量化模型与构建方式 1. **模型名称：GAN_GRU模型** - **模型构建思路**：结合生成式对抗网络（GAN）和门控循环单元（GRU）的深度学习模型，通过GAN处理量价时序特征后，利用GRU进行时序编码生成选股因子[9][10] - **模型具体构建过程**： 1. **数据输入**：18个量价特征（如收盘价、成交量等），采样形状为40*18（过去40天的特征）[13][14] 2. **GAN部分**： - 生成器（LSTM）：输入原始量价特征（40,18），输出生成的特征（40,18）[29][32] - 判别器（CNN）：处理二维时序特征，损失函数为： $$L_{D}=-\mathbb{E}_{x\sim P_{d a t a}(x)}[\log\!D(x)]-\mathbb{E}_{z\sim P_{z}(z)}[\log(1-D(G(z)))]$$ 生成器损失函数为： $$L_{G}\,=\,-\mathbb{E}_{z\sim P_{z}(z)}[\log(D(G(z)))]$$[20][23] 3. **GRU部分**：两层GRU(128,128) + MLP(256,64,64)，输出预测收益pRet作为因子[18] 4. **训练细节**：半年度滚动训练，Adam优化器，学习率1e-4，损失函数为IC[14] - **模型评价**：通过对抗训练提升特征生成能力，保留时序性质的同时增强特征逼真度[26][29] --- 模型的回测效果 1. **GAN_GRU模型** - **IC均值**：11.54%（全A股，2019-2025）[36] - **ICIR**：0.89[37] - **年化超额收益率**：24.95%[37] - **信息比率（IR）**：1.56[37] - **最大回撤**：27.29%[37] - **最新一期IC**：8.34%（2025年6月）[36] - **行业表现**：建筑装饰、公用事业等行业IC均值最高（19.68%、17.15%）[37][39] --- 量化因子与构建方式 1. **因子名称：GAN_GRU因子** - **因子构建思路**：基于GAN_GRU模型输出的预测收益pRet，经行业市值中性化+标准化处理后作为选股因子[18][36] - **因子具体构建过程**： 1. 模型输出预测收益pRet 2. 截面标准化+行业市值中性化处理[18] - **因子评价**：在全A股范围内表现稳定，行业适应性较强[36][40] --- 因子的回测效果 1. **GAN_GRU因子** - **多头组合超额收益**： - 家用电器行业最高（7.27%单月，5.90%近一年）[40][41] - 全行业近一年均跑赢基准[40] - **行业IC排名**：建筑装饰（26.10%单月）、基础化工（25.43%）[37][39] - **换手率**：0.83[37] --- 多头组合示例（2025年6月） - **前十个股**：凤凰传媒、川投能源、海尔智家等[42][44] - **行业排名第一个股**：中国电建（建筑装饰）、宝信软件（计算机）等[42]

量化因子与构建方式 1. **因子名称：日内高频偏度因子** - 构建思路：衡量股票日内收益分布的偏度特征[4] - 具体构建过程：参考专题报告《选股因子系列研究(十九)——高频因子之股票收益分布特征》，对常规因子进行正交化处理[10] 2. **因子名称：日内下行波动占比因子** - 构建思路：分解已实现波动中的下行波动部分占比[4] - 具体构建过程：参考《选股因子系列研究（二十五）——高频因子之已实现波动分解》[14] 3. **因子名称：开盘后买入意愿占比因子** - 构建思路：捕捉开盘后市场买入意愿的占比特征[4] - 具体构建过程：基于高频数据低频化方法，参考《选股因子系列研究（六十四）》[17] 4. **因子名称：开盘后买入意愿强度因子** - 构建思路：量化开盘后买入意愿的强度[4] - 具体构建过程：同开盘后买入意愿占比因子，但侧重强度计算[21] 5. **因子名称：开盘后大单净买入占比因子** - 构建思路：分析开盘后大单净买入的占比[4] - 具体构建过程：未披露详细公式，但需正交化处理[25] 6. **因子名称：改进反转因子** - 构建思路：优化传统反转因子的计算逻辑[4] - 具体构建过程：未披露具体公式[36] 7. **因子名称：尾盘成交占比因子** - 