证券研究报告 | 2025年06月29日 基金周报 年内多家公司对旗下 ETF 更名，科创板 ETF 纳入基金投顾配置范围 核心观点 金融工程周报 上周市场回顾。上周A股市场主要宽基指数全线上涨，创业板指、中证 1000、中证 500 指数收益靠前，收益分别为 5.69%、4.62%、3.98%， 上证综指、沪深 300、中小板指指数收益靠后，收益分别为 1.91%、 1.95%、2.55%。 从成交额来看，上周主要宽基指数成交额均有所上升。行业方面，上周 综合金融、计算机、综合收益靠前，收益分别为 14.48%、8.09%、7.55%， 石油石化、食品饮料、交通运输收益靠后，收益分别为-1.45%、0.02%、 0.25%。 截至上周五，央行逆回购净投放资金 10672 亿元，逆回购到期 9603 亿 元，净公开市场投放 20275 亿元。除 1 年期和 3 年期外，不同期限的国 债利率均有所上行，利差扩大 1.66BP。 上周共上报 28 只基金，较上上周申报数量有所减少。申报的产品包括 3 只FOF，2 只REITs，天弘国证港股通消费主题ETF、嘉实上证科创板人 工智能ETF、华宝港股通恒生消费ETF ...

根据提供的量化研报内容，以下是结构化总结： --- 量化模型与构建方式 1. **A股景气度高频指数模型** - 构建思路：基于上证指数归母净利润同比的Nowcasting目标构建，用于监测景气周期[49] - 构建过程：通过历史下行周期的时间与幅度对比，定位景气底部区间（如2023年四季度为底部）[49] - 评价：有效捕捉景气拐点，当前指数呈震荡上行趋势[52] 2. **A股情绪指数模型** - 构建思路：通过波动率和成交额变化方向划分四个象限，构造见底/见顶预警信号[53] - 构建过程： - 波动率下行+成交额下行：显著负收益 - 其他组合：显著正收益 当前信号为波动率下行（见底看多）+成交额上行（见顶看多），综合信号为“多”[56][61] - 评价：直接反映市场量价情绪，近期信号指向普涨格局[61] --- 量化因子与构建方式 1. **BARRA风格因子** - 包含十大类因子：市值（SIZE）、Beta、动量（MOM）、残差波动率（RESVOL）、非线性市值（NLSIZE）、估值（BTOP）、流动性（LIQUIDITY）、盈利（EARNINGS_YIELD）、成长（GROWTH）、杠杆（LVRG）[77] - 构建过程： - 通过个股风险暴露相关性分析（如流动性与Beta、动量正相关）[78] - 纯因子收益计算（如Beta因子超额收益显著，市值因子负收益）[80] 2. **行业因子** - 构建过程：相对市场市值加权组合计算超额收益（如国防军工、计算机行业因子表现优异）[80] --- 模型回测效果 1. **中证500增强组合** - 本周收益率3.39%，跑输基准0.58%[67] - 2020年至今超额收益44.44%，最大回撤-4.99%[67] 2. **沪深300增强组合** - 本周收益率1.74%，跑输基准0.21%[73] - 2020年至今超额收益29.58%，最大回撤-5.86%[73] --- 因子回测效果 1. **风格因子表现（近一周）** - Beta因子：超额收益显著[80] - 市值因子：负向超额收益[80] - 盈利因子：高盈利股表现优异[80] 2. **行业因子表现（近一周）** - 国防军工、计算机：超额收益较高[80] - 石油石化、食品饮料：回撤较多[80] --- 注：未提及的模型/因子细节（如具体公式）在原文中无明确描述[1][2][3][4]。

报告行业投资评级 未提及 报告的核心观点 报告聚焦量化基金市场表现，总结近一周主要指数和量化基金业绩表现、不同类型公募量化基金整体表现和业绩分布，以及本周收益表现较优的量化基金供投资者参考。本周（6月23日 - 6月27日）A股整体收涨，量化基金超额回落，主动量化上涨，指增超额回落，仅沪深300指增录得正超额 [1][2][8] 根据相关目录分别进行总结 近一周主要指数和量化基金业绩表现 - A股整体收涨，沪深300、中证500、中证1000近一周收益率分别为1.95%、3.98%、4.62% [3][8] - 主动量化上涨2.83%，市场中性小幅下跌0.10%；300指增平均超额为0.07%，中证500指增、中证1000指增平均超额分别为 - 0.35%、 - 0.20% [4][11] 不同类型公募量化基金业绩表现 - 沪深300指数增强基金近一周收益率2.02%，超额收益率0.07%等 [15] - 