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）双因子筛选股票，选取估值合理且盈利能力强的标的[23] - **模型具体构建过程**： 1. 在全市场股票池中计算每只股票的PB和ROE值 2. 对PB和ROE分别进行标准化处理并加权综合得分 3. 选取综合得分前50名的股票构成组合 4. 按月频调仓，控制行业和市值暴露[23][24] 2. **模型名称：私募调研跟踪策略** - **模型构建思路**：通过跟踪私募机构调研行为挖掘超额收益机会[25] - **模型具体构建过程**： 1. 统计上市公司接受私募调研的频率和机构数量 2. 计算调研热度指标：$$调研得分 = \frac{调研次数}{行业均值} + log(参与机构数)$$ 3. 结合基本面筛选（如ROE>10%）构建组合[25][26] 3. **模型名称：大宗交易组合** - **模型构建思路**：基于"高成交金额比率+低波动率"原则筛选大宗交易标的[29] - **模型具体构建过程**： 1. 计算大宗交易成交金额比率：$$成交比率 = \frac{大宗交易金额}{日均成交额}$$ 2. 计算6日成交金额波动率 3. 选取成交比率前30%且波动率后30%的股票[29][30] 4. **模型名称：定向增发组合** - **模型构建思路**：利用定向增发事件窗口期的超额收益效应[35] - **模型具体构建过程**： 1. 以股东大会公告日为事件日 2. 筛选增发比例>5%且发行折价率<20%的标的 3. 按市值分层加权构建组合[35][36] 模型的回测效果 1. **PB-ROE-50组合** - 中证500超额收益1.15%（本周），今年以来2.19%[24] - 中证800超额收益0.29%（本周），今年以来1.96%[24] - 全市场超额收益-0.30%（本周），今年以来2.43%[24] 2. **私募调研跟踪策略** - 中证800超额收益2.61%（本周），今年以来9.91%[26] - 绝对收益2.18%（本周），今年以来8.47%[26] 3. **大宗交易组合** - 中证全指超额收益-0.61%（本周），今年以来23.37%[30] - 绝对收益-1.30%（本周），今年以来23.91%[30] 4. **定向增发组合** - 中证全指超额收益0.12%（本周），今年以来6.18%[36] - 绝对收益-0.58%（本周），今年以来6.64%[36] 量化因子与构建方式 1. **因子名称：净利润断层** - **构建思路**：捕捉业绩超预期带来的价格跳空缺口[12] - **具体构建**：$$因子值 = \frac{公告日收盘价-前日收盘价}{前日收盘价} - 行业均值$$[13] 2. **因子名称：成交量的5日指数移动平均** - **构建思路**：反映短期资金流向[12] - **具体构建**：$$EMA_5(成交量) = \alpha \times 当日成交量 + (1-\alpha) \times 前日EMA$$，α=0.33[13] 3. **因子名称：动量弹簧因子** - **构建思路**：识别超跌反弹机会[12] - **具体构建**：$$因子值 = \frac{1月收益率}{过去6月波动率}$$[13] 4. **因子名称：ROIC增强因子** - **构建思路**：衡量资本回报效率的边际变化[15] - **具体构建**：$$因子值 = \frac{本期ROIC-行业ROIC中位数}{上期ROIC-行业ROIC中位数}$$[15] 因子的回测效果 1. **沪深300股票池** - 净利润断层：1.30%（本周），6.59%（近1年）[13] - 成交量的5日EMA：1.15%（本周），5.18%（近1年）[13] - 动量弹簧因子：-1.12%（本周），9.15%（近1年）[13] 2. **中证500股票池** - 毛利率TTM：1.65%（本周），0.98%（近1年）[15] - 单季度ROA：1.40%（本周），3.30%（近1年）[15] - 5日反转：-0.49%（本周），8.70%（近1年）[15] 3. **流动性1500股票池** - 5日平均换手率：0.45%（本周），7.94%（近1年）[17] - 动量弹簧因子：-1.07%（本周），19.54%（近1年）[17] - 单季度净利润同比增长率：-1.19%（本周），18.07%（近1年）[17] 大类因子表现 - 动量因子：本周0.12%[18] - 成长性因子：本周0.04%[18] - 规模因子：本周-0.40%[18]

