量化模型与构建方式 国企基本面因子选股策略 1. **模型名称**：国企基本面因子选股多头策略 - **模型构建思路**：基于中证国企指数成分股及北交所符合条件的国企股票构建样本池，根据行业分类（红利型、成长型）选择通用因子和行业特色因子，通过加权打分选股[3][4][5]。 - **模型具体构建过程**： 1. **样本池定义**：中证国企指数成分股+北交所上市满6个月的央/地方国企股票[3]。 2. **行业分类**：将ZX三级行业划分为红利型（资源品、公用事业等6类）和成长型（先进制造、软件服务等3类）[4]。 3. **因子选择**： - **通用因子**：股息率（TTM）、ROE（TTM）、营业现金比率等，权重根据行业类型调整（红利型股息率权重4，成长型为2）[5][6]。 - **行业特色因子**：如资源品的ROIC环比增量、房地产的存货周转率等[7][8]。 4. **得分计算**：通用因子得分（30%）+行业特色因子得分（70%）加权，归一化为百分制总分[9]。 5. **权重分配**：前50名个股按得分立方加权，公式为： $$w_{i}={\frac{s c o r e_{i}^{3}}{\sum_{i=1}^{N}s c o r e_{i}^{3}}}$$ [10]。 - **模型评价**：突出国企红利特征，兼顾行业差异，因子权重设计体现不同行业逻辑[5][9]。 科技主题基本面因子选股策略 1. **模型名称**：科技主题基本面因子选股多头策略 - **模型构建思路**：从符合科技定义的行业（电子、计算机等）中筛选高研发投入股票，按企业生命周期（引入期、成长期、成熟期）分域选股[17][19][21]。 - **模型具体构建过程**： 1. **样本池定义**：SW三级行业属于科技领域且研发费用占比>5%或研发人员占比>10%的股票[17][18]。 2. **生命周期划分**：根据现金流正负将企业分为引入期、成长期等阶段，剔除震荡期和衰退期股票[19][20]。 3. **因子选择**： - **通用因子**：毛利率环比增量、独立发明专利数量等[22]。 - **特色因子**：成长期关注资产负债率（正向），成熟期关注PB-ROE（正向）[22][28]。 4. **得分计算**： - 单因子分位数打分后，按公式调节总分均衡性： $${\hat{\mathbb{E}}}_{i}^{s}\nearrow\ ={\frac{1}{5}}M e a n(S_{i})+{\frac{M e a n(S_{i})}{S t d(S_{i})}}$$ [23]。 - 研发费用乘数调整总分： $$研发费用乘数 = 0.9 + 0.2 × Normalization\left(\frac{Mean_{industry}(研发费用/总市值)}{Mean_{Astock}(研发费用/总市值)}\right)$$ [25][26]。 5. **权重分配**：前50名个股按得分线性加权，公式为： $$w e i g h t_{i}={\frac{s c o r e_{i}}{\sum_{i=1}^{50}s c o r e_{i}}}$$ [27]。 - **模型评价**：强调研发投入和高成长性，生命周期分域增强因子有效性[21][22]。 --- 模型的回测效果 国企基本面因子选股多头策略 - **年化收益率**：23.09% - **年化超额收益**：21.01%（vs 中证国企指数） - **Sharpe比率**：1.0648 - **Calmar比率**：0.9799 - **最大回撤**：-23.56% - **超额收益Sharpe比率**：1.7000[11][12]。 科技主题基本面因子选股多头策略 - **年化收益率**：25.25% - **年化超额收益**：10.62%（vs 科技股样本池） - **Sharpe比率**：0.9404 - **Calmar比率**：0.7476 - **最大回撤**：-33.78% - **超额收益Sharpe比率**：1.4755[29][30]。 --- 量化因子与构建方式 国企基本面因子 1. **通用因子**： - **股息率（TTM）**：反映国企分红稳定性[6]。 - **ROE（TTM）**：央企业绩考核指标，衡量盈利能力[6]。 - **营业现金比率**：经营现金流/营业总收入，考核销售质量[6]。 2. **行业特色因子**： - **资源品**：ROIC环比增量（盈利+营运效率）[7]。 - **房地产**：存货周转率（销售效率）[8]。 - **银行**：资本充足率（抗风险能力）[8]。 科技主题基本面因子 1. **通用因子**： - **毛利率环比增量**：反映利润空间[22]。 - **独立发明专利数量**：衡量技术水平[22]。 2. **特色因子**： - **成长期**：资产负债率（正向，支持扩张）[22][28]。 - **成熟期**：PB-ROE（低估值高ROE）[22][28]。 --- 因子的回测效果 （注：报告中未单独列出因子级回测指标，仅展示模型综合效果）

