核心观点 - 2025年6月制造业PMI回升，受益于扩大内需政策，7月政策效果有望持续释放，但制造业景气面临季节性回落压力；个人养老金定投指数型ETF，定投时间越长收益越稳定，红利指数定投表现较好，可采用基于估值和均线的动态定投模型改进收益；2025年上半年度融资融券市场融资收缩、融券扩张，未来经济回稳等因素有望利好两融市场；上周市场主要指数上调，主动权益基金仓位下降，ETF市场资金有流入流出情况；随机森林多因子选股模型跑赢中证500指数，验证了机器学习方法在量化交易中的实用价值 [2][5][8][11][16] 宏观及策略研究 - 2025年6月30日统计局公布PMI数据，制造业采购经理指数、非制造业商务活动指数和综合PMI产出指数分别为49.7%、50.5%和50.7% [2] - 制造业景气回升，产需两端改善，生产指数回升0.3个百分点至51.0%，新订单指数回升0.4个百分点至50.2%，新出口订单回升0.2个百分点至47.7%，原材料购进和出厂价格指数收缩步伐放缓，原材料和产成品去库节奏放缓 [2] - 6月大型和中型企业制造业PMI分别回升0.5和1.1个百分点至51.2%和48.6%，小型企业回落2.0个百分点至47.3%，大、中型企业回升或与宏观政策发力有关，小型企业景气度有望企稳回升 [3] - 6月非制造业商务活动指数回升0.2个百分点至50.5%，建筑业商务活动景气度回升1.8个百分点至52.8%，服务业商务活动指数小幅回落0.1个百分点至50.1% [3] - 6月综合PMI产出指数回升0.3个百分点至50.7%，内需释放和贸易预期缓和推动制造业和非制造业景气共振回升 [3] - 6月制造业PMI回升与扩大内需政策有关，7月政策效果有望持续释放，但制造业景气面临季节性回落压力 [4] 金融工程研究 个人养老金定投指数型ETF的方式探索 - 2024年12月12日五部门将国债、特定养老储蓄、指数基金纳入个人养老金产品范围，首批有85只权益类指数基金，其中被动指数型66只，增强指数型19只，跟踪指数16个 [5] - 选择中证500、沪深300、上证50和红利指数测算定投收益，定投时间越长收益越稳定，红利指数定投表现好于宽基指数 [6] - 设计基于估值和均线的动态定投模型改进宽基指数定投收益，估值定投年化收益平均上涨1%-3%，正值占比平均提升10%-20%；均线定投年化收益平均上涨0.5%-1%，正值占比平均提升5%-10%，均线定投适用于成立时间小于5年的指数产品 [6] - 实际定投可考虑更丰富的新成立指数产品，未来将继续优化定投模型和开展养老产业专题研究 [7] 两融余额略有收缩，关注结构性变化 - 截至6月25日，2025年上半年度A股市场主要指数多数上涨，上证综指涨幅最大为3.11%，创业板指跌幅最大为0.62%，沪深两市两融余额为18236.47亿元，较去年年末减少370.86亿元，融资余额减少386.57亿元，融券余额增加15.72亿元 [8] - 市场ETF融资余额为945.97亿元，较去年年末减少92.60亿元，融券余额为52.87亿元，较去年年末增加7.79亿元；主板融资余额占比下降，科创板和创业板占比上升，主板和科创板融券余额占比上升，创业板占比下降，小市值板块融资与融券余额占比上升，大市值板块占比下降 [8] - 上半年度汽车、机械设备和医药生物行业融资净买入额较多，非银金融、电子和银行行业较少；融资买入额占成交额比例较高的行业为非银金融、钢铁和通信，较低的为纺织服饰、轻工制造和综合；非银金融、医药生物和有色金属行业融券净卖出额较多，建筑材料、家用电器和纺织服饰行业较少 [8] - 上半年度个股融资净买入额前五名为比亚迪、胜宏科技、赛力斯、光线传媒、三花智控，融券净卖出额前五名为兴业银行、恒瑞医药、贵州茅台、小商品城、山西汾酒 [9] - 2025年上半年度融资融券市场融资收缩、融券扩张，融券余额增幅小影响有限，一季度先降后升，3月底达峰值，二季度在18000亿上下波动，经济回稳等因素有望利好两融市场 [9] 中证A500指数资金大幅流入，主动权益基金仓位下降 - 上周市场主要指数全部上调，中证1000、中证全指和科创50在市盈率及市净率指数估值分位数方面涨幅居前，31个申万一级行业中28个行业上涨，涨幅前五的行业为计算机、国防军工、非银金融、通信和电气设备，下跌的为石油石化、食品饮料、交通运输 [11] - 市场热点包括易方达、华夏基金上报上证380ETF、上证580ETF，首批26只新型浮动费率基金已有23只成立 [11] - 