量化模型与构建方式 1. **模型名称：成交量模型**；模型构建思路：基于市场成交量的变化来判断短期市场情绪和趋势[1]；模型具体构建过程：报告未详细描述具体构建公式和过程，仅给出信号结果 2. **模型名称：特征龙虎榜机构模型**；模型构建思路：利用龙虎榜中机构资金的买卖行为特征来构建择时信号[1]；模型具体构建过程：报告未详细描述具体构建公式和过程，仅给出信号结果 3. **模型名称：特征成交量模型**；模型构建思路：基于更精细或特定维度的成交量特征（可能与普通成交量模型不同）来构建择时信号[1]；模型具体构建过程：报告未详细描述具体构建公式和过程，仅给出信号结果 4. **模型名称：智能算法沪深300/中证500模型**；模型构建思路：运用智能算法（如机器学习等）对沪深300或中证500指数进行择时判断[1]；模型具体构建过程：报告未详细描述具体构建公式和过程，仅给出信号结果 5. **模型名称：涨跌停模型**；模型构建思路：通过分析市场涨跌停股票的数量、比例等特征来判断中期市场情绪和趋势[1][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，仅给出信号结果 6. **模型名称：上下行收益差模型**；模型构建思路：通过比较市场上涨和下跌时的收益率差异来构建择时信号[1][11][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，仅给出信号结果 7. **模型名称：月历效应模型**；模型构建思路：基于历史数据中存在的月份、季节等日历效应规律来构建择时信号[1][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，仅给出信号结果 8. **模型名称：长期动量模型**；模型构建思路：基于资产价格的长期趋势（动量效应）来构建择时信号[1][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，仅给出信号结果 9. **模型名称：A股综合兵器V3模型**；模型构建思路：将多个择时模型信号进行综合集成，形成最终的择时观点[1][14]；模型具体构建过程：报告未详细描述具体集成方法和过程，仅给出信号结果 10. **模型名称：A股综合国证2000模型**；模型构建思路：针对国证2000指数，综合多个择时模型信号形成最终观点[1][14]；模型具体构建过程：报告未详细描述具体集成方法和过程，仅给出信号结果 11. **模型名称：成交额倒波幅模型**；模型构建思路：结合成交额与波动率（波幅）构建择时信号，用于港股市场[1][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，仅给出信号结果 12. **模型名称：上下行收益差相似模型**；模型构建思路：可能是“上下行收益差模型”在港股市场的应用或变体[1][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，仅给出信号结果 13. **模型名称：形态学监控（杯柄形态、双底形态）**；模型构建思路：通过识别股票价格走势图中的特定技术形态（如杯柄形态、双底形态）来筛选个股，并构建投资组合[43][44][47]；模型具体构建过程：报告未给出具体形态识别的量化规则和算法，但展示了形态的关键点位（如A点、B点、C点）和形态长度（周数），通过识别这些形态的“突破”来产生交易信号[46][49][53][54] 14. **模型名称：倒杯子形态风险监控**；模型构建思路：识别股价走势中的“倒杯子”这一负面技术形态，用于预警个股下跌风险[58]；模型具体构建过程：报告未给出具体形态识别的量化规则和算法，但指出该形态出现在一波下跌后的筑顶并再次突破下跌时，是典型的负向形态[58] 模型的回测效果 1. **双底形态组合**，本周上涨3.17%，相对上证综指超额收益4.26%，自2020年12月31日至今累计上涨23.82%，相对上证综指累计超额收益11.13%[43] 2. **杯柄形态组合**，本周上涨1.07%，相对上证综指超额收益2.17%，自2020年12月31日至今累计上涨17.9%，相对上证综指累计超额收益5.21%[43] 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**；因子构建思路：通过统计行业内分析师上调或下调盈利预期的个股比例，来观察行业情绪和预期变化[20][21][22]；因子具体构建过程：对于每个行业，计算“分析师上调个股比例”和“分析师下调个股比例”，具体公式为：$$上调比例 = \frac{行业内盈利预测被上调的个股数量}{行业内有效覆盖个股总数}$$ $$下调比例 = \frac{行业内盈利预测被下调的个股数量}{行业内有效覆盖个股总数}$$[20][21][22] 2. **因子名称：基金仓位因子（绝对仓位、超低配仓位）**；因子构建思路：通过分析股票型基金和混合型基金的行业持仓数据，构建反映机构资金动向的因子[22][23][25][26][30]；因子具体构建过程： * **绝对仓位**：计算某类基金在某个行业的持仓市值占该类基金总股票市值的比例[26]。 * **超低配仓位**：计算基金在某个行业的实际持仓比例与该行业市值占全市场比例（或基准比例）的差值[30]。公式为：$$超低配比例 = 基金行业持仓比例 - 行业市值占比$$[30] * **超低配近两年分位数**：将当前时点的超低配比例放在过去两年的历史序列中，计算其分位数，以判断当前配置水平在历史中的位置[30]。 因子的回测效果 （报告未提供具体因子的分层回测、IC、IR等量化效果指标）

量化模型与构建方式 1. **模型名称：优秀基金业绩增强组合**[3][12][48] * **模型构建思路：** 将对标基准从宽基指数转向主动股基，在借鉴优秀基金持仓的基础上，采用量化方法进行增强，以达到优中选优、稳定战胜主动股基中位数的目的[3][48]。 * **模型具体构建过程：** 1. **基金优选：** 对基金进行优选，并对收益类因子进行分层中性化处理，以解决市场风格突变时的反转问题和持股风格集中化问题[48]。 2. **构建基准组合：** 根据优选基金的补全持仓，构建优选基金持仓组合，作为选股空间和对标基准[48]。 3. **组合优化增强：** 以优选基金持仓组合为基准，采用组合优化的方法，控制组合与基准在个股、行业及风格因子上的偏离，构建最终的业绩增强组合[49]。 2. **模型名称：超预期精选组合**[4][12][54] * **模型构建思路：** 以业绩超预期事件为切入点，筛选出超预期股票池，并对其进行基本面和技术面两个维度的精选，构建同时具备基本面支撑和技术面共振的股票组合[4][54]。 * **模型具体构建过程：** 1. **事件筛选：** 以“研报标题超预期”与“分析师全线上调净利润”为条件，筛选出超预期事件股票池[4][54]。 2. **双层优选：** 对超预期股票池中的股票，分别进行基本面维度和技术面维度的筛选，挑选出同时满足两个维度条件的股票[4][54]。 3. **模型名称：券商金股业绩增强组合**[5][12][59] * **模型构建思路：** 以蕴含Alpha潜力并能反映公募基金前瞻性判断的券商金股股票池为基础，通过组合优化控制与基准的偏离，进行进一步精选以增强收益[5][59]。 * **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，构建业绩增强组合[5]。 4. **模型名称：成长稳健组合**[6][12][64] * **模型构建思路：** 采用“先时序、后截面”的二维评价体系，优先捕捉成长股在利好事件（如财报发布）前后超额收益释放最强烈的阶段，再通过多因子打分进行横向精选[6][64]。 * **模型具体构建过程：** 1. **时序筛选（黄金期布局）：** 以“研报标题超预期”及“业绩大增”为条件筛选成长股股票池。根据股票距离正式财报预约披露日的间隔天数进行分档，优先选择距离财报预约披露日较近的股票，旨在布局超额收益释放的“黄金期”[6][64]。 2. **截面精选：** 当时序筛选后的样本数量较多时，采用多因子打分的方法精选优质个股[6][64]。 3. **组合构建与风控：** 构建100只股票的等权组合，并引入弱平衡机制、跃迁机制、缓冲机制和风险规避机制以降低换手、规避风险[64]。 模型的回测效果 1. **优秀基金业绩增强组合** * 全样本区间（2012.1.4-2025.12.31）年化收益（考虑仓位）：21.40%[50][52] * 全样本区间年化超额收益（相对偏股混合型基金指数）：9.85%[50][52] * 2026年本年收益（考虑仓位，2026.1.5-2026.3.27）：7.35%[1][13][21] * 2026年本年超额收益（相对偏股混合型基金指数）：6.77%[1][13][21] * 2026年本年排名分位点（主动股基）：13.33%[1][13][21] 2. **超预期精选组合** * 全样本区间（2010.1.4-2025.12.31）年化收益（考虑仓位）：31.11%[55][58] * 全样本区间年化超额收益（相对偏股混合型基金指数）：23.98%[55][58] * 2026年本年收益（考虑仓位，2026.1.5-2026.3.27）：7.60%[1][13][29] * 2026年本年超额收益（相对偏股混合型基金指数）：7.02%[1][13][29] * 2026年本年排名分位点（主动股基）：12.87%[1][13][29] 3. **券商金股业绩增强组合** * 全样本区间（2018.1.2-2025.12.31）年化收益（考虑仓位）：21.71%[60][63] * 全样本区间年化超额收益（相对偏股混合型基金指数）：14.18%[60][63] * 2026年本年收益（考虑仓位，2026.1.5-2026.3.27）：8.41%[1][13][34] * 2026年本年超额收益（相对偏股混合型基金指数）：7.83%[1][13][34] * 2026年本年排名分位点（主动股基）：10.86%[1][13][34] 4. **成长稳健组合** * 全样本区间（2012.1.4-2025.12.31）年化收益（考虑仓位）：36.34%[65][68] * 全样本区间年化超额收益（相对偏股混合型基金指数）：26.33%[65][68] * 2026年本年收益（考虑仓位，2026.1.5-2026.3.27）：13.41%[2][13][42] * 2026年本年超额收益（相对偏股混合型基金指数）：12.83%[2][13][42] * 2026年本年排名分位点（主动股基）：3.87%[2][13][42]