以下是按照要求总结的量化模型与因子内容： 量化因子与构建方式 资产类因子 1. **因子名称**：F1（流动性金融资产占比） **构建思路**：衡量流动资产中金融资产的占比[22] **构建过程**： $$F1 = \frac{流动性金融资产}{流动性金融资产 + 流动性经营资产}$$ 其中流动性金融资产包括货币资金、交易性金融资产等科目，流动性经营资产包括应收账款、存货等科目[19][22] 2. **因子名称**：F2（非流动性金融资产占比） **构建思路**：衡量非流动资产中金融资产的占比[22] **构建过程**： $$F2 = \frac{非流动性金融资产}{非流动性金融资产 + 非流动性经营资产}$$ 非流动性金融资产包括可供出售金融资产、长期股权投资等[19][22] 3. **因子名称**：F3（全部金融资产占比） **构建思路**：衡量总资产中金融资产的综合占比[22] **构建过程**： $$F3 = \frac{流动性金融资产 + 非流动性金融资产}{总资产}$$ 总资产为四类资产科目之和[19][22] 负债类因子 4. **因子名称**：F4（流动性金融负债占比） **构建思路**：衡量流动负债中金融负债的占比[39] **构建过程**： $$F4 = \frac{流动性金融负债}{流动性金融负债 + 流动性经营负债}$$ 流动性金融负债包括短期借款、应付票据等[19][39] 5. **因子名称**：F5（非流动性金融负债占比） **构建思路**：衡量非流动负债中金融负债的占比[39] **构建过程**： $$F5 = \frac{非流动性金融负债}{非流动性金融负债 + 非流动性经营负债}$$ 非流动性金融负债包括长期借款、应付债券等[19][39] 6. **因子名称**：F6（全部金融负债占比） **构建思路**：衡量总负债中金融负债的综合占比[39] **构建过程**： $$F6 = \frac{流动性金融负债 + 非流动性金融负债}{总负债}$$ 总负债为四类负债科目之和[19][39] 金融类因子 7. **因子名称**：F7（流动性金融资产/负债比率） **构建思路**：衡量流动性金融资产与负债的匹配程度[56] **构建过程**： $$F7 = \frac{流动性金融资产}{流动性金融资产 + 流动性金融负债}$$ 反映企业短期金融结构的稳健性[19][56] 8. **因子名称**：F8（非流动性金融资产/负债比率） **构建思路**：衡量非流动性金融资产与负债的匹配程度[56] **构建过程**： $$F8 = \frac{非流动性金融资产}{非流动性金融资产 + 非流动性金融负债}$$ 反映长期金融资源配置效率[19][56] 9. **因子名称**：F9（全部金融资产/负债比率） **构建思路**：综合衡量金融资产与负债的整体结构[56] **构建过程**： $$F9 = \frac{流动性金融资产 + 非流动性金融资产}{金融资产总额 + 金融负债总额}$$ 体现企业整体金融风险敞口[19][56] 经营类因子 10. **因子名称**：F10（流动性经营资产/负债比率） **构建思路**：衡量流动性经营资产与负债的匹配度[72] **构建过程**： $$F10 = \frac{流动性经营资产}{流动性经营资产 + 流动性经营负债}$$ 反映短期经营资金周转能力[19][72] 11. **因子名称**：F11（非流动性经营资产/负债比率） **构建思路**：衡量非流动性经营资产与负债的匹配度[72] **构建过程**： $$F11 = \frac{非流动性经营资产}{非流动性经营资产 + 非流动性经营负债}$$ 体现长期经营资源配置效率[19][72] 12. **因子名称**：F12（全部经营资产/负债比率） **构建思路**：综合衡量经营资产与负债的整体结构[72] **构建过程**： $$F12 = \frac{流动性经营资产 + 非流动性经营资产}{经营资产总额 + 经营负债总额}$$ 反映企业核心经营活动的健康度[19][72] 因子回测效果 资产类因子 1. **F1因子**： - 因子收益：0.108% - IC：-0.002 - ICIR：-0.041[38] 2. **F2因子**： - 因子收益：-0.275% - IC：0.010 - ICIR：0.200[38] 3. **F3因子**： - 因子收益：-0.141% - IC：-0.004 - ICIR：-0.077[38] 负债类因子 4. **F4因子**： - 因子收益：0.234% - IC：-0.010 - ICIR：-0.284[58] 5. **F5因子**： - 因子收益：-0.261% - IC：0.003 - ICIR：0.068[58] 6. **F6因子**： - 因子收益：0.188% - IC：-0.0065 - ICIR：-0.1974[58] 金融类因子 7. **F7因子**： - 因子收益：0.193% - IC：-0.003 - ICIR：-0.045[71] 