量化模型与构建方式 1. 模型名称：行业景气趋势配置模型 - **模型构建思路**：通过高景气、强趋势和低拥挤度的行业筛选，构建右侧行业配置模型，适用于市场趋势明确的环境[4][98] - **模型具体构建过程**： 1. 选取景气度高、趋势强、拥挤度低的行业 2. 景气度为核心指标，结合拥挤度提示风险 3. 历史回测基准为Wind全A指数，模型多头年化收益22.7%，超额年化收益16.3%，信息比率1.74，超额最大回撤-7.4%，月度胜率71%[98][99][102] - **模型评价**：该模型进攻性强，适合右侧市场环境，持有体验感较好[98] 2. 模型名称：行业困境反转配置模型 - **模型构建思路**：基于赔率-胜率框架，挖掘当前困境或过去困境有所反弹的行业，结合库存周期信息，筛选长期景气有望改善的行业[18][100] - **模型具体构建过程**： 1. 剔除库存和资本开支历史分位数>80%、毛利率和自由现金流占比历史分位数<20%的行业 2. 重点关注库存压力较小且具备补库条件的行业 3. 历史回测基准为行业等权，模型多头年化收益13.4%，超额年化收益16.5%，信息比率1.76，超额最大回撤-8.7%[18][100][102] - **模型评价**：该模型在景气和动量因子效果衰退时表现优异，适合捕捉补库周期中的困境反转机会[100] 3. 模型名称：行业景气度选股模型 - **模型构建思路**：结合行业配置模型和PB-ROE选股模型，筛选估值性价比高的股票，按流通市值和PB-ROE打分加权[14][110] - **模型具体构建过程**： 1. 根据行业配置模型确定行业权重 2. 在行业内选取估值性价比高的股票（前40%） 3. 历史回测基准为Wind全A指数，模型多头年化收益29.9%，超额年化收益22.9%，信息比率2.02，超额最大回撤-8.0%，月度胜率74%[14][110][112] - **模型评价**：该模型结合行业配置与个股筛选，策略表现优异，但近期超额回撤较大[110] --- 模型的回测效果 1. 行业景气趋势配置模型 - 年化收益：22.7% - 超额年化收益：16.3% - 信息比率：1.74 - 超额最大回撤：-7.4% - 月度胜率：71%[98][99][102] 2. 行业困境反转配置模型 - 年化收益：13.4% - 超额年化收益：16.5% - 信息比率：1.76 - 超额最大回撤：-8.7%[18][100][102] 3. 行业景气度选股模型 - 年化收益：29.9% - 超额年化收益：22.9% - 信息比率：2.02 - 超额最大回撤：-8.0% - 月度胜率：74%[14][110][112]

根据提供的内容，没有涉及量化主题的研报，因此无法提取相关量化模型或因子的信息

量化模型与构建方式 1. 模型名称：资金流共振策略 - **模型构建思路**：通过结合北向资金与大单资金流的共振效应，筛选出具有稳定超额收益的行业[27][29] - **模型具体构建过程**： 1. 定义行业融资融券资金因子：对融资净买入-融券净买入进行Barra市值因子中性化处理，取最近10日均值后的环比变化率[31] 2. 定义行业主动大单资金因子：对行业最近一年成交量时序中性化后的净流入排序，取最近10日均值[31] 3. 策略优化：在主动大单因子的头部打分中剔除融资融券因子的极端多头行业，同时剔除大金融板块，以提高策略稳定性[31] 4. 策略表现：2018年以来费后年化超额收益14.5%，信息比率1.4，相较北向-大单共振策略回撤更小[31] - **模型评价**：该策略通过多因子结合优化，具有较高的稳定性和超额收益能力[31] 2. 模型名称：基于研报覆盖度调整的指数增强模型 - **模型构建思路**：在不同研报覆盖度的域内分别选用适配因子进行增强，提升选股效果[45] - **模型具体构建过程**： 1. 将沪深300、中证500和中证1000宽基指数内的股票划分为研报覆盖度高和低的两种域[45] 2. 在不同域内分别选用适配因子进行增强，优化选股效果[45] 3. 组合表现：沪深300增强组合、中证500增强组合和中证1000增强组合分别实现超额收益0.16%、0.49%和1.16%[45] - **模型评价**：通过研报覆盖度的分域处理，模型能够更精准地捕捉不同市场环境下的超额收益机会[45] --- 模型的回测效果 1. 资金流共振策略 - **绝对收益**：-7.4%[31] - **超额收益**：-0.7%[31] - **年化超额收益率**：14.5%[31] - **信息比率（IR）**：1.4[31] 2. 