量化模型与构建方式 1. **模型名称：PB-ROE-50组合** * **模型构建思路：** 基于PB（市净率）和ROE（净资产收益率）两个核心估值与盈利指标进行选股，旨在寻找估值合理且盈利能力强的公司[23]。 * **模型具体构建过程：** 报告未详细描述该组合的具体构建公式和步骤，仅提及其为基于PB和ROE的选股模型[23]。 2. **模型名称：机构调研组合（公募调研选股策略/私募调研跟踪策略）** * **模型构建思路：** 利用机构（公募或私募）调研上市公司的事件信息进行选股，认为被机构调研的公司可能蕴含投资机会[25]。 * **模型具体构建过程：** 报告未详细描述该组合的具体构建公式和步骤，仅提及其为基于机构调研事件的选股策略[25]。 3. **模型名称：大宗交易组合** * **模型构建思路：** 基于“高成交、低波动”原则，从发生大宗交易的股票中筛选后续表现更佳的标的[29]。核心逻辑是“大宗交易成交金额比率”越高、“6日成交金额波动率”越低的股票，其后续表现更佳[29]。 * **模型具体构建过程：** 1. 筛选出近期发生大宗交易的股票。 2. 计算每只股票的“大宗交易成交金额比率”和“6日成交金额波动率”。 3. 根据“高成交、低波动”原则对股票进行排序或打分。 4. 通过月频调仓方式构造投资组合[29]。 4. **模型名称：定向增发组合** * **模型构建思路：** 以定向增发的股东大会公告日为事件节点，进行事件驱动选股[35]。 * **模型具体构建过程：** 报告未提供具体的构建公式，但提及构建时综合考虑了市值因素、调仓周期以及对仓位的控制[35]。 量化因子与构建方式 1. **因子名称：经营现金流比率** * **因子构建思路：** 衡量公司经营活动产生现金的能力，属于基本面因子中的盈利质量因子[12]。 * **因子具体构建过程：** 报告未提供具体计算公式。 2. **因子名称：成交量的5日指数移动平均** * **因子构建思路：** 使用指数移动平均平滑近期成交量，属于价量因子，用于捕捉交易活跃度的趋势[12]。 * **因子具体构建过程：** 报告未提供具体计算公式。 3. **因子名称：总资产毛利率TTM** * **因子构建思路：** 衡量公司利用全部资产创造毛利润的效率，属于基本面因子中的盈利因子[12]。 * **因子具体构建过程：** 报告未提供具体计算公式。 4. **因子名称：市盈率TTM倒数** * **因子构建思路：** 市盈率的倒数，即盈利收益率，属于估值因子。值越高代表估值可能越低[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 5. **因子名称：下行波动率占比** * **因子构建思路：** 衡量股价下行风险相对于总波动的比例，属于风险类因子[14]。 * **因子具体构建过程：** 报告未提供具体计算公式。 6. **因子名称：动量弹簧因子** * **因子构建思路：** 报告未解释具体思路，从名称推断可能是结合动量与反转效应的复合因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 7. **因子名称：EPTTM分位点** * **因子构建思路：** 盈利价格比（E/P）在横截面上的分位数排名，属于估值因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 8. **因子名称：日内波动率与成交金额的相关性** * **因子构建思路：** 衡量股价日内波动与成交金额之间的关联程度，属于价量相关性因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 9. **因子名称：市销率TTM倒数** * **因子构建思路：** 市销率的倒数，属于估值因子，常用于评估销售收入规模较大的公司[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 10. **因子名称：5分钟收益率偏度** * **因子构建思路：** 衡量超短期（5分钟）收益率分布的不对称性，属于高阶矩因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 11. **因子名称：对数市值因子** * **因子构建思路：** 公司市值的对数，代表市值风格因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 12. **因子名称：5日成交量的标准差** * **因子构建思路：** 衡量近期成交量波动的大小，属于价量波动因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 13. **因子名称：6日成交金额的移动平均值** * **因子构建思路：** 近期成交金额的平滑值，用于衡量资金关注度的水平[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 14. **因子名称：市盈率因子** * **因子构建思路：** 最常用的估值因子之一[14]。 * **因子具体构建过程：** 报告未提供具体计算公式。 15. **因子名称：单季度ROA** * **因子构建思路：** 单季度的总资产收益率，衡量单季盈利效率[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 16. **因子名称：标准化预期外盈利** * **因子构建思路：** 经过标准化处理的盈利惊喜（Earnings Surprise）因子，属于事件类因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 17. **因子名称：单季度总资产毛利率** * **因子构建思路：** 单季度的总资产毛利率[14]。 * **因子具体构建过程：** 报告未提供具体计算公式。 18. **因子名称：单季度营业收入同比增长率** * **因子构建思路：** 单季度营业收入的同比增长率，属于成长因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 19. **因子名称：ROE稳定性** * **因子构建思路：** 衡量净资产收益率（ROE）的波动情况，属于盈利质量因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 20. **因子名称：标准化预期外收入** * **因子构建思路：** 经过标准化处理的收入惊喜（Revenue Surprise）因子，属于事件类因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 21. **因子名称：ROA稳定性** * **因子构建思路：** 衡量总资产收益率（ROA）的波动情况[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 22. **因子名称：毛利率TTM** * **因子构建思路：** 过去十二个月的毛利率，属于盈利因子[16]。 * **因子具体构建过程：** 报告未提供具体计算公式。 23. **因子名称：营业利润率TTM** * **因子构建思路：** 过去十二个月的营业利润率[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 24. **因子名称：市净率因子** * **因子构建思路：** 常用的估值因子[14]。 * **因子具体构建过程：** 报告未提供具体计算公式。 25. **因子名称：单季度ROA同比** * **因子构建思路：** 单季度ROA的同比增长率[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 26. **因子名称：净利润率TTM** * **因子构建思路：** 过去十二个月的净利润率[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 27. **因子名称：净利润断层** * **因子构建思路：** 通常指财报发布后股价因盈利超预期而出现的向上跳空缺口，是事件驱动因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 28. **因子名称：单季度净利润同比增长率** * **因子构建思路：** 单季度净利润的同比增长率[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 29. **因子名称：早盘后收益因子** * **因子构建思路：** 报告未解释具体思路，从名称推断可能是捕捉早盘后特定时段的价格行为[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 30. **因子名称：6日成交金额的标准差** * **因子构建思路：** 衡量近期成交金额的波动性[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 31. **因子名称：大单净流入** * **因子构建思路：** 衡量大额资金净流入的情况，属于资金流向因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 32. **因子名称：单季度EPS** * **因子构建思路：** 单季度的每股收益[16]。 * **因子具体构建过程：** 报告未提供具体计算公式。 33. **因子名称：ROIC增强因子** * **因子构建思路：** 基于投入资本回报率（ROIC）构建的因子，可能经过某种增强处理[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 34. **因子名称：总资产增长率** * **因子构建思路：** 衡量公司资产规模的扩张速度，属于成长因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 35. **因子名称：单季度营业利润同比增长率** * **因子构建思路：** 单季度营业利润的同比增长率[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 36. **因子名称：换手率相对波动率** * **因子构建思路：** 可能指换手率与股价波动率的相对关系，属于价量关系因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 37. **因子名称：早盘收益因子** * **因子构建思路：** 报告未解释具体思路，从名称推断可能是捕捉早盘时段的价格行为[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 38. **因子名称：5日平均换手率** * **因子构建思路：** 近期换手率的平均水平，衡量股票流动性[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 39. **因子名称：单季度ROE** * **因子构建思路：** 单季度的净资产收益率[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 40. **因子名称：动量调整大单** * **因子构建思路：** 结合价格动量与大单资金流向的复合因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 41. **因子名称：单季度ROE同比** * **因子构建思路：** 单季度ROE的同比增长率[14]。 * **因子具体构建过程：** 报告未提供具体计算公式。 42. **因子名称：动量调整小单** * **因子构建思路：** 结合价格动量与小单资金流向的复合因子[12]。 * **因子具体构建过程：** 报告未提供具体计算公式。 43. **因子名称：5日反转** * **因子构建思路：** 短期反转因子，认为过去5日跌幅大的股票未来可能反弹[12]。 * **因子具体构建过程：** 报告未提供具体计算公式。 44. **因子名称：小单净流入** * **因子构建思路：** 衡量小额资金净流入的情况，属于资金流向因子[12]。 * **因子具体构建过程：** 报告未提供具体计算公式。 45. **大类因子名称：估值因子** * **因子构建思路：** 由多个估值类单因子（如市盈率、市净率等）合成的大类因子[1]。 * **因子具体构建过程：** 报告未提供具体合成方法。 46. **大类因子名称：盈利因子** * **因子构建思路：** 由多个盈利类单因子（如ROE、毛利率等）合成的大类因子[1]。 * **因子具体构建过程：** 报告未提供具体合成方法。 47. **大类因子名称：杠杆因子** * **因子构建思路：** 衡量公司财务杠杆水平的大类因子[1]。 * **因子具体构建过程：** 报告未提供具体合成方法。 48. **大类因子名称：市值因子** * **因子构建思路：** 代表公司规模风格的大类因子[1]。 * **因子具体构建过程：** 报告未提供具体合成方法。 49. **大类因子名称：动量因子** * **因子构建思路：** 由动量类单因子合成的大类因子[1]。 * **因子具体构建过程：** 报告未提供具体合成方法。 50. **大类因子名称：成长因子** * **因子构建思路：** 由成长类单因子（如收入增长率、利润增长率等）合成的大类因子[1]。 * **因子具体构建过程：** 报告未提供具体合成方法。 51. **行业内因子名称：每股净资产** * **因子构建思路：** 在行业内比较的基本面因子[21]。 * **因子具体构建过程：** 报告未提供具体计算公式。 52. **行业内因子名称：每股经营利润TTM** * **因子构建思路：** 在行业内比较的盈利因子[21]。 * **因子具体构建过程：** 报告未提供具体计算公式。 53. **行业内因子名称：BP因子** * **因子构建思路：** 市净率（P/B）的倒数，在行业内比较的估值因子[21]。 * **因子具体构建过程：** 报告未提供具体计算公式。 54. **行业内因子名称：EP因子** * **因子构建思路：** 盈利价格比（E/P），在行业内比较的估值因子[21]。 * **因子具体构建过程：** 报告未提供具体计算公式。 55. **行业内因子名称：残差波动率因子** * **因子构建思路：** 在行业内比较的风险因子[21]。 * **因子具体构建过程：** 报告未提供具体计算公式。 56. **行业内因子名称：流动性因子** * **因子构建思路：** 在行业内比较的流动性因子[21]。 * **因子具体构建过程：** 报告未提供具体计算公式。 57. **行业内因子名称：对数市值** * **因子构建思路：** 在行业内比较的市值风格因子[21]。 * **因子具体构建过程：** 报告未提供具体计算公式。 模型的回测效果 *注：以下模型业绩表现统计区间为2026年01月05日至2026年03月13日[24][26][30][36]* 1. **PB-ROE-50组合**，本周超越基准收益率（中证500）0.77%[23][24]，本周超越基准收益率（中证800）-1.15%[23][24]，本周超越基准收益率（全市场）-1.79%[23][24]，今年以来超额收益率（中证500）0.62%[24]，今年以来超额收益率（中证800）6.00%[24]，今年以来超额收益率（全市场）3.36%[24]，本周绝对收益率（中证500）-0.69%[24]，本周绝对收益率（中证800）-1.44%[24]，本周绝对收益率（全市场）-2.29%[24]，今年以来绝对收益率（中证500）11.05%[24]，今年以来绝对收益率（中证800）9.63%[24]，今年以来绝对收益率（全市场）8.62%[24] 2. **机构调研组合（公募调研选股）**，本周超越基准收益率0.26%[25][26]，今年以来超额收益率1.79%[26]，本周绝对收益率-0.03%[26]，今年以来绝对收益率5.28%[26] 3. **机构调研组合（私募调研跟踪）**，本周超越基准收益率-2.32%[25][26]，今年以来超额收益率7.62%[26]，本周绝对收益率-2.60%[26]，今年以来绝对收益率11.31%[26] 4. **大宗交易组合**，本周超越基准收益率0.92%[29][30]，今年以来超额收益率10.41%[30]，本周绝对收益率0.41%[30]，今年以来绝对收益率16.04%[30] 5. **定向增发组合**，本周超越基准收益率-0.87%[35][36]，今年以来超额收益率3.25%[36]，本周绝对收益率-1.38%[36]，今年以来绝对收益率8.51%[36] 因子的回测效果 *注：以下因子表现均为最近1周（2026.03.09-2026.03.13）在指定股票池中，剔除行业与市值影响后的多头组合超额收益[12]* 1. **经营现金流比率**，沪深300股票池收益1.68%[12][13]，中证500股票池收益0.43%[15]，流动性1500股票池收益-1.

