2025年指数增强产品市场概览 - 2025年指数增强产品迎来“超额盛宴”，关键驱动因素包括：沪深两市日均成交额达1.7万亿元人民币提供的充沛流动性、AI技术赋能策略迭代提升阿尔法挖掘能力、以及中小盘指数占优的风格为超额带来“高起点”[2] - 2025年有业绩展示的指数增强产品共471只，平均收益为46.47%，平均超额收益为15.56%[2] - 按公司规模划分，百亿私募的指数增强产品数量最多，达177只，其平均收益为49.05%，领跑其他规模私募；其平均超额收益为17.45%，在所有规模中排名第二[2][4] 不同规模私募的指数增强产品表现 - 50-100亿规模私募的指数增强产品有53只，平均收益为46.05%，平均超额收益为14.35%[4] - 20-50亿规模私募的指数增强产品有47只，平均收益为49.02%，平均超额收益为18.49%[4] - 10-20亿规模私募的指数增强产品有56只，平均收益为41.93%，平均超额收益为13.61%[4] - 5-10亿规模私募的指数增强产品有56只，平均收益为47.88%，平均超额收益为15.66%[4] - 0-5亿规模私募的指数增强产品有82只，平均收益为41.84%，平均超额收益为11.83%[4] 百亿私募旗下各类策略产品表现排名 - 在百亿私募旗下产品中，量化选股策略2025年平均收益最高，达55.06%，平均超额收益为28.29%[6] - 中证1000指增策略表现次优，平均收益为54.56%，平均超额收益为21.24%[5][6] - 中证500指增策略平均收益为50.99%，平均超额收益为15.80%[6] - 其他指增策略平均收益为47.45%，平均超额收益为18.26%[6] - 沪深300指增策略平均收益为30.01%，平均超额收益为10.49%[6] - 主观选股策略平均收益为22.62%，平均超额收益为4.21%[6] 百亿私募旗下中证1000指数增强产品表现 - 百亿私募旗下中证1000指增产品共57只，2025年平均收益为54.56%，平均超额收益为21.24%[5][8] - 蒙玺投资李骧管理的“蒙玺中证1000指数量化5号A类份额”排名首位[8][12] - 明汯投资裘慧明和解环宇共同管理的“明汯量化中小盘增强1号B类份额”位列第二[8][12] - 平方和投资吕杰勇和方壮熙管理的“平方和鼎盛中证1000指数增强8号B类份额”位列第三[8] - 明汯投资成立于2014年，是国内较早将AI技术应用于金融市场的私募机构，其量化资产管理平台以“全周期、多策略、多品种”为框架，2025年四季度末管理规模为700-800亿元人民币[12] 百亿私募旗下中证500指数增强产品表现 - 百亿私募旗下中证500指增产品共64只，2025年平均收益为50.99%，平均超额收益为15.80%[13] - 顽岩资产金腾管理的“顽岩中证500指数增强1号A类份额”摘得桂冠[13][17] - 鸣石基金杨堃管理的“鸣石春天2号A类份额”夺得亚军[13][18] - 平方和投资吕杰勇和方壮熙管理的“平方和鼎盛中证500指数增强9号B类份额”夺得季军[13][18] - 平方和投资在2025年9月的路演中表示，其500和1000指增产品的超额收益与市场主流产品相关性较低（约33%），且超额收益更稳定，在选股时主要集中在前3800名内，控制微盘股占比[18] 百亿私募旗下其他指数增强产品表现 - 百亿私募旗下其他指增产品共36只，2025年平均收益为47.45%，平均超额收益为18.26%[19] - 衍复投资高亢管理的“衍复专享小市值指数增强2号”摘得桂冠[20][24] - 磐松资产吴确管理的“磐松微盘股指数增强1号”位列第二[20] - 聚宽投资高斯蒙管理的“聚宽定制七号”位列第三[20] 百亿私募旗下沪深300指数增强产品表现 - 百亿私募旗下沪深300指增产品共20只，2025年平均收益为30.01%，平均超额收益为10.49%[25] - 宁波幻方量化徐进管理的“九章幻方沪深300量化多策略1号”以明显优势领跑[25][29] - 明汯投资解环宇和裘慧明管理的“明汯稳健增长2期”位列第二[25] - 鸣石基金蔡贤管理的“鸣石超越量化指数增强1号1期”位列第三[25] - 幻方量化旗下大模型公司DeepSeek预计将于2026年2月中旬发布下一代AI模型V4，内部初步测试表明其在编程能力上超过其他一流模型[29] 行业技术与策略发展 - 蒙玺投资李骧指出，AI的变革性影响主要体现在四个层面：通过大模型处理非结构化数据提升研究效率；推动模型方法从线性转向非线性；在交易执行中引入强化学习；推动研究体系向系统化、平台化与工程化演进[12] - 明汯投资核心团队多毕业于常春藤及清北复交等一流院校，并曾于Millennium、Citadel Securities等国际一线量化机构任职[12]

核心观点 - 中欧基金量化产品线在2025年业绩表现突出，多只产品在多个宽基指数及小盘股赛道上实现了显著且持续的超额收益，其背后是公司量化投研体系从1.0到3.0的系统化进阶，通过构建独特的“三元低相关因子”体系，形成了差异化的Alpha来源 [1][3][11] 业绩表现 - **整体产品线与规模**：截至2025年9月30日，中欧量化拥有17只产品，管理规模超百亿元，主要布局指数增强及主动量化 [2] - **宽基指数增强表现**： - 中欧中证500指数增强A近三年收益51.29%，超越业绩基准26.25%，超额收益25.04%，在银河证券同类排名中位列前5%(7/140)，在国泰海通证券排名中进入前5%(15/315) [2] - 中欧沪深300指数量化增强A在2025年实现了9.13%的超额收益 [1][2] - **小盘量化产品表现**：中欧小盘成长混合A近三年收益率达85.24%，超越业绩基准56.06个百分点，在国泰海通证券同类排名前4%，获三年期五星评级 [2] - **长跑型产品表现**： - 中欧数据挖掘A以中证500为基准，近七年在国泰海通证券同类排名前10%(126/1284)，近三年、五年获双五星评级 [3] - 中欧金安量化A近三年同类排名前12%(332/2784)，获三年期五星评级 [3] - **主动量化产品表现**：中欧量化动力、中欧量化驱动近一年收益率均超过25%，超额收益分别为11.48%和5.23% [3] - **成立满三年产品概况**：在16只量化产品中，9只已成立满3年，其中中欧小盘成长近三年收益85%领先，中欧数据挖掘、中欧中证500指数增强、中欧金安量化近三年收益均超过50% [3] 量化体系进化 - **1.0阶段：基本面量化 (Quantamental)**：始于2016年首只量化产品中欧数据挖掘混合，核心是通过专家访谈和产业调研提取行业核心逻辑并转化为量化模型，以研究宽度弥补深度，在不同行业中寻找机会 [4][5][6] - **2.0阶段：主动与量化深度融合**：2024年，主动投资老将王健加入，其超过20年基本面研究经验与量化模型结合，形成了“逻辑-数据”双向赋能的闭环，从“工具性借用”升级为“生态性融合” [7][8] - **3.0阶段：三元低相关因子体系**：为应对因子衰减，构建了包含基本面及另类、量价、深度学习三大类因子的体系，这三类因子低相关甚至负相关，互为补充，提供了独特的Alpha来源 [9][10] 行业趋势与公司优势 - **指数增强产品受关注**：随着被动投资理念普及和监管对“基准锚定”的强化，指数增强产品因兼具透明性、风格稳定性和获取超额收益的可能性而受到关注，产品标的指数也从宽基向细分行业、主题等多元化发展 [11] - **中欧量化的差异化优势**：公司通过“基本面量化奠基+主动深度赋能+三元因子迭代”构建的体系，其超额收益不依赖于押注单一风格或极端风险暴露，而是源于对数百家公司产业逻辑的系统化理解与编码 [11] - **内部系统化支撑**：公司“专业化、工业化、数智化”理念在量化团队中体现为“量化和主观的深度融合”与“标准化数据库建设”，风控节点全流程嵌入，从策略研发到交易管理进行多维度全周期风控护航 [12]

报告行业投资评级 未提及 报告的核心观点 报告对公募量化基金2025年度表现进行分析并对2026年度进行展望，涵盖指数增强、主动量化、量化固收+三类基金，涉及规模、收益、策略等多方面内容，为投资提供参考[1][2] 根据相关目录分别进行总结 指数增强基金 - 规模&新发：截至25Q3指增产品规模达2572亿元，非传统宽基指增规模增长显著，2025年新发非常规宽基指增规模较大，净申购靠前产品多样，首发规模靠前托管行和基金公司明确，机构与个人投资者偏好有差异[7][8][10][11] - 基金公司统计：选取25Q3指增规模30亿以上的23家基金公司，易方达规模最大，不同指增类型管理规模较大的公司不同，产品线全面的公司有汇添富、富国等，各类型指增中业绩出色的基金公司有差异，还从市值和换手率维度对基金公司分类[13][16][19] - 超额收益表现：指增产品Alpha效应2020年后衰退，2025年三类指增产品超额收益波动大，四季度大多回升，小市值指增超额收益高的趋势延续，各宽基指增内部分化度增大，部分指增产品表现独特[21][24][26] - 绩优指增产品：部分绩优指增2025超额超20%，不同类型指增中表现好的产品不同，不少绩优产品市场环境适应性好，正向暴露成长等因子，负向暴露波动性等因子[30][32][34] - 指增产品关注名单：结合多维度投资能力评价结果选取基金产品，考虑基金经理投资年限和管理规模[36][38] 主动量化基金 - 七类策略类型&规模变动：主动量化基金分7大类，全行业量化选股和主动权益团队量化产品规模增长明显，规模靠前的10只产品投资策略多元化，25年净申购和首发规模靠前的基金明确[39][40][42] - 类指增策略：有对标不同指数的产品，25年前三季度博道久航与华夏智胜优选规模增强靠前，不同产品策略有差异[46] - SmartBeta策略：小微盘策略分三类，收益因市值下沉程度有差距；红利策略竞争激烈，各公司寻求差异化布局；成长、价值风格策略下各基金投资策略和特点不同[50][53][56] - 全行业选股策略：策略多元化，规模靠前产品有国金量化多因子等，不同产品采用不同策略，如行业轮动、因子轮动等[63][64][65] - 主动与量化的融合：广发基金杨冬、中欧基金张学明、易方达基金包正钰所管产品策略与定位有差异，追求主动与量化融合，各有代表产品及特点[69][72][74] 量化固收+基金 - 规模&新发：全市场约171只量化固收+，2025年规模增长367亿元，总规模约1225.47亿元，规模前三产品策略不同，2025年规模增长快和新发行的产品明确，收益分位数靠前的产品采用不同策略[76][80][82] - 指增策略：固收+基金股票部分采用指增策略可捕捉beta收益，策略有效性与多种因素有关，以二级债基最优，富国等基金公司布局较多[84] - 风格策略：风格策略是发展量化基金的突破口，从价值风格向成长风格及杠铃策略衍变，不同公司布局不同风格产品[88] - 转债量化策略：以易方达双债增强为代表，采用可转债期权定价模型进行统计套利，资产配置有三层架构[90][91] - 市场动态：主动与量化相结合成趋势，中欧、易方达、广发基金有不同实践和表现[92][103][105] - 量化固收+基金关注名单：根据多指标筛选出不同波动水平的基金作为关注名单[107]

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0.44%，本年累计超额收益0.44% [1][8] - 中证500指数增强组合本周超额收益-1.80%，本年累计超额收益-1.80% [1][8] - 中证1000指数增强组合本周超额收益-2.20%，本年累计超额收益-2.20% [1][8] - 中证A500指数增强组合本周超额收益0.61%，本年累计超额收益0.61% [1][8] 不同选股空间下的因子表现 - **沪深300样本空间**：最近一周，三个月机构覆盖因子超额收益0.86%，DELTAROA因子超额收益0.61%，DELTAROE因子超额收益0.52% [9] - **中证500样本空间**：最近一周，单季净利同比增速因子超额收益0.79%，预期净利润环比因子超额收益0.77%，特异度因子超额收益0.62% [12] - **中证1000样本空间**：最近一周，一年动量因子超额收益1.94%，单季营收同比增速因子超额收益1.31%，标准化预期外收入因子超额收益0.92% [15] - **中证A500样本空间**：最近一周，单季净利同比增速因子超额收益1.14%，DELTAROE因子超额收益0.88%，单季营利同比增速因子超额收益0.70% [18] - **公募重仓指数样本空间**：最近一周，单季净利同比增速因子超额收益0.71%，预期净利润环比因子超额收益0.70%，三个月反转因子超额收益0.68% [21] 公募基金指数增强产品表现 - **沪深300指数增强产品**：共有79只，总规模816亿元；本周超额收益最高1.48%，最低-1.42%，中位数0.09% [24][25][28] - **中证500指数增强产品**：共有79只，总规模534亿元；本周超额收益最高0.06%，最低-3.87%，中位数-1.38% [24][27][30] - **中证1000指数增强产品**：共有46只，总规模214亿元；本周超额收益最高1.11%，最低-1.84%，中位数-0.38% [24][29][31] - **中证A500指数增强产品**：共有73只，总规模270亿元；本周超额收益最高2.21%，最低-1.13%，中位数-0.26% [24][35] 研究方法与构建方式 - 采用最大化单因子暴露组合（MFE组合）来检验因子在控制行业、风格等实际约束后的有效性 [33] - MFE组合通过组合优化模型构建，目标为最大化单因子暴露，并约束风格因子偏离、行业偏离、个股权重偏离等 [34][36] - 公募重仓指数通过汇总普通股票型及偏股混合型基金的持仓信息构建，选取累计权重达90%的股票作为成分股 [38][39]