上周权益类基金普遍上涨，量化基金涨幅最大为2.93%，纯债型基金涨跌不一，FOF基金中养老目标FOF上涨1.40%，正收益占比98.56%，QDII基金平均上涨2.36%，正收益占比91.67% [11] - 本周主动权益基金仓位涨幅居前的行业为食品饮料、医药生物和电子，跌幅居前的为计算机、国防军工和有色金属，2025/6/27仓位为72.31%，较上周下降3.07pct [12] - 本期ETF市场整体资金净流入13.94亿元，债券型ETF净流入229.01亿元，股票型ETF净流出156.90亿元，上周整体ETF市场日均成交额达3113.22亿元，日均成交量达1484.90亿份，日均换手率达9.64% [12] - 本期主要宽基指数多数流出，中证A500指数资金大幅流入超过70亿元，银行、港股非银和创新药板块被资金看好，沪深300指数资金大幅流出，净流入较多的ETF标的有中证银行等，净流出较多的有中证全指证券公司等 [12] - 上周新发行基金21只，较上期增加2只，新成立基金43只，较上期减少5只，新基金共募集335.85亿元，较上期减少141.06亿元 [13] 基于随机森林的多因子选股模型构建 - 多因子模型对市场关系线性假设存在不足，随机森林模型无需预设函数关系，能捕捉非线性关系和高阶交互作用，将其应用于多因子选股是传统量化投资向“AI量化”升级的路径 [14][15] - 模型构建选取25个基本面和技术面因子，将2010.1.4至2025.4.30时间段后40%作为回测区间，前60%中80%为训练集，20%为测试集，选取中证500指数成分股为基准股票池，每20个交易日调仓，每次选10只股票持有 [16] - 随机森林模型大幅跑赢中证500指数，收益指标高于基准，波动率和最大回撤低于基准，风险收益比远好于基准，验证了机器学习方法在量化交易中的实用价值 [17]

量化模型与因子总结 量化因子与构建方式 1. **因子名称：Beta因子** - 因子构建思路：衡量股票相对于市场的系统性风险[16] - 因子具体构建过程：直接使用历史beta值作为因子值[16] 2. **因子名称：市值因子** - 因子构建思路：衡量公司规模大小[16] - 因子具体构建过程：总市值取自然对数 $$ \text{市值因子} = \ln(\text{总市值}) $$ [16] 3. **因子名称：动量因子** - 因子构建思路：衡量股票历史超额收益表现[16] - 因子具体构建过程：计算历史超额收益率序列的均值[16] 4. **因子名称：波动因子** - 因子构建思路：衡量股票价格波动性[16] - 因子具体构建过程：复合波动指标计算如下： $$ 0.74 \times \text{历史超额收益率序列波动率} + 0.16 \times \text{累积超额收益率离差} + 0.1 \times \text{历史残差收益率序列波动率} $$ [16] 5. **因子名称：非线性市值因子** - 因子构建思路：捕捉市值风格的非线性效应[16] - 因子具体构建过程：市值风格的三次方[16] 6. **因子名称：估值因子** - 因子构建思路：衡量股票估值水平[16] - 因子具体构建过程：使用市净率倒数作为因子值[16] 7. **因子名称：流动性因子** - 因子构建思路：衡量股票交易活跃程度[16] - 因子具体构建过程：复合流动性指标计算如下： $$ 0.35 \times \text{月换手率} + 0.35 \times \text{季换手率} + 0.3 \times \text{年换手率} $$ [16] 8. **因子名称：盈利因子** - 因子构建思路：衡量公司盈利能力[16] - 因子具体构建过程：复合盈利指标计算如下： $$ 0.68 \times \text{分析师预测盈利价格比} + 0.21 \times \text{市现率倒数} + 0.11 \times \text{市盈率ttm倒数} $$ [16] 9. **因子名称：成长因子** - 因子构建思路：衡量公司成长性[16] - 因子具体构建过程：复合成长指标计算如下： $$ 0.18 \times \text{分析师预测长期盈利增长率} + 0.11 \times \text{分析师预测短期利率增长率} + 0.24 \times \text{盈利增长率} + 0.47 \times \text{营业收入增长率} $$ [16] 10. **因子名称：杠杆因子** - 因子构建思路：衡量公司财务杠杆水平[16] - 