市场回顾 - 上证指数多次挑战3400点后回落，形成心理关口，站稳3400点需较大成交量支撑 [2] - 微盘股指数高位十字星形态出现，需谨慎对待小微盘股票 [2] - 港股周线长上影线且A/H溢价达新低，历史经验显示港股回调概率高于A股上涨 [2] - 指数本周打破上周十字星底部形成短期头部，需警惕并控制仓位 [2] - 20周线支撑是关键，若有效则可能箱体震荡，否则面临回调压力 [2] 板块分析 - 板块轮动加速，超半数板块近期异动，包括反关税、军工、创新药、新消费、游戏传媒、CPO、油气、贵金属等 [3] - 板块退潮时趋势走弱明显，建议保持快进快出策略，趋势逆转时及时切换 [3] 后市关注点 - 科创板表现最弱，半导体、算力、机器人等科技股自3月起拥挤度高后持续弱调整，尚未进入右侧 [4] - 金融政策如科创板成长层推出及科创属性新股上市有望带动半导体等科技股关注度，但需成交量配合 [4] - 当前建议采取先防守后进攻策略 [4]

报告核心观点 - 2025年初至今，受内外部政策不确定性影响，股、债、商三类资产三杀次数增多，资产相关性升高、分散化效果减弱，中美贸易、地缘政治及流动性预期波动加剧市场轮动，避险资产对冲效果不及预期，对宏观对冲策略尤其是风险平价类构成实质挑战，短期内政策不确定性与利率波动仍将主导市场，建议对宏观对冲策略的收益预期保持谨慎，尤其是风险平价类策略 [2] 宏观对冲策略表现回顾以及标签划分更新 宏观对冲策略概述 - 宏观策略是覆盖多资产、跨标的、跨地域、复合策略的资产配置方式，以系统性宏观变量为核心分析框架，在全球是对冲基金行业主流选择，国内“宏观对冲”策略真正兴起于2023年年底 [6] - 2024年宏观对冲成为市场明星策略，主流管理人年化收益率超20%，产品规模快速扩张，部分管理人对高波动策略封盘 [7] 一级标签 - 宏观对冲策略按底层逻辑分为“风险平价”型与“资产轮动”型 [7][8] - “风险平价”型管理人采用桥水基金全天候资产配置体系，以资产“风险贡献”为配置基准，追求风险等权配置，不涉及主观预测，通过波动率驱动的再平衡机制运作，收益来源为r = cash + β + α，配置多板块、多标的、多地区资产，回避易受单一市场政策扰动的商品品种 [9][11][12] - “资产轮动”型管理人采用美林时钟理论，强调主动交易，根据经济周期判断和预期动态调整资产权重，投资标的更集中、策略更灵活，收益结构接近纯alpha模型，可表示为r = cash + α [13][14][15] 二级标签 - 二级标签从“主观”和“量化”交易方式对alpha策略分组，目前市场上宏观策略仍以主观交易为主，依赖交易者认知体系与逻辑能力，围绕宏观事件驱动 [16] - 量化宏观策略强调模型驱动和系统化执行，常见量化alpha增强方式包括叠加量化CTA模型、调整资产波动率权重、建立波动性交易框架等，近年来出现以AI为核心的纯量化“资产轮动”宏观交易体系 [17] 2025年上半年表现回顾 - “风险平价”指数净值为0.989，周度平均收益-0.05%，周度波动率1.27%，年化波动率9.17%，累计最大回撤-4.09%；“资产轮动”指数净值为1.013，周度平均收益0.07%，周度波动率0.93%，年化波动率6.70%，累计最大回撤-3.46%，上半年风险平价表现不如资产轮动策略，且波动率更大 [19][20] - 量化宏观对冲指数累计净值为0.949，平均周度收益-0.27%，周度波动率0.83%，年化波动率6.00%，单周最大收益0.77%，最大单周回撤-2.47%；主观宏观对冲指数累计净值为1.029，平均周度收益0.16%，周度波动率1.10%，年化波动率7.90%，最大单周收益3.00%，最大回撤-2.21%，今年量化策略最大波动率大于主观策略，主观宏观对冲收益情况好于量化宏观对冲策略 [22] 2025年上半年宏观对冲策略与市场行情回顾 国内宏观对冲策略 相关性分析 - 2025年上半年国债与权益指数负相关关系强度减弱，商品与股指正相关，黄金与国债相关性提升，资产之间相关性较去年年底明显上升 [29] - 风险平价指数与中证商品指数收益相关性最高，为0.607，资产轮动指数与中证1000相关性最高，为0.675，两类策略对国债暴露都超0.3，风险平价和资产轮动指数相关性为0.758，较去年年底有所提升 [30] 与权益资产回顾 - 2025年A股市场先跌后涨，中证1000指数涨幅大于沪深300，沪深300周度平均收益率0.17%，波动率1.54%，年化波动率11.12%，中证1000周度平均收益率0.44%，波动率2.83%，年化波动率20.40% [33] - 