8. **F8因子**： - 因子收益：-0.057% - IC：0.006 - ICIR：0.125[71] 9. **F9因子**： - 因子收益：0.233% - IC：-0.003 - ICIR：-0.053[71] 经营类因子 10. **F10因子**： - 因子收益：0.414% - IC：-0.015 - ICIR：-0.347[91] 11. **F11因子**： - 因子收益：0.033% - IC：0.0002 - ICIR：0.006[91] 12. **F12因子**： - 因子收益：0.396% - IC：-0.011 - ICIR：-0.307[91] 关键结论 - **最优因子**：经营类因子（F10/F12）在收益和ICIR上表现突出，其中F10月度收益达0.414%[91] - **相关性特征**：资产类与金融类因子高度相关（ρ>0.7），负债类与经营类因子高度相关[94] - **细分维度**：非流动性因子（F2/F8）的ICIR普遍高于流动性因子[38][71] （注：所有因子均经过市值和行业中性化处理，测试周期为月度调仓[21]）

报告核心观点 - 对于中美关税博弈等重大事件，准确预测结果较难，需考虑市场预期与风险收益比做出应对，可通过观测国债期货技术指标捕捉市场对政策结果的预判，把握机构投资者对风险与收益的再平衡逻辑，复盘显示KUP1、5cors、HIGH0以及KSFT2在关键节点前能及时发出信号，当下海外环境动荡国内债市窄幅震荡，应关注量价因子把握主力资金动向 [3][5][15] 分组1：4月3日关税落地之前多头力量的逐渐聚集 - 2025年3月下旬至4月初行情分“震荡蓄势”与“突破性上涨”两阶段，3月28日 - 4月2日震荡蓄势与多头试探，T2506在107.3 - 108.0区间震荡，量能未显著放大；4月3日突破性上涨与多头主导，T2506合约跳空高开超3毛，突破3月以来高点 [6] - HIGH0指标率先发出多头信号，3月26日T2506收大阳线，HIGH0指标跌破下方阈值，指向多头资金主动承接 [7] - 国债期货震荡偏弱同时量价相关性上升，cors指标随后发出多头信号，3月27日后国债期货震荡偏弱，T2506收盘价下挫但成交量下降，cors指标于4月1日触发多头信号 [7] - KUP1指标与KSFT1指标同步发出多头信号，完成对多头拐点的最终确认，3月28日开始KUP1指标连续下降，4月2日KSFT1指标突破上方阈值，二者同步发出多头信号 [8] 分组2：5月12日中美关税谈判结果落地前投机资金边际离场 - 2025年5月初国债期货行情“价升量缩”，5月8日T合约30分钟级别MACD形成金叉，但成交量持续低迷，反映市场情绪谨慎，多空力量均有所退场 [11] - 5月7日，KUP1、HIGH0以及KSFT1同步提示多头动能的边际收缩，KUP1指标连续上升，HIGH0指标突破上方阈值，KSFT1指标突破下方阈值，三个指标同时发出空头信号 [11] - 5月9日，多头力量的收缩通过cors得到进一步确认，5月7日止盈需求释放后，国债期货震荡偏强但成交量连续收缩，cors指标持续下降，提示多头力量离场和下跌风险 [12] 分组3：这些技术指标当前表现 - 5月末美国关税政策反复，6月初俄乌对抗加剧叠加中东风险外溢，海外环境动荡，国内债市窄幅震荡，需及时观测市场动向 [15] - KSFT1已发出偏多信号，指示空头情绪有所释放，其余因子未发出信号，多空力量相对变化未进一步确认，建议关注量价因子把握主力资金动向 [15]

核心观点 - 面对中美关税博弈等重大事件，关键在于通过量价指标监测市场预期与机构动向，灵活调整策略以平衡风险收益 [1] - 国债期货技术指标如KUP1、5cors、HIGH0、KSFT2能有效捕捉市场对政策结果的预判，反映机构投资者的风险收益再平衡逻辑 [1] - 当前海外环境动荡（美国关税政策反复、俄乌对抗、中东风险），国内债市窄幅震荡，需密切观测市场动向以应对不确定性 [3] 阶段分析 阶段1：4月3日关税落地前多头力量积聚 - 2025年3月下旬至4月初行情分为"震荡蓄势"与"突破性上涨"两段，KUP1、cors、HIGH0、KSFT1等因子反映多头力量积聚 [2] - HIGH0指标率先发出多头信号 [2] - 国债期货震荡偏弱但量价相关性上升（cors指标跟进），显示空头能量减弱 [2] - KUP1与KSFT1同步发出信号，确认多头拐点 [2] 阶段2：5月12日关税谈判前投机资金撤离 - 2025年5月初国债期货呈现"价升量缩"，量价因子反映投机资金边际撤离 [2] - 5月7日KUP1、HIGH0、KSFT1同步提示多头动能收缩 [2] - 5月9日cors指标进一步确认多头力量收缩，成交量连续下降预示下跌风险 [2] 当前市场动态 - 5月末KSFT1发出偏多信号（5月28日、30日突破下方阈值），显示空头情绪释放充分，但其他因子未确认，需持续关注多空力量变化 [3] - 建议跟踪KUP1、cors、HIGH0、KSFT1等因子以把握主力资金动向 [3]

