报告行业投资评级 - 中信五风格-稳定★☆☆，一颗星代表偏多，判断趋势有上涨驱动，但盘面可操作性不强 [4] 报告的核心观点 - 截至2025/11/07当周，通联全A（沪深京）、中证综合债与南华商品指数周度涨跌幅分别为0.63%、-0.01%、-0.47%；公募基金市场转债类产品收益表现好，普通股策略指数小幅收跌，中性策略产品涨多跌少，有色金属ETF小幅转弱，豆粕ETF收益占优 [4] - 上周五中信五风格收益分化，仅消费风格收跌，稳定与周期风格表现偏强；成长风格相对强弱环比下降，金融风格相对强弱动量边际回升；各风格基金产品平均收益跑输基准指数，市场对金融风格偏移度下降；本周拥挤度指标回落，成长风格拥挤度降至近一年中等分位区间 [4] - 截至上周中性策略合约基差震荡小幅走弱，IH基差接近三月均值下方1倍标准差水平；IC、IM对应指数ETF平均溢价率回升至近三月中等分位区间附近 [4] - 近一周盈利因子收益表现优，周度超额收益率为0.97%，成长因子超额显著压缩，残差动量因子环比走低但走强；本周因子截面轮动速度小幅回升，位于近一年中等分位区间 [4] - 根据风格择时模型评分，本周金融风格边际回落，消费风格小幅走强，信号偏向稳定风格；上周风格择时策略收益率为1.85%，对比基准均衡配置超额收益率为0.97% [4] 根据相关目录分别总结 近期市场收益 - 展示通联全A（沪深京）、中证综合债（净）、南华商品的周度、月度、季度、半年度收益率 [6] 近一年公募基金产品成立规模 - 展示单月成立规模及月度环比数据 [7] 公募基金主要策略指数周度收益率 - 展示普通股票、被动指数、增强指数等策略指数周度收益率 [9] 公募基金主要策略指数近三月最大回撤 - 展示各策略指数近三月最大回撤数据 [9] 中信风格指数相对轮动图 - 展示金融、周期、消费、成长、稳定风格近一周、上一周、近一月等不同周期的相对强弱和相对强弱动量数据 [11] 基金风格指数超额收益表现 - 相关数据来源通联数据和国投期货 [12] 基金风格拥挤度 - 展示周期、成长、消费、金融风格拥挤度数据 [13] 中信风格指数净值走势 - 展示金融、周期、消费、成长、稳定风格净值走势 [14] 本周Barra单因子风格偏好 - 展示估值、成长、盈利等因子近一周、上一周、近一月的风格偏好数据 [16] Barra单因子风格策略超额收益表现 - 展示各因子风格策略超额收益表现数据 [17] 今年以来Barra单因子风格超额净值走势 - 报告未详细展示相关内容，但提及该部分 [19]

因子配置观点 - 宏观量化与因子动量结合进行因子选择，对经济敏感、对信用不敏感的因子得分靠前[1] - 当前经济出现回升迹象、流动性略偏松、信用指标略好，修正后宏观方向为经济好转、流动性偏弱和信用收缩[3] - 价值因子得分明显提高并在沪深300中成为共振因子，成长因子宏观得分下降但结合动量后仍被选中[4] - 10月沪深300中成长因子IC为正，价值、红利因子反弹明显；中证500中价值因子反弹，成长因子出现回撤[4] 经济前瞻指标 - 2025年11月经济前瞻指标处于2025年9月以来上升周期的中部，预计未来3个月小幅上行，2026年3月达到顶部拐点[6] - 2025年10月PMI为49，PMI新订单为48.8，均较上月下降，但周期项与模型预期一致[6] - 固定资产投资完成额累计同比、挖掘机产量当月同比、工业企业利润总额累计同比等多个领先指标均位于上升周期[6] - 社会消费品零售总额当月同比预计位于9月以来平台期末期，即将在12月开启下降周期[10] - M2同比指标位于7月以来下降周期的中期，预计未来将持续下降[9] 流动性环境 - 流动性综合信号近三个月（2025年8月、9月、10月）均为1，整体维持略偏松状态[12][13][16] - 2025年10月利率信号偏紧（综合信号为1），但货币净投放为0.41标准差倍数（偏松），超储率1.51%高于历史同期（偏松）[13][16] - 10月长端利率快速上升后小幅回落但仍高于均线，短端利率略高于均线[13] 信用状况 - 社融存量同比连续2个月下降，信用总量指标继续回落，信用结构小幅回升，指标总体呈现小幅扩张[17] - 信用价格维度信号宽松（信用利差、贷款利率、信托收益率信号均为1），信用总量维度信号中性（综合信号为0），信用结构维度信号略偏弱（综合信号为-0.33）[17] 大类资产配置 - 结合经济上行、流动性偏紧、信用收缩的环境，对债券观点偏弱，黄金由于动量转弱配置比例降至10%，A股配置提升[18] - 激进型配置权重为A股70%、黄金10%、国债10%、企业债10%，商品和美股配置权重为0%[18] 市场关注点 - 通过Factor Mimicking模型跟踪市场关注点，2023年以来信用和通胀（通缩）关注度较高[19] - 近阶段尤其是2024年9月24日行情以来流动性持续为最受关注变量，表明市场受流动性驱动较多[19] - PPI相关关注度近期持续回升，10月末小幅超越经济关注度[19] 行业配置建议 - 行业配置倾向于选择对经济敏感、对信用不敏感的行业，本期行业选择整体偏价值[21] - 对经济最敏感的行业包括公用事业、煤炭、建筑装饰、钢铁、综合、银行[21] - 对信用最敏感的行业包括商贸零售、钢铁、银行、房地产、社会服务、建筑装饰[21] - 综合得分最高的行业包括钢铁、煤炭、建筑装饰、银行、商贸零售、房地产[21]

文章核心观点 - 通过AI平台Alice进行实战演练，仅通过对话无需编程即可完成从策略生成到验证优化的全过程，展示了AI在投资策略开发中的高效应用 [2][23] - 传统红利低波策略在2024年8月后因市场风格转向成长而失效，但通过AI平台快速诊断原因并融入成长因子，实现了策略的进化与优化 [7][10][11][21] - AI平台Alice能够将“想法→策略→回测→执行”转化为可对话的闭环，极大提升了策略研究和迭代的效率 [23][26] 策略初始表现与问题诊断 - 初始红利低波增强策略（基于股息率和低波动率从中证800选前100只股票，季度调仓）在2021年至2024年中超额收益稳步向上，但2024年8月开始掉头下行 [5][7] - 该策略近一年年化波动率为13.27%，近三年为15.28%，回测区间为16.47%；近一年年化夏普比率为0.85，近三年为1.08，回测区间为0.45；最大回撤近一年为8.90%，近三年为16.69%，回测区间为20.60% [7] - 归因分析显示，在价值风格区间（总计2.15年）策略表现优秀，例如在2021-08-05至2023-04-24区间获得32.77%的超额收益；但在成长风格区间（总计1.83年）明显落后，例如在2024-02-05至2024-03-19区间超额收益为-6.75%，在2024-08-27至2025-10-09区间超额收益为-30.95% [10] 