报告核心观点 - 工银瑞信主动量化团队践行“多视角、多资产、多因子、多策略”的4M多元化理念，由焦文龙带队，具备分工科学、因子策略储备深厚等竞争优势，规模承载能力充裕，产品/策略相关性低，值得关注 [2][12][13] 工银瑞信主动量化投资团队 多视角 - 团队成员背景复合多元，在大类资产和宏/中/微观维度高效协作，从业经历丰富，有助于形成多元有效观点 [14][15] 多资产 - 管理资产丰富，建立多资产分析框架，提出ARC投资导航系统，为产品提供确定性投资决策支持 [14] 多因子 - 因子开发遵循预测有效性与逻辑独立性双准则，构建多层次选股因子池，借助前沿算法提炼选股能力，控制组合风险暴露 [14][25] 团队架构与成员 - 团队由4名基金/投资经理和3名研究员构成，焦文龙统筹领导，成员各有所长、梯队合理 [3] - 焦文龙经验丰富，能力圈广泛，在管产品风格特色鲜明，策略同质化低 [3][18][19] 量化投研体系 - 构建以多因子协同等为核心的量化投研体系，通过低相关性设计提升因子入库有效性 [25] - 形成成熟完备的量化投研框架，覆盖产品全生命周期管理，分为投前、投中、投后步骤 [26][29] “主观+量化”融合 - 主观投资与量化策略互补，团队注重二者深度融合，借力内部主观投研人员，内部注重定性思维 [30][31] - 研发主动量化投研平台，实现投研一体化，提升效率，未来支持“零代码”化 [32] 工银瑞信主动量化产品线 产品线概览 - 以基本面量化、指数增强为主，规模占比超80%，各品类有细分子策略，产品遵循收益风险匹配逻辑 [5][35][36] 指数增强 - 依托成熟体系与平台优势，通过基金经理调整与策略迭代提升超额，近期表现优异 [42][52] 基本面量化 - 具备smart beta特色，形成立体化布局，产品线组合运作分四步，部分产品以“固收+量化增强股票组合”形式呈现 [54][55][57] 量化对冲 - 聚焦低风险绝对收益策略，两只核心产品定位差异化，“924”后跑赢同类，为投资者提供低波动资产配置工具 [67][68] 圆桌实录 投资框架与特色 - 投资理念注重长期思维、均衡配置，采取定量与定性结合框架，特色为多视角、多资产、多因子、多策略 [74][75][76] 因子及策略储备 - 因子库入库标准严格，构建方法包括人工和算法挖掘，实盘策略结合量化多因子模型与深度学习 [78][79] 因子或策略失效问题 - 重视策略实战有效性，通过严格回测、模拟盘跟踪和有效性验证构建策略 [84] alpha策略回撤应对 - 不轻易判断因子失效，定期观察因子表现，对因子进行相应处理，出库因子可重新入库 [86] 分域选股理念 - 认为不同股票池和因子类型存在差异，采取分域训练，拆分任务搭建子模型 [88][89] 基金管理人基本情况 - 工银瑞信基金成立于2005年6月，依托强大背景，提供多元化财富管理服务，业务资格全面，产品种类丰富，管理规模领先 [91][92]

指数增强组合表现 - 沪深300指数增强组合本周超额收益0.74%，本年累计超额收益5.84% [1][5] - 中证500指数增强组合本周超额收益0.20%，本年累计超额收益7.93% [1][5] - 中证1000指数增强组合本周超额收益0.75%，本年累计超额收益12.43% [1][5] - 中证A500指数增强组合本周超额收益0.65%，本年累计超额收益8.45% [1][5] 选股因子表现 沪深300成分股 - 近期有效因子：高管薪酬（周收益0.91%）、预期EPTTM（0.85%）、预期PEG（0.69%）[6] - 长期有效因子：单季营收同比增速（年化4.65%）、三个月机构覆盖（4.42%）、DELTAROE（4.26%）[6] 中证500成分股 - 近期有效因子：单季ROE（周收益1.05%）、单季ROA（0.88%）、单季营收同比增速（0.82%）[8] - 