量化因子与构建方式 1. **因子名称**：新价量相关性RPV因子 - **构建思路**：通过划分价量四象限，利用月度IC均值甄别价量相关性因子的反转效应和动量效应，结合日内与隔夜信息叠加，以相关性形式加入成交量信息[6] - **具体构建过程**： 1. 日内价量相关性：使用CCOIV（日内收盘价与成交量相关性）代表，增强反转效应 2. 隔夜价量相关性：使用COV（隔夜收益与昨日成交量相关性）代表，体现动量效应 3. 信息叠加：将两类相关性因子加权合成RPV因子，公式为加权线性组合（未给出具体权重）[6] - **因子评价**：因子在A股市场中表现稳健，兼具反转与动量特性[6] 2. **因子名称**：聪明版日频价量相关性SRV因子 - **构建思路**：改进RPV因子，通过拆分日内涨跌时段并识别"聪明"交易时段（知情交易集中时段），优化价量相关性计算[6] - **具体构建过程**： 1. 日内部分：将下午交易时段中"聪明"指标（分钟级指标）最大的20%时段（24分钟）作为知情交易时段，计算下午涨跌与"聪明"换手率的相关系数 2. 隔夜部分：将换手率替换为昨日最后半小时换手率（知情交易比例更高） 3. 合成：结合优化后的日内与隔夜价量相关性因子，生成SRV因子[6] - **因子评价**：相比RPV因子，SRV因子在信息比率、最大回撤等指标上表现更优[6] --- 因子的回测效果 1. **RPV因子**（2014/01-2025/05全市场测试）： - 年化收益率：14.69% - 年化波动率：7.75% - 信息比率（IR）：1.90 - 月度胜率：72.79% - 最大回撤：10.63%[7][10] 2. **SRV因子**（2014/01-2025/05全市场测试）： - 年化收益率：17.48% - 年化波动率：6.50% - 信息比率（IR）：2.69 - 月度胜率：75.74% - 最大回撤：3.74%[7][10] 3. **2025年5月单月表现**： - RPV因子：多头收益3.99%，空头收益5.73%，多空对冲收益-1.74% - SRV因子：多头收益3.59%，空头收益5.68%，多空对冲收益-2.09%[10] --- 补充说明 - RPV因子在2014/01-2023/08回测期内年化收益16.29%，IR 2.41[6] - SRV因子在同期的RankICIR为-4.26，年化收益18.91%，IR 3.07，最大回撤仅3.11%[6]

量化因子与构建方式 1. **因子名称：估值偏离EPD因子** - **构建思路**：结合布林带均值回复策略与基本面估值修复逻辑，利用PE指标的均值回复特性构建[7][12] - **具体构建过程**： 1. 计算个股PE的滚动均值与标准差，构建布林带上下轨 2. 定义估值偏离度为当前PE与均值的标准化差异： $$EPD = \frac{PE_t - \mu_{PE}}{\sigma_{PE}}$$ 其中$\mu_{PE}$为滚动窗口内PE均值，$\sigma_{PE}$为标准差[7] 2. **因子名称：缓慢偏离EPDS因子** - **构建思路**：在EPD基础上剔除估值逻辑发生变化的个股（通过个股信息比率代理概率）[7][12] - **具体构建过程**： 1. 计算个股历史收益率的信息比率IR 2. 对EPD因子进行截面调整： $$EPDS = EPD \times (1 - P_{IR})$$ $P_{IR}$为基于IR计算的估值逻辑改变概率[7] 3. **因子名称：估值异常EPA因子** - **构建思路**：在EPDS基础上剔除Beta、成长与价值风格的影响[7][12] - **具体构建过程**： 1. 对EPDS因子进行多元线性回归，控制市场Beta、价值因子（BP）、成长因子（EGR） 2. 取回归残差作为最终因子： $$EPA = EPDS - (\beta_1 \cdot Beta + \beta_2 \cdot BP + \beta_3 \cdot EGR)$$[7] - **因子评价**：通过多阶段优化显著提升稳定性，兼具估值回归与风格中性特点[7][12] --- 因子回测效果（2010/02-2025/05全市场） | 因子 | 年化收益率 | 年化波动率 | IR | 月度胜率 | 最大回撤 | |-----------------|------------|------------|------|----------|----------| | 估值偏离EPD | 17.52% | 10.00% | 1.75 | 70.65% | 8.93% | | 缓慢偏离EPDS | 16.25% | 5.72% | 2.84 | 78.80% | 3.10% | | 估值异常EPA | 17.23% | 5.11% | 3.37 | 80.98% | 3.12% |[8][12] **2025年5月单月表现**： - EPA因子多头组合收益3.88%，空头组合收益3.27%，多空对冲收益0.61%[15][17] --- 补充说明 - **测试范围**：全体A股（剔除北交所），5分组多空对冲[8][12] - **历史表现**：EPA因子在2010-2022年测试中RankIC均值0.061，RankICIR达4.75[7]