构建思路：衡量尾盘成交量在总成交中的占比[4] - 具体构建过程：未披露详细公式[37] 8. **因子名称：深度学习因子（改进GRU(50,2)+NN(10)）** - 构建思路：结合GRU神经网络与全连接层预测收益[4] - 具体构建过程：使用GRU(50,2)提取时序特征，NN(10)输出预测值[52] 9. **因子名称：多颗粒度模型（5日标签）** - 构建思路：基于双向AGRU训练多时间颗粒度标签[57] - 具体构建过程：采用5日收益标签训练模型[60] 10. **因子名称：多颗粒度模型（10日标签）** - 构建思路：同5日标签模型，但标签周期延长至10日[60] 因子回测效果 1. **日内高频偏度因子** - 上周多空收益：-0.51% - 6月多空收益：1.48% - 2025年多空收益：14.73%[4] 2. **日内下行波动占比因子** - 上周多空收益：-0.04% - 6月多空收益：1.86% - 2025年多空收益：12.84%[4] 3. **开盘后买入意愿占比因子** - 上周多空收益：0.77% - 6月多空收益：1.85% - 2025年多空收益：11.44%[4] 4. **改进GRU(50,2)+NN(10)因子** - 上周多空收益：0.70% - 6月多空收益：3.58% - 2025年多空收益：19.78%[4] 5. **多颗粒度模型（5日标签）** - 上周多空收益：1.56% - 6月多空收益：5.97% - 2025年多空收益：35.45%[4] 量化模型与构建方式 1. **模型名称：中证500 AI增强宽约束组合** - 构建思路：基于多颗粒度模型因子，最大化预期收益[61] - 具体构建过程：目标函数为$$ \max \sum w_i \mu_i $$，其中$w_i$为权重，$\mu_i$为预期超额收益[67] - 约束条件：个股权重≤1%，行业偏离≤1%，市值暴露≤0.3[62] 2. **模型名称：中证1000 AI增强严约束组合** - 构建思路：同中证500模型，但约束更严格[61] - 具体构建过程：增加ROE、SUE等基本面约束[62] 模型回测效果 1. **中证500 AI增强宽约束组合** - 上周超额收益：-0.25% - 6月超额收益：-0.36% - 2025年超额收益：7.95%[10] 2. **中证1000 AI增强严约束组合** - 上周超额收益：-0.21% - 6月超额收益：0.60% - 2025年超额收益：12.99%[10]

指数增强组合表现 - 沪深300指数增强组合本周超额收益-0 11%，本年超额收益6 68% [1][5] - 中证500指数增强组合本周超额收益-0 18%，本年超额收益7 95% [1][5] - 中证1000指数增强组合本周超额收益-0 79%，本年超额收益12 30% [1][5] - 中证A500指数增强组合本周超额收益-0 26%，本年超额收益7 34% [1][5] 选股因子表现跟踪 沪深300成分股 - 单季营利同比增速、三个月反转、特异度等因子表现较好 [1][6] - 最近一月单季ROE、DELTAROE、预期EPTTM等因子表现较好 [6] - 今年以来DELTAROE、单季营利同比增速、三个月机构覆盖等因子表现较好 [6] 中证500成分股 - 一年动量、特异度、单季营收同比增速等因子表现较好 [1][8] - 最近一月单季营收同比增速、单季营利同比增速、DELTAROE等因子表现较好 [8] - 今年以来单季营收同比增速、一个月反转、预期PEG等因子表现较好 [8] 中证1000成分股 - 一年动量、三个月反转、标准化预期外盈利等因子表现较好 [1][10] - 最近一月标准化预期外盈利、高管薪酬、单季营利同比增速等因子表现较好 [10] - 今年以来非流动性冲击、标准化预期外收入、标准化预期外盈利等因子表现较好 [10] 中证A500成分股 - 单季营利同比增速、三个月反转、一年动量等因子表现较好 [1][12] - 最近一月DELTAROE、单季营利同比增速、预期PEG等因子表现较好 [12] - 今年以来预期PEG、单季营利同比增速、一个月反转等因子表现较好 [12] 公募基金重仓股 - 三个月反转、特异度、单季营利同比增速等因子表现较好 [1][14] - 最近一月单季营利同比增速、DELTAROE、单季净利同比增速等因子表现较好 [14] - 