量化模型与构建方式 1. **模型名称**：DFQ-FactorGCL - **模型构建思路**：基于超图卷积神经网络和时间残差对比学习的股票收益预测模型[6] - **模型具体构建过程**：未详细描述 2. **模型名称**：DFQ-FactorVAE-pro - **模型构建思路**：加入特征选择与环境变量模块的FactorVAE模型[6] - **模型具体构建过程**：未详细描述 3. **模型名称**：Neural ODE - **模型构建思路**：时序动力系统重构下深度学习因子挖掘模型[6] - **模型具体构建过程**：未详细描述 量化因子与构建方式 1. **因子名称**：Beta风格因子 - **因子构建思路**：衡量股票对市场波动的敏感性，基于贝叶斯压缩后的市场Beta[16] - **因子具体构建过程**：$$Beta = \text{贝叶斯压缩后的市场Beta}$$[16] - **因子评价**：近期表现突出，市场对高Beta股票偏好稳定[11][13] 2. **因子名称**：UMR因子（一个月UMR） - **因子构建思路**：风险调整后的动量因子，基于一个月窗口计算[21] - **因子具体构建过程**：未详细描述 - **因子评价**：在中证全指样本空间中表现最佳[47] 3. **因子名称**：DELTAROA - **因子构建思路**：单季总资产收益率同比变化[21] - **因子具体构建过程**：$$DELTAROA = \text{单季总资产收益率} - \text{去年同期总资产收益率}$$[21] - **因子评价**：在中证1000样本空间中表现最佳[36] 4. **因子名称**：非流动性冲击 - **因子构建思路**：衡量股票流动性风险，基于过去20个交易日日度涨跌幅绝对值比成交额的均值[21] - **因子具体构建过程**：$$ILLIQ\_1M = \frac{\sum_{t=1}^{20} |r_t|}{V_t}$$[21] - **因子评价**：在国证2000样本空间中表现最佳[39] 5. **因子名称**：预期PEG - **因子构建思路**：一致预期滚动PE与个股滚动净利复合增长率的比值[21] - **因子具体构建过程**：$$TTM\_FPEG = \frac{\text{一致预期滚动PE}}{\text{个股滚动净利复合增长率}}$$[21] - **因子评价**：在沪深300样本空间中表现最佳[24] 6. **因子名称**：一年动量 - **因子构建思路**：剔除近1个月的过去一年涨跌幅[21] - **因子具体构建过程**：$$MOMENTUM\_1Y = \sum_{t=2}^{12} r_t$$[21] - **因子评价**：在中证500样本空间中表现最佳[28] 模型的回测效果 1. **DFQ-FactorGCL模型**：未提供具体回测数据 2. **DFQ-FactorVAE-pro模型**：未提供具体回测数据 3. **Neural ODE模型**：未提供具体回测数据 因子的回测效果 1. **Beta风格因子**： - 近一周收益：0.88%[13] - 近一月收益：5.18%[13] - 今年以来收益：21.07%[13] 2. **一个月UMR因子**： - 近一周收益：1.82%[47] - 近一月收益：1.49%[47] - 今年以来收益：6.19%[47] 3. **DELTAROA因子**： - 近一周收益：0.63%[36] - 近一月收益：1.57%[36] - 今年以来收益：8.06%[36] 4. **非流动性冲击因子**： - 近一周收益：1.26%[39] - 近一月收益：1.99%[39] - 今年以来收益：12.11%[39] 5. **预期PEG因子**： - 近一周收益：0.75%[24] - 近一月收益：2.07%[24] - 今年以来收益：7.23%[24] 6. **一年动量因子**： - 近一周收益：0.84%[28] - 近一月收益：2.33%[28] - 今年以来收益：3.83%[28] 附录 - **MFE组合构建方式**：通过线性规划最大化单因子暴露，控制行业、风格等约束[63] - 目标函数：$$max\ f^{T}w$$[63] - 约束条件：风格偏离、行业偏离、换手率等[63]

