行业趋势：指数增强基金成为资金新宠 - 截至2024年底，被动指数基金规模首次超越主动权益类基金，进入2025年后，以ETF为代表的指数化投资工具迎来爆发式增长，进一步拉大了两者规模差距 [3] - 部分投资者对主动型基金的“风格漂移”和业绩变脸感到厌倦，但又不满足于仅获取指数平均收益，因此兼具β确定性和α可能性的指数增强基金成为折中且更具性价比的投资选择 [3][4][5] 指数增强基金的定义与特性 - 指数增强基金是“混血儿”，其绝大部分仓位紧密锚定跟踪指数以获取β收益，同时通过选股、打新增强、基差套利等量化或基本面研究手段，力求获取超越指数的α收益 [5][6] - 此类基金并非稳赚不赔，若增强策略失效或基金经理风格过度偏移，可能导致“负增强” [5] 2025年四季度资金流向分析 - 四季度份额大幅增长的指数增强基金中，**半导体主题产品表现尤为突出**，嘉实中证半导体指数增强发起式A单季度份额增长超**6.1亿份**，规模达**51.3亿元**，高居榜首 [8][11] - **中证A500相关增强产品是另一大焦点**，在份额增长前五名中占据三席，单季度均录得约**4亿份**的增长，例如汇添富中证A500指数增强A增长**4.6亿份** [8][10][11] - 老牌中盘宽基同样受青睐，鹏华中证500指数增强A份额在四季度增长**4.5亿份**，期末规模达**17.3亿元** [8][11] - 资金流向揭示了两股核心驱动力：一股追逐以半导体为代表的产业周期反转以获取爆发力；另一股回归均衡防御，借助中证A500、中证500等宽基指数进行稳健底仓布局 [11] 增强效果评估：资金追捧不等于业绩优异 - 部分被热捧的基金增强效果存疑，例如嘉实中证半导体指增A虽近3年回报达**108.5%**，但在2023和2024年连续两年跑输基准，直到2025年才重回超额区间 [13][14][15] - **宽基增强是指数增强的主战场**，中证500、中证1000等指数因成分股多、覆盖面广、波动性强，为量化策略提供了丰富施展空间 [16] - 部分宽基增强产品表现出色，如鹏华中证500增强A、科创50增强ETF在过去3年每年都能跑赢基准；长城中证500增强A更是在过去五年持续跑赢基准 [16] - 行业指增产品中，富国中证红利指数增强A（规模**56.3亿元**）在过去五年也持续稳定跑赢基准 [16] 能够稳定跑赢基准的“耐力型选手” - 经过严格筛选（基金经理任职于2023年1月前、完整年度不跑输基准、规模超2亿元），一批产品展现出持续的超额收益能力 [19][20] - **中小盘是量化指增的“黄金牧场”**，中证500与中证1000相关产品在榜单中占据了半壁江山，因其更容易通过量化模型捕捉错误定价机会 [21][22] - **业绩表现分化明显**：科技成长类进攻性强，科创50、科创创业50及科技100相关产品的近三年回报普遍在**60%** 以上；而沪深300指数增强产品的近三年回报多集中在**25%至30%** 之间，风格稳健；富国中证红利指增A近三年回报**25.3%**，体现了“红利+增强”策略的压舱石作用 [21][23] - **主题指增呈现“冰火两重天”**：东财有色增强A近三年回报高达**109.3%**；而新能源赛道相关产品受行业β下行拖累，近三年回报在盈亏线附近挣扎 [21][23] - 这印证了选对宽基赛道、顺应产业周期的β是决定最终收益厚度的基本盘 [24] 对投资者的核心启示 - 配置增强基金应分两步：**第一步是选对指数（β）**，第二步才是筛选具备稳定超额能力的增强团队（α） [25] - **中小盘增强更容易挖掘超额收益**，中证500、中证1000等指数覆盖大量研究盲区与定价偏差，为量化模型提供了更稳定的超额收益来源 [26] - 需**关注策略容量与超额收益的稳定性**，尤其是小盘指增产品，规模短期内急剧扩张可能稀释策略有效性，投资者应关注其超额收益是否具备可持续性 [27]

国信金工指数增强组合表现 - 沪深300指数增强组合本周超额收益为-0.04%，本年累计超额收益为3.07% [1][5] - 中证500指数增强组合本周超额收益为-1.72%，本年累计超额收益为-2.50% [1][5] - 中证1000指数增强组合本周超额收益为-1.58%，本年累计超额收益为1.63% [1][5] - 中证A500指数增强组合本周超额收益为0.26%，本年累计超额收益为3.78% [1][5] 选股因子表现监控（沪深300样本空间） - 最近一周表现较好的因子包括：标准化预期外收入（正向，周收益0.97%）、预期PEG（反向，周收益0.52%）、DELTAROE（正向，周收益0.48%）[6][8] - 最近一月表现较好的因子包括：标准化预期外收入（月收益1.85%）、预期PEG（月收益1.65%）、单季净利同比增速（月收益0.94%）[6][8] - 今年以来表现较好的因子包括：三个月机构覆盖（年收益2.17%）、标准化预期外收入（年收益1.83%）、预期PEG（年收益1.67%）[6][8] 选股因子表现监控（中证500样本空间） - 最近一周表现较好的因子包括：预期BP（正向，周收益1.58%）、BP（正向，周收益1.39%）、SPTTM（正向，周收益0.80%）[10] - 最近一月表现较好的因子包括：BP（月收益3.39%）、预期BP（月收益3.35%）、EPTTM（月收益1.85%）[10] - 今年以来表现较好的因子包括：特异度（反向，年收益2.85%）、单季净利同比增速（正向，年收益1.99%）、BP（年收益1.81%）[10] 选股因子表现监控（中证1000样本空间） - 最近一周表现较好的因子包括：SPTTM（正向，周收益0.85%）、一年动量（正向，周收益0.83%）、单季SP（正向，周收益0.79%）[12] - 最近一月表现较好的因子包括：EPTTM一年分位点（月收益2.81%）、标准化预期外收入（月收益2.23%）、单季净利同比增速（月收益1.91%）[12] - 今年以来表现较好的因子包括：标准化预期外收入（年收益4.16%）、三个月机构覆盖（年收益3.09%）、单季营收同比增速（年收益2.71%）[12] 选股因子表现监控（中证A500样本空间） - 最近一周表现较好的因子包括：特异度（反向，周收益0.77%）、标准化预期外收入（正向，周收益0.67%）、预期PEG（反向，周收益0.51%）[14] - 最近一月表现较好的因子包括：标准化预期外收入（月收益1.32%）、股息率（正向，月收益0.99%）、单季ROA（正向，月收益0.78%）[14] - 今年以来表现较好的因子包括：标准化预期外收入（年收益2.18%）、DELTAROE（正向，年收益1.20%）、3个月盈利上下调（正向，年收益0.66%）[14] 选股因子表现监控（公募重仓股样本空间） - 最近一周表现较好的因子包括：一年动量（正向，周收益1.43%）、单季SP（正向，周收益0.82%）、单季营利同比增速（正向，周收益0.70%）[16] - 最近一月表现较好的因子包括：单季SP（月收益2.36%）、DELTAROA（正向，月收益2.22%）、BP（正向，月收益1.90%）[16] - 今年以来表现较好的因子包括：DELTAROA（年收益3.83%）、DELTAROE（正向，年收益2.18%）、一年动量（年收益1.89%）[16] 公募基金指数增强产品概况 - 沪深300指数增强产品共有80只，总规模合计767亿元 [18] - 中证500指数增强产品共有80只，总规模合计565亿元 [18] - 中证1000指数增强产品共有46只，总规模合计209亿元 [18] - 中证A500指数增强产品共有75只，总规模合计273亿元 [18] 公募基金指数增强产品表现（沪深300） - 本周超额收益最高2.70%，最低-1.18%，中位数0.05% [1][21] - 最近一月超额收益最高4.16%，最低-1.56%，中位数0.49% [21] - 今年以来超额收益最高8.51%，最低-2.27%，中位数1.51% [21] 公募基金指数增强产品表现（中证500） - 本周超额收益最高1.51%，最低-1.49%，中位数-0.25% [1][23] - 最近一月超额收益最高3.30%，最低-1.81%，中位数-0.33% [23] - 今年以来超额收益最高2.05%，最低-6.49%，中位数-1.40% [23] 公募基金指数增强产品表现（中证1000） - 本周超额收益最高1.35%，最低-1.59%，中位数-0.23% [1][26] - 最近一月超额收益最高3.65%，最低-2.22%，中位数0.09% [26] - 今年以来超额收益最高6.20%，最低-2.88%，中位数1.45% [26] 公募基金指数增强产品表现（中证A500） - 本周超额收益最高2.43%，最低-0.95%，中位数0.05% [1][27] - 最近一月超额收益最高2.11%，最低-1.28%，中位数0.16% [27] - 今年以来超额收益最高5.00%，最低-1.79%，中位数0.64% [27]