中证500指数增强基金近一周收益率3.63%，超额收益率 - 0.35%等 [15] - 中证1000指数增强基金近一周收益率4.42%，超额收益率 - 0.20%等 [16] - 其他指数增强基金近一周收益率3.30%，超额收益率 - 0.05%等 [16] - 主动量化基金近一周收益率2.83%，最大回撤 - 0.49%等 [17] - 市场中性基金近一周收益率 - 0.10%，最大回撤 - 0.26%等 [17] 不同类型公募量化基金业绩分布 - 展示各指数增强型近半年超额收益率走势、主动量化基金近半年收益率走势、市场中性基金近半年收益率走势等 [18][19][21] 不同类型公募量化绩优基金 - 沪深300指数增强绩优基金如安信量化精选沪深300指数增强近一周超额收益率0.88%等 [32] - 中证500指数增强绩优基金如苏新中证500指数增强近一周超额收益率0.63%等 [33] - 中证1000指数增强绩优基金如工银中证1000增强策略ETF近一周超额收益率1.24%等 [34] - 其他指数增强绩优基金如招商上证综合指数增强近一周超额收益率1.10%等 [35] - 主动量化绩优基金如金信量化精选近一周收益率8.11%等 [36] - 市场中性绩优基金如中邮绝对收益策略近一周收益率1.50%等 [37]

量化模型与构建方式 1. **模型名称**：MFE组合构建模型 **模型构建思路**：通过最大化单因子暴露构建组合，同时控制行业、风格等约束条件[51] **模型具体构建过程**： - 目标函数：最大化因子暴露 $$max\ f^{T}w$$ - 约束条件包括： - 风格暴露约束：$$s_{l}\leq X(w-w_{b})\leq s_{h}$$ - 行业偏离约束：$$h_{l}\leq H(w-w_{b})\leq h_{h}$$ - 个股权重偏离约束：$$w_{l}\leq w-w_{b}\leq w_{h}$$ - 成分股权重占比控制：$$b_{l}\leq B_{b}w\leq b_{h}$$ - 换手率约束：$$\Sigma|w-w_{0}|\leq to_{h}$$[51] **模型评价**：适用于多约束条件下的因子有效性检验，能更真实反映实际组合构建中的因子表现 量化因子与构建方式 1. **因子名称**：Beta风格因子 **因子构建思路**：衡量股票对市场波动的敏感性[13] **因子具体构建过程**：使用贝叶斯压缩后的市场Beta值[13] 2. **因子名称**：Trend因子 **因子构建思路**：捕捉股票价格趋势[13] **因子具体构建过程**： - Trend_120：$$EWMA(halflife=20)/EWMA(halflife=120)$$ - Trend_240：$$EWMA(halflife=20)/EWMA(halflife=240)$$[13] 3. **因子名称**：Volatility因子 **因子构建思路**：衡量股票波动性[13] **因子具体构建过程**： - Stdvol：过去243天的标准波动率 - Ivff：Fama-French三因子特质波动率 - Range：最高价/最低价-1 - MaxRet_6/MinRet_6：过去243天最高/最低六日收益率均值[13] 4. **因子名称**：Liquidity因子 **因子构建思路**：衡量股票流动性[13] **因子具体构建过程**： - TO：过去243天平均对数换手率 - Liquidity beta：个股换手率与市场换手率的回归系数[13] 5. **因子名称**：Value因子 **因子构建思路**：基于估值指标构建[13] **因子具体构建过程**： - BP：账面市值比 - EP：盈利收益率[13] 6. **因子名称**：Growth因子 **因子构建思路**：衡量公司成长性[13] **因子具体构建过程**： - 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[13] 因子回测效果 1. **Beta因子**： - 近一周收益：6.95% - 近一年年化收益：42.35% - 历史年化收益：0.72%[12] 2. **Liquidity因子**： - 近一周收益：5.53% - 近一年年化收益：33.85% - 历史年化收益：-3.31%[12] 3. **Value因子**： - 近一周收益：-3.55% - 近一年年化收益：-26.81% - 历史年化收益：7.10%[12] 4. **一年动量因子**（中证全指）： - 近一周收益：1.56% - 今年以来收益：-5.61% - 