今年以来DELTAROA、DELTAROE、预期净利润环比等因子表现较好 [14] 公募基金指数增强产品表现 产品规模 - 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0 98%，最低-0 64%，中位数0 20% [1][19] - 最近一月超额收益最高2 09%，最低-0 20%，中位数0 62% [19] - 今年以来超额收益最高8 27%，最低-1 27%，中位数2 16% [19] 中证500指数增强产品 - 本周超额收益最高0 82%，最低-1 45%，中位数-0 17% [1][22] - 最近一月超额收益最高2 92%，最低-1 84%，中位数1 03% [22] - 今年以来超额收益最高7 87%，最低-2 10%，中位数3 44% [22] 中证1000指数增强产品 - 本周超额收益最高1 47%，最低-1 10%，中位数0 01% [1][25] - 最近一月超额收益最高3 62%，最低-0 86%，中位数1 43% [25] - 今年以来超额收益最高13 03%，最低0 99%，中位数5 53% [25] 中证A500指数增强产品 - 本周超额收益最高0 95%，最低-0 48%，中位数0 11% [1][26] - 最近一月超额收益最高1 70%，最低-0 88%，中位数0 73% [26] 方法论 MFE组合构建 - 采用组合优化模型最大化单因子暴露，控制行业、风格、个股权重等约束 [27][28] - 设置个股相对于基准权重偏离幅度为0 5%-1% [28] 公募重仓指数构建 - 选取普通股票型和偏股混合型基金持仓，剔除规模小于五千万且上市不足半年的基金 [29] - 将基金持仓股票权重平均后选取累计权重达90%的股票作为成分股 [29]

选股核心逻辑 - 抱团趋势：资金偏好处于上升通道且趋势完好的抱团股，一旦破位则迅速失去吸引力 [1] - 空间预期：行业政策/业绩增长/技术突破等因素形成上涨预期（如游戏板块单日涨5%后易触发次日涨停） [1] - 市场节点：整体市场转强时（买盘增加），非龙头股也可能跟随普涨 [1] - 人气与审美：高关注度股票（市场热点）具备流动性优势，操作容错率更高 [1] 多维选股策略 - 需综合趋势/预期/市场环境/人气等维度，避免仅依据表面现象决策 [1]

量化模型与因子分析总结 量化因子与构建方式 估值类因子 1. **BP因子**：构建思路为净资产与总市值的比率，反映公司账面价值与市场价值的相对关系[17] $$ BP = \frac{净资产}{总市值} $$ 2. **EPTTM因子**：构建思路为使用滚动12个月的归母净利润与总市值的比率[17] $$ EPTTM = \frac{归母净利润TTM}{总市值} $$ 3. **股息率因子**：构建思路为最近四个季度预案分红金额与总市值的比率[17] $$ 股息率 = \frac{最近四个季度预案分红金额}{总市值} $$ 反转类因子 1. **一个月反转因子**：构建思路为过去20个交易日的涨跌幅，反映短期反转效应[17] $$ 一个月反转 = 过去20个交易日涨跌幅 $$ 2. **三个月反转因子**：构建思路为过去60个交易日的涨跌幅，反映中期反转效应[17] $$ 三个月反转 = 过去60个交易日涨跌幅 $$ 动量类因子 1. **一年动量因子**：构建思路为近一年除近一月后的动量，反映长期动量效应[17] $$ 一年动量 = 近一年除近一月后动量 $$ 成长类因子 1. **单季净利同比增速因子**：构建思路为单季度净利润同比增长率[17] $$ 单季净利同比增速 = \frac{当期单季度净利润-去年同期单季度净利润}{去年同期单季度净利润} $$ 2. **单季营收同比增速因子**：构建思路为单季度营业收入同比增长率[17] $$ 单季营收同比增速 = \frac{当期单季度营业收入-去年同期单季度营业收入}{去年同期单季度营业收入} $$ 盈利类因子 1. **单季ROE因子**：构建思路为单季度归母净利润的两倍除以期初与期末归母净资产的平均值[17] $$ 单季ROE = \frac{单季度归母净利润×2}{期初归母净资产+期末归母净资产} $$ 流动性类因子 1. **一个月换手因子**：构建思路为过去20个交易日换手率的均值[17] $$ 一个月换手 = \frac{过去20个交易日换手率总和}{20} $$ 波动类因子 