量化模型与因子总结 量化因子与构建方式 1. **因子名称：日内高频偏度因子** **因子构建思路：** 捕捉股票日内收益分布的非对称性特征，即偏度[16] **因子具体构建过程：** 报告未提供详细构建公式，但指出计算方式可参考专题报告《选股因子系列研究(十九)——高频因子之股票收益分布特征》[16] 2. **因子名称：日内下行波动占比因子** **因子构建思路：** 衡量股票日内已实现波动中下行波动的贡献比例[21] **因子具体构建过程：** 报告未提供详细构建公式，但指出计算方式可参考专题报告《选股因子系列研究（二十五）——高频因子之已实现波动分解》[21] 3. **因子名称：开盘后买入意愿占比因子** **因子构建思路：** 基于开盘后一段时间内的高频数据，度量市场买入意愿的强度[26] **因子具体构建过程：** 报告未提供详细构建公式，但指出计算方式可参考专题报告《选股因子系列研究（六十四）——基于直观逻辑和机器学习的高频数据低频化应用》[26] 4. **因子名称：开盘后买入意愿强度因子** **因子构建思路：** 在买入意愿占比的基础上，进一步衡量买入意愿的强度[31] **因子具体构建过程：** 报告未提供详细构建公式，但指出计算方式可参考专题报告《选股因子系列研究（六十四）——基于直观逻辑和机器学习的高频数据低频化应用》[31] 5. **因子名称：开盘后大单净买入占比因子** **因子构建思路：** 衡量开盘后大单资金净流入的占比情况[35] 6. **因子名称：开盘后大单净买入强度因子** **因子构建思路：** 在净买入占比的基础上，衡量大单净买入的强度[41] 7. **因子名称：改进反转因子** **因子构建思路：** 对传统反转因子进行改进[46] 8. **因子名称：尾盘成交占比因子** **因子构建思路：** 衡量尾盘时段成交额占全天成交额的比例[51] 9. **因子名称：平均单笔流出金额占比因子** **因子构建思路：** 衡量平均每笔流出交易的金额占比[55] 10. **因子名称：大单推动涨幅因子** **因子构建思路：** 衡量由大单交易推动的股价涨幅[58] 11. **因子名称：深度学习高频因子（改进 GRU(50,2)+NN(10)）** **因子构建思路：** 使用改进的GRU神经网络结合全连接网络，从高频数据中提取选股信号[63] 12. **因子名称：深度学习高频因子（残差注意力 LSTM(48,2)+NN(10)）** **因子构建思路：** 使用带有残差连接和注意力机制的LSTM神经网络结合全连接网络，从高频数据中提取选股信号[64] 13. **因子名称：深度学习因子（多颗粒度模型-5日标签）** **因子构建思路：** 使用基于双向AGRU训练的多颗粒度模型，以5日收益率为预测标签[65] **因子评价：** 持续稳健表现[1] 14. **因子名称：深度学习因子（多颗粒度模型-10日标签）** **因子构建思路：** 使用基于双向AGRU训练的多颗粒度模型，以10日收益率为预测标签[70] **因子评价：** 持续稳健表现[1] 15. **因子名称：复合深度学习因子** **因子构建思路：** 将两个多颗粒度模型因子进行等权合成，作为AI增强组合的预期收益来源[72] **因子具体构建过程：** 复合因子 = 多颗粒度模型-10日标签 * 0.5 + 多颗粒度模型-5日标签 * 0.5[72] 量化模型与构建方式 1. **模型名称：AI指数增强组合模型** **模型构建思路：** 以复合深度学习因子作为股票的预期超额收益，通过组合优化构建指数增强组合[72] **模型具体构建过程：** 1. 预期收益：使用复合深度学习因子作为股票i的预期超额收益μi[72]。 2. 优化目标：在给定的约束条件下，最大化组合的预期超额收益[75]。目标函数为： $$max\sum\mu_{i}w_{i}$$ 其中，wi为股票i在组合中的权重，μi为股票i的预期超额收益[75]。 3. 约束条件：根据不同组合类型（空气指增、中证500/1000宽/严约束）施加不同的风险控制约束，包括个股权重、行业偏离、风格因子（市值、PB、ROE等）暴露、成分股权重以及换手率约束[73][75]。 4. 交易设置：假设以次日均价成交，并扣除双边3‰的交易成本[76]。 因子的回测效果 （数据来源：表2，周度换仓口径[12][14]） 1. **日内高频偏度因子**，历史IC 0.019，2026年IC 0.027，历史e^(-rank mae) 0.324，2026年e^(-rank mae) 0.328，上周多空收益 1.14%，3月多空收益 1.10%，2026YTD多空收益 5.41%，2026年周胜率 8/11，上周多头超额 1.09%，3月多头超额 1.01%，2026YTD多头超额 2.90%，2026年多头周胜率 7/11[12] 2. **日内下行波动占比因子**，历史IC 0.016，2026年IC 0.032，历史e^(-rank mae) 0.323，2026年e^(-rank mae) 0.328，上周多空收益 0.61%，3月多空收益 1.55%，2026YTD多空收益 7.37%，2026年周胜率 8/11，上周多头超额 0.54%，3月多头超额 0.79%，2026YTD多头超额 3.73%，2026年多头周胜率 7/11[12] 3. **开盘后买入意愿占比因子**，历史IC 0.025，2026年IC 0.028，历史e^(-rank mae) 0.321，2026年e^(-rank mae) 0.322，上周多空收益 1.40%，3月多空收益 3.66%，2026YTD多空收益 6.62%，2026年周胜率 9/11，上周多头超额 0.72%，3月多头超额 2.36%，2026YTD多头超额 2.72%，2026年多头周胜率 8/11[12] 4. **开盘后买入意愿强度因子**，历史IC 0.030，2026年IC 0.030，历史e^(-rank mae) 0.326，2026年e^(-rank mae) 0.328，上周多空收益 1.46%，3月多空收益 3.64%，2026YTD多空收益 6.07%，2026年周胜率 7/11，上周多头超额 0.72%，3月多头超额 1.33%，2026YTD多头超额 2.14%，2026年多头周胜率 6/11[12] 5. **开盘后大单净买入占比因子**，历史IC 0.035，2026年IC 0.027，历史e^(-rank mae) 0.322，2026年e^(-rank mae) 0.318，上周多空收益 0.47%，3月多空收益 1.38%，2026YTD多空收益 6.20%，2026年周胜率 10/11，上周多头超额 -0.08%，3月多头超额 -0.19%，2026YTD多头超额 1.29%，2026年多头周胜率 5/11[12] 6. **开盘后大单净买入强度因子**，历史IC 0.024，2026年IC 0.021，历史e^(-rank mae) 0.320，2026年e^(-rank mae) 0.317，上周多空收益 0.39%，3月多空收益 0.46%，2026YTD多空收益 4.15%，2026年周胜率 8/11，上周多头超额 0.05%，3月多头超额 0.04%，2026YTD多头超额 0.91%，2026年多头周胜率 7/11[12] 7. **改进反转因子**，历史IC 0.030，2026年IC 0.013，历史e^(-rank mae) 0.330，2026年e^(-rank mae) 0.329，上周多空收益 0.58%，3月多空收益 0.50%，2026YTD多空收益 2.56%，2026年周胜率 6/11，上周多头超额 0.81%，3月多头超额 -1.30%，2026YTD多头超额 1.65%，2026年多头周胜率 6/11[12] 8. **尾盘成交占比因子**，历史IC 0.025，2026年IC 0.019，历史e^(-rank mae) 0.322，2026年e^(-rank mae) 0.318，上周多空收益 0.39%，3月多空收益 0.47%，2026YTD多空收益 5.21%，2026年周胜率 8/11，上周多头超额 0.09%，3月多头超额 -0.44%，2026YTD多头超额 1.34%，2026年多头周胜率 7/11[12] 9. **平均单笔流出金额占比因子**，历史IC 0.007，2026年IC -0.022，历史e^(-rank mae) 0.317，2026年e^(-rank mae) 0.313，上周多空收益 -1.10%，3月多空收益 -1.96%，2026YTD多空收益 -4.85%，2026年周胜率 3/11，上周多头超额 -0.10%，3月多头超额 -0.69%，2026YTD多头超额 -1.72%，2026年多头周胜率 3/11[14] 10. **大单推动涨幅因子**，历史IC 0.018，2026年IC 0.002，历史e^(-rank mae) 0.325，2026年e^(-rank mae) 0.326，上周多空收益 -0.97%，3月多空收益 -0.20%，2026YTD多空收益 0.43%，2026年周胜率 5/11，上周多头超额 0.15%，3月多头超额 -0.77%，2026YTD多头超额 0.66%，2026年多头周胜率 7/11[14] 11. **改进 GRU(50,2)+NN(10)因子**，历史IC 0.065，2026年IC 0.022，历史e^(-rank mae) 0.336，2026年e^(-rank mae) 0.325，上周多空收益 0.23%，3月多空收益 0.10%，2026YTD多空收益 5.36%，2026年周胜率 8/11，上周多头超额 0.15%，3月多头超额 -0.96%，2026YTD多头超额 -0.60%，2026年多头周胜率 7/11[14] 12. **残差注意力 LSTM(48,2)+NN(10)因子**，历史IC 0.062，2026年IC 0.026，历史e^(-rank mae) 0.334，2026年e^(-rank mae) 0.323，上周多空收益 0.80%，3月多空收益 1.35%，2026YTD多空收益 5.68%，2026年周胜率 9/11，上周多头超额 0.03%，3月多头超额 -0.41%，2026YTD多头超额 0.80%，2026年多头周胜率 6/11[14] 13. **多颗粒度模型-5日标签因子**，历史IC 0.079，2026年IC 0.042，历史e^(-rank mae) 0.343，2026年e^(-rank