根据提供的研报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. **模型名称**：中欧中证500指数增强模型 - **模型构建思路**：通过量化投资方法进行积极的投资组合管理与风险控制，在控制跟踪误差的基础上追求超越标的指数的回报[76]。 - **模型具体构建过程**： 1. 股票筛选：投资于中证500指数成份股及其备选成份股的资产不低于非现金基金资产的80%[76]。 2. 行业配置：允许在紧密跟踪指数的条件下进行一定的行业偏离，但整体偏离幅度较小[72]。 3. 风格暴露：在盈利、成长等因子上超配，在市值等因子上低配[68]。 4. 风险控制：控制基金净值增长率与业绩比较基准之间的日均跟踪偏离度的绝对值不超过0.5%，年跟踪误差不超过8%[76]。 - **模型评价**：模型在控制跟踪误差的同时，能够稳定获取超额收益，超额来源主要依靠优秀的选股能力[73]。 模型的回测效果 1. **中欧中证500指数增强模型**： - 年化收益率：9.33%[49] - 年化超额回报：8.40%[48] - 年化信息比率（IR）：2.26[48] - 年化跟踪误差：3.87%[57] - 最大回撤：22.46%[49] - 月度超额胜率：76.92%[61] 量化因子与构建方式 1. **因子名称**：盈利因子 - **因子构建思路**：筛选高盈利能力的股票，以获取超额收益[68]。 - **因子具体构建过程**：根据财报数据计算ROE、ROA等盈利指标，筛选盈利水平高于行业平均的股票[68]。 2. **因子名称**：成长因子 - **因子构建思路**：筛选高成长性的股票，以获取超额收益[68]。 - **因子具体构建过程**：根据一致预期数据计算归母净利润增长率，筛选成长性高于行业平均的股票[17]。 3. **因子名称**：市值因子 - **因子构建思路**：筛选小市值股票，以获取超额收益[68]。 - **因子具体构建过程**：根据自由流通市值数据，筛选市值低于行业中位数的股票[68]。 因子的回测效果 1. **盈利因子**： - 在基金持仓中超配，贡献了部分超额收益[68]。 2. **成长因子**： - 在基金持仓中超配，贡献了部分超额收益[68]。 3. **市值因子**： - 在基金持仓中低配，但小市值风格仍贡献了部分超额收益[68]。 其他关键指标 - **中证500指数估值**：市盈率30.78倍，市净率2.06倍，处于历史低位[8]。 - **中证500指数风格暴露**：中市值、高流动性、高Beta[29]。 - **中证500指数行业分布**：行业均衡，前十大行业累计权重73%[20]。 - **中证500指数成份股分散度**：前十大成份股累计权重仅5.75%[21]。

指数增强组合表现 - 沪深300指数增强组合本周超额收益0.86%，本年超额收益10.78% [6] - 中证500指数增强组合本周超额收益0.16%，本年超额收益11.24% [6] - 中证1000指数增强组合本周超额收益-0.29%，本年超额收益15.73% [6] - 中证A500指数增强组合本周超额收益0.29%，本年超额收益11.42% [6] 选股因子表现跟踪 - 沪深300成分股中DELTAROE、预期PEG、预期EPTTM等因子表现较好 [7] - 中证500成分股中一年动量、预期净利润环比、一个月反转等因子表现较好 [9] - 中证1000成分股中DELTAROA、单季净利同比增速、单季超预期幅度等因子表现较好 [11] - 中证A500指数成分股中预期PEG、DELTAROE、预期EPTTM等因子表现较好 [14] - 公募基金重仓股中DELTAROE、一个月反转、DELTAROA等因子表现较好 [16] 公募基金指数增强产品表现跟踪 - 沪深300指数增强产品本周超额收益最高0.82%，最低-0.24%，中位数0.26% [20] - 中证500指数增强产品本周超额收益最高0.95%，最低-0.73%，中位数0.14% [22] - 中证1000指数增强产品本周超额收益最高0.69%，最低-0.64%，中位数-0.02% [25] - 中证A500指数增强产品本周超额收益最高0.85%，最低-0.33%，中位数0.34% [27] 