1. **特异度因子**：构建思路为1减去过去20个交易日Fama-French三因子回归的拟合度[17] $$ 特异度 = 1-R^2_{FF3} $$ 分析师类因子 1. **预期EPTTM因子**：构建思路为一致预期滚动EP值[17] $$ 预期EPTTM = 一致预期滚动EP $$ 因子回测效果 沪深300样本空间 1. **单季营利同比增速因子**：最近一周0.77%，最近一月1.84%，今年以来5.23%，历史年化2.98%[19] 2. **三个月反转因子**：最近一周0.66%，最近一月0.65%，今年以来3.01%，历史年化1.25%[19] 3. **特异度因子**：最近一周0.55%，最近一月-0.10%，今年以来2.28%，历史年化0.67%[19] 中证500样本空间 1. **一年动量因子**：最近一周1.26%，最近一月1.18%，今年以来2.77%，历史年化2.37%[21] 2. **特异度因子**：最近一周1.05%，最近一月2.04%，今年以来0.76%，历史年化1.67%[21] 3. **单季营收同比增速因子**：最近一周1.00%，最近一月3.50%，今年以来8.20%，历史年化3.29%[21] 中证1000样本空间 1. **一年动量因子**：最近一周1.45%，最近一月1.73%，今年以来0.26%，历史年化-0.55%[23] 2. **三个月反转因子**：最近一周1.09%，最近一月1.40%，今年以来0.38%，历史年化-0.61%[23] 3. **标准化预期外盈利因子**：最近一周0.77%，最近一月3.35%，今年以来6.17%，历史年化8.76%[23] 中证A500样本空间 1. **单季营利同比增速因子**：最近一周1.22%，最近一月2.75%，今年以来6.17%，历史年化1.80%[25] 2. **三个月反转因子**：最近一周1.08%，最近一月0.36%，今年以来3.64%，历史年化0.97%[25] 3. **一年动量因子**：最近一周0.74%，最近一月0.87%，今年以来-2.03%，历史年化0.85%[25] MFE组合构建方法 1. **构建思路**：通过组合优化方式构建最大化单因子暴露组合，控制行业暴露、风格暴露等约束条件[39] 2. **优化模型**： $$ \begin{array}{ll} max & f^{T}w \\ s.t. & s_{l}\leq X(w-w_{b})\leq s_{h} \\ & h_{l}\leq H(w-w_{b})\leq h_{h} \\ & w_{l}\leq w-w_{b}\leq w_{h} \\ & b_{l}\leq B_{b}w\leq b_{h} \\ & \mathbf{0}\leq w\leq l \\ & \mathbf{1}^{T}w=1 \end{array} $$ 其中f为因子取值，w为股票权重向量，wb为基准指数成分股权重向量[39][40]

报告核心观点 - 2025年H1权益市场风险因子收益回归常态，各资产类别有不同表现，权益关注结构机会，利率或底部震荡，黄金可继续持有，行业轮动加速，成长风格萌芽，选股关注质量、技术、情绪类因子 [3] 大类资产量化展望 权益量化 - 2025H1权益风险因子收益回归常态，小盘与动量因子表现亮眼，为Alpha创造有利条件 [8] - 2025年Q1全A净利润同比自2023年Q2以来首次回正，A股景气度见底回升，工业板块表现突出 [14] - 2025年1 - 4月规模以上工业企业利润总额同比回升，中游制造（设备）持续回升，未来预期中游制造(材料)>中游制造(设备)>下游制造>电热燃水>采矿业 [17] - TMT有望延续增长，部分产业周期有望迎来拐点，计算机、传媒、电子等行业利润趋势有望延续，基础化工和建材行业利润有望企稳回升，军工、电新、轻工等行业利润有望迎来关键拐点 [23] - 社融脉冲回升支撑后续增长动能，但消费端仍须进一步观察，低利率环境下权益资产配置性价比保持高位 [31][37] - 权益指数整体震荡格局望延续，各宽基指数走势不同，沪深300关注盘整突破方向，中证500或震荡上行，中证1000或先回调后震荡上行，中证2000或震荡偏下行 [39][41][43][46] 利率量化 - 采用结构化静态因子模型刻画利率变动方向，月度利率择时胜率约70% [49][51] - 2024年以来10年期国债利率持续下行，当下稳定在1.6% - 