mae) 0.335，上周多空收益 0.91%，3月多空收益 2.60%，2026YTD多空收益 10.22%，2026年周胜率 11/11，上周多头超额 0.82%，3月多头超额 2.04%，2026YTD多头超额 5.77%，2026年多头周胜率 10/11[14] 14. **多颗粒度模型-10日标签因子**，历史IC 0.072，2026年IC 0.041，历史e^(-rank mae) 0.342，2026年e^(-rank mae) 0.337，上周多空收益 0.71%，3月多空收益 3.06%，2026YTD多空收益 8.90%，2026年周胜率 9/11，上周多头超额 0.88%，3月多头超额 2.35%，2026YTD多头超额 5.59%，2026年多头周胜率 9/11[14] 模型的回测效果 （数据来源：表3，上周、3月、2026YTD口径[15]） 1. **AI空气值增模型（周度调仓）**，上周超额收益 1.72%，上周绝对收益 1.58%，3月超额收益 2.23%，3月绝对收益 -6.40%，2026YTD超额收益 6.00%，2026YTD绝对收益 8.38%，2026年周胜率 6/11[15] 2. **AI空气值增模型（日度调仓）**，上周超额收益 1.20%，上周绝对收益 1.07%，3月超额收益 1.02%，3月绝对收益 -7.61%，2026YTD超额收益 5.70%，2026YTD绝对收益 8.08%，2026年周胜率 6/11[15] 3. **中证500 AI增强宽约束模型（周度调仓）**，上周超额收益 -0.14%，上周绝对收益 -0.43%，3月超额收益 5.47%，3月绝对收益 -5.17%，2026YTD超额收益 2.56%，2026YTD绝对收益 6.20%，2026年周胜率 5/11[15] 4. **中证500 AI增强宽约束模型（日度调仓）**，上周超额收益 -1.45%，上周绝对收益 -1.74%，3月超额收益 0.46%，3月绝对收益 -10.17%，2026YTD超额收益 -4.16%，2026YTD绝对收益 -0.52%，2026年周胜率 5/11[15] 5. **中证500 AI增强严约束模型（周度调仓）**，上周超额收益 0.37%，上周绝对收益 0.08%，3月超额收益 3.84%，3月绝对收益 -6.79%，2026YTD超额收益 3.12%，2026YTD绝对收益 6.77%，2026年周胜率 7/11[15] 6. **中证500 AI增强严约束模型（日度调仓）**，上周超额收益 -0.07%，上周绝对收益 -0.36%，3月超额收益 2.03%，3月绝对收益 -8.60%，2026YTD超额收益 1.34%，2026YTD绝对收益 4.99%，2026年周胜率 6/11[15] 7. **中证1000 AI增强宽约束模型（周度调仓）**，上周超额收益 0.68%，上周绝对收益 0.20%，3月超额收益 4.14%，3月绝对收益 -5.37%，2026YTD超额收益 4.90%，2026YTD绝对收益 6.89%，2026年周胜率 7/11[15] 8. **中证1000 AI增强宽约束模型（日度调仓）**，上周超额收益 0.81%，上周绝对收益 0.34%，3月超额收益 2.55%，3月绝对收益 -6.96%，2026YTD超额收益 2.77%，2026YTD绝对收益 4.75%，2026年周胜率 5/11[15] 9. **中证1000 AI增强严约束模型（周度调仓）**，上周超额收益 0.23%，上周绝对收益 -0.25%，3月超额收益 2.75%，3月绝对收益 -6.77%，2026YTD超额收益 3.90%，2026YTD绝对收益 5.89%，2026年周胜率 8/11[15] 10. **中证1000 AI增强严约束模型（日度调仓）**，上周超额收益 0.16%，上周绝对收益 -0.31%，3月超额收益 2.01%，3月绝对收益 -7.50%，2026YTD超额收益 3.88%，2026YTD绝对收益 5.86%，2026年周胜率 7/11[15]

量化模型与构建方式 1. **模型名称：价格分段体系**[14] * **模型构建思路**：通过分析价格走势，将市场划分为不同的趋势阶段，以识别当前市场所处的状态（如震荡、上涨、下跌）[14]。 * **模型具体构建过程**：报告未详细描述该模型的构建过程，仅展示了其应用结果。从图1“上证综指价格分段结果”来看，该模型可能结合了日线、周线等不同时间周期的价格数据进行分析，并可能使用了类似MACD指标中的DIF和DEA线（图中显示有“dea”线）来辅助判断趋势[17]。 2. **模型名称：微观市场结构择时模型**[15] * **模型构建思路**：通过监测“知情交易者活跃度”这一指标，来捕捉市场内部资金流向和交易者行为的变化，以判断市场情绪和未来走势[15]。 * **模型具体构建过程**：报告未详细描述“知情交易者活跃度”指标的具体构建公式和计算过程。该模型通过跟踪该指标的变化（如图2所示），当指标升温至零线附近时，表明知情交易者对后市持谨慎观望但边际乐观的态度[15][18]。 3. **因子名称：BARRA风格因子体系**[20] * **因子构建思路**：采用经典的BARRA多因子模型框架，从多个维度（如价值、成长、动量、市值、波动率等）刻画股票的风险收益特征，以监测市场风格偏好[20]。 * **因子具体构建过程**：报告未详细列出每个因子的具体计算公式。它直接引用了BARRA风格因子的分类和收益表现。报告中涉及的风格因子包括：换手、财务杠杆、盈利波动、盈利质量、盈利能力、投资质量、长期反转、EP价值、BP价值、成长、动量、非线性市值、市值、波动率、贝塔、股息率[21]。 * **因子评价**：该体系是国际通用的标准化风险模型框架，能够系统性地分解和解释股票收益的来源，广泛应用于风险管理和组合分析[20]。 模型的回测效果 （报告中未提供价格分段体系和微观市场结构择时模型的具体量化回测指标，如年化收益率、夏普比率、最大回撤等数值结果。） 因子的回测效果 1. **BARRA风格因子**，本周收益：换手因子0.2%，财务杠杆因子0.2%，盈利波动因子0.1%，盈利质量因子0.0%，盈利能力因子-0.5%，投资质量因子-0.1%，长期反转因子0.0%，EP价值因子0.0%，BP价值因子-0.1%，成长因子0.1%，动量因子0.3%，非线性市值因子0.0%，市值因子-0.3%，波动率因子0.2%，贝塔因子-0.3%，股息率因子-0.3%[21]。 2. **BARRA风格因子**，上周收益：换手因子-0.4%，财务杠杆因子-0.3%，盈利波动因子0.4%，盈利质量因子0.0%，盈利能力因子0.1%，投资质量因子-0.2%，长期反转因子0.0%，EP价值因子-0.4%，BP价值因子-0.3%，成长因子0.1%，动量因子-0.6%，非线性市值因子0.1%，市值因子0.5%，波动率因子0.7%，贝塔因子0.1%，股息率因子0.5%[21]。

量化模型与构建方式 量化模型 1. **模型名称**：PB-ROE-50组合 **模型构建思路**：基于PB（市净率）和ROE（净资产收益率）两个核心估值与盈利指标，构建选股组合[24]。 **模型具体构建过程**：报告未详细描述该模型的构建公式和具体步骤，仅提及其为基于PB和ROE指标构建的组合[24]。 2. **模型名称**：机构调研组合（公募调研选股策略） **模型构建思路**：基于公募基金调研活动信息构建选股策略[26]。 **模型具体构建过程**：报告未详细描述该模型的构建公式和具体步骤，仅提及其为公募调研选股策略[26]。 3. **模型名称**：机构调研组合（私募调研跟踪策略） **模型构建思路**：基于私募基金调研活动信息构建选股策略[26]。 **模型具体构建过程**：报告未详细描述该模型的构建公式和具体步骤，仅提及其为私募调研跟踪策略[26]。 4. **模型名称**：大宗交易组合 **模型构建思路**：根据“高成交、低波动”原则，利用大宗交易数据构建选股组合[30]。 **模型具体构建过程**：经过测算，选择“大宗交易成交金额比率”越高、“6日成交金额波动率”越低的股票，通过月频调仓方式构造组合[30]。具体公式未在本文中给出。 5. **模型名称**：定向增发组合 **模型构建思路**：以定向增发股东大会公告日为事件节点，进行事件驱动选股[36]。 **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来构造组合[36]。具体公式未在本文中给出。 量化因子 1. **因子名称**：动量弹簧因子 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 2. **因子名称**：5日反转 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 3. **因子名称**：早盘后收益因子 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 4. **因子名称**：早盘收益因子 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 5. **因子名称**：单季度营业利润同比增长率 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 6. **因子名称**：单季度ROA同比 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 7. **因子名称**：单季度净利润同比增长率 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 8. **因子名称**：单季度ROA **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 9. **因子名称**：ROA稳定性 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 10. **因子名称**：ROE稳定性 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 11. **因子名称**：毛利率TTM **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 12. **因子名称**：标准化预期外盈利 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 