量化模型与构建方式 1. **模型名称：国信金工多因子指数增强模型**[13] * **模型构建思路**：以多因子选股为主体，通过收益预测、风险控制和组合优化三个主要流程，构建对标不同宽基指数的增强组合，旨在稳定战胜基准[12][13]。 * **模型具体构建过程**： 1. **收益预测**：基于多因子模型对股票未来收益进行预测[13]。 2. **风险控制**：在组合优化中施加多种约束条件以控制风险[13]。 3. **组合优化**：在满足风险约束的条件下，通过优化算法求解最优的股票权重，以最大化预期收益或控制跟踪误差[13]。 2. **模型名称：单因子MFE组合模型**[16][40] * **模型构建思路**：为了在更贴近实际投资约束的条件下检验单因子的有效性，采用组合优化的方式，构建最大化单因子暴露组合，通过该组合相对于基准的收益表现来判断因子有效性[40]。 * **模型具体构建过程**： 1. **设定优化目标**：目标函数为最大化组合在目标单因子上的加权暴露[40]。 其数学形式为： $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ 其中，$f$ 为单因子取值向量，$w$ 为待求解的股票权重向量，$w_b$ 为基准指数成分股权重向量[40][41]。 2. **施加约束条件**：约束条件包括[40][41][44]： * 风格暴露约束：限制组合相对于基准在市值等风格因子上的偏离（$X$ 为风格因子暴露矩阵，$s_l$, $s_h$ 为上下限）。 * 行业暴露约束：限制组合相对于基准的行业偏离（$H$ 为行业暴露矩阵，$h_l$, $h_h$ 为上下限）。 * 个股权重偏离约束：限制个股相对于其在基准中权重的偏离幅度（$w_l$, $w_h$ 为上下限，通常设为0.5%-1%）[40][44]。 * 成分股权重占比约束：限制组合在基准成分股内的权重占比（$B_b$ 为成分股标识向量，$b_l$, $b_h$ 为上下限，常设为100%）。 * 卖空与权重上限约束：禁止卖空（$w \ge 0$），并设置个股权重上限 $l$。 * 满仓约束：组合权重之和为1（$\mathbf{1}^{T} w = 1$）。 3. **组合构建与回测**：在每月末，根据上述优化模型求解得到各单因子的MFE组合权重。在回测期内定期换仓，计算组合收益并扣除交易费用（双边0.3%），最后计算相对于基准的各项收益风险指标[44]。 3. **模型名称：公募重仓指数**[16][42] * **模型构建思路**：为了测试因子在公募基金持仓风格下的有效性，通过汇总公募基金持仓信息，构建一个代表公募基金整体重仓股构成的指数，作为新的因子测试样本空间[42]。 * **模型具体构建过程**： 1. **确定基金样本**：选取普通股票型和偏股混合型基金，剔除规模小于五千万且上市不足半年的基金。若基金转型，则使用转型后半年以上的数据[43]。 2. **获取持仓数据**：从基金的定期报告（年报、半年报、季报）中获取持股信息。若最新报告为季报，需结合前期的年报或半年报信息来构建完整的持仓数据[43]。 3. **计算平均持仓**：将所有符合条件的基金持仓合并，计算每只股票在所有基金中的平均权重[43]。 4. **筛选成分股**：将股票按平均权重降序排列，选取累计权重达到90%的股票作为成分股，以此构建公募重仓指数[43]。 模型的回测效果 1. **国信金工多因子指数增强模型**[15] * 沪深300指数增强组合：本周超额收益-0.04%，本年超额收益3.07%[15]。 * 中证500指数增强组合：本周超额收益-1.72%，本年超额收益-2.50%[15]。 * 中证1000指数增强组合：本周超额收益-1.58%，本年超额收益1.63%[15]。 * 中证A500指数增强组合：本周超额收益0.26%，本年超额收益3.78%[15]。 量化因子与构建方式 （注：报告提供了详细的因子库列表，以下按类别和名称列出，构建思路和过程均来源于因子库表格中的“因子计算方式”[18]） 1. **估值类因子** * **因子名称**：BP * **因子构建思路**：衡量市净率的倒数，即净资产与总市值的比率，属于估值因子[18]。 * **因子具体构建过程**：净资产 / 总市值[18]。 * **因子名称**：单季EP * **因子构建思路**：衡量单季度市盈率的倒数，即单季度净利润与总市值的比率[18]。 * **因子具体构建过程**：单季度归母净利润 / 总市值[18]。 * **因子名称**：单季SP * **因子构建思路**：衡量单季度市销率的倒数，即单季度营业收入与总市值的比率[18]。 * **因子具体构建过程**：单季度营业收入 / 总市值[18]。 * **因子名称**：EPTTM * **因子构建思路**：衡量滚动市盈率（TTM）的倒数，即过去12个月净利润与总市值的比率[18]。 * **因子具体构建过程**：归母净利润 TTM / 总市值[18]。 * **因子名称**：SPTTM * **因子构建思路**：衡量滚动市销率（TTM）的倒数，即过去12个月营业收入与总市值的比率[18]。 * **因子具体构建过程**：营业收入 TTM / 总市值[18]。 * **因子名称**：EPTTM分位点 * **因子构建思路**：衡量当前EPTTM值在过去一年中所处的相对位置[18]。 * **因子具体构建过程**：EPTTM在过去一年中的分位点[18]。 * **因子名称**：股息率 * **因子构建思路**：衡量公司的现金分红回报率[18]。 * **因子具体构建过程**：最近四个季度预案分红金额 / 总市值[18]。 2. **反转与动量类因子** * **因子名称**：一个月反转 * **因子构建思路**：捕捉短期价格反转效应[18]。 * **因子具体构建过程**：过去20个交易日涨跌幅[18]。 * **因子名称**：三个月反转 * **因子构建思路**：捕捉中期价格反转效应[18]。 * **因子具体构建过程**：过去60个交易日涨跌幅[18]。 * **因子名称**：一年动量 * **因子构建思路**：捕捉长期价格动量效应，通常排除最近一个月的表现以避免与短期反转混淆[18]。 * **因子具体构建过程**：近一年除近一月后动量[18]。 3. **成长类因子** * **因子名称**：单季净利同比增速 * **因子构建思路**：衡量单季度净利润的同比增长速度[18]。 * **因子具体构建过程**：单季度净利润同比增长率[18]。 * **因子名称**：单季营收同比增速 * **因子构建思路**：衡量单季度营业收入的同比增长速度[18]。 * **因子具体构建过程**：单季度营业收入同比增长率[18]。 * **因子名称**：单季营利同比增速 * **因子构建思路**：衡量单季度营业利润的同比增长速度[18]。 * **因子具体构建过程**：单季度营业利润同比增长率[18]。 * **因子名称**：SUE * **因子构建思路**：标准化预期外盈利，衡量实际净利润超出分析师一致预期的程度，并经过预期标准差标准化[18]。 * **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[18]。 * **因子名称**：SUR * **因子构建思路**：标准化预期外收入，衡量实际营业收入超出分析师一致预期的程度，并经过预期标准差标准化[18]。 * **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[18]。 * **因子名称**：单季超预期幅度 * **因子构建思路**：衡量财报净利润相对于预期净利润的比例[18]。 * **因子具体构建过程**：预期单季度净利润 / 财报单季度净利润[18]。 4. **盈利类因子** * **因子名称**：单季ROE * **因子构建思路**：衡量单季度净资产收益率[18]。 * **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）[18]。 * **因子名称**：单季ROA * **因子构建思路**：衡量单季度总资产收益率[18]。 * **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）[18]。 * **因子名称**：DELTAROE * **因子构建思路**：衡量净资产收益率的同比变化[18]。 * **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[18]。 * **因子名称**：DELTAROA * **因子构建思路**：衡量总资产收益率的同比变化[18]。 * **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[18]。 5. **流动性类因子** * **因子名称**：非流动性冲击 * **因子构建思路**：衡量单位成交金额引起的价格冲击，值越大表示流动性越差[18]。 * **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[18]。 * **因子名称**：一个月换手 * **因子构建思路**：衡量过去一个月的平均换手率[18]。 * **因子具体构建过程**：过去20个交易日换手率均值[18]。 * **因子名称**：三个月换手 * **因子构建思路**：衡量过去三个月的平均换手率[18]。 * **因子具体构建过程**：过去60个交易日换手率均值[18]。 