长期有效因子：单季营收同比增速（年化6.82%）、预期PEG（6.06%）、DELTAROA（4.64%）[8] 中证1000成分股 - 近期有效因子：高管薪酬（周收益1.24%）、预期EPTTM（1.24%）、单季ROE（1.09%）[10] - 长期有效因子：非流动性冲击（年化8.84%）、标准化预期外收入（5.62%）、一个月换手（5.47%）[10] 公募基金重仓股 - 近期有效因子：单季营收同比增速（周收益0.77%）、一年动量（0.72%）、预期PEG（0.72%）[14] - 长期有效因子：DELTAROA（年化5.78%）、预期净利润环比（4.78%）、标准化预期外盈利（4.38%）[14] 公募基金指数增强产品 产品规模 - 沪深300增强产品69只，总规模790亿元 [16] - 中证500增强产品70只，总规模454亿元 [16] - 中证1000增强产品46只，总规模150亿元 [16] - 中证A500增强产品40只，总规模250亿元 [16] 业绩表现 - 沪深300增强产品本周超额收益中位数0.22%，最高0.71%，最低-0.43% [17][19] - 中证500增强产品本周超额收益中位数0.29%，最高1.46%，最低-0.57% [21] - 中证1000增强产品本周超额收益中位数0.25%，最高1.26%，最低-0.68% [20][24] - 中证A500增强产品本周超额收益中位数0.13%，最高0.73%，最低-0.21% [22][25] 方法论 - MFE组合构建通过优化模型最大化单因子暴露，控制行业/风格偏离等约束 [26][27] - 公募重仓指数选取累计权重90%的基金重仓股构建，反映机构选股风格 [28]

纪要涉及的行业和公司 - 行业：煤炭、地产、焦煤、银行 - 公司：华富基金、新华中诚信公司 纪要提到的核心观点和论据 华富新华中证红利价值指数 - **核心观点**：是防御性红利指数，能提供高于传统红利指数收益，及时反映基本面，避免估值陷阱，提升投资组合质量 [1][2] - **论据**： - 采用多因子模型（低波动、低估值等）筛选综合得分最高的 50 个标的 [2] - 自 2013 年以来年化超额收益约 5% [1][5] - 样本空间筛选要求现金分红总额大于再融资总额，股息支付率大于 20% [1][7] - 行情较好阶段（2022 - 2024 年、2017 年、2016 年）表现优于一般红利指数；牛市阶段（2019 年、2020 年）可能表现稍差 [11] - 加入市场面指标和低波因子，季度调仓，能及时剔除波动大的股票并高抛低吸 [12] - 行业分布更分散，煤炭配置比例约 1%，单一行业上限不超过 30% [13] 华富中证全指自由现金流 ETF - **核心观点**：跟踪自由现金流指标，专注企业财务健康，市场调整时保持稳定，有持续增长潜力 [1] - **论据**： - 自由现金流是分红前置条件，能更全面及时反映公司基本面 [15][16] - 样本调整频率一年四次，采用自由现金流净额加权，更偏向大市值公司，行业分布分散 [18][19] - 成长性更强，有更高 ROE 水平和净利润增速，过去两年股息率与中证红利指数相当，某些年份中证现金牛指数表现更优，年化超额收益 6.7% [20] 市场对红利类资产需求强劲 - **核心观点**：低利率环境下，投资者寻求替代债权类资产获高收益，风险偏好提升时配置需求仍强 [1][4] - **论据**：2024 年 9 月 3 日市场上红利 ETF 规模约 700 亿人民币，2025 年 3 月底增长至 1200 亿人民币以上 [4] 自由现金流指标优势 - **核心观点**：比传统股息率指标更具优势 [15] - **论据**： - 是分红前置条件，能全面反映基本面，充沛的公司竞争地位好 [15] - 对基本面反应更及时，如中证红利指数用过去三年平均股息率，反应滞后 [15][16] 其他重要但是可能被忽略的内容 - 新华中诚信公司编制新型策略指数，在传统高股息率基础上引入多因子模型，提高业绩表现，增强对基本面的及时反映能力 [5] - 多因子虽计算方式和指标不同，但指向防御性强、低估值股票，结合能达 1 + 1 大于 2 的效果 [6] - 市场面指标（低波动率、低贝塔、低换手）能剔除估值陷阱，避免静态基本面恶化致股价剧烈波动，选择低换手率公司可获超额收益 [8][9][10] - 自由现金流与高股息都是估值指标，差异在于一个体现实际收益，一个体现发展潜力，自由现金流更优越 [17] - 中证先锋 ETF 煤炭行业占比从 5 月底的 22%降至调整后的 5%，调仓后行业分布更分散 [21] - 投资者选红利相关因子应全面客观了解优缺点，红利价值因子适合防御型投资，自由现金流因子适合成长型投资，对自由现金流因子应降低超额收益预期但保持下限信心 [25] - 红利相关产品合理配置可帮助投资者实现长期稳健丰厚回报，红利价值指数提供稳健回报，自由现金流指数兼具成长潜力 [27]

基金发售信息 - 东方红资管旗下东方红慧选成长于2025年6月10日至2025年9月9日公开发售，最低募集份额总额为2亿份 [2] - 该基金为偏股混合型基金，股票资产投资比例为60%-95%（含港股通标的股票0%-50%），采用多因子选股模型 [2] - 基金业绩比较基准为中证800指数收益率×85%+恒生指数收益率×5%+中国债券总指数收益率×10% [2] - 管理费按前一日基金资产净值的1.2%年费率计提 [1][2][4] 基金经理背景 - 拟任基金经理徐习佳现任东方证券资管公募指数与多策略部总经理，拥有天普大学金融学博士学位 [4] - 其职业生涯涵盖投行、保险资管、公募基金量化投资等领域，曾任兴业全球基金金融工程与专题研究部副总监 [4] - 目前管理2只主动权益基金（东方红量化选股A、东方红红利量化选股A），均为2024年任职 [5] 在管产品表现 - 东方红量化选股A今年以来收益率6.78%，跑赢业绩基准超7个百分点，2025年一季度重仓思源电气、赣粤高速等 [7] - 东方红红利量化选股A自成立以来净值下跌0.62%，跑输基准超9个百分点，同类排名4302/4406 [7] - 截至2025年6月9日，徐习佳任职的两只产品任期回报率分别为11.05%和-0.62% [6] 投资策略 - 基金采用"严格控制风险+主动管理"双轨策略，目标实现长期稳健增值 [2] - 个股筛选结合多因子模型与动态市场热点捕捉，侧重获取超额收益 [2] - 2025年一季度末，两只产品分别侧重配置金融股（南京银行、中国平安）和成长股（华天科技） [7]

证券研究报告：金融工程报告 发布时间：2025-06-09 研究所 研究所 分析师:肖承志 SAC 登记编号:S1340524090001 Email:xiaochengzhi@cnpsec.com 研究助理:金晓杰 SAC 登记编号:S1340124100010 E研ma究il所:jinxiaojie@cnpsec.com 近期研究报告 近期研究报告 《结合基本面和量价特征的 GRU 模型》 - 2025.06.05 《DeepSeek-R1 完成小版本更新，阿里 开源自主搜索 AI 智能体——AI 动态汇 总 20250602》 - 2025.06.03 《Claude 4 系列发布，谷歌上线编程智 能体 Jules——AI 动态汇总 20250526》 - 2025.05.27 《谷歌发布智能体白皮书，Manus 全面 开放注册——AI 动态汇总 20250519》 - 2025.05.20 《证监会修改《重组办法》，深化并购重 组改革——微盘股指数周报 20250518》 - 2025.05.19 《通义千问发布Qwen-3模型，DeepSeek 发布数理证明大模型——AI 动态汇总 20250505 ...