基于研报覆盖度调整的指数增强模型 - **沪深300增强组合**： - 绝对收益：-3.90%[45] - 超额收益：0.16%[45] - 超额年化收益率：11.22%[45] - 超额Sharpe：1.99[45] - **中证500增强组合**： - 绝对收益：-4.71%[45] - 超额收益：0.49%[45] - 超额年化收益率：13.35%[45] - 超额Sharpe：2.79[45] - **中证1000增强组合**： - 绝对收益：-4.42%[45] - 超额收益：1.16%[45] - 超额年化收益率：11.93%[45] - 超额Sharpe：2.02[45] --- 量化因子与构建方式 1. 因子名称：波动率因子 - **因子构建思路**：通过衡量股票价格的波动性，捕捉市场中高波动性股票的超额收益[37][38] - **因子具体构建过程**： 1. 计算不同时间窗口的收益率标准差（如1周、1月、3月、6月、12月）[38] 2. 对因子进行市值和行业中性化处理[37] 3. 选取因子方向下前1/5组股票作为多头组合[37] - **因子评价**：波动率因子在不同时间窗口和宽基指数中均表现较好，尤其在小市值股票中超额收益更高[38][39] 2. 因子名称：盈利因子 - **因子构建思路**：通过衡量企业盈利能力，筛选出具有较高盈利能力的股票[37][38] - **因子具体构建过程**： 1. 计算市盈率倒数（如FY1、FTTM、FY2、FY3）[38] 2. 计算息税前利润（EBIT）与企业价值（EV）的比值[38] 3. 对因子进行市值和行业中性化处理[37] 4. 选取因子方向下前1/5组股票作为多头组合[37] - **因子评价**：盈利因子在不同时间窗口和宽基指数中均表现较好，尤其在小市值股票中超额收益更高[38][39] 3. 因子名称：行为因子 - **因子构建思路**：通过分析市场行为数据（如评级上调占比、换手率等），捕捉市场情绪变化[41] - **因子具体构建过程**： 1. 计算过去90天上调评级占比[40] 2. 计算近21交易日平均换手率的自然对数[38] 3. 对因子进行市值和行业中性化处理[37] 4. 选取因子方向下前1/5组股票作为多头组合[37] - **因子评价**：行为因子在金融、消费、科技等多个板块中表现较好，胜率较高[41][42] --- 因子的回测效果 1. 波动率因子 - **近一周多头超额**：return_std_3m为2.47%，return_std_6m为2.37%，return_std_12m为2.21%[38] - **近一个月多头超额**：return_std_3m为2.26%，return_std_6m为1.76%，return_std_12m为1.82%[38] - **近一年多头超额**：return_std_3m为5.37%，return_std_6m为1.12%，return_std_12m为-1.62%[38] 2. 盈利因子 - **近一周多头超额**：ep_fy1为2.26%，ep_fttm为2.11%，ebit_to_ev为2.00%[38] - **近一个月多头超额**：ep_fy1为2.76%，ep_fttm为2.27%，ebit_to_ev为1.17%[38] - **近一年多头超额**：ep_fy1为-0.48%，ep_fttm为-0.41%，ebit_to_ev为3.61%[38] 3. 行为因子 - **近一周多头超额**：rate_up_rate_90d为2.86%，rate_up_90d为2.55%，swap_1m为1.75%[40] - **近一个月多头超额**：rate_up_rate_90d为4.60%，rate_up_90d为2.39%，swap_1m为0.70%[40] - **近一年多头超额**：rate_up_rate_90d为5.94%，rate_up_90d为0.38%，swap_1m为3.53%[40]

- 模型名称：GDPNOW模型 - 模型构建思路：用于预测宏观经济指标，特别是GDP增速 - 模型具体构建过程：通过高频经济数据进行实时更新和预测，模型会根据最新的经济数据调整对GDP增速的预测值 - 模型评价：短期内宏观经济预测边际变化趋于平稳[15][17] - 因子名称：BARRA风格因子 - 因子的构建思路：用于分析市场中不同风格因子的表现 - 因子具体构建过程：通过计算不同风格因子的收益表现，如换手率、财务杠杆、盈利波动等 - 因子评价：本周权益市场震荡调整，风格偏好相较于上周出现明显变化，资金对价值和成长的偏好分化更加明显[27][28] - 因子名称：知情交易者活跃度 - 