一月风险平价与资产轮动指数获正收益；二月风险平价指数回撤，资产轮动指数收益；三月两类指数均回撤；四月两类策略清明后回撤并在月底修复部分；五月风险平价指数和资产轮动策略均回撤 [34][35][37] 与国债资产回顾 - 风险平价策略与10年国债期货相关性为0.387，资产轮动策略相关性为0.318，今年风险平价收益更依赖国债，相关性较去年年底明显提升 [39] - 年初国债收益率下破1.6%，市场对政策预期提前定价，大部分宏观策略一月有债券减仓和降低目标波动率调整；二月债市调整加剧，部分管理人债券回撤；三月债市延续调整，管理人债券亏损；四月债市高位震荡，清明节后国债和黄金成部分管理人正收益主要来源，但风险平价策略仍回撤较大；五月利率震荡整理，风险平价管理人国债亏损 [39][40][42] 与大宗商品资产回顾 - 商品对风险平价类策略影响大于资产轮动类策略，两类策略对商品指数收益相关性较去年年底有较高提升 [44] - 上半年商品指数震荡走弱，年初至3月贵金属与有色金属上涨，黑色、化工板块承压，偏空配置管理人受益；4至5月股债商“三杀”，商品价格回落，部分管理人通过工业品空头仓位扩大收益，部分主观交易方式的管理人表现突出 [44][45] 与黄金ETF资产回顾 - 黄金对风险平价类策略影响大于资产轮动类策略，两类策略对黄金ETF相关性较去年年底有所提高 [47] - 上半年黄金走势震荡走强，年初因政策不确定性等因素冲高，后上涨动能放缓；二季度美国经济数据走弱、地缘政治风险等因素推动黄金上涨；五月中美贸易谈判进展使金价回落，五月宏观对冲策略亏损较大，风险平价类策略净值回撤显著大于资产轮动类策略 [48][49][50] 海外宏观对冲策略 相关性分析 - 2025年年初至5月16日，标普500和GSCI大宗商品指数收益率相关性较高，与美国国债指数成负相关关系，美国国债指数与商品指数负相关，黄金与股债商三类相关性较低 [53] 与美国各类资产回顾 - 2025年初海外市场情绪乐观但未达预期，美国政策焦点转向关税措施，打压市场信心，贸易政策成核心变量，加剧衰退预期 [56] - 美国国债Q1上涨2.8%，标普500 Q1下跌4.3%，大宗商品表现突出，铜价上涨24%，黄金上涨19%，比特币下跌12% [57] - 2025年Q1未明确宏观对冲策略指数收益率为4.01%，波动率为2.11%，年化波动率7.31%；主观宏观对冲指数收益率为2.27%，月度波动率为2.19%，年化波动率7.59%；量化宏观对冲指数收益率为3.19%，波动率为0.66%，年化波动率2.27% [58] - 一月三类策略指数正收益，二月收益下滑，三月未明确和主观宏观对冲指数回撤，量化宏观对冲指数获收益 [59] 结论与投资展望 2025年下半年宏观对冲策略判断 - 当前市场资产间相关性较去年年底更高，权益、债券及商品资产阶段性回调，出现数次“股债商三杀”，资产配置分散化效果减弱 [61] - 中美贸易摩擦、地缘政治及外部政策扰动使资产轮动加剧，避险资产无法稳定对冲权益下行风险，资本流动敏感性增强，国内财政与地产政策谨慎，经济修复路径待观察，市场不确定性及共振风险抬升，对宏观对冲策略尤其是风险平价类策略构成挑战 [61] 投资展望 - 建议对宏观对冲策略收益预期保持谨慎，尤其是风险平价类策略，下调该类策略配置比例，重点评估管理人应对尾部风险能力 [62] - 考察管理人是否引入战术性空头仓位或期权型保护工具等alpha收益增强部分，关注具备某一类资产超额收益能力的资产轮动策略管理人，增强组合灵活性与收益弹性 [62][63]

根据研报内容，以下是量化模型与因子的详细总结： --- 量化模型与构建方式 1. **模型名称：短期量化择时模型** - **构建思路**：基于基本面、估值面、情绪面、流动性四个维度的指标信号进行综合判断[13][14][15] - **具体构建过程**： 1. **基本面指标**： - 制造业PMI分位数（35.59%分位数时触发谨慎信号） - 中长期贷款余额同比增速（0%分位数时触发谨慎信号） - M1同比增速（HP滤波后77.97%分位数时触发乐观信号） 2. **估值面指标**： - A股整体PE分位数（85.11%分位数时触发中性信号） - A股整体PB分位数（35.40%分位数时触发乐观信号） 3. **情绪面指标**： - Beta离散度（52.54%分位数时触发中性信号） - 