1.7%水平，2025年国债利率波动主要受通胀影响 [54][56] - 2025年上半年景气度和信贷脉冲回升抑制利率进一步下行，通胀资产持有意愿短暂上升后再次回落 [63][67] - 利率未来走势取决于资本回报率变化，当下房地产ROE转负，除金融地产外高ROE行业经营杠杆率整体较低，关注高ROE高杠杆行业对资金需求的拉动 [70][75] 黄金量化 - 采用结构化静态因子模型刻画黄金变动方向，月度黄金择时胜率约76% [81][83] - 黄金长期走势与美国财政扩张具有较高一致性，当下美国财政进入加速新阶段，对黄金走势整体持乐观观点 [87] - 特朗普施政主张对通货膨胀与财政赤字有进一步扩张可能，但实施进度有待观察，全球地缘政治风险与经济政策不确定性仍高，促发黄金上涨 [91][98] - 技术面测算当下黄金已历盘整积累支持目标价到3885美元/盎司 [102] 市场结构量化展望 行业量化 - 胜率赔率一致性继续减弱，短期轮动速度或提高，行情延续性减弱 [105][107] - 胜率赔率均衡配置思路略偏向赔率，推荐胜率赔率均衡的行业集中在科技、制造板块 [108][109] - 从生命周期来看，一级行业整体成长性不足，成长性分散在三级行业，基础化工细分领域扩张特征明显 [112][120] 风格量化 - 采用资产比较框架研判风格，框架自2009年以来可获得年化26.07%的收益 [121][126] - 实际增速资产优势差回升，保持实际成长类策略配置；预期增速资产优势差回升，建议增配预期成长类策略；ROE优势差边际下行，盈利能力策略不推荐；高股息类资产拥挤度保持高位，有拥挤风险 [131][133][135][140] - 当下Δg和Δgf都有扩张，成长性稀缺度抬升，Δgf扩张来自Top组上行，预期增长板块更值得关注，实际成长机会有待基本面积极变化 [145] 2025下半年因子总结与展望 风格因子表现 - 2025上半年截至6月6日，风格上高贝塔、高动量和低流动性小市值占优 [148] - 对比2024年下半年，小市值风格延续占优，动量因子收益提升，低流动性风格收益强势，市场结构性分化显著，呈现“周期分化、成长突围、消费承压”格局 [150][156] Alpha因子表现跟踪 - 2025上半年全A选股多头收益表现最好的alpha因子多为成交量和成长类因子，分析师一致预测类因子超额收益显著提升 [160][161][163] - 不同宽基指数选股逻辑有共性，投资者普遍偏好估值合理、成长性强且财务稳健的标的，在不同指数内占优因子各有特点 [165] 2025下半年因子表现展望 - 质量类因子中研发销售收入占比因子近一个月拥挤度高，需警惕下跌风险，研发净资产占比因子拥挤度低且表现不错 [169][170] - 价值类因子今年表现普遍回撤，综合拥挤度较低，近一个月低估值股票交易拥挤度转负，高估值成长股拥挤度或达峰值 [171] - 技术类因子中ivr因子拥挤度降低且表现良好，其他技术因子IC显著但对股价有负面影响，下半年可持续看好 [172] - 其他因子中一致预期净利润因子IC最高，拥挤度上升明显，须警惕回撤风险；ear，jor因子IC显著性降低但拥挤度低，下半年谨慎看好 [173]

Moreover, the momentum for IPSC is fast paced, as the stock currently has a beta of 1.77. This indicates that the stock moves 77% higher than the market in either direction. Momentum investors typically don't time the market or "buy low and sell high." In other words, they avoid betting on cheap stocks and waiting long for them to recover. Instead, they believe that "buying high and selling higher" is the way to make far more money in lesser time. Everyone likes betting on fast-moving trending stocks, but i ...