因子的构建思路：用于监测市场中知情交易者的活跃度 - 因子具体构建过程：通过计算知情交易者的交易行为和市场同步性来评估其活跃度 - 因子评价：本周知情交易者活跃度指标快速回落，当下知情交易者对后市持谨慎态度[17][19] - 因子名称：分析师行业景气预期 - 因子的构建思路：用于预测行业未来的景气程度 - 因子具体构建过程：计算申万一级行业对应的分析师一致预测滚动未来12个月ROE及净利润增速变化 - 因子评价：本周通信、有色金属、电力设备等行业的ROE FTTM环比增长靠前，商贸零售、机械设备等行业的一致预期净利润FTTM增速环比增长靠前[20][21] - 因子名称：基金仓位监测 - 因子的构建思路：用于监测公募基金的行业仓位变化 - 因子具体构建过程：通过估计公募主动偏股型基金的行业仓位变化，分析基金的增减持行为 - 因子评价：本周公募主动偏股型基金仓位整体不变，消费板块增持幅度较大，医药板块减持幅度较大[25][26] 模型的回测效果 - GDPNOW模型，2024年四季度GDP增速预测值为4.8%[15][17] 因子的回测效果 - BARRA风格因子，本周换手率-1.2%，财务杠杆0.0%，盈利波动0.2%，盈利质量0.0%，盈利能力0.0%，投资质量-0.3%，长期反转-0.1%，EP价值0.5%，BP价值-0.2%，成长-0.2%，动量0.3%，非线性市值-0.3%，市值-0.1%，波动率0.3%，股息率0.5%[27][28] - 知情交易者活跃度，本周快速回落[17][19] - 分析师行业景气预期，本周通信行业ROE环比增长0.39%，有色金属行业ROE环比增长0.21%，电力设备行业ROE环比增长0.19%，商贸零售行业净利润增速环比增长0.31%，机械设备行业净利润增速环比增长0.25%[20][21] - 基金仓位监测，本周消费板块增持幅度为0.30%，电子行业加仓0.33%，商贸零售行业加仓0.21%，银行行业加仓0.15%，医药板块减持幅度为0.19%，传媒行业减持0.19%，综合金融行业减持0.14%[25][26]

根据提供的文档内容，未发现关于量化模型或量化因子的具体构建方式、公式、测试结果等相关内容

- 本报告未涉及量化模型或量化因子的构建、测试及相关内容[1][3][7]

量化模型与构建方式 1. 模型名称：TWOBETA模型 - **模型构建思路**：通过双Beta因子模型，捕捉科技板块的超额收益机会，结合行业景气度和市场趋势进行推荐[2][3][9] - **模型具体构建过程**： - 该模型基于Beta因子分解，将市场Beta和行业Beta分别计算并结合，形成双Beta因子 - 通过对科技板块的历史表现和当前市场环境的分析，模型在12月继续推荐科技板块，具体包括消费电子和机器人领域[2][3][9] - **模型评价**：模型能够较好地结合市场趋势和行业景气度，提供针对性较强的行业配置建议[2][3][9] 2. 模型名称：行业配置模型 - **模型构建思路**：基于困境反转逻辑，结合行业估值和景气度，推荐具有反弹潜力的行业[2][3][9] - **模型具体构建过程**： - 通过对行业估值水平和景气度的分析，筛选出困境反转型板块 - 当前推荐消费、新能源等相关行业，同时结合市场趋势，建议关注消费电子和机器人领域[2][3][9] - **模型评价**：模型能够较好地捕捉困境反转型行业的投资机会，具有一定的前瞻性[2][3][9] 3. 模型名称：仓位管理模型 - **模型构建思路**：结合市场估值水平和趋势信号，动态调整仓位建议[3][10] - **模型具体构建过程**： - 以Wind全A指数为股票配置主体，结合估值指标（PE和PB）和趋势信号，动态调整仓位 - 当前建议仓位为80%，以应对市场震荡格局[3][10] - **模型评价**：模型能够根据市场环境的变化提供灵活的仓位建议，适合绝对收益产品的配置需求[3][10] --- 模型的回测效果 1. TWOBETA模型 - **推荐行业**：科技板块（消费电子、机器人）[2][3][9] 2. 行业配置模型 - **推荐行业**：消费、新能源等相关行业，消费电子、机器人[2][3][9] 3. 仓位管理模型 - **仓位建议**：80%[3][10] --- 量化因子与构建方式 1. 因子名称：均线距离因子 - **因子的构建思路**：通过短期均线和长期均线的距离，判断市场趋势和震荡格局[2][9][14] - **因子具体构建过程**： - 定义短期均线为20日均线，长期均线为120日均线 - 计算均线距离公式： $ 距离 = \frac{\text{短期均线值} - \text{长期均线值}}{\text{长期均线值}} $ - 当前20日均线为5141，120日均线为4612.7，均线距离为11.45%，绝对距离大于3%[2][9][14] - **因子评价**：因子能够较好地反映市场的趋势状态，但在震荡市中信号可能不够明确[2][9][14] --- 因子的回测效果 1. 均线距离因子 - **当前均线距离**：11.45%[2][9][14] - **绝对距离**：大于3%[2][9][14]

