量化因子与构建方式 1. **因子类别：风格因子** * **因子名称：估值因子**[18] * **因子构建思路：** 参考BARRA模型，通过单一细分因子合成，用于衡量股票的估值水平[18]。 * **因子具体构建过程：** 估值因子直接由BP（账面市值比）细分因子构成。BP的计算公式为：$$BP = \frac{归母股东权益}{总市值}$$[18] * **因子名称：成长因子**[18] * **因子构建思路：** 参考BARRA模型，通过合成两个反映公司增长能力的细分因子，用于衡量公司的成长性[18]。 * **因子具体构建过程：** 成长因子由SGRO（营业收入增长率）和EGRO（归母净利润增长率）两个细分因子等权平均合成。$$成长因子 = \frac{SGRO + EGRO}{2}$$[18] * SGRO：使用过去五个财年年报的每股营业收入数据，对时间进行回归，将回归系数（斜率）除以每股营业收入的平均值得到。 * EGRO：使用过去五个财年年报的每股归母净利润数据，对时间进行回归，将回归系数（斜率）除以每股归母净利润的平均值得到[18]。 * **因子名称：盈利因子**[18] * **因子构建思路：** 参考BARRA模型，通过合成两个反映公司盈利能力的细分因子，用于衡量公司的盈利质量[18]。 * **因子具体构建过程：** 盈利因子由ETOP（盈利价格比）和CETOP（现金盈利价格比）两个细分因子等权平均合成。$$盈利因子 = \frac{ETOP + CETOP}{2}$$[18] * ETOP：归母净利润TTM / 总市值。 * CETOP：经营活动产生的现金流量净额TTM / 总资产[18]。 * **因子名称：规模因子**[18] * **因子构建思路：** 参考BARRA模型，通过单一细分因子合成，用于衡量公司规模[18]。 * **因子具体构建过程：** 规模因子直接由LNCAP（对数市值）细分因子构成。LNCAP的计算公式为：$$LNCAP = ln(总市值)$$[18] * **因子名称：Beta因子**[18] * **因子构建思路：** 参考BARRA模型，通过单一细分因子合成，用于衡量股票的系统性风险[18]。 * **因子具体构建过程：** Beta因子直接由BETA细分因子构成。BETA的计算方法为：将个股过去252个交易日的日收益率与中证全指日收益率进行半衰指数加权回归（半衰期为63个交易日），取回归系数作为BETA值[18]。 * **因子名称：动量因子**[18] * **因子构建思路：** 参考BARRA模型，通过单一细分因子合成，用于衡量股票的动量效应[18]。 * **因子具体构建过程：** 动量因子直接由RSTR（相对强度）细分因子构成。RSTR的计算方法为：计算个股过去504个交易日（不含最近21个交易日）的半衰指数加权累计收益率，半衰期为126个交易日[18]。 * **因子名称：流动性因子**[18] * **因子构建思路：** 参考BARRA模型，通过合成三个不同时间维度的换手率细分因子，用于衡量股票的流动性[18]。 * **因子具体构建过程：** 流动性因子由STOM（1个月换手率）、STOQ（过去3个月STOM均值）和STOA（过去12个月STOM均值）三个细分因子等权平均合成。$$流动性因子 = \frac{STOM + STOQ + STOA}{3}$$[18] * STOM：个股过去1个月的换手率加总后取对数。 * **因子名称：波动性因子**[18] * **因子构建思路：** 参考BARRA模型，通过合成三个反映不同维度波动风险的细分因子，用于衡量股票的波动性[18]。 * **因子具体构建过程：** 波动性因子由DASTD（日收益率标准差）、CMRA（累计收益范围）和HSIGMA（历史残差波动率）三个细分因子等权平均合成。$$波动性因子 = \frac{DASTD + CMRA + HSIGMA}{3}$$[18] * DASTD：计算过去250个交易日个股相对于所有股票等权指数的超额收益率的标准差，计算时使用半衰指数加权（半衰期40日）。 * CMRA：计算个股过去12个月内的累计对数收益率，将累计最高收益与累计最低收益做差得到。 * HSIGMA：计算BETA因子时回归残差的标准差[18]。 * **因子名称：非线性市值因子**[18] * **因子构建思路：** 参考BARRA模型，通过单一细分因子合成，用于捕捉市值因子的非线性效应[18]。 * **因子具体构建过程：** 非线性市值因子直接由NLSIZE细分因子构成。NLSIZE的计算方法为：将股票总市值对数的三次方与对数市值进行加权最小二乘回归（权重为对数市值的平方根），取回归残差作为NLSIZE。总市值越大或越小的股票NLSIZE越大，中市值股票NLSIZE小[18]。 * **因子名称：杠杆因子**[18] * **因子构建思路：** 参考BARRA模型，通过合成三个反映不同维度杠杆水平的细分因子，用于衡量公司的财务杠杆[18]。 * **因子具体构建过程：** 杠杆因子由MLEV（市场杠杆）、DTOA（资产负债率）和BLEV（账面杠杆）三个细分因子等权平均合成。$$杠杆因子 = \frac{MLEV + DTOA + BLEV}{3}$$[18] * MLEV：非流动负债 / 总市值。 * DTOA：总负债 / 总资产。 * BLEV：非流动负债 / 归属母公司股东权益[18]。 2. **因子类别：选股因子（共53个）**[23] * **构建思路：** 构建了涵盖估值、成长、质量、规模、反转、动量、流动性、波动性、分红、公司治理以及技术等多个方面的常用选股因子[23]。 * **具体因子列表与构建过程：** 所有因子的名称、构造方式和参考方向详见表5[24]。 * **估值类（8个）：** BP、单季度EP、EP_TTM、单季度SP、SP_TTM、单季度CFEV、CFEV_TTM[24]。 * **成长类（8个）：** 单季度净利润同比增速、单季度营业收入同比增速、单季度营业利润同比增速、标准化预期外盈利、标准化预期外收入、单季度ROE同比、单季度ROA同比[24]。 * **质量类（8个）：** 单季度ROE、单季度ROA、单季度毛利率、单季度营业利润率、单季度净利润率、盈余质量、流动比率[24]。 * **规模类（1个）：** 对数市值[24]。 * **反转类（2个）：** 20日反转、60日反转[24]。 * **动量类（4个）：** 60日动量、240日动量、盈余公告前隔夜动量、盈余公告次日开盘跳空超额[24]。 * **流动性类（7个）：** 20日换手率、60日换手率、20日换手率波动、60日换手率波动、20日非流动性冲击、60日非流动性冲击[24]。 * **波动性类（7个）：** 20日收益率标准差、60日收益率标准差、20日特异度、60日特异度、20日三因子模型残差波动率、120日三因子模型残差波动率、240日三因子模型残差波动率[24]。 * **分红类（1个）：** 股息率[24]。 * **公司治理类（2个）：** 前五大股东持股比例、前十大股东持股比例[24]。 * **技术类（5个）：** 20日成交额、60日成交额、60日偏度、240日偏度、20日成交量变异系数、60日成交量变异系数、20日成交量比率、60日成交量比率、120日成交量比率[24]。 量化模型与构建方式 1. **模型名称：中性约束条件下最大化因子暴露组合**[25] * **模型构建思路：** 在构建单因子投资组合时，采用优化方法，在确保投资组合相对基准指数在行业和风格暴露保持中性的基础上，最大化目标因子在组合中的暴露[25]。 * **模型具体构建过程：** 报告指出具体构建方法参考附录，但附录内容未在提供的文本中。根据描述，该模型是一个带约束的优化问题，目标函数是最大化组合对目标因子的暴露，约束条件包括对基准指数在行业和风格因子上的暴露中性，可能还包括权重约束等[25]。 