6. **波动类因子** * **因子名称**：特异度 * **因子构建思路**：衡量公司特质波动，即不能被市场常见风险因子（如Fama-French三因子）解释的波动部分[18]。 * **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[18]。 * **因子名称**：一个月波动 * **因子构建思路**：衡量短期股价波动率[18]。 * **因子具体构建过程**：过去20个交易日日内真实波幅均值[18]。 * **因子名称**：三个月波动 * **因子构建思路**：衡量中期股价波动率[18]。 * **因子具体构建过程**：过去60个交易日日内真实波幅均值[18]。 7. **公司治理类因子** * **因子名称**：高管薪酬 * **因子构建思路**：衡量公司高管的薪酬水平[18]。 * **因子具体构建过程**：前三高管报酬总额取对数[18]。 8. **分析师类因子** * **因子名称**：预期EPTTM * **因子构建思路**：基于分析师一致预期的滚动市盈率（TTM）倒数[18]。 * **因子具体构建过程**：一致预期滚动EP[18]。 * **因子名称**：预期BP * **因子构建思路**：基于分析师一致预期的市净率倒数[18]。 * **因子具体构建过程**：一致预期滚动BP[18]。 * **因子名称**：预期PEG * **因子构建思路**：基于分析师一致预期的PEG比率[18]。 * **因子具体构建过程**：一致预期PEG[18]。 * **因子名称**：预期净利润环比 * **因子构建思路**：衡量分析师对未来净利润预期的环比变化[18]。 * **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[18]。 * **因子名称**：三个月盈利上下调 * **因子构建思路**：衡量过去三个月内分析师盈利预测上调与下调的家数净差额[18]。 * **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[18]。 * **因子名称**：三个月机构覆盖 * **因子构建思路**：衡量过去三个月内覆盖该公司的机构（分析师）数量[18]。 * **因子具体构建过程**：过去3个月内机构覆盖数量[18]。 因子的回测效果 （注：以下因子表现数据均来源于各样本空间下的单因子MFE组合表现跟踪表格，指标包括“最近一周”、“最近一月”、“今年以来”和“历史年化”超额收益[20][22][24][26]） 1. **在沪深300样本空间中表现突出的因子**（最近一周）[20] * 标准化预期外收入(SUR)：超额收益0.97% * 预期PEG：超额收益0.52% * DELTAROE：超额收益0.48% 2. **在中证500样本空间中表现突出的因子**（最近一周）[22] * 预期BP：超额收益1.58% * BP：超额收益1.39% * SPTTM：超额收益0.80% 3. **在中证1000样本空间中表现突出的因子**（最近一周）[24] * SPTTM：超额收益0.85% * 一年动量：超额收益0.83% * 单季SP：超额收益0.79% 4. **在中证A500样本空间中表现突出的因子**（最近一周）[26] * 特异度：超额收益0.77% * 标准化预期外收入(SUR)：超额收益0.67% * 预期PEG：超额收益0.51% 5. **在公募重仓指数样本空间中表现突出的因子**（最近一周）[28] * 一年动量：表现较好 * 单季SP：表现较好 * 单季营利同比增速：表现较好

文章核心观点 - 在市场进入整体上涨环境后，传统的反转类因子效果下降，需要引入动量风格的因子进行互补，行业轮动模型因其动量逻辑成为重要解决方案 [2] - 将行业轮动模型直接因子化，特别是提取其技术面中的行业动量部分，是将其融入传统指数增强框架的较优方式，能提供增量信息并提升组合表现 [6][53] - 行业动量因子与现有选股因子（如低波、反转、动量、低流动性、成长）的横截面相关性低，能提供额外的超额收益来源，并在上行行情中与传统因子形成互补 [6][18][53] - 在行业动量分域视角下（高动量组与中低动量组），传统选股因子的表现差异明显（如动量、反转因子在高动量组持续有效），这为行业动量因子化提供了基础，使其在综合打分时能与有效因子形成“共振” [6][24][40][53] - 实证表明，将行业动量直接作为因子加入选股模型，其表现优于仅用行业轮动模型控制行业偏离的传统方法，这在中证500指数增强模拟组合中得到了验证 [6][42][46][50][53] 拆解行业轮动模型在选股上的增量信息 - 行业轮动模型框架包含基本面、资金面和技术面三大类因子，其中基本面（财报）和资金面（资金流）信息与个股选股因子高度重合 [5] - 技术面因子，特别是基于行业动量和拥挤度的处理，是行业轮动模型能够提供的主要增量信息，因其动量色彩与个股量价因子的短期反转特征不同 [5] - 申万金工行业轮动模型在技术面上的特别处理是关键：在行业动量分域下，对高动量行业反向使用拥挤度指标（追逐高拥挤度行业），这提升了模型稳健性并符合与反转因子互补的需求 [5] 行业动量因子的表现 - 单独对行业动量部分进行因子化后，因子表现相比整体模型有所下降，月度IC均值为3.03%，ICIR为0.22，但保持了不错的单调性和收益进攻特征 [9][16][17] - 行业动量因子与主要选股因子的横截面平均相关性很低：与个股动量因子为0.058，与低波因子为0.004，与低流动性因子为-0.033，与反转因子为-0.006，与成长因子为0.028 [18][19] - 行业动量因子月度IC与其他因子的相关性分析显示，其与成长因子（0.46）和市值因子（0.40）相关性较高，与低波（0.17）、低流动性（0.09）、反转（0.05）等量价因子相关性不高，这有助于在上行行情中形成互补 [20][21] 行业动量分域视角下的因子表现 - 将股票按行业动量得分分为高动量组（前30%）和中低动量组（后70%）后，考察传统因子在不同组别的表现差异 [24][25] - **低波因子**：在高动量组和中低动量组均保持较好单调性，但近年来高动量组的低波因子表现更好，不过这种特征并不稳定；中低动量组的低波因子近年来几乎不贡献收益 [25][28][40] - **反转因子**：表现差异明显，高动量组内的反转因子持续表现更优，单调性好；而中低动量组内的反转因子长期不贡献收益，单调性差 [28][30][40] - **动量因子**：表现差异明显，高动量组内的动量因子持续表现更优，单调性稳定；中低动量组内的动量因子长期不贡献收益，单调性差，近年甚至出现持续回撤 [31][32][33][36][40] - **低流动性因子**：在行业动量分域下的表现没有明显分化，其表现与分组关系不大，且在各组单调性均不佳 [37][38][39][40] 行业动量因子的组合内表现 - 在中证500指数增强模拟组合中对比两种使用方式：1) 将行业动量作为第五个因子加入（五因子组合）；2) 仅用四个量价因子选股，并用行业动量控制行业偏离（行业控制组合） [43] - 在严格的行业中性（最大偏离2%）和个股偏离约束（最大偏离0.5%）下，直接因子化的五因子组合表现始终优于行业控制组合 [43][46] - 即使引入成长因子构成六因子模型，或调整行业偏离约束条件（如允许低动量组负向偏离2%），直接因子化的表现依然优于仅控制行业偏离的做法 [46][49][50] - 因子化优势的原因在于：行业动量因子参与选股时，易与在特定分域下有效的因子（如高动量组下的动量、反转因子）形成“共振”，从而选出有效因子暴露更高的股票组合 [51]

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 * **模型构建思路**：以多因子选股为主体，通过收益预测、风险控制和组合优化三个主要流程，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**： 1. **收益预测**：基于多因子模型对股票未来收益进行预测[12] 2. **风险控制**：在组合优化过程中施加多种约束条件以控制风险[12] 3. **组合优化**：在满足风险约束的条件下，通过优化算法求解最优的股票权重，以最大化预期收益或控制跟踪误差[12] 2. 模型名称：单因子MFE组合模型 * **模型构建思路**：为了在更贴近实际投资约束的条件下检验单因子的有效性，采用组合优化的方式，在控制行业暴露、风格暴露等实际约束的同时，最大化组合在目标因子上的暴露，从而构建最大化单因子暴露组合（MFE组合）[39] * **模型具体构建过程**： 1. 设定组合优化的目标函数为最大化单因子暴露，即 $$\max f^{T} w$$，其中 $f$ 为因子取值向量，$w$ 为待求解的股票权重向量[39] 2. 