13. **因子名称**：单季度ROE同比 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 14. **因子名称**：净利润断层 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 15. **因子名称**：营业利润率TTM **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 16. **因子名称**：动量调整大单 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 17. **因子名称**：单季度总资产毛利率 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 18. **因子名称**：5日成交量的标准差 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 19. **因子名称**：净利润率TTM **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 20. **因子名称**：单季度营业收入同比增长率 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 21. **因子名称**：EPTTM分位点 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 22. **因子名称**：ROIC增强因子 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 23. **因子名称**：标准化预期外收入 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 24. **因子名称**：市净率因子 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 25. **因子名称**：动量调整小单 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 26. **因子名称**：下行波动率占比 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 27. **因子名称**：总资产毛利率TTM **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 28. **因子名称**：换手率相对波动率 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 29. **因子名称**：成交量的5日指数移动平均 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 30. **因子名称**：小单净流入 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 31. **因子名称**：大单净流入 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 32. **因子名称**：单季度ROE **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 33. **因子名称**：总资产增长率 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 34. **因子名称**：6日成交金额的标准差 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 35. **因子名称**：日内波动率与成交金额的相关性 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 36. **因子名称**：5分钟收益率偏度 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 37. **因子名称**：市销率TTM倒数 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 38. **因子名称**：对数市值因子 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 39. **因子名称**：经营现金流比率 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 40. **因子名称**：市盈率因子 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 41. **因子名称**：5日平均换手率 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 42. **因子名称**：6日成交金额的移动平均值 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 43. **因子名称**：单季度EPS **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 44. **因子名称**：市盈率TTM倒数 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 45. **因子名称**：净资产增长率 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 46. **因子名称**：净利润增长率 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 47. **因子名称**：5日动量 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 48. **因子名称**：1月动量 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 49. **因子名称**：每股净资产 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 50. **因子名称**：每股经营利润TTM **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 51. **因子名称**：EP因子 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 52. **因子名称**：BP因子 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 53. **因子名称**：成长因子 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 54. **因子名称**：残差波动率因子 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 55. **因子名称**：流动性因子 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 56. **因子名称**：动量因子 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 57. **因子名称**：杠杆因子 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 58. **因子名称**：市值因子 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 59. **因子名称**：盈利因子 **因子构建思路**：未明确说明。 **因子具体构建过程**：报告未提供具体构建公式和过程。 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）-0.11%[25]，本周超越基准收益率（中证800）0.12%[25]，本周超越基准收益率（全市场）0.03%[25]，今年以来超额收益率（中证500）1.04%[25]，今年以来超额收益率（中证800）4.69%[25]，今年以来超额收益率（全市场）2.60%[25]，本周绝对收益率（中证500）-0.40%[25]，本周绝对收益率（中证800）-0.97%[25]，本周绝对收益率（全市场）-0.70%[25]，今年以来绝对收益率（中证500）4.72%[25]，今年以来绝对收益率（中证800）3.63%[25]，今年以来绝对收益率（全市场）2.65%[25] 2. **机构调研组合（公募调研选股）**，本周超越基准收益率0.73%[27]，今年以来超额收益率-1.13%[27]，本周绝对收益率-0.37%[27]，今年以来绝对收益率-2.14%[27] 3. **机构调研组合（私募调研跟踪）**，本周超越基准收益率0.20%[27]，今年以来超额收益率5.01%[27]，本周绝对收益率-0.90%[27]，今年以来绝对收益率3.94%[27] 4. **大宗交易组合**，本周超越基准收益率-0.10%[31]，今年以来超额收益率8.23%[31]，本周绝对收益率-0.83%[31]，今年以来绝对收益率8.29%[31] 5. **定向增发组合**，本周超越基准收益率1.86%[37]，今年以来超额收益率5.89%[37]，本周绝对收益率1.11%[37]，今年以来绝对收益率5.94%[37] 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**，沪深300股票池收益1.20%[13]，中证500股票池收益2.73%[15]，流动性1500股票池收益1.17%[17] 2. **5日反转**，沪深300股票池收益1.18%[13]，中证500股票池收益1.14%[15]，流动性1500股票池收益1.02%[17] 3. **早盘后收益因子**，沪深300股票池收益1.01%[13]，中证500股票池收益1.95%[15]，流动性1500股票池收益1.41%[17] 4. **早盘收益因子**，沪深300股票池收益-0.96%[13]，中证500股票池收益-0.22%[15]，流动性1500股票池收益-0.03%[17] 