公司调研信息 - 雅艺科技主要产品包括火盆、低烟炉和工具房 线上销售表现良好 2024年线上毛利率约为30% [1] - 跨境电商业务占比达43.34% 公司深耕户外金属家具领域 拥有领先优势 [1] - 北美市场无直接竞争对手 国内竞争对手多为附带产品 [1] - 募投项目年产86万套火盆等生产线已完工 研发中心项目终止 [1] - 公司关注国内市场 但暂未通过经销商开发内销 [1] - 未来无海外并购或机器人行业合作计划 将通过加快资金款、降本增效提升现金流 [1] - 产品使用寿命2-3年 复购数据无法获取 [1] 机构背景 - 深圳嘉石大岩资本管理有限公司成立于2013年6月 总部位于深圳 [2] - 管理团队拥有20余年全球金融市场投资经验 近50位专业人士组成 [2] - 团队背景涵盖数学、计算机、医学、物理、金融工程等复合学科 [2] - 成立头三年资产管理规模跨越百亿 成为中国业内领先的私募证券基金 [2] - 累计获得包括4尊金牛奖在内的30余项业内奖项 [2] - 合作客户包括银行、保险、证券公司、基金会、FOF和企业财团 [2] - 着力于量化投资技术、定增投资技术、产品和业务模式的创新 [2]

沈阳机床调研纪要 - 公司重大资产重组获证监会批准 正在推进工商变更、资产交割等程序 未来将完成新股上市及配套募集资金[1] - 通过重组及募投项目补充高端数控机床产品线 增加重型液压成形机床 优化产品矩阵 服务航空航天、新能源等下游领域[1] - 公司将恢复经典产品 打造拳头产品 提供全套解决方案 制定多项专项计划以提升竞争力[1] - 行业在政策支持、市场需求升级和技术创新推动下呈现显著发展机遇 国产化率提升 重点需求领域增加[1] - 公司采用直销与分销相结合模式 拥有独立营销团队 产品应用于汽车、通用机械、消费电子等领域 积极拓展新兴领域[1] - 2025年战略规划包括稳中求进、深耕主业、推进产品升级和结构调整、开拓市场、强化质量管理及供应链效率提升[1] 前海春秋投资机构概况 - 公司成立于2014年5月 2017年9月完成私募基金管理人备案 2018年4月成为中国基金业协会会员单位[2] - 核心团队来自国内外一流券商、风投及基金公司 平均拥有20年以上资本运作经验[2] - 专注二级市场量化投资策略 核心产品线包括：指赢系列（指数增强策略 预期年化30%）、价赢系列（价值量化混合策略 预期年化25%）、稳赢系列（市场中性策略 预期年化15%）、衍赢系列（衍生品套利策略 预期年化10%）[2]

核心观点 报告对2025年5月12日至23日金融资金面进行量化跟踪，指出市场交投活跃度有所降低，维持“推荐”评级 [1] 样本量化私募收益及超额情况 - 300增强策略周/月/年初以来平均收益分别为+1.1%/+4.5%/+2.1%，平均超额分别为-0.1%/+1.2%/+4% [1] - 500增强策略周/月/年初以来平均收益分别为+0.7%/+6.2%/+5.2%，平均超额分别为+0.8%/+3.3%/+8.4% [1] - A500增强策略周/月/年初以来平均收益分别为+1.6%/+4.9%/+9.7%，平均超额分别为+0.7%/+1.3%/+12% [1] - 1000增强策略周/月/年初以来平均收益分别为+0.7%/+7.4%/+9%，平均超额分别为+0.9%/+3.1%/+10.7% [1] - 空气指增策略周/月/年初以来平均收益分别为+0.9%/+6.8%/+10% [1] - 市场中性策略周/月/年初以来平均收益分别为+0.5%/+1.5%/+5.3% [1] 指数相对超额收益情况 - 截至5月23日，沪深300相对中证500周/月/年初以来超额收益分别为-0.9%/-1.7%/-0.2% [2] - 中证1000相对中证500周/月/年初以来超额收益分别为+0.2%/-0.3%/-1.8% [2] - 中证2000相对中证500周/月/年初以来超额收益分别为+0.5%/-3.1%/-7.9% [2] - 微盘股相对中证500周/月/年初以来超额收益分别为-0.9%/-7.2%/-19.1% [2] 指数日均成交额及环比情况 - 截至5月23日，沪深300周/月/年初以来日均成交额分别为2068/2350/3026亿元，环比-22.5%/-44.4%/+28.9% [3] - 