施加一系列实际投资中的约束条件，包括[39][40]： * **风格暴露约束**：$s_{l}\leq X(w-w_{b})\leq s_{h}$，限制组合相对于基准指数在风格因子上的偏离度，其中 $X$ 为风格因子暴露矩阵，$w_b$ 为基准权重[39][40] * **行业偏离约束**：$h_{l}\leq H(w-w_{b})\leq h_{h}$，限制组合相对于基准指数的行业偏离，其中 $H$ 为行业暴露矩阵[39][40] * **个股权重偏离约束**：$w_{l}\leq w-w_{b}\leq w_{h}$，限制个股相对于其基准权重的偏离幅度[39][40] * **成分股权重占比约束**：$b_{l}\leq B_{b}w\leq b_{h}$，限制组合在基准指数成分股内的权重占比，其中 $B_b$ 为成分股标识向量[39][40] * **卖空与权重上限约束**：$\mathbf{0}\leq w\leq l$，禁止卖空并限制个股权重上限[39][40] * **满仓约束**：$\mathbf{1}^{T} w=1$，要求组合权重和为1，即满仓运作[39][40] 3. 在每个月末，根据设定的约束条件（如控制行业中性、市值中性，个股最大偏离权重0.5%-1%等）为每个单因子构建MFE组合[43] 4. 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，最后计算相对于基准的收益风险指标[43] 3. 模型名称：公募重仓指数 * **模型构建思路**：为了测试因子在公募基金持仓风格下的有效性，通过汇总公募基金定期报告的持股信息，构建一个代表公募基金整体重仓股情况的指数，作为因子测试的样本空间[41] * **模型具体构建过程**： 1. **确定选样基金池**：选取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，若基金转型则使用转型后半年以上的数据[42] 2. **获取持仓信息**：通过基金的定期报告（年报、半年报、季报）获取持股数据。若最新报告为季报，需结合前期的年报或半年报信息构建完整持仓[42] 3. **计算平均持仓**：将所有符合条件的基金持仓股票权重进行平均，得到公募基金的平均持仓信息[42] 4. **筛选成分股**：将平均后的股票权重按从高到低排序，选取累计权重达到90%的股票作为成分股，构建公募基金重仓指数[42] 量化因子与构建方式 报告因子库包含估值、反转、成长、盈利、流动性、波动、公司治理、分析师共8大类30余个因子[16][17]。 1. 估值类因子 * **因子名称**：BP * **因子构建思路**：衡量公司净资产与市值的比率，属于价值型因子[17] * **因子具体构建过程**：净资产 / 总市值[17] * **因子名称**：单季EP * **因子构建思路**：使用单季度净利润衡量估值[17] * **因子具体构建过程**：单季度归母净利润 / 总市值[17] * **因子名称**：单季SP * **因子构建思路**：使用单季度营业收入衡量估值[17] * **因子具体构建过程**：单季度营业收入 / 总市值[17] * **因子名称**：EPTTM * **因子构建思路**：使用滚动净利润衡量估值[17] * **因子具体构建过程**：归母净利润TTM / 总市值[17] * **因子名称**：SPTTM * **因子构建思路**：使用滚动营业收入衡量估值[17] * **因子具体构建过程**：营业收入TTM / 总市值[17] * **因子名称**：EPTTM分位点 * **因子构建思路**：衡量当前EPTTM在历史区间中的相对位置[17] * **因子具体构建过程**：EPTTM在过去一年中的分位点[17] * **因子名称**：股息率 * **因子构建思路**：衡量公司分红回报[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] 2. 反转类因子 * **因子名称**：一个月反转 * **因子构建思路**：捕捉短期价格反转效应[17] * **因子具体构建过程**：过去20个交易日涨跌幅[17] * **因子名称**：三个月反转 * **因子构建思路**：捕捉中期价格反转效应[17] * **因子具体构建过程**：过去60个交易日涨跌幅[17] * **因子名称**：一年动量 * **因子构建思路**：捕捉长期价格动量效应（剔除近期一个月）[17] * **因子具体构建过程**：近一年除近一月后动量[17] 3. 成长类因子 * **因子名称**：单季净利同比增速 * **因子构建思路**：衡量单季度净利润的同比增长[17] * **因子具体构建过程**：单季度净利润同比增长率[17] * **因子名称**：单季营收同比增速 * **因子构建思路**：衡量单季度营业收入的同比增长[17] * **因子具体构建过程**：单季度营业收入同比增长率[17] * **因子名称**：单季营利同比增速 * **因子构建思路**：衡量单季度营业利润的同比增长[17] * **因子具体构建过程**：单季度营业利润同比增长率[17] * **因子名称**：SUE * **因子构建思路**：标准化预期外盈利，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] * **因子名称**：SUR * **因子构建思路**：标准化预期外收入，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] * **因子名称**：单季超预期幅度 * **因子构建思路**：直接衡量盈利超预期的幅度[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] 4. 盈利类因子 * **因子名称**：单季ROE * **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] * **因子名称**：单季ROA * **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] * **因子名称**：DELTAROE * **因子构建思路**：衡量净资产收益率的同比变化[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] * **因子名称**：DELTAROA * **因子构建思路**：衡量总资产收益率的同比变化[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] 5. 流动性类因子 * **因子名称**：非流动性冲击 * **因子构建思路**：衡量价格对成交额的敏感度，即流动性冲击成本[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] * **因子名称**：一个月换手 * **因子构建思路**：衡量短期换手率[17] * **因子具体构建过程**：过去20个交易日换手率均值[17] * **因子名称**：三个月换手 * **因子构建思路**：衡量中期换手率[17] * **因子具体构建过程**：过去60个交易日换手率均值[17] 6. 波动类因子 * **因子名称**：特异度 * **因子构建思路**：衡量个股特异性风险，即不能被常见风险因子（如Fama-French三因子）解释的部分[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] * **因子名称**：一个月波动 * **因子构建思路**：衡量短期股价波动[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] * **因子名称**：三个月波动 * **因子构建思路**：衡量中期股价波动[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] 7. 公司治理类因子 * **因子名称**：高管薪酬 * **因子构建思路**：衡量公司高管薪酬水平[17] * **因子具体构建过程**：前三高管报酬总额取对数[17] 8. 分析师类因子 * **因子名称**：预期EPTTM * **因子构建思路**：基于分析师一致预期的滚动市盈率倒数[17] * **因子具体构建过程**：一致预期滚动EP[17] * **因子名称**：预期BP * **因子构建思路**：基于分析师一致预期的滚动市净率倒数[17] * **因子具体构建过程**：一致预期滚动PB[17] * **因子名称**：预期PEG * **因子构建思路**：基于分析师一致预期的PEG指标[17] * **因子具体构建过程**：一致预期PEG[17] * **因子名称**：预期净利润环比 * **因子构建思路**：衡量分析师对未来净利润环比增长的预期[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] * **因子名称**：三个月盈利上下调 * **因子构建思路**：衡量过去一段时间内分析师对盈利预测的调整方向[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] * **因子名称**：三个月机构覆盖 * **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] 模型的回测效果 1. 