量化模型与构建方式 1. 模型名称：戴维斯双击策略 - **模型构建思路**：以较低的市盈率（PE）买入具有成长潜力的股票，待成长性显现、市盈率相应提高后卖出，获得EPS和PE的“双击”收益[1][7] - **模型具体构建过程**：通过PEG指标评估股票定价的合理性，筛选盈利增速加速增长的标的，理论上这些标的的PE向下空间能得到有效控制[7] - **模型评价**：该策略在回测期内表现出较高的稳定性，每个年度的超额收益均超过11%，具有良好的收益回撤比[10] 2. 模型名称：净利润断层策略 - **模型构建思路**：结合基本面与技术面，通过“净利润惊喜”和“盈余公告后跳空”两个核心要素筛选股票[12] - **模型具体构建过程**： 1. 筛选过去两个月内业绩预告和正式财报中满足超预期事件的股票样本 2. 按照盈余公告日跳空幅度排序，选取前50只股票等权构建组合[12] - **模型评价**：策略在回测期内表现出较高的年化收益率，且超额收益显著[16] 3. 模型名称：沪深300增强组合 - **模型构建思路**：基于投资者偏好因子（GARP型、成长型、价值型）构建组合，分别通过PBROE因子和PEG因子筛选股票[18] - **模型具体构建过程**： 1. **PBROE因子**：以PB与ROE的分位数之差构建，筛选估值低且盈利能力强的股票 2. **PEG因子**：以PE与增速的分位数之差构建，筛选价值被低估且成长潜力可靠的股票 3. 综合成长型和价值型投资者的偏好，构建增强组合[18] - **模型评价**：历史回测显示超额收益稳定，适合长期投资者[21] --- 模型的回测效果 1. 戴维斯双击策略 - 年化收益：26.45%[10] - 年化超额收益：21.08%[10] - 全样本超额收益：21.39%[11] - 最大相对回撤：-20.14%[11] - 收益回撤比：1.06[11] 2. 净利润断层策略 - 年化收益：27.66%[16] - 年化超额收益：26.38%[16] - 全样本超额收益：26.38%[14] - 最大相对回撤：-37.12%[14] - 收益回撤比：0.71[14] 3. 沪深300增强组合 - 年化收益：8.85%[20] - 年化超额收益：8.48%[20] - 全样本超额收益：8.48%[20] - 最大相对回撤：-9.18%[20] - 收益回撤比：0.92[20] --- 量化因子与构建方式 1. 因子名称：PBROE因子 - **因子构建思路**：通过PB与ROE的分位数之差，筛选估值低且盈利能力强的股票[18] - **因子具体构建过程**： $ PBROE = PB_{分位数} - ROE_{分位数} $ 公式中，PB代表市净率，ROE代表净资产收益率，分位数用于衡量相对排名[18] 2. 因子名称：PEG因子 - **因子构建思路**：通过PE与增速的分位数之差，筛选价值被低估且成长潜力可靠的股票[18] - **因子具体构建过程**： $ PEG = PE_{分位数} - 增速_{分位数} $ 公式中，PE代表市盈率，增速代表盈利增长率，分位数用于衡量相对排名[18] --- 因子的回测效果 1. PBROE因子 - 无单独回测数据，效果体现在沪深300增强组合的整体表现中[18] 2. PEG因子 - 无单独回测数据，效果体现在沪深300增强组合的整体表现中[18]

量化模型与构建方式 1. 中证500增强组合 - **模型构建思路**：通过策略模型构建增强组合，以期跑赢基准指数[53] - **模型具体构建过程**：根据策略模型，选择一系列股票并分配持仓权重，具体持仓明细如下： - 002385.SZ 大北农 3.04% - 600827.SH 百联股份 3.04% - 600021.SH 上海电力 1.99% - 002128.SZ 电投能源 1.98% - 000537.SZ 中绿电 1.90% - 603338.SH 浙江鼎力 1.86% - 601555.SH 东吴证券 1.85% - 000401.SZ 冀东水泥 1.79% - 600378.SH 昊华科技 1.76% - 000039.SZ 中集集团 1.67% - 600299.SH 安迪苏 