公募基金指数增强产品数量及规模 - 沪深300指数增强产品共有70只，总规模合计770亿元 [19] - 中证500指数增强产品共有71只，总规模合计432亿元 [19] - 中证1000指数增强产品共有46只，总规模合计150亿元 [19] - 中证A500指数增强产品共有52只，总规模合计205亿元 [19] 因子MFE组合构建方式 - 采用组合优化的方式来检验控制了各种实际约束后单因子的有效性 [31] - 目标函数为最大化单因子暴露，约束条件包括风格暴露、行业偏离、个股权重偏离等 [29] - 设置个股相对于其基准指数中权重的偏离幅度为0.5%-1% [30] 公募重仓指数构建方式 - 通过基金的定期报告获取基金持股信息，将符合条件基金的持仓股票权重平均获得公募基金平均持仓信息 [32] - 选取累计权重达到90%的股票作为成分股来构建公募基金重仓指数 [32]

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[11] - **模型具体构建过程**： 1. **收益预测**：基于30余个因子（估值、反转、成长等）构建股票收益预测模型 2. **风险控制**：约束行业暴露、风格暴露、个股权重偏离等（如行业中性、市值中性） 3. **组合优化**：采用组合优化模型最大化因子暴露，控制换手率和成分股权重占比[39][40] - **模型评价**：通过MFE组合验证因子有效性，兼顾实际投资约束条件下的稳定性 2. **模型名称**：单因子MFE组合 - **模型构建思路**：在给定基准指数下，通过组合优化最大化单因子暴露，控制行业、风格等约束以检验因子实际有效性[39] - **模型具体构建过程**： - 优化目标函数： $$max\ f^{T}w$$ 约束条件包括： - 风格暴露限制：$$s_{l}\leq X(w-w_{b})\leq s_{h}$$ - 行业偏离限制：$$h_{l}\leq H(w-w_{b})\leq h_{h}$$ - 个股权重偏离限制：$$w_{l}\leq w-w_{b}\leq w_{h}$$ - 成分股权重占比控制：$$b_{l}\leq B_{b}w\leq b_{h}$$ - 禁止卖空及权重上限：$$\mathbf{0}\leq w\leq l$$ - 满仓约束：$$\mathbf{1}^{T}w=1$$[39][40] - **模型评价**：更贴近实际投资场景，避免传统分档检验的偏差 --- 量化因子与构建方式 1. **因子名称**：DELTAROE - **因子构建思路**：衡量企业净资产收益率的同比变化，反映盈利能力的改善[16] - **因子具体构建过程**： $$DELTAROE = ROE_{t} - ROE_{t-1}$$ 其中$$ROE$$为单季度归母净利润*2/（期初归母净资产+期末归母净资产）[16] - **因子评价**：在沪深300和中证A500样本中表现稳健，近期超额收益显著 2. **因子名称**：预期PEG - **因子构建思路**：结合估值与成长性，反映未来盈利增长的性价比[16] - **因子具体构建过程**： $$预期PEG = \frac{PE}{一致预期净利润增长率}$$ 其中PE为滚动市盈率，增长率来自分析师一致预期[16] - **因子评价**：在成长风格占优的市场中表现突出 3. **因子名称**：三个月反转 - **因子构建思路**：捕捉短期价格反转效应[16] - **因子具体构建过程**： $$三个月反转 = -\sum_{i=1}^{60} r_{i}$$ $$r_{i}$$为过去60个交易日的日收益率[16] - **因子评价**：近期在沪深300样本中表现较差，但在中证500中有效性分化 4. **因子名称**：特异度 - **因子构建思路**：衡量个股收益脱离市场共同因子的程度[16] - **因子具体构建过程**： $$特异度 = 1-R^{2}$$ $$R^{2}$$为Fama-French三因子回归的拟合度[16] - **因子评价**：在小盘股样本（如中证1000）中区分度较高 --- 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0.86%，本年超额10.78%[13] - 