报告行业投资评级 未提及 报告的核心观点 报告给出几个借助ETF构建的策略指数，并以周度为频率对指数的绩效和持仓进行跟踪，各指数有不同构建方法和收益表现 [11] 各策略指数总结 华宝研究大小盘轮动ETF策略指数 - 利用多维度技术指标因子，用机器学习模型预测申万大盘和小盘指数收益差，周度输出信号决定持仓获取超额回报 [3][13] - 截至2025/6/6，2024年以来超额收益15.99%，近一月-1.76%，近一周-0.11% [3][13] - 近一周收益0.95%，近一月-1.40%，2024年以来27.08%，基准中证800对应收益为1.07%、0.35%、11.09% [15][16] - 持仓为沪深300ETF，权重100% [16] 华宝研究SmartBeta增强ETF策略指数 - 利用量价类指标对自建barra因子择时，依据ETF在9大barra因子暴露度映射择时信号，涵盖主流宽基及风格、策略ETF获取超额收益 [3][16] - 截至2025/6/6，2024年以来超额收益20.75%，近一月3.74%，近一周0.40% [3][16] - 近一周收益1.47%，近一月4.10%，2024年以来31.84%，基准中证800对应收益为1.07%、0.35%、11.09% [17] - 持仓为红利低波ETF（47.58%）、中证2000ETF（33.84%）、中证1000ETF（18.59%） [21] 华宝研究量化风火轮ETF策略指数 - 从多因子角度出发，把握中长期基本面、跟踪短期趋势、分析参与者行为，用估值与拥挤度信号提示风险，挖掘潜力板块获超额收益 [4][20] - 截至2025/6/6，2024年以来超额收益2.38%，近一月0.81%，近一周-0.22% [4][20] - 近一周收益0.84%，近一月1.16%，2024年以来13.47%，基准中证800对应收益为1.07%、0.35%、11.09% [21] - 持仓为有色60ETF（20.20%）、煤炭ETF（20.08%）、医药卫生ETF（20.00%）、银行ETF（19.89%）、物流ETF（19.83%） [23] 华宝研究量化平衡术ETF策略指数 - 采用多因子体系，含经济基本面、流动性、技术面和投资者行为因子，构建量化择时系统研判权益市场趋势，建立大小盘风格预测模型调整仓位，综合择时和轮动获超额收益 [4][23] - 截至2025/6/6，2024年以来超额收益0.97%，近一月-0.14%，近一周-0.36% [4][23] - 近一周收益0.52%，近一月0.41%，2024年以来13.88%，基准沪深300对应收益为0.88%、0.55%、12.91% [25] - 持仓为中证1000ETF（5.27%）、增强500ETF（5.11%）、300增强ETF（29.60%）、政金债券ETF（25.15%）、短融ETF（24.80%）、十年国债ETF（10.06%） [27] 华宝研究热点跟踪ETF策略指数 - 根据市场情绪分析、行业事件跟踪、投资者情绪和专业观点、政策法规变动及历史演绎等策略，跟踪挖掘热点指数标的产品，构建ETF组合捕捉市场热点，为投资者提供参考 [5][27] - 截至2025/6/6，近一月超额收益1.49%，近一周0.43% [5][27] - 近一周收益1.91%，近一月2.06%，基准中证全指对应收益为1.47%、0.57% [30] - 持仓为港股消费ETF（28.59%）、有色50ETF（26.84%）、港股红利ETF（25.57%）、国债至ETF5至10年（19.00%） [31] 华宝研究债券ETF久期策略指数 - 采用债券市场流动性、量价指标筛选择时因子，用机器学习方法预测债券收益率，低于阈值减少长久期仓位，提升组合长期收益和回撤控制能力 [5][31] - 截至2025/6/6，近一月超额收益0.25%，近一周-0.01% [5][31] - 近一周收益0.14%，近一月-0.12%，2024年以来9.23%，成立以来14.37%，基准中债 - 总指数对应收益为0.14%、-0.38%、4.63%、6.56% [32] - 持仓为十年国债ETF（50.02%）、国债ETF5至10年（12.50%）、政金债券ETF（12.49%） [34]