量化模型与构建方式 1. **模型名称**：进取组合与平衡组合[7] **模型构建思路**：基于多因子选股模型构建的量化股票组合，旨在获取相对于基准指数（中证500）的超额收益[10] **模型具体构建过程**：报告未详细描述具体的因子构成、权重分配及组合构建步骤，仅提及其为“多因子组合”[7][10] 2. **模型名称**：沪深300/中证500/中证1000指数增强组合[5][7] **模型构建思路**：在跟踪对应宽基指数的基础上，通过量化模型进行增强，以获取超额收益[5] **模型具体构建过程**：报告未详细描述具体的增强策略、因子构成及优化方法[5][13][15] 3. **模型名称**：绩优基金的独门重仓股组合[5][7] **模型构建思路**：基于绩优基金的独门重仓股构建组合，旨在捕捉优秀基金经理的Alpha[5] **模型具体构建过程**：报告未详细描述绩优基金的筛选标准、独门重仓股的定义及组合构建方法[5][26] 4. **模型名称**：盈利、增长、现金流三者兼优组合[7][28] **模型构建思路**：筛选在盈利能力、增长能力和现金流三个方面均表现优异的公司构建组合[7] **模型具体构建过程**：报告未详细描述具体的财务指标筛选标准、阈值及组合构建方法[28] 5. **模型名称**：PB-盈利优选组合[5][7][30] **模型构建思路**：结合低估值（PB）与高盈利指标进行选股，构建有基本面支撑的低估值组合[5][30] **模型具体构建过程**：报告未详细描述PB与盈利指标的具体定义、结合方式及权重分配[30][32] 6. **模型名称**：GARP组合[9][34] **模型构建思路**：采用GARP（Growth at a Reasonable Price）策略，寻找价格合理且具有成长性的股票[9] **模型具体构建过程**：报告未详细描述衡量“合理价格”和“成长性”的具体指标及组合构建方法[34] 7. **模型名称**：小盘价值优选组合1/2[9][36][38] **模型构建思路**：在小盘股中筛选具有价值属性的股票构建组合[9] **模型具体构建过程**：报告未详细描述小盘股的定义、价值因子的具体构成及两个组合的差异[36][38] 8. **模型名称**：小盘成长组合[5][7][39] **模型构建思路**：在小盘股中筛选具有成长属性的股票构建组合[5] **模型具体构建过程**：报告未详细描述小盘股的定义及成长因子的具体构成[39] 模型的回测效果 （所有数据统计区间为：2025年12月31日至2026年3月13日[9]） 1. **进取组合**，绝对收益18.53%[9]，超额收益8.16%[9]，跟踪误差22.38%[9]，最大相对回撤6.14%[9] 2. **平衡组合**，绝对收益16.49%[9]，超额收益6.12%[9]，跟踪误差18.94%[9]，最大相对回撤4.99%[9] 3. **沪深300增强组合**，绝对收益8.17%[9]，超额收益7.32%[9]，跟踪误差6.65%[9]，最大相对回撤2.09%[9] 4. **中证500增强组合**，绝对收益9.28%[9]，超额收益-1.09%[9]，跟踪误差7.95%[9]，最大相对回撤3.17%[9] 5. **中证1000增强组合**，绝对收益9.84%[9]，超额收益1.69%[9]，跟踪误差8.56%[9]，最大相对回撤2.32%[9] 6. **绩优基金的独门重仓股组合**，绝对收益7.41%[9]，超额收益2.36%[9]，跟踪误差25.88%[9]，最大相对回撤7.41%[9] 7. **盈利、增长、现金流三者兼优组合**，绝对收益-9.96%[9]，超额收益-10.81%[9]，跟踪误差15.50%[9]，最大相对回撤13.38%[9] 8. **PB-盈利优选组合**，绝对收益7.75%[9]，超额收益6.90%[9]，跟踪误差12.53%[9]，最大相对回撤2.38%[9] 9. **GARP组合**，绝对收益12.55%[9]，超额收益11.70%[9]，跟踪误差11.07%[9]，最大相对回撤1.53%[9] 10. **小盘价值优选组合1**，绝对收益9.85%[9]，超额收益-5.58%[9]，跟踪误差11.26%[9]，最大相对回撤9.26%[9] 11. **小盘价值优选组合2**，绝对收益15.65%[9]，超额收益0.22%[9]，跟踪误差12.55%[9]，最大相对回撤5.84%[9] 12. **小盘成长组合**，绝对收益10.27%[9]，超额收益-5.16%[9]，跟踪误差11.25%[9]，最大相对回撤6.55%[9] 量化因子与构建方式 1. **因子名称**：市值因子[44] **因子构建思路**：反映公司规模大小的风格因子[44] **因子具体构建过程**：报告未给出具体计算公式，通常为总市值或流通市值的某种标准化处理[44] 2. **因子名称**：PB因子[44] **因子构建思路**：反映公司估值水平的风格因子，即市净率[44] **因子具体构建过程**：报告未给出具体计算公式，通常为股价除以每股净资产[44] 3. **因子名称**：PE_TTM因子[44] **因子构建思路**：反映公司估值水平的风格因子，即滚动市盈率[44] **因子具体构建过程**：报告未给出具体计算公式，通常为股价除以过去十二个月的每股收益[44] 4. **因子名称**：反转因子[48] **因子构建思路**：技术类因子，认为过去表现差的股票未来可能反弹，过去表现好的股票未来可能回调[48] **因子具体构建过程**：报告未给出具体计算公式，通常基于过去一段时间的收益率构建[48] 5. **因子名称**：换手率因子[48] **因子构建思路**：技术类因子，反映股票的流动性或交易活跃度[48] **因子具体构建过程**：报告未给出具体计算公式，通常基于过去一段时间的日均换手率构建[48] 6. **因子名称**：波动率因子[48] **因子构建思路**：技术类因子，反映股票价格的风险或不确定性[48] **因子具体构建过程**：报告未给出具体计算公式，通常基于过去一段时间收益率的标准差构建[48] 7. **因子名称**：ROE因子[52] **因子构建思路**：基本面因子，反映公司的盈利能力，即净资产收益率[52] **因子具体构建过程**：报告未给出具体计算公式，通常为净利润除以净资产[52] 8. **因子名称**：SUE因子[52] **因子构建思路**：基本面因子，反映公司盈利的意外惊喜，即标准化未预期盈余[52] **因子具体构建过程**：报告未给出具体计算公式，通常为（当期实际EPS - 分析师预期EPS）除以预期EPS的标准差[52] 