因子具体构建过程：复合杠杆指标计算如下： $$ 0.38 \times \text{市场杠杆率} + 0.35 \times \text{账面杠杆} + 0.27 \times \text{资产负债率} $$ [16] 11. **因子名称：GRU因子** - 因子构建思路：基于GRU神经网络模型构建的复合因子[19][21][24][27] - 因子评价：在不同市场环境下表现分化，需要结合其他因子使用[19][21][24][27] 12. **因子名称：多因子组合** - 因子构建思路：综合多个因子构建的组合[31] - 因子评价：本周表现较弱，但长期表现稳定[31] 因子回测效果 1. **Beta因子** - 最近一周多空收益：多头表现较好[17] - 最近一月多空收益：多头表现较好[17] - 三年年化多空收益：未提供具体数值[17] - 五年年化多空收益：未提供具体数值[17] 2. **市值因子** - 最近一周多空收益：空头表现强势[17] - 最近一月多空收益：空头表现强势[17] - 三年年化多空收益：未提供具体数值[17] - 五年年化多空收益：未提供具体数值[17] 3. **盈利因子** - 最近一周多空收益：空头表现强势[17] - 最近一月多空收益：空头表现强势[17] - 三年年化多空收益：未提供具体数值[17] - 五年年化多空收益：未提供具体数值[17] 4. **估值因子** - 最近一周多空收益：空头表现强势[17] - 最近一月多空收益：空头表现强势[17] - 三年年化多空收益：未提供具体数值[17] - 五年年化多空收益：未提供具体数值[17] 5. **流动性因子** - 最近一周多空收益：多头表现较好[17] - 最近一月多空收益：多头表现较好[17] - 三年年化多空收益：未提供具体数值[17] - 五年年化多空收益：未提供具体数值[17] 6. **GRU因子** - open1d模型： - 近一周超额收益：-0.35%[32] - 近一月超额收益：-0.71%[32] - 近三月超额收益：4.21%[32] - 近六月超额收益：5.85%[32] - 今年以来超额收益：6.30%[32] - close1d模型： - 近一周超额收益：0.55%[32] - 近一月超额收益：0.40%[32] - 近三月超额收益：5.04%[32] - 近六月超额收益：6.40%[32] - 今年以来超额收益：6.31%[32] - barra1d模型： - 近一周超额收益：0.17%[32] - 近一月超额收益：0.32%[32] - 近三月超额收益：1.97%[32] - 近六月超额收益：4.09%[32] - 今年以来超额收益：3.93%[32] - barra5d模型： - 近一周超额收益：0.13%[32] - 近一月超额收益：0.39%[32] - 近三月超额收益：4.48%[32] - 近六月超额收益：7.59%[32] - 今年以来超额收益：7.56%[32] 7. **多因子组合** - 近一周超额收益：-0.38%[32] - 近一月超额收益：-0.04%[32] - 近三月超额收益：1.43%[32] - 近六月超额收益：3.56%[32] - 今年以来超额收益：2.82%[32]

6月30日，小盘再度走强。截至11时15分，招商中证2000增强ETF(159552)一度涨1.63%；近5日涨 6.08%，近10日涨3.59%，近20日涨7.72%，今年以来累计涨28.47%。较基准指数13%的涨幅已翻倍！ Wind Level2实时行情显示，盘中再获净流入。 分析指出，市场上比较公认的因子有6种：规模、价值、低波动、红利、质量、动量，而规模因子的有 效性指，多国历史数据表明，小盘股长期比大盘股回报要高一些。作为小盘股的代表，中证2000指数综 合反映中国A股市场中一批小市值公司的股票价格表现，招商旗下中证2000增强ETF(159552)采用多因 子模型选股与组合优化的策略框架，将量化团队在指数增强领域的专长与ETF的高效、透明形式相结 合，力争为投资者带来更加稳健alpha收益。场外投资者可以考虑借道招商中证2000指数增强(A:019918 C:019919)布局。 | | 中证2000增强ETF | 考 | | --- | --- | --- | | | 159552 | | | 史史 | 28.47% 120日 | 25,68% | | 5日 | 6.08% 250日 | 0. ...