量化股票投资复苏 - 量化股票投资在2025年表现突出 传统多空因子模型和机器学习策略均呈现复苏态势 [1][2] - 法国兴业银行全球自下而上股票因子策略2025年上涨超过9% 成功抵御4月市场波动 [2] - 自上而下因子指数实现稳健增长 价值型和动量型策略(尤其美国以外地区)引领涨势 [2] 地区与策略差异 - 欧洲价值策略在相对和绝对回报方面表现最佳 但估值差距已显著缩小 [3] - 机器学习模型表现强劲 新推出的每周均值回归策略回报率达4.1% 超越基础反转模型 [3] - 机器学习模型自2017年部署以来持续表现出色 在美国市场尤为突出 [3] 投资主题表现 - 防御性股票收益策略表现优异 优质收益指数专注于高派息率公司(公用事业/电信/能源) [4] - 美国小型股价值(除垃圾股)策略超越基准指数 在廉价信贷消失背景下受重视 [4] - "强弱资产负债表"交易保持正增长 紧密跟随信贷利差走势且避免传统对冲成本 [4] 下半年展望 - 欧洲价值策略引领量化投资回归 但下半年展望趋于谨慎 因估值利差接近历史正常水平 [5] - 更倾向采用稳定策略 如优质收益策略和小型股价值(除垃圾股)策略 [5] - 欧洲价值股轻松收益阶段可能结束 因地缘政治不确定性和盈利风险增加 [5] 行业整体表现 - 2025年量化投资实现实质性回归 不仅是简单贝塔效应驱动 [6] - 从机器学习逆转策略到严谨因子分析 系统性投资者迎来胜利之年 [6] - 结构化股票选择在当前复杂政策环境下取得显著成效 [6]

中证500质量成长指数表现 - 截至2025年6月9日11:21，中证500质量成长指数(930939)上涨0.35%，成分股信立泰上涨9.12%，贝达药业上涨4.58%，华海药业上涨4.43%，广东宏大上涨4.10%，丽珠集团上涨3.48% [1] - 500质量成长ETF(560500)上涨0.42%，最新价报0.96元，成交182.91万元 [1] 中证500质量成长指数成分股 - 中证500质量成长指数从中证500指数样本中选取100只盈利能力较高、盈利可持续、现金流量较为充沛且具备成长性的上市公司证券作为指数样本 [2] - 截至2025年5月30日，中证500质量成长指数前十大权重股分别为赤峰黄金(3.13%)、九号公司(2.71%)、胜宏科技(2.53%)、恺英网络(2.21%)、西部矿业(2.35%)、水晶光电(2.61%)、东阿阿胶(2.23%)、电投能源(未列具体权重)、安克创新(未列具体权重)、晶晨股份(2.21%)，前十大权重股合计占比23.79% [2][4] 市场风格与投资策略 - 今年以来中小风格占优，市值越小表现越好，主要原因是个人投资者风险偏好改善，散户和保险是主要的增量资金 [1] - 经济基本走平，整体业绩弹性有限，但盈利仍然是获得高收益的有效策略，投资者倾向在偏中小风格挖掘高质量潜在"新蓝筹" [1] - 一季度SIRR和成长能力因子几乎能解释今年以来中证800股票的表现，内在回报率高和一季报边际改善的股票表现相对好 [1] - 质量因子崛起，500质量指数连续两年占优，红利策略缩圈，仅剩银行一枝独秀 [1] - 下一个阶段应选择当前SIRR比较高且半年报业绩增速边际改善的个股，以及在偏中小风格股票中寻找盈利质量较高的标的 [1] - 随着经济稳定度提高，业绩边际改善的高SIRR的300质量成长也有望逐渐崛起 [1] 成分股涨跌幅 - 赤峰黄金下跌2.49%，权重3.13% [4] - 九号公司上涨1.01%，权重2.71% [4] - 水晶光电上涨0.68%，权重2.61% [4] - 胜宏科技上涨1.18%，权重2.53% [4] - 西部矿业下跌0.49%，权重2.35% [4] - 东阿阿胶上涨0.47%，权重2.23% [4] - 恺英网络上涨0.53%，权重2.21% [4] - 晶晨股份下跌0.06%，权重2.21% [4] - 神州泰岳下跌0.18%，权重2.15% [4] - 宏发股份下跌0.31%，权重1.87% [4]