报告行业投资评级 未提及 报告核心观点 本周波动、估值、流动性因子多空表现强势，非线性市值、市值、成长因子空头表现较强；不同股池因子表现有差异，整体上短期业绩不强但增速稳定、高波动和高动量、低估值高成长、低动量高波动等特征股票表现较优；GRU 因子多空收益多数为负；GRU 多头组合表现强势，多因子组合也有超额收益 [2][3][4][5][6][7] 各目录总结 风格因子跟踪 - Barra 风格因子介绍了 Beta、市值、动量等多种因子含义 [14] - 风格因子近期表现显示波动、估值、流动性因子多空表现强势，非线性市值、市值、成长因子空头表现较强 [15] 因子表现跟踪 - 全市场因子表现：基本面因子多空收益分化，静态财务因子多空收益为负，增长类和超预期增长类为正；技术类因子表现正向，高波动和高动量股票占优；GRU 因子多空收益多数为负，仅 open1d 模型为正 [3][17][18] - 沪深 300 成分股因子表现：基本面因子多空收益多数为正，估值类为负，成长类为正，低估值高成长股票强势；技术面因子多空收益分化，动量为负，波动为正，低动量高波动股票占优；GRU 因子多空收益表现较弱，各模型均有回撤 [4][20] - 中证 500 成分股因子表现：基本面因子多空收益方向分化，超预期增长类因子表现好，静态财务因子多数为负；技术面因子多空方向分化，动量类为负，波动类为正，低动量高波动股票占优；GRU 因子多空收益表现分化，close1d 和 open1d 为正，barra1d 模型回撤 [5][22] - 中证 1000 成分股因子表现：基本面因子多空收益表现分化，静态财务因子为负，超预期增长类为正，短期业绩不理想但增速稳定股票占优；技术因子表现为负，低动量和低波动股票占优；GRU 因子多空收益表现较差，各模型均有回撤，barra1d 和 barra5d 模型回撤较大 [6][24][25] 策略组合表现跟踪 - 多头组合：本周 GRU 多头组合表现强势，相对中证 1000 指数超额收益 0.84%-1.89%，open1d 模型今年以来超额 6.08%；多因子组合本周相对中证 1000 指数超额 0.72% [7][29]

量化模型与构建方式 1. **模型名称：GRU模型** - 模型构建思路：基于门控循环单元（GRU）神经网络构建的量化预测模型，用于捕捉股票价格的时间序列特征[15][18][20][22][25] - 模型具体构建过程： 1. 输入数据为股票的历史价格序列（如open1d、close1d、barra1d等不同时间窗口的收盘价或开盘价） 2. 通过GRU网络学习价格序列的时序依赖关系 3. 输出未来收益率的预测值 4. 模型训练时采用行业中性化处理和标准化预处理[16] - 模型评价：能够有效捕捉短期市场波动特征，但对不同市场环境适应性存在差异[18][22][25] 2. **模型名称：多因子组合模型** - 模型构建思路：综合基本面和技术面因子构建的线性加权选股模型[29] - 模型具体构建过程： 1. 因子池包含Barra风格因子（如估值、动量、波动等）和财务因子（如ROE、营收增长率等）[14] 2. 因子权重通过历史ICIR动态调整 3. 组合优化时约束行业偏离≤0.01、风格偏离≤0.5标准差[28] 模型的回测效果 1. **GRU模型** - open1d模型：近一周超额1.22%，今年以来累计超额6.08%[30] - close1d模型：近一周超额1.89%，近六月超额5.35%[30] - barra1d模型：近三月超额2.10%，今年以来超额3.48%[30] - barra5d模型：近六月超额8.00%，今年以来超额5.59%[30] 2. **多因子组合模型** - 近一周超额0.72%，近六月超额6.02%[30] 量化因子与构建方式 1. **因子名称：Barra风格因子** - 因子构建思路：基于MSCI Barra结构化风险模型框架构建的多维度风格因子[14] - 因子具体构建过程： - **Beta因子**：历史beta值 - **市值因子**：总市值自然对数 $$ \ln(MarketCap) $$ - **动量因子**：历史超额收益率序列均值 - **波动因子**： $$ 0.74 \times \sigma_{excess} + 