9. **因子名称**：预期净利润调整因子[52] **因子构建思路**：基本面因子，反映分析师对公司未来盈利预测的调整方向[52] **因子具体构建过程**：报告未给出具体计算公式，通常基于分析师对未来净利润预测值的调整幅度构建[52] 因子的回测效果 （因子测试方法：按因子值排序，取最高与最低的10%股票构建等权组合，计算多空收益[43]） 1. **市值因子**，上周全市场多空收益0.13%[44]，2026年3月以来全市场多空收益-0.21%[44]，2026年以来全市场多空收益6.25%[45] 2. **PB因子**，上周全市场多空收益3.76%[44]，2026年3月以来全市场多空收益6.20%[44]，2026年以来全市场多空收益4.64%[45] 3. **PE_TTM因子**，上周全市场多空收益1.47%[44]，2026年3月以来全市场多空收益2.72%[44]，2026年以来全市场多空收益2.24%[45] 4. **反转因子**，上周全市场多空收益0.07%[48]，2026年3月以来全市场多空收益-2.68%[50]，2026年以来全市场多空收益-8.61%[50] 5. **换手率因子**，上周全市场多空收益2.68%[48]，2026年3月以来全市场多空收益3.55%[50]，2026年以来全市场多空收益3.60%[50] 6. **波动率因子**，上周全市场多空收益2.04%[48]，2026年3月以来全市场多空收益2.77%[50]，2026年以来全市场多空收益0.56%[50] 7. **ROE因子**，上周全市场多空收益-0.34%[52]，2026年3月以来全市场多空收益0.30%[52]，2026年以来全市场多空收益2.58%[53] 8. **SUE因子**，上周全市场多空收益-0.94%[52]，2026年3月以来全市场多空收益-0.78%[52]，2026年以来全市场多空收益1.47%[53] 9. **预期净利润调整因子**，上周全市场多空收益0.15%[52]，2026年3月以来全市场多空收益1.20%[52]，2026年以来全市场多空收益1.22%[53]

报告投资评级 - 报告未对特定行业给出明确的“看好”、“中性”或“看淡”评级，其核心内容是基于量化模型对各类资产（包括债券、股票指数、商品）的短期多空观点进行判断 [1][2][5] 报告核心观点 - 报告基于量化模型，对多个关键资产类别给出了明确的短期多空观点 [1][2][5] - 看多资产包括：10年期国债、2年期国债、中证红利全收益指数、万得微盘指数、COMEX黄金、IPE布油 [1][2][5] - 调整资产包括：科创50指数 [1][2][5] - 震荡资产包括：30年期国债、3年期AAA中短票、万得全A指数、恒生科技指数、国证2000指数 [1][2][5] - 恒生科技指数模型观点由【调整】转为【震荡】 [2][5] - 万得微盘指数模型观点由【震荡】转为【看多】 [2][5] 债券资产模型信号详情 - **30年期国债**：原始信号51.36%，5日移动平均（MA5）为57.04%，模型观点为【震荡】，信号持续【超过10】个交易日 [2][5] - **3年期AAA中短票**：原始信号86.23%，MA5为56.88%，模型观点为【震荡】，信号持续【5】个交易日 [2][5] - **10年期国债**：原始信号43.90%，MA5为32.36%，模型观点为【看多】，信号持续【超过10】个交易日 [2][5] - **2年期国债**：原始信号10.55%，MA5为13.88%，模型观点为【看多】，信号持续【超过10】个交易日 [2][5] 股票指数模型信号详情 - **万得全A指数**：原始信号70.48%（3月11日）或86.53%（3月10日），MA5为57.59%或49.03%，模型观点为【震荡】，信号持续【3】或【2】个交易日 [2][5] - **中证红利全收益指数**：原始信号26.14%，MA5为20.17%，模型观点为【看多】，信号持续【超过10】个交易日 [2][5] - **恒生科技指数**：原始信号43.13%，MA5为59.74%，模型观点由【调整】转为【震荡】，信号持续【1】个交易日 [2][5] - **科创50指数**：原始信号80.92%，MA5为64.28%，模型观点为【调整】，信号持续【超过10】个交易日 [2][5] - **万得微盘指数**：原始信号16.56%，MA5为30.15%，模型观点由【震荡】转为【看多】，信号持续【1】个交易日 [2][5] - **国证2000指数**：原始信号86.75%，MA5为53.01%，模型观点为【震荡】，信号持续【2】个交易日 [2][5] 商品资产模型信号详情 - **COMEX黄金**：原始信号13.41%，MA5为10.19%，模型观点为【看多】，信号持续【超过10】个交易日（数据延后一个交易日） [2][5] - **IPE布油**：原始信号51.71%，MA5为30.28%，模型观点为【看多】，信号持续【超过10】个交易日（数据延后一个交易日） [2][5][6]

文章核心观点 - 文章探讨了新兴的OpenClaw（“AI龙虾”）与成熟的量化投资模型之间的异同，认为两者在底层逻辑上高度一致，都是数据驱动、算法核心的自动化闭环系统，旨在替代人工、减少误差 [4][5] - 尽管核心逻辑相似，但两者在技术本质、功能定位和风险特征上存在根本差异：量化模型是基于数学统计的决策系统，而OpenClaw是基于大语言模型的执行系统 [12][15][18] - 文章指出，量化模型与OpenClaw代表了自动化系统在不同领域的平行进化，未来可能交汇，但本质上都是人类为提升效率而创造的工具，最终决策与责任仍归于人类 [19] 量化投资与AI Agent的相似性 - **核心逻辑一致**：两者均遵循“输入-处理-输出”的自动化闭环系统逻辑，以数据为核心输入，AI算法为运算核心，目标是用机器替代人工 [4][5] - **架构与组件存在对应关系**：量化模型的盈利模型、风险模型、交易成本模型等组成部分，与OpenClaw的SOUL.md（策略逻辑）、TOOLS.md（执行约束）、MEMORY.md（历史数据）等核心配置文件形成巧妙对应 [6] - **均强调知识的模块化与复用**：量化投资的核心是寻找和挖掘能预测市场的“因子”，而OpenClaw则强调将工作方法与流程封装为可复用的“技能”模块，两者本质都是将有效经验固化以供系统反复调用 [7][8] - **进化方式趋同**：两者均非一劳永逸，都遵循“输入—处理—输出—反馈—优化”的闭环运行逻辑，需要持续迭代优化。