策略优化与进化过程 - 第一轮优化是在原策略中加入主营业务收益增长率TTM和净利润增长率TTM两个成长因子，结果显示近一年收益明显改善，与成长风格市场环境匹配度更强 [11][13] - 第二轮优化是借鉴红利低波指数的编制方法，先筛股息率TTM最高的前100只股票，再取其中波动率最低的50只，接着按主营业务增长率和净利润增长率综合打分，最后选前15只股票进行季度调仓和股息率加权 [16][17][18][19][21][25] - 优化后的“红利低波+成长再增强”策略在2025年开始表现显著改善，总收益提升，超额曲线重新抬头 [21] AI平台功能与价值 - Alice AI指数策略平台支持通过自然语言对话一键生成策略方案并自动回测验证，例如用户输入指令后三分钟即自动生成净值曲线 [2][5][23] - 平台支持情景分析和归因诊断功能，能快速定位策略在不同市场风格下的表现差异 [8][10] - 平台实现了从策略生成、回测验证、归因诊断到方案优化的完整研究链路闭环，无需编写代码或复杂建模，极大降低了策略开发门槛并提升了效率 [23][26]

核心观点 - 报告核心观点为宏观经济环境呈现“经济好转、流动性偏弱和信用收缩”的格局，在此背景下，资产配置倾向于提升A股权重，降低黄金配置，并在因子和行业选择上强调对经济敏感、对信用不敏感的风格，价值因子得分显著提高 [3][8][26] 价值因子表现与选择 - 根据宏观量化与因子动量结合的方法，当前选择对经济敏感、对信用不敏感的因子，价值的得分明显提高，在沪深300中成为共振因子 [3][8] - 成长因子的宏观得分进一步下降，但结合动量后仍然被选中；小市值因子虽流动性支持力度不大，综合其他宏观因素后本期仍被选中 [3][8] - 2025年10月，沪深300中的成长因子IC仍为正，而价值、红利因子反弹明显；中证500中价值因子同样反弹，成长因子出现回撤 [9][10][12] - 2025年11月的综合因子选择显示，沪深300中选中的因子为成长、价值、红利；中证500中为成长、价值、低波动率、短期反转、小市值；中证1000中为成长、低波动率、小市值 [9] 宏观经济指标方向 - 经济前瞻指标模型提示，2025年11月处于2025年9月以来上升周期的中部，预计未来3个月小幅上行，在2026年3月达到顶部拐点 [3][14] - 具体领先指标显示，固定资产投资完成额累计同比、挖掘机产量当月同比、工业企业利润总额累计同比等多个指标处于上升周期中 [14][18][19] - 流动性方面，10月利率信号偏紧（长端和短端利率均高于均线），但货币量信号宽松（货币净投放为正，超储率高于历史同期），综合流动性指标维持略偏松 [3][21][22][24] - 信用指标总体呈现小幅扩张，但社融存量同比连续2个月下降，信用总量指标继续回落，信用结构小幅回升 [3][25] 大类资产配置观点 - 结合经济上行、流动性偏紧、信用收缩的环境，债券观点偏弱，黄金因动量转弱配置比例降至10%，A股配置提升 [3][26] - 2025年11月大类资产配置的激进型权重为：A股70%、黄金10%、国债10%、企业债10%，商品和美股配置为0% [26] 市场关注点变化 - 市场关注点正从流动性驱动转向经济基本面，2023年以来信用和通胀关注度高，近阶段流动性持续为最受关注变量，但10月末PPI关注度小幅超越经济，处于交替期 [3][27][28] 行业配置建议 - 行业配置倾向于选择对经济敏感、对信用不敏感的行业，整体偏价值风格 [3][29][30] - 对经济最敏感的行业前三位是公用事业、煤炭、建筑装饰；对信用最不敏感的行业前三位是商贸零售、钢铁、银行；综合得分最高的行业前三位是钢铁、煤炭、建筑装饰 [30]

核心观点 - 价值因子得分明显提高，成为沪深300中的共振因子，而成长因子宏观得分进一步下降但仍被选中[3][8] - 大类资产配置提升A股至70%，黄金因动量转弱配置比例降至10%，债券观点偏弱[3][29] - 经济前瞻指标维持上升趋势，预计2025年11月处于9月以来上升周期中部，2026年3月达到顶部拐点[3][14] - 流动性整体略偏松，利率信号偏紧但货币量投放维持宽松，超储率高于历史同期[3][23][26] - 信用指标总体呈现小幅扩张，社融存量同比连续2个月下降，信用结构小幅回升[3][28] - 市场关注点从流动性转向经济基本面，10月末PPI关注度小幅超越经济[3][30] - 行业配置倾向于对经济敏感、对信用不敏感的偏价值行业，如钢铁、煤炭、建筑装饰等[3][33] 因子选择与表现 - 价值因子得分明显提高，在沪深300中成为共振因子，成长因子宏观得分下降但结合动量后仍被选中[3][8] - 10月沪深300中成长因子IC仍为正，价值、红利因子反弹明显，中证500中价值因子同样反弹，成长因子出现回撤[9][11] - 因子选择方法结合宏观量化与因子动量，对经济敏感、对信用不敏感的因子得分靠前[6][8] - 2025年11月沪深300选中成长、价值、红利因子，中证500选中成长、价值、低波动率、短期反转、小市值因子[9] 宏观经济指标 - 经济前瞻指标显示2025年11月处于9月以来上升周期中部，预计未来3个月小幅上行，2026年3月达到顶部拐点[3][14] - PMI新订单指标2025年10月为48.8，处于2025年8月以来上升周期末期，预计未来小幅下降[14][19] - 固定资产投资完成额累计同比位于2025年9月以来上升周期，预计2026年1月达到顶部[14][19] - 产量挖掘机当月同比位于2025年3月以来上升周期中期，预计持续上升至2026年5月达到峰值[19][20] - M2同比位于7月以来下降周期中期，预计未来持续下降，金融机构新增人民币贷款居民户短期当月值位于2025年7月以来上升周期顶部[18][19][20] 流动性环境 - 10月利率信号偏紧，长端利率快速上升后小幅回落但仍高于均线，短端利率略高于均线[3][23][24] - 货币量投放维持在0以上，超储率水平回升至1.51%，高于历史同期，综合流动性指标维持略偏松[3][23][26] - 近三个月流动性综合信号均为1，其中2025年10月利率观点偏紧，货币净投放0.41倍标准差偏松，超储率1.51%偏松[23] 信用状况 - 信用指标总体呈现小幅扩张，社融存量同比连续2个月下降，信用总量指标继续回落，信用结构小幅回升[3][28] - 信用价格指标偏宽松，信用利差、贷款利率、信托收益率均高于12个月均线，信用总量指标中新增社融累计同比偏宽松但社融存量同比偏紧[28] - 信用结构指标中居民加企事业单位贷款占比偏紧，长期减短期贷款占比偏宽松[28] 市场关注点变化 - 2023年以来信用、通胀关注度较高，近阶段流动性持续为最受关注变量，市场受流动性驱动较多[3][30] - 经济、PPI相关关注度近期持续回升，10月末PPI关注度小幅超越经济，当月处于交替期无最受关注变量[3][30] - 通过Factor Mimicking模型跟踪代理组合波动变化，识别市场最关注宏观变量[30] 行业配置建议 - 行业选择倾向于对经济敏感、对信用不敏感的行业，整体偏价值风格[3][33] - 经济得分最高行业包括公用事业、煤炭、建筑装饰、钢铁、综合、银行[33] - 信用得分最高行业包括商贸零售、钢铁、银行、房地产、社会服务、建筑装饰[33] - 综合得分最高行业为钢铁、煤炭、建筑装饰、银行、商贸零售、房地产[33]