量能情绪得分（40.45%分位数时触发谨慎信号） - 波动率（4.55%分位数时触发中性信号） 4. **流动性指标**： - 货币利率指标（33.90%分位数时触发乐观信号） - 汇率预期指标（20.34%分位数时触发乐观信号） - 融资额分位数（54.01%分位数时触发中性信号） - **模型评价**：多维度综合判断，历史表现稳健，年化超额收益显著[15][20] 2. **模型名称：成长价值轮动模型** - **构建思路**：结合盈利周期、利率周期、信贷周期、估值差、换手差等指标判断风格偏好[27][28] - **具体构建过程**： 1. **基本面信号**： - 盈利周期斜率（12.5分位数时利好成长） - 利率周期水平（0分位数时利好价值） - 信贷周期变化（-4.17分位数时利好价值） 2. **估值面信号**： - 成长价值PE差分位数（14.54%分位数时利好成长） - PB差分位数（30.19%分位数时利好成长） 3. **情绪面信号**： - 换手差分位数（4.71%分位数时利好价值） - 波动差分位数（35.20%分位数时均衡配置） - **模型评价**：长期超额收益稳定，但近期受市场环境影响信号分化[28][29] 3. **模型名称：小盘大盘轮动模型** - **构建思路**：类似成长价值模型，但指标调整为小盘大盘差异[32][33] - **具体构建过程**： 1. **基本面信号**：盈利斜率（12.5分位数利好小盘）、利率周期（0分位数利好大盘）、信贷周期（-4.17分位数利好大盘） 2. **估值面信号**：小盘大盘PE差分位数（71.08%分位数利好大盘）、PB差分位数（98.53%分位数利好大盘） 3. **情绪面信号**：换手差分位数（39.06%分位数利好大盘）、波动差分位数（87.23%分位数利好大盘） - **模型评价**：历史年化超额收益5.43%，但近期表现波动较大[33][34] 4. **模型名称：四风格轮动模型** - **构建思路**：整合成长价值和小盘大盘模型的输出，生成四风格配置比例[37][38] - **具体构建过程**： - 当前推荐配置：小盘成长12.5%、小盘价值37.5%、大盘成长12.5%、大盘价值37.5% - **模型评价**：长期年化超额收益5.94%，配置分散化效果显著[38] --- 模型的回测效果 1. **短期量化择时模型** - 年化收益率：16.10%（基准4.07%）[20] - 最大回撤：27.70%（基准31.41%）[20] - 夏普比率：0.9529（基准0.2288）[20] 2. **成长价值轮动模型** - 年化收益率：11.39%（基准6.47%）[29] - 最大回撤：43.07%（基准44.13%）[29] 3. **小盘大盘轮动模型** - 年化收益率：11.92%（基准6.49%）[34] - 最大回撤：50.65%（基准53.70%）[34] 4. **四风格轮动模型** - 年化收益率：12.89%（基准6.95%）[38] - 最大回撤：47.91%（基准49.07%）[38] --- 量化因子与构建方式 （注：研报中未明确提及独立因子构建，仅模型内嵌指标，故跳过此部分） --- 因子的回测效果 （注：无相关内容）

当时我印象特别深，啊大概是打到完之后的第一天还横了一天，所以当时大家还说这指标不准，随后就 回落了，这就不讨论了。这次又来了，指标不到位，不要轻易买入，尤其是随便的加仓和随便的这种这 个增仓，下跌途中不知道热点的情况下乱做，包括自己套的股票补仓，都会造成进一步亏损。还是那句 话A股1.2万亿左右这样一个整体的每个交易日的成交，你指它全面上涨和你买的能涨不一定，它往往是 轮动。如果你过早的去看这个热点，说的明白点，你可能猜的不对，所以往往呢我们采用的策略是既要 观察市场走势和放量情况，又要看到A股市场给我这个推力上证指数的推力，这个点共振的情况下，我 们再找到对应热点板块的逻辑和对应相对强一些的龙头，我们在做这个点效果会特别的好，这个点很重 要。 （原标题：和讯投顾张平：6月鱼尾效应，何时开启新买点？） A股开始调整，有传言要补缺口，到底下跌到哪里？和讯投顾张平分析，先说几个事儿，第一个金融没 有达到预期，昨天说过了，所以这个位置再加上t出这个 T型线，因为A股市场每次出这种t型线就容易 调整，这以前历史上也都有过，不说什么，而且它横盘周期也差不多够，啊这个时候呢调一调，注意用 词是调整。那么这个阶段呢大家注意 ...