指数增强组合表现 - 沪深300指数增强组合本周超额收益-0 11%，本年超额收益6 68% [1][5] - 中证500指数增强组合本周超额收益-0 18%，本年超额收益7 95% [1][5] - 中证1000指数增强组合本周超额收益-0 79%，本年超额收益12 30% [1][5] - 中证A500指数增强组合本周超额收益-0 26%，本年超额收益7 34% [1][5] 选股因子表现跟踪 沪深300成分股 - 单季营利同比增速、三个月反转、特异度等因子表现较好 [1][6] - 最近一月单季ROE、DELTAROE、预期EPTTM等因子表现较好 [6] - 今年以来DELTAROE、单季营利同比增速、三个月机构覆盖等因子表现较好 [6] 中证500成分股 - 一年动量、特异度、单季营收同比增速等因子表现较好 [1][8] - 最近一月单季营收同比增速、单季营利同比增速、DELTAROE等因子表现较好 [8] - 今年以来单季营收同比增速、一个月反转、预期PEG等因子表现较好 [8] 中证1000成分股 - 一年动量、三个月反转、标准化预期外盈利等因子表现较好 [1][10] - 最近一月标准化预期外盈利、高管薪酬、单季营利同比增速等因子表现较好 [10] - 今年以来非流动性冲击、标准化预期外收入、标准化预期外盈利等因子表现较好 [10] 中证A500成分股 - 单季营利同比增速、三个月反转、一年动量等因子表现较好 [1][12] - 最近一月DELTAROE、单季营利同比增速、预期PEG等因子表现较好 [12] - 今年以来预期PEG、单季营利同比增速、一个月反转等因子表现较好 [12] 公募基金重仓股 - 三个月反转、特异度、单季营利同比增速等因子表现较好 [1][14] - 最近一月单季营利同比增速、DELTAROE、单季净利同比增速等因子表现较好 [14] - 今年以来DELTAROA、DELTAROE、预期净利润环比等因子表现较好 [14] 公募基金指数增强产品表现 产品规模 - 沪深300指数增强产品69只，总规模790亿元 [16] - 中证500指数增强产品70只，总规模454亿元 [16] - 中证1000指数增强产品46只，总规模150亿元 [16] - 中证A500指数增强产品40只，总规模250亿元 [16] 沪深300指数增强产品 - 本周超额收益最高0 98%，最低-0 64%，中位数0 20% [1][19] - 最近一月超额收益最高2 09%，最低-0 20%，中位数0 62% [19] - 今年以来超额收益最高8 27%，最低-1 27%，中位数2 16% [19] 中证500指数增强产品 - 本周超额收益最高0 82%，最低-1 45%，中位数-0 17% [1][22] - 最近一月超额收益最高2 92%，最低-1 84%，中位数1 03% [22] - 今年以来超额收益最高7 87%，最低-2 10%，中位数3 44% [22] 中证1000指数增强产品 - 本周超额收益最高1 47%，最低-1 10%，中位数0 01% [1][25] - 最近一月超额收益最高3 62%，最低-0 86%，中位数1 43% [25] - 今年以来超额收益最高13 03%，最低0 99%，中位数5 53% [25] 中证A500指数增强产品 - 本周超额收益最高0 95%，最低-0 48%，中位数0 11% [1][26] - 最近一月超额收益最高1 70%，最低-0 88%，中位数0 73% [26] 方法论 MFE组合构建 - 采用组合优化模型最大化单因子暴露，控制行业、风格、个股权重等约束 [27][28] - 设置个股相对于基准权重偏离幅度为0 5%-1% [28] 公募重仓指数构建 - 选取普通股票型和偏股混合型基金持仓，剔除规模小于五千万且上市不足半年的基金 [29] - 将基金持仓股票权重平均后选取累计权重达90%的股票作为成分股 [29]

量化模型与因子分析总结 量化因子与构建方式 估值类因子 1. **BP因子**：构建思路为净资产与总市值的比率，反映公司账面价值与市场价值的相对关系[17] $$ BP = \frac{净资产}{总市值} $$ 2. **EPTTM因子**：构建思路为使用滚动12个月的归母净利润与总市值的比率[17] $$ EPTTM = \frac{归母净利润TTM}{总市值} $$ 3. **股息率因子**：构建思路为最近四个季度预案分红金额与总市值的比率[17] $$ 股息率 = \frac{最近四个季度预案分红金额}{总市值} $$ 反转类因子 1. **一个月反转因子**：构建思路为过去20个交易日的涨跌幅，反映短期反转效应[17] $$ 一个月反转 = 过去20个交易日涨跌幅 $$ 2. **三个月反转因子**：构建思路为过去60个交易日的涨跌幅，反映中期反转效应[17] $$ 三个月反转 = 过去60个交易日涨跌幅 $$ 动量类因子 1. **一年动量因子**：构建思路为近一年除近一月后的动量，反映长期动量效应[17] $$ 一年动量 = 近一年除近一月后动量 $$ 成长类因子 1. **单季净利同比增速因子**：构建思路为单季度净利润同比增长率[17] $$ 单季净利同比增速 = \frac{当期单季度净利润-去年同期单季度净利润}{去年同期单季度净利润} $$ 2. **单季营收同比增速因子**：构建思路为单季度营业收入同比增长率[17] $$ 