5. **单季度营业利润同比增长率**，沪深300股票池收益0.86%[13]，中证500股票池收益1.25%[15]，流动性1500股票池收益1.37%[17] 6. **单季度ROA同比**，沪深300股票池收益0.37%[13]，中证500股票池收益0.44%[15]，流动性1500股票池收益1.19%[17] 7. **单季度净利润同比增长率**，沪深300股票池收益1.00%[13]，中证500股票池收益0.05%[15]，流动性1500股票池收益0.92%[17] 8. **单季度ROA**，沪深300股票池收益0.91%[13]，中证500股票池收益0.30%[15]，流动性1500股票池收益0.03%[17] 9. **ROA稳定性**，沪深300股票池收益0.87%[13]，中证500股票池收益0.47%[15]，流动性1500股票池收益-0.06%[17] 10. **ROE稳定性**，沪深300股票池收益0.82%[13]，中证500股票池收益-0.02%[15]，流动性1500股票池收益-0.49%[17] 11. **毛利率TTM**，沪深300股票池收益0.59%[13]，中证500股票池收益0.40%[15]，流动性1500股票池收益0.36%[17] 12. **标准化预期外盈利**，沪深300股票池收益0.51%[13]，中证500股票池收益0.02%[15]，流动性1500股票池收益0.08%[17] 13. **单季度ROE同比**，沪深300股票池收益0.36%[13]，中证500股票池收益0.54%[15]，流动性1500股票池收益0.53%[17] 14. **净利润断层**，沪深300股票池收益0.31%[13]，中证500股票池收益-0.38%[15]，流动性1500股票池收益-0.31%[17] 15. **营业利润率TTM**，沪深300股票池收益0.27%[13]，中证500股票池收益0.49%[15]，流动性1500股票池收益0.55%[17] 16. **动量调整大单**，沪深300股票池收益0.27%[13]，中证500股票池收益-1.02%[15]，流动性1500股票池收益0.01%[17] 17. **单季度总资产毛利率**，沪深300股票池收益0.14%[13]，中证500股票池收益-0.45%[15]，流动性1500股票池收益-0.54%[17] 18. **5日成交量的标准差**，沪深300股票池收益0.09%[13]，中证500股票池收益-0.69

量化模型与构建方式 1. **模型名称：Fama五因子模型**[4][35] * **模型构建思路**：该模型用于对基金（东吴阿尔法A）的收益进行归因分析，旨在分解其超额收益的来源，区分是来自市场系统性风险（风格暴露）还是基金经理的个股选择能力（特质Alpha）[4][37]。 * **模型具体构建过程**：模型通过多元线性回归，将基金的收益率分解为五个系统性风险因子和一个特质收益（Alpha）。具体回归方程如下： $$R_{p,t} - R_{f,t} = \alpha_p + \beta_{MKT,p}MKT_t + \beta_{SMB,p}SMB_t + \beta_{HML,p}HML_t + \beta_{RMW,p}RMW_t + \beta_{CMA,p}CMA_t + \epsilon_{p,t}$$ 其中： * $R_{p,t} - R_{f,t}$ 表示基金在t期的超额收益率（基金收益率减去无风险利率）。 * $\alpha_p$ 是模型的截距项，代表基金的特质性Alpha，即不能被五个因子解释的超额收益，用于衡量基金经理的选股能力。 * $\beta_{MKT,p}$、$\beta_{SMB,p}$、$\beta_{HML,p}$、$\beta_{RMW,p}$、$\beta_{CMA,p}$ 分别代表基金对五个因子的暴露系数（敏感度）。 * $MKT_t$ 是市场风险因子，代表市场组合的超额收益。 * $SMB_t$ 是规模因子，代表小市值股票组合与大市值股票组合的收益率之差。 * $HML_t$ 是价值因子，代表高账面市值比（价值股）组合与低账面市值比（成长股）组合的收益率之差。 * $RMW_t$ 是盈利因子，代表高盈利组合与低盈利组合的收益率之差。 * $CMA_t$ 是投资因子，代表保守投资（低资产增长）组合与激进投资（高资产增长）组合的收益率之差。 * $\epsilon_{p,t}$ 是残差项。 * **模型评价**：分析结果显示，该基金的超额收益主要来源于个股特异性Alpha，而非对系统性风格因子的暴露，表明基金经理具备较强的个股选择能力[37]。 模型的回测效果 1. **Fama五因子模型**，市场因子（MKT）在各时间窗口（近三月、近六月、近一年、近三年）的暴露均显著为正[35]。 2. **Fama五因子模型**，价值因子（HML）长期表现疲弱，负向敏感度最为突出[35]。 3. **Fama五因子模型**，规模因子（SMB）和投资因子（CMA）长期表现疲弱[35]。 4. **Fama五因子模型**，从收益分解看，市场因子和特质收益（Alpha）为基金带来了明显的正向收益[37]。 5. **Fama五因子模型**，从风险分解看，市场因子是主要风险来源；价值因子在各周期均呈现显著正向风险贡献；特质风险（非系统性）变化不大[39]。 量化因子与构建方式 1. **因子名称：市场因子（MKT）**[35][37] * **因子构建思路**：衡量股票投资所承担的整体市场系统性风险带来的收益补偿。 * **因子具体构建过程**：通常为市场组合（如全A股指数）的收益率减去无风险利率（如国债收益率），即 $MKT = R_m - R_f$。 2. **因子名称：规模因子（SMB）**[35] * **因子构建思路**：衡量小市值公司相对于大市值公司可能存在的超额收益（规模溢价）。 * **因子具体构建过程**：根据市值中位数将股票分为大市值组（B）和小市值组（S）。同时，根据其他维度（如账面市值比）进行二次分组。SMB因子收益率等于小市值组股票组合的平均收益率减去大市值组股票组合的平均收益率。 3. **因子名称：价值因子（HML）**[35][39] * **因子构建思路**：衡量价值股（高账面市值比）相对于成长股（低账面市值比）可能存在的超额收益。 * **因子具体构建过程**：根据账面市值比（B/M）将股票分为高（H）、中、低（L）三组。HML因子收益率等于高B/M组（价值股）股票组合的平均收益率减去低B/M组（成长股）股票组合的平均收益率。 4. **因子名称：盈利因子（RMW）**[35] * **因子构建思路**：衡量高盈利能力的公司相对于低盈利能力的公司可能存在的超额收益。 * **因子具体构建过程**：根据盈利能力指标（如营业利润率）将股票分为高盈利（R）、中、弱盈利（W）三组。RMW因子收益率等于高盈利组股票组合的平均收益率减去弱盈利组股票组合的平均收益率。 5. **因子名称：投资因子（CMA）**[35] * **因子构建思路**：衡量投资保守（低资产增长）的公司相对于投资激进（高资产增长）的公司可能存在的超额收益。 * **因子具体构建过程**：根据资产增长率或投资支出比例将股票分为保守（C）、中、激进（A）三组。CMA因子收益率等于保守投资组股票组合的平均收益率减去激进投资组股票组合的平均收益率。 因子的回测效果 *（注：报告未提供针对上述五个因子的独立回测绩效指标（如IC、IR等），仅提供了基金对这些因子的暴露情况和因子对基金收益/风险的贡献分析。因此，本部分无具体指标取值。）*

量化模型与构建方式 1. **模型名称：优秀基金业绩增强组合**[3][12][46] * **模型构建思路**：将对标基准从宽基指数转变为主动股基，在借鉴优秀基金持仓的基础上，采用量化方法进行增强，以达到优中选优、稳定战胜主动股基中位数的目的[3][46]。 * **模型具体构建过程**： 1. **基金优选**：对基金进行优选，并对收益类因子进行分层中性化处理，以解决市场风格突变时的反转问题和持股风格集中化问题[46]。 2. **构建基准组合**：根据优选基金的补全持仓构建“优选基金持仓组合”，该组合能较好地跟踪主动股基中位数的走势[46]。 3. **组合优化增强**：以业绩分层视角下的优选基金持仓为选股空间和对标基准，采用组合优化的方法控制组合与优选基金持仓在个股偏离、行业偏离及风格上的偏离，构建最终的投资组合[47]。 2. **模型名称：超预期精选组合**[4][12][52] * **模型构建思路**：以业绩超预期事件为切入点，对超预期股票池进行基本面和技术面两个维度的双层优选，挑选出同时具备基本面支撑和技术面共振的股票构建组合[4][52]。 * **模型具体构建过程**： 1. **筛选股票池**：以“研报标题超预期”与“分析师全线上调净利润”为条件，筛选出超预期事件股票池[4][52]。 2. **双层优选**：对超预期股票池中的股票，同时进行基本面和技术面两个维度的筛选，精选出符合条件的股票[4][52]。 3. **模型名称：券商金股业绩增强组合**[5][12][57] * **模型构建思路**：以蕴含Alpha潜力且能反映公募基金前瞻性判断的券商金股股票池为基础，通过组合优化控制偏离，进行进一步精选，以获得稳定战胜基准的表现[5][57]。 * **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，构建增强组合[5]。 4. **模型名称：成长稳健组合**[6][12][62] * **模型构建思路**：采用“先时序、后截面”的二维评价体系，重点捕捉成长股在利好事件（如财报发布）前后超额收益释放最强烈的阶段，并进行多因子精选和风险控制，以高效获取成长股超额收益[6][62]。 * **模型具体构建过程**： 1. **筛选股票池**：以“研报标题超预期”及“业绩大增”为条件筛选成长股股票池[6][62]。 2. **时序分档**：根据股票距离正式财报预约披露日的间隔天数进行分档，优先选择距离财报预约披露日较近的股票[6][62]。 3. **截面精选**：当样本数量较多时，采用多因子打分精选优质个股[6][62]。 4. **组合构建与风控**：构建100只股票等权组合，并引入弱平衡机制、跃迁机制、缓冲机制和风险规避机制以降低换手、规避风险[62]。 模型的回测效果 （注：以下指标均基于“考虑仓位及交易费用”的组合净值计算，基准为偏股混合型基金指数(885001.WI)。全样本年化收益及超额收益数据来源于各组合对应的绩效统计表。） 1. **优秀基金业绩增强组合** * 全样本年化收益：21.40%[48][50] * 全样本年化超额收益：9.85%[48][50] * 2026年迄今收益：7.35%[1][13] * 2026年迄今超额收益：6.77%[1][13] * 2026年迄今在主动股基中排名分位点：13.33%[1][13] 2. **超预期精选组合** * 全样本年化收益：31.11%[53][56] * 全样本年化超额收益：23.98%[53][56] * 2026年迄今收益：7.60%[1][13] * 2026年迄今超额收益：7.02%[1][13] * 2026年迄今在主动股基中排名分位点：12.87%[1][13] 3. **券商金股业绩增强组合** * 全样本年化收益：21.71%[58][61] * 全样本年化超额收益：14.18%[58][61] * 2026年迄今收益：8.41%[1][13] * 2026年迄今超额收益：7.83%[1][13] * 2026年迄今在主动股基中排名分位点：10.86%[1][13] 4. **成长稳健组合** * 全样本年化收益：36.34%[63][66] * 全样本年化超额收益：26.33%[63][66] * 2026年迄今收益：13.41%[2][13] * 2026年迄今超额收益：12.83%[2][13] * 2026年迄今在主动股基中排名分位点：3.87%[2][13]