量化模型与因子总结 根据所提供的量化基金业绩跟踪周报，报告核心内容为对各类公募量化基金（指数增强、主动量化、市场中性）的历史业绩进行统计、分析和展示[1][2][3]。报告本身并未涉及具体的**量化模型**或**量化因子**的构建、测试与评价。 报告的主要内容是业绩结果的呈现，包括不同时间窗口（本周、本月、近一年等）下，各类基金的平均收益/超额收益、分位数、跟踪误差、最大回撤等指标的统计值[10]。同时，报告也展示了基于基金等权组合构建的模拟净值走势[22][23][26][28][29][31][32]。 因此，本报告是一份**基金业绩跟踪报告**，而非关于**量化模型或因子**的研究报告。报告中未提及任何具体的模型名称、因子构建思路、构建过程或公式。 模型的回测效果 （报告中无相关内容） 量化因子与构建方式 （报告中无相关内容） 因子的回测效果 （报告中无相关内容）

量化模型与因子总结 量化模型与构建方式 1. **模型名称：国信金工多因子指数增强模型**[11][12] * **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，构建能够稳定战胜特定基准指数（如沪深300、中证500等）的增强组合[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。 2. **风险控制**：控制组合相对于基准指数在行业、风格（如市值）等方面的暴露，以控制跟踪误差。 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信息比率。具体优化模型未在提供内容中详细展开，但提及了包含行业中性、风格中性等约束[12]。 2. **模型名称：单因子MFE（Maximized Factor Exposure）组合模型**[15][40] * **模型构建思路**：为了在更贴近实际投资约束（如行业、风格暴露控制）的条件下检验单因子的有效性，采用组合优化的方式，构建一个在满足各项约束下最大化该因子暴露的投资组合，通过该组合相对于基准的表现来判断因子有效性[15][40]。 * **模型具体构建过程**： 1. **优化目标**：最大化组合在目标单因子上的加权暴露。 2. **约束条件**：包括控制组合相对于基准指数的风格暴露、行业偏离、个股权重偏离、成分股内权重占比、禁止卖空以及权重和为1等[40][41]。 3. **优化模型公式**： $$\begin{array}{ll}\max & f^{T}w \\\ s.t. & s_{l} \leq X(w-w_{b}) \leq s_{h} \\\ & h_{l} \leq H(w-w_{b}) \leq h_{h} \\\ & w_{l} \leq w-w_{b} \leq w_{h} \\\ & b_{l} \leq B_{b}w \leq b_{h} \\\ & \mathbf{0} \leq w \leq l \\\ & \mathbf{1}^{T}w = 1\end{array}$$ 其中： * $f$ 为因子取值向量。 * $w$ 为待求解的股票权重向量。 * $w_b$ 为基准指数成分股权重向量。 * $X$ 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上下限。 * $H$ 为股票的行业暴露矩阵。 * $h_l$, $h_h$ 为行业偏离的上下限。 * $w_l$, $w_h$ 为个股相对于基准权重偏离的上下限。 * $B_b$ 为个股是否属于基准指数成分股的0-1向量。 * $b_l$, $b_h$ 为成分股内权重占比的上下限。 * $l$ 为个股权重上限。 * $\mathbf{1}$ 为元素全为1的向量[40][41]。 4. **构建流程**：每月末，根据设定的约束条件（如行业中性、市值中性、个股权重偏离限制等），通过求解上述优化问题，为每个因子构建其MFE组合，并进行换仓和回测[44]。 3. **模型名称：公募重仓指数**[42][43] * **模型构建思路**：为了测试因子在公募基金这一重要市场参与者持仓池中的有效性，通过汇总公募基金的持股信息，构建一个代表“机构风格”的动态指数作为新的因子测试样本空间[42]。 * **模型具体构建过程**： 1. **样本基金筛选**：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[43]。 2. **持仓数据获取**：从基金的定期报告（年报、半年报、季报）中获取持股信息。对于季报，需结合前期的年报或半年报信息来构建完整持仓[43]。 3. **权重计算与成分股选取**：将所有符合条件基金的持仓股票权重进行平均，得到公募基金平均持仓。将平均后的股票权重降序排列，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]。 量化因子与构建方式 报告构建了一个包含30余个因子的因子库，涵盖多个维度[16][17]。 1. **因子类别：估值** * **因子名称与构建过程**： * **BP**：净资产除以总市值[17]。 * **单季EP**：单季度归母净利润除以总市值[17]。 * **单季SP**：单季度营业收入除以总市值[17]。 * **EPTTM**：过去12个月（TTM）归母净利润除以总市值[17]。 * **SPTTM**：过去12个月（TTM）营业收入除以总市值[17]。 * **EPTTM分位点**：EPTTM值在过去一年历史序列中的分位点[17]。 * **股息率**：最近四个季度预案分红金额除以总市值[17]。 2. **因子类别：反转** * **因子名称与构建过程**： * **一个月反转**：过去20个交易日的涨跌幅[17]。 * **三个月反转**：过去60个交易日的涨跌幅[17]。 3. **因子类别：动量** * **因子名称与构建过程**： * **一年动量**：近一年（剔除最近一个月）的股价动量[17]。 4. **因子类别：成长** * **因子名称与构建过程**： * **单季净利同比增速**：单季度净利润的同比增长率[17]。 * **单季营收同比增速**：单季度营业收入的同比增长率[17]。 * **单季营利同比增速**：单季度营业利润的同比增长率[17]。 * **SUE (标准化预期外盈利)**：(单季度实际净利润 - 预期净利润) / 预期净利润的标准差[17]。 * **SUR (标准化预期外收入)**：(单季度实际营业收入 - 预期营业收入) / 预期营业收入的标准差[17]。 * **单季超预期幅度**：预期单季度净利润除以财报公布的单季度净利润[17]。 5. **因子类别：盈利** * **因子名称与构建过程**： * **单季ROE**：(单季度归母净利润 * 2) / (期初归母净资产 + 期末归母净资产)[17]。 * **单季ROA**：(单季度归母净利润 * 2) / (期初归母总资产 + 期末归母总资产)[17]。 * **DELTAROE**：当期单季度净资产收益率 - 去年同期单季度净资产收益率[17]。 * **DELTAROA**：当期单季度总资产收益率 - 去年同期单季度总资产收益率[17]。 6. **因子类别：流动性** * **因子名称与构建过程**： * **非流动性冲击**：过去20个交易日的日涨跌幅绝对值与成交额比值的均值[17]。 * **一个月换手**：过去20个交易日换手率的均值[17]。 * **三个月换手**：过去60个交易日换手率的均值[17]。 7. **因子类别：波动** * **因子名称与构建过程**： * **特异度**：1 - 过去20个交易日Fama-French三因子回归模型的拟合优度(R²)[17]。 * **一个月波动**：过去20个交易日日内真实波幅的均值[17]。 * **三个月波动**：过去60个交易日日内真实波幅的均值[17]。 8. **因子类别：公司治理** * **因子名称与构建过程**： * **高管薪酬**：公司前三名高管报酬总额的自然对数[17]。 9. **因子类别：分析师** * **因子名称与构建过程**： * **预期EPTTM**：基于分析师一致预期的滚动市盈率(EP)的倒数[17]。 * **预期BP**：基于分析师一致预期的滚动市净率(PB)的倒数[17]。 * **预期PEG**：基于分析师一致预期的PEG比率[17]。 * **预期净利润环比**：当前一致预期净利润除以3个月前的一致预期净利润[17]。 * **三个月盈利上下调**：过去3个月内，分析师上调家数减去下调家数，再除以总覆盖家数[17]。 * **三个月机构覆盖**：过去3个月内覆盖该公司的机构（分析师团队）数量[17]。 模型的回测效果 * **国信金工指数增强组合**（截至2026年1月9日当周）[5][14] * **沪深300增强组合**：本周超额收益0.44%，本年超额收益0.44%[5][14]。 * **中证500增强组合**：本周超额收益-1.80%，本年超额收益-1.80%[5][14]。 * **中证1000增强组合**：本周超额收益-2.20%，本年超额收益-2.20%[5][14]。 * **中证A500增强组合**：本周超额收益0.61%，本年超额收益0.61%[5][14]。 因子的回测效果 以下为各因子在对应样本空间中，其MFE组合在“最近一周”的表现（超额收益）[18][21][23][25][27]。 1. **沪深300样本空间** [18] * **三个月机构覆盖**：0.86% * **DELTAROA**：0.61% * **DELTAROE**：0.52% * **单季EP**：0.44% * **单季ROA**：0.31% * **EPTTM年分位点**：0.19% * **高管薪酬**：0.13% * **三个月反转**：0.11% * **SPTTM**：0.05% * **预期BP**：0.04% * **单季净利同比增速**：0.04% * **EPTTM**：0.03% * **预期PEG**：0.03% * **单季营利同比增速**：0.03% * **标准化预期外盈利(SUE)**：0.03% * **一个月反转**：-0.04% * **单季超预期幅度**：-0.05% * **BP**：-0.06% * **三个月波动**：-0.06% * **一个月波动**：-0.09% * **三个月换手**：-0.12% * **三个月盈利上下调**：-0.13% * **单季营收同比增速**：-0.13% * **单季ROE**：-0.13% * **单季SP**：-0.14% * **预期EPTTM**：-0.15% * **标准化预期外收入(SUR)**：-0.24% * **一个月换手**：-0.27% * **股息率**：-0.28% * **非流动性冲击**：-0.42% * **特异度**：-0.42% * **一年动量**：-0.45% * **预期净利润环比**：-0.78% 2. **中证500样本空间** [21] * **单季净利同比增速**：表现较好 * **预期净利润环比**：表现较好 * **特异度**：表现较好 * **一个月波动**：表现较差 * **EPTTM**：表现较差 * **单季ROE**：表现较差 * *(注：文档未提供具体数值表，仅文字描述)* 3. **中证1000样本空间** [23] * **一年动量**：1.94% * **单季营收同比增速**：1.31% * **标准化预期外收入(SUR)**：0.92% * **三个月机构覆盖**：0.81% * **三个月反转**：0.72% * **预期净利润环比**：0.32% * **高管薪酬**：0.27% * **三个月盈利上下调**：0.22% * **DELTAROA**：0.03% * **单季净利同比增速**：0.03% * **标准化预期外盈利(SUE)**：-0.05% * **单季营利同比增速**：-0.21% * **非流动性冲击**：-0.30% * **一个月反转**：-0.33% * **特异度**：-0.63% * **单季ROE**：-0.67% * **EPTTM年分位点**：-0.72% * **预期PEG**：-0.74% * **单季超预期幅度**：-1.02% * **DELTAROE**：-1.09% * **单季SP**：-1.42% * **SPTTM**：-1.46% * **单季ROA**：-1.66% * **一个月换手**：-2.15% * **三个月换手**：-2.30% * **一个月波动**：-2.47% * **BP**：-2.56% * **预期BP**：-2.79% * **单季EP**：-3.04% * **三个月波动**：-3.09% * **预期EPTTM**：-3.22% * **股息率**：-3.27% * **EPTTM**：-3.56% 