1.59% - 601128.SH 常熟银行 1.54% - 688122.SH 西部超导 1.54% - 601866.SH 中远海发 1.39% - 600995.SH 南网储能 1.37% - 000423.SZ 东阿阿胶 1.37% - 002797.SZ 第一创业 1.36% - 603979.SH 金诚信 1.31% - 300002.SZ 神州泰岳 1.31% - 300699.SZ 光威复材 1.27% - 688200.SH 华峰测控 1.26% - 601456.SH 国联证券 1.22% - 002926.SZ 华西证券 1.21% - 601965.SH 中国汽研 1.20% - 688180.SH 君实生物-U 1.19% - 600008.SH 首创环保 1.17% - 601198.SH 东兴证券 1.15% - 002432.SZ 九安医疗 1.13% - 601966.SH 玲珑轮胎 1.10% - 002517.SZ 恺英网络 1.09% - 002019.SZ 亿帆医药 1.09% - 002945.SZ 华林证券 1.09% - 301165.SZ 锐捷网络 1.06% - 688213.SH 思特威-W 1.03% - 002273.SZ 水晶光电 1.03% - 300866.SZ 安克创新 1.02% - 300724.SZ 捷佳伟创 0.98% - 688188.SH 柏楚电子 0.97% - 601168.SH 西部矿业 0.94% - 601156.SH 东航物流 0.94% - 600879.SH 航天电子 0.93% - 300558.SZ 贝达药业 0.93% - 603786.SH 科博达 0.93% - 002281.SZ 光迅科技 0.92% - 000050.SZ 深天马A 0.87% - 601598.SH 中国外运 0.85% - 603379.SH 三美股份 0.85% - 002966.SZ 苏州银行 0.80% - 301236.SZ 软通动力 0.79% - 688063.SH 派能科技 0.77% - 600988.SH 赤峰黄金 0.76% - 300682.SZ 朗新集团 0.75% - 300502.SZ 新易盛 0.74% - 002500.SZ 山西证券 0.74% - 001203.SZ 大中矿业 0.72% - 601577.SH 长沙银行 0.72% - 600970.SH 中材国际 0.71% - 600583.SH 海油工程 0.71% - 002065.SZ 东华软件 0.71% - 300567.SZ 精测电子 0.71% - 600663.SH 陆家嘴 0.71% - 300888.SZ 稳健医疗 0.70% - 000988.SZ 华工科技 0.69% - 002850.SZ 科达利 0.67% - 002831.SZ 裕同科技 0.66% - 600872.SH 中炬高新 0.65% - 688120.SH 华海清科 0.64% - 600546.SH 山煤国际 0.63% - 002028.SZ 思源电气 0.61% - 600170.SH 上海建工 0.60% - 688099.SH 晶晨股份 0.58% - 002202.SZ 金风科技 0.57% - 001227.SZ 兰州银行 0.55% - 688331.SH 荣昌生物 0.55% - 000783.SZ 长江证券 0.54% - 603517.SH 绝味食品 0.53% - 600155.SH 华创云信 0.53% - 300054.SZ 鼎龙股份 0.52% - 600141.SH 兴发集团 0.52% - 688348.SH 昱能科技 0.52% - 688114.SH 华大智造 0.50% - 600418.SH 江淮汽车 0.50% - 002444.SZ 巨星科技 0.49% - 601992.SH 金隅集团 0.48% - 002557.SZ 洽洽食品 0.48% - 300285.SZ 国瓷材料 0.46% - 002409.SZ 雅克科技 0.45% - 000031.SZ 大悦城 0.42% - 002368.SZ 太极股份 0.42% - 600637.SH 东方明珠 0.38% - 300604.SZ 长川科技 0.37% - 300601.SZ 康泰生物 0.36% - 600062.SH 华润双鹤 0.35% - 600060.SH 海信视像 0.35% - 600859.SH 王府井 0.35% - 603606.SH 东方电缆 0.34% - 000683.SZ 远兴能源 0.34% - 300763.SZ 锦浪科技 