报告行业投资评级 未提及 报告的核心观点 报告给出几个借助ETF构建的策略指数，并以周度为频率对指数的绩效和持仓进行跟踪，各指数有不同构建方法和收益表现 [11] 各策略指数总结 华宝研究大小盘轮动ETF策略指数 - 利用多维度技术指标因子，用机器学习模型预测申万大盘和小盘指数收益差，周度输出信号决定持仓获取超额回报 [3][13] - 截至2025/6/6，2024年以来超额收益15.99%，近一月-1.76%，近一周-0.11% [3][13] - 近一周收益0.95%，近一月-1.40%，2024年以来27.08%，基准中证800对应收益为1.07%、0.35%、11.09% [15][16] - 持仓为沪深300ETF，权重100% [16] 华宝研究SmartBeta增强ETF策略指数 - 利用量价类指标对自建barra因子择时，依据ETF在9大barra因子暴露度映射择时信号，涵盖主流宽基及风格、策略ETF获取超额收益 [3][16] - 截至2025/6/6，2024年以来超额收益20.75%，近一月3.74%，近一周0.40% [3][16] - 近一周收益1.47%，近一月4.10%，2024年以来31.84%，基准中证800对应收益为1.07%、0.35%、11.09% [17] - 持仓为红利低波ETF（47.58%）、中证2000ETF（33.84%）、中证1000ETF（18.59%） [21] 华宝研究量化风火轮ETF策略指数 - 从多因子角度出发，把握中长期基本面、跟踪短期趋势、分析参与者行为，用估值与拥挤度信号提示风险，挖掘潜力板块获超额收益 [4][20] - 截至2025/6/6，2024年以来超额收益2.38%，近一月0.81%，近一周-0.22% [4][20] - 近一周收益0.84%，近一月1.16%，2024年以来13.47%，基准中证800对应收益为1.07%、0.35%、11.09% [21] - 持仓为有色60ETF（20.20%）、煤炭ETF（20.08%）、医药卫生ETF（20.00%）、银行ETF（19.89%）、物流ETF（19.83%） [23] 华宝研究量化平衡术ETF策略指数 - 采用多因子体系，含经济基本面、流动性、技术面和投资者行为因子，构建量化择时系统研判权益市场趋势，建立大小盘风格预测模型调整仓位，综合择时和轮动获超额收益 [4][23] - 截至2025/6/6，2024年以来超额收益0.97%，近一月-0.14%，近一周-0.36% [4][23] - 近一周收益0.52%，近一月0.41%，2024年以来13.88%，基准沪深300对应收益为0.88%、0.55%、12.91% [25] - 持仓为中证1000ETF（5.27%）、增强500ETF（5.11%）、300增强ETF（29.60%）、政金债券ETF（25.15%）、短融ETF（24.80%）、十年国债ETF（10.06%） [27] 华宝研究热点跟踪ETF策略指数 - 根据市场情绪分析、行业事件跟踪、投资者情绪和专业观点、政策法规变动及历史演绎等策略，跟踪挖掘热点指数标的产品，构建ETF组合捕捉市场热点，为投资者提供参考 [5][27] - 截至2025/6/6，近一月超额收益1.49%，近一周0.43% [5][27] - 近一周收益1.91%，近一月2.06%，基准中证全指对应收益为1.47%、0.57% [30] - 持仓为港股消费ETF（28.59%）、有色50ETF（26.84%）、港股红利ETF（25.57%）、国债至ETF5至10年（19.00%） [31] 华宝研究债券ETF久期策略指数 - 采用债券市场流动性、量价指标筛选择时因子，用机器学习方法预测债券收益率，低于阈值减少长久期仓位，提升组合长期收益和回撤控制能力 [5][31] - 截至2025/6/6，近一月超额收益0.25%，近一周-0.01% [5][31] - 近一周收益0.14%，近一月-0.12%，2024年以来9.23%，成立以来14.37%，基准中债 - 总指数对应收益为0.14%、-0.38%、4.63%、6.56% [32] - 持仓为十年国债ETF（50.02%）、国债ETF5至10年（12.50%）、政金债券ETF（12.49%） [34]