单季营收同比增速 = \frac{当期单季度营业收入-去年同期单季度营业收入}{去年同期单季度营业收入} $$ 盈利类因子 1. **单季ROE因子**：构建思路为单季度归母净利润的两倍除以期初与期末归母净资产的平均值[17] $$ 单季ROE = \frac{单季度归母净利润×2}{期初归母净资产+期末归母净资产} $$ 流动性类因子 1. **一个月换手因子**：构建思路为过去20个交易日换手率的均值[17] $$ 一个月换手 = \frac{过去20个交易日换手率总和}{20} $$ 波动类因子 1. **特异度因子**：构建思路为1减去过去20个交易日Fama-French三因子回归的拟合度[17] $$ 特异度 = 1-R^2_{FF3} $$ 分析师类因子 1. **预期EPTTM因子**：构建思路为一致预期滚动EP值[17] $$ 预期EPTTM = 一致预期滚动EP $$ 因子回测效果 沪深300样本空间 1. **单季营利同比增速因子**：最近一周0.77%，最近一月1.84%，今年以来5.23%，历史年化2.98%[19] 2. **三个月反转因子**：最近一周0.66%，最近一月0.65%，今年以来3.01%，历史年化1.25%[19] 3. **特异度因子**：最近一周0.55%，最近一月-0.10%，今年以来2.28%，历史年化0.67%[19] 中证500样本空间 1. **一年动量因子**：最近一周1.26%，最近一月1.18%，今年以来2.77%，历史年化2.37%[21] 2. **特异度因子**：最近一周1.05%，最近一月2.04%，今年以来0.76%，历史年化1.67%[21] 3. **单季营收同比增速因子**：最近一周1.00%，最近一月3.50%，今年以来8.20%，历史年化3.29%[21] 中证1000样本空间 1. **一年动量因子**：最近一周1.45%，最近一月1.73%，今年以来0.26%，历史年化-0.55%[23] 2. **三个月反转因子**：最近一周1.09%，最近一月1.40%，今年以来0.38%，历史年化-0.61%[23] 3. **标准化预期外盈利因子**：最近一周0.77%，最近一月3.35%，今年以来6.17%，历史年化8.76%[23] 中证A500样本空间 1. **单季营利同比增速因子**：最近一周1.22%，最近一月2.75%，今年以来6.17%，历史年化1.80%[25] 2. **三个月反转因子**：最近一周1.08%，最近一月0.36%，今年以来3.64%，历史年化0.97%[25] 3. **一年动量因子**：最近一周0.74%，最近一月0.87%，今年以来-2.03%，历史年化0.85%[25] MFE组合构建方法 1. **构建思路**：通过组合优化方式构建最大化单因子暴露组合，控制行业暴露、风格暴露等约束条件[39] 2. **优化模型**： $$ \begin{array}{ll} max & f^{T}w \\ s.t. & s_{l}\leq X(w-w_{b})\leq s_{h} \\ & h_{l}\leq H(w-w_{b})\leq h_{h} \\ & w_{l}\leq w-w_{b}\leq w_{h} \\ & b_{l}\leq B_{b}w\leq b_{h} \\ & \mathbf{0}\leq w\leq l \\ & \mathbf{1}^{T}w=1 \end{array} $$ 其中f为因子取值，w为股票权重向量，wb为基准指数成分股权重向量[39][40]

报告核心观点 - 报告介绍季频换仓偏配置思路的行业轮动策略，用传统量化多因子打分方式，从"估值""质量""流动性""动量"四维各选2个单因子等权rank复合形成复合因子 ，优先选低估值、低拥挤度、景气度上行、近一年价格动量向上、近3年价格低位行业持有 ，回测区间（2014/4/1 - 2025/6/6）年化收益19.64%，行业等权基准年化收益7.55%，年化超额12.09%，超额累计净值最大回撤 - 13.25% [1] 报告框架 报告基本框架 - 采用传统量化多因子打分，从"估值""质量""流动性""动量"四维各优选2个单因子等权rank复合形成复合因子 ，策略偏配置，选特定行业持有 [11] 行业因子回测框架 - 回测区间为2010年1月 - 2024年9月 ，季度换仓 ，备选资产为中信一级行业 ，每期等权持有TOP - 5行业 ，基准为中证800指数 ，需剔除中证800中权重占比低于2%的行业 [12] 行业轮动策略梳理 估值类因子 - 用PE_TTM、PB_LF等估值指标构建因子 ，展示TOP - 5超额和BOT - 5负向超额较好的因子 ，如股息率_3Y_rank、PE_TTM_3Y_rank等 ，不同因子有不同逻辑解释 [15][16][18] 质量类因子 - 用ROE、ROA等财务指标和ROE分析师一致预期指标构建因子 ，展示表现较好的因子 ，如ROA_TTM_d1q、ROE_TTM_d1q等 ，ROE或ROA数值或预期越高越好 [19][20] 流动性因子 - 用基于自由流通股本的换手率构建因子 ，展示部分回测效果好的单因子 ，如TURNOVER_FREE_m、TURNOVER_FREE_Q_mean等 ，换手率因子有短期反向、长期正向特征 [21][22][23] 动量类因子 - 以不同周期测算行业收益率构建动量因子 ，展示部分回测效果好的单因子 ，如21_momentum、63_momentum等 ，动量因子短周期反转、中长周期动量、超长周期反转 [24][25][26] 因子复合 等权zscore复合（各类别1个因子） - 展示zscore等权复合下TOP - 5超额最高的前6个因子组合 ，最优两组因子在换手率因子选择有差异 ，优选2个因子构成的复合因子多头端超额净值走势更稳健 [27][28][54] 等权rank复合（各类别1个因子） - 展示rank等权复合下TOP - 5超额最高的前6个因子组合 ，最优两组因子选换手率季度平均 ，在其他因子方面有差异 [36][37] 等权zscore复合（各类别2个因子） - 展示zscore等权复合下TOP - 5超额最高的前2个因子组合 ，优选2个因子复合比优选1个因子在正向和多空年化超额有显著提升 ，多头端超额净值走势更稳健 [45][48][54] 等权rank复合（各类因子中选2个因子复合） - 展示rank等权复合下TOP - 5超额最高的前2个因子组合 ，优选2个因子复合TOP - 5和多空年化超额显著提升 ，因子选择与优选1个因子重合度高 [55][57][59] 因子复合总结 - 优选2个因子复合较优选1个因子TOP - 5与BOT - 5年化超额显著提升 ，rank等权复合较zscore等权复合TOP - 5组合年化超额略升 ，推荐每类选2个因子以rank等权复合 ，给出具体因子 [67][68]

量化模型与构建方式 1. **模型名称：GRU模型** - **模型构建思路**：结合基本面和量价特征的时序预测模型，用于股票多空组合构建[3][4][5][6] - **模型具体构建过程**： 1. 输入数据包括量价特征（如开盘价、收盘价）和Barra风格因子（如市值、波动率）[15][17] 2. 通过GRU神经网络对时序特征进行训练，生成股票评分 3. 每月末按评分排序，构建多空组合（前10%做多，后10%做空）[17] - **模型评价**：在不同市场环境下表现分化，对量价特征捕捉能力较强但稳定性待提升[3][4][6] 2. **模型名称：多因子模型** - **模型构建思路**：综合基本面与技术面因子构建复合评分[7][30] - **模型具体构建过程**： 1. 因子标准化与行业中性化处理[17] 2. 动态加权组合财务因子（如市盈率、营收增长率）和技术因子（如动量、波动率）[15][28] 3. 约束条件包括行业偏离≤0.01、风格偏离≤0.5σ[29] --- 量化因子与构建方式 1. **因子名称：Barra风格因子** - **因子构建思路**：基于经典风险模型拆解市场风格收益来源[15] - **因子具体构建过程**： - **市值因子**：总市值自然对数 $$ \text{Size} = \ln(\text{MarketCap}) $$ - **波动因子**：复合波动率计算 $$ \text{Volatility} = 0.74\sigma_{ret} + 0.16|\text{CAR}| + 0.1\sigma_{residual} $$ - **流动性因子**：多期换手率加权 $$ \text{Liquidity} = 0.35\text{Turnover}_{1M} + 0.35\text{Turnover}_{3M} + 0.3\text{Turnover}_{1Y} $$ - **盈利因子**：复合财务指标 $$ \text{Earnings} = 0.68\frac{E}{P} + 0.21\frac{1}{P/CF} + 0.11\frac{1}{P/E_{ttm}} $$ - **因子评价**：市值和估值因子近期表现稳健，动量因子持续失效[16][17] 2. **因子名称：技术类因子** - **构建思路**：捕捉价格序列中的趋势与反转特征[28] - **具体构建过程**： - **动量因子**：N日收益率均值（20/60/120日） - **波动因子**：滚动窗口收益率标准差[28] - **因子评价**：中证1000成分股中动量因子空头收益显著[26][28] 3. **因子名称：基本面因子** - **构建思路**：财务指标加权（静态与动态结合）[18][21] - **具体构建过程**： - **超预期增长因子**：分析师预测与历史增长率差值 - **估值因子**：市盈率/市净率倒数[15][27] --- 模型的回测效果 | 模型名称 | 近一周超额收益 | 今年以来超额收益 | IR（三年年化） | |----------------|----------------|------------------|----------------| | GRU-barra5d | -0.31% | 7.42% | - | [30][31] | GRU-close1d | -0.40% | 5.73% | - | [30][31] | 多因子模型 | 0.66% | 3.28% | - | [30][31] --- 因子的回测效果 | 因子类型 | 中证1000多空收益（近一周） | 沪深300多空收益（近一周） | |----------------|----------------------------|---------------------------| | 市值因子 | - | 正向显著 | [16][21] | 60日动量 | -2.17% | 负向 | [22][28] | 市盈率因子 | 正向显著 | 负向 | [26][27] | 波动率因子 | -1.53% | 正向显著 | [22][28]