近一年年化收益：-13.27%[40] 5. **DELTAROE因子**（国证2000）： - 近一周收益：8.27% - 近一年年化收益：75.23% - 历史年化收益：11.01%[33] 指数增强产品表现 1. **沪深300指数增强**： - 最近一周超额收益中位数：0.11% - 今年以来超额收益中位数：2.13%[44] 2. **中证500指数增强**： - 最近一周超额收益中位数：-0.37% - 今年以来超额收益中位数：3.32%[48] 3. **中证1000指数增强**： - 最近一周超额收益中位数：-0.23% - 今年以来超额收益中位数：5.22%[50]

量化模型与构建方式 1. **模型名称**：中性约束条件下最大化因子暴露组合 - **模型构建思路**：在确保投资组合相对基准指数在行业和风格暴露保持中性的基础上，最大化目标因子在组合中的暴露[19] - **模型具体构建过程**： 1. 对股票池进行筛选，剔除上市时间不满1年的新股及存在风险警示的股票[44] 2. 对每个单因子进行中性化处理，消除其与行业、风格（规模、估值、成长）因子的相关性[44] 3. 使用优化方法在行业和风格中性约束下最大化目标因子暴露[19] 量化因子与构建方式 1. **因子名称**：Beta因子 - **因子构建思路**：捕捉个股与市场指数的弹性关系[15] - **因子具体构建过程**： - 将个股过去252个交易日的日收益率与中证全指日收益率进行半衰指数加权回归，半衰期为63个交易日，取回归系数作为BETA值 $$BETA = \text{回归系数（个股日收益 vs 中证全指日收益，半衰加权）}$$[15] 2. **因子名称**：规模因子（LNCAP） - **因子构建思路**：反映市值对收益的影响[15] - **因子具体构建过程**： $$LNCAP = \ln(\text{总市值})$$[15] 3. **因子名称**：动量因子（RSTR） - **因子构建思路**：捕捉个股中长期趋势[15] - **因子具体构建过程**： - 计算过去504个交易日个股累计收益率（排除最近21日），收益率序列使用半衰指数加权（半衰期126日） $$RSTR = \sum_{t=1}^{504} w_t \cdot r_t \quad (w_t=0.5^{t/126})$$[15] 4. **因子名称**：60日反转因子 - **因子构建思路**：捕捉短期反转效应[18] - **因子具体构建过程**： - 直接取个股过去60个交易日收益率 $$60日反转 = \sum_{t=1}^{60} r_t$$[18] 5. **因子名称**：20日特异度因子 - **因子构建思路**：衡量个股收益与三因子模型的偏离程度[18] - **因子具体构建过程**： - 将个股过去20个交易日日收益与Fama-French三因子回归，取拟合优度（R²）的负值 $$20日特异度 = -R^2$$[18] 模型与因子的评价 - **Beta因子**：近期表现突出，反映市场风险偏好提升[15][16] - **规模因子**：小市值效应强化，但长期多空收益为负[15][16] - **动量因子**：中长期有效性稳定，但近期受市场反转影响[15][18] - **反转因子**：短期反转效应显著，尤其在中证1000股票池中表现强劲[26][35] 模型与因子的测试结果 风格因子表现 | 因子名称 | 近一周多空收益 | 近一月多空收益 | |----------------|----------------|----------------| | Beta因子 | 7.50% | 8.74% |[16] | 规模因子 | -4.23% | -5.29% |[16] | 动量因子 | 1.48% | -1.62% |[16] 选股因子表现（沪深300股票池） | 因子名称 | 近一周超额收益 | 近一月超额收益 | |------------------------|----------------|----------------| | 对数市值 | 0.83% | 2.44% |[21] | 单季度营业利润同比增速 | 0.72% | 1.83% |[21] | 20日特异度 | 0.71% | 0.20% |[21] 全市场因子Rank IC | 因子名称 | 近一周Rank IC | 近一月Rank IC均值 | |----------------|---------------|--------------------| | 对数市值 | 24.81% | 9.05% |[44] | 20日特异度 | 21.07% | 11.25% |[44] | 60日反转 | 19.50% | 10.07% |[44]