指数增强组合表现 - 沪深300指数增强组合本周超额收益0.83%，本年超额收益5.09% [1][5] - 中证500指数增强组合本周超额收益1.13%，本年超额收益7.75% [1][5] - 中证1000指数增强组合本周超额收益1.86%，本年超额收益11.66% [1][5] - 中证A500指数增强组合本周超额收益1.24%，本年超额收益7.78% [1][5] 选股因子表现 沪深300成分股 - 最近一周表现较好的因子：三个月机构覆盖(0.71%)、单季ROA(0.68%)、单季ROE(0.64%) [6] - 最近一月表现较好的因子：预期PEG(2.31%)、单季超预期幅度(1.84%)、单季ROE(1.78%) [6] - 今年以来表现较好的因子：一个月反转(5.04%)、单季营收同比增速(4.22%)、三个月机构覆盖(3.74%) [6] 中证500成分股 - 最近一周表现较好的因子：标准化预期外盈利(1.05%)、一个月反转(0.90%)、DELTAROE(0.89%) [8] - 最近一月表现较好的因子：非流动性冲击(3.26%)、标准化预期外收入(2.49%)、一个月反转(2.37%) [8] - 今年以来表现较好的因子：一个月反转(7.61%)、单季营收同比增速(5.97%)、预期PEG(5.47%) [8] 中证1000成分股 - 最近一周表现较好的因子：单季营收同比增速(1.82%)、DELTAROE(1.78%)、单季ROE(1.75%) [10] - 最近一月表现较好的因子：高管薪酬(3.46%)、非流动性冲击(3.36%)、三个月换手(2.90%) [10] - 今年以来表现较好的因子：非流动性冲击(8.48%)、三个月换手(5.69%)、标准化预期外收入(5.56%) [10] 中证A500成分股 - 最近一周表现较好的因子：单季ROE(0.84%)、预期PEG(0.78%)、DELTAROE(0.75%) [12] - 最近一月表现较好的因子：预期PEG(2.59%)、单季ROE(2.37%)、单季超预期幅度(1.82%) [12] - 今年以来表现较好的因子：一个月反转(5.71%)、预期PEG(5.48%)、EPTTM一年分位点(3.73%) [12] 公募基金重仓股 - 最近一周表现较好的因子：DELTAROE(1.03%)、一年动量(0.96%)、单季营收同比增速(0.93%) [14] - 最近一月表现较好的因子：预期PEG(1.75%)、标准化预期外盈利(1.74%)、DELTAROE(1.71%) [14] - 今年以来表现较好的因子：DELTAROA(5.34%)、一个月反转(5.20%)、非流动性冲击(4.30%) [14] 公募基金指数增强产品表现 产品数量及规模 - 沪深300指数增强产品69只，总规模790亿元 [16] - 中证500指数增强产品70只，总规模454亿元 [16] - 中证1000指数增强产品46只，总规模150亿元 [16] - 中证A500指数增强产品40只，总规模250亿元 [16] 沪深300指数增强产品 - 本周超额收益最高1.14%，最低-0.35%，中位数0.07% [1][17] 中证500指数增强产品 - 本周超额收益最高0.88%，最低-0.75%，中位数0.07% [1][18] - 最近一月超额收益最高2.56%，最低0.12%，中位数1.51% [19] - 最近一季超额收益最高8.62%，最低0.42%，中位数3.20% [19] - 今年以来超额收益最高6.85%，最低-2.00%，中位数2.62% [19] 中证1000指数增强产品 - 本周超额收益最高0.89%，最低-0.89%，中位数0.37% [21][23] - 最近一月超额收益最高2.68%，最低-0.26%，中位数1.45% [21][23] - 最近一季超额收益最高9.37%，最低1.23%，中位数4.24% [21][23] - 今年以来超额收益最高11.00%，最低0.46%，中位数4.48% [21][23] 中证A500指数增强产品 - 本周超额收益最高0.41%，最低-0.43%，中位数0.16% [22][28] - 最近一月超额收益最高1.53%，最低-0.24%，中位数0.68% [22][28]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称**：国信金工指数增强组合 - **模型构建思路**：以多因子选股为主体，分别构建对标沪深300、中证500、中证1000及中证A500指数的增强组合，通过收益预测、风险控制和组合优化三部分实现稳定超额收益[12][13] - **模型具体构建过程**： 1. **收益预测**：基于多因子模型（如估值、成长、盈利等因子）生成股票预期收益 2. **风险控制**：约束行业暴露、风格暴露（如市值中性）、个股权重偏离（最大1%）[41] 3. **组合优化**：采用优化模型控制跟踪误差，目标函数为最大化因子暴露，约束条件包括行业中性、成分股权重占比100%等[41][42] - **模型评价**：组合优化方法兼顾因子有效性与实际投资约束，回测显示稳定跑赢基准[13][15] 2. **模型名称**：单因子MFE组合（Maximized Factor Exposure Portfolio） - **模型构建思路**：通过组合优化最大化单因子暴露，检验因子在控制行业/风格约束后的有效性[41] - **模型具体构建过程**： - 优化目标函数： $$ \begin{array}{ll} \max & f^{T}w \\ s.t. & s_{l}\leq X(w-w_{b})\leq s_{h} \\ & h_{l}\leq H(w-w_{b})\leq h_{h} \\ & \mathbf{1}^{T}w=1 \end{array} $$ 其中 \( f \) 为因子向量，\( w \) 为权重，\( X \) 为风格暴露矩阵，\( H \) 为行业暴露矩阵[41][42] - 约束条件：行业中性、市值中性、个股权重偏离≤1%[41] - **模型评价**：更贴近实际投资场景的因子检验方法，避免传统分档测试的偏差[41] --- 量化因子与构建方式 1. **因子名称**：估值类因子（BP、EPTTM、股息率等） - **构建思路**：捕捉股票低估或高估信号[18] - **具体构建过程**： - **BP因子**：$$ BP = \frac{净资产}{总市值} $$ - **EPTTM因子**：$$ EPTTM = \frac{归母净利润TTM}{总市值} $$[18] 2. **因子名称**：成长类因子（单季营收同比增速、DELTAROE等） - **构建思路**：衡量企业盈利或收入增长能力[18] - **具体构建过程**： - **单季营收同比增速**：$$ \frac{本期营业收入-去年同期营业收入}{去年同期营业收入} $$ - **DELTAROE**：$$ \Delta ROE = ROE_{t} - ROE_{t-1} $$[18] 3. **因子名称**：流动性因子（一个月换手、三个月换手） - **构建思路**：反映股票交易活跃度[18] - **具体构建过程**： - **一个月换手率**：过去20个交易日换手率均值[18] 4. **因子名称**：分析师预期因子（预期PEG、三个月盈利上下调） - **构建思路**：利用分析师一致预期数据捕捉市场情绪[18] - **具体构建过程**： - **预期PEG**：$$ PEG = \frac{预期PE}{预期净利润增长率} $$[18] --- 模型的回测效果 1. **国信金工指数增强组合**： - 沪深300增强：本周超额0.83%，本年超额5.09%[6][15] - 中证1000增强：本年超额11.66%[6][15] 2. **单因子MFE组合**（以沪深300为例）： - **三个月机构覆盖因子**：本周超额0.71%，年化IR 2.89%[20] - **单季ROE因子**：本周超额0.64%，年化IR 4.34%[20] --- 因子的回测效果 1. **沪深300样本空间**： - **三个月机构覆盖**：本周超额0.71%，历史年化IR 2.89%[20] - **单季ROA**：本周超额0.68%，历史年化IR 3.69%[20] 2. **中证500样本空间**： - **标准化预期外盈利**：本周超额1.05%，历史年化IR 7.54%[22] 3. **中证1000样本空间**： - **单季营收同比增速**：本周超额1.82%，历史年化IR 4.25%[24] 4. **公募重仓指数样本空间**： - **DELTAROE**：本周超额1.03%，历史年化IR 3.64%[28] （注：部分因子表现数据因文档格式限制未完全列出，但已覆盖核心因子及结果）