指数增强组合表现 - 沪深300指数增强组合本周超额收益0.82%，本年超额收益6.67% [1][4] - 中证500指数增强组合本周超额收益0.04%，本年超额收益7.84% [1][4] - 中证1000指数增强组合本周超额收益0.34%，本年超额收益12.61% [1][4] - 中证A500指数增强组合本周超额收益-0.89%，本年超额收益7.43% [1][4] 选股因子表现 沪深300成分股 - 本周表现较好因子：预期EPTTM（1.07%）、单季EP（1.02%）、EPTTM（0.74%） [5] - 本月表现较好因子：预期PEG（2.15%）、单季ROE（2.13%）、预期EPTTM（2.07%） [5] - 今年以来表现较好因子：DELTAROE（4.96%）、单季营收同比增速（4.77%）、单季ROE（4.67%） [5] 中证500成分股 - 本周表现较好因子：BP（0.87%）、预期BP（0.83%）、预期EPTTM（0.83%） [7] - 本月表现较好因子：单季营收同比增速（3.23%）、标准化预期外收入（2.47%）、单季ROA（2.32%） [7] - 今年以来表现较好因子：一个月反转（7.21%）、单季营收同比增速（6.88%）、预期PEG（6.50%） [7] 中证1000成分股 - 本周表现较好因子：BP（1.03%）、一个月换手（0.89%）、三个月波动（0.86%） [9] - 本月表现较好因子：高管薪酬（3.33%）、单季ROE（2.92%）、单季EP（2.50%） [9] - 今年以来表现较好因子：非流动性冲击（8.57%）、一个月换手（6.34%）、标准化预期外收入（5.97%） [9] 中证A500成分股 - 本周表现较好因子：单季EP（1.01%）、预期EPTTM（0.88%）、预期PEG（0.77%） [11] - 本月表现较好因子：预期PEG（2.67%）、单季ROE（2.34%）、单季ROA（2.28%） [11] - 今年以来表现较好因子：预期PEG（7.07%）、单季营利同比增速（4.80%）、一个月反转（4.63%） [11] 公募基金重仓股 - 本周表现较好因子：预期EPTTM（0.99%）、单季EP（0.85%）、预期PEG（0.68%） [13] - 本月表现较好因子：预期PEG（2.08%）、DELTAROE（2.03%）、单季超预期幅度（1.87%） [13] - 今年以来表现较好因子：DELTAROA（5.75%）、预期净利润环比（4.38%）、DELTAROE（4.36%） [13] 公募基金指数增强产品表现 沪深300指数增强产品 - 本周超额收益：最高0.95%，最低-0.56%，中位数0.14% [16] - 本月超额收益：最高2.19%，最低-0.14%，中位数0.59% [16] - 今年以来超额收益：最高7.11%，最低-1.34%，中位数2.00% [16] 中证500指数增强产品 - 本周超额收益：最高0.84%，最低-0.01%，中位数0.37% [17] - 本月超额收益：最高2.93%，最低0.20%，中位数1.36% [17] - 今年以来超额收益：最高7.59%，最低-1.48%，中位数3.27% [17] 中证1000指数增强产品 - 本周超额收益：最高1.30%，最低-0.07%，中位数0.46% [19] - 本月超额收益：最高2.91%，最低0.02%，中位数1.54% [19] - 今年以来超额收益：最高12.05%，最低1.32%，中位数5.29% [19] 中证A500指数增强产品 - 本周超额收益：最高0.54%，最低-0.34%，中位数0.25% [24] - 本月超额收益：最高1.09%，最低0.07%，中位数0.72% [24] 公募基金指数增强产品规模 - 沪深300指数增强产品：69只，总规模790亿元 [15] - 中证500指数增强产品：70只，总规模454亿元 [15] - 中证1000指数增强产品：46只，总规模150亿元 [15] - 中证A500指数增强产品：40只，总规模250亿元 [15] 因子MFE组合构建方法 - 采用组合优化模型最大化单因子暴露，控制行业、风格、个股权重等约束 [21][22] - 个股相对于基准权重偏离幅度通常设为0.5%-1% [23] - 约束条件包括风格暴露、行业偏离、个股权重上下限等 [25] 公募重仓指数构建方法 - 选样空间：普通股票型基金及偏股混合型基金，剔除规模小于五千万且上市不足半年的基金 [26] - 构建方式：根据基金定期报告获取持仓信息，选取累计权重达90%的股票作为成分股 [27]

