 -5.77 -5.27 -4.22 0.67 -8.22 2350 -33.33 9.38 14.60 10.28 2.11 3.23 数据来源：IFind、宝城期货金融研究所 四个股指期货品种的基差均表现为期货贴水的状态，并且表现出近强远弱 的状态，不过近期期货月差表现较为平稳。 股指衍生品 | 周报 数据来源：IFind、宝城期货金融研究所 | --- | --- | --- | --- | --- | --- | --- | --- | |---------------------------------------------|--------------------------------------------------------------------------------------------------------------------------------------------------- ...

股指周报 股指周报（2024.6.3-2024.6.10） 海外方面，近期公布的美国经济数据和小非农数据均支持美联储 降息预期回升，但周五公布的美国 5 月非农数据整体超预期，使得近 期边际升温的降息预期有所回落。另外上周 G7 中两大经济体，加拿 大央行和欧央行开始宣布降息，使得海外开始进入降息周期。整体来 看上周美联储降息预期处于首先回升，之后回落的状况，但整周因受 公布的美国 PMI、小非农和欧央行降息影响，整体处于美债收益率回 落，美股上涨的状态。本周三美国会公布 CPI 数据，数据会对上周五 美超预期的非农数据进行验证，从而影响到周四的美联储利率决议， 而在周四利率决议中，美联储会给市场传递出更为明确的后续利率路 径，而这也会对近期市场预期的左右摇摆来调整。 从 A 股来看，近期分子端对 A 股影响更大，而对于分母端，外围 欧洲步入降息，美联储保持克制，国内流动性保持宽松，分母端对 A 股驱动较弱。在经济数据缺乏破局亮点背景下，上周 A 股基本延续弱 势调整的走势。盘面上看，微盘股的杀跌对 A 股起到打压风险偏好的 负面影响。自国九条实施以来，多家公司被 ST，退市风险对微盘股形 成挤压。但而与 4 ...

量化模型与构建方式 量化模型 中证500增强组合 - **模型构建思路**：通过量化策略模型构建增强组合，以期跑赢中证500指数[5][430] - **模型具体构建过程**： 1. 选取中证500指数成分股作为初始股票池 2. 应用量化策略模型进行选股和权重分配 3. 根据策略模型动态调整组合持仓 4. 组合持仓明细如图表30所示，包括大族激光、申能股份等[443][444] - **模型评价**：本周中证500增强组合表现尚可，跑赢基准0.14%[5][430] 沪深300增强组合 - **模型构建思路**：通过量化策略模型构建增强组合，以期跑赢沪深300指数[5][448] - **模型具体构建过程**： 1. 选取沪深300指数成分股作为初始股票池 2. 应用量化策略模型进行选股和权重分配 3. 根据策略模型动态调整组合持仓 4. 组合持仓明细如图表32所示，包括新和成、兴业银行等[463][464] - **模型评价**：本周沪深300增强组合表现不佳，跑输基准0.18%[5][448] 量化因子 市值因子 - **因子的构建思路**：通过市值因子衡量股票的市值大小，作为选股和权重分配的依据[6][466] - **因子具体构建过程**： 1. 计算每只股票的市值 2. 根据市值大小进行排序和分组 3. 计算市值因子的超额收益 - **因子评价**：市值因子在近一周表现优异，超额收益较高[6][467] Beta因子 - **因子的构建思路**：通过Beta因子衡量股票相对于市场的波动性，作为选股和权重分配的依据[6][466] - **因子具体构建过程**： 1. 计算每只股票的Beta值 2. 根据Beta值进行排序和分组 3. 计算Beta因子的超额收益 - **因子评价**：Beta因子在近一周表现不佳，呈现显著的负向超额收益[6][467] 残差波动率因子 - **因子的构建思路**：通过残差波动率因子衡量股票的非系统性风险，作为选股和权重分配的依据[6][466] - **因子具体构建过程**： 1. 计算每只股票的残差波动率 2. 根据残差波动率进行排序和分组 3. 计算残差波动率因子的超额收益 - **因子评价**：残差波动率因子在近一周表现不佳，呈现显著的负向超额收益[6][467] 模型的回测效果 - **中证500增强组合**： - **收益率**：-1.73%[430] - **超额收益**：36.65%（2020年至今）[430] - **最大回撤**：-4.99%[430] - **沪深300增强组合**： - **收益率**：-0.34%[448] - **超额收益**：18.87%（2020年至今）[448] - **最大回撤**：-5.86%[448] 因子的回测效果 - **市值因子**： - **超额收益**：较高[6][467] - **Beta因子**： - **超额收益**：显著负向[6][467] - **残差波动率因子**： - **超额收益**：显著负向[6][467]