中证500周/月/年初以来日均成交额分别为1475/1723/2181亿元，环比-17%/-42.3%/+52.8% [3] - 中证1000周/月/年初以来日均成交额分别为2253/2410/3080亿元，环比-7%/-40.7%/+81.8% [3] - 中证2000周/月/年初以来日均成交额分别为3772/3708/3908亿元，环比+0.6%/-34.1%/+77% [3] - 微盘股周/月/年初以来日均成交额分别为294/268/241亿元，环比+8%/-32.5%/+33.3% [3] 行业涨幅情况 - 本周涨幅前三的行业分别为医药生物+2.2%、造纸与包装+1.6%、家电+1.5%；涨幅后三的行业分别为软件服务-3.2%、企业服务-2.4%、硬件设备-2.3% [4] - 本月涨幅前三的行业分别为家庭用品+14%、汽车与零配件+6.9%、家电+6.8%；涨幅后三的行业分别为房地产-4.9%、半导体-4.5%、消费者服务-3.3% [4] - 年初以来涨幅前三的行业分别为家庭用品+21%、汽车与零配件+11.3%、银行+7.8%；涨幅后三的行业非银金融-11.5%、煤炭-10.2%、房地产-10.1% [4] 基差情况 - 截至5月23日，IF/IC/IM当月合约年化贴水分别为+12.6%/+21.8%/+26.6%，居于近一年年化贴水幅度分位数分别为83.2%/90.6%/90.6% [4] - IF/IC/IM下季合约年化贴水分别为+6.6%/+12.4%/+15.2%，居于近一年年化贴水幅度分位数分别为96.1%/98.3%/99.1% [4] 金融组团队介绍 - 金融业研究主管，金融组组长、首席分析师徐康，曾任职于平安银行，2016年加入华创证券研究所，覆盖非银金融行业、多元金融、金融科技等 [6] - 高级研究员贾靖，上海交通大学经济学学士、金融硕士，曾供职于中泰证券，2023年加入华创证券研究所，负责银行业研究 [7] - 研究员刘潇伟，意大利博科尼大学管理学硕士，2023年加入华创证券研究所，主要覆盖证券行业及财富管理领域研究 [8] - 助理研究员陈海椰，浙江大学金融硕士，2023年加入华创证券研究所，主要覆盖保险行业及养老金领域研究 [9] - 助理研究员崔祎晴，杜克大学商业分析硕士，2023年加入华创证券研究所，主要覆盖金融科技及资产管理领域研究 [10] - 研究员林宛慧，厦门大学学士，对外经济贸易大学硕士，曾任职于长城证券，2024年加入华创证券研究所，主要负责银行业研究 [11] - 助理研究员杜婉桢，香港中文大学经济学硕士，2024年加入华创证券研究所 [12]

量化模型与构建方式 1. **模型名称：Mamba-MoE** - **模型构建思路**：通过Mamba架构高效提取时间序列特征，结合混合专家模型（MoE）进行多模型融合，同时引入线性与非线性的风险约束以降低风险暴露[2][3][44]。 - **模型具体构建过程**： 1. **任务一（Alpha因子生成）**：使用Mamba模块处理股票特征序列（维度为`(batch_size, window_length, feature_num)`），通过卷积和SSM（选择性状态空间模型）提取时序特征，输出Alpha因子[27][30][32]。 - SSM离散化公式： $$\bar{A}=\exp(\Delta A),$$ $$\bar{B}=(\Delta A)^{-1}(\exp(\Delta A)-I)\Delta B.$$ 2. **任务二（非线性风险因子生成）**：构建异质图（节点为股票风险因子，边包括同行业关联和高相似度关联），通过图卷积生成非线性风险因子[47][48]。 3. **损失函数**：结合Alpha因子与风险因子的相关性惩罚项： $$L=MSE(\hat{y},y_1)+MSE(\hat{r},y_2)+\frac{\alpha}{d_R+1}\sum_{i=1}^{d_R+1}\rho(\hat{y},R_i)^2.$$ - **模型评价**：双任务学习显著降低风险暴露，提升因子稳定性；MoE融合增强模型泛化性[53][56][72]。 2. **模型名称：Mamba-10与Mamba-5** - **构建思路**：分别以10日和5日收益为标签训练模型，通过交叉验证生成多个子模型，等权或MoE融合[98][99]。 - **具体构建**：5折交叉验证扩展窗口训练，MoE路由器结合股票特征与市场特征动态加权[98][99]。 --- 量化因子与构建方式 1. **因子名称：Mamba-MoE合成因子** - **构建思路**：融合Mamba-5和Mamba-10的多模型输出，结合风险中性化约束[103][137]。 - **具体构建**： - 对Alpha因子进行行业市值中性化处理。 - 通过MoE加权合成，路由器输入包括股票特征和市场特征（如指数收益率、VIX等）[98][99]。 - **因子评价**：稳定性优于单模型，对市值暴露控制较好，但对低波动和低流动性有一定暴露[103][137]。 2. **因子名称：非线性风险因子** - **构建思路**：捕捉风险因子间非线性交互及股票关联信息[44][48]。 - **具体构建**：基于CNE6风险因子构建异质图，通过GNN生成非线性风险因子[48][49]。 --- 模型的回测效果 1. **Mamba-MoE模型** - Rank IC：13.22%，ICIR：1.28，多头年化收益：33.01%，多空Sharpe Ratio：9.25[103][137]。 - 沪深300增强年化超额收益：9.02%，跟踪误差：4.26%[156]。 2. **Mamba-10模型（双任务）** - Rank IC：12.83%，ICIR：1.28，多空最大回撤：11.71%[56][72]。 3. **行业风格中性化测试** - 双任务设定下Rank IC衰减至8.81%，但多空Sharpe Ratio仍达11.49[72]。 --- 因子的回测效果 1. **Mamba-MoE合成因子** - 全市场十分组测试：多空年化收益125.32%，波动率13.55%[103]。 - 分域测试（中证1000）：Rank IC 11.12%，多空Sharpe Ratio 7.17[137]。 2. **非线性风险因子** - 与流动性因子相关性：-20.74%（双任务）[78][79]。 --- 关键创新点 - **风险中性化**：通过损失函数直接约束风险暴露，避免组合优化时的信号扭曲[44][50]。 - **多模型融合**：交叉验证与MoE集成缓解分布漂移问题，提升稳健性[2][98][99]。 - **高效计算**：Mamba的线性复杂度优于Transformer，支持并行训练[23][31]。

华安中证A500增强策略ETF发行 - 华安中证A500增强策略ETF（认购代码：561093）于5月30日启动发行 该产品在跟踪中证A500指数基础上采用AF量化投资体系（AI+Fundamental）挖掘超额收益 同时保持ETF交易灵活性 [1] - 华安基金在中证A500指数领域已布局多只产品 包括华安中证A500ETF联接基金（A类022465 C类022466）、华安中证A500ETF（159359）和华安中证A500指数增强基金（A类023466 C类023467） 此次新品进一步丰富了产品线 [1] 中证A500指数特征 - 中证A500指数是新"国九条"发布后首只核心宽基指数 覆盖全部35个中证二级行业和91个三级行业 实现行业全覆盖 [1] - 与沪深300指数相比 中证A500在工业、可选消费、材料、信息技术等行业权重更高（分别未披露具体比例） 金融和能源等传统行业权重较低 更突出"新质生产力"特质 [2] - 指数结合互联互通和ESG筛选条件 增强可投资性 其广泛行业覆盖和大量成分股为量化策略获取超额收益提供条件 [2] 量化投资策略 - 华安基金量化团队开发AF量化投资体系（AI+Fundamental） 采用多因子+AI模型作为收益增强来源 在控制跟踪误差前提下最大化增强收益 [2] - 风控模型通过优化胜率增强稳定性 在个股、行业和风格层面设定严格风控目标 [2] - 拟任基金经理张序拥有8年金融从业经验 5年投资经验 曾任职瑞银量化分析师 其管理的华安事件驱动量化策略混合基金近5年收益率达116.04% 远超同期业绩比较基准7.18% [2][3] 投资框架与团队实力 - 张序建立"三维一体框架"：宏观层面分析事件并测算行业收益胜率 中观层面运用多因子模型（含基本面、资金、技术、风险、AI五类因子）结合行业观点进行轮动 [3] - 华安基金指数与量化团队拥有22年指数产品管理经验 曾发行全国首只指数基金 旗下指数公募基金覆盖A股、债券、商品及港股、美股等QDII产品 [3]