报告行业投资评级 - 对短期前景给予绿灯 [2] 报告的核心观点 - 因散户持续在美国股市下跌时买入且机构投资者活动低迷，市场短期前景乐观，在夏季技术面和经济数据发挥作用前将持续上升，投资者在有意义回调前会被阻止进一步下跌 [2][3] - 介绍市场不同方面的表现及相关交易策略和潜在机会与风险，如流动性、Gamma、CTA/系统化交易等情况 [5][11][19] 根据相关目录分别进行总结 市场奖项/最高荣誉 - **最佳进步球员：流动性**：顶级订单流动性为1108万美元，高于一年平均值1065万美元，略低于五年平均值1234万美元，明显高于四月的一年低点110万美元和一个月低点469万美元，充足流动性助未来1 - 2周健康交易，到夏天将失去动力 [5][7][8] - **最可能受影响：Gamma**：过去几周Gamma估计值在正负两端较小，有轻微多头Gamma行为且影响甚微，交易商抛售时持仓增加、反弹时持仓减少，此局面防重大抛售，转变将支持市场回调 [11][14][16] - **最受追捧：CTA/系统化交易**：近几周无止境买入停止，但仍可能重新流行，CTA对短期技术指标反应，其他系统性策略对中期波动率压缩反应，CTA买入活动不再是利好，下行风险大，对罗素指数未来1周和1个月有一定需求 [19][21][24] - **最可能已见顶：空头杠杆**：美国股票连续六个交易日净买入，买入力度三周来最快，个股和宏观产品净买入，分别占总净买入额62%和38%，整体账簿总杠杆率升至289.2%，净杠杆率升至77%，总杠杆率处90百分位数由短期杠杆指数级上升推动，交易停止将迫使杠杆率下降 [26][27][28] - **最被忽视的：资金利差**：融资利差反映加杠杆的犹豫态度 [30] - **全美之星：回购**：上周成交量略有下降，较2024年年初至今日均成交量减少0.9倍，较2023年年初至今日均成交量减少1.3倍，预计禁售期6月16日左右开始，持续至7月25日左右 [34][39][40] - **啦啦队长：因素/MOMO**：六月是动量因子全年表现最强月份，因子ETF资金大幅流入，五月是大选以来资金流入最多月份，交易台偏好直接期权 [43] - **万事通：ETF资金流向**：揭示MOMO与QQQ/IWM交易对比、全球投资者与其他地区关系两个故事，动量交易与QQQ/IWM走势不同有操作空间，美元走弱和美国经济增长不确定使资金流入新兴市场股票且中期可能持续 [49][50][54] - **最可能引发麻烦的因素：资金流动**：全球资金流动偏向全球股票和美国现金，大量现金供应和交易暂停对美国股市有利，需关注外国投资者从美国股市的资金流出情况 [58] - **5年学生：季节性**：六月上中旬市场适度上涨但走势震荡，接下来1 - 2周考虑其他技术因素提供不错交易环境，尤其长期观点偏空时 [64] 特别提及 - **被指导者**：市场未充分反映此次非农就业数据可能带来的波动，投资者预测交易中的止损点，将继续推动该策略直到形势转变 [74] 推荐交易策略 - **SPX 2025年7月6010 6160 1x2看涨价差**：净价19.4（参考价5985， - 4天，最大收益7.73倍，最大亏损无限） [5] - **用于对冲多头头寸**：19年12月25日.SPX<95%及10年期SOFR>ATMF CMS + 0.25% @ 9%（股票/利率个体分别为24%/39%） [5][6] - **SPX 31Jul25 95.0%回溯看跌期权**：1.37%报价（相比普通期权1.03%报价，提前10天） [5][6] - **QQQ持有实物期权** [5]

报告核心观点 - 构建基于风格因子的A股风格投资体系，不同宏观及市场因子决定当前A股占优风格因子，对应不同风格资产或底层投资组合 [3] - 年内视角下，A股占优风格为高盈利、高估值、小市值，具备业绩弹性的科技成长及中游制造板块有望获较强超额收益 [3] 风格因子的构建及其表现 风格因子的构建 - 通过自下而上方式构建风格因子组合，体系分市值、估值、盈利、动量四个维度，构建时将样本内股票按因子指标高低排序分组，计算各组加权涨跌幅、因子收益率或拟合因子净值曲线 [9] - 市值因子：将全A上市满1个月股票按总市值排序分大、中、小市值三组，做多小市值组合并做空大市值组合得因子收益率，2010年至今小市值风格优势明显，2017 - 2018年及2024年1 - 8月大市值占优，做多小市值做空大市值组合约有5倍收益 [12] - 估值因子：采用PE(TTM)指标，将全A上市满1个月股票按市盈率排序分高、中、低估值三组，做多高PE组合并做空低PE组合得因子收益率，A股低估值风格优势显著，2017 - 2018年及2022 - 2024年优势累计，高估值行情在2013 - 2014年、2019 - 2021年及2024Q4出现 [13][14] - 盈利因子：采用盈利增速的万得一致预期数据，按盈利预期由高到低排序分组，做多高增速组合并做空低增速组合得因子收益率，A股盈利因子走势有周期性，2010 - 2014年、2019 - 2021年高盈利增速占优，2016 - 2018年、2022 - 2024年8月低盈利增速占优 [16] - 动量因子：采用1个月动量，基于前一个月涨跌幅排序分组，做多前期涨跌幅前30%组合并做空后30%组合得因子收益率，A股整体反转效应明显，2010 - 2012年及2021年至今反转效应增强，2017及2020年动量效应阶段性出现 [18] 全A风格因子表现 - 2013 - 2014年，A股呈盈利因子主导行情，2014年3月后市值因子影响提升，小市值优势显著 [24] - 2015 - 2016年中，小市值因子优势明显，反转因子阶段性走强，盈利因子暴露度下降，估值因子暴露度提升 [24] - 2016年8月 - 2018年，A股呈估值因子主导风格，低估值风格是超额收益主要来源，市场呈大市值风格，高增速组合走弱，动量效应增强 [24] - 2019 - 2021年初，市场进入盈利因子主导行情，高盈利组合跑赢，动量效应强化 [24] - 2021 - 2023年，市场进入市值因子主导阶段，2021年8月前高盈利小市值风格占优，8月后小市值优势强化，反转效应增强，2023年小市值、低估值因子体现优势 [27] - 2024年以来，A股进入风格轮动或转换期，前三季度低估值、低盈利优势延续，市值风格切换，四季度高估值、小市值走强，反转效应增强，高盈利风格修复 [27] - 2025年起，高估值因子重新走强，市场情绪回升，高估值、强反转因子表现突出，盈利因子底部修复 [27] 不同类型资产风格因子表现 - 新兴成长类资产小市值风格优势明显，2021年7月后小市值加速崛起，反转趋势显著；2015年前高估值风格占优，2015 - 2018年中低估值走强，2021年7月后低估值风格增强；2022年8月前高盈利增风格占优，8月后低盈利增速、低估值占优；动量因子表现与全A类似，2021年7月后反转趋势增强 [29] - 红利资产低估值因子优势明显，市值因子呈周期性大小轮动；2021年中之前高盈利风格优势显著，此后盈利因子走弱，近两年趋稳；2019年以来反转效应更强势 [33] 风格因子影响因素 盈利因子及其影响因素 - 盈利因子与经济周期高度相关，经济基本面上行时，高盈利增速股票表现更好，用库存周期指征经济周期，2017年后同向相关性明显，2017年前有阶段性反向相关性 [45] 估值因子及其影响因素 - 估值因子与市场情绪高度相关，市场情绪回暖时，高估值股票表现更优，股债风险溢价与估值因子走势高度相关，换手率和涨停家数占比可辅助判断 [49] 市值因子及其影响因素 - 市值因子与剩余流动性高度相关，剩余流动性越充裕，小市值因子表现越强势，2017年4月 - 2019年1月及2023年12月 - 2024年8月二者背离，因市场担忧内需结构转换和经济增长中枢下行，风险偏好走弱，低估值主导 [53] 动量因子及其影响因素 - 动量因子与交易拥挤度、增量资金结构相关，交易拥挤度提升，动量效应增强，市场无显著增量资金时，反转因子强势 [56] - 2010 - 2014年H1，市场增量资金不显著，反转效应强；2014H2 - 2015H1，两融资金主导行情，小市值与高盈利优势明显；2017 - 2018年，北上资金主导，低估值因子主导，动量效应增强；2019 - 2021Q2，主动型公募资金主导，高盈利增速主导；此后无新趋势性主导资金，反转效应增强，低估值趋势走强，高盈利趋势走弱 [57] 风格因子体系及其应用 风格投资体系 - 宏观及市场层面因子影响并决定市场风格表现及占优风格因子，盈利因子受经济周期影响，估值因子受市场情绪影响，市值因子受剩余流动性影响，动量因子受增量资金和交易拥挤度影响 [61] - 不同宏观及市场因子决定A股占优风格因子，可据此买入底层股票组合或投资不同类型风格资产或宽基指数 [66] 基于风格投资体系的A股市场风格展望 - 预计2025年国内经济弱复苏、信用磨底修复、货币持续宽松，市场情绪小幅修复，ERP至少到3.5%左右 [68] - 年内A股占优风格为高盈利、高估值、小市值，当前A股对年内盈利修复未充分计价，高盈利、高估值因子有上行空间，科技成长及中游制造板块有望获超额收益；短期高盈利及小市值风格或阶段性调整 [73]