因子的回测效果 1. **风格因子多空收益表现（近一周/近一月）**[21] * 盈利因子：2.47% / 0.93% * 估值因子：2.01% / -1.29% * 杠杆因子：1.71% / 1.85% * 成长因子：1.25% / 1.37% * 非线性市值因子：0.53% / 1.28% * 市值因子：-0.31% / 1.55% * 动量因子：-1.12% / 5.20% * 流动性因子：-2.22% / 1.74% * 波动性因子：-2.97% / 1.29% * Beta因子：-4.39% / 4.68% 2. **选股因子在“中性约束条件下最大化因子暴露组合”中的超额收益表现（最近一周）** * **沪深300股票池表现最佳因子：**[27] * EP_TTM：1.11% * 单季度ROE：0.94% * 240日偏度：0.88% * **中证500股票池表现最佳因子：**[30] * 120日三因子模型残差波动率：1.84% * 240日三因子模型残差波动率：1.22% * 60日收益率标准差：1.20% * **中证800股票池表现最佳因子：**[33] * 单季度ROA：1.78% * EP_TTM：1.49% * 20日换手率：1.35% * **中证1000股票池表现最佳因子：**[36] * 60日非流动性冲击：1.68% * BP：1.55% * 20日非流动性冲击：1.35% * **沪深300ESG股票池表现最佳因子：**[40] * CFEV_TTM：1.09% * EP_TTM：1.04% * 20日换手率：0.97% 3. **选股因子在全市场股票池中的Rank IC表现（近一周）**[44] * BP：14.24% * 120日三因子模型残差波动率：9.37% * 60日非流动性冲击：9.14% * 20日非流动性冲击：8.09% * 60日收益率标准差：7.82% * 对数市值：7.55% * 前五大股东持股比例：7.01% * 240日三因子模型残差波动率：6.79% * 前十大股东持股比例：6.57% * 60日换手率：5.56%

公司招聘策略与人才需求 - 公司正在上海、深圳、北京三地同时招聘量化选股、量化固收和基金研究三个岗位的研究人员 [1][4][7] - 所有岗位的简历投递截止日期均为2026年4月30日 [1][4][7] - 公司要求所有岗位的应聘者工作年限在五年以内 [3][6][8] 岗位职责与业务方向 - 量化选股研究岗负责开发与跟踪因子选股、行业轮动、择时等金融工程策略模型 [1] - 量化固收研究岗负责国债、可转债等固收方向的量化策略开发与跟踪 [4] - 基金研究岗负责基金经理调研、基金优选及相关专题策略研究 [7] 任职要求与核心能力 - 量化选股与量化固收岗位要求硕士研究生及以上学历，专业背景为数学、统计、计算机、物理或金融工程等相关专业 [2][5] - 基金研究岗要求硕士研究生及以上学历，专业背景为金融工程等相关专业 [8] - 所有岗位均要求熟练掌握Python、Matlab等至少一种编程语言，并能熟练运用Oracle、SQL Server等数据库及数据库语言，具备良好的编程能力与规范 [2][5][8] 应聘流程与材料规范 - 应聘者需将简历投递至指定邮箱：chenyuanwen@gf.com.cn 及 anningning@gf.com.cn [9] - 简历必须以PDF格式发送，邮件标题需严格按“【金融工程组】-【姓名】-【毕业学校】-【专业】”格式命名，例如“【金融工程】-【张三】-【清华大学】-【基础数学】” [10] - 公司将在简历收集截止后，对合格候选人尽快安排笔试和面试 [10]

量化模型与构建方式 1. **模型名称**：风格组相对拥挤度模型[130] * **模型构建思路**：通过计算不同风格指数换手率Z-score的差值及其历史分位，来度量某一风格相对于另一风格的交易拥挤程度[130]。 * **模型具体构建过程**： 1. 分别计算风格A指数和风格B指数在过去252个交易日的平均换手率[130]。 2. 将上述平均换手率序列，在自2005年1月1日起的历史时间序列上进行Z-score标准化，得到Z-score_A和Z-score_B[130]。 3. 计算二者差值：$$Diff = Z\_score\_A - Z\_score\_B$$ [130] 4. 计算该差值序列在过去6年滚动窗口内的历史分位数（若历史数据不足6年但满1年，则使用全部历史数据计算）[130]。