0.33% - 000021.SZ 深科技 0.32% - 300677.SZ 英科医疗 0.32% - 600862.SH 中航高科 0.31% - 688107.SH 安路科技 0.30% - 002120.SZ 韵达股份 0.30% - 601077.SH 渝农商行 0.30% - 601665.SH 齐鲁银行 0.29% - 600350.SH 山东高速 0.28% - 688525.SH 佰维存储 0.27% - 603000.SH 人民网 0.27% - 000960.SZ 锡业股份 0.26% - 000723.SZ 美锦能源 0.26% - 688516.SH 奥特维 0.25% - 688521.SH 芯原股份 0.24% - 603298.SH 杭叉集团 0.21% - 603596.SH 伯特利 0.20% - 688281.SH 华秦科技 0.19% - 601828.SH 美凯龙 0.19% - 600901.SH 江苏金租 0.18% - 603893.SH 瑞芯微 0.18% - 002153.SZ 石基信息 0.17% - 600095.SH 湘财股份 0.16% - 002429.SZ 兆驰股份 0.15% - 603444.SH 吉比特 0.15% - 000009.SZ 中国宝安 0.14% - 600739.SH 辽宁成大 0.14% - 300001.SZ 特锐德 0.14% - 600563.SH 法拉电子 0.13% - 600004.SH 白云机场 0.13% - 002155.SZ 湖南黄金 0.13% - 000987.SZ 越秀资本 0.13% - 603317.SH 天味食品 0.12% - 301267.SZ 华厦眼科 0.12% - 601216.SH 君

- 风格轮动型基金优选组合策略基于成长价值与大小盘两个维度，根据基金在两个报告期的股票持仓，构建基金绝对主动轮动指标，对基金是否为风格轮动型基金或风格稳定型基金进行了识别[3][28] - 基于基金特征和基金能力的综合选基策略从基金规模、持有人结构、基金业绩动量、选股能力、隐形交易能力、含金量等多个维度构建了选基因子，并进行等权重合成[4][35] - 基于交易动机因子及股票价差收益因子的选基策略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，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[5][45] - 基金经理持股网络中交易独特性选基策略根据基金经理持股、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[6][50] 模型的回测效果 - 风格轮动型基金优选组合策略在2024年12月份取得0.10%的收益率，相对于万得偏股混合型基金指数的超额收益率为1.14%，2024年该策略获得3.67%的超额收益率[3][29] - 基于基金特征和基金能力的综合选基策略在2024年12月份取得0.68%的收益率，相对万得偏股混合型基金指数的超额收益率为1.55%[4][35] - 基于交易动机因子及股票价差收益因子的选基策略在2024年12月份获得-0.77%的收益率，相对万得偏股混合型基金指数的超额收益率为0.19%[5][45] - 基金经理持股网络中交易独特性选基策略在2024年12月份取得0.05%的收益率，相对于万得偏股混合型基金指数的超额收益率为1.13%[6][50] 因子的回测效果 - 风格轮动型基金优选组合策略的年化收益率为8.99%，年化波动率为19.03%，Sharpe比率为0.47，最大回撤率为0.37%，年化超额收益率为3.99%，超额最大回撤率为9.49%，信息比率为0.74[3][32][33] - 基于基金特征和基金能力的综合选基策略的年化收益率为13.31%，年化波动率为21.69%，Sharpe比率为0.61，最大回撤率为44.27%，年化超额收益率为5.46%，超额最大回撤率为7.96%，信息比率为1.13[4][41] - 基于交易动机因子及股票价差收益因子的选基策略的年化收益率为9.12%，年化波动率为21.72%，Sharpe比率为0.42，最大回撤率为48.39%，年化超额收益率为3.65%，超额最大回撤率为13.04%，信息比率为0.65[5][49] - 基金经理持股网络中交易独特性选基策略的年化收益率为10.13%，年化波动率为19.57%，Sharpe比率为0.52，最大回撤率为37.26%，年化超额收益率为5.37%，超额最大回撤率为6.30%，信息比率为1.12[6][54][56]