量化模型与构建方式 1. **模型名称：国信金工指数增强组合模型**[11][12] * **模型构建思路：** 以多因子选股为主体，分别构建对标不同宽基指数（沪深300、中证500、中证1000、中证A500）的增强组合，力求稳定战胜各自基准[11]。 * **模型具体构建过程：** 构建流程主要包括收益预测、风险控制和组合优化三部分[12]。具体步骤未在报告中详细展开。 2. **模型名称：单因子MFE组合模型**[15][40] * **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，采用组合优化的方式，构建最大化单因子暴露组合（Maximized Factor Exposure Portfolio, MFE组合），并通过其相对于基准的收益表现来判断因子有效性[40]。 * **模型具体构建过程：** 采用组合优化模型来构建MFE组合，目标函数为最大化单因子暴露，并施加多种实际约束[40][44]。具体优化模型如下： $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ 其中，$f$为因子取值向量，$w$为待求解的股票权重向量，$w_b$为基准指数成分股权重向量[40][41]。约束条件包括： * 风格暴露约束：$X$为风格因子暴露矩阵，$s_l$, $s_h$为风格因子相对暴露的上下限[41]。 * 行业偏离约束：$H$为行业暴露矩阵，$h_l$, $h_h$为行业偏离上下限[41]。 * 个股权重偏离约束：$w_l$, $w_h$为个股相对于基准权重的偏离上下限[41]。 * 成分股权重占比约束：$B_b$为成分股标识向量，$b_l$, $b_h$为成分股内权重的上下限[41]。 * 卖空限制与个股权重上限：$0 \leq w \leq l$[41]。 * 满仓约束：权重和为1，$\mathbf{1}^{T}\ w=1$[41]。 * **模型评价：** 该方法能更真实地反映在满足实际投资约束条件下因子的选股能力，检验后认为“有效”的因子更可能在最终组合中发挥真实的收益预测作用[40]。 3. **模型名称：公募重仓指数构建模型**[42][43] * **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，通过汇总公募基金持仓信息构建一个“公募重仓指数”，作为因子测试的样本空间[42]。 * **模型具体构建过程：** 1. **选样空间：** 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[43]。 2. **数据获取：** 通过基金定期报告获取持股信息。对于季报，需结合前期的半年报或年报信息构建完整持仓数据[43]。 3. **权重计算：** 将符合条件的所有基金持仓股票权重进行平均，得到公募基金平均持仓权重[43]。 4. **成分股筛选：** 将平均后的股票权重降序排序，选取累计权重达到90%的股票作为成分股，构建公募重仓指数[43]。 模型的回测效果 1. **国信金工指数增强组合模型**[14] * 沪深300指数增强组合：本周超额收益1.05%，本年超额收益6.86%[14]。 * 中证500指数增强组合：本周超额收益0.14%，本年超额收益3.75%[14]。 * 中证1000指数增强组合：本周超额收益0.91%，本年超额收益5.64%[14]。 * 中证A500指数增强组合：本周超额收益1.04%，本年超额收益4.74%[14]。 2. **公募基金指数增强产品（作为市场模型表现的参考）**[32][35][37][39] * **沪深300指数增强产品：** 最近一周超额收益中位数0.32%，最近一月0.03%，今年以来1.22%[32]。 * **中证500指数增强产品：** 最近一周超额收益中位数0.24%，最近一月0.58%，今年以来-0.01%[35]。 * **中证1000指数增强产品：** 最近一周超额收益中位数0.18%，最近一月0.35%，今年以来2.03%[37]。 * **中证A500指数增强产品：** 最近一周超额收益中位数0.30%，最近一月0.22%，今年以来1.04%[39]。 量化因子与构建方式 报告从估值、反转、成长、盈利、流动性、波动、公司治理、分析师等维度构造了30余个常见因子[16]。以下是部分因子的构建方式： 1. **因子名称：BP（市净率倒数）**[17] * **因子构建思路：** 估值类因子，衡量公司净资产与市值的相对关系。 * **因子具体构建过程：** $$BP = \frac{净资产}{总市值}$$ [17] 2. **因子名称：单季EP**[17] * **因子构建思路：** 估值类因子，使用单季度净利润计算盈利与市值的比率。 * **因子具体构建过程：** $$单季 EP = \frac{单季度归母净利润}{总市值}$$ [17] 3. **因子名称：EPTTM（滚动市盈率倒数）**[17] * **因子构建思路：** 估值类因子，使用过去十二个月（TTM）的净利润计算盈利与市值的比率。 * **因子具体构建过程：** $$EPTTM = \frac{归母净利润 TTM}{总市值}$$ [17] 4. **因子名称：一个月反转**[17] * **因子构建思路：** 反转类因子，捕捉短期价格反转效应。 * **因子具体构建过程：** $$一个月反转 = 过去20个交易日涨跌幅$$ [17] 5. **因子名称：一年动量**[17] * **因子构建思路：** 动量类因子，捕捉中长期价格动量效应（通常排除近期一个月以避免与短期反转冲突）。 * **因子具体构建过程：** $$一年动量 = 近一年除近一月后动量$$ [17] 6. **因子名称：单季净利同比增速**[17] * **因子构建思路：** 成长类因子，衡量公司单季度净利润的同比增长情况。 * **因子具体构建过程：** $$单季净利同比增速 = 单季度净利润同比增长率$$ [17] 7. **因子名称：SUE（标准化预期外盈利）**[17] * **因子构建思路：** 成长/分析师类因子，衡量实际盈利超出分析师一致预期的程度，并经过预期标准差标准化。 * **因子具体构建过程：** $$SUE = \frac{单季度实际净利润 - 预期净利润}{预期净利润的标准差}$$ [17] 8. **因子名称：单季ROE**[17] * **因子构建思路：** 盈利类因子，衡量公司单季度的净资产收益率。 * **因子具体构建过程：** $$单季 ROE = \frac{单季度归母净利润 \times 2}{期初归母净资产 + 期末归母净资产}$$ [17] 9. **因子名称：一个月换手**[17] * **因子构建思路：** 流动性类因子，衡量股票近期的交易活跃程度。 * **因子具体构建过程：** $$一个月换手 = 过去20个交易日换手率均值$$ [17] 10. **因子名称：特异度**[17] * **因子构建思路：** 波动/残差波动类因子，衡量股价中不能被常见风险因子（Fama-French三因子）解释的部分，即 idiosyncratic risk。 * **因子具体构建过程：** $$特异度 = 1 - 过去20个交易日 Fama-French 三因子回归的拟合度 (R^2)$$ [17] 11. **因子名称：预期EPTTM**[17] * **因子构建思路：** 分析师预期类因子，基于分析师一致预期的滚动盈利计算估值。 * **因子具体构建过程：** $$预期 EPTTM = 一致预期滚动 EP$$ [17] 12. **因子名称：三个月盈利上下调**[17] * **因子构建思路：** 分析师行为类因子，反映近期分析师对公司盈利预测的调整方向。 * **因子具体构建过程：** $$三个月盈利上下调 = \frac{过去3个月内分析师（上调家数 - 下调家数）}{总家数}$$ [17] （注：报告中共列出30余个因子，以上为部分示例，其余因子构建思路类似，具体计算方式参见表1[17]。） 因子的回测效果 （以下为各因子在**最近一周**、**最近一月**、**今年以来**和**历史年化**四个相同时间窗口下的MFE组合超额收益表现，数据来源于各样本空间下的因子表现图[19][21][23][25][27]。） 1. **一个月波动因子** * 在沪深300样本空间中：最近一周0.57%，最近一月1.06%，今年以来2.11%，历史年化1.03%[19]。 2. **EPTTM一年分位点因子** * 在沪深300样本空间中：最近一周0.52%，最近一月1.97%，今年以来1.37%，历史年化2.45%[19]。 3. **单季净利同比增速因子** * 在沪深300样本空间中：最近一周0.51%，最近一月0.21%，今年以来2.05%，历史年化3.99%[19]。 * 在中证500样本空间中：最近一周0.62%，最近一月3.64%，今年以来6.36%，历史年化7.49%[21]。 * 在公募重仓指数样本空间中：最近一周0.76%，最近一月2.08%，今年以来3.64%，历史年化2.27%[27]。 4. **三个月反转因子** * 在沪深300样本空间中：最近一周0.40%，最近一月1.64%，今年以来0.47%，历史年化0.21%[19]。 5. **单季超预期幅度因子** * 在沪深300样本空间中：最近一周0.29%，最近一月-0.05%，今年以来0.33%，历史年化3.84%[19]。 * 在中证A500样本空间中：最近一周0.70%，最近一月0.64%，今年以来1.83%，历史年化4.72%[25]。 6. **单季营收同比增速因子** * 在沪深300样本空间中：最近一周0.27%，最近一月1.04%，今年以来1.75%，历史年化4.64%[19]。 * 在中证500样本空间中：最近一周0.96%，最近一月4.27%，今年以来5.15%，历史年化3.90%[21]。 7. **3个月盈利上下调因子** * 在沪深300样本空间中：最近一周0.24%，最近一月-0.37%，今年以来0.19%，历史年化5.19%[19]。 8. **标准化预期外盈利(SUE)因子** * 在沪深300样本空间中：最近一周0.22%，最近一月0.40%，今年以来0.91%，历史年化4.10%[19]。 9. **预期净利润环比因子** * 在沪深300样本空间中：最近一周-0.20%，最近一月-1.57%，今年以来-2.94%，历史年化1.47%[19]。 * 在中证500样本空间中：最近一周0.90%，最近一月2.41%，今年以来1.60%，历史年化3.40%[21]。 10. **一年动量因子** * 在沪深300样本空间中：最近一周-0.07%，最近一月-0.44%，今年以来0.23%，历史年化3.09%[19]。 * 在公募重仓指数样本空间中：最近一周1.09%，最近一月-0.15%，今年以来2.05%，历史年化2.44%[27]。 11. **单季ROA因子** * 在沪深300样本空间中：最近一周-0.03%，最近一月1.01%，今年以来2.22%，历史年化4.21%[19]。 * 在中证1000样本空间中：最近一周0.65%，最近一月1.44%，今年以来0.37%，历史年化6.48%[23]。 12. **预期EPTTM因子** * 在沪深300样本空间中：最近一周-0.37%，最近一月2.54%，今年以来2.11%，历史年化3.81%[19]。 13. **BP因子** * 在沪深300样本空间中：最近一周-0.27%，最近一月-0.37%，今年以来-0.75%，历史年化2.54%[19]。 14. **特异度因子** * 在沪深300样本空间中：最近一周-0.28%，最近一月0.12%，今年以来0.43%，历史年化0.11%[19]。 15. **三个月换手因子** * 在沪深300样本空间中：最近一周-0.32%，最近一月1.22%，今年以来0.30%，历史年化2.22%[19]。 （注：以上仅为部分因子在部分样本空间下的表现示例，报告中对每个因子在五个样本空间（沪深300、中证500、中证1000、中证A500、公募重仓）下均有四个时间维度的表现数据[19][21][23][25][27]。）

量化模型与构建方式 1. **模型名称：港股精选组合模型**[13][15] * **模型构建思路**：基于分析师推荐事件构建股票池，然后从基本面和技术面两个维度对股票池中的股票进行精选，构建投资组合[13][15]。 * **模型具体构建过程**： 1. **构建分析师推荐股票池**：以三种分析师推荐事件作为信号源构建初始股票池，包括：分析师上调盈利预测、分析师首次关注、分析师研报标题出现“超预期”[15]。 2. **基本面和技术面精选**：对上述股票池中的股票，从基本面和技术面两个维度进行筛选，挑选出同时具备基本面支撑和技术面共振的股票[15]。 * **模型评价**：该模型旨在捕捉分析师推荐与市场技术走势共振带来的超额收益机会[15]。 2. **模型名称：平稳创新高股票筛选模型**[20][22][23] * **模型构建思路**：从近期创出股价新高的股票中，通过多维度条件（如分析师关注度、股价强度、价格路径平稳性等）筛选出趋势更为稳健、持续性更强的“平稳创新高”股票[2][20][22]。 * **模型具体构建过程**： 1. **初始股票池**：全部港股，剔除成立时间不超过15个月的股票[23]。 2. **创新高筛选**：选取过去20个交易日内曾创出250日新高的股票[2][22]。 3. **多维度条件筛选**：在步骤2的股票池中，依次应用以下筛选条件[22][23]： * **分析师关注度**：过去6个月内，获得“买入”或“增持”评级的分析师研报不少于5份[23]。 * **股价相对强弱**：过去250日涨跌幅位于全部港股样本池的前20%[23]。 * **股价平稳性**：在满足上述条件的股票中，使用以下两个指标综合打分，选取排名前50%的股票（最少取50只）[23]： * **价格路径平滑性（位移路程比）**：$$价格路径平滑性 = \frac{过去120日涨跌幅绝对值}{过去120日日涨跌幅绝对值加总}$$[22] * **创新高持续性**：过去120日的“250日新高距离”在时间序列上的均值[23]。 * **趋势延续性**：对经过上述筛选的股票，计算其过去5日的“250日新高距离”在时间序列上的均值，并选取排序靠前的50只股票作为最终输出[23]。 * **核心指标计算**：模型中使用“250日新高距离”来衡量股价创新高情况，计算公式为：$$250日新高距离 = 1 - \frac{Close_t}{ts\_max(Close, 250)}$$ 其中，$Close_t$为最新收盘价，$ts\_max(Close, 250)$为过去250个交易日收盘价的最大值。该值越接近0，表示股价越接近历史高点[22]。 模型的回测效果 1. **港股精选组合模型**[15][18][19] * **回测区间**：2010年1月1日至2025年12月31日[15] * **绝对收益（年化）**：19.08%[15] * **超额收益（年化，相对恒生指数）**：18.06%[15] * **信息比率（IR）**：1.19[19] * **跟踪误差**：14.60%[19] * **最大回撤**：23.73%[19] * **收益回撤比**：0.76[19] 量化因子与构建方式 1. **因子名称：250日新高距离**[20][22] * **因子构建思路**：衡量当前股价相对于过去一段时间内最高价的回落幅度，用于识别股价是否创出新高以及创新高后的回调程度[20][22]。 * **因子具体构建过程**： * 计算过去250个交易日（约一年）收盘价的最大值：$MaxClose_{250} = ts\_max(Close, 250)$[22]。 * 使用最新收盘价$Close_t$与上述最大值进行比较，计算公式为：$$250日新高距离 = 1 - \frac{Close_t}{MaxClose_{250}}$$[22] * **因子解释**：若最新收盘价创出新高，则因子值为0；若股价从高点回落，则因子值为正，数值越大表示回落幅度越大[22]。 2. **因子名称：价格路径平滑性（位移路程比）**[22][23] * **因子构建思路**：通过比较一段时间内的累计涨跌幅（位移）与每日涨跌幅绝对值之和（路程），来衡量股价上涨或下跌过程的流畅度与波动性。比值越高，表明路径越平滑，趋势性越强[22][23]。 * **因子具体构建过程**： * 计算过去120个交易日的累计涨跌幅绝对值：$|R_{120}|$[22]。 * 计算过去120个交易日每日涨跌幅的绝对值之和：$\sum_{i=1}^{120} |r_i|$[22]。 * 计算公式为：$$价格路径平滑性 = \frac{|R_{120}|}{\sum_{i=1}^{120} |r_i|}$$[22] * **因子解释**：该因子值介于0和1之间。值越接近1，说明股价在120日内几乎呈单边上涨或下跌，路径平滑，波动小；值越小，说明期间股价反复震荡，路径曲折[22]。 因子的回测效果 （报告中未提供单个因子的独立测试结果，如IC、IR、多空收益等，因此此部分无相关内容）

量化模型与构建方式 1. **模型名称：进取组合**；模型构建思路：基于多因子模型构建的积极型投资组合[7]；模型具体构建过程：报告未详细说明具体因子构成和加权方式，仅表明其为多因子模型下的“进取”风格组合[10][11] 2. **模型名称：平衡组合**；模型构建思路：基于多因子模型构建的平衡型投资组合[7]；模型具体构建过程：报告未详细说明具体因子构成和加权方式，仅表明其为多因子模型下的“平衡”风格组合[10][11] 3. **模型名称：沪深300指数增强组合**；模型构建思路：在沪深300指数成分股内，通过量化模型优选股票，旨在获取超越基准的超额收益[5][9]；模型具体构建过程：报告未详细说明具体的增强模型（如多因子模型、优化器约束等）[13][15] 4. **模型名称：中证500指数增强组合**；模型构建思路：在中证500指数成分股内，通过量化模型优选股票，旨在获取超越基准的超额收益[5][9]；模型具体构建过程：报告未详细说明具体的增强模型[13][15] 5. **模型名称：中证1000指数增强组合**；模型构建思路：在中证1000指数成分股内，通过量化模型优选股票，旨在获取超越基准的超额收益[5][9]；模型具体构建过程：报告未详细说明具体的增强模型[13][15] 6. **模型名称：绩优基金的独门重仓股组合**；模型构建思路：选取绩优基金持有的非主流重仓股（独门重仓股）构建组合，旨在获取基金经理的Alpha[5][9]；模型具体构建过程：报告未详细说明绩优基金的筛选标准、独门重仓股的定义及组合构建方法[28] 7. **模型名称：盈利、增长、现金流三者兼优组合**；模型构建思路：筛选在盈利能力、增长能力和现金流质量三个维度均表现优异的股票构建组合[7][30]；模型具体构建过程：报告未详细说明具体筛选指标（如ROE、营收增长率、经营性现金流等）及阈值[30] 8. **模型名称：PB-盈利优选组合**；模型构建思路：结合低市净率（PB）与高盈利能力的股票筛选逻辑，构建有基本面支撑的低估值组合[5][33]；模型具体构建过程：报告未详细说明PB与盈利指标（如ROE、净利润率）的具体结合方式（如排序打分、复合因子等）[33][36] 9. **模型名称：GARP组合**；模型构建思路：采用GARP（Growth at a Reasonable Price）策略，寻找价格合理的成长股[9][38]；模型具体构建过程：报告未详细说明具体的成长指标（如PEG）和估值指标的构建方法[38] 10. **模型名称：小盘价值优选组合1**；模型构建思路：在小市值股票中，优选具备价值特征的股票构建组合[7][39]；模型具体构建过程：报告未详细说明小盘和价值的具体定义及筛选方法[39] 11. **模型名称：小盘价值优选组合2**；模型构建思路：在小市值股票中，采用另一套价值优选逻辑构建组合[9][42]；模型具体构建过程：报告未详细说明与“组合1”差异化的具体构建方法[42] 12. **模型名称：小盘成长组合**；模型构建思路：在小市值股票中，优选具备高成长特征的股票构建组合[7][43]；模型具体构建过程：报告未详细说明小盘和成长的具体定义及筛选方法[43] 量化因子与构建方式 1. **因子名称：市值因子**；因子构建思路：基于股票的总市值或流通市值构建，通常认为小市值股票存在溢价[47]；因子具体构建过程：报告未给出具体计算公式，通常使用股票总市值的自然对数或分位数排名。