0.16 \times \Delta_{cumulative} + 0.1 \times \sigma_{residual} $$ - **非线性市值**：市值风格的三次方 - **估值因子**：市净率倒数 $$ 1/PB $$ - **流动性因子**： $$ 0.35 \times Turnover_{month} + 0.35 \times Turnover_{quarter} + 0.3 \times Turnover_{year} $$ - **盈利因子**： $$ 0.68 \times EP_{forward} + 0.21 \times 1/PCF + 0.11 \times 1/PE_{ttm} $$ - **成长因子**： $$ 0.18 \times LT_{growth} + 0.11 \times ST_{growth} + 0.24 \times Earnings_{growth} + 0.47 \times Revenue_{growth} $$ - **杠杆因子**： $$ 0.38 \times Leverage_{market} + 0.35 \times Leverage_{book} + 0.27 \times D/A $$ - 因子评价：系统性风险解释能力强，但部分因子（如市值）存在周期性失效[15][17] 2. **因子名称：技术类因子** - 因子构建思路：基于价格和交易量数据构建的短期市场行为因子[17][20][23][26] - 因子具体构建过程： - **动量因子**：20日/60日/120日收益率 - **波动因子**：60日/120日收益率标准差 - **中位数离差因子**：价格与移动中位数的偏离度 3. **因子名称：财务因子** - 因子构建思路：基于财务报表数据的质量与增长因子[19][21][24][26] - 因子具体构建过程： - **静态财务因子**：ROE、ROA、营业利润率 - **增长类因子**：营业利润增长率、ROE增长率 - **超预期增长因子**：净利润超预期增长、营收超预期增长 因子的回测效果 1. **Barra风格因子** - 波动因子：本周多空收益显著正向[15] - 市值因子：本周空头表现强势[15] - 估值因子：全市场多空收益0.73%（近一月）[19] 2. **技术类因子** - 中证1000股池：20日动量因子近一周多空收益-1.81%[27] - 沪深300股池：波动因子多空收益正向[20] 3. **财务因子** - 超预期增长类因子：中证500股池多空收益正向[23] - 静态财务因子：全市场多空收益负向（ROE近一周-1.45%）[19]

报告行业投资评级 报告未提及行业投资评级相关内容 报告的核心观点 - 上周（2025.05.12 - 2025.05.16）A股延续震荡，主要宽基指数量能收缩，交易情绪谨慎，ETF资金净流出，市场延续止盈 [1][12] - 短期市场呈反转特征，近三周动量/反转效应切换快，流动性宽松下小市值或持续占优，红利优势维持，“红利 + 小盘”杠铃组合或为获取相对收益的最优选择 [1][12] 根据相关目录分别进行总结 上周核心观点与市场复盘 上周核心观点 - A股延续震荡，主要宽基指数量能收缩，交易情绪谨慎，资金面ETF资金净流出，市场止盈 [1][12] - 短期市场反转，动量/反转效应切换快，小市值或持续占优，红利优势维持，“红利 + 小盘”组合或为优选项 [1][12] 主要指数表现与热点复盘 - 各指数涨跌不一，上证综指涨0.76%，上证50涨1.22%，沪深300涨1.12%，中证500跌0.10%，中证1000跌0.23%，创业板指涨1.38%，北证50指数涨3.13% [1][13] - 中信一级行业涨幅前五为汽车、非银行金融、商贸零售、交通运输、综合；振幅前五为国防军工、非银行金融、综合金融、计算机、电子 [14] - 热点概念表现最好前五为动物保健精选指数、保险精选指数、饲料精选指数、电子商务指数、PEEK材料指数；最差前五为军工信息化指数、卫星互联网指数、GPU指数、数据安全指数、云计算指数 [18] 宽基指数和行业指数估值 - 截至2025年5月16日，上证指数、上证50、沪深300、中证500、中证1000估值分位数“适中”，创业板指“安全” [1][18] - 中信一级行业中，有色金属、电力及公用事业、家电、食品饮料、农林牧渔、非银行金融、交通运输估值分位数“安全” [2][18] 