中证500增强：本周超额0.16%，本年超额11.24%[13] - 中证1000增强：本周超额-0.29%，本年超额15.73%[13] - 中证A500增强：本周超额0.29%，本年超额11.42%[13] 2. **单因子MFE组合（沪深300样本）**： - DELTAROE：本周超额0.75%，年化IR 3.98%[18] - 预期PEG：本周超额0.72%，年化IR 3.31%[18] - 三个月反转：本周超额-0.35%，年化IR 1.09%[18] --- 因子的回测效果 1. **DELTAROE因子**： - 沪深300样本：本周超额0.75%，年化IR 3.98%[18] - 中证500样本：本周超额0.07%，年化IR 7.68%[20] - 公募重仓样本：本周超额0.87%，年化IR 3.90%[26] 2. **预期PEG因子**： - 沪深300样本：本周超额0.72%，年化IR 3.31%[18] - 中证A500样本：本周超额0.85%，年化IR 1.77%[24] 3. **三个月反转因子**： - 沪深300样本：本周超额-0.35%，年化IR 1.09%[18] - 中证500样本：本周超额-0.61%，年化IR -0.05%[20] --- 注：所有因子计算方式及测试结果均来自研报原文[16][18][20][24][26]，未包含免责声明或风险提示内容。

行业趋势与产品表现 - 指数增强基金结合被动跟踪与主动管理优势 成为资管市场新增长极 具备低成本 高透明和风格稳定特性 同时通过量化模型追求超额收益 [1] - 今年以来新成立指增基金83只 创历史纪录 近10只产品超额收益率超过5% 基金规模显著增长 [1] - 国内被动指数型基金总规模达3.55万亿元 同比增长40% 一年内增长1.42万亿元 [2] - 主流指数增强产品年化超额收益率普遍在3%-8%区间 波动率中位数低于对应ETF [2] 华商基金产品布局 - 构建覆盖宽基与科创赛道的指数增强产品矩阵 包括行业首批获批基金 [2] - 科创领域布局上证科创板综合指数增强和上证科创板100指数增强 聚焦半导体 医药 电力设备等尖端科技企业 [2] - 宽基领域形成梯度覆盖：中证A500指数增强聚焦中盘成长 中证500指数增强深耕中小盘价值 中证800指数增强覆盖800只核心标的 总市值近70万亿元 [3] - 华商基金是首批获得中证A500指数增强型基金资格的四家基金公司之一 其产品为4只获批基金中最早发行 [3] - 沪深300指数增强于8月4日正式发行 实现从科创到宽基 从小盘到大盘的全场景覆盖 [3] 量化投资体系 - 采用量化多因子选股框架 基于超300个因子 涵盖宏观 基本面 价量和另类信息 [4] - 通过主观逻辑加人工挖掘主导因子挖掘 形成完善挖掘 合成 回测 优化与风险控制体系 [4] - 应用AI技术构建大模型机器人 将机器学习应用于价量数据挖掘 实现多模型协同优化 [4] - 行业配置采用行业轮动策略 结合估值 景气度 拥挤度等因素长期判断 并对市场拐点和交易因素短期监控 周频调仓 [5] - 风格配置采用风格轮动策略 包括成长价值轮动和大小盘轮动 [5] 投资团队构成 - 量化投资总监邓默拥有14年证券从业经验 近10年证券投资经验 采用均衡配置型风格 以量化模型为主线 重点关注成长和盈利因子 同时考虑估值 [5] - 艾定飞拥有11年证券从业经历 曾任职高盛集团 擅长将AI算法与量化模型结合 以深度学习优化组合构建 产品在波动市中控制回撤和捕捉超额特点显著 [6] - 海洋深耕量化研究多年 专注行业比较与轮动 善于挖掘产业周期向上赛道 产品平衡成长风格与风险控制 [6] 公司业绩与资质 - 主动权益类产品近7年收益147.27% 行业排名3/115 主动固收类产品收益75.14% 行业排名1/103 [7] - 获得天相投顾2025年二季度基金管理人三年期综合评级5A评级 并以最高综合得分位列首位 同时在主动股混和主动债券细分领域均获5A评级 [7] - 公司成立于2005年 坚持稳健发展思路 以主动管理能力为核心竞争力 形成股债双优的主动管理能力 [7]