核心观点 - 报告核心观点为中证1000指数及其增强策略在2025年表现强劲，本周（2025年10月27日至31日）指数收益为1.18%，在主要指数中表现突出，本年策略收益达29.99%，超越基准指数3.99个百分点 [3][4][5][18] 近期市场表现 - 本周（2025年10月27日至31日）主要指数中，中证1000和中证500指数收益领先，分别为1.18%和1.00%，而科创50和上证50指数收益落后，分别为-3.19%和-1.12% [3][7] - 本年以来，微盘指数和创业板指收益排名靠前，分别为67.31%和48.84%，中证红利和上证50指数收益排名靠后，分别为0.83%和12.17% [3][8] 中证1000指数增强策略 - 策略构建采用多因子量化选股方法，对估值、质量、成长、分析师、技术等因子进行加权合成，回测时间为2018年至2024年2月29日，IC加权策略在2024年收益更高，故在周报中持续跟踪 [11] - 策略通过均值-方差模型在指数成分股内构建组合，控制风格、行业及相对基准暴露，每月末调仓，持股数量约为90只 [11] 策略收益表现 - 本周策略收益为1.03%，同期指数收益为1.18%，超额收益为-0.15% [4][12] - 10月份策略收益为0.27%，同期指数收益为-0.90%，超额收益为1.17% [4][14] - 本年以来策略收益为29.99%，同期指数收益为26.00%，超额收益为3.99% [4][15] 投资建议与指数优势 - 中证1000指数2025年表现强劲，得益于其鲜明的产业布局，深度聚焦于新能源、半导体、医疗器械等前沿领域的小市值公司 [5][18] - 作为中小盘指数代表，中证1000具有高弹性、高波动的特点，但临近年末需注意市场风险偏好缩紧带来的高波动风险 [5][18]

核心观点 - 报告聚焦于2025年港股市场策略，核心探讨南向资金的结构性指引作用、港股风格因子的轮动规律及其在行业配置中的应用，并分析了IPO新规、双柜台模式及地产行业等政策利好带来的投资机会 [1][19] 南向资金分析 - 2025年1-8月南向资金累计净买入达9790亿港币，超过2024年全年的8079亿港币，成交占比中枢持续抬升 [2][24] - 南向整体净买入与恒生指数日涨跌幅呈微弱负相关，Spearman秩相关系数显示其择时效果较差，例如恒指3月19日见顶后南向仍持续流入，仅在3月20日净卖出4.1亿港币 [2][24] - 在个股层面，南向净买入金额top10%个股年化收益达12.08%，显著高于均值2.61%及后10%组的-2.94%，经成交额调整后单调性更佳，近期增持标的包括阿里巴巴-W、百济神州、中国太保等 [3][29] - 在行业层面，南向净买入金额/成交额指标的多头效果显著，top3行业年化收益11.64%，远高于均值4.14%，其中top1行业年化收益高达30.62%，当前商贸零售为净买入规模及市值比双料第一 [4][32] 港股风格因子与行业轮动 - 风格因子测试覆盖价值、动量、低波、成长、质量等类别，成长因子和长端动量表现突出，低波因子长期有效但超额回撤集中于牛市阶段 [5][6][48][50][53][58][60] - 价值因子（如pe_ttm、pb_lf）选股能力较弱，主要占优区间为2018年11月至2019年Q1、2021年2月及2024年9月底至11月，低估值行业集中于钢铁、煤炭、银行等 [38][40][41][43][44] - 动量因子中长端动量选股效果最佳，多头组年化收益12.48%，显著高于均值1.85%，但在市场拐点区间如2021年2月中旬失效 [48][49] - 低波因子多头年化收益5.8%，空头组年化收益-16.98%，稳定集中于银行、电力及公用事业、交通运输等行业 [50][51] - 成长因子以eps_ttm同比效果最优，营收同比空头效果较佳，2018年至2021年5月显著占优 [53][56][57][58] - 质量因子（如roe及稳定性）超额收益轮动明显，2019年至2020年2月受青睐，2021年5月脉冲上行后下跌，2025年2月以来再次筑底向上 [60][61][63][64] - 风格轮动策略在个股层面年化收益达66.67%，行业层面多头组年化收益30.72%，远优于基准6.02%，2024年以来占优因子主要为低波、动量及成长 [6][65][66][68][69][70][71] 港股IPO与政策利好 - 2025年港股IPO热潮延续，截至6月30日43家公司上市，IPO规模达1067.13亿港币，超过2024年全年的881.47亿港币，恒瑞医药募资113亿港元，宁德时代募资410亿港元有望成全球最大IPO [7][71][72][73][74] - 港股通有望纳入人民币-港币双柜台模式，截至2025年7月31日24只双柜台股票港币柜台累计成交额24.39万亿港元，人民币柜台累计成交额513.62亿元，技术准备进展顺利将提升交易便利性 [8][78][80][81][82][85][86] - 港股地产受益于政策撤销辣招、低息环境及财富效应，2024年2月28日全面取消额外印花税等税费，2025年5月金管局注资1294.02亿港币导致隔夜Hibor利率从4.3%暴跌至0.098%，刺激购房需求 [11][87][89][90][91][92][93][94][95][96][97][98] - 香港私人住宅售价指数2025年3月以来连续三个月回升，中原城市领先指数阶段性触底，租金回报率升至3.7%，一手住宅成交同比高增172.45% [11][12][92][93][94][95][96][97][98]