报告行业投资评级 未提及 报告的核心观点 - 截至2025 - 05 - 30，3类私募指增策略为正收益，约50%股票中性策略基金收益率为正，周收益率75%分位数为0.13%；2类周期标签维度中性策略收益率中位数为正，偏持有型Alpha中性表现较好，中位数收益率为0.15%；约75%期权策略池基金收益率为正，偏卖权型策略收益率表现相对较好，75%分位数收益率为0.58% [5] - 从细分策略月度表现看，表现最好的三类细分策略为中证1000指增（+4.35%）、量化选股（+3.65%）、中证500指增（+3.21%）；表现最差的三类细分策略为全复制中性T（+0.23%）、偏套利型（+0.40%）、300中性（+0.58%） [5][7] - 本周私募指增策略多数上涨，中证1000指增上涨1.15%，量化选股上涨0.68%，中证500指增上涨0.67%，沪深300指增下跌0.64%；4类指增策略超额收益率均为正，量化选股为0.77%，中证1000指增为0.55%，沪深300指增为0.48%，中证500指增为0.35% [5] - 成分股监测模型显示，小微盘近3月投资回报率最高，后市需对小微盘回撤风险保持谨慎 [5] - 截至2025 - 05 - 30，沪深300指增基金超额暴露最大的三个因子为杠杆因子、中盘因子、成长因子，分别为 - 1.28、1.15、 - 0.61，在杠杆因子和中盘因子的超额风险暴露较大；中证500指增基金超额暴露最大的三个因子为残差波动率因子、BETA因子、动量因子，分别为0.65、 - 0.63、0.55，超额风险暴露不大；中证1000指增基金超额暴露最大的三个因子为BETA因子、残差波动率因子、动量因子，分别为 - 0.59、0.54、0.48，超额风险暴露不大 [5] 根据相关目录分别进行总结 私募回顾 - 私募指增基金业绩跟踪：本周3类私募指增策略为正收益，中证1000指增上涨1.15%，量化选股上涨0.68%，中证500指增上涨0.67%，沪深300指增下跌0.64% [11][12] - 赛道标签维度指增策略跟踪：截至2025 - 05 - 30，4类指增策略超额收益率均为正，量化选股为0.77%，中证1000指增为0.55%，沪深300指增为0.48%，中证500指增为0.35%；4类指增策略中位数超额收益率也均为正 [19] - 周期标签维度指增跟踪：截至2025 - 05 - 30，4类周期标签维度指增策略中位数超额收益率均为正，偏持有型指增超额中位数为0.45%，持有型指增超额中位数为0.43%，交易型指增超额中位数为0.31%，偏交易型指增超额中位数为0.18% [25] - 赛道标签维度中性策略跟踪：截至2025 - 05 - 30，约50%的股票中性策略基金收益率为正，周收益率75%分位数为0.13%；扣除基差影响后，300中性策略周收益率中位数为0.27%，500中性策略周收益率中位数为0.60%，1000中性策略周收益率中位数为0.23% [26][28] - 周期标签维度中性策略跟踪：截至2025 - 05 - 30，2类周期标签维度中性策略收益率中位数为正，偏持有型Alpha中性中位数为0.15%，持有型Alpha中性中位数为0.05%，偏交易型Alpha中性中位数为 - 0.01%，交易型Alpha中性中位数为 - 0.05% [32] - 赛道标签维度期权策略跟踪：截至2025 - 05 - 23，约75%期权策略池基金收益率为正，75%分位数本周基金池基金收益率为0.37%，近一年收益率为13.17%；偏卖权型策略收益率表现相对较好，75%分位数收益率为0.58% [33][36] 绩效归因 - 私募指增策略成分股拆解：小微盘敞口较大，后市需对小微盘回撤风险保持谨慎；其他（含小微盘）近3月投资性价比超28%，中证1000、中证2000及其他（含小微盘）投资性价比高 [38][46] 风险监测 - 沪深300指增基金：截至2025 - 05 - 30，超额暴露最大的三个因子为杠杆因子、中盘因子、成长因子，分别为 - 1.28、1.15、 - 0.61，在杠杆因子和中盘因子的超额风险暴露较大 [51] - 中证500指增基金：截至2025 - 05 - 30，超额暴露最大的三个因子为残差波动率因子、BETA因子、动量因子，分别为0.65、 - 0.63、0.55，超额风险暴露不大 [60] - 中证1000指增基金：截至2025 - 05 - 30，超额暴露最大的三个因子为BETA因子、残差波动率因子、动量因子，分别为 - 0.59、0.54、0.48，超额风险暴露不大 [69]

报告行业投资评级 未提及相关内容 报告的核心观点 - 能源化工板块涵盖能源类、醇类、聚烯烃、橡胶、聚酯类、碱类等 构建以卖方为主的期权组合策略以及现货套保或备兑策略可增强收益 [2] - 对原油、液化气、甲醇等多个能源化工品种进行标的行情分析、期权因子研究并给出期权策略建议 [7][9][10] 各部分总结 标的期货市场概况 - 展示原油、液化气、甲醇等 17 个期权品种的标的合约、最新价、涨跌、涨跌幅、成交量、量变化、持仓量、仓变化等信息 [3] 期权因子 - 量仓 PCR - 呈现原油、液化气等 17 个期权品种的成交量、量变化、持仓量、仓变化、成交量 PCR 及变化、持仓量 PCR 及变化 并解释 PCR 指标含义 [4] 期权因子 - 压力位和支撑位 - 给出原油、液化气等 17 个期权品种的标的合约、平值行权价、压力点、压力点偏移、支撑点、支撑点偏移、购最大持仓、沽最大持仓 并说明从期权最大持仓量行权价看压力和支撑点 [5] 期权因子 - 隐含波动率 - 列出原油、液化气等 17 