能源化工期权 2025-06-09 能源化工期权策略早报 | 卢品先 | 投研经理 | 从业资格号：F3047321 | 交易咨询号：Z0015541 | 邮箱：lupx@wkqh.cn | | --- | --- | --- | --- | --- | | 黄柯涵 | 期权研究员 | 从业资格号：F03138607 | 电话：0755-23375252 | 邮箱：huangkh@wkqh.cn | 能源化工期权策略早报概要：能源类：原油、LPG；聚烯烃类期权：聚丙烯、聚氯乙烯、塑料、苯乙烯；聚酯类期 权：对二甲苯、PTA、短纤、瓶片；碱化工类：烧碱、纯碱；其他能源化工类：橡胶等。 策略上：构建卖方为主的期权组合策略以及现货套保或备兑策略增强收益。 表1：标的期货市场概况 | 期权品种 | 标的合约 | 最新价 | 涨跌 | 涨跌幅 | 成交量 | 量变化 | 持仓量 | 仓变化 | | --- | --- | --- | --- | --- | --- | --- | --- | --- | | | | | | （%） | (万手) | | (万手) | | | 原油 | SC2507 | 476 | 8 ...

报告核心观点 - 构建基于风格因子的A股风格投资体系，年内A股占优风格为高盈利、高估值、小市值；制造业PMI边际回暖，但内需仍需政策支持 [7][8][9] 6月金股组合 - 6月金股组合包含顺丰控股（002352.SZ）、安集科技（688019.SH）、佰仁医疗（688198.SH）、岭南控股（000524.SZ）、青岛啤酒（600600.SH）、索辰科技（688507.SH） [2] 市场指数表现 - 上证综指收盘价3385.36，涨0.04%；深证成指收盘价10183.70，跌0.19%；沪深300收盘价3873.98，跌0.09%；中小100收盘价6379.94，跌0.26%；创业板指收盘价2039.44，跌0.45% [4] 行业表现（申万一级） - 有色金属、通信、石油石化、建筑装饰、基础化工涨幅居前，分别为1.16%、1.00%、0.88%、0.79%、0.74%；美容护理、纺织服饰、食品饮料、传媒、非银金融跌幅居前，分别为-1.70%、-1.18%、-0.92%、-0.85%、-0.84% [5] 策略研究 - 自下而上构建A股风格因子组合，体系分为市值、估值、盈利、动量四个维度 [7] - 不同时期A股主导因子不同，2013 - 2014年为盈利因子，2015 - 2016年中为小市值因子，2016年8月 - 2018年为估值因子，2019 - 2021年初为盈利因子，2021 - 2023年为市值因子，2024年以来进入风格轮动或转换期，2025年起高估值因子重新走强 [7] - 新兴成长类资产小市值风格优势明显，红利资产体现为显著低估值因子 [7] - 盈利因子与经济周期、估值因子与市场情绪、市值因子与剩余流动性、动量因子与交易拥挤度和增量资金结构相关，增量资金方向与结构影响市场风格 [8] - 构建基于风格因子的A股风格投资体系，年内A股占优风格为高盈利、高估值、小市值 [8] 固定收益 - 5月制造业PMI为49.5%，比上月上升0.5个百分点，“抢出口”持续但边际放缓，部分分项指数下降，其余回升 [9] - 内需相对外需不足，新订单增长较新出口订单不足，5月新出口订单上行2.8个百分点至47.5%，新订单仅上涨0.6个百分点 [9] - 出厂价格降幅放缓，产成品库存下行，主要原材料购进价格走低，企业抬高原材料库存量 [9][10] - 5月建筑业PMI扩张速度放缓，服务业PMI小幅加快0.1个百分点至50.2%，节假日带动服务业景气度提升 [10] - 目前内需修复相对外需不足，价格筑底，后续需政策工具缓解内需问题 [10]