量化模型通过开发新因子和回测进行迭代，OpenClaw通过用户经验总结和社区共享技能实现进化 [9] - **依赖算力与算法**：两者的运行效果都高度依赖算力（决定数据处理速度）和算法优化（决定决策或执行的准确性） [11] 量化投资与AI Agent的区别 - **技术本质不同**：量化投资模型本质是数学统计模型（如Jump Model、XGBoost等），通过对历史数据的分析预测未来价格走势；OpenClaw则是基于大语言模型的智能体框架，核心是将大语言模型的认知能力与本地系统的执行能力深度融合 [13][14][15][18] - **功能定位不同**：量化模型是决策主体，基于数学规律生成交易信号，决定买卖的标的、数量与时机；OpenClaw是执行工具，其核心价值是代表用户执行具体任务（如操作软件、管理日程），在金融场景中扮演“手脚”角色，决策权通常仍在人类手中 [16][18] - **核心风险与来源不同**：量化投资的主要风险是内生性的模型风险，包括市场风格切换导致模型失效，以及策略同质化引发的拥挤交易 [10][17]；OpenClaw的风险则是外生性的安全失控，包括权限失控、插件中毒、远程入侵和数据隐私泄露等系统安全问题 [17][18] 国内私募基金的AI量化布局案例 - **慧翼资产**：公司投研体系实现了全流程AI量化投资，在策略研发的数据分析、因子挖掘、收益预测、组合优化等环节均植入了人工智能技术 [3] - **进化论资产**：公司从2017年开始引入机器学习方法，目前AI技术已全面运用到投研交易流程中，并于2023年成立AI大模型专家组，研发针对量化投研垂直需求的专属AI智能体并已投入使用 [3] - **信弘天禾**：公司具备专门的AI团队，负责机器学习、深度学习模型的研究和优化，并在股票、期货实盘交易中应用 [3] - **因诺资产**：在Alpha策略领域，公司于2016年开始研发人工智能方法，2018年全面进入实盘应用；在CTA策略领域，于2018年开始尝试人工智能，并在2020年全面取代了传统的CTA模型 [3]

报告行业投资评级 - 报告未对特定行业给出明确的“看好”、“中性”或“看淡”评级，其核心内容是基于量化模型对多个金融资产（包括国债、股指、商品等）的短期择时信号进行汇总和展示 [1][5] 报告的核心观点 - 报告核心观点基于量化模型，对各类资产给出了明确的短期操作观点：**看多**、**调整**或**震荡** [1][2][5] - 报告标题“短端确定性更高”暗示了对短期债券（如2年国债）的看多观点具有更高的确定性 [2][3] 根据相关目录分别进行总结 固定收益类资产观点 - **30年国债**：模型观点为**震荡**，原始信号70.41%，5日移动平均（MA5）为57.28%，该观点已持续**10**个交易日 [2][5] - **10年国债**：模型观点为**看多**，原始信号16.18%，MA5为31.73%，该观点已持续**超过10**个交易日 [2][5] - **2年国债**：模型观点为**看多**，原始信号7.97%，MA5为14.52%，该观点已持续**超过10**个交易日 [2][5] - **3年AAA中短票**：模型观点为**震荡**，原始信号43.81%，MA5为45.71%，该观点已持续**4**个交易日 [2][5] A股主要指数观点 - **万得全A指数**：模型观点为**震荡**，原始信号86.53%，MA5为49.03%，该观点已持续**2**个交易日 [2][5] - **中证红利全收益指数**：模型观点为**看多**，原始信号20.09%，MA5为20.87%，该观点已持续**超过10**个交易日 [2][5] - **科创50指数**：模型观点为**调整**，原始信号48.43%，MA5为67.37%，该观点已持续**10**个交易日 [2][5] - **国证2000指数**：模型观点由**调整**转为**震荡**，原始信号23.29%，MA5为52.67%，震荡观点已持续**1**个交易日 [2][5] - **万得微盘指数**：模型观点为**震荡**，原始信号23.44%，MA5为43.76%，该观点已持续**4**个交易日 [2][5] 港股与商品类资产观点 - **恒生科技指数**：模型观点为**调整**，原始信号31.25%，MA5为69.62%，该观点已持续**超过10**个交易日 [2][5] - **COMEX黄金**：模型观点为**看多**，原始信号9.39%，MA5为8.98%，该观点已持续**超过10**个交易日（数据尚未收盘，延后一个交易日） [2][5] - **IPE布油**：模型观点为**看多**，原始信号48.32%，MA5为22.54%，该观点已持续**超过10**个交易日（数据尚未收盘，延后一个交易日） [2][5][6] 模型数据与历史回顾 - 报告通过图表详细列出了近10个交易日内，上述各类资产的每日择时信号、MA5、收益率或指数点位以及模型多空观点的历史变化 [6] - 模型输出百分比代表对未来短期内国债到期收益率/股指上行的概率估计，并设定了具体的看多看空阈值 [6]

量化模型与构建方式 1. **模型名称：多资产择时模型**[1][2][5] * **模型构建思路**：该模型是一个基于量化信号的择时模型，旨在预测多种资产（包括国债、股指、商品等）在未来短期内的价格走势方向（看多、调整/看空、震荡）[1][2][5]。 * **模型具体构建过程**： 1. **生成原始信号**：模型首先为每个标的资产计算一个“原始信号”，该信号是一个百分比数值，代表模型对未来短期内资产价格上行的概率估计[5][6]。具体计算方法和所用因子未在报告中详细说明。 2. **计算平滑信号**：对原始信号进行平滑处理，计算其5日移动平均值（MA5），记为“择时信号MA5”[2][5]。 3. **生成交易观点**：根据资产类型和原始信号（或MA5信号）与预设阈值的比较，生成最终的“模型多空观点”[5][6]。 * 对于利率类资产（如国债）：当信号大于60%时，观点为“看空”（报告中表述为“调整”）；当信号小于40%时，观点为“看多”；信号在40%-60%之间时，观点为“震荡”[6]。 * 对于股指类资产：当信号大于60%时，观点为“看多”；当信号小于40%时，观点为“看空”（报告中表述为“调整”）；信号在40%-60%之间时，观点为“震荡”[6]。 * 注：报告中对商品（黄金、原油）的阈值规则未明确说明，但处理逻辑类似。 模型的回测效果 （注：报告未提供模型在历史样本外的综合回测绩效指标，如年化收益率、夏普比率、最大回撤等。仅提供了截至报告日，模型对各个标的资产的最新信号及近期信号序列。） 1. **多资产择时模型**，最新信号及观点如下（数据截至2026-03-10或2026-03-09）[2][5][6]： * **30年国债**：原始信号70.41%，MA5信号57.28%，模型观点为【震荡】。 * **3年AAA中短票**：原始信号43.81%，MA5信号45.71%，模型观点为【震荡】。 * **10年国债**：原始信号16.18%，MA5信号31.73%，模型观点为【看多】。 * **2年国债**：原始信号7.97%，MA5信号14.52%，模型观点为【看多】。 * **万得全A指数**：原始信号86.53%，MA5信号49.03%，模型观点为【震荡】。 * **中证红利全收益指数**：原始信号20.09%，MA5信号20.87%，模型观点为【看多】。 * **恒生科技指数**：原始信号31.25%，MA5信号69.62%，模型观点为【调整】。 * **科创50指数**：原始信号48.43%，MA5信号67.37%，模型观点为【调整】。 * **万得微盘指数**：原始信号23.44%，MA5信号43.76%，模型观点为【震荡】。 * **国证2000指数**：原始信号23.29%，MA5信号52.67%，模型观点为【震荡】。 * **COMEX黄金**：原始信号9.39%，MA5信号8.98%，模型观点为【看多】。 * **IPE布油**：原始信号48.32%，MA5信号22.54%，模型观点为【看多】。

报告行业投资评级 未提及行业投资评级相关内容 报告的核心观点 - 看多10年国债、2年国债、中证红利全收益指数、COMEX黄金、IPE布油；调整恒生科技指数、科创50指数；震荡30年国债、3年AAA中短票、万得全A指数、万得微盘指数、国证2000指数[2][5] 根据相关目录分别进行总结 量化日报：债券又有调整信号 - 各品种投资观点：看多10年国债、2年国债、中证红利全收益指数、COMEX黄金、IPE布油；调整恒生科技指数、科创50指数；震荡30年国债、3年AAA中短票、万得全A指数、万得微盘指数、国证2000指数[5] - 各品种信号情况：30年国债原始信号94.57%，MA5为59.75%，震荡信号持续9个交易日；3年AAA中短票原始信号78.74%，MA5为52.47%，震荡信号持续3个交易日；10年国债原始信号62.90%，MA5为37.69%，看多信号持续超10个交易日；2年国债原始信号20.97%，MA5为13.36%，看多信号持续超10个交易日；万得全A指数原始信号70.47%，MA5为40.67%，由看多转为震荡，信号持续1个交易日；中证红利全收益指数原始信号19.70%，MA5为24.06%，看多信号持续超10个交易日；恒生科技指数原始信号62.87%，MA5为81.70%，调整信号持续超10个交易日；科创50指数原始信号76.77%，MA5为77.30%，调整信号持续9个交易日；万得微盘指数原始信号54.89%，MA5为55.58%，震荡信号持续3个交易日；国证2000指数原始信号91.98%，MA5为65.48%，由震荡转为调整，信号持续1个交易日；COMEX黄金原始信号11.43%，MA5为7.67%，看多信号持续超10个交易日（未收盘，延后一日）；IPE布油原始信号21.71%，MA5为14.53%，看多信号持续超10个交易日（未收盘，延后一日）[2][5] - 近10交易日模型择时结果：展示30年国债、3年AAA中短票、10年国债、2年国债、万得全A指数、中证红利指数、恒生科技指数、科创50指数、万得微盘指数、国证2000指数、COMEX黄金、IPE布油的单日择时信号、择时信号MA5、收益率、模型多空观点等数据[6]

报告投资评级 * 报告未对特定行业或公司给出明确的“看好”、“中性”或“看淡”评级，而是基于量化模型对多个具体资产类别（包括债券、股票指数、商品）给出了“看多”、“调整”或“震荡”的短期交易观点 [2][5] 报告核心观点 * 报告基于量化择时模型，对多个债券、股票指数及商品资产给出了明确的短期多空观点，核心观点是模型信号显示部分债券和股票指数存在调整或震荡风险，而另一些资产则维持看多态势 [1][5] * 具体来看，模型对**10年期国债**、**2年期国债**、**万得全A指数**、**中证红利全收益指数**、**COMEX黄金**和**IPE布油**持“看多”观点 [2][5] * 模型对**恒生科技指数**和**科创50指数**持“调整”观点 [2][5] * 模型对**30年期国债**、**3年期AAA中短票**、**万得微盘指数**和**国证2000指数**持“震荡”观点 [2][5] 量化模型信号详情（根据目录“1 量化日报 | 债券又有调整信号”总结） * **30年期国债**：截至2026年3月6日，原始信号为**33.34%**，5日移动平均（MA5）为**45.69%**，模型观点为“震荡”，该信号已持续**8**个交易日 [5] * **3年期AAA中短票**：原始信号为**15.33%**，MA5为**40.25%**，模型观点为“震荡”，信号持续**2**个交易日 [5] * **10年期国债**：原始信号为**13.86%**，MA5为**30.77%**，模型观点为“看多”，信号持续**超过10**个交易日 [5] * **2年期国债**：原始信号为**9.23%**，MA5为**11.72%**，模型观点为“看多”，信号持续**超过10**个交易日 [5] * **万得全A指数**：原始信号为**45.46%**，MA5为**29.85%**，模型观点为“看多”，信号持续**超过10**个交易日 [5] * **中证红利全收益指数**：原始信号为**18.61%**，MA5为**27.25%**，模型观点为“看多”，信号持续**10**个交易日 [5] * **恒生科技指数**：原始信号为**70.64%**，MA5为**87.31%**，模型观点为“调整”，信号持续**超过10**个交易日 [5] * **科创50指数**：原始信号为**67.82%**，MA5为**80.57%**，模型观点为“调整”，信号持续**8**个交易日 [5] * **万得微盘指数**：原始信号为**27.17%**，MA5为**45.77%**，模型观点为“震荡”，信号持续**2**个交易日 [5] * **国证2000指数**：原始信号为**8.66%**，MA5为**58.45%**，模型观点为“震荡”，信号持续**3**个交易日 [5] * **COMEX黄金**：原始信号为**11.43%**，MA5为**7.67%**，模型观点为“看多”，信号持续**超过10**个交易日 [5] * **IPE布油**：原始信号为**21.71%**，MA5为**14.53%**，模型观点为“看多”，信号持续**超过10**个交易日 [5][6] * 模型判断规则：对于利率债（国债、中短票），模型输出概率代表未来短期内收益率上行的概率估计，概率大于**60%**看空（收益率上行），小于**40%**看多（收益率下行），介于之间为震荡；对于股指，概率大于**60%**看多，小于**40%**看空，介于之间为震荡 [6]