以下是按照要求总结的量化模型与因子内容： 量化因子与构建方式 资产类因子 1. **因子名称**：F1（流动性金融资产占比） **构建思路**：衡量流动资产中金融资产的占比[22] **构建过程**： $$F1 = \frac{流动性金融资产}{流动性金融资产 + 流动性经营资产}$$ 其中流动性金融资产包括货币资金、交易性金融资产等科目，流动性经营资产包括应收账款、存货等科目[19][22] 2. **因子名称**：F2（非流动性金融资产占比） **构建思路**：衡量非流动资产中金融资产的占比[22] **构建过程**： $$F2 = \frac{非流动性金融资产}{非流动性金融资产 + 非流动性经营资产}$$ 非流动性金融资产包括可供出售金融资产、长期股权投资等[19][22] 3. **因子名称**：F3（全部金融资产占比） **构建思路**：衡量总资产中金融资产的综合占比[22] **构建过程**： $$F3 = \frac{流动性金融资产 + 非流动性金融资产}{总资产}$$ 总资产为四类资产科目之和[19][22] 负债类因子 4. **因子名称**：F4（流动性金融负债占比） **构建思路**：衡量流动负债中金融负债的占比[39] **构建过程**： $$F4 = \frac{流动性金融负债}{流动性金融负债 + 流动性经营负债}$$ 流动性金融负债包括短期借款、应付票据等[19][39] 5. **因子名称**：F5（非流动性金融负债占比） **构建思路**：衡量非流动负债中金融负债的占比[39] **构建过程**： $$F5 = \frac{非流动性金融负债}{非流动性金融负债 + 非流动性经营负债}$$ 非流动性金融负债包括长期借款、应付债券等[19][39] 6. **因子名称**：F6（全部金融负债占比） **构建思路**：衡量总负债中金融负债的综合占比[39] **构建过程**： $$F6 = \frac{流动性金融负债 + 非流动性金融负债}{总负债}$$ 总负债为四类负债科目之和[19][39] 金融类因子 7. **因子名称**：F7（流动性金融资产/负债比率） **构建思路**：衡量流动性金融资产与负债的匹配程度[56] **构建过程**： $$F7 = \frac{流动性金融资产}{流动性金融资产 + 流动性金融负债}$$ 反映企业短期金融结构的稳健性[19][56] 8. **因子名称**：F8（非流动性金融资产/负债比率） **构建思路**：衡量非流动性金融资产与负债的匹配程度[56] **构建过程**： $$F8 = \frac{非流动性金融资产}{非流动性金融资产 + 非流动性金融负债}$$ 反映长期金融资源配置效率[19][56] 9. **因子名称**：F9（全部金融资产/负债比率） **构建思路**：综合衡量金融资产与负债的整体结构[56] **构建过程**： $$F9 = \frac{流动性金融资产 + 非流动性金融资产}{金融资产总额 + 金融负债总额}$$ 体现企业整体金融风险敞口[19][56] 经营类因子 10. **因子名称**：F10（流动性经营资产/负债比率） **构建思路**：衡量流动性经营资产与负债的匹配度[72] **构建过程**： $$F10 = \frac{流动性经营资产}{流动性经营资产 + 流动性经营负债}$$ 反映短期经营资金周转能力[19][72] 11. **因子名称**：F11（非流动性经营资产/负债比率） **构建思路**：衡量非流动性经营资产与负债的匹配度[72] **构建过程**： $$F11 = \frac{非流动性经营资产}{非流动性经营资产 + 非流动性经营负债}$$ 体现长期经营资源配置效率[19][72] 12. **因子名称**：F12（全部经营资产/负债比率） **构建思路**：综合衡量经营资产与负债的整体结构[72] **构建过程**： $$F12 = \frac{流动性经营资产 + 非流动性经营资产}{经营资产总额 + 经营负债总额}$$ 反映企业核心经营活动的健康度[19][72] 因子回测效果 资产类因子 1. **F1因子**： - 因子收益：0.108% - IC：-0.002 - ICIR：-0.041[38] 2. **F2因子**： - 因子收益：-0.275% - IC：0.010 - ICIR：0.200[38] 3. **F3因子**： - 因子收益：-0.141% - IC：-0.004 - ICIR：-0.077[38] 负债类因子 4. **F4因子**： - 因子收益：0.234% - IC：-0.010 - ICIR：-0.284[58] 5. **F5因子**： - 因子收益：-0.261% - IC：0.003 - ICIR：0.068[58] 6. **F6因子**： - 因子收益：0.188% - IC：-0.0065 - ICIR：-0.1974[58] 金融类因子 7. **F7因子**： - 因子收益：0.193% - IC：-0.003 - ICIR：-0.045[71] 8. **F8因子**： - 因子收益：-0.057% - IC：0.006 - ICIR：0.125[71] 9. **F9因子**： - 因子收益：0.233% - IC：-0.003 - ICIR：-0.053[71] 经营类因子 10. **F10因子**： - 因子收益：0.414% - IC：-0.015 - ICIR：-0.347[91] 11. **F11因子**： - 因子收益：0.033% - IC：0.0002 - ICIR：0.006[91] 12. **F12因子**： - 因子收益：0.396% - IC：-0.011 - ICIR：-0.307[91] 关键结论 - **最优因子**：经营类因子（F10/F12）在收益和ICIR上表现突出，其中F10月度收益达0.414%[91] - **相关性特征**：资产类与金融类因子高度相关（ρ>0.7），负债类与经营类因子高度相关[94] - **细分维度**：非流动性因子（F2/F8）的ICIR普遍高于流动性因子[38][71] （注：所有因子均经过市值和行业中性化处理，测试周期为月度调仓[21]）

核心观点 - 报告旨在构建多因子加权的ETF轮动策略，优化股票因子映射框架以检验边际提升效果[1] - 单因子选股与ETF轮动对比显示因子呈现差异化特征，股票端多头年化收益约20%明显跑赢宽基指数，而ETF轮动因子表现边际下滑[1][11][15] - 采用Top5等权持仓组合策略后，bigbuy_bigsell、DL_1等因子年化收益显著提升至11.7%-16%[20] - 通过调整ETF回测框架（成分股权重阈值、等权映射、重复度剔除）使组合表现获得边际提升[27][28][34] - 多因子加权策略中ICIR加权组合年化收益达20%，较等权组合稳定性显著提升[38][84] 单因子选股与ETF轮动对比 - 覆盖低频价量、基本面、ETF申赎资金流、Level2数据和神经网络等5类共21个因子[7][8] - 股票端月度换仓下sim_corr因子RANK_IC达9.4%，DL_1因子多头年化收益20.4%[12] - ETF轮动端bigbuy_bigsell因子RANK_IC降至5.3%，年化收益6.5%[16] - 与Barra风格因子相关性分析显示不同因子呈现差异化特征，如sim_corr与市值因子负相关达-21.4%[14] ETF框架优化 - 成分股权重阈值设置（60%/80%）配合等权映射使fimage因子年化收益提升至15.8%[33] - 引入80%重复度阈值后，stock_data_flow2amt_ma5因子年化收益从15.4%提升至15.9%[35] - 非线性映射调整使组合波动率降低，bigbuy_bigsell因子波动从24.2%降至22.1%[32][33] 多因子加权表现 - 筛选EPS_YOY、bigbuy_bigsell等5个低相关性因子（最高相关性24.8%）构建组合[37] - 月度换仓下ICIR加权组合RANK_IC达11.2%，较等权组合提升0.3个百分点[39] - 2021-2025年ICIR加权组合年化收益19.9%，最大年度回撤17.2%[58][59] - 周度换仓策略中IC加权组合年化收益15.1%，但稳定性低于月度策略[62][72] 市场背景 - 截至2025年4月境内ETF数量达1141只，总规模4.04万亿元，较2024年底增长8.3%[4] - ETF产品凭借透明度高、费率低等优势成为居民资产配置重要工具[4][79] - 现有策略存在同指数多ETF产品重叠问题，需通过成分股重合度筛选优化[28]