市场技术面分析 - Wind全A指数于6月4日突破SAR点位，发出做多信号，均线强弱指数显示上行空间仍存，市场下周或延续震荡上行态势 [1][2] - 沪深300流动性冲击指标周五为0.30，高于前一周（0.13），显示当前市场流动性高于过去一年平均水平0.30倍标准差 [2] - 上证50ETF期权PUT-CALL比率周五降至0.85（前值1.15），投资者对短期走势谨慎程度下降 [2] 交易活跃度与宏观因子 - 上证综指和Wind全A五日平均换手率分别为0.82%和1.40%，处于2005年以来56.33%和68.58%分位点，交易活跃度上升 [2] - 人民币汇率震荡，在岸和离岸周涨幅分别为0.15%、0.25% [2] - 中国5月官方制造业PMI为49.5，高于前值49，财新制造业PMI为48.3，低于前值50.4 [2] 全球市场与事件驱动 - 美股道琼斯、标普500、纳斯达克指数周收益率分别为1.17%、1.5%、2.18%，特朗普政府关税不确定性导致美国5月就业增长放缓 [2] - 6月5日中美领导人通话，特朗普表示重视美中关系并乐见中国经济增长 [2] 指数表现与估值水平 - 上周上证50、沪深300、中证500、创业板指分别上涨0.38%、0.88%、1.6%、2.32% [3] - 全市场PE（TTM）为19.2倍，处于2005年以来52.3%分位点 [3] 因子与行业拥挤度 - 小市值因子拥挤度1.05表现最佳，低估值、高盈利、高盈利增长因子拥挤度分别为0.06、-0.18、-0.23 [3] - 机械设备、综合、商贸零售、环保、美容护理行业拥挤度较高，美容护理和银行拥挤度上升幅度较大 [3]

量化模型与因子分析总结 风格因子分析 1. Trend因子 - 构建思路：捕捉股票价格趋势变化[14] - 具体构建过程： - Trend_120：使用20天和120天的指数加权移动平均比率 $$Trend_{120} = \frac{EWMA(halflife=20)}{EWMA(halflife=120)}$$ - Trend_240：使用20天和240天的指数加权移动平均比率 $$Trend_{240} = \frac{EWMA(halflife=20)}{EWMA(halflife=240)}$$ - 评价：市场对趋势投资策略偏好增强[9] - 测试结果：近一周收益1.15%，近一年年化收益13.98%[11] 2. Beta因子 - 构建思路：衡量股票系统性风险[14] - 具体构建过程：使用贝叶斯压缩后的市场Beta值 - 测试结果：近一周收益0.18%，近一年年化收益0.37%[11] 3. Growth因子 - 构建思路：评估公司成长性[14] - 具体构建过程： - Delta ROE：过去3年ROE变动的平均值 - Sales_growth：销售收入TTM的3年复合增速 - Na_growth：净资产TTM的3年复合增速 - 测试结果：近一周收益0.09%，近一年年化收益2.73%[11] 4. Liquidity因子 - 构建思路：衡量股票流动性[14] - 具体构建过程： - TO：过去243天的平均对数换手率 - Liquidity beta：个股对数换手率与市场对数换手率的回归系数 - 测试结果：近一周收益-0.43%，近一年年化收益-3.54%[11] 选股因子分析 1. DELTAROE因子 - 构建思路：衡量净资产收益率变化[19] - 具体构建过程：单季净资产收益率-去年同期净资产收益率 - 评价：在中证全指成分股中表现最好[1] - 测试结果： - 中证全指：近一周收益1.84%，近一年年化收益2.40%[46] - 中证500：近一周收益0.95%，近一年年化收益6.06%[26] - 中证800：近一周收益1.08%，近一年年化收益3.35%[30] 2. 标准化预期外盈利(SUE) - 构建思路：衡量盈利超预期程度[19] - 具体构建过程：$$SUE = \frac{单季实际净利-预期净利}{预期净利标准差}$$ - 测试结果： - 中证500：近一周收益1.20%，近一年年化收益4.06%[26] - 中证全指：近一周收益0.96%，近一年年化收益-5.32%[46] 3. 单季ROE因子 - 构建思路：衡量单季度净资产收益率[19] - 具体构建过程：单季净利润*2/(期初净资产+期末净资产) - 测试结果： - 沪深300：近一周收益0.64%，近一年年化收益1.80%[22] - 创业板指：近一周收益7.56%，近一年年化收益17.88%[42] 因子回测效果 1. 