个期权品种的平值隐波率、加权隐波率及变化、年平均、购隐波率、沽隐波率、HISV20、隐历波动率差 并解释平值和加权期权隐含波动率计算方式 [6] 策略与建议 能源类期权 - 原油 - 基本面：价格飙升 地缘担忧加剧 OPEC+增产幅度低于预期 WTI 和布伦特原油期货收涨 [7] - 行情分析：5 月以来先抑后扬再回落回升 呈上方有空头压力的大幅震荡走势 [7] - 期权因子研究：隐含波动率大幅上升至高位 持仓量 PCR 显示空头力量释放 压力位 570 支撑位 400 [7] - 期权策略建议：方向性策略无 波动性策略构建卖出偏中性组合 现货多头套保构建多头领口策略 [7] 能源类期权 - 液化气 - 基本面：厂内库存小幅累库 港口库存下降但仍处高位 [9] - 行情分析：4 月高位回落后持续走弱 呈上方有压力的弱势偏空行情 [9] - 期权因子研究：隐含波动率在均值附近波动 持仓量 PCR 显示行情偏弱 压力位 4500 支撑位 3900 [9] - 期权策略建议：方向性策略无 波动性策略构建卖出偏空头组合 现货多头套保构建多头领口策略 [9] 醇类期权 - 甲醇 - 基本面：港口和企业库存增加 订单待发减少 [9] - 行情分析：1 月以来弱势下跌 5 月减缓后延续下行 本周反弹 呈上方有压力的弱势偏空超跌反弹走势 [9] - 期权因子研究：隐含波动率在均值附近波动 持仓量 PCR 显示空头压力强 压力位 2950 支撑位 1975 [9] - 期权策略建议：方向性策略无 波动性策略构建卖出偏中性组合 现货多头套保构建多头领口策略 [9] 醇类期权 - 乙二醇 - 基本面：港口库存去库 下游工厂库存天数下降 短期港口库存预期持续去库 [10] - 行情分析：5 月回暖上升后回落 近一周多小幅盘整 呈短期多头上涨后高位下降走势 [10] - 期权因子研究：隐含波动率上升至高位 持仓量 PCR 显示震荡偏强 压力位 4500 支撑位 4300 [10] - 期权策略建议：方向性策略无 波动性策略构建做空波动率策略 现货多头套保持有现货多头 + 买入看跌 + 卖出虚值看涨 [10] 聚烯烃类期权 - 聚丙烯 - 基本面：下游开工率下降 生产企业、贸易商、港口库存有不同变化 [10] - 行情分析：5 月先涨后跌 延续弱势空头行情 [10] - 期权因子研究：隐含波动率在均值偏上波动 持仓量 PCR 下降至 1 以下 压力位 7500 支撑位 6800 [10] - 期权策略建议：方向性策略构建看跌期权熊市价差组合 波动性策略无 现货多头套保持有现货多头 + 买入平值看跌 + 卖出虚值看涨 [10] 能源化工期权 - 橡胶 - 基本面：国内主产区开割 原料上量 泰国出口到中国橡胶量 6 月环比回升但仍处低位 [11] - 行情分析：近一个月低位盘整后上涨突破再下降 呈空头下行走势 [11] - 期权因子研究：隐含波动率在均值附近波动 持仓量 PCR 低于 0.6 压力位 21000 支撑位 13500 [11] - 期权策略建议：方向性策略构建看跌期权熊市价差组合 波动性策略构建卖出偏空头组合 现货套保策略无 [11] 聚酯类期权 - 对二甲苯、PTA、短纤、瓶片 - 基本面：PTA 负荷下降 处于检修季 聚酯负荷也有下降 部分装置有检修和重启 [11] - 行情分析：PTA 4 月中旬反弹 5 月上涨后高位盘整回落 6 月走弱 呈偏多头上涨方向上高位震荡走势 [11] - 期权因子研究：PTA 隐含波动率上升后下降仍处高位 持仓量 PCR 高于 1 显示走强 压力位 5000 支撑位 3800 [11] - 期权策略建议：方向性策略无 波动性策略构建卖出偏中性组合 现货套保策略无 [11] 能源化工期权 - 烧碱 - 基本面：新装置有投产预期 中期供需预期偏弱 [12] - 行情分析：前期空头下行 5 月反弹后本周延续弱势空头 [12] - 期权因子研究：隐含波动率下降至均值偏下 持仓量 PCR 低于 0.6 压力位 2800 支撑位 2320 [12] - 期权策略建议：方向性策略构建看跌期权熊市价差组合 波动性策略构建卖出偏空头宽跨式组合 现货备兑套保持有现货多头 + 卖出虚值看涨 [12] 能源化工期权 - 纯碱 - 基本面：上周产量增加 厂库和交割库库存合计高位小幅下滑 [12] - 行情分析：近两个月弱势空头下行 5 月加速下跌后低位盘整 [12] - 期权因子研究：隐含波动率上升至近期较高但仍处均值偏下 持仓量 PCR 低于 0.5 压力位 1400 支撑位 1200 [12] - 期权策略建议：方向性策略构建看跌期权熊市价差组合 波动性策略构建卖出偏空头组合 现货多头套保构建多头领口策略 [12] 能源化工期权 - 尿素 - 基本面：上周企业和港口库存增加 [13] - 行情分析：5 月反弹后回落 下旬大幅下跌 [13] - 期权因子研究：隐含波动率上升后下降至均值偏下 持仓量 PCR 高于 1 显示有支撑 压力位 1960 支撑位 1700 [13] - 期权策略建议：方向性策略无 波动性策略构建卖出偏空头组合 现货套保持有现货多头 + 买入平值看跌 + 卖出虚值看涨 [13]