4. **中证A500样本空间** [25] * **单季净利同比增速**：1.14% * **DELTAROE**：0.88% * **单季营利同比增速**：0.70% * **三个月反转**：0.29% * **单季SP**：0.25% * **三个月机构覆盖**：0.21% * **高管薪酬**：0.20% * **预期PEG**：0.02% * **DELTAROA**：0.00% * **标准化预期外收入(SUR)**：-0.09% * **标准化预期外盈利(SUE)**：-0.20% * **特异度**：-0.21% * **BP**：-0.25% * **EPTTM年分位点**：-0.25% * **SPTTM**：-0.27% * **预期BP**：-0.28% * **非流动性冲击**：-0.30% * **单季超预期幅度**：-0.32% * **一个月反转**：-0.32% * **预期净利润环比**：-0.36% * **三个月盈利上下调**：-0.43% * **单季营收同比增速**：-0.43% * **一年动量**：-0.43% * **三个月换手**：-0.46% * **一个月换手**：-0.53% * **预期EPTTM**：-0.74% * **单季ROA**：-0.78% * **单季EP**：-0.87% * **股息率**：-0.89% * **单季ROE**：-0.98% * **三个月波动**：-1.09% * **一个月波动**：-1.22% * **EPTTM**：-1.29% 5. **公募重仓指数样本空间** [27] * **单季净利同比增速**：表现较好 * **预期净利润环比**：表现较好 * **三个月反转**：表现较好 * **预期EPTTM**：表现较差 * **EPTTM**：表现较差 * **一个月波动**：表现较差 * *(注：文档未提供具体数值表，仅文字描述)*

2025年指数增强基金整体表现 - 2025年，拥有完整年度业绩的291只增强指数基金平均净值增长率达32.51%，平均超额收益率为5.35%，超过八成产品取得正超额收益 [2][4] - 整体表现突出的产品风格上偏向小盘，并成功抓住了科技股行情 [4] - 细分行业增强产品表现尤为亮眼，例如东财中证有色金属指数增强与华宝中证稀有金属主题2025年收益率分别达到91.50%和88.55%，嘉实中证半导体增强等产品收益率也超过50% [4] 宽基指数增强产品业绩分化 - 在宽基产品中，对标双创50、科创100、国证2000/中证2000及创业板指数的增强产品表现最为突出，例如广发中证科创创业50增强策略ETF和长信中证科创创业50指数增强去年收益均超过64% [5] - 2025年共有52只增强指数基金取得了10%以上的超额收益，其中汇添富国证2000指数增强超额收益最高，达到25.22% [5] - 超额收益较高的产品多集中于中证1000、中证2000等中小盘指数，也有少量出现在创业板综指和中证A500指数 [5] - 对标不同宽基指数的产品超额收益分化显著，中小盘指增的超额收益显著高于沪深300、上证50等大盘指数 [10] - 即使对标同一宽基指数，产品业绩也明显分化，例如跟踪中证500指数的产品中，领涨者涨幅超43%，而有4只产品涨幅不足20%；跟踪沪深300指数的产品首尾业绩差距近33个百分点 [10] 业绩分化的原因分析 - 2025年指数增强产品的超额收益变化分为两个阶段：上半年市场广度收益较好，小市值效应显著，在小微市值股票上暴露较大的产品有更好的超额收益；下半年是强β行业与核心个股主导的“赔率行情”，传统指增产品表现普遍不佳 [11] - 中小盘股波动性高、市场定价有效性低，有利于量化模型做出超额收益，这是不同宽基指增产品收益分化的主要原因 [12] - 2025年市场结构性牛市特征突出，中小盘股票和科技股指数涨幅显著大于大盘股和价值股，指增基金在风格、板块上的配置差异带来了较大的业绩分化 [12] - 2025年下半年，一些常用量化因子（如换手率、过去涨跌幅）的预测能力出现较大弱化，这也给指增产品业绩带来分化 [12] 指数增强策略的发展趋势 - 2025年基金公司密集布局增强指数基金，年内有186只产品成立，其中宽基类指增产品仍是绝对主流 [15] - 未来指增策略将向多样化和精细化发展，AI在因子挖掘、模型搭建到组合优化等投研流程中的应用会进一步深化 [15] - 行业与风格轮动策略将得到更多重视，例如构建“核心—卫星”体系，以宽基指增为底仓，叠加主题投资组合 [15] - 日内高频因子的低频化使用将成为一个趋势 [15] - 指数增强策略需要持续迭代进化，在方法论、模型、因子、数据等方面持续优化，并针对不同市场环境开展差异化风险建模 [15] - 对于沪深300、中证500等机构持仓占比较高的核心指数，指增产品需兼顾赔率与胜率均衡，严格控制相对基准指数的偏离风险 [13] - 指数增强型产品的核心竞争力体现在长期稳定的超额收益，以及引导投资者在合适时期配置合适工具的能力 [16][17]

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-0.59%，但本年累计超额收益高达20.90% [1][7] - 中证500指数增强组合本周超额收益为-0.54%，本年累计超额收益为5.45% [1][7] - 中证1000指数增强组合本周超额收益为-0.19%，本年累计超额收益为15.64% [1][7] - 中证A500指数增强组合本周超额收益为-0.24%，本年累计超额收益为10.26% [1][7] 选股因子在不同样本空间的表现 - 在沪深300样本空间中，最近一周表现较好的因子包括标准化预期外盈利（周收益0.43%）、DELTAROA（周收益0.42%）和DELTAROE（周收益0.33%）[1][8] - 在中证500样本空间中，最近一周表现较好的因子包括SPTTM（周收益0.40%）、单季SP（周收益0.28%）和单季营收同比增速（周收益0.07%）[1][10] - 在中证1000样本空间中，最近一周表现较好的因子包括非流动性冲击（周收益0.47%）、三个月机构覆盖（周收益0.26%）和三个月反转（周收益0.19%）[1][12] - 在中证A500样本空间中，最近一周表现较好的因子包括特异度（周收益0.58%）、SPTTM（周收益0.45%）和标准化预期外盈利（周收益0.39%）[1][14] - 在公募基金重仓股样本空间中，最近一周表现较好的因子包括一年动量（周收益0.36%）、单季EP（周收益0.31%）和股息率（周收益0.24%）[1][16] 公募基金指数增强产品概况与表现 - 市场现存公募指数增强产品数量及规模：沪深300增强产品79只，总规模799亿元；中证500增强产品76只，总规模514亿元；中证1000增强产品46只，总规模214亿元；中证A500增强产品71只，总规模263亿元 [18] - 沪深300指数增强产品本周超额收益最高为0.59%，最低为-0.68%，中位数为-0.01% [1][21] - 中证500指数增强产品本周超额收益最高为0.28%，最低为-0.84%，中位数为-0.39% [1][22] - 中证1000指数增强产品本周超额收益最高为0.52%，最低为-1.43%，中位数为0.00% [1][23] - 中证A500指数增强产品本周超额收益最高为0.50%，最低为-0.85%，中位数为-0.13% [1][26] 研究方法论 - 公司采用最大化因子暴露组合（MFE组合）来检验单因子在控制实际投资约束（如行业、风格暴露）后的有效性，目标函数为最大化单因子暴露 [25][28] - MFE组合构建的约束条件包括：控制组合相对于基准的风格因子暴露、行业偏离、个股权重偏离、成分股内权重占比以及禁止卖空和满仓运作 [27][28][30] - 为避免持仓过度集中，通常设置个股相对于基准权重的偏离幅度为0.5%至1% [29] - 为测试因子在机构风格下的有效性，构建了公募重仓指数作为选股空间，该指数由普通股票型及偏股混合型基金的平均持仓信息构建，选取累计权重达90%的股票作为成分股 [31]