量化模型与构建方式 国信金工指数增强模型 1. **模型名称**：国信金工指数增强模型[11][12] **模型构建思路**：以多因子选股为主体，分别构建对标不同基准指数的增强组合，力求稳定战胜基准[11][12] **模型具体构建过程**：构建流程主要包括收益预测、风险控制和组合优化三块[12] 具体优化模型如下： $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ 其中，f为因子取值向量，w为待求解的股票权重向量，wb为基准指数成分股权重向量 X为风格因子暴露矩阵，H为行业暴露矩阵，Bb为成分股标识向量 sl, sh为风格暴露上下限，hl, hh为行业偏离上下限，wl, wh为个股权重偏离上下限，bl, bh为成分股内权重占比上下限[39][40] 单因子MFE组合模型 1. **模型名称**：最大化单因子暴露组合（MFE组合）[15][39] **模型构建思路**：采用组合优化的方式来检验控制了各种实际约束后单因子的有效性，目标是在满足实际约束条件下最大化单因子暴露[39] **模型具体构建过程**：采用与指数增强模型相同的优化框架，但目标函数修改为最大化单因子暴露fTw 具体构建过程为：1) 设定约束条件，如控制行业暴露为0、市值风格暴露为0、个股权重最大偏离1%等[43] 2) 在每个月末，根据约束条件构建每个单因子的MFE组合[43] 3) 在回测期内根据各期MFE组合换仓，计算历史收益并按双边0.3%扣除交易费用[43] 公募重仓指数模型 1. **模型名称**：公募重仓指数[41][42] **模型构建思路**：以公募基金的持股信息构建一个指数，用于测试因子在“机构风格”下的有效性[41] **模型具体构建过程**：选样空间为普通股票型基金和偏股混合型基金，剔除规模小于五千万且上市不足半年的基金[42] 通过基金定期报告获取持股信息，将符合条件基金的持仓股票权重平均后，选取累计权重达到90%的股票作为成分股来构建指数[42] 量化因子与构建方式 估值类因子 1. **因子名称**：BP[17] **因子构建思路**：市净率的倒数，衡量估值水平[17] **因子具体构建过程**：净资产/总市值[17] 1. **因子名称**：单季EP[17] **因子构建思路**：衡量单季度的盈利估值水平[17] **因子具体构建过程**：单季度归母净利润/总市值[17] 1. **因子名称**：单季SP[17] **因子构建思路**：衡量单季度的收入估值水平[17] **因子具体构建过程**：单季度营业收入/总市值[17] 1. **因子名称**：EPTTM[17] **因子构建思路**：衡量滚动市盈率的倒数[17] **因子具体构建过程**：归母净利润TTM/总市值[17] 1. **因子名称**：SPTTM[17] **因子构建思路**：衡量市销率的倒数[17] **因子具体构建过程**：营业收入TTM/总市值[17] 1. **因子名称**：EPTTM分位点[17] **因子构建思路**：衡量估值在历史中的相对位置[17] **因子具体构建过程**：EPTTM在过去一年中的分位点[17] 1. **因子名称**：股息率[17] **因子构建思路**：衡量分红收益水平[17] **因子具体构建过程**：最近四个季度预案分红金额/总市值[17] 反转类因子 1. **因子名称**：一个月反转[17] **因子构建思路**：衡量短期反转效应[17] **因子具体构建过程**：过去20个交易日涨跌幅[17] 1. **因子名称**：三个月反转[17] **因子构建思路**：衡量中期反转效应[17] **因子具体构建过程**：过去60个交易日涨跌幅[17] 1. **因子名称**：一年动量[17] **因子构建思路**：衡量长期动量效应[17] **因子具体构建过程**：近一年除近一月后动量[17] 成长类因子 1. **因子名称**：单季净利同比增速[17] **因子构建思路**：衡量单季度净利润增长情况[17] **因子具体构建过程**：单季度净利润同比增长率[17] 1. **因子名称**：单季营收同比增速[17] **因子构建思路**：衡量单季度营业收入增长情况[17] **因子具体构建过程**：单季度营业收入同比增长率[17] 1. **因子名称**：单季营利同比增速[17] **因子构建思路**：衡量单季度营业利润增长情况[17] **因子具体构建过程**：单季度营业利润同比增长率[17] 1. **因子名称**：SUE[17] **因子构建思路**：衡量盈利超预期程度[17] **因子具体构建过程**：（单季度实际净利润-预期净利润）/预期净利润标准差[17] 1. **因子名称**：SUR[17] **因子构建思路**：衡量收入超预期程度[17] **因子具体构建过程**：（单季度实际营业收入-预期营业收入）/预期营业收入标准差[17] 1. **因子名称**：单季超预期幅度[17] **因子构建思路**：衡量盈利超预期幅度[17] **因子具体构建过程**：预期单季度净利润/财报单季度净利润[17] 盈利类因子 1. **因子名称**：单季ROE[17] **因子构建思路**：衡量单季度净资产收益率[17] **因子具体构建过程**：单季度归母净利润*2/（期初归母净资产+期末归母净资产）[17] 1. **因子名称**：单季ROA[17] **因子构建思路**：衡量单季度总资产收益率[17] **因子具体构建过程**：单季度归母净利润*2/（期初归母总资产+期末归母总资产）[17] 1. **因子名称**：DELTAROE[17] **因子构建思路**：衡量净资产收益率的变化[17] **因子具体构建过程**：单季度净资产收益率-去年同期单季度净资产收益率[17] 1. **因子名称**：DELTAROA[17] **因子构建思路**：衡量总资产收益率的变化[17] **因子具体构建过程**：单季度总资产收益率-去年同期单季度总资产收益率[17] 流动性类因子 1. **因子名称**：非流动性冲击[17] **因子构建思路**：衡量价格冲击成本[17] **因子具体构建过程**：过去20个交易日的日涨跌幅绝对值/成交额的均值[17] 1. **因子名称**：一个月换手[17] **因子构建思路**：衡量短期换手率水平[17] **因子具体构建过程**：过去20个交易日换手率均值[17] 1. **因子名称**：三个月换手[17] **因子构建思路**：衡量中期换手率水平[17] **因子具体构建过程**：过去60个交易日换手率均值[17] 波动类因子 1. **因子名称**：特异度[17] **因子构建思路**：衡量特异性风险[17] **因子具体构建过程**：1-过去20个交易日Fama-French三因子回归的拟合度[17] 1. **因子名称**：一个月波动[17] **因子构建思路**：衡量短期波动率[17] **因子具体构建过程**：过去20个交易日日内真实波幅均值[17] 1. **因子名称**：三个月波动[17] **因子构建思路**：衡量中期波动率[17] **因子具体构建过程**：过去60个交易日日内真实波幅均值[17] 公司治理类因子 1. **因子名称**：高管薪酬[17] **因子构建思路**：衡量公司治理水平[17] **因子具体构建过程**：前三高管报酬总额取对数[17] 分析师类因子 1. **因子名称**：预期EPTTM[17] **因子构建思路**：衡量一致预期滚动EP[17] **因子具体构建过程**：一致预期滚动EP[17] 