量化情绪跟踪 - 量能择时：截至5月16日，各指数量能择时信号均为谨慎观点 [23] - 沪深300上涨家数占比情绪指标：可判断市场情绪，截至2025年5月16日，指标近一周小幅上升，占比高于50%，市场情绪较高 [24][25] - 沪深300上涨家数占比择时跟踪：通过平滑捕捉指标变动，当前沪深300指数未处情绪景气区间，预计未来维持谨慎观点 [26] - 均线情绪指标：以八均线体系判断指数趋势，截至2025年5月16日，沪深300指数处于情绪景气区间 [32] 市场赚钱效应观察 - 横截面波动率：近一周沪深300、中证500、中证1000指数成分股横截面波动率环比下降，短期Alpha环境恶化；近一季度，沪深300、中证1000指数Alpha环境较好，中证500一般 [37] - 时间序列波动率：近一周沪深300指数成分股时间序列波动率环比上升，Alpha环境好转；中证500、中证1000下降，Alpha环境恶化；近一季度，三者Alpha环境较好 [40] 资金面跟踪 机构调研跟踪 - 上周机构调研活动367场，沪市上市公司被调研123次，深市228次，北证16次 [42] - 被调研股票市值方面，小于等于100亿、100 - 200亿、200 - 500亿、大于500亿的上市公司分别被调研241次、75次、33次、18次 [43] - 调研类型以特定对象调研和其他为主，占比70.03%和13.35%；机构类型中，投资公司、基金公司和证券公司调研次数占比依次为6.5%、26.9%和54.5% [43] - 中信一级行业中，机械、电子和基础化工被调研次数较多，上周涨跌幅依次为0.72%、 - 0.69%和1.38% [52] - 个股方面，安集科技、恒而达、耐普矿机、海目星和帝奥微受机构关注程度最高 [3][56] 股指期货跟踪 - 上周IF当月合约涨1.23%，IH当月合约涨1.12%，IC当月合约涨0.33%，IM当月合约涨0.39% [58] - 除上证50外，沪深300、中证500、中证1000指数期货主力合约贴水率环比上升；IF、IC当月合约近一季度基差变化环境不变，IH变差 [61] 南向资金跟踪 - 上周（2025.05.12 - 2025.05.16）南向资金净流出86.85亿港元，沪市港股通净流入49.10亿港元，深市港股通净流出135.95亿港元 [3][72] 融资规模变化跟踪 - 截至2025年5月15日，融资余额为17967.39亿元，较5月9日增加42.93亿元 [75] ETF市场跟踪 - 股票型ETF上周收益中位数0.74%，资金净流出253.70亿元；港股ETF收益中位数1.27%，净流出66.96亿元；跨境ETF收益中位数3.80%，净流出10.81亿元；商品型ETF收益中位数 - 4.71%，净流出43.08亿元 [3][78] - 宽基ETF中，科创板主题ETF资金净流入17.98亿元；行业ETF中，TMT主题ETF资金净流入9.39亿元 [80] 抱团基金分离度跟踪 - 以分离度指标监控基金抱团程度，截至2025年5月16日，基金抱团分离度环比上升，抱团股超额收益环比下降，抱团基金超额收益环比上升 [85]

策略 - 基本面回升是牛市形成的核心驱动力，流动性宽松与产业趋势往往形成共振效应 [4] - 基本面全面改善通常催生全面牛市，结构性改善阶段若与流动性宽松、产业趋势共振也可能孕育牛市 [4] - 未来基本面修复或呈现温和渐进特征，宏微观流动性共振与产业升级有望驱动市场上涨 [4] 金工 - 上周A股延续震荡表现，主要宽基指数量能有所收缩 [5] - ETF资金净流出，市场延续止盈状态 [5] - 当前市场流动性延续宽松背景下，小市值或持续占优 [5] 钢铁 - 工信部修订《钢铁行业规范条件》，实施"规范企业"和"引领型规范企业"两级评价 [6] - 钢铁板块盈利有望修复到历史均值水平，钢铁股PB也有望随之修复 [6] 有色 - 氧化镨钕价格连续三周上涨，关注2025年需求情况 [7] - 锂价已跌至8万元/吨以内，产能后续存在加速出清的可能性 [7] - 钨价格创近10个月新高 [7] - 国内电解铜库存本周低位回升或因前期备货需求透支 [8] - 铜价有望在国内刺激政策出台以及美国降息后逐步上行 [8] 电新公用环保 - 山东及广东省出台136号文实施细则，稳定新能源项目可融资性 [9] - 山东细则增量项目电价要看反映当前情况的现货价，后续竞价会较为激烈 [9] - 广东细则稳定了新能源新增装机的预期，对海风较为友好 [9] 医药 - 外骨骼机器人在医疗康复领域主要应用于脊髓损伤修复、脑卒中偏瘫康复、老龄化辅助三大场景 [9] - 全球外骨骼机器人市场进入高速增长期，中国"十四五"规划将其纳入高端医疗装备重点发展领域 [9] - 多地医保已将部分康复型外骨骼纳入报销范围，商业化有望加速落地 [9]