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，构建能够稳定战胜特定基准指数（如沪深300、中证500等）的增强组合[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**：在组合优化中施加多种约束以控制风险[12]。 3. **组合优化**：采用组合优化模型求解最优权重。具体优化模型如下[40]： $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ * **目标函数**：最大化组合在目标因子上的暴露，其中 \(f\) 为因子取值向量，\(w\) 为待求解的股票权重向量[40][41]。 * **约束条件**： * 风格暴露约束：\(X\) 为风格因子暴露矩阵，\(w_b\) 为基准权重，\(s_l\), \(s_h\) 为风格暴露偏离上下限[40][41]。 * 行业偏离约束：\(H\) 为行业暴露矩阵，\(h_l\), \(h_h\) 为行业偏离上下限[40][41]。 * 个股权重偏离约束：\(w_l\), \(w_h\) 为个股相对于基准权重的偏离上下限，通常设置为0.5%-1%[40][42]。 * 成分股权重占比约束：\(B_b\) 为成分股标识向量，\(b_l\), \(b_h\) 为成分股内权重占比上下限[40][41]。 * 卖空与权重上限约束：禁止卖空，并限制个股权重上限 \(l\)[40][41]。 * 满仓约束：组合权重之和为1[40][42]。 2. 模型名称：单因子MFE（Maximized Factor Exposure）组合模型 * **模型构建思路**：为了在更接近实际投资约束的条件下检验单因子的有效性，通过组合优化方式构建一个在控制行业、风格等暴露后，最大化该因子暴露的投资组合，并观察其相对于基准的表现[15][40]。 * **模型具体构建过程**： 1. 设定MFE组合的约束条件，包括控制行业暴露中性、风格暴露中性（如市值）、个股权重偏离幅度（如1%）、成分股内权重占比100%等[44]。 2. 将**国信金工指数增强组合模型**中的优化目标函数改为最大化特定单因子的暴露 \(f^{T}w\)，其他约束条件保持不变[40][44]。 3. 在每个月末，根据上述优化模型求解，构建每个单因子的MFE组合[44]。 4. 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%），最终计算其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 * **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持仓，构建一个代表公募基金整体重仓股的指数，作为新的因子测试样本空间[42]。 * **模型具体构建过程**： 1. **样本基金选择**：选择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[43]。 2. **持仓数据获取与处理**：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构建完整持仓[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. **选择成分股**：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，构建公募重仓指数[43]。 量化因子与构建方式 报告涉及30余个因子，涵盖估值、反转、成长、盈利、流动性、波动、公司治理和分析师等多个维度[16][17]。以下是各因子的名称与构建方式： 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，属于价值因子。 * **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**：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]。 * **因子名称**：单季SP * **因子构建思路**：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]。 * **因子名称**：EPTTM * **因子构建思路**：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]。 * **因子名称**：SPTTM * **因子构建思路**：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]。 * **因子名称**：EPTTM一年分位点 * **因子构建思路**：衡量当前EPTTM在近一年历史中的相对位置。 * **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。 * **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. 反转与动量类因子 * **因子名称**：一个月反转 * **因子构建思路**：衡量短期价格反转效应。 * **因子具体构建过程**：过去20个交易日涨跌幅[17]。 * **因子名称**：三个月反转 * **因子构建思路**：衡量中期价格反转效应。 * **因子具体构建过程**：过去60个交易日涨跌幅[17]。 * **因子名称**：一年动量 * **因子构建思路**：衡量长期价格动量效应。 * **因子具体构建过程**：近一年除近一月后动量[17]。 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。 * **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。 * **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。 * **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（标准化预期外盈利） * **因子构建思路**：衡量盈利超出分析师一致预期的程度，并做标准化处理。 * **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（标准化预期外收入） * **因子构建思路**：衡量营收超出分析师一致预期的程度，并做标准化处理。 * **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**：衡量实际盈利相对于预期盈利的比例。 * **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。 * **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。 * **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。 * **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。 * **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**：衡量单位成交金额引起的价格冲击，反映流动性成本。 * **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。 * **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。 * **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**：衡量股价波动中不能被常见风险因子（如市场、市值、估值）解释的部分。 * **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。 * **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。 * **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。 * **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。 * **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市净率倒数。 * **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**：结合成长性的估值指标。 * **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**：衡量分析师对未来盈利增长预期的变化。 * **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]。 * **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盈利预测上调与下调的家数净差额。 * **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**：衡量股票受机构关注度。 * **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-0.59%，本年超额收益20.90%[5][14]。 * **中证500指数增强组合**：本周超额收益-0.54%，本年超额收益5.45%[5][14]。 * **中证1000指数增强组合**：本周超额收益-0.19%，本年超额收益15.64%[5][14]。 * **中证A500指数增强组合**：本周超额收益-0.24%，本年超额收益10.26%[5][14]。 因子的回测效果 （以下为各因子在**沪深300样本空间**中MFE组合的表现，指标包括最近一周、最近一月、今年以来及历史年化超额收益[18][19]） 1. **标准化预期外盈利(SUE)**，最近一周0.43%，最近一月2.55%，今年以来12.65%，历史年化4.22%[19]。 2. **DELTAROA**，最近一周0.42%，最近一月2.53%，今年以来16.29%，历史年化4.82%[19]。 3. **DELTAROE**，最近一周0.33%，最近一月2.78%，今年以来18.51%，历史年化4.52%[19]。 4. **单季营利同比增速**，最近一周0.32%，最近一月2.08%，今年以来14.54%，历史年化3.53%[19]。 5. **特异度**，最近一周0.25%，最近一月0.53%，今年以来3.02%，历史年化0.21%[19]。 6. **股息率**，最近一周0.24%，最近一月0.10%，今年以来4.27%，历史年化3.67%[19]。 7. **三个月波动**，最近一周0.23%，最近一月-0.33%，今年以来-2.81%，历史年化1.68%[19]。 8. **三个月换手**，最近一周0.21%，最近一月-0.58%，今年以来-5.29%，历史年化2.33%[19]。 9. **一年动量**，最近一周0.19%，最近一月2.03%，今年以来3.48%，历史年化2.78%[19]。 10. **BP**，最近一周0.18%，最近一月0.12%，今年以来-1.43%，历史年化2.63%[19]。 11. **单季净利同比增速**，最近一周0.16%，最近一月1.86%，今年以来14.83%，历史年化3.89%[19]。 12. **单季ROA**，最近一周0.16%，最近一月1.91%，今年以来15.16%，历史年化4.08%[19]。 13. **单季EP**，最近一周0.15%，最近一月0.30%，今年以来7.91%，历史年化5.24%[19]。 14. **预期净利润环比**，最近一周0.13%，最近一月1.80%，今年以来6.68%，历史年化1.75%[19]。 15. **一个月换手**，最近一周0.09%，最近一月-0.78%，今年以来-6.14%，历史年化1.23%[19]。 16. **一个月反转**，最近一周0.06%，最近一月-0.44%，今年以来-0.91%，历史年化-0.45%[19]。 17. **预期BP**，最近一周0.04%，最近一月-0.29%，今年以来-0.11%，历史年化2.92%[19]。 