1. **因子名称**：预期BP[17] **因子构建思路**：衡量一致预期滚动PB[17] **因子具体构建过程**：一致预期滚动PB[17] 1. **因子名称**：预期PEG[17] **因子构建思路**：衡量成长估值指标[17] **因子具体构建过程**：一致预期PEG[17] 1. **因子名称**：预期净利润环比[17] **因子构建思路**：衡量预期净利润变化[17] **因子具体构建过程**：一致预期净利润/3个月前一致预期净利润[17] 1. **因子名称**：三个月盈利上下调[17] **因子构建思路**：衡量分析师盈利预测调整[17] **因子具体构建过程**：过去3个月内分析师（上调家数-下调家数）/总家数[17] 1. **因子名称**：三个月机构覆盖[17] **因子构建思路**：衡量机构关注度[17] **因子具体构建过程**：过去3个月内机构覆盖数量[17] 1. **因子名称**：标准化预期外收入[17] **因子构建思路**：衡量收入超预期程度[17] **因子具体构建过程**：未明确给出计算公式，但参考SUE构建思路[17] 1. **因子名称**：标准化预期外盈利[17] **因子构建思路**：衡量盈利超预期程度[17] **因子具体构建过程**：未明确给出计算公式，但参考SUE构建思路[17] 模型的回测效果 1. **国信金工指数增强模型（沪深300）**，本周超额收益-0.65%，本年超额收益16.53%[5][14] 1. **国信金工指数增强模型（中证500）**，本周超额收益-0.37%，本年超额收益8.50%[5] 1. **国信金工指数增强模型（中证1000）**，本周超额收益-0.53%，本年超额收益16.52%[5] 1. **国信金工指数增强模型（中证A500）**，本周超额收益0.02%，本年超额收益9.22%[5] 因子的回测效果 沪深300样本空间 1. **一年动量因子**，最近一周0.67%，最近一月3.06%，今年以来1.10%，历史年化2.70%[19] 1. **单季营收同比增速因子**，最近一周0.66%，最近一月4.36%，今年以来16.54%，历史年化4.93%[19] 1. **三个月机构覆盖因子**，最近一周0.60%，最近一月1.96%，今年以来10.01%，历史年化3.10%[19] 1. **三个月盈利上下调因子**，最近一周0.37%，最近一月2.44%，今年以来7.80%，历史年化5.56%[19] 1. **一个月波动因子**，最近一周0.31%，最近一月-2.20%，今年以来-4.22%，历史年化0.43%[19] 1. **DELTAROA因子**，最近一周0.30%，最近一月2.29%，今年以来11.40%，历史年化4.81%[19] 1. **单季ROE因子**，最近一周0.26%，最近一月4.08%，今年以来14.71%，历史年化4.83%[19] 1. **单季净利同比增速因子**，最近一周0.21%，最近一月2.73%，今年以来12.35%，历史年化4.00%[19] 1. **三个月波动因子**，最近一周0.21%，最近一月-3.17%，今年以来-5.43%，历史年化1.34%[19] 1. **预期净利润环比因子**，最近一周0.20%，最近一月1.74%，今年以来4.12%，历史年化1.86%[19] 1. **单季ROA因子**，最近一周0.17%，最近一月2.14%，今年以来11.36%，历史年化3.88%[19] 1. **标准化预期外盈利因子**，最近一周0.17%，最近一月1.86%，今年以来10.98%，历史年化4.46%[19] 1. **股息率因子**，最近一周0.17%，最近一月-1.43%，今年以来0.00%，历史年化3.55%[19] 1. **特异度因子**，最近一周0.10%，最近一月-1.39%，今年以来0.65%，历史年化0.19%[19] 1. **高管薪酬因子**，最近一周0.10%，最近一月-0.70%，今年以来3.65%，历史年化3.21%[19] 1. **非流动性冲击因子**，最近一周0.08%，最近一月-1.09%，今年以来-2.50%，历史年化0.23%[19] 1. **单季超预期幅度因子**，最近一周0.02%，最近一月1.49%，今年以来7.65%，历史年化3.98%[19] 1. **DELTAROE因子**，最近一周0.01%，最近一月2.22%，今年以来12.47%，历史年化4.47%[19] 1. **标准化预期外收入因子**，最近一周-0.08%，最近一月1.08%，今年以来9.09%，历史年化4.84%[19] 1. **预期PEG因子**，最近一周-0.13%，最近一月1.76%，今年以来9.69%，历史年化3.72%[19] 1. **预期BP因子**，最近一周-0.16%，最近一月-4.00%，今年以来-2.87%，历史年化2.81%[19] 1. **EPTTM一年分位点因子**，最近一周-0.20%，最近一月-1.74%，今年以来3.96%，历史年化2.57%[19] 1. **SPTTM因子**，最近一周-0.20%，最近一月-3.13%，今年以来-4.10%，历史年化1.78%[19] 1. **单季营利同比增速因子**，最近一周-0.26%，最近一月1.06%，今年以来11.07%，历史年化3.64%[19] 1. **预期EPTTM因子**，最近一周-0.28%，最近一月-1.79%，今年以来2.73%，历史年化3.72%[19] 1. **单季EP因子**，最近一周-0.32%，最近一月-1.97%，今年以来3.42%，历史年化5.08%[19] 1. **三个月反转因子**，最近一周-0.33%，最近一月-2.14%，今年以来1.02%，历史年化0.79%[19] 1. **一个月反转因子**，最近一周-0.41%，最近一月-3.00%，今年以来0.00%，历史年化-0.27%[19] 1. **BP因子**，最近一周-0.47%，最近一月-3.83%，今年以来-4.11%，历史年化2.32%[19] 1. **EPTTM因子**，最近一周-0.48%，最近一月-2.04%，今年以来1.80%，历史年化4.13%[19] 1. **单季SP因子**，最近一周-0.63%，最近一月-3.59%，今年以来-3.10%，历史年化2.61%[19] 1. **三个月换手因子**，最近一周-0.64%，最近一月-2.98%，今年以来-5.56%，历史年化2.27%[19] 1. **一个月换手因子**，最近一周-0.69%，最近一月-2.90%，今年以来-6.12%，历史年化1.16%[19] 中证500样本空间 1. **高管薪酬因子**，最近一周1.13%，最近一月2.06%，今年以来9.78%，历史年化2.82%[21] 1. **标准化预期外收入因子**，最近一周1.07%，最近一月1.94%，今年以来10.83%，历史年化6.60%[21] 1. **单季营收同比增速因子**，最近一周1.05%，最近一月2.95%，今年以来13.28%，历史年化3.70%[21] 1. **单季SP因子**，最近一周0.99%，最近一月1.01%，今年以来-1.98%，历史年化4.21%[21] 1. **一年动量因子**，最近一周0.92%，最近一月0.21%，今年以来6.42%，历史年化3.07%[21] 1. **SPTTM因子**，最近一周0.76%，最近一月0.19%，今年以来-2.52%，历史年化2.69%[21] 1. **三个月机构覆盖因子**，最近一周0.66%，最近一月0.06%，今年以来3.69%，历史