多头组合为市值最小的10%股票，空头组合为市值最大的10%股票[47] 2. **因子名称：PB因子**；因子构建思路：基于市净率构建，衡量股票的估值水平[47]；因子具体构建过程：报告未给出具体计算公式，通常使用股价除以每股净资产。多头组合为PB最高的10%股票（高估值），空头组合为PB最低的10%股票（低估值）[47] 3. **因子名称：PE_TTM因子**；因子构建思路：基于滚动市盈率构建，衡量股票的估值水平[47]；因子具体构建过程：报告未给出具体计算公式，通常使用股价除以最近四个季度的每股收益之和。多头组合为PE_TTM最高的10%股票（高估值），空头组合为PE_TTM最低的10%股票（低估值）[47] 4. **因子名称：反转因子**；因子构建思路：基于股票过去一段时间的收益率构建，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[51]；因子具体构建过程：报告未给出具体计算公式和回溯期。多头组合为过去一段时间收益率最低的10%股票，空头组合为收益率最高的10%股票[51] 5. **因子名称：换手率因子**；因子构建思路：基于股票的换手率构建，通常认为低换手率股票未来表现更优[51]；因子具体构建过程：报告未给出具体计算公式和计算窗口。多头组合为换手率最低的10%股票，空头组合为换手率最高的10%股票[51] 6. **因子名称：波动率因子**；因子构建思路：基于股票价格的波动率构建，通常认为低波动率股票风险调整后收益更优[51]；因子具体构建过程：报告未给出具体计算公式（如历史收益标准差）和计算窗口。多头组合为波动率最低的10%股票，空头组合为波动率最高的10%股票[51] 7. **因子名称：ROE因子**；因子构建思路：基于净资产收益率构建，衡量公司的盈利能力[56]；因子具体构建过程：报告未给出具体计算公式（如净利润/净资产）。多头组合为ROE最高的10%股票，空头组合为ROE最低的10%股票[56] 8. **因子名称：SUE因子**；因子构建思路：基于标准化未预期盈余构建，衡量公司盈利超出市场预期的程度[56]；因子具体构建过程：报告未给出具体计算公式。通常公式为 $$SUE = \frac{(EPS_{实际} - EPS_{预期})}{\sigma(EPS_{预期})}$$，其中EPS_实际为报告期每股收益，EPS_预期为市场一致预期，σ为预期标准差。多头组合为SUE最高的10%股票，空头组合为SUE最低的10%股票[56] 9. **因子名称：预期净利润调整因子**；因子构建思路：基于分析师对净利润预测的调整幅度构建，反映基本面预期的变化[56]；因子具体构建过程：报告未给出具体计算公式。通常计算近期分析师净利润预测上调幅度。多头组合为预期净利润上调幅度最大的10%股票，空头组合为下调幅度最大的10%股票[56] 模型的回测效果 （数据期间：2026年3月20日至2026年3月27日（周）、2026年2月27日至2026年3月27日（月）、2025年12月31日至2026年3月27日（年））[9] 1. **进取组合**，周绝对收益率2.27%，周超额收益（vs 中证500）2.56%，月绝对收益率-7.95%，月超额收益2.68%，年绝对收益率11.96%，年超额收益8.32%，年跟踪误差23.54%，年最大相对回撤6.14%[9] 2. **平衡组合**，周绝对收益率1.12%，周超额收益（vs 中证500）1.41%，月绝对收益率-7.46%，月超额收益3.18%，年绝对收益率9.87%，年超额收益6.22%，年跟踪误差19.41%，年最大相对回撤4.99%[9] 3. **沪深300增强组合**，周绝对收益率-0.66%，周超额收益（vs 沪深300）0.75%，月绝对收益率-6.60%，月超额收益-2.18%，年绝对收益率2.53%，年超额收益5.28%，年跟踪误差7.52%，年最大相对回撤4.04%[9] 4. **中证500增强组合**，周绝对收益率-0.47%，周超额收益（vs 中证500）-0.18%，月绝对收益率-9.74%，月超额收益0.90%，年绝对收益率3.06%，年超额收益-0.58%，年跟踪误差7.40%，年最大相对回撤3.17%[9] 5. **中证1000增强组合**，周绝对收益率-0.25%，周超额收益（vs 中证1000）0.23%，月绝对收益率-8.94%，月超额收益0.58%，年绝对收益率4.77%，年超额收益2.78%，年跟踪误差7.92%，年最大相对回撤2.32%[9] 6. **绩优基金的独门重仓股组合**，周绝对收益率0.78%，周超额收益（vs 股票型基金总指数）2.49%，月绝对收益率-12.53%，月超额收益-5.42%，年绝对收益率2.70%，年超额收益3.51%，年跟踪误差24.34%，年最大相对回撤8.70%[9] 7. **盈利、增长、现金流三者兼优组合**，周绝对收益率0.60%，周超额收益（vs 沪深300）2.01%，月绝对收益率-11.28%，月超额收益-6.86%，年绝对收益率-14.32%，年超额收益-11.57%，年跟踪误差15.71%，年最大相对回撤16.70%[9] 8. **PB-盈利优选组合**，周绝对收益率-0.09%，周超额收益（vs 沪深300）1.33%，月绝对收益率-4.47%，月超额收益-0.05%，年绝对收益率3.03%，年超额收益5.79%，年跟踪误差13.89%，年最大相对回撤3.40%[9] 9. **GARP组合**，周绝对收益率-1.26%，周超额收益（vs 沪深300）0.15%，月绝对收益率-8.22%，月超额收益-3.80%，年绝对收益率4.68%，年超额收益7.43%，年跟踪误差12.44%，年最大相对回撤5.81%[9] 10. **小盘价值优选组合1**，周绝对收益率1.96%，周超额收益（vs 微盘股指数）0.31%，月绝对收益率-6.16%，月超额收益1.29%，年绝对收益率5.45%，年超额收益-3.77%，年跟踪误差12.64%，年最大相对回撤9.26%[9] 11. **小盘价值优选组合2**，周绝对收益率0.64%，周超额收益（vs 微盘股指数）-1.01%，月绝对收益率-8.19%，月超额收益-0.74%，年绝对收益率8.89%，年超额收益-0.33%，年跟踪误差12.35%，年最大相对回撤5.84%[9] 12. **小盘成长组合**，周绝对收益率-0.35%，周超额收益（vs 微盘股指数）-2.00%，月绝对收益率-9.27%，月超额收益-1.82%，年绝对收益率3.49%，年超额收益-5.73%，年跟踪误差11.01%，年最大相对回撤7.41%[9] 因子的回测效果 （数据期间：2026年3月20日至2026年3月27日（周）、2026年2月27日至2026年3月27日（月）、2025年12月31日至2026年3月27日（年））[47][51][56] 1. **市值因子**，上周全市场多空收益2.51%[47]，上月全市场/沪深300/中证500/中证1000多空收益分别为-0.06%/-7.70%/8.42%/1.46%[47]，今年以来全市场/沪深300/中证500/中证1000多空收益分别为6.09%/0.27%/-1.71%/-4.59%[48] 2. **PB因子**，上周全市场多空收益-0.62%[47]，上月全市场/沪深300/中证500/中证1000多空收益分别为5.30%/9.64%/5.72%/4.62%[47]，今年以来全市场/沪深300/中证500/中证1000多空收益分别为3.74%/0.98%/2.01%/1.33%[48] 3. **PE_TTM因子**，上周全市场多空收益-0.32%[47]，上月全市场/沪深300/中证500/中证1000多空收益分别为2.83%/15.06%/8.90%/2.69%[47]，今年以来全市场/沪深300/中证500/中证1000多空收益分别为2.40%/6.95%/1.27%/-1.32%[48] 4. **反转因子**，上周全市场多空收益-0.51%[51]，上月全市场/沪深300/中证500/中证1000多空收益分别为-1.09%/-0.21%/2.07%/-2.74%[54]，今年以来全市场/沪深300/中证500/中证1000多空收益分别为-6.55%/-11.35%/-6.76%/-4.15%[54] 5. **换手率因子**，上周全市场多空收益0.27%[51]，上月全市场/沪深300/中证500/中证1000多空收益分别为5.79%/7.43%/14.33%/6.74%[54]，今年以来全市场/沪深300/中证500/中证1000多空收益分别为6.09%/-2.47%/0.14%/5.31%[54] 6. **波动率因子**，上周全市场多空收益-1.57%[51]，上月全市场/沪深300/中证500/中证1000多空收益分别为4.08%/7.30%/8.51%/2.43%[54]，今年以来全市场/沪深300/中证500/中证1000多空收益分别为2.11%/-1.42%/-5.56%/-0.93%[54] 7. **ROE因子**，上周全市场多空收益-1.34%[56]，上月全市场/沪深300/中证500/中证1000多空收益分别为-0.54%/2.69%/3.22%/-2.10%[56]，今年以来全市场/沪深300/中证500/中证1000多空收益分别为1.55%/2.54%/3.35%/3.53%[57] 8. **SUE因子**，上周全市场多空收益0.46%[56]，上月全市场/沪深300/中证500/中证1000多空收益分别为0.15%/-4.02%/-0.81%/0.15%[56]，今年以来全市场/沪深300/中证500/中证1000多空收益分别为2.40%/0.06%/-2.24%/0.88%[57] 9. **预期净利润调整因子**，上周全市场多空收益0.50%[56]，上月全市场/沪深300/中证500/中证1000多空收益分别为2.28%/5.97%/1.95%/1.04%[56]，今年以来全市场/沪深300/中证500/中证1000多空收益分别为2.45%/8.00%/4.22%/-0.41%[57]