DeepSeek大模型对金融行业的影响 - DeepSeek大模型具备动态自我修正能力，可基于现实情况优化历史数据权重，提高预测精度 [1] - 大模型的高度数据挖掘能力可挖掘更多关联性数据，打破传统线性思维，避免"黑箱"问题 [1] - 大模型强大的推理能力和复杂决策能力可提升策略整体智能化水平 [1] - 接入大模型后，国信证券模拟盘年化收益率上升0.27%，夏普比上升1.08倍 [3] 课程《DeepSeek重构策略投资新范式》内容 - 课程包含11个部分，涵盖多元化资产配置框架优化、风险平价策略复现、大盘择时与行业轮动等实战技巧 [3] - 重点探讨如何利用DeepSeek理解中美政策语义，包括中国货币财政政策取向和特朗普关税政策的行为逻辑 [11] - 分享DeepSeek在股债轮动效应分析、财务造假识别等实战应用中的关键技巧 [11] - 课程结合AI技术与投资策略深度融合，重塑全维度投资方法论 [15] 讲师背景与课程价值 - 讲师王开为国信证券首席策略分析师，硕士毕业于北京大学经济学院，发表专业期刊文章40余篇 [3][13] - 2025年连续发布十余篇DeepSeek在投研领域应用的深度报告，引发行业高度关注 [10][13] - 课程帮助学员掌握AI驱动的长期投资决策框架，构建全天候多维度AI投资模型 [16] - 课程包含互动问答环节，学员可与讲师面对面探讨核心问题 [19] 行业趋势与AI应用 - 自2022年ChatGPT问世后，AI以难以想象的速度改变金融行业，量化投资凭借算法模型优势异军突起 [10] - DeepSeek的推出为突破短期策略局限、构建前瞻性长期决策体系提供新机遇 [10] - 传统投研模式面临颠覆性变革，AI技术红利持续释放推动行业进入新周期 [10]

市场行情回顾 - 沪指冲上3400后市场做多动能不足，周二调整无明显利空，周五主因中东地缘风险，显示市场上行动能减弱、波动风险提升 [2][4][5] - 中东局势升级导致不确定性偏高，短期建议适度偏防守，关注银行、黄金、石油石化、军工等防御题材，新消费、科技、医药、化工题材股需等待风险缓和 [2][5] 股票市场因子跟踪 - 市场风格方面，大盘价值风格重回优势，大小盘风格波动上升，价值成长风格波动下降 [7] - 市场结构方面，行业指数超额收益离散度继续下降，成分股上涨比例保持，行业轮动速度下降，前100个股成交集中度及前5行业成交额占比均略有下降 [7] - 市场活跃度方面，波动率和换手率均略有下降 [8] 商品市场因子跟踪 - 贵金属、有色板块趋势强度继续上升，能化板块趋势强度下降 [12] - 基差动量方面，贵金属、有色、能化板块基差动量快速上升 [12] - 波动率方面，能化板块波动率较高，农产品板块波动率快速下降，贵金属板块波动率快速上升 [12] - 流动性方面，各板块流动性均上升，能化板块流动性上升较快 [12] 期权市场因子跟踪 - 上证50与中证1000隐含波动率无明显趋势，中证1000隐波维持在近三年极低水平 [19] - 上证50和中证1000看跌期权偏度上升，显示市场对未来行情存在担忧 [19] 可转债市场因子跟踪 - 转债市场估值端保持韧性，百元转股溢价率小幅抬升，但低转股溢价率转债占比仍在增加 [21] - 市场成交额回落，近期在历史一年中位数附近震荡，信用利差小幅走阔 [21]