投资者陪伴理念 - 基金公司提出投资者陪伴概念，但需超越简单定投鸡汤式输出，建立双向互动与认知共鸣[2] - 信任构建需基于知识传递与情绪理解相结合，使陪伴更具情感根基[2] - 栏目《有料三分钟》通过知识共情方式实现走心陪伴，强调通俗化表达与认知对齐[2][3] 内容定位与形式 - 栏目聚焦投资基础概念拆解，如美联储降息机制、关税历史背景等，提供事实陈述而非观点解读[3] - 采用生活化类比提升理解度，例如用地三鲜解释量化因子、种植场景类比阿尔法/贝塔收益[4] - 内容设计原则为"烟火气"，即专业知识点通过生活案例呈现，兼顾温度与深度[3][4] 栏目运营策略 - 持续更新视频合集，开放用户选题建议以增强交互性[4] - 拒绝鸡汤式内容，强调知识实用性与术语通俗化转化，避免低俗化表达[4] - 针对新用户推出认证奖励活动，如持有指定产品可获影音会员月卡[6]

中证A500指数优势 - 中证A500指数是"新国九条"发布后的首支核心宽基指数，更全面、更均衡、更新质，反映"新质生产力"产业方向的权重占比更高 [3] - 编制方法聚焦行业均衡，加入三级行业自由流通市值排名第一的优先入选规则，并纳入ESG、互联互通等因素 [5] - 样本筛选严格，需满足日均成交金额排名前90%、ESG评级不低于C、日均总市值排名前1500、属于沪股通或深股通范围等条件 [6][8] - 行业覆盖全面，覆盖35个中证二级行业（100%）和92个中证三级行业（99%），显著高于沪深300、中证500和中证A50 [9] - 聚焦新质生产力，在信息技术、工业、医药卫生等行业权重占比相对较高，价值与成长约1:1均衡分布 [12] 中证A500指数与其他宽基指数比较 - 成分股来源不同：中证A500包含沪深300权重占比80%、中证500权重占比16%、中证1000权重占比2%，兼顾A股龙头与三级行业龙头 [15] - 编制方法差异：中证A500从各行业挑选龙头，兼顾行业均衡和市值，而沪深300和中证500主要以市值为筛选标准 [15] - 长期表现：近二十年中证A500年化收益7.97%，介于沪深300（7.11%）与中证500（9.21%）之间，波动率24.70%与沪深300相近 [16] - 股息率表现：2024年至今中证A500股息率达3.17%，与沪深300约3.44%的股息率基本相当 [15] 中证A500指数增强策略特点 - 成份股数量多、流动性覆盖广、风格均衡，与量化私募策略优势匹配，有助于在不同维度挖掘超额收益 [18] - 策略在对标指数基础上通过量化策略获取超额收益，兼具Beta与Alpha，严格风控控制超额波动率 [18] - 公司投研团队稳定，核心投研人员自2015年至今离职率为零，持续投入建设机器学习机房和超算集群 [19] - 重视因子可解释性和基础逻辑，坚持长周期、多样化、大容量概念，严控风格暴露避免风格漂移 [19] - 交易执行优势明显，使用自建低延迟交易系统减少交易冲击，以更低成本执行交易增厚超额收益 [20]

艾方资产简介 - 上海艾方资产管理有限公司成立于2012年3月，办公地点位于浦东新区，是一家科技驱动的资产管理公司 [2] - 公司定位于以量化投资为手段、专注于获取绝对收益的机构，于2014年6月完成在中国基金业协会的备案工作，2015年3月成为中国基金业协会会员 [2] - 公司拥有国内领先的系统平台，已建立起波动率均衡系列、CTA系列、可转债系列、指数增强系列、中性策略等多个产品线 [2] - 创立以来荣获包括金牛奖、金长江、金阳光等多个行业内重量级奖项 [2] 发展历程 - 2012年3月艾方资产成立，2012年5月首只资管产品成立 [7] - 2014年6月首只顾问管理资管产品成立，艾方资产在基金业协会完成备案 [7] - 2016年8月公司累计管理规模超35亿元，人工智能选股策略应用到实盘投资 [7] - 2018年1月量化可转债策略投入实盘，公司累计管理规模超50亿 [7] - 2022年10月公司管理规模突破百亿 [7] 核心团队 - 艾方资产具备多策略的投资架构，投资标的分布在股票、期货、债券、基金以及期权 [8] - 投研团队百分之八十以上硕士学历，专业背景涵盖计算机、数学、物理学、金融工程、统计学等多个理工科领域 [8] - 核心成员有十年以上海内外证券金融行业交易实战经验，熟悉最前沿量化投资技术 [8][9] 核心成员 - 蒋锴为艾方资产创始人、董事长兼投资总监，曾任职于东方证券，负责绝对收益自营投资 [10][11] - 蒋锴曾在华尔街从事多年绝对收益投资，管理的资产总额达10亿美金，涉及全球多个主要证券市场 [11] - 叶展为艾方资产首席执行官，历任上海证券报机构部主任、国泰君安资产管理有限公司市场总监等职 [13][14] - 叶展所管理产品曾获2015年度券商集合资管计划金牛奖、2017年三年期券商集合资管计划金牛奖 [14] 核心优势 - 优势1：配置策略长期有效，多资产组合，相关性较低，收益来源丰富，适应多种市场环境 [15] - 优势2：产品风险管理严格，通过期货、期权等多种衍生品工具对冲市场以及尾部风险 [15] - 优势3：核心策略穿越牛熊，波动率均衡策略、可转债策略等多年实盘验证，成熟度高，稳定性强 [15] - 优势4：十年量化私募品牌，信用信誉值得信赖，无风险舆情事件 [15] 产品线 波动率均衡策略(复合策略) - 策略介绍：利用波动率变化对策略的正向影响增厚收益，持有多类资产，分散化方式降低风险 [15][16] - 涉及到的细分策略有：股票多空策略、CTA策略、可转债策略以及期权策略 [16] - 策略优势：长期确定性强，复合策略风险相对可控 [17] - 代表产品：艾方博云全天候1号私募证券投资基金，成立于2016-12-06，基金经理蒋锴 [17] 可转债策略 - 策略介绍：结合量化选股模型和期权定价模型，综合评估可转债理论价格，获取价格再发现或估值修复的投资收益 [18] - 策略优势：跟踪但不复制指数，仓位灵活可控，优化选债能力追求alpha收益，控制信用债底风险 [18] - 代表产品：星辰之艾方多策略4号私募证券投资基金，成立于2017-10-12，基金经理蒋锴 [18] CTA复合策略 - 策略介绍：立足于因子投资理念的多策略体系，将相关性较低的多个长期收益来源以风险平价的方式进行组合 [19] - 策略优势：双向收益来源，杠杆交易，大类资产配置价值 [20] - 代表产品：艾方CTA一号私募证券投资基金，成立于2019-12-02，基金经理蒋锴、谢艺冰 [20] 所获荣誉 - 2024年度中国私募基金英华奖"综合实力50强示范机构" [22] - 2024年度中国私募基金英华奖"五年期转债策略产品示范案例（艾方可转债1号）" [22] - 2023年度中国私募基金英华奖"中国私募基金50强示范机构(复合策略)" [22] - 2022年度金长江奖稳健发展私募基金公司 [22] - 2021年度金长江奖资管先锋私募基金经理-蒋锴 [23] - 2020年度私募排排网（固定收益）最值得信赖私募基金管理人 [23] - 2019年第11届中国私募金牛奖"一年期相对价值策略管理公司" [23] - 2018年中国私募基金英华奖"中国私募基金人气奖(量化策略）" [23] - 2016年私募排排网百舸奖-"中国最佳相对价值策略私募基金管理人" [23] - 2015年中国阳光私募"金长江"奖-行业典范 [23]

根据提供的证券研究报告内容，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. **鑫选ETF绝对收益策略** - 模型构建思路：通过"抽屉法"在场内权益ETF池中进行测试，目标是跑出绝对收益和相对A股权益的长周期相对收益[11] - 具体构建过程： 1. 筛选鑫选ETF池中的标的（如黄金ETF、食品饮料ETF等） 2. 采用等权重分配（每只ETF权重10%） 3. 结合技术面量化信号动态调整持仓[11][12] - 模型评价：样本外表现优异，风险收益比突出 2. **全天候多资产多策略ETF风险平价策略** - 模型构建思路：结合行业轮动、风格轮动等权益策略，通过风险平价降低组合波动性[17] - 具体构建过程： 1. 分散配置商品（黄金ETF）、美股（标普500ETF）、国内权益（行业/风格轮动ETF）、债券（国债ETF） 2. 风险平价权重计算： $$ w_i = \frac{1/\sigma_i}{\sum_{j=1}^n 1/\sigma_j} $$ 其中$\sigma_i$为资产i的历史波动率[17][18] - 模型评价：精细化资产分散，实现低波动下的稳定收益 3. **中美核心资产组合** - 模型构建思路：纳入白酒、红利、黄金、纳指等强趋势标的，结合RSRS择时策略与技术面反转策略[21] - 具体构建过程： 1. 