中证2000指数表现 - 中证2000指数年内涨幅超过22% 表现显著优于沪深300指数 [1] - 中证2000指数成分股覆盖机器人 人工智能 低空经济 创新药等热门赛道 [5] 中证2000增强ETF（159552）表现 - 该ETF年内收益率达43.36% 规模暴增31倍 位居同类第一 [1][6] - 120日收益率30.26% 250日收益率101.29% 52周价格区间为0.92-1.87 [2] - 近期出现单日1500万份额申购 对应资金规模约2800万元 [1][2] 小盘股市场动态 - 两融余额接近2万亿元 杠杆资金集中流向小微盘板块 [3] - 小微盘股日均成交额仅千万级别 资金推动效率显著高于大盘股 [3] - 市场缩量时资金从大盘蓝筹转向小微盘 因阻力较小 [3] 指数增强策略优势 - 中证2000增强ETF（159552）和1000ETF增强（159680）超额收益达10个百分点 [6] - 量化增强策略通过捕捉超额α降低小盘股投资风险 [5] - 中证2000增强ETF定位小微盘冲锋 1000ETF增强定位中小盘稳定 [6] 市场估值状况 - 小盘指数估值处于历史高位 超过80%时间段的估值水平 [6] - 量能缩减可能导致风险 建议逢回调低吸或小额定投 [6]

产品信息 - 华商基金于2025年8月4日推出华商沪深300指数增强基金 A类代码024313 C类代码024314 募集期为2025年8月4日至8月15日 [1][7] - 该基金由邓默博士和艾定飞博士共同管理 采用量化选股模型结合主动管理优势 在紧密跟踪沪深300指数基础上追求超额收益 [1][4][5] 指数特征 - 沪深300指数涵盖沪深两市300家市值大流动性好的龙头企业 前三大行业为金融工业信息技术 合计权重57.6% 呈现周期+防御+成长的组合特征 [1] - 截至2025年7月31日 沪深300指数市盈率从2021年2月17.4倍降至13.19倍 处于近10年70%分位点 股息率达2.8% 具备估值和股息双重吸引力 [3] 投资策略 - 采用自主研发量化选股模型 结合金融市场大数据挖掘与数量统计分析 在保持指数跟踪前提下构建增强组合 [4] - 通过定量与定性分析相结合 在不同价格场景使用不同选股逻辑 并运用深度学习算法进行组合优化 [4][5] 管理团队 - 邓默博士任量化投资总监 拥有14.1年证券从业经历 其中9.8年投资经验 管理多只量化基金 投资风格均衡配置 [4][7] - 艾定飞博士任量化投资部总经理助理 拥有10.9年证券从业经历 其中6.6年投资经验 专注多因子选股与深度学习模型 [5][7] 市场展望 - 当前市场估值处于合理水平 流动性充裕 有利于多因子量化模型发挥效果 [6] - 通过分散配置控制跟踪误差 在小幅偏离基准范围内追求超额收益 [6] 公司实力 - 华商基金主动权益类基金近7年绝对收益排名同业第3/115家 近5年排名第8/137家 体现持续优异的主动管理能力 [6][8]

根据研报内容，以下是量化模型与因子的详细总结： 量化因子与构建方式 1. **Beta因子** - 构建思路：衡量个股相对于市场指数的系统性风险[15] - 具体构建： $$BETA = \text{半衰期63日的加权回归系数（个股日收益率 vs 中证全指日收益率）}$$ 使用过去252个交易日数据，半衰指数加权[15] - 评价：近期表现突出，反映市场对高波动性股票的偏好[16] 2. **杠杆因子** - 构建思路：综合评估公司财务杠杆水平[15] - 具体构建： $$MLEV = \frac{\text{非流动负债}}{\text{总市值}}$$ $$DTOA = \frac{\text{总负债}}{\text{总资产}}$$ $$BLEV = \frac{\text{非流动负债}}{\text{归属母公司股东权益}}$$ 最终因子值为三者均值[15] - 评价：近期低杠杆股票表现更优，显示市场风险偏好下降[16] 3. **成长因子** - 构建思路：综合营收与利润增长指标[15] - 具体构建： $$SGRO = \text{过去5年营收回归斜率/均值}$$ $$EGRO = \text{过去5年净利润回归斜率/均值}$$ 最终因子值为二者均值[15] 4. **标准化预期外盈利因子** - 构建思路：捕捉盈利超预期程度[19] - 