量化模型与构建方式 1. **模型名称：A股行业轮动模型** - **模型构建思路**：通过资金、估值、情绪、动量、超买超卖和盈利6个因子构建综合打分体系，评估行业轮动机会[18] - **模型具体构建过程**： 1. **资金因子**：行业主力净流入率（过去N日主力资金净流入/行业市值） 2. **估值因子**：行业当前PE/PB位于过去1年的分位数 3. **情绪因子**：行业成分股上涨比例（上涨股票数/总股票数） 4. **动量因子**：行业MACD指标（DIF与DEA差值） 5. **超买超卖因子**：行业RSI指标（14日周期） 6. **盈利因子**：行业一致预测EPS过去1年分位数 各因子标准化后加权求和，权重未公开[18] - **模型评价**：多维度覆盖市场驱动因素，但未披露因子权重分配逻辑 2. **模型名称：共识度选股模型** - **模型构建思路**：结合行业动量、高频资金流与价格走势相似度筛选个股[21] - **模型具体构建过程**： 1. **行业筛选**：选取过去30天涨幅前三的申万二级行业 2. **股票池构建**：在目标行业中计算以下指标： - 月度动量因子（过去30日收益率） - 估值因子（如PE分位数） - 上涨频率（日内上涨分钟数占比） 3. **高频资金匹配**：计算股票分钟级资金流与价格走势的相关系数（如Pearson系数） 4. **最终筛选**：按相关系数排序，每个行业选取前5只股票[21] - **模型评价**：高频数据捕捉短期资金动向，但对交易成本敏感 --- 模型的回测效果 1. **A股行业轮动模型**： - 非银金融（得分6）、食品饮料（5）、电子（4）为当期高分行业[20] - 石油石化（-8）、轻工制造（-6）、银行（-6）为低分行业[20] 2. **共识度选股模型**： - 当期输出标的：元件（满坤科技、沪电股份等）、油服工程（通源石油、中海油服等）、饰品（明牌珠宝、周大生等）[22] --- 量化因子与构建方式 1. **因子名称：主力资金净流入率** - **构建思路**：通过大单交易识别主力资金动向[13] - **具体构建过程**： - 定义主力交易单：单笔成交≥10万股或金额≥20万元 - 计算每日行业净流入额：主力买入额-主力卖出额 - 标准化处理：净流入额/行业流通市值[13] 2. **因子名称：MACD动量因子** - **构建思路**：捕捉行业价格趋势变化[18] - **具体构建过程**： - 计算行业指数12日EMA（快线）与26日EMA（慢线）： $$EMA_{12} = \frac{2}{13} \times (今日收盘价 - 昨日EMA_{12}) + 昨日EMA_{12}$$ $$EMA_{26} = \frac{2}{27} \times (今日收盘价 - 昨日EMA_{26}) + 昨日EMA_{26}$$ - DIF = EMA_{12} - EMA_{26} - DEA = DIF的9日EMA[18] 3. **因子名称：RSI超买超卖因子** - **构建思路**：衡量行业短期超买超卖状态[18] - **具体构建过程**： - 计算14日行业指数涨跌幅： $$RS = \frac{14日平均涨幅}{14日平均跌幅}$$ - $$RSI = 100 - \frac{100}{1+RS}$$[18] --- 因子的回测效果 （注：报告中未披露单一因子的独立测试结果）

市场表现 - A股三大指数低开后涨跌分化 国证自由现金流指数盘中下跌约0.15% 成分股锦江航运领涨 大参林领跌 [1] - 自由现金流ETF（159201）跟随指数调整 盘中交投活跃 最新规模达36.98亿元 领跑同类产品 [1] 投资策略 - 港股新消费和创新药板块近期明显调整 带动A股相关板块波动 港股流动性和风险偏好受冲击可能持续 [1] - 配置方向维持红利+新赛道 红利资产作为底仓 新赛道推荐AI、半导体及科创主题 新消费和创新药保持中期关注 [1] 产品特性 - 自由现金流ETF（159201）紧密跟踪国证自由现金流指数 长期收益表现亮眼 [1] - 自由现金流选股策略配置价值突出 持仓结构与传统红利策略差异明显 价值行情中进攻性更强 可作为防御型策略补充 [1]