对四类标的分别生成买入/卖出信号 2. 动态调整权重，近期持仓为中证红利ETF（60%）+黄金ETF（40%）[21] - 模型评价：长周期超额收益显著 4. **高景气/红利轮动策略** - 模型构建思路：根据宏观信号在高景气成长与红利策略间切换[24] - 具体构建过程： - 高景气信号：配置创业板ETF+科创50ETF（各50%） - 红利信号：配置红利低波ETF+央企红利50ETF（各50%）[24] - 模型评价：适应市场风格切换 5. **双债LOF增强策略** - 模型构建思路：以债券持仓为主，其他资产为辅的增强组合[27] - 具体构建过程： 1. 计算双债LOF与其他资产的收益率波动率 2. 按波动率倒数归一化分配权重（债券权重通常>70%）[27] - 模型评价：显著优于纯债基准 6. **结构化风险平价（QDII）策略** - 模型构建思路：以国内债券ETF为主，QDII权益和商品ETF增强[30] - 具体构建过程： 1. 主配置5年/10年地方债ETF、30年国债ETF（合计权重>50%） 2. 辅以纳指ETF、黄金ETF等[30] - 模型评价：兼顾防御性与收益增强 --- 模型的回测效果 | 模型名称 | 总收益率（2024年初） | 年化收益率 | 最大回撤 | 波动率 | 夏普比率 | |----------------------------------|----------------------|------------|----------|--------|----------| | 鑫选技术面量化策略 | 33.49% | 24.14% | -6.30% | 17.58% | 1.20 | [11][33] | 高景气红利轮动策略 | 48.99% | 34.78% | -22.04% | 34.79% | 0.96 | [24][33] | 中美核心资产组合 | 59.80% | 42.03% | -10.86% | 17.16% | 2.02 | [21][33] | 双债LOF增强策略 | 9.08% | 6.73% | -2.26% | 3.41% | 1.34 | [27][33] | 结构化风险平价(QDII) | 23.59% | 17.18% | -2.38% | 4.92% | 2.84 | [30][33] | 全天候多资产风险平价策略 | 19.69% | 14.40% | -3.62% | 4.48% | 2.58 | [15][33] --- 关键因子应用 1. **红利因子** - 构建方式：筛选高股息率标的（如中证红利指数成分股）[24] - 测试结果：红利低波ETF年内收益2.31%，夏普比率0.88[48][59] 2. **成长因子** - 构建方式：通过创业板ETF、科创50ETF捕捉高景气成长[24] - 测试结果：科创50ETF年内资金净流入9.95亿元[48] 3. **动量因子（RSRS）** - 构建方式：计算标的资产的阻力支撑相对强度[21] - 公式： $$ RSRS = \frac{R_{high}-R_{low}}{P_{close}} $$ 其中$R_{high/low}$为N日最高/最低价，$P_{close}$为收盘价[21] 4. **波动率因子** - 构建方式：用于风险平价模型的权重分配[17] - 测试结果：组合波动率压降至4.48%[15] --- 因子回测效果 | 因子类型 | 代表ETF | 年内收益 | 资金流向（本周） | |----------------|------------------|----------|------------------| | 红利因子 | 红利低波ETF | +2.31% | +3.9亿元 | [48][59] | 成长因子 | 科创50ETF | -0.85% | +9.95亿元 | [48][57] | 商品因子 | 黄金ETF | +25.74% | -11.79亿元 | [59][55] | 防御因子 | 国债ETF | +0.89% | +108.3亿元 | [44][57] （注：部分因子通过ETF持仓间接体现，未单独列出计算公式）