量化模型与构建方式 1. **模型名称：择时信号模型**[5] * **模型构建思路**：该模型是一个多资产择时模型，旨在预测各类资产（包括债券、股票指数、商品等）未来短期价格走势的概率，并据此生成“看多”、“震荡”、“调整”三种交易观点[5][6]。 * **模型具体构建过程**： 1. **模型输出**：模型每日计算并输出一个“原始信号”，该信号是一个百分比数值，代表模型对未来短期内资产价格上行概率的估计[6]。例如，对于国债，该数值代表到期收益率上行的概率；对于股指和商品，该数值代表价格上行的概率[6]。 2. **信号平滑**：对原始信号进行5日移动平均（MA5）处理，得到“择时信号MA5”，以平滑信号的波动[5][6]。 3. **观点生成**：根据平滑后的MA5信号值与预设的阈值进行比较，生成最终的多空观点[6]。 * 对于利率类资产（如国债）：MA5 > 60% 视为看空（调整），MA5 < 40% 视为看多，介于40%和60%之间视为震荡[6]。 * 对于股指和商品类资产：MA5 > 60% 视为看多，MA5 < 40% 视为看空（调整），介于40%和60%之间视为震荡[6]。 模型的回测效果 1. **择时信号模型**，在2026年3月6日对30年国债的原始信号为33.34%，MA5信号为45.69%，模型观点为“震荡”，信号已持续8个交易日[2][5]。 2. **择时信号模型**，在2026年3月6日对3年AAA中短票的原始信号为15.33%，MA5信号为40.25%，模型观点为“震荡”，信号已持续2个交易日[2][5]。 3. **择时信号模型**，在2026年3月6日对10年国债的原始信号为13.86%，MA5信号为30.77%，模型观点为“看多”，信号已持续超过10个交易日[2][5]。 4. **择时信号模型**，在2026年3月6日对2年国债的原始信号为9.23%，MA5信号为11.72%，模型观点为“看多”，信号已持续超过10个交易日[2][5]。 5. **择时信号模型**，在2026年3月6日对万得全A指数的原始信号为45.46%，MA5信号为29.85%，模型观点为“看多”，信号已持续超过10个交易日[2][5]。 6. **择时信号模型**，在2026年3月6日对中证红利全收益指数的原始信号为18.61%，MA5信号为27.25%，模型观点为“看多”，信号已持续10个交易日[2][5]。 7. **择时信号模型**，在2026年3月6日对恒生科技指数的原始信号为70.64%，MA5信号为87.31%，模型观点为“调整”，信号已持续超过10个交易日[2][5]。 8. **择时信号模型**，在2026年3月6日对科创50指数的原始信号为67.82%，MA5信号为80.57%，模型观点为“调整”，信号已持续8个交易日[2][5]。 9. **择时信号模型**，在2026年3月6日对万得微盘指数的原始信号为27.17%，MA5信号为45.77%，模型观点为“震荡”，信号已持续2个交易日[2][5]。 10. **择时信号模型**，在2026年3月6日对国证2000指数的原始信号为8.66%，MA5信号为58.45%，模型观点为“震荡”，信号已持续3个交易日[2][5]。 11. **择时信号模型**，在2026年3月6日对COMEX黄金的原始信号为11.43%，MA5信号为7.67%，模型观点为“看多”，信号已持续超过10个交易日[2][5]。 12. **择时信号模型**，在2026年3月6日对IPE布油的原始信号为21.71%，MA5信号为14.53%，模型观点为“看多”，信号已持续超过10个交易日[2][6]。

量化模型与构建方式 1. 三维择时框架模型 * **模型名称**：三维择时框架[4][13] * **模型构建思路**：通过市场分歧度、流动性和景气度三个维度的趋势变化，综合判断市场整体走势[4][7]。 * **模型具体构建过程**：模型分别构建三个指数，并根据其趋势方向进行综合判断[4][7]。 1. **市场分歧度指数**：衡量市场参与者观点的离散程度，上行趋势表示市场分歧加大[4][19]。 2. **市场流动性指数**：衡量市场资金面的松紧程度[4][20]。 3. **A股景气度指数2.0**：衡量上市公司整体经营状况和盈利趋势[4][23]。 4. 将三个指数的趋势（上行或下行）进行组合，形成对市场（如上涨、下跌、震荡）的综合判断[4][7][13]。 2. 热点趋势ETF策略模型 * **模型名称**：热点趋势ETF策略[30] * **模型构建思路**：结合价格形态、技术支撑阻力以及市场短期关注度（换手率）来筛选ETF，构建风险平价组合[30]。 * **模型具体构建过程**： 1. **初筛**：根据K线形态，选出最高价与最低价同时为上涨形态的ETF[30]。 2. **构建支撑阻力因子**：根据最高价与最低价近20日回归系数的相对陡峭程度构建因子[30]。 3. **筛选关注度**：在支撑阻力因子的多头组中，选择近5日换手率/近20日换手率最高的10只ETF，即短期市场关注度明显提升的品种[30]。 4. **组合构建**：对最终选出的10只ETF构建风险平价组合[30]。 3. ETF三策略融合模型 * **模型名称**：ETF三策略融合轮动模型[34][36] * **模型构建思路**：将基于基本面、质量低波、困境反转三个不同维度的行业轮动策略进行等权融合，实现因子与风格互补，降低单一策略风险[34]。 * **模型具体构建过程**： 1. **策略一：行业轮动策略**。核心因子包括超预期景气度、行业龙头效应、行业动量、拥挤度、通胀beta，旨在宏观适配性强，覆盖行业多维度特性[35]。 2. **策略二：质量低波风格驱动策略**。核心因子包括个股动量、个股质量、个股波动率，聚焦个股质量与低波，防御性突出[35]。 3. **策略三：困境反转策略**。核心因子包括PB_zscore、分析师长期预期、短期筹码交换，旨在捕捉估值修复与业绩反转机会[35]。 4. **策略融合**：将上述三个策略的输出进行等权组合，形成最终的行业/ETF推荐[34][36]。 4. 资金流共振策略模型 * **模型名称**：融资-主动大单资金流共振策略[46][49] * **模型构建思路**：利用融资融券资金流和主动大单资金流两个维度，寻找资金共振流入的行业，通过合理的因子构建和筛选提高策略稳定性[46]。 * **模型具体构建过程**： 1. **构建行业融资融券资金因子**：个股层面计算融资净买入-融券净卖出，加总到行业，再经过barra市值因子中性化，取最近50日均值后的两周环比变化率[46]。 2. **构建行业主动大单资金因子**：计算行业净流入，经过最近一年成交量时序中性化后排序，取最近10日均值[46]。 