18. **SPTTM**，最近一周0.04%，最近一月-0.05%，今年以来-1.00%，历史年化1.98%[19]。 19. **单季超预期幅度**，最近一周0.02%，最近一月1.33%，今年以来10.75%，历史年化4.01%[19]。 20. **三个月反转**，最近一周0.02%，最近一月-0.98%，今年以来-0.22%，历史年化0.24%[19]。 21. **单季SP**，最近一周0.00%，最近一月-0.37%，今年以来-0.76%，历史年化2.77%[19]。 22. **一个月波动**，最近一周-0.01%，最近一月-0.90%，今年以来-2.21%，历史年化0.81%[19]。 23. **标准化预期外收入(SUR)**，最近一周-0.03%，最近一月0.84%，今年以来11.59%，历史年化4.70%[19]。 24. **预期PEG**，最近一周-0.04%，最近一月1.50%，今年以来11.92%，历史年化3.61%[19]。 25. **非流动性冲击**，最近一周-0.06%，最近一月-0.29%，今年以来-1.78%，历史年化0.40%[19]。 26. **单季ROE**，最近一周-0.07%，最近一月1.99%，今年以来21.69%，历史年化5.29%[19]。 27. **三个月盈利上下调**，最近一周-0.07%，最近一月1.91%，今年以来10.92%，历史年化5.36%[19]。 28. **EPTTM**，最近一周-0.09%，最近一月-0.37%，今年以来5.62%，历史年化4.21%[

核心观点 中证500指数增强策略的超额收益自2021年以来持续衰减，近两年已降至与沪深300指数增强相当的水平[1] 报告认为，这一现象源于中证500指数本身结构变化（如收益集中度上升、容错率下降）以及传统多因子有效性降低[1] 为应对挑战，报告在传统多因子框架内提出了五个方向的改进方法，旨在提升策略的稳健性与收益能力[1] 指数增强产品现状与挑战 - **中证500指数增强产品规模与数量**：截至2025年三季度，中证500指数增强产品（非ETF及联接基金）规模为429.85亿元，产品数量为63只，规模仅次于沪深300指数增强产品[7] - **超额收益显著衰减**：2020年以前，主要指数增强产品的年度平均超额收益排序为中证1000 > 中证500 > 沪深300[9] 但自2020年开始，中证500的超额收益降至与沪深300相近水平，近3年平均超额收益仅在2%左右，而中证1000仍能维持在6%以上[9] 对于成立早于2017年的产品，中证500指数增强的超额难度在2021年后显著提升，2025年跑赢指数的难度已超出沪深300[12] 中证500指数变化：容错率下降 - **个股权重与收益集中度上升**：中证500指数第一大个股权重在近几年明显提升[16] 同时，数量前1%和前5%个股的收益贡献在2016-2021年持续提升，2022-2023年缓和后，近两年提升速度明显快于沪深300[18] 这表明指数收益贡献集中度向沪深300靠拢[23] - **个股离散程度增加，容错率下降**：2024-2025年，中证500每月收益前20%个股的收益标准差明显上升，表明头部个股离散度增加、选股难度加大[20] 同时，每月收益最高与最低的10%个股的收益均值差在中证500中也出现更明显提升，意味着头尾个股收益差拉大，选股容错率下降[21][23] 传统多因子有效性降低 - **因子平均IC表现**：在2015年以来的历史周期中，中证500股票池内部分因子仍保持一定有效性，例如成长因子平均IC为3.94%，盈利因子为3.06%，红利因子为4.72%[24] - **近期因子有效性衰减**：2024-2025年，多个因子的IC出现衰减或规律变化，例如成长因子IC从历史平均的3.94%降至2.80%，长期动量因子从4.20%降至3.36%[26] 低波动率、短期反转等因子虽IC尚可，但多空收益偏弱，未能呈现稳定正收益[26] - **因子动量规律减弱**：广泛使用的12个月ICIR（信息系数信息比率）对下一个月因子IC排序的指导意义明显减弱，其累计相关性在2020年后显著下降，说明因子动量加权的规律有效性降低[30] 传统多因子框架的改进方法 - **严格化个股权重偏离限制**：针对头部个股权重集中度提高的问题，测试了三种方案：对所有成分股增加0.5%偏离限制；对跟踪指数最紧的40%个股设置0.3%偏离限制（其余0.5%）；根据过去6个月收益贡献设置差异化限制[34] 所有方案均能改善超额回撤、降低跟踪误差并提升信息比率，其中根据个股超额波动率分档设置限制的方案在2025年改善效果最佳，使当年超额收益从-3.73%提升至-1.24%[35][37] - **适度放松行业偏离限制**：鉴于中证500行业分散、分化加大且热点赛道频现，适度放宽行业偏离有助于提升收益[38] 测试了三种方案：统一将行业偏离上限从0.5%放宽至2%；对权重前一半的行业放宽至2%（后一半0.5%）；叠加行业轮动策略进行差异化放宽[42] 各方案下组合的年化超额收益和信息比率均进一步提升，其中根据权重大小差异化放宽的方案年化超额收益达8.22%，信息比率为1.71[44] 根据规则放宽的方案比统一放宽更稳健[42] - **调整因子敞口规则**：原始优化过程未能均匀放松各因子敞口，例如2025年年中组合实际敞口更多偏向了拖累表现的低波动率和短期反转因子，而对占优的成长因子敞口有限[50][52] 改进尝试两种方案：对低波动率、低流动性、短期反转等传统价量因子统一限制敞口在0.2倍标准差以内；或根据过去2年月度IC胜率低于70%来限制其敞口[52] 两种方法均提升了信息比率，其中根据IC胜率调整的方案效果更佳，使年化超额收益达9.21%，信息比率提升至2.08，并在2025年重回正超额（1.13%）[52][55] - **调整因子有效性判断标准**：由于12个月ICIR指导意义减弱，且2023年以来宏观方法筛选因子的有效性明显强于因子动量方法[58] 报告改进了因子合成权重的决定方式，根据过去一年宏观与因子动量方法各自的多空净值表现动态调整权重（如宏观方法表现更好则按2:1加权，否则按1:2）[58] 此调整进一步提升了组合表现，年化超额收益增至9.58%，并重点改善了2025年因子动量失效的问题，使2025年截至11月的超额收益从1.13%提升至3.01%[60] - **对部分因子尝试双向使用**：观察到短期反转、小市值等因子历史上多次出现反向多空收益大于5%的情况[61][63] 尝试对低波动率、短期反转、小市值因子在筛选过程中加入反向测算并允许反向敞口[63] 该方案使2025年表现略有提升（超额收益从3.01%微增至3.34%），但导致2020年和2024年表现明显下降，表明因子双向使用在反向规律不稳定时风险与机会并存[64][66]