根据提供的研报内容，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. **鑫选ETF绝对收益策略** - 模型构建思路：通过"抽屉法"在场内权益ETF池中进行测试，目标是跑出绝对收益和相对A股权益的长周期相对收益[11] - 具体构建过程： 1. 筛选鑫选ETF池中的标的（如黄金ETF、食品饮料ETF等） 2. 采用技术面量化方法进行组合优化 3. 动态调整持仓权重（各标的权重10%）[12] - 模型评价：样本外表现优异，风险收益比突出 2. **全天候多资产多策略ETF风险平价策略** - 模型构建思路：结合行业轮动、风格轮动等权益策略，使用风险平价方法分散资产和策略风险[17] - 具体构建过程： 1. 配置多资产类别（商品/美股/国内权益/债券） 2. 采用风险贡献均衡的权重分配方法 3. 具体持仓包括国债ETF（21.05%）、黄金ETF（9.12%）等[18] 3. **中美核心资产组合** - 模型构建思路：纳入白酒、红利、黄金、纳指四种强趋势标的，结合RSRS择时策略[21] - 具体构建过程： 1. 对每类资产应用RSRS趋势判断 2. 根据技术面反转信号调整仓位 3. 当前持仓为中证红利ETF和黄金ETF 4. **高景气/红利轮动策略** - 模型构建思路：构建高景气成长与红利策略的轮动模型[24] - 具体构建过程： 1. 信号为高景气时配置创业板ETF和科创50ETF（各50%） 2. 信号为红利时配置红利低波ETF与央企红利50ETF 3. 2024年2月后调整红利组合结构 5. **双债LOF增强策略** - 模型构建思路：通过波动率倒数归一化方法提升债券配置权重[27] - 具体构建过程： 1. 将标的分为双债LOF与其他三类资产 2. 计算各组收益率波动率 3. 按波动率倒数分配权重 6. **结构化风险平价（QDII）** - 模型构建思路：以国内债券ETF为主，QDII产品增强收益[30] - 具体构建过程： 1. 配置QDII权益（纳指ETF等）、黄金、国内红利ETF 2. 采用风险平价方法优化组合 模型的回测效果 | 策略名称 | 总收益率 | 年化收益率 | 最大回撤 | 波动率 | 夏普比率 | |---------|---------|-----------|---------|--------|----------| | 鑫选技术面量化策略 | 33.49% | 24.14% | -6.30% | 17.58% | 1.20 | [33] | 高景气红利轮动策略 | 48.99% | 34.78% | -22.04% | 34.79% | 0.96 | [33] | 中美核心资产组合 | 59.80% | 42.03% | -10.86% | 17.16% | 2.02 | [33] | 双债LOF增强 | 9.08% | 6.73% | -2.26% | 3.41% | 1.34 | [33] | 结构化风险平价(QDII) | 23.59% | 17.18% | -2.38% | 4.92% | 2.84 | [33] | 全天候多资产策略 | 19.69% | 14.40% | -3.62% | 4.48% | 2.58 | [15][33] 量化因子与构建方式 1. **红利因子** - 构建思路：通过股息率和低波动特征筛选标的[24] - 具体构建： 1. 计算标的股息率（$$ Dividend\ Yield = \frac{DPS}{Price} $$） 2. 结合波动率指标筛选 3. 应用于红利低波ETF等产品 2. **质量因子** - 构建思路：筛选自由现金流稳定的标的[24] - 具体构建： 1. 计算企业自由现金流（$$ FCF = CFO - CapEx $$） 2. 标准化处理后加权 3. **趋势因子(RSRS)** - 构建思路：捕捉资产价格趋势[21] - 具体构建： 1. 计算标的RSRS斜率 2. 设定阈值触发交易信号 因子的回测效果 | 因子类型 | 代表ETF | 年化超额收益 | IR | |---------|--------|-------------|----| | 红利因子 | 红利低波ETF | 2.31% | 0.88 | [59] | 质量因子 | 自由现金流ETF | 1.67% | 0.21 | [48] | 趋势因子 | 黄金ETF | 25.74% | 3.86 | [59] 注：所有策略测试结果均为2024年初至今数据[33]，因子表现取自周涨幅TOP35ETF数据[59]