3. **策略构建**：在主动大单因子的头部打分行业内，剔除融资融券因子的头部行业（研究发现其有稳定的负向超额收益），以提升策略稳定性。进一步剔除大金融板块[46]。 4. **行业推荐**：每周选择两种资金流有共振效应的行业作为多头推荐[49]。 5. 全天候配置模型 * **模型名称**：全天候配置策略[53] * **模型构建思路**：通过循环对冲设计对冲构型，绕过宏观因素预测，直击资产波动进行长期收益平衡，无需杠杆、预测或宏观假设即可获取稳健绝对收益[53]。 * **模型具体构建过程**：策略遵循资产选择、风险调整、结构对冲三项基本原则[53]。按风险水平分为两个版本： 1. **高波版**：采用“四层结构化-股债金风险平价”构型[57][58]。 2. **低波版**：采用“五层结构化-风险预算”构型[59][63]。 模型的回测效果 1. **热点趋势ETF策略模型**[30] * 2025年以来收益率：61.57% * 2025年以来相对沪深300超额收益率：39.58% 2. **ETF三策略融合模型**[39][40] * 总周期（2017/4/10 - 2026/3/6）组合收益率：12.06% * 总周期夏普率：0.73 * 总周期超额收益率（相对基准）：9.39% * 总周期信息比率(IR)：0.97 * 总周期最大回撤：-24.55% * 2026年以来收益率：0.91% 3. **资金流共振策略模型**[46][47] * 2018年以来费后年化超额收益：14.3% * 2018年以来信息比率(IR)：1.4 * 上周（报告期）绝对收益：-3.98% * 上周（报告期）超额收益（相对行业等权）：-2.12% 4. **全天候配置模型**[64][65] * **高波版**： * 截至2025年年化收益率：11.8% * 截至2025年年平均最大回撤：3.6% * 截至2025年夏普比率：2.3 * 2026年以来收益率：3.1% * **低波版**： * 截至2025年年化收益率：8.8% * 截至2025年年平均最大回撤：2.0% * 截至2025年夏普比率：3.4 * 2026年以来收益率：1.3% 量化因子与构建方式 1. 风格因子 * **因子名称**：贝塔因子、动量因子、流动性因子[67] * **因子构建思路**：用于刻画市场当前呈现的风格特征[67]。 * **因子具体构建过程**：报告未详细描述具体计算过程，但指出本周市场呈现“高贝塔高动量高流动性”风格，即高贝塔、高动量、高流动性个股表现占优[67]。 2. Alpha因子（通用构建说明） * **因子构建思路**：从多维度观察因子表现，包括不同时间窗口、宽基指数和行业板块[68]。 * **因子具体构建过程**：因子收益测算采用流通市值加权，计算因子多头（前1/5组）收益。除规模因子外，均进行了市值、行业中性化处理；规模因子仅进行行业中性化处理[68]。 2.1 时间维度表现突出的因子 * **因子名称**：1年-1个月的收益率因子 (mom 1y 1m)[69][71] * **因子构建思路**：衡量过去1年剔除最近1个月后的收益率，属于动量因子的一种变体[71]。 * **因子具体构建过程**：报告未给出具体公式，但根据名称推断为过去250个交易日收益率减去过去20个交易日收益率。 * **因子名称**：营业利润占销售费用比因子 (oper salesexp)[69][71] * **因子构建思路**：衡量企业营业利润相对于销售费用的效率，属于盈利质量因子[71]。 * **因子具体构建过程**：$$营业利润TTM / 销售费用TTM$$[71] 2.2 指数维度表现突出的因子 * **因子名称**：营业利润销售费用比因子 (oper salesexp)[73][74] * **因子构建思路**：同2.1中所述[74]。 * **因子名称**：单季度ROA同比差值（考虑快报、预告）因子 (roa q delta adv)[73][74] * **因子构建思路**：衡量单季度资产回报率相对于去年同期的变化，考虑了业绩快报和预告信息，属于盈利增长因子[74]。 * **因子名称**：一致预测营业收入变化占比因子 (mom3 rev fy1)[73][74] * **因子构建思路**：衡量分析师对未来一年营业收入一致预测在近3个月内的变化幅度，属于预期修正因子[74]。 * **因子具体构建过程**：$$(当前一致预测营业收入FY1 - 3个月前一致预测营业收入FY1) / |3个月前一致预测营业收入FY1|$$[74] * **因子名称**：十二个月残差动量因子 (specific mom12)[73][74] * **因子构建思路**：剔除市场、行业等共同因素影响后的过去12个月特异性收益动量[74]。 * **因子名称**：单季度净利润同比增长（考虑快报、预告）因子 (yoy np q adv)[73][74] * **因子构建思路**：衡量单季度净利润相对于去年同期的增长率，考虑了业绩快报和预告信息[74]。 因子的回测效果 （注：报告中对因子的测试结果主要为近期表现和近一年在不同指数内的多头超额收益，以下按此口径分组列出） 1. 近期（近一周及近一月）表现 1. **1年-1个月的收益率因子 (mom 1y 1m)**[71] * 近一周多头超额收益：1.18% * 近一个月多头超额收益：-0.32% 2. **营业利润占销售费用比因子 (oper salesexp)**[71] * 近一周多头超额收益：1.13% * 近一个月多头超额收益：3.37% 2. 近一年在不同指数内的表现（多头超额收益） 1. **营业利润销售费用比因子 (oper salesexp)**[74] * 沪深300中：35.65% * 中证500中：-1.17% * 中证800中：25.76% * 中证1000中：15.02% 2. **单季度ROA同比差值（考虑快报、预告）因子 (roa q delta adv)**[74] * 沪深300中：34.46% * 中证500中：3.13% * 中证800中：25.81% * 中证1000中：17.31% 3. **一致预测营业收入变化占比因子 (mom3 rev fy1)**[74] * 沪深300中：26.47% * 中证500中：12.61% * 中证800中：26.99% * 中证1000中：17.94% 4. **十二个月残差动量因子 (specific mom12)**[74] * 沪深300中：33.80% * 中证500中：11.30% * 中证800中：29.57% * 中证1000中：15.44% 5. **单季度净利润同比增长（考虑快报、预告）因子 (yoy np q adv)**[74] * 沪深300中：29.31% * 中证500中：8.84% * 中证800中：28.15% * 中证1000中：22.86%