国信金工指数增强组合模型 * **沪深300指数增强组合**：本周超额收益-0.14%，本年超额收益3.07%[5][14] * **中证500指数增强组合**：本周超额收益-0.27%，本年超额收益-0.57%[5][14] * **中证1000指数增强组合**：本周超额收益-0.69%，本年超额收益3.24%[5][14] * **中证A500指数增强组合**：本周超额收益0.12%，本年超额收益3.43%[5][14] 因子的回测效果 （以下因子表现数据均基于单因子MFE组合相对于各自基准指数的超额收益计算[15]） 1. 在沪深300样本空间中的因子表现（最近一周） * **标准化预期外收入**：0.79%[19] * **单季营收同比增速**：0.71%[19] * **一年动量**：0.54%[19] * **单季营利同比增速**：0.31%[19] * **单季超预期幅度**：0.25%[19] * **3个月盈利上下调**：0.19%[19] * **三个月机构覆盖**：0.06%[19] * **预期PEG**：-0.03%[19] * **预期净利润环比**：-0.07%[19] * **单季净利同比增速**：-0.07%[19] * **一个月波动**：-0.23%[19] * **高管薪酬**：-0.27%[19] * **DELTAROA**：-0.28%[19] * **单季ROE**：-0.36%[19] * **标准化预期外盈利**：-0.40%[19] * **BP**：-0.41%[19] * **DELTAROE**：-0.45%[19] * **单季ROA**：-0.47%[19] * **EPTTM年分位点**：-0.51%[19] * **三个月波动**：-0.55%[19] * **特异度**：-0.56%[19] * **三个月反转**：-0.59%[19] * **一个月换手**：-0.61%[19] * **预期BP**：-0.68%[19] * **三个月换手**：-0.76%[19] * **单季EP**：-0.80%[19] * **股息率**：-0.95%[19] * **一个月反转**：-0.97%[19] * **非流动性冲击**：-1.02%[19] * **单季SP**：-1.13%[19] * **预期EPTTM**：-1.20%[19] * **EPTTM**：-1.24%[19] * **SPTTM**：-1.35%[19] 2. 在中证500样本空间中的因子表现（最近一周） * **单季超预期幅度**：1.39%[21] * **3个月盈利上下调**：1.02%[21] * **单季净利同比增速**：1.01%[21] * **单季营利同比增速**：0.77%[21] * **标准化预期外盈利**：0.38%[21] * **三个月换手**：0.28%[21] * **DELTAROA**：0.23%[21] * **单季营收同比增速**：0.20%[21] * **标准化预期外收入**：0.16%[21] * **特异度**：0.15%[21] * **高管薪酬**：0.14%[21] * **一年动量**：0.08%[21] * **三个月反转**：0.06%[21] * **一个月反转**：0.02%[21] * **EPTTM年分位点**：0.00%[21] * **DELTAROE**：-0.01%[21] * **预期PEG**：-0.03%[21] * **一个月换手**：-0.04%[21] * **股息率**：-0.07%[21] * **预期净利润环比**：-0.08%[21] * **单季ROE**：-0.19%[21] * **三个月机构覆盖**：-0.37%[21] * **单季ROA**：-0.42%[21] * **非流动性冲击**：-0.54%[21] * **单季SP**：-0.56%[21] * **EPTTM**：-0.57%[21] * **预期BP**：-0.62%[21] * **三个月波动**：-0.67%[21] * **BP**：-0.68%[21] * **一个月波动**：-0.70%[21] * **单季EP**：-0.81%[21] * **SPTTM**：-0.85%[21] * **预期EPTTM**：-1.09%[21] 3. 在中证1000样本空间中的因子表现（最近一周） * **预期净利润环比**：1.44%[23] * **单季净利同比增速**：

量化模型与因子总结 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[11][12] * **模型构建思路**：以多因子选股为主体，构建对标不同宽基指数的增强组合，力求稳定战胜各自基准[11] * **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部分[12]。具体步骤未在报告中详细展开。 2. **模型名称**：单因子MFE组合模型[15][42] * **模型构建思路**：为了在更贴近实际投资约束的条件下检验单因子的有效性，采用组合优化的方式，在控制行业暴露、风格暴露等约束下，构建最大化单因子暴露的组合[42] * **模型具体构建过程**：采用组合优化模型构建最大化单因子暴露组合[42]。具体步骤如下： 1. 设定约束条件，包括风格暴露、行业暴露、个股权重偏离、成分股内权重占比、个股权重上下限等[46]。例如，对于沪深300和中证500指数，控制MFE组合相对于基准在中信一级行业和市值风格因子上的相对暴露为0，个股相对于成分股最大偏离权重1%，成分股内权重占比100%[46] 2. 在每个月末，根据约束条件构建每个单因子的MFE组合[46] 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，计算相对于基准的收益风险统计指标[46] * **模型评价**：该方法能更真实地反映因子在实际投资约束下的有效性，检验后认为“有效”的因子更可能在最终组合中发挥真实的收益预测作用[42] 量化因子与构建方式 报告从估值、反转、成长、盈利、流动性、公司治理、分析师等维度出发，构造了30余个因子[16]。具体因子名称及计算方式如下[17]： 1. **因子名称**：BP * **因子构建思路**：估值类因子 * **因子具体构建过程**：净资产 / 总市值[17] 2. **因子名称**：单季EP * **因子构建思路**：估值类因子 * **因子具体构建过程**：单季度归母净利润 / 总市值[17] 3. **因子名称**：单季SP * **因子构建思路**：估值类因子 * **因子具体构建过程**：单季度营业收入 / 总市值[17] 4. **因子名称**：EPTTM * **因子构建思路**：估值类因子 * **因子具体构建过程**：归母净利润TTM / 总市值[17] 5. **因子名称**：SPTTM * **因子构建思路**：估值类因子 * **因子具体构建过程**：营业收入TTM / 总市值[17] 6. **因子名称**：EPTTM分位点 * **因子构建思路**：估值类因子 * **因子具体构建过程**：EPTTM在过去一年中的分位点[17] 7. **因子名称**：股息率 * **因子构建思路**：估值类因子 * **因子具体构建过程**：最近四个季度预案分红金额 / 总市值[17] 8. **因子名称**：一个月反转 * **因子构建思路**：反转类因子 * **因子具体构建过程**：过去20个交易日涨跌幅[17] 9. **因子名称**：三个月反转 * **因子构建思路**：反转类因子 * **因子具体构建过程**：过去60个交易日涨跌幅[17] 10. **因子名称**：一年动量 * **因子构建思路**：反转/动量类因子 * **因子具体构建过程**：近一年除近一月后动量[17] 11. **因子名称**：单季净利同比增速 * **因子构建思路**：成长类因子 * **因子具体构建过程**：单季度净利润同比增长率[17] 12. **因子名称**：单季营收同比增速 * **因子构建思路**：成长类因子 * **因子具体构建过程**：单季度营业收入同比增长率[17] 13. **因子名称**：单季营利同比增速 * **因子构建思路**：成长类因子 * **因子具体构建过程**：单季度营业利润同比增长率[17] 14. **因子名称**：SUE (标准化预期外盈利) * **因子构建思路**：成长类因子 * **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] 15. **因子名称**：SUR (标准化预期外收入) * **因子构建思路**：成长类因子 * **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] 16. **因子名称**：单季超预期幅度 * **因子构建思路**：成长类因子 * **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] 17. **因子名称**：单季ROE * **因子构建思路**：盈利类因子 * **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] 18. **因子名称**：单季ROA * **因子构建思路**：盈利类因子 * **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] 19. **因子名称**：DELTAROE * **因子构建思路**：盈利类因子 * **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] 20. **因子名称**：DELTAROA * **因子构建思路**：盈利类因子 * **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] 21. **因子名称**：非流动性冲击 * **因子构建思路**：流动性类因子 * **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] 22. **因子名称**：一个月换手 * **因子构建思路**：流动性类因子 * **因子具体构建过程**：过去20个交易日换手率均值[17] 23. **因子名称**：三个月换手 * **因子构建思路**：流动性类因子 * **因子具体构建过程**：过去60个交易日换手率均值[17] 24. **因子名称**：特异度 * **因子构建思路**：波动类因子 * **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] 25. **因子名称**：一个月波动 * **因子构建思路**：波动类因子 * **因子具体构建过程**：过去20个交易日日内真实波幅均值[17] 26. **因子名称**：三个月波动 * **因子构建思路**：波动类因子 * **因子具体构建过程**：过去60个交易日日内真实波幅均值[17] 27. **因子名称**：高管薪酬 * **因子构建思路**：公司治理类因子 * **因子具体构建过程**：前三高管报酬总额取对数[17] 28. **因子名称**：预期EPTTM * **因子构建思路**：分析师类因子 * **因子具体构建过程**：一致预期滚动EP[17] 29. **因子名称**：预期BP * **因子构建思路**：分析师类因子 * **因子具体构建过程**：一致预期滚动PB[17] 30. **因子名称**：预期PEG * **因子构建思路**：分析师类因子 * **因子具体构建过程**：一致预期PEG[17] 31. **因子名称**：预期净利润环比 * **因子构建思路**：分析师类因子 * **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] 32. **因子名称**：3个月盈利上下调 * **因子构建思路**：分析师类因子 * **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] 33. **因子名称**：三个月机构覆盖 * **因子构建思路**：分析师类因子 * **因子具体构建过程**：过去3个月内机构覆盖数量[17] 模型的回测效果 1. **国信金工沪深300指数增强组合**，本周超额收益0.24%，本年超额收益3.21%[5][14] 2. **国信金工中证500指数增强组合**，本周超额收益0.53%，本年超额收益-0.27%[5][14] 3. **国信金工中证1000指数增强组合**，本周超额收益1.63%，本年超额收益3.92%[5][14] 4. **国信金工中证A500指数增强组合**，本周超额收益0.40%，本年超额收益3.28%[5][14] 因子的回测效果 (基于单因子MFE组合) 报告分别以沪深300、中证500、中证1000、中证A500及公募重仓指数为选股空间，展示了各因子MFE组合在最近一周、最近一月、今年以来及历史年化等不同时间窗口的超额收益表现[18][21][23][25][27]。以下为各样本空间中部分因子的近期表现示例： **沪深300样本空间**[18]： 1. **单季SP因子**，最近一周超额收益1.33%，最近一月超额收益0.89%，今年以来超额收益0.63%，历史年化超额收益2.80% 2. **SPTTM因子**，最近一周超额收益1.11%，最近一月超额收益0.81%，今年以来超额收益0.60%，历史年化超额收益2.03% 3. **单季EP因子**，最近一周超额收益0.99%，最近一月超额收益1.48%，今年以来超额收益1.55%，历史年化超额收益5.37% **中证500样本空间**[21]： 1. **一个月波动因子**，最近一周超额收益1.57%，最近一月超额收益1.49%，今年以来超额收益-0.37%，历史年化超额收益0.80% 2. **三个月反转因子**，最近一周超额收益1.42%，最近一月超额收益-3.14%，今年以来超额收益-3.40%，历史年化超额收益-2.38% 3. **一个月反转因子**，最近一周超额收益1.19%，最近一月超额收益-0.32%，今年以来超额收益-1.67%，历史年化超额收益-1.60% **中证1000样本空间**[23]： 1. **一个月反转因子**，最近一周超额收益1.77%，最近一月超额收益-0.37%，今年以来超额收益-0.40%，历史年化超额收益-4.29% 2. **三个月反转因子**，最近一周超额收益1.56%，最近一月超额收益0.76%，今年以来超额收益1.70%，历史年化超额收益-1.95% 3. **非流动性冲击因子**，最近一周超额收益1.52%，最近一月超额收益2.73%，今年以来超额收益3.06%，历史年化超额收益2.48% **中证A500样本空间**[25]： 1. **一个月波动因子**，最近一周超额收益1.46%，最近一月超额收益1.50%，今年以来超额收益0.51%，历史年化超额收益0.95% 2. **单季EP因子**，最近一周超额收益1.29%，最近一月超额收益1.59%，今年以来超额收益0.63%，历史年化超额收益5.16% 3. **三个月换手因子**，最近一周超额收益1.21%，最近一月超额收益0.61%，今年以来超额收益0.49%，历史年化超额收益2.81% **公募重仓指数样本空间**[27]： 1. **一个月波动因子**，最近一周超额收益1.61%，最近一月超额收益1.18%，今年以来超额收益-0.43%，历史年化超额收益0.03% 2. **单季SP因子**，最近一周超额收益1.45%，最近一月超额收益1.56%，今年以来超额收益0.50%，历史年化超额收益1.98% 3. **SPTTM因子**，最近一周超额收益1.44%，最近一月超额收益1.09%，今年以来超额收益0.08%，历史年化超额收益0.76%

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 * **模型构建思路**：以多因子选股为主体，通过收益预测、风险控制和组合优化三个主要步骤，构建对标不同宽基指数的增强组合，力求稳定战胜基准[11][12]。 * **模型具体构建过程**： 1. **收益预测**：基于多因子模型对股票的未来收益进行预测。报告中未详细说明具体使用的因子合成方法，但跟踪了30余个单因子的表现[11][16]。 2. **风险控制**：在组合优化过程中，控制组合相对于基准指数的风格暴露、行业暴露、个股权重偏离等风险敞口[12]。 3. **组合优化**：采用组合优化模型求解最优的股票权重。目标函数为最大化预期收益（或最小化风险），并施加一系列实际投资约束[12]。 2. 模型名称：单因子MFE组合模型 * **模型构建思路**：为了在更接近实际投资的约束条件下检验单因子的有效性，构建最大化单因子暴露组合。该方法控制了行业、风格等暴露，使得检验后认为“有效”的因子更可能在最终组合中发挥真实的收益预测作用[42]。 * **模型具体构建过程**：采用组合优化模型构建特定基准指数下的因子MFE组合，具体步骤如下[42][43][46]： 1. **设定优化问题**：优化模型的目标是最大化组合在单个因子上的暴露，同时满足一系列约束条件。优化模型数学表达式如下： $$\begin{array}{ll}\max & f^{T}w \\\ s.t. & s_{l} \leq X(w-w_{b}) \leq s_{h} \\\ & h_{l} \leq H(w-w_{b}) \leq h_{h} \\\ & w_{l} \leq w-w_{b} \leq w_{h} \\\ & b_{l} \leq B_{b}w \leq b_{h} \\\ & \mathbf{0} \leq w \leq l \\\ & \mathbf{1}^{T}w = 1\end{array}$$ 其中： * $f$ 为股票的因子值向量。 * $w$ 为待求解的股票权重向量。 * $w_b$ 为基准指数成分股的权重向量。 * $X$ 为股票对风格因子的暴露矩阵。 * $s_l$, $s_h$ 为风格因子相对暴露的下限及上限。 * $H$ 为股票的行业暴露矩阵（One-hot编码）。 * $h_l$, $h_h$ 为组合行业偏离的下限及上限。 * $w_l$, $w_h$ 为个股权重相对于基准权重偏离的下限及上限。 * $B_b$ 为个股是否属于基准指数成分股的0-1向量。 * $b_l$, $b_h$ 为成分股内权重的下限及上限。 * $l$ 为个股权重上限。 * $\mathbf{1}^{T}w = 1$ 表示权重和为1，即满仓运作。 2. **设置约束参数**：对于不同基准指数设置具体约束参数。例如，对于沪深300和中证500指数，控制MFE组合相对于基准在中信一级行业和市值风格因子上的相对暴露为0，个股相对于成分股最大偏离权重1%，成分股内权重占比100%[46]。 3. **月度换仓**：在每个月末，根据上述优化模型和约束条件，为每个单因子构建其MFE组合[46]。 4. **回测计算**：在回测期内根据各期MFE组合进行换仓，计算历史收益，并按双边0.3%扣除交易费用，最终计算MFE组合相对于基准的收益风险指标[46]。 3. 模型名称：公募重仓指数 * **模型构建思路**：为了测试因子在公募基金持仓池（“机构风格”）中的有效性，利用公募基金的定期报告持仓信息，构建一个模拟公募整体重仓股走势的指数，作为新的因子测试样本空间[44]。 * **模型具体构建过程**： 1. **确定样本基金**：选取普通股票型基金和偏股混合型基金，剔除基金整体规模小于五千万且上市时间不足半年的基金。若基金存在转型，则使用转型后半年以上的基金[45]。 2. **获取持仓数据**：通过基金的定期报告获取持股信息。若最新报告为半年报或年报，则使用全部持仓；若为季报，则需结合前期的半年报或年报信息来构建持仓数据[45]。 3. **计算平均持仓**：将所有符合条件的基金持仓股票权重进行平均，得到公募基金的平均持仓信息[45]。 4. **选取成分股**：将平均后的股票权重由高到低排序，选取累计权重达到90%的股票作为成分股，以此构建公募基金重仓指数[45]。 量化因子与构建方式 报告从估值、反转、成长、盈利、流动性、公司治理、分析师等维度，构建并跟踪了30余个常见选股因子[16]。以下是因子列表及其计算方式： 1. **因子名称**：BP * **因子构建思路**：估值因子，衡量公司净资产与市值的比率。 * **因子具体构建过程**：净资产 / 总市值[17]。 2. **因子名称**：单季EP * **因子构建思路**：估值因子，衡量单季度盈利与市值的比率。 * **因子具体构建过程**：单季度归母净利润 / 总市值[17]。 3. **因子名称**：单季SP * **因子构建思路**：估值因子，衡量单季度营收与市值的比率。 * **因子具体构建过程**：单季度营业收入 / 总市值[17]。 4. **因子名称**：EPTTM * **因子构建思路**：估值因子，衡量滚动盈利与市值的比率。 * **因子具体构建过程**：归母净利润TTM / 总市值[17]。 5. **因子名称**：SPTTM * **因子构建思路**：估值因子，衡量滚动营收与市值的比率。 * **因子具体构建过程**：营业收入TTM / 总市值[17]。 6. **因子名称**：EPTTM分位点 * **因子构建思路**：估值因子，衡量当前滚动估值在历史区间中的位置。 * **因子具体构建过程**：EPTTM在过去一年中的分位点[17]。 7. **因子名称**：股息率 * **因子构建思路**：估值因子，衡量公司分红回报率。 * **因子具体构建过程**：最近四个季度预案分红金额 / 总市值[17]。 8. **因子名称**：一个月反转 * **因子构建思路**：反转因子，捕捉短期价格反转效应。 * **因子具体构建过程**：过去20个交易日涨跌幅[17]。 9. **因子名称**：三个月反转 * **因子构建思路**：反转因子，捕捉中期价格反转效应。 * **因子具体构建过程**：过去60个交易日涨跌幅[17]。 10. **因子名称**：一年动量 * **因子构建思路**：动量因子，捕捉中长期价格动量效应。 * **因子具体构建过程**：近一年除近一月后动量[17]。 11. **因子名称**：单季净利同比增速 * **因子构建思路**：成长因子，衡量单季度净利润增长。 * **因子具体构建过程**：单季度净利润同比增长率[17]。 12. **因子名称**：单季营收同比增速 * **因子构建思路**：成长因子，衡量单季度营业收入增长。 * **因子具体构建过程**：单季度营业收入同比增长率[17]。 13. **因子名称**：单季营利同比增速 * **因子构建思路**：成长因子，衡量单季度营业利润增长。 * **因子具体构建过程**：单季度营业利润同比增长率[17]。 14. **因子名称**：SUE * **因子构建思路**：成长因子，衡量盈利超预期程度。 * **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]。 15. **因子名称**：SUR * **因子构建思路**：成长因子，衡量营收超预期程度。 * **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]。 16. **因子名称**：单季超预期幅度 * **因子构建思路**：成长因子，衡量盈利实际值与预期值的比率。 * **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]。 17. **因子名称**：单季ROE * **因子构建思路**：盈利因子，衡量单季度净资产收益率。 * **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]。 18. **因子名称**：单季ROA * **因子构建思路**：盈利因子，衡量单季度总资产收益率。 * **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]。 19. **因子名称**：DELTAROE * **因子构建思路**：盈利因子，衡量净资产收益率的同比变化。 * **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]。 20. **因子名称**：DELTAROA * **因子构建思路**：盈利因子，衡量总资产收益率的同比变化。 * **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]。 21. **因子名称**：非流动性冲击 * **因子构建思路**：流动性因子，衡量单位成交额引起的价格冲击。 * **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]。 22. **因子名称**：一个月换手 * **因子构建思路**：流动性因子，衡量短期交易活跃度。 * **因子具体构建过程**：过去20个交易日换手率均值[17]。 23. **因子名称**：三个月换手 * **因子构建思路**：流动性因子，衡量中期交易活跃度。 * **因子具体构建过程**：过去60个交易日换手率均值[17]。 24. **因子名称**：特异度 * **因子构建思路**：波动因子，衡量公司特质风险。 * **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]。 25. **因子名称**：一个月波动 * **因子构建思路**：波动因子，衡量短期价格波动。 * **因子具体构建过程**：过去20个交易日日内真实波幅均值[17]。 26. **因子名称**：三个月波动 * **因子构建思路**：波动因子，衡量中期价格波动。 * **因子具体构建过程**：过去60个交易日日内真实波幅均值[17]。 27. **因子名称**：高管薪酬 * **因子构建思路**：公司治理因子，衡量高管激励水平。 * **因子具体构建过程**：前三高管报酬总额取对数[17]。 28. **因子名称**：预期EPTTM * **因子构建思路**：分析师因子，衡量一致预期滚动估值。 * **因子具体构建过程**：一致预期滚动EP[17]。 29. **因子名称**：预期BP * **因子构建思路**：分析师因子，衡量一致预期滚动市净率。 * **因子具体构建过程**：一致预期滚动PB[17]。 30. **因子名称**：预期PEG * **因子构建思路**：分析师因子，衡量成长性估值。 * **因子具体构建过程**：一致预期PEG[17]。 31. **因子名称**：预期净利润环比 * **因子构建思路**：分析师因子，衡量盈利预期环比变化。 * **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]。 32. **因子名称**：三个月盈利上下调 * **因子构建思路**：分析师因子，衡量盈利预期的调整方向。 * **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]。 33. **因子名称**：三个月机构覆盖 * **因子构建思路**：分析师因子，衡量机构关注度。 * **因子具体构建过程**：过去3个月内机构覆盖数量[17]。 模型的回测效果 1. 国信金工指数增强组合模型 * 沪深300指数增强组合：本周超额收益0.24%，本年超额收益3.21%[5][14]。 * 中证500指数增强组合：本周超额收益0.53%，本年超额收益-0.27%[5][14]。 * 中证1000指数增强组合：本周超额收益1.63%，本年超额收益3.92%[5][14]。 * 中证A500指数增强组合：本周超额收益0.40%，本年超额收益3.28%[5][14]。 因子的回测效果 报告分别以**沪深300、中证500、中证1000、中证A500、公募重仓指数**为样本空间，构建单因子MFE组合，并给出了各因子在“最近一周”、“最近一月”、“今年以来”和“历史年化”四个时间窗口下的超额收益表现[15][18][20][22][24][26]。以下是各样本空间中，在“最近一周”窗口下表现最好和最差的部分因子及其超额收益值： 1. 沪深300样本空间[18] * **表现较好因子**：单季SP (1.33%)、SPTTM (1.11%)、单季EP (0.99%) * **表现较差因子**：单季营利同比增速 (-0.34%)、3个月盈利上下调 (-0.30%)、一年动量 (-0.23%) 2. 中证500样本空间[21] * **表现较好因子**：一个月波动 (1.57%)、三个月反转 (1.42%)、一个月反转 (1.19%) * **表现较差因子**：单季营收同比增速 (-1.09%)、一年动量 (-0.69%)、单季ROE (-0.57%) 3. 中证1000样本空间[23] * **表现较好因子**：一个月反转 (1.77%)、三个月反转 (1.56%)、非流动性冲击 (1.52%) * **表现较差因子**：单季营收同比增速 (-1.91%)、标准化预期外收入 (-1.52%)、单季ROA (-1.26%) 4. 中证A500样本空间[25] * **表现较好因子**：一个月波动 (1.46%)、单季EP (1.29%)、三个月换手 (1.21%) * **表现较差因子**：一年动量 (-0.91%)、单季营收同比增速 (-0.70%)、3个月盈利上下调 (-0.39%) 5. 公募重仓指数样本空间[27] * **表现较好因子**：一个月波动 (1.61%)、单季SP (1.45%)、SPTTM (1.44%) * **表现较差因子**：单季营收同比增速 (-1.25%)、一年动量 (-0.96%)、单季营利同比增速 (-0.85%)

指数增强型基金市场概况 - 2025年指数增强型基金迎来爆发式增长，全年新成立产品达186只，募集总规模突破1000亿元人民币，这一数字超过了此前三年的总和 [1] - 进入2026年热度未减，仅截至1月底新发指增基金数量已超过去年同期 [1] - 指数增强基金运作模式通常将大部分资产（例如50%以上）用于复制标的指数，剩余资金交由基金经理通过量化模型、精选个股等方式进行主动管理，以寻求超越指数的增强收益 [1] 2025年指数增强基金业绩表现 - 2025年超额收益排名靠前的产品主要集中于跟踪国证2000、中证1000、中证2000等代表中小盘风格的指数 [2] - 汇添富国证2000指数增强A全年超越其业绩比较基准的净值增长率达到25.22%，位列全市场第一 [2] - 工银中证1000指数增强A、博道中证1000指数增强A等多只产品也取得了超过20%的超额收益率 [2] - 在超额收益前二十名榜单中，跟踪沪深300与中证500等大中盘指数的产品仅有寥寥数只，景顺长城创业板综指增强A是唯一跻身其中的创业板指增基金 [2] 中小盘指数增强基金获取超额收益的原因 - 中小盘指数成分股数量庞大且权重分散，例如中证2000指数覆盖2000只股票，为以多因子选股模型为核心的量化增强策略提供了广阔的选股池，便于分散风险并挖掘潜力个股 [3] - 中小市值公司机构研究覆盖相对较少，市场定价效率可能不及大盘蓝筹股，这种信息不对称为量化策略通过数据挖掘发现错误定价提供了更多潜在空间 [3] - 中小盘股票通常交易活跃、流动性充裕、价格波动频率较高，有利于量化模型进行高效的交易执行和短期的价差捕捉，从而积少成多增厚收益 [3]

基金业绩表现 - 截至2025年2月6日，兴银中证500指数增强A最新净值为1.3146元 [1] - 该基金近六个月收益为27.88%，在同类757只基金中排名第127位 [1] - 截至2025年12月31日，基金近一年收益为34.82%，超越基准收益率6.01%；近三年收益为32.63%，超越基准收益率6.38% [1] 基金产品定位与策略 - 该基金定位为指数增强型股票基金，在紧密跟踪中证500指数的基础上，通过量化模型进行成分股权重优化与适度增强 [2] - 基金经理在四季度通过严格控制风格暴露、依托Barra多因子模型进行组合优化，在控制跟踪误差的同时实现了稳定的超额收益 [5] - 策略构建注重控制超额收益的波动、提升夏普比率，以实现在不同市场周期中表现更为持续与稳健 [5] - 展望2026年，基金将继续发挥量化模型在风险控制与阿尔法创造方面的双重优势 [5] 资产配置与行业分布 - 截至2025年四季度末，基金股票仓位占比为92.18%，债券持仓为0.71%，现金类资产占6.53% [2] - 行业配置以制造业为主导，占净值比例为60.39%；信息技术和金融业占比分别为4.53%和4.34% [2] - 前十大重仓股均为中证500指数成分股，合计占基金资产净值约7.24%，整体持股分散 [2] - 前十大重仓股覆盖信息技术、高端制造、航空航天及电子等多个成长领域 [2] 前十大重仓股详情 - 前十大重仓股按公允价值排序依次为：巨人网络 (606,060.00元)、金风科技 (605,880.00元)、先导智能 (569,772.00元)、中国卫星 (531,720.00元)、景旺电子 (518,939.00元)、兴森科技 (499,612.00元)、国瓷材料 (487,898.00元)、高德红外 (482,643.00元)、水晶光电 (482,304.00元)、航天电子 (458,380.00元) [3] 积极投资部分 - 积极投资部分前五名股票依次为新光光电、拉卡拉、盛路通信、中信证券、华鑫股份，合计占净值约1.55% [2] - 这体现了基金通过量化模型在控制整体风格暴露基础上进行的增强布局 [2] 基金经理与基金背景 - 基金经理为翁子晨，为硕士研究生、FRM持证人，具有5年证券从业经验，于2023年3月加入兴银基金 [5] - 翁子晨现任指数与量化投资部基金经理，主要负责指数增强与量化策略的管理与优化 [5] - 兴银中证500指数增强A成立于2021年3月1日 [5]

核心观点 - 指数增强基金是一种介于被动与主动之间的投资工具，在严格跟踪偏离约束下，通过主动优化力求获得超越基准指数的回报，其长期历史表现显示能获得正向超额收益且未显著放大风险 [1][2][12] - 投资者选择指数增强基金应采取“先看指数本身，再选增强方式”的两步法，并根据自身投资目标与风险偏好在指数增强基金和普通指数基金之间进行匹配 [11][13][14] 指数增强基金与普通指数基金的区别 - **投资目标不同**：普通指数基金力求紧密跟踪指数表现，严格控制跟踪误差；指数增强基金则在严格偏离约束下进行主动优化，以期获得超越指数的回报 [2] - **资产配置要求**：指数增强基金通常要将不低于80%的非现金基金资产投资于指数成份股及其备选成份股，大部分表现仍由指数决定，剩余部分为争取超额收益的空间 [2] 指数增强基金的常见增强策略 - **量化模型选股**：加入量化因子构建系统化评分模型，从多维度进行打分优选，常见因子包括基本面因子、估值因子、技术因子、情绪因子，并可引入AI技术从海量数据中寻找规律 [3][4] - **基本面增强**：基于财务质量、盈利能力、估值等基本面指标，在指数框架内对成份股进行横向比较和调整，多配置基本面更好、投资价值更高的公司 [5] - **组合与交易层面优化**：通过调仓节奏、交易成本控制、风险约束等方式，减少无效波动对长期收益的侵蚀 [6] 指数增强基金的历史表现 - **长期收益率领先**：以“增强指数型基金指数”和“被动指数型基金指数”为代表对比，在近5年、近10年的时间区间内，增强指数型基金指数的收益率数据均保持领先，且随时间拉长领先优势进一步扩大 [7][8] - **风险控制相当**：最大回撤并未显著放大，表明指数增强基金并非通过放大风险来换取收益，而是在整体风险水平与普通指数基金相近的前提下，通过持续“微幅优化”在长期累积出更具优势的收益结果 [8] 如何选择指数增强基金 - **第一步：选择基准指数**：指数增强基金的业绩表现大部分取决于基准指数本身，投资者需依据自身需求选择，例如宽基指数市场代表性更强，行业主题指数则聚焦特定赛道 [11] - **基准指数的影响**：增强策略受益于选股空间的广度，基准指数的成份股覆盖面越广、市值越下沉，增强策略发挥空间越大，例如中证500因行业分布广、成份股多、定价效率相对较低，为模型提供了更大的寻找超额收益的空间 [11] - **第二步：关注增强策略**：不同指数增强基金在增强方式上存在差异，随着AI技术的发展，不少基金在量化模型中结合机器学习算法，捕捉因子间的非线性关系以争取超额收益 [11] 适合的投资者类型 - **指数增强基金**：更适合那些能接受指数本身波动、同时希望在长期获得一定超额收益的投资者 [12] - **普通指数基金**：对于追求紧密跟踪指数，不想冒跑输指数的风险的投资者，可能是更贴合需求的选择 [13] 市场现状 - **产品数量**：截至目前，市场上已经有超过470只指数增强基金 [10]