量化模型与因子总结 量化因子与构建方式 1. **因子名称：规模因子** **因子构建思路**：通过股票市值规模来预测未来收益，通常小市值股票具有更高收益[19] **因子具体构建过程**：使用对数市值（lncap）作为细分因子，进行行业中性化处理和截面标准化[19] **因子评价**：整体在wind全A中表现良好，但最近一个月在所有股票池中出现较大回撤[46] 2. **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，高Beta股票预期收益更高[19] **因子具体构建过程**：使用beta作为细分因子，进行行业市值中性化处理和截面标准化[19] **因子评价**：在整个回测区间中表现良好，上月在各股票池中为反向表现[57] 3. **因子名称：波动率因子** **因子构建思路**：通过股票价格波动率来预测未来收益，低波动率股票通常具有更好表现[19] **因子具体构建过程**：包含vol_1m、vol_3m、f_highlow_intraday_1m、f_highlow_intraday_3m、f_highlow_intraday_std_1m、f_highlow_intraday_std_3m等细分因子，进行行业市值中性化处理和截面标准化[19] **因子评价**：在整个回测区间内表现优异，但最近一月呈现反向表现[72] 4. **因子名称：价值因子** **因子构建思路**：通过估值指标寻找被低估的股票[19] **因子具体构建过程**：包含ep、bp、sp等细分因子，进行行业市值中性化处理和截面标准化[19] **因子评价**：在wind全A上有效性显著，但最近一个月表现不佳，各股票池回撤明显[86] 5. **因子名称：流动性因子** **因子构建思路**：通过股票流动性指标预测未来收益[19] **因子具体构建过程**：包含f_illiquidity_shock_1m、f_turnover_std_1m、f_turnover_std_3m、f_vstd_1m、f_turnover_1m、f_turnover_3m等细分因子，进行行业市值中性化处理和截面标准化[19] **因子评价**：整个回测期间表现优异，但最近一月表现不佳，在大市值股票池中显著反向[97] 6. **因子名称：动量与反转因子** **因子构建思路**：通过股票过去表现预测未来收益趋势[19] **因子具体构建过程**：包含f_reversal_1m、f_reversal_avg_1m、f_reversal_intraday_1m、f_reversal_discrete_1m、f_reserval_shift_1m、f_momentum_overnight_1y等细分因子，进行行业市值中性化处理和截面标准化[19] **因子评价**：在wind全A股票池中表现较优，但最近一月反转因子整体表现平庸[106] 7. **因子名称：技术因子** **因子构建思路**：通过技术指标预测股票未来收益[19] **因子具体构建过程**：包含RSI、BIAS、corr_turnover_price_1m、corr_turnover_pct_chg_return_1m等细分因子，进行行业市值中性化处理和截面标准化[19] **因子评价**：在wind全A和中证1000股票池中表现较优，但最近一月表现不显著[114] 8. **因子名称：盈利因子** **因子构建思路**：通过公司盈利能力指标预测股票未来收益[19] **因子具体构建过程**：包含roa_qua、roe_qua、net_margin_qua、profits_to_cost_qua、roic_qua等细分因子，进行行业市值中性化处理和截面标准化[19] **因子评价**：整个回测区间表现一般，最近一月在相对大市值股票池中表现较好[135] 9. **因子名称：成长因子** **因子构建思路**：通过公司成长性指标预测股票未来收益[19] **因子具体构建过程**：包含roa_qua_yoy、net_margin_qua_yoy、eps_basic_qua_yoy、opprofit_qua_yoy、oper_rev_qua_yoy等细分因子，进行行业市值中性化处理和截面标准化[19] **因子评价**：在沪深300股票池中表现较差，但最近一月表现较好，各股票池均呈现正向超额[143] 10. **因子名称：质量因子** **因子构建思路**：通过公司质量指标预测股票未来收益[19] **因子具体构建过程**：包含profit_to_debt_qua、inventory_turnover_qua、acct_rcv_turnover_qua、oper_netcash_to_oper_rev_ttm、tot_assets_cash_recovery_ttm、totasset_turnover_qua等细分因子，进行行业市值中性化处理和截面标准化[19] **因子评价**：在wind全A和中证1000股票池中表现稳定，最近一月更偏向大市值股票池[157] 11. **因子名称：红利因子** **因子构建思路**：通过分红指标预测股票未来收益[19] **因子具体构建过程**：包含div_ratio_ttm作为细分因子，进行行业市值中性化处理和截面标准化[19] **因子评价**：整个回测区间表现不错，但最近一月表现不佳，各股票池均出现明显回撤[174] 12. **因子名称：一致预期因子** **因子构建思路**：通过分析师一致预期数据预测股票未来收益[19] **因子具体构建过程**：包含con_peg、con_roe、con_roe_yoy等细分因子，进行行业市值中性化处理和截面标准化[19] **因子评价**：整个回测区间表现一般，最近一月在大市值股票池中呈现正向超额[186] 因子数据处理方法 **数据处理流程**： 1. 