指数增强组合表现 - 沪深300指数增强组合本周超额收益0.82%，本年超额收益6.67% [1][4] - 中证500指数增强组合本周超额收益0.04%，本年超额收益7.84% [1][4] - 中证1000指数增强组合本周超额收益0.34%，本年超额收益12.61% [1][4] - 中证A500指数增强组合本周超额收益-0.89%，本年超额收益7.43% [1][4] 选股因子表现 沪深300成分股 - 本周表现较好因子：预期EPTTM（1.07%）、单季EP（1.02%）、EPTTM（0.74%） [5] - 本月表现较好因子：预期PEG（2.15%）、单季ROE（2.13%）、预期EPTTM（2.07%） [5] - 今年以来表现较好因子：DELTAROE（4.96%）、单季营收同比增速（4.77%）、单季ROE（4.67%） [5] 中证500成分股 - 本周表现较好因子：BP（0.87%）、预期BP（0.83%）、预期EPTTM（0.83%） [7] - 本月表现较好因子：单季营收同比增速（3.23%）、标准化预期外收入（2.47%）、单季ROA（2.32%） [7] - 今年以来表现较好因子：一个月反转（7.21%）、单季营收同比增速（6.88%）、预期PEG（6.50%） [7] 中证1000成分股 - 本周表现较好因子：BP（1.03%）、一个月换手（0.89%）、三个月波动（0.86%） [9] - 本月表现较好因子：高管薪酬（3.33%）、单季ROE（2.92%）、单季EP（2.50%） [9] - 今年以来表现较好因子：非流动性冲击（8.57%）、一个月换手（6.34%）、标准化预期外收入（5.97%） [9] 中证A500成分股 - 本周表现较好因子：单季EP（1.01%）、预期EPTTM（0.88%）、预期PEG（0.77%） [11] - 本月表现较好因子：预期PEG（2.67%）、单季ROE（2.34%）、单季ROA（2.28%） [11] - 今年以来表现较好因子：预期PEG（7.07%）、单季营利同比增速（4.80%）、一个月反转（4.63%） [11] 公募基金重仓股 - 本周表现较好因子：预期EPTTM（0.99%）、单季EP（0.85%）、预期PEG（0.68%） [13] - 本月表现较好因子：预期PEG（2.08%）、DELTAROE（2.03%）、单季超预期幅度（1.87%） [13] - 今年以来表现较好因子：DELTAROA（5.75%）、预期净利润环比（4.38%）、DELTAROE（4.36%） [13] 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0.95%，最低-0.56%，中位数0.14% [16] - 本月超额收益：最高2.19%，最低-0.14%，中位数0.59% [16] - 今年以来超额收益：最高7.11%，最低-1.34%，中位数2.00% [16] 中证500指数增强产品 - 本周超额收益：最高0.84%，最低-0.01%，中位数0.37% [17] - 本月超额收益：最高2.93%，最低0.20%，中位数1.36% [17] - 今年以来超额收益：最高7.59%，最低-1.48%，中位数3.27% [17] 中证1000指数增强产品 - 本周超额收益：最高1.30%，最低-0.07%，中位数0.46% [19] - 本月超额收益：最高2.91%，最低0.02%，中位数1.54% [19] - 今年以来超额收益：最高12.05%，最低1.32%，中位数5.29% [19] 中证A500指数增强产品 - 本周超额收益：最高0.54%，最低-0.34%，中位数0.25% [24] - 本月超额收益：最高1.09%，最低0.07%，中位数0.72% [24] 公募基金指数增强产品规模 - 沪深300指数增强产品：69只，总规模790亿元 [15] - 中证500指数增强产品：70只，总规模454亿元 [15] - 中证1000指数增强产品：46只，总规模150亿元 [15] - 中证A500指数增强产品：40只，总规模250亿元 [15] 因子MFE组合构建方法 - 采用组合优化模型最大化单因子暴露，控制行业、风格、个股权重等约束 [21][22] - 个股相对于基准权重偏离幅度通常设为0.5%-1% [23] - 约束条件包括风格暴露、行业偏离、个股权重上下限等 [25] 公募重仓指数构建方法 - 选样空间：普通股票型基金及偏股混合型基金，剔除规模小于五千万且上市不足半年的基金 [26] - 构建方式：根据基金定期报告获取持仓信息，选取累计权重达90%的股票作为成分股 [27]