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. **模型名称**：国信金工指数增强组合 - **模型构建思路**：以多因子选股为主体，分别构建对标沪深300、中证500、中证1000及中证A500指数的增强组合，通过收益预测、风险控制和组合优化三部分实现稳定超额收益[12][13] - **模型具体构建过程**： 1. **收益预测**：基于30余个因子（估值、反转、成长等维度）构建收益预测模型 2. **风险控制**：控制组合相对于基准指数的行业暴露、风格暴露、成分股权重偏离等约束 3. **组合优化**：采用组合优化模型最大化因子暴露，同时满足风险约束条件[40][41] - **模型评价**：通过MFE组合验证因子有效性，更贴近实际投资约束条件下的收益预测效果[40] 2. **模型名称**：单因子MFE组合 - **模型构建思路**：通过组合优化最大化单因子暴露，检验因子在控制行业/风格暴露等实际约束下的有效性[40] - **模型具体构建过程**： - 优化目标函数： $$ \begin{array}{ll} \max & f^{T}w \\ s.t. & s_{l} \leq X(w-w_{b}) \leq s_{h} \\ & h_{l} \leq H(w-w_{b}) \leq h_{h} \\ & w_{l} \leq w-w_{b} \leq w_{h} \\ & b_{l} \leq B_{b}w \leq b_{h} \\ & \mathbf{0} \leq w \leq l \\ & \mathbf{1}^{T}w = 1 \end{array} $$ 其中： - \( f \)为因子取值向量，\( w \)为股票权重，\( w_b \)为基准权重 - 约束包括风格暴露（\( X \)）、行业暴露（\( H \)）、个股权重偏离（\( w_l, w_h \)）等[40][41] - 设置个股偏离权重上限1%（中证500/沪深300）或0.5%（公募重仓指数）[44] 量化因子与构建方式 1. **因子名称**：估值类因子（BP、EPTTM、单季EP等） - **构建思路**：衡量股票价格相对于基本面价值的低估/高估程度[18] - **具体构建**： - BP：净资产/总市值 - EPTTM：归母净利润TTM/总市值 - 单季EP：单季度归母净利润/总市值[18] 2. **因子名称**：反转类因子（一个月反转、三个月反转等） - **构建思路**：捕捉短期价格反转效应[18] - **具体构建**： - 一个月反转：过去20个交易日涨跌幅 - 三个月反转：过去60个交易日涨跌幅[18] 3. **因子名称**：成长类因子（单季净利同比增速、单季营收同比增速等） - **构建思路**：反映企业盈利或收入的增长能力[18] - **具体构建**： - 单季净利同比增速：（本期净利润-去年同期净利润）/去年同期净利润 - SUE：（实际净利润-预期净利润）/预期净利润标准差[18] 4. **因子名称**：流动性类因子（非流动性冲击、一个月换手等） - **构建思路**：衡量股票交易流动性对收益的影响[18] - **具体构建**： - 非流动性冲击：过去20个交易日日涨跌幅绝对值/成交额均值 - 一个月换手：过去20个交易日换手率均值[18] 模型的回测效果 1. **国信金工指数增强组合**： - 沪深300增强：本周超额0.82%，本年超额6.67% - 中证500增强：本周超额0.04%，本年超额7.84% - 中证1000增强：本周超额0.34%，本年超额12.61%[15] 2. **单因子MFE组合（中证500样本）**： - BP因子：最近一周超额0.87%，历史年化3.92% - 预期EPTTM：最近一周超额0.83%，历史年化4.26% - 一年动量：最近一周超额-0.35%，历史年化2.38%[22] 因子的回测效果 1. **沪深300样本空间**： - 预期EPTTM：本周超额0.99%，历史年化2.35% - 单季EP：本周超额0.85%，历史年化3.89%[28] 2. **中证1000样本空间**： - BP因子：本周超额1.03%，历史年化2.69% - 一个月换手：本周超额0.89%，历史年化7.32%[24] 3. **公募重仓指数样本空间**： - 预期EPTTM：本周超额0.99%，历史年化2.35% - 一年动量：本周超额-1.43%，历史年化0.98%[28] 其他关键信息 - **公募重仓指数构建**：选取普通股票型及偏股混合型基金持仓，累计权重达90%的股票作为成分股[42][43] - **因子库覆盖维度**：估值、反转、成长、盈利、流动性、公司治理、分析师预期等7大类30余个因子[18]

证券研究报告：金融工程报告 发布时间：2025-06-16 研究所 分析师:肖承志 SAC 登记编号:S1340524090001 Email:xiaochengzhi@cnpsec.com 研究助理:金晓杰 SAC 登记编号:S1340124100010 Email:jinxiaojie@cnpsec.com 近期研究报告 《谷歌更新 Gemini 2.5 Pro，阿里开 源 Qwen3 新模型——AI 动态汇总 20250609【中邮金工】》 - 2025.06.09 《结合基本面和量价特征的 GRU 模 型》 - 2025.06.05 《Claude 4 系列发布，谷歌上线编程 智能体 Jules——AI 动态汇总 20250526》 - 2025.05.27 《谷歌发布智能体白皮书，Manus 全面 开放注册——AI 动态汇总 20250519》 - 2025.05.20 《证监会修改《重组办法》，深化并购 重组改革——微盘股指数周报 20250518》 - 2025.05.19 《通义千问发布 Qwen-3 模型， DeepSeek 发布数理证明大模型——AI 动态汇总 20250505》 - 20 ...