量化模型与构建方式 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）两个核心指标，筛选出估值合理且盈利能力强的股票[25] - **模型具体构建过程**： 1. 在全市场股票池中计算每只股票的PB和ROE值 2. 对PB和ROE分别进行标准化处理 3. 构建综合得分：$$Score = w_1 \times \text{标准化PB} + w_2 \times \text{标准化ROE}$$，其中权重$w_1$和$w_2$通过历史数据优化确定 4. 选取综合得分前50名的股票等权配置，按月调仓[25][26] 2. **模型名称：大宗交易组合** - **模型构建思路**：基于"高成交金额比率、低波动率"原则筛选大宗交易事件中具有超额收益潜力的股票[31] - **模型具体构建过程**： 1. 计算每只股票的大宗交易成交金额比率：$$\text{成交金额比率} = \frac{\text{大宗交易成交金额}}{\text{当日总成交金额}}$$ 2. 计算6日成交金额波动率：$$\text{波动率} = \sqrt{\frac{1}{5}\sum_{t=1}^5 (\ln P_t - \ln P_{t-1})^2}$$ 3. 对上述两个指标标准化后构建综合得分 4. 选取得分最高的股票等权配置，按月调仓[31][32] 3. **模型名称：定向增发组合** - **模型构建思路**：通过分析定向增发事件的市场反应，捕捉事件驱动型投资机会[36] - **模型具体构建过程**： 1. 以股东大会公告日为事件节点 2. 计算事件后超额收益：$$\text{CAR} = \sum_{t=1}^{20} (R_{i,t} - R_{m,t})$$ 3. 结合市值因子和流动性指标构建筛选规则 4. 控制单行业暴露不超过20%，按月调仓[36][37] 4. **模型名称：机构调研组合** - **模型构建思路**：跟踪公募和私募调研行为，挖掘机构关注度高的股票[27] - **模型具体构建过程**： 1. 统计各股票被机构调研次数 2. 计算调研强度指标：$$\text{调研强度} = \frac{\text{调研次数}}{\text{行业平均调研次数}}$$ 3. 结合基本面因子筛选，等权配置[27][28] 量化因子与构建方式 1. **因子名称：单季度净利润同比增长率** - **因子构建思路**：反映公司短期盈利增长能力[12] - **因子具体构建过程**：$$\text{因子值} = \frac{\text{本期净利润} - \text{上年同期净利润}}{\text{上年同期净利润}}$$[12][13] 2. **因子名称：5日反转** - **因子构建思路**：捕捉短期价格反转效应[12] - **因子具体构建过程**：$$\text{因子值} = -\ln(P_t/P_{t-5})$$[12][13] 3. **因子名称：标准化预期外收入** - **因子构建思路**：衡量收入超预期程度[12] - **因子具体构建过程**：$$\text{因子值} = \frac{\text{实际收入} - \text{分析师一致预期收入}}{\text{历史预期标准差}}$$[12][13] 4. **因子名称：6日成交金额移动平均** - **因子构建思路**：反映股票流动性特征[18] - **因子具体构建过程**：$$\text{因子值} = \frac{1}{6}\sum_{i=0}^5 \text{成交金额}_{t-i}$$[18][19] 5. **因子名称：对数市值因子** - **因子构建思路**：捕捉市值规模效应[12] - **因子具体构建过程**：$$\text{因子值} = \ln(\text{总市值})$$[12][13] 模型的回测效果 1. **PB-ROE-50组合** - 中证500超额收益：-1.38%（本周），2.37%（年初至今）[26] - 中证800超额收益：0.50%（本周），5.53%（年初至今）[26] - 全市场超额收益：0.09%（本周），6.83%（年初至今）[26] 2. **大宗交易组合** - 中证全指超额收益：1.16%（本周），24.68%（年初至今）[32] 3. **定向增发组合** - 中证全指超额收益：1.05%（本周），9.32%（年初至今）[37] 4. **机构调研组合** - 