该分位数即为风格A相对于风格B的“相对拥挤度”。 2. **模型名称**：风格指数累计超额净值模型[131] * **模型构建思路**：通过计算风格指数相对于市场基准指数（万得全A）的累计净值比，来衡量该风格的长期超额收益表现[131]。 * **模型具体构建过程**： 1. 以2020年1月4日为基准日，计算风格指数和万得全A指数的每日累计净值：$$Cumulative\_Net\_Value_{t} = \frac{Close\_Price_{t}}{Close\_Price_{基准日}}$$ [131] 2. 计算风格指数相对于万得全A指数的累计超额净值：$$Cumulative\_Excess\_Net\_Value_{t} = \frac{Cumulative\_Net\_Value_{风格,t}}{Cumulative\_Net\_Value_{万得全A,t}}$$ [131] 3. **模型名称**：机构调研活跃度分位数模型[132] * **模型构建思路**：通过计算板块或行业相对于全市场机构调研活跃度的标准化差值及其历史分位，来评估其受机构关注度的相对水平[132]。 * **模型具体构建过程**： 1. 计算板块（或指数、行业）在过去n个交易日的“日均机构调研次数”[132]。 2. 将上述序列在滚动y年的历史时间序列上进行Z-score标准化，得到该板块的Z-score值[132]。 3. 对万得全A指数进行同样的计算，得到市场基准的Z-score值[132]。 4. 计算“机构调研活跃度”：$$Survey\_Activity = Z\_score_{板块} - Z\_score_{万得全A}$$ [132] 5. 计算该“机构调研活跃度”序列在滚动y年窗口内的历史分位数（长期口径：n=126，y=6年；短期口径：n=63，y=3年。历史数据不足时使用全部可用数据）[132]。 4. **因子名称**：风险溢价因子 (ERP)[52] * **因子构建思路**：通过计算股票指数市盈率倒数与无风险利率（10年期国债收益率）的差值，来衡量投资权益资产相对于债券资产的超额回报补偿，即股债性价比[52]。 * **因子具体构建过程**：对于任一股票指数，其ERP计算公式为：$$ERP = \frac{1}{PE\_TTM} - 10年期国债到期收益率$$ [52] 其中，PE_TTM为指数的滚动市盈率。 5. **因子名称**：长江动量因子[64] * **因子构建思路**：以过去一年（剔除最近一个月）的股票收益率作为动量指标，筛选市场中动量特征强的股票构建指数[64]。 * **因子具体构建过程**：“长江动量”指数以最近一年股票收益率减去最近一个月股票收益率（剔除涨停板）作为动量指标，综合选择A股市场中动量特征强且流动性相对较高的前100只股票作为指数成分股[64]。 6. **因子名称**：长江反转因子[64] * **因子构建思路**：以最近一个月的股票收益率作为反转指标，筛选市场中反转效应强的股票构建指数[64]。 * **因子具体构建过程**：“长江反转”指数以最近一个月股票收益率作为筛选指标，综合选择A股市场中反转效应强、流动性较好的前100只股票作为指数成分股，并采用成分股近三个月日均成交量进行加权[64]。 模型的回测效果 （本报告未提供量化模型在历史回测中的具体绩效指标，如年化收益率、夏普比率、最大回撤等数值结果。报告主要展示了模型在特定时点的输出状态，例如拥挤度分位、超额净值走势等。） 1. **风格组相对拥挤度模型**，成长 vs 红利相对拥挤度历史分位为73%[72]，小盘 vs 大盘相对拥挤度历史分位为20%[77]，微盘股 vs 中证800相对拥挤度历史分位为76%[80] 2. **风格指数累计超额净值模型**，成长较红利累计超额净值处于历史较高位置[72]，小盘较大盘累计超额净值处于历史较高位置[77]，微盘股较中证800累计超额净值处于历史极高位置[80] 量化因子与构建方式 （报告中提及的动量、反转、成长、红利、大小盘等均为市场常见风格因子，其具体构建已在对应的指数编制方法中说明，详见“量化模型与构建方式”第5、6点及报告对风格指数的描述。） 