对所有因子进行去极值处理，使用缩尾法： $$\tilde{x}_{i}=\left\{\begin{array}{l l}{{q_{1-\alpha}(x),}}&{{x_{i}>q_{1-\alpha}(x),}}\\ {{q_{\alpha}(x),}}&{{x_{i}<q_{\alpha}(x),}}\\ {{x_{i},}}&{{e l s e.}}\end{array}\right.$$[199] 2. 对除对数市值外的其他因子做行业市值中性化处理 3. 对所有因子在截面进行z-score标准化： $$\tilde{x}_{i}=\frac{x_{i}-\mu}{\sigma},$$[202] 4. 行业市值中性化公式： $$X_{t}=\sum_{j}b_{t,j}\,I n d u_{j}+b_{t,m v}m v_{t}+\varepsilon_{t},$$[203] **因子测试方法**： 1. IC分析：计算Spearman秩相关系数 $$I C_{t}=C o r r(X_{t},R_{t+1}),$$[204] 2. 分层回测：将股票分为5层，每21个交易日调仓一次[20] 3. 回归分析：控制行业和市值因素 $$R_{t+1}=\sum_{j}b_{t,j}\,I n d u_{j}+b_{t,m v}m v_{t}+b_{t,f}X_{t}+\varepsilon_{t},$$[207] 因子回测效果 Wind全A股票池 | 因子类型 | 最近一月IC | 近一年IC均值 | 回测期间IC均值 | 最近一月多头超额 | 近一年多头超额 | 回测期间多头超额 | |---------|-----------|-------------|---------------|----------------|---------------|-----------------| | 规模因子 | -12.76% | 1.84% | 4.10% | -1.36% | -2.05% | 10.40% |[42] | Beta因子 | -11.56% | -1.37% | 1.34% | -0.79% | -5.11% | -7.72% |[42] | 波动率因子 | 1.57% | 9.20% | 10.39% | -0.83% | 0.87% | 11.31% |[42] | 价值因子 | -3.19% | 1.10% | 3.85% | -0.82% | -4.72% | 8.22% |[42] | 流动性因子 | -2.73% | 3.14% | 4.43% | -0.09% | 1.80% | 11.42% |[42] | 反转因子 | 4.99% | 8.19% | 5.91% | 0.31% | 1.85% | 1.28% |[42] | 技术因子 | 1.34% | 0.30% | 1.46% | 0.04% | -0.66% | -0.84% |[42] | 盈利因子 | 5.31% | 1.12% | 1.45% | 0.58% | -1.48% | -2.72% |[131] | 成长因子 | 7.72% | 2.09% | 1.12% | 1.29% | 4.33% | 3.03% |[131] | 质量因子 | 2.22% | 0.58% | 2.36% | 0.42% | -0.75% | 2.03% |[131] | 红利因子 | -3.42% | 1.20% | 4.29% | -0.96% | -6.42% | 4.69% |[131] | 一致预期因子 | 1.63% | 6.00% | 2.23% | 0.51% | 4.82% | 12.74% |[131] 沪深300股票池 | 因子类型 | 最近一月IC | 近一年IC均值 | 回测期间IC均值 | 最近一月多头超额 | 近一年多头超额 | 回测期间多头超额 | |---------|-----------|-------------|---------------|----------------|---------------|-----------------| | 规模因子 | -0.12% | -1.55% | 0.61% | -1.08% | -4.83% | 2.09% |[43] | Beta因子 | -22.60% | -1.16% | 4.30% | -1.38% | -5.28% | -0.81% |[43] | 波动率因子 | -0.71% | 3.35% | 5.30% | 0.75% | -1.19% | 3.28% |[43] | 价值因子 | -6.63% | 4.03% | 4.34% | -0.77% | -2.32% | 7.79% |[43] | 流动性因子 | 3.05% | -2.17% | 0.77% | -1.22% | -2.13% | 2.84% |[43] | 反转因子 | 6.99% | 3.87% | 0.27% | 1.66% | 5.36% | -2.19% |[43] | 技术因子 | -9.83% | 1.94% | 0.28% | 0.91% | -0.27% | -0.65% |[43] | 盈利因子 | 15.10% | 2.82% | 0.48% | 4.12% | 8.86% | -0.99% |[132] | 成长因子 | 9.69% | 3.50% | -0.02% | 4.10% | 11.61% | -0.22% |[132] | 质量因子 | 8.02% | 1.50% | 2.42% | 1.67% | 3.18% | 0.35% |[132] | 红利因子 | -16.21% | 2.05% | 6.53% | -1.29% | -1.21% | 9.66% |[132] | 一致预期因子 | 9.56% | 3.07% | -0.44% | 0.91% | 8.60% | 10.70% |[132] 中证500股票池 | 因子类型 | 最近一月IC | 近一年IC均值 | 回测期间IC均值 | 最近一月多头超额 | 近一年多头超额 | 回测期间多头超额 | |---------|-----------|-------------|---------------|----------------|---------------|-----------------| | 规模因子 | -20.02% | -0.91% | 2.07% | -1.86% | -1.50% | 5.69% |[44] | Beta因子 | -18.23% | -1.45% | 4.01% | -1.52% | -6.93% | 1.18% |[44] | 波动率因子 | -0.16% | 5.24% | 7.16% | -0.74% | -0.93% | 4.87% |[44] | 价值因子 | -11.32% | -0.72% | 3.38% | -1.38% | -3.17% | 3.88% |[44] | 流动性因子 | -11.81% | -0.93% | 1.62% | -1.41% | 0.06% | 0.45% |[44] | 反转因子 | 4.73% | 5.10% | 0.70% | 0.43% | -1.19% | -5.97% |[44] | 技术因子 | 3.17% | 0.89% | 0.10% | -0.18% | -2.58% | -1.71% |[44] | 盈利因子 | -5.80% | -0.98% | -0.02% | 0.18% | -1.93% | -8.66% |[133] | 成长因子 | 7.78% | 2.70% | 1.46% | 1.61% | 4.83% | 0.89% |[133] | 质量因子 | -3.48% | -0.04% | 1.99% | 1.06% | 0.52% | 5.31% |[133] | 红利因子 | -14.00% | -1.63% | 4.51% | -1.79% | -5.13% | 6.45% |[133] | 一致预期因子 | -1.21% | 2.56% | -0.21% | -0.49% | -0.05% | -3.47% |[133] 中证1000股票池 | 因子类型 | 最近一月IC | 近一年IC均值 | 回测期间IC均值 | 最近一月多头超额 | 近一年多头超额 | 回测期间多头超额 | |---------|-----------|-------------|---------------|----------------|---------------|-----------------| | 规模因子 | -16.98% | 2.00% | 3.34% | -1.05% | -0.57% | 9.75% |[45] | Beta因子 | -11.47% | -1.13% | 2.55% | -0.09% | -5.05% | -4.19% |[45] | 波动率因子 | 3.33% | 6.67% | 8.51% | -0.25% | -2.35% | 4.22% |[45] | 价值因子 | -5.09% | 0.53% | 3.92% | -1.61% | -5.88% | 6.83% |[45] | 流动性因子 | -2.50% | 1.38% | 2.60% | -0.95% | 0.17% | 8.25% |[45] | 反转因子 | 4.97% | 6.28% | 3.39% | 0.41% | 2.12% | -0.85% |[45] | 技术因子 | 3.58% | 0.37% | 1.22% | -0.53% | -1.60% | 0.97% |[45] | 盈利因子 | 0.15% | 1.02% | 2.41% | -0.38% | -3.33% | 0.52% |[134] | 成长因子 | 8.03% | 4.11% | 1.98% | 1.34% | 8.25% | 6.66% |[134] | 质量因子 | 1.53% | -0.17% | 2.50% | 0.35% | -2.68% | 2.09% |[134] | 红利因子 | -1.28% | -0.85% | 3.12% | -1.48

量化模型与构建方式 1 模型名称：GRU模型 模型构建思路：基于门控循环单元(GRU)神经网络构建的时序预测模型，结合基本面和量价特征进行股票收益预测[10][30] 模型具体构建过程： - 输入层：包含close1d(日收盘价)、open1d(日开盘价)、barra1d(Barra风格因子日频数据)等特征[31] - 隐藏层：GRU神经网络结构，捕捉时序依赖关系 - 输出层：预测股票未来收益 - 训练方式：使用历史滚动窗口数据训练，优化损失函数 2 模型名称：多因子组合模型 模型构建思路：通过线性加权方式整合多个有效因子构建综合评分模型[31] 模型具体构建过程： - 因子筛选：选取基本面因子(如ROE增长、净利润超预期增长)和技术因子(如60日动量、120日波动)[19][24][29] - 因子标准化：进行行业中性化处理和标准化处理[17] - 权重分配：等权或基于IC-IR动态加权 - 组合构建：每月末按综合评分选股[17] 量化因子与构建方式 1 因子名称：Barra风格因子体系 因子构建思路：基于MSCI Barra多因子模型框架构建的系统化风险因子[15] 因子具体构建过程： - Beta因子：计算股票历史beta值 - 市值因子：$$ \ln(总市值) $$ - 动量因子：历史超额收益率序列均值 - 波动因子：$$ 0.74 \times \sigma_{超额收益} + 0.16 \times 累积超额收益离差 + 0.1 \times \sigma_{残差收益} $$ - 流动性因子：$$ 0.35 \times 月换手 + 0.35 \times 季换手 + 0.3 \times 年换手 $$ - 盈利因子：$$ 0.68 \times 预测盈利价格比 + 0.21 \times 市现率倒数 + 0.11 \times 市盈率ttm倒数 $$ - 成长因子：$$ 0.18 \times 预测长期盈利增长 + 0.11 \times 预测短期增长 + 0.24 \times 盈利增长 + 0.47 \times 营收增长 $$[15] 2 因子名称：超预期增长因子 因子构建思路：捕捉财务指标超出市场预期的增长信号[19] 因子具体构建过程： - 计算ROA/ROC/净利润等指标的同比变化 - 与分析师一致预期比较计算超预期幅度 - 标准化处理并行业中性化[17] 3 因子名称：技术动量因子 因子构建思路：捕捉股票价格趋势特征[19][24][29] 因子具体构建过程： - 20日动量：过去20日收益率 - 60日动量：过去60日收益率 - 120日动量：过去120日收益率 - 波动率：20日/60日/120日收益率标准差 模型的回测效果 1 GRU模型： - barra1d模型：近一周超额0.38%，今年以来超额3.78%[31] - barra5d模型：今年以来超额8.37%[31] - close1d模型：近六月超额6.80%[31] 2 多因子组合模型： - 近一月超额-0.30%，今年以来超额2.54%[31] 因子的回测效果 1 Barra风格因子： - 动量因子：全市场近一周多空收益1.01%(120日动量)[19] - 波动因子：全市场近一周多空收益1.45%(60日波动)[19] - 流动性因子：本周多头表现强势[16] 2 超预期增长因子： - 净利润超预期增长：全市场近一周多空收益0.74%[19] - ROA超预期增长：全市场近一周多空收益0.49%[19] 3 技术动量因子： - 60日动量：中证500近一周多空收益1.75%[24] - 120日波动：中证1000近一周多空收益1.68%[29]