上周市场表现 - A股延续震荡表现 主要宽基指数量能收缩 上证综指上涨0 76% 上证50上涨1 22% 沪深300上涨1 12% 中证500下跌0 10% 中证1000下跌0 23% 创业板指上涨1 38% 北证50指数上涨3 13% [2] - 交易情绪谨慎 量能择时指标维持谨慎观点 ETF资金净流出253 70亿元 市场延续止盈状态 [2][6] - 大类因子表现呈现反转特征 近三周动量/反转效应快速切换 小市值或持续占优 红利优势仍将维持 "红利+小盘"杠铃组合或为最优选择 [2] 估值分位数 - 宽基指数估值分位数 上证指数 上证50 沪深300 中证500 中证1000处于"适中"等级 创业板指处于"安全"等级 [2] - 中信一级行业估值分位数 有色金属 电力及公用事业 家电 食品饮料 农林牧渔 非银行金融 交通运输处于"安全"等级 [2] 波动率与Alpha环境 - 沪深300 中证500 中证1000指数成分股横截面波动率环比下降 Alpha环境恶化 [3] - 沪深300成分股时间序列波动率环比上升 Alpha环境好转 中证500 中证1000时间序列波动率环比下降 Alpha环境恶化 [3] 资金面跟踪 - 机构调研关注度最高个股 安集科技(241家) 恒而达(237家) 耐普矿机(122家) 海目星(113家) 帝奥微(94家) [4] - 南向资金净流出86 85亿港元 沪市港股通净流入49 10亿港元 深市港股通净流出135 95亿港元 [4] - 股票型ETF收益中位数0 74% 净流出253 70亿元 港股ETF收益中位数1 27% 净流出66 96亿元 跨境ETF收益中位数3 80% 净流出10 81亿元 商品型ETF收益中位数-4 71% 净流出43 08亿元 [6]

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. **沪深300上涨家数占比情绪指标** - 构建思路：通过计算指数成分股的近期正收益个数来判断市场情绪，正收益股票增多可能预示行情底部，大部分股票正收益则可能预示过热风险[25] - 具体构建： $$沪深300指数N日上涨家数占比 = \frac{沪深300成分股过去N日收益>0的个股数}{成分股总数}$$ 使用双窗口平滑（N1=50慢线，N2=35快线），快线上穿慢线时看多市场[26] - 评价：能快速捕捉上涨机会，但对下跌风险预警能力较弱[25] 2. **均线情绪指标** - 构建思路：基于八均线体系（参数8/13/21/34/55/89/144/233）判断趋势状态[32] - 具体构建： - 计算收盘价大于各均线的数量 - 数量≥5时看多，区间值1-3赋值为-1，4-6为0，7-9为1[32][36] - 评价：通过多均线交叉验证增强趋势判断稳定性[32] 量化因子与构建方式 1. **横截面波动率因子** - 构建思路：衡量指数成分股间收益离散程度，反映Alpha机会[37] - 具体构建： $$横截面波动率 = \sqrt{\frac{1}{N}\sum_{i=1}^N (r_i - \bar{r})^2}$$ 其中$r_i$为个股收益，$\bar{r}$为指数平均收益[37] - 评价：高波动率环境更易获取超额收益[37] 2. **时间序列波动率因子** - 构建思路：反映指数成分股自身收益波动幅度[40] - 具体构建： $$时序波动率 = \sqrt{\frac{1}{T}\sum_{t=1}^T (r_t - \mu)^2}$$ 采用加权计算（20日历史波动率）[40] - 评价：波动率上升通常伴随市场活跃度提升[40] 模型的回测效果 1. **沪深300情绪指标** - 当前快线（35日）位于慢线（50日）下方，维持谨慎观点[26] - 近一周上涨家数占比>50%，情绪处于高位[25] 2. **均线情绪指标** - 当前处于情绪景气区间（八均线指标值≥5）[32] - 策略净值3.5倍（2010-2025年回测）[33] 因子的回测效果 1. **横截面波动率** - 沪深300：近一季度1.80%（近两年分位51.66%）[38] - 中证1000：近一季度2.46%（近半年分位65.34%）[38] 2. **时间序列波动率** - 沪深300：近一季度0.57%（近一年分位69.50%）[41] - 中证500：近一季度0.45%（近半年分位65.08%）[41] 注：所有指标取值均截至2025年5月16日[38][41]