沪深300样本空间 - 三个月机构覆盖：近一周收益0.71%，近一年年化收益3.31%[22] - 单季ROA：近一周收益0.67%，近一年年化收益4.75%[22] - 三个月换手：近一周收益-0.27%，近一年年化收益2.71%[22] 2. 中证500样本空间 - 标准化预期外盈利：近一周收益1.20%，近一年年化收益4.06%[26] - 一个月反转：近一周收益0.92%，近一年年化收益6.98%[26] - 六个月UMR：近一周收益-0.85%，近一年年化收益-4.93%[26] 3. 中证800样本空间 - DELTAROE：近一周收益1.08%，近一年年化收益3.35%[30] - 预期PEG：近一周收益0.77%，近一年年化收益3.84%[30] - 六个月UMR：近一周收益-0.55%，近一年年化收益1.49%[30] 指数增强产品表现 1. 沪深300指数增强 - 最近一周：超额收益最高1.09%，中位数0.02%[52] - 最近一月：超额收益最高3.26%，中位数0.58%[52] - 今年以来：超额收益最高6.85%，中位数1.77%[52] 2. 中证500指数增强 - 最近一周：超额收益最高0.51%，中位数-0.04%[56] - 最近一月：超额收益最高2.55%，中位数1.47%[56] - 今年以来：超额收益最高6.82%，中位数2.58%[56] 3. 中证1000指数增强 - 最近一周：超额收益最高0.74%，中位数0.27%[60] - 最近一月：超额收益最高2.64%，中位数1.40%[60] - 今年以来：超额收益最高10.83%，中位数4.30%[60] 因子MFE组合构建方法 - 目标函数：最大化单因子暴露 $$max f^{T}w$$[61] - 约束条件包括： - 风格暴露约束 $$s_{l}\leq X(w-w_{b})\leq s_{h}$$[61] - 行业偏离约束 $$h_{l}\leq H(w-w_{b})\leq h_{h}$$[61] - 个股权重约束 $$w_{l}\leq w-w_{b}\leq w_{h}$$[61] - 成分股权重约束 $$b_{l}\leq B_{b}w\leq b_{h}$$[61] - 换手率约束 $$\Sigma|w-w_{0}|\leq to_{h}$$[61]

报告核心观点 报告围绕成长因子2.0，构建基于基本面预测的成长股策略，通过全市场理想组合测试、多视角筛选股票池、因子优选及因子化等方法，验证净利润增长预测在选股中的有效性，为投资提供参考[1] 分组1：预测净利润增长的作用——理想组合的前瞻性测试 - 研究背景：此前科技板块研究发现前瞻性筛选净利润增长公司并筛选成长因子，组合可跑赢板块整体，但未深入探讨，现研究全市场净利润增长预测适用性[6][7] - 前瞻性测试：基于中证全指成分股，每年4月底筛选已知未来一年归母净利润增长股票等权构建组合，与中证全指成分股等权组合对比，理想组合表现更优；筛选净利润增长股票按成长因子降序选前100只等权构建组合，在成长因子疲弱年份提升组合韧性[12][15] - 盈利预测：从预期视角和加速度视角预测净利润增长，移除原研究中分红相关筛选条件，加强净利润筛选要求，历史上A股企业未来一年净利润增长数量占比均值56%，2017年前后达峰值，2018年后下行，当前低于50%[22][24] 分组2：四个视角筛选预期净利润增长基础股票池 - 视角1：用最新一期财报单季净利润累计同比修正一致预期数据，要求同比高于上一期1%以上，预测胜率91.94%，近两年来中期股票数量约400只[28][30] - 视角2：通过ROE稳定修正预期数据，要求过去四期ROE - TTM数据极差小于1%且ROE水平在全市场前列，预测胜率82.55%，每期入选股票约100只[33][36] - 视角3：逐季度净利润同比加速增长，从历史财报数据考量企业景气度，要求过去4个季度单季度净利润加速增长，胜率80.19%，每期入选股票约150只[40][47] - 