市场表现 - 三大指数全部低开 整体表现不佳 两市成交量维持在1.2万亿左右 扣除量化资金后真实成交量可能低于1万亿 [1] - 银行板块持续跑赢大盘和大部分红利板块 银行AH优选ETF(SH517900)今年以来涨幅达20.11% 跑赢沪深300超21个点 跑赢红利指数近24% [1] - 银行AH优选ETF年内规模增长超过240% [2] 银行AH优选ETF优势 - 一键打包AH两地优秀银行股资产 运用AH股轮动策略 每月系统化扫描两地价差 动态配置估值更低标的 利用两地估值差捕捉超额收益 [3] - 自2017年12月6日指数发布以来 银行AH全收益指数累计涨幅达89.81% 大幅领先同期中证银行全收益指数62.94%的表现 [3][4] - 单股统计显示 银行AH优选ETF年化收益率达48.82% 最大回撤-9.66% 最大上涨24.41% [2] 行业环境 - 银行板块从去年到今年几乎一直处于上行状态 市场环境 经济环境(利率环境)以及险资 公募基金对银行的看好是重要支撑 [3] - 在缺量环境中 红利资产表现抗压 银行板块在存量博弈下显示出稳定增长特性 [1] - 行业轮动环境下 银行板块被视为实现资产稳定增长的长胜策略 [3]

根据研报内容，以下是量化模型与因子的详细总结： 量化因子与构建方式 1. **因子名称**：转股溢价率偏离度 - **构建思路**：衡量转股溢价率相对于拟合值的偏离度，使不同平价的转债可比[21] - **具体构建过程**： $$y_{i}=\alpha_{0}+\,\alpha_{1}\cdot\,{\frac{1}{x_{i}}}+\epsilon_{i}$$ 其中，$y_i$为第$i$只转债的转股溢价率，$x_i$为转股价值。通过截面数据拟合转股溢价率与转股价值的关系曲线，计算偏离度[21][44] 2. **因子名称**：理论价值偏离度（蒙特卡洛模型） - **构建思路**：通过蒙特卡洛模拟计算转债理论价值，衡量价格与理论价值的偏离[21] - **具体构建过程**： 1. 模拟10000条路径，考虑转股、赎回、下修、回售条款 2. 以同信用同期限利率为贴现率计算理论价值 3. 因子值=转债收盘价/理论价值-1[21] 3. **因子名称**：转债综合估值因子 - **构建思路**：融合转股溢价率偏离度和理论价值偏离度，提升因子稳定性[21] - **具体构建过程**： $$综合估值因子 = Rank（转股溢价率偏离度） + Rank（理论价值偏离度）$$ 对两个因子分别排名后相加[21] 4. **因子名称**：修正YTM - 信用债YTM - **构建思路**：剥离转股条款影响，比较偏债型转债与信用债的配置价值[4][45] - **具体构建过程**： $$修正YTM = 转债YTM \times (1-转股概率) + 预期转股收益率 \times 转股概率$$ 转股概率通过BS模型计算，最终取截面中位数[4][45][46] 5. **因子名称**：转债市场情绪捕捉指标 - **构建思路**：结合动量和波动率识别市场情绪[29] - **具体构建过程**： $$市场情绪指标 = Rank（20日动量） + Rank（波动率偏离度）$$ 在风格指数内部取因子中位数[29][30] 量化模型与构建方式 1. **模型名称**：转债低估指数构建模型 - **构建思路**：通过估值因子筛选低估转债，分风格构建指数[21][22] - **具体构建过程**： 1. 按平底溢价率划分风格（偏股>15%，偏债<-15%，其余为平衡型） 2. 偏股型使用理论价值偏离度因子，其他风格用综合估值因子 3. 选取因子前1/3且满足：正股市值>5亿、非ST、评级≥AA-等8项风控条件[21][22] 2. **模型名称**：转债风格轮动模型 - **构建思路**：根据市场情绪指标动态配置低估风格[29][30] - **具体构建过程**： 1. 计算各风格指数的市场情绪指标排名 2. 优先配置排名低的风格，若排名相同则等权配置 3. 