具体构建： $$\text{标准化值} = \frac{\text{实际盈利}-(\text{去年同期值+8季度增长均值})}{\text{8季度增长标准差}}$$ 5. **240日三因子模型残差波动率** - 构建思路：衡量个股特异性风险[19] - 具体构建： $$\text{Fama-French三因子回归残差的标准差（240日窗口）}$$ 因子回测效果 | 因子名称 | 近一周多空收益 | 近一月多空收益 | 近一年净值 | 近十年净值 | |---------------------------|----------------|----------------|------------|------------| | Beta因子 | 1.86% | 1.64% | - | - | [16] | 杠杆因子 | -3.07% | -1.58% | - | - | [16] | 单季度ROA（沪深300） | 0.98% | 2.61% | 9.49% | 3.69% | [22] | 标准化预期外收入（中证800）| 1.23% | 2.96% | 4.76% | 4.43% | [31] | 对数市值（全市场） | 16.93% Rank IC | 5.24% Rank IC | 7.00% | 2.89% | [45] 中性化组合构建方法 - **核心逻辑**：在行业和风格暴露中性的约束下最大化目标因子暴露[20] - **约束条件**：行业权重与基准一致，控制规模/估值/成长等风格因子暴露[20] - **优化目标函数**： $$\max \ w^T f \quad \text{s.t.} \quad \|w\|_2 \leq \delta, \ w^T X = 0$$ 其中$f$为因子值，$X$为行业和风格暴露矩阵[20] 关键发现 1. 近期小市值因子在全市场表现强劲（Rank IC 16.93%）[45] 2. 质量类因子（如ROA、ROE）在沪深300池中长期稳定有效[22][31] 3. 技术类波动率因子（如20日换手率波动）在全市场Rank IC达11.65%[45] 注：所有测试均采用中证全指成分股，周度调仓，未考虑交易费用[15]

指数增强组合表现 - 沪深300指数增强组合本周超额收益0.47%，本年超额收益9.69% [8] - 中证500指数增强组合本周超额收益0.92%，本年超额收益10.86% [8] - 中证1000指数增强组合本周超额收益0.08%，本年超额收益15.70% [8] - 中证A500指数增强组合本周超额收益1.00%，本年超额收益10.95% [8] 选股因子表现 - 沪深300成分股中单季ROA、标准化预期外收入、单季营收同比增速等因子表现较好 [1] - 中证500成分股中标准化预期外收入、单季净利同比增速、标准化预期外盈利等因子表现较好 [1] - 中证1000成分股中标准化预期外收入、标准化预期外盈利、单季营收同比增速等因子表现较好 [1] - 中证A500指数成分股中单季ROA、DELTAROA、DELTAROE等因子表现较好 [1] - 公募基金重仓股中DELTAROA、预期PEG、标准化预期外盈利等因子表现较好 [1] 公募基金指数增强产品表现 - 沪深300指数增强产品本周超额收益最高1.58%，最低-0.61%，中位数0.13% [1] - 中证500指数增强产品本周超额收益最高1.06%，最低-0.83%，中位数0.16% [1] - 中证1000指数增强产品本周超额收益最高1.08%，最低-0.54%，中位数0.21% [1] - 中证A500指数增强产品本周超额收益最高0.86%，最低-0.58%，中位数0.09% [1] 公募基金指数增强产品规模 - 沪深300指数增强产品共有70只，总规模合计770亿元 [21] - 中证500指数增强产品共有71只，总规模合计432亿元 [21] - 中证1000指数增强产品共有46只，总规模合计150亿元 [21] - 中证A500指数增强产品共有52只，总规模合计205亿元 [21] 因子MFE组合构建方式 - 采用组合优化模型构建最大化单因子暴露组合，目标函数为最大化单因子暴露 [32] - 约束条件包括风格暴露、行业暴露、个股权重偏离、成分股内权重占比等 [34] - 对于中证500及沪深300指数，控制MFE组合相对于基准在中信一级行业上相对暴露为0 [34]