量化市场跟踪 - 本周全市场股票池中残差波动率因子和盈利因子分别获取正收益0.55%和0.26%，市值因子和非线性市值因子分别获取负收益-0.48%和-0.31%，市场表现为小市值风格 [2] - 动量因子获取负收益-0.32%，市场表现为反转效应 [2] 单因子表现 沪深300股票池 - 表现较好的因子：单季度净利润同比增长率(1.02%)、单季度EPS(1.00%)、市盈率因子(0.89%) [3] - 表现较差的因子：5日反转(-1.91%)、5日成交量的标准差(-1.45%)、6日成交金额的移动平均值(-1.39%) [3] 中证500股票池 - 表现较好的因子：EPTTM分位点(1.30%)、市净率因子(1.07%)、经营现金流比率(0.97%) [3] - 表现较差的因子：5日反转(-1.40%)、6日成交金额的标准差(-0.65%)、换手率相对波动率(-0.50%) [3] 流动性1500股票池 - 表现较好的因子：早盘后收益因子(2.27%)、动量弹簧因子(1.43%)、市盈率TTM倒数(1.33%) [3] - 表现较差的因子：5日反转(-0.85%)、毛利率TTM(-0.56%)、换手率相对波动率(-0.45%) [3] 因子行业内表现 - 基本面因子在多数行业表现较差，其中净利润增长率因子在煤炭行业正收益显著 [4] - 估值类因子中BP因子在综合行业正收益显著 [4] - 流动性因子在交通运输、美容护理、化工、商业贸易和轻工制造行业正收益显著 [4] - 市值风格上本周多数行业表现为小市值风格 [4] PB-ROE-50组合跟踪 - 中证500股票池中获得超额收益0.88%，中证800股票池中获得超额收益0.43%，全市场股票池中获得超额收益-0.02% [5] 机构调研组合跟踪 - 公募调研选股策略相对中证800获得超额收益-0.55%，私募调研跟踪策略相对中证800获得超额收益0.22% [7] 大宗交易组合跟踪 - 大宗交易组合相对中证全指获得超额收益0.36% [8] 定向增发组合跟踪 - 定向增发组合相对中证全指获得超额收益0.48% [9]

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）双因子筛选股票，选取估值合理且盈利能力强的标的[24] - **模型具体构建过程**： 1. 在全市场股票池中计算PB和ROE指标 2. 对PB升序排序（低估值优先），ROE降序排序（高盈利优先） 3. 综合排名后选取前50只股票构成组合 4. 月频调仓 2. **模型名称**：大宗交易组合 - **模型构建思路**：根据大宗交易数据中的"成交金额比率"和"波动率"因子筛选标的，遵循"高成交、低波动"原则[30] - **模型具体构建过程**： 1. 计算个股大宗交易成交金额占日均成交额比率 2. 计算6日成交金额波动率 3. 选择成交比率高且波动率低的股票 4. 月频调仓 3. **模型名称**：定向增发组合 - **模型构建思路**：以股东大会公告日为节点，结合市值因素和仓位控制构建事件驱动策略[35] - **模型具体构建过程**： 1. 跟踪定向增发预案公告事件 2. 筛选市值适中的标的 3. 控制单行业暴露不超过20% 4. 动态调整持仓周期 模型的回测效果 1. **PB-ROE-50组合**： - 中证500超额收益0.88%（本周），1.02%（年初至今）[25] - 中证800超额收益0.43%（本周），1.66%（年初至今）[25] 2. **大宗交易组合**： - 相对中证全指超额收益0.36%（本周），24.12%（年初至今）[31] 3. **定向增发组合**： - 相对中证全指超额收益0.48%（本周），1.16%（年初至今）[36] 量化因子与构建方式 1. **因子名称**：早盘后收益因子 - **因子方向**：负向（流动性1500股票池）[16] - **因子构建思路**：捕捉开盘后特定时间窗口的收益异常现象 - **因子评价**：在中小盘股票中表现突出 