公募调研超额收益：0.40%（本周），2.03%（年初至今）[28] - 私募调研超额收益：0.79%（本周），10.02%（年初至今）[28] 因子的回测效果 1. **单季度净利润同比增长率** - 沪深300：1.94%（本周），3.24%（1个月）[13] - 中证500：0.80%（本周），3.54%（1个月）[17] - 流动性1500：2.09%（本周），4.08%（1个月）[19] 2. **5日反转** - 沪深300：1.83%（本周），1.59%（1个月）[13] - 中证500：0.90%（本周），-0.35%（1个月）[17] - 流动性1500：1.55%（本周），0.97%（1个月）[19] 3. **标准化预期外收入** - 沪深300：1.79%（本周），2.16%（1个月）[13] - 中证500：0.09%（本周），2.26%（1个月）[17] - 流动性1500：1.11%（本周），0.63%（1个月）[19] 4. **6日成交金额移动平均** - 流动性1500：1.55%（本周），1.70%（1个月）[19] 5. **对数市值因子** - 沪深300：1.25%（本周），0.38%（1个月）[13] - 中证500：-0.45%（本周），1.00%（1个月）[17] - 流动性1500：1.32%（本周），1.26%（1个月）[19]

市场表现与量化策略超额收益 - 2025年量化指增产品表现亮眼，574只产品近1年平均超额收益达24.48%，其中93.91%产品实现正超额 [2] - 分策略看，其他指增产品表现最佳，近1年超额均值34.74%，中证1000指增21.53%，中证500指增20.74%，沪深300指增11.91% [2] - 小盘股表现突出，受益于市场流动性充沛、风险偏好提升及中小盘股错误定价空间大 [8][19][23] 超额收益驱动因素 - 市场成交活跃度高，日均成交量维持万亿以上，为量化策略创造良好交易环境 [3][14][23] - 中小市值风格持续占优，股票价格波动大，量化模型能高效捕捉非理性定价机会 [8][19][23] - AI技术全面应用推动量化策略迭代，多因子模型优化提升选股能力 [9][23] - 股指期货基差波动加大，部分机构嵌入跨期套利策略平滑波动 [4] 产品布局趋势 - 产品线呈现多元化、精细化趋势，头部机构构建多品类、全频段策略矩阵 [9][14][20] - 中证A500指增成为行业新热点，多家机构加速布局 [8][20][24] - 小盘指增和量化选股（空气指增）产品热度上升 [14][20] - 部分机构探索差异化布局，如行业指增、红利增强等主题策略 [20][25] 小市值指增产品机会与风险 - 小市值指增超额优势明显，主要因小盘股波动率大、换手率高且流动性溢价改善 [6][17][21][26] - 微盘股市净率约2.2，低于2023年底2.5水平，估值仍具吸引力 [26] - 风险在于策略可能走向拥挤，流动性较差导致回撤较大 [17][21][26] 机构策略动态 - 半鞅私募布局全市场选股旗舰产品，强调高弹性和回撤控制优势 [5][6] - 蒙玺投资成立合肥AI Lab，聚焦深度学习在量化投研的应用 [9] - 龙旗科技推出中证红利指增和科技创新精选等细分产品 [14] - 橡木投资坚持深耕中证500/1000等传统宽基指增，不过度追逐热点 [20]

今天指数下跌不少，但多数股票上涨，行情不差的。最近有个有趣的现象：美元指数创下三年新低，全球市场都在热议，唯独A股像个局外人，丝毫不为所 动。这让我想起22年11月到23年7月那段日子，美元指数同样经历了一轮快速贬值，但A股却表现得异常疲软。这种"特立独行"的表现，究竟隐藏着怎样的市 场逻辑？ 一、A股的独立基因 当前A股最有趣的现象莫过于：监管层希望市场平稳运行以促进消费，而市场参与者却总想制造波动来获取超额收益。这种矛盾导致了一个奇特的市场结构 ——指数看似平稳，个股却经常上演"过山车"行情。 这种结构性特征让很多投资者无所适从。上周就有朋友抱怨："明明指数没怎么跌，我的持仓却已经腰斩了。"这正是当前市场的真实写照：表面风平浪静， 暗地波涛汹涌。 三、破解机构行为密码 很多人习惯性地认为，美元贬值意味着资金会流向新兴市场，A股理应受益。但事实往往出人意料。记得22年底到23年中那段时间，美元指数快速下跌，人 民币却并未明显升值，A股更是持续低迷。这背后反映的是中国经济的独特韧性——我们正在按照自己的节奏进行结构调整和产业升级。 这种独立性其实是一把双刃剑。好处是受外部冲击较小，坏处是市场运行逻辑往往让习惯 ...