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[9][10] - **模型具体构建过程**： 1. **收益预测**：基于30余个因子（估值、反转、成长等）构建复合信号 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%）[38][39] 3. **组合优化**：采用目标函数最大化因子暴露，约束条件包括： $$ \begin{array}{ll} max & f^{T}w \\ s.t. & s_{l} \leq X(w-w_{b}) \leq s_{h} \\ & h_{l} \leq H(w-w_{b}) \leq h_{h} \\ & w_{l} \leq w-w_{b} \leq w_{h} \\ & b_{l} \leq B_{b}w \leq b_{h} \\ & \mathbf{0} \leq w \leq l \\ & \mathbf{1}^{T}w = 1 \end{array} $$ 其中$f$为因子向量，$w$为权重，$X$为风格暴露矩阵，$H$为行业暴露矩阵[38][39] 量化因子与构建方式 1. **因子名称**：单季ROA - **构建思路**：衡量企业单季度总资产收益率，反映短期盈利能力[15] - **具体构建**： $$ \text{单季ROA} = \frac{\text{单季度归母净利润} \times 2}{\text{期初总资产 + 期末总资产}} $$ - **因子评价**：在沪深300和中证A500中近期表现突出，稳定性较高[17][23] 2. **因子名称**：标准化预期外收入（SUR） - **构建思路**：衡量实际收入与预期收入的偏离程度[15] - **具体构建**： $$ SUR = \frac{\text{单季度实际营业收入 - 预期营业收入}}{\text{预期营业收入标准差}} $$ - **因子评价**：在中证500和中证1000中近期有效性显著[19][21] 3. **因子名称**：DELTAROA - **构建思路**：反映企业盈利能力同比改善[15] - **具体构建**： $$ DELTAROA = \text{当期单季ROA} - \text{去年同期单季ROA} $$ - **因子评价**：在公募重仓指数中持续有效[25] 4. **因子名称**：三个月反转 - **构建思路**：捕捉短期价格反转效应[15] - **具体构建**： $$ \text{三个月反转} = -\text{过去60交易日涨跌幅} $$ - **因子评价**：近期在沪深300和中证1000中表现较差[17][21] 模型回测效果 1. **国信金工指数增强组合**： - 沪深300增强：本周超额0.47%，本年9.69%[12] - 中证500增强：本周超额0.92%，本年10.86%[12] - 中证1000增强：本周超额0.08%，本年15.70%[12] - 中证A500增强：本周超额1.00%，本年10.95%[12] 2. **公募指数增强产品**： - 沪深300增强：中位数本周0.13%，本年2.94%[30] - 中证500增强：中位数本周0.16%，本年4.27%[32] - 中证1000增强：中位数本周0.21%，本年7.21%[34] 因子回测效果 1. **沪深300样本空间**： - 单季ROA：本周1.09%，年化IR 3.43%[17] - 标准化预期外收入：本周0.73%，年化IR 4.58%[17] - 三个月反转：本周-0.53%，年化IR 1.13%[17] 2. **中证1000样本空间**： - 标准化预期外盈利：本周1.00%，年化IR 8.89%[21] - 一个月波动：本周-1.14%，年化IR 2.44%[21] 3. **公募重仓样本空间**： - DELTAROA：本周1.12%，年化IR 4.03%[25] - 预期PEG：本周0.94%，年化IR 1.72%[25] 注：所有因子测试均通过MFE组合构建，控制行业/风格中性[38][39]