双周频调仓，全仓投资单一风格[29][30][35] 因子回测效果 | 因子/模型 | 年化收益 | 年化波动 | IR | 最大回撤 | 测试周期 | |--------------------------|----------|----------|-------|----------|-------------------| | 偏股转债低估指数 | 24.91% | 20.39% | 1.22 | -22.83% | 2018-2025[24] | | 平衡转债低估指数 | 13.77% | 11.87% | 1.16 | -16.04% | 2018-2025[24] | | 偏债转债低估指数 | 12.21% | 9.45% | 1.29 | -17.59% | 2018-2025[24] | | 转债风格轮动模型 | 24.23% | 16.54% | 1.47 | -15.54% | 2018-2025[35] | | 低估值因子（偏股） | - | - | - | - | 近4周超额1.33%[23]| 模型评价 - **估值因子**：理论价值偏离度在偏股型转债上表现优异，综合估值因子对平衡/偏债型更有效[21] - **风格轮动**：通过动量+波动率捕捉市场情绪，历史信息比率达1.47显著优于基准[35] - **风控设计**：通过正股市值、盈利等条件有效控制信用风险[22]

投资者对美元的净低配比例为31%，为20年来最高，成为 美国银行6月全球基金经理调查中"最极端的 观点"。由Michael Hartnett领导的策略师团队表示，"夏季最大的痛苦交易是做多美元"。基金经理调查 中47%的投资者认为，贸易战引发经济衰退仍是最大的尾部风险（4月为80%）。对全球经济前景的预 期有所改善，净46%的受访者预期经济将走弱，而4月份时这一比例为创纪录的净82%，净54%的投资者 认为国际股票是未来五年表现最佳的 资产类别，其次是美国股票（23%）、黄金（13%）和债券 （5%）。投资者正在将股票资金从其他地区轮动至新兴市场，目前在新兴市场的超配比例为28%，为 自2023年8月以来最高水平；受访者对欧洲市场的超配比例为34%，而对美国市场则是净36%的低配。6 月基金经理调查中，投资者增加了对能源、银行、电信和工业的配置，并减少了对公用事业、必需品和 医疗保健的配置。 ...

核心观点 - 提出"龙头扩散效应"作为行业轮动框架的核心机制，认为板块行情启动源于个股上涨的蔓延与扩散过程[1][15][16] - 基于扩散效应改进的SUE因子和主动超大单因子表现显著提升：改进SUE因子年化超额从4.7%提升至7.9%，IR从0.63提升至1.19[21] - 优选行业组合2013年以来年化收益26.0%，年化超额19.1%，IR1.84，2022年以来年化超额11.7%[3][64][74] 研究背景 - 行业轮动需求旺盛但因子挖掘难度高，受制于行业样本量少、异质性高及宏观数据滞后性[6] - 行业轮动速度加快导致传统模型失效，2022年以来多因子模型超额收益波动加大[7][8][10] - 常见轮动模型包括景气度、资金流、量价类和拥挤度四类因子[12] 扩散效应机制 - 典型扩散过程分四阶段：政策触发龙头启动→资金涌入板块共振→认知传播全面扩散→预期透支退潮分化[16] - 资金迁移形式包括产业链上下游延伸、同行业细分领域扩展、市值下沉和估值套利[16] - 可通过收益率数据量化龙头与共振特征，并推广至基本面、资金偏好等维度[20] 因子改进效果 - 改进SUE因子IC均值4.6%，多头年化超额7.9%，相对最大回撤10.1%[21][41] - 改进主动超大单因子IC均值7.0%，多头年化超额10.3%，多空夏普0.97[21] - 复合因子IC提升至7.4%，10分组多头年化超额14.4%，但2022年后表现弱化[43][53][54] 组合构建对比 - 复合因子10分组多头年化超额14.4%但2022年后出现负超额[53][54] - 优选行业组合采用成分因子共同筛选，年化收益26.0%显著优于复合因子的21.3%[64][65] - 优选组合2022年以来年化超额11.7%且最大回撤9.2%，稳定性突出[64][67]