2025年上半年A股市场回顾 - 年初DeepSeek发布引爆算力基建与应用概念股涨停潮 特朗普关税政策引发市场波动但国家队万亿平准基金稳定市场 [2] - 4月市场暴跌后创新药板块出现"黄金坑"机会 5月起创新药强势反弹 6月资金共识转向半导体设备、固态电池、国防军工等高端制造方向 [2] DeepSeek团队及行业影响 - DeepSeek-R1于2025年1月20日发布 性能直逼OpenAI-o1 引发美股半导体板块巨震 英伟达单日暴跌16.86% 市值蒸发5888.62亿美元(约4.27万亿元) [3] - 团队平均年龄28岁 本土化特征显著 海归比例不足5% 核心成员来自北大(20人)、清华(9人)等国内顶尖高校 [3][6] - 创始人梁文锋为量化投资领域传奇人物 38岁进军通用人工智能 旗下控制九章资产(38人)和幻方量化(66人)两家百亿私募 [7][8] 量化私募行业动态 - 截至2025年2月全国量化私募达855家 其中头部(50亿以上)机构62家 量化产品近半年平均收益21.51% 超额跑赢沪深300指数(17.12%) [10] - 幻方量化在头部机构中排名第三 旗下71只产品应监管要求未披露具体业绩 [12] - 2024年私募业绩分化明显 东方港湾蝉联年度冠军 行业按规模分为六个组别进行业绩统计 [13][15] 热门路演主题 - 日斗投资王文提出"中国股市DeepSeek时刻"概念 强调AI产业突破与港股投资机会 [21] - 格林施通余军分享30年投资经验 聚焦企业未来盈利确定性的长期价值策略 [24] - 聚宽投资探讨量化产品配置 重点介绍中证2000指增策略与当前市场适配方向 [27][28] - 宁水资本柯晓弟分析全球宏观趋势 展示全天候策略在复杂环境下的应用 [30][31] - 路远私募路文韬阐释黄金投资逻辑与性价比投资方法论 [33][34]

A股市场量化产品表现分析 - 近三年A股市场波动显著放大，上证指数从3600点跌至2600点后又反弹至3600点，呈现高波动特征[2] - 全市场650只量化产品中，256只连续三年实现正超额收益，占比39.38%[2] - 百亿私募量化产品表现突出，179只产品中114只连续三年正超额，占比63.69%，显著高于行业平均水平[2][6] 百亿私募量化产品表现 - 聚宽投资以31只正超额产品数量居首，宁波幻方量化、龙旗科技、明汯投资、天演资本各有9-11只产品上榜[6] - 阿巴马投资旗下"乘风破浪A类份额"以累计超额收益***%夺冠，采用人工智能量化投资体系[13] - 九坤投资"日享中证1000指数增强1号"累计超额***%位列第二，团队具备12年量化交易经验[13] 中小规模私募量化产品表现 **50-100亿私募** - 51只产品中19只连续三年正超额，占比37.25%[14] - 量魁私募"湘水麓山五号"以累计超额***%居首，基金经理梁涛擅长股票alpha策略[20] **20-50亿私募** - 88只产品中25只正超额，占比28.41%[21] - 前海国恩资本"宏观精进8号"夺冠，投资总监何文领专注宏观策略研究[27] **10-20亿私募** - 65只产品中28只正超额，占比43.08%，表现优于中等规模私募[28] - 积露资产4只产品上榜，"积露11号"累计超额***%居首[34] **5-10亿私募** - 85只产品中26只正超额，占比30.59%[34] - 上海紫杰私募"紫杰宏阳1号"夺冠，采用量化对冲与价值投资结合策略[40] **0-5亿私募** - 196只产品中46只正超额，占比23.47%[40] - 瑞鑫天算"98号A类份额"以累计超额***%领先，基金经理李毅具备20年跨行业投资经验[47]