2. **因子名称**：动量弹簧因子 - **因子方向**：正向（全市场）[13] - **因子构建思路**：结合动量效应与均值回复特性 - **因子评价**：在波动市场中具有较强适应性 3. **因子名称**：EPTTM分位点 - **因子方向**：正向（中证500）[14] - **因子构建思路**：计算盈利价格比在行业内的相对位置 因子的回测效果 1. **早盘后收益因子**： - 流动性1500股票池周收益2.27%，年化收益19.60%[17] 2. **动量弹簧因子**： - 沪深300股票池周收益0.59%，年化收益11.11%[13] - 流动性1500股票池周收益1.43%，年化收益22.03%[17] 3. **EPTTM分位点**： - 中证500股票池周收益1.30%，年化收益13.19%[14] 大类因子表现 1. **残差波动率因子**：全市场周收益0.55%[18] 2. **盈利因子**：全市场周收益0.26%[18] 3. **市值因子**：全市场周收益-0.48%[18] 4. **动量因子**：全市场周收益-0.32%[18]

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. **中证2000指数选股模型** - **构建思路**：通过剔除中证800和中证1000指数成分股，并筛选小微市值股票构建指数，反映A股小微市值上市公司整体表现[36] - **具体构建过程**： 1. 样本空间：同中证全指指数 2. 剔除规则：去除中证800、中证1000成分股及过去一年日均总市值前1500名的证券 3. 选样标准：从剩余证券中按过去一年日均总市值由高到低选取前2000只 4. 指数计算： $$报告期指数=\frac{报告期样本的调整市值}{除数}×1000$$ 其中调整市值=∑(证券价格×调整股本数×权重因子)，权重因子限制在0-1之间且单样本权重≤10%[36] - **模型评价**：聚焦科技制造细分领域，具有小微市值风格显著、研发投入占比高的特点[36][50] 2. **流动性-小盘股相对收益模型** - **构建思路**：通过Shibor利率与信用利差变化预测小盘股相对优势[12][18] - **具体构建过程**： 1. 观测Shibor利率下行幅度（如2025年5月DR007下行19BP）[11] 2. 计算产业债/民企信用利差与中证2000指数超额收益的负相关性（R≈-0.7）[18][21] 3. 结合政策宽松信号（如降准0.5个百分点释放1万亿流动性）形成多因子信号[13] 量化因子与构建方式 1. **小微市值因子** - **构建思路**：捕捉自由流通市值小于50亿元的股票超额收益[37] - **具体构建过程**： 1. 计算成分股自由流通市值分布（82.89%权重集中在<50亿元区间）[37] 2. 设置阈值：剔除总市值>100亿元的股票（仅占10.16%）[37] 2. **研发强度因子** - **构建思路**：通过研发费用占比识别创新动能强的企业[60] - **具体构建过程**： 1. 计算研发费用占营业收入比： $$研发强度=\frac{研发费用}{营业收入}×100\%$$ 2024年中证2000指数该指标达3.19%[61] 2. 横向对比：较中证1000指数（2.8%）高出39BP[63] 3. **毛利率因子** - **构建思路**：筛选盈利能力持续优于同业的企业[55] - **具体构建过程**： 1. 计算滚动TTM销售毛利率（2025Q1达17.62%）[55] 2. 建立行业中性化标准：比国证2000指数高8BP[55] 模型与因子的回测效果 1. **中证2000指数模型** - 近5年累计收益34.87%，超额中证1000指数29.93%[69] - 年化波动率26.86%，最大回撤-40.70%[71] - 夏普比率0.72（近1年）[74] 2. **小微市值因子** - 在2024-2025年宽松周期中，20-50亿元市值区间股票年化超额收益19.41%[74] 3. **研发强度因子** - 研发费用率>3%的股票组合近1年跑赢基准13.26%[80] 4. **毛利率因子** - 毛利率TOP30%组合相对中证全指年化超额4.8%[55] （注：部分图表数据因文档内容限制未完全提取，如PB分位数89.23%[59]、信用利差具体数值等未在原文明确公式化）