视角4：逐季度ROE同比加速增长，ROE加速增长体现企业盈利能力和景气度上升，胜率85.92%，每期入选股票约300只[52] - 收益表现：四种视角整体收益接近，视角三和视角四筛选股票少但年化收益率高，2023年以来优势明显，收益风险比小幅领先[57] 分组3：筛选股票池的情况 - 股票池情况：四种子视角合并组合股票筛选池平均有600 - 800只股票，平均预测胜率85.10%[60] - 市值水平：筛选池总市值和流通市值中位数分别约120亿和50亿，与中证1000相当，相比中证1000指数，筛选池各年份有收益提升，在下跌市场中超额领先[64][65] 分组4：筛选股票池的进一步因子优选 - 历史成长因子筛选：在筛选池按历史成长因子选100只因子值最高股票等权构建组合，表现提升，相对中证1000成长指数多数年份超额领先[75] - 组合行业中性：简单成长因子筛选忽视行业偏离问题，构建中证1000成长选股组合，拉平行业差距后，组合超额表现更稳定，成长因子疲软年份收益领先明显[76][80] - 多因子表现：对筛选出的股票池测试多种选股因子，选取Growth、Volatility因子等权选股，每年4、8、10月底调仓，选取得分靠前100只股票，组合收益进一步提升[82][90] 分组5：相似逻辑的因子化——二元分类到连续概率预测 - 因子化方法：采用逻辑回归模型将净利润增长二元分类转化为连续概率预测，输入因子包括行业属性、企业性质等，设置不同概率阈值筛选股票池，阈值与准确率正相关，与股票数量负相关，70%阈值较优[96][100] - 中证1000测试：局限在中证1000内，筛选池胜率90%但数量低，长期显著跑赢中证1000等权，不同加权方式表现有差异，等权组合受益于小市值效应，流通市值加权逐年战胜1000成长，行业对齐近几年表现较好[101][109]

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：Trend** - 构建思路：捕捉市场趋势投资策略的偏好[9] - 具体构建过程： - Trend_120：计算20日与120日指数加权移动平均(EWMA)的比值 - Trend_240：计算20日与240日EWMA的比值 公式： $$Trend = \frac{EWMA(halflife=20)}{EWMA(halflife=120/240)}$$ - 因子评价：短期趋势跟踪能力突出[9] 2. **因子名称：DELTAROE** - 构建思路：衡量净资产收益率(ROE)的同比变化[19] - 具体构建过程：单季ROE减去去年同期ROE[19] - 因子评价：在中证全指样本中表现最优[6] 3. **因子名称：标准化预期外盈利(SUE)** - 构建思路：反映盈利超预期程度[19] - 具体构建过程： $$SUE = \frac{实际单季净利 - 预期净利}{预期净利标准差}$$ - 因子评价：在中证500样本中近期表现最佳[25] 4. **因子名称：三个月换手率** - 构建思路：捕捉流动性反转效应[19] - 具体构建过程：过去60个交易日换手率均值[19] - 因子评价：在沪深300样本中持续表现较差[21] 5. **因子名称：特异度(IVR_1M)** - 构建思路：衡量个股收益与Fama-French三因子的独立性[19] - 具体构建过程： $$IVR_1M = 1 - R^2_{FF3}$$ - 因子评价：在小盘股中区分度显著[33] 因子回测效果 1. **DELTAROE因子** - 中证全指：近一周1.84%，近一月2.41%，年化3.17%[45] - 国证2000：近一周4.71%，近一年60.77%[36] 2. **标准化预期外盈利因子** - 中证500：近一周1.20%，年化7.68%[25] - 创业板指：近一月18.13%，年化35.13%[41] 3. **三个月换手率因子** - 沪深300：近一周-0.27%，年化2.71%[21] - 中证1000：近一月2.86%，年化7.33%[33] 4. **Trend风格因子** - 近一周1.15%，近一年19.73%，十年年化13.98%[9] 5. **特异度因子** - 中证800：近一周0.63%，年化1.95%[29] - 国证2000：近一年8.22%[36] 模型构建方法 **MFE组合优化模型** - 目标函数：最大化单因子暴露 - 约束条件： - 风格暴露控制：$$s_l \leq X(w-w_b) \leq s_h$$ - 行业偏离控制：$$h_l \leq H(w-w_b) \leq h_h$$ - 换手率约束：$$\Sigma|w-w_0| \leq to_h$$ - 求解方法：线性规划[61] 注：所有因子表现数据均来自各指数样本空间的最新回测结果[21][25][29][33][36][45]

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. **总资产增长率因子** - 构建思路：衡量公司总资产的增长情况，反映公司扩张能力[12] - 具体构建：计算总资产同比变化率 - 因子评价：长期稳定性较好，但10年维度存在回撤 2. **单季度ROA同比因子** - 构建思路：追踪单季度资产回报率的同比变化[12] - 具体构建：$$ ROA_{同比} = \frac{ROA_{t}-ROA_{t-4}}{|ROA_{t-4}|} $$ - 因子评价：在中证500和流动性1500池中表现突出 3. **动量弹簧因子** - 构建思路：结合动量效应与均值回归特性[13][15] - 具体构建：通过价格波动幅度与成交量加权计算 - 因子评价：在流动性1500池中年化收益达25.24% 4. **大宗交易成交金额比率因子** - 构建思路：捕捉大宗交易中的信息优势[31] - 具体构建：$$ \frac{大宗交易金额}{日均成交金额} $$ - 因子评价：需配合波动率因子使用效果更佳 5. **定向增发事件因子** - 构建思路：利用定增公告后的股价反应[37] - 具体构建：以股东大会公告日为事件触发点 - 因子评价：政策收紧后仍需验证有效性 量化组合与构建方式 1. **PB-ROE-50组合** - 构建思路：结合估值与盈利质量的平衡策略[25] - 具体构建：在全市场筛选PB分位数<30%且ROE>行业均值的50只股票 - 模型评价：全市场年化超额达5.86% 2. **机构调研组合** - 构建思路：跟踪公募/私募调研密集度[27] - 具体构建：按调研频次+机构权重加权选股 - 模型评价：私募策略年化超额11.11% 3. **大宗交易组合** - 构建思路："高成交金额比率+低波动"双因子筛选[31] - 具体构建：月频调仓，控制组合波动率<15% - 模型评价：年内超额23.89%但波动较大 4. **定向增发组合** - 构建思路：事件驱动型策略[37] - 具体构建：股东大会公告日建仓，持有3个月 - 模型评价：受政策影响需动态调整 因子回测效果 | 因子名称 | 最近1周 | 最近1年 | 最近10年 | |------------------------|---------|---------|----------| | 总资产增长率(沪深300) | 2.23% | 5.60% | -10.61% | | 单季度ROA同比(中证500) | 0.98% | 14.55% | 185.22% | | 动量弹簧(流动性1500) | 1.46% | 25.24% | 141.17% | 组合回测效果 | 组合名称 | 本周超额 | 年内超额 | 绝对收益 | |------------------|----------|----------|----------| | PB-ROE-50全市场 | 3.35% | 5.86% | 7.74% | | 私募调研跟踪 | 1.31% | 11.11% | 10.01% | | 大宗交易组合 | 0.41% | 23.89% | 26.09% | | 定向增发组合 | 1.97% | 7.96% | 6.08% | [12][13][15][25][27][31][37]