因子的回测效果 （本报告未提供单因子测试的绩效指标，如因子IC、IR、多空组合收益等。报告主要展示了基于这些因子构建的风格指数在特定时期的表现。） 1. **成长 vs 红利因子**，近一周相对收益为-2.6%，近一月为-3.8%，年初至今为-1.9%[61] 2. **小盘 vs 大盘因子**，近一周相对收益为-2.7%，近一月为1.1%，年初至今为11.2%[61] 3. **动量 vs 反转因子**，近一周相对收益为-2.0%，近一月为-2.3%，年初至今为-4.5%[61] 4. **微盘股 vs 基金重仓因子**，近一周相对收益为1.2%，近一月为4.1%，年初至今为8.5%[61]

量化模型与构建方式 1. **模型名称：A股景气度高频指数模型** [30] * **模型构建思路：** 以上证指数归母净利润同比作为Nowcasting目标，构建一个能够高频反映A股景气度的指数，用于判断景气周期的位置和趋势[30]。 * **模型具体构建过程：** 报告未详细描述该指数的具体计算步骤和公式，仅提及构建详情需参考另一篇报告《视角透析：A股景气度高频指数构建与观察》[30]。 2. **模型名称：A股情绪指数模型** [35] * **模型构建思路：** 基于市场波动率和成交额这两个最直接的情绪刻画指标，通过分析它们的变化方向来构建情绪指数，用于判断市场见底和见顶的信号[35]。 * **模型具体构建过程：** 将市场按照波动率和成交额的变化方向划分为四个象限，通过历史统计发现，只有“波动率上行-成交额下行”的区间为显著负收益，其余象限均为显著正收益。基于此规律构造了包含见底预警与见顶预警的A股情绪指数[35]。 * **模型评价：** 该模型提供了一种基于量价数据的直接、客观的情绪刻画方法，用于辅助市场择时判断[35][38]。 3. **模型名称：主题挖掘算法模型** [46] * **模型构建思路：** 通过处理新闻和研报文本，提取主题关键词，挖掘主题与个股的关联，构建主题活跃周期和影响力因子，从而系统性地发现和描述主题投资机会[46]。 * **模型具体构建过程：** 报告未详细描述该算法的具体计算步骤和公式，仅提及了其包含的多个处理维度：文本处理、主题关键词提取、主题个股关系挖掘、主题活跃周期构建、主题影响力因子构建[46]。 4. **模型名称：中证500指数增强组合模型** [48] * **模型构建思路：** 构建一个旨在持续跑赢中证500基准指数的投资组合[48]。 * **模型具体构建过程：** 报告未详细描述该增强组合模型的具体构建逻辑、因子构成和权重优化方法，仅展示了其持仓明细和业绩表现[48][49]。 5. **模型名称：沪深300指数增强组合模型** [52] * **模型构建思路：** 构建一个旨在持续跑赢沪深300基准指数的投资组合[52]。 * **模型具体构建过程：** 报告未详细描述该增强组合模型的具体构建逻辑、因子构成和权重优化方法，仅展示了其持仓明细和业绩表现[52][55]。 6. **模型名称：BARRA风格因子模型** [56] * **模型构建思路：** 参照BARRA模型框架，对A股市场构建一套全面的风格因子体系，用于分析市场风格表现和对投资组合进行绩效归因[56][66]。 * **模型具体构建过程：** 报告列出了所构建的十大类风格因子名称，包括：市值（SIZE）、BETA、动量（MOM）、残差波动率（RESVOL）、非线性市值（NLSIZE）、估值（BTOP）、流动性（LIQUIDITY）、盈利（EARNINGS_YIELD）、成长（GROWTH）和杠杆（LVRG）[56]。但未提供每个因子的具体计算公式。 模型的回测效果 1. **A股情绪指数模型**，近一周择时信号：综合信号为“空”[2][41] 2. **中证500指数增强组合模型**，本周超额收益：1.04%[2][46]；2020年至今累计超额收益：46.40%[46]；2020年至今最大回撤：-10.90%[46] 3. **沪深300指数增强组合模型**，本周超额收益：0.39%[2][52]；2020年至今累计超额收益：46.38%[52]；2020年至今最大回撤：-5.86%[52] 量化因子与构建方式 1. **因子名称：市值因子（SIZE）** [56] * **因子构建思路：** 衡量公司规模大小的风格因子[56]。 * **因子具体构建过程：** 报告未提供具体计算公式。 2. **因子名称：BETA因子** [56] * **因子构建思路：** 衡量股票相对于市场整体波动性的风格因子[56]。 * **因子具体构建过程：** 报告未提供具体计算公式。 3. **因子名称：动量因子（MOM）** [56] * **因子构建思路：** 衡量股票价格趋势延续性的风格因子[56]。 * **因子具体构建过程：** 报告未提供具体计算公式。 4. **因子名称：残差波动率因子（RESVOL）** [56] * **因子构建思路：** 衡量股票特异性风险的风格因子[56]。 * **因子具体构建过程：** 报告未提供具体计算公式。 5. **因子名称：非线性市值因子（NLSIZE）** [56] * **因子构建思路：** 捕捉市值与收益之间非线性关系的风格因子[56]。 * **因子具体构建过程：** 报告未提供具体计算公式。 6. **因子名称：估值因子（BTOP，价值）** [56] * **因子构建思路：** 衡量股票估值水平的风格因子[56]。 * **因子具体构建过程：** 报告未提供具体计算公式。 7. **因子名称：流动性因子（LIQUIDITY）** [56] * **因子构建思路：** 衡量股票交易活跃度和变现能力的风格因子[56]。 * **因子具体构建过程：** 报告未提供具体计算公式。 8. **因子名称：盈利因子（EARNINGS_YIELD）** [56] * **因子构建思路：** 衡量公司盈利能力的风格因子[56]。 * **因子具体构建过程：** 报告未提供具体计算公式。 9. **因子名称：成长因子（GROWTH）** [56] * **因子构建思路：** 衡量公司成长能力的风格因子[56]。 * **因子具体构建过程：** 报告未提供具体计算公式。 10. **因子名称：杠杆因子（LVRG）** [56] * **因子构建思路：** 衡量公司财务杠杆水平的风格因子[56]。 * **因子具体构建过程：** 报告未提供具体计算公式。 因子的回测效果 1. **盈利因子**，近一周表现：超额收益较高[2][57] 2. **非线性市值因子**，近一周表现：呈较为显著的负向超额收益[2][57] 3. **市值因子**，近期表现：表现不佳[2][57] 4. **残差波动率因子**，近期表现：表现不佳[2][57]

量化市场跟踪：大类因子表现 - 本周全市场股票池中，盈利因子和动量因子分别获得正收益0.47%和0.46%，市场呈现动量效应 [4] - 本周全市场股票池中，Beta因子获得负收益-1.02% [4] 量化市场跟踪：单因子表现 - 在沪深300股票池中，本周表现最好的因子是市盈率TTM倒数，收益为2.97%，其次是市盈率因子，收益为2.86% [5] - 在沪深300股票池中，本周表现最差的因子是单季度营业收入同比增长率，收益为-2.54%，其次是单季度ROA同比，收益为-1.79% [5] - 在中证500股票池中，本周表现最好的因子是市盈率TTM倒数，收益为3.46%，其次是市盈率因子，收益为3.29% [5] - 在中证500股票池中，本周表现最差的因子是5日平均换手率，收益为-1.22% [5] - 在流动性1500股票池中，本周表现最好的因子是市盈率TTM倒数，收益为3.61%，其次是市盈率因子，收益为2.53% [5] - 在流动性1500股票池中，本周表现最差的因子是5日反转，收益为-1.46% [5] 量化市场跟踪：因子行业内表现 - 本周，每股净资产因子和每股经营利润TTM因子在煤炭、综合行业获得一致正收益 [6] - 本周，估值类因子中的EP因子在煤炭、综合行业正收益显著 [6] - 本周，残差波动率因子和流动性因子在美容护理、石油石化、综合行业获得一致正收益 [6] - 本周，在农林牧渔、煤炭、银行、石油石化、综合行业，大市值风格表现显著 [6] 投资组合跟踪：PB-ROE-50组合 - 本周PB-ROE-50组合在中证500股票池中获得超额收益0.78%，在中证800股票池中获得超额收益0.46% [8] - 本周PB-ROE-50组合在全市场股票池中获得超额收益-0.92% [8] 投资组合跟踪：机构调研组合 - 本周公募调研选股策略相对中证800获得超额收益0.16% [9] - 本周私募调研跟踪策略相对中证800获得超额收益-1.30% [9] 投资组合跟踪：大宗交易与定向增发组合 - 本周大宗交易组合相对中证全指获得超额收益1.50% [10] - 本周定向增发组合相对中证全指获得超额收益2.15% [11]

报告行业投资评级 未提及 报告的核心观点 报告聚焦量化基金市场表现，总结2026年3月2日 - 3月6日主要指数和量化基金业绩表现、不同类型公募量化基金整体表现和业绩分布，以及本周收益表现较优的量化基金供投资者参考 [1] 根据相关目录分别进行总结 近一周主要指数和量化基金业绩表现 - A股整体收跌，沪深300、中证500、中证1000近一周收益率分别为 -1.07%、-3.44%和 -3.64%，指增超额小幅回升 [2][3][6] - 量化选股基金平均收益 -2.13%，市场中性平均收益0.20%；沪深300指增、中证500指增、中证1000指增、其他指增分别录得 -0.06%、0.22%、0.26%和0.18%的超额收益，除300指增外其他指增超额收益相比上周小幅回升 [4][9] 不同类型公募量化基金业绩表现 |基金类型|近一周收益率（%）|近一月收益率（%）|近三月收益率（%）|近六月收益率（%）|近一年收益率（%）|今年以来收益率（%）| | ---- | ---- | ---- | ---- | ---- | ---- | ---- | |沪深300指数增强基金|-1.12|0.53|3.90|7.12|22.36|2.18| |中证500指数增强基金|-3.23|2.24|14.64|18.80|39.82|10.10| |中证1000指数增强基金|-3.38|2.42|13.50|16.85|37.71|9.75| |其他指数增强基金|-2.56|0.82|7.43|11.46|33.87|4.82| |量化选股基金|-2.13|1.26|8.69|11.85|30.75|6.56| |市场中性基金|0.20|0.74|1.00|1.17|2.38|1.09| 同时各类型基金还列出了超额收益率、最大回撤、超额最大回撤、超额收益率离散度或收益率离散度等数据 [13][14][15] 不同类型公募量化基金业绩分布 展示各类型公募量化近半年业绩走势，以及近一周和近一年的业绩分布情况，指数增强型基金展示超额收益率表现 [16] 不同类型公募量化绩优基金 列出各类型公募量化基金样本内均值及本周业绩表现较优的五只基金相关数据，如基金经理、规模、不同时间段的超额收益率或收益率等，量化基金名单季度更新 [26] |基金类型|样本内数量（只）|近一周超额收益率（%）（指增类）或收益率（%）（选股和中性类）|近一月超额收益率（%）（指增类）或收益率（%）（选股和中性类）|近一年超额收益率（%）（指增类）或收益率（%）（选股和中性类）|今年以来超额收益率（%）（指增类）或收益率（%）（选股和中性类）| | ---- | ---- | ---- | ---- | ---- | ---- | |沪深300指数增强基金|76|-0.06|0.18|4.61|1.52| |中证500指数增强基金|75|0.22|-0.39|1.58|-1.88| |中证1000指数增强基金|47|0.26|-0.03|11.48|1.14| |其他指数增强基金|250|0.18|0.20|4.22|0.33| |量化选股基金|388|-2.13|1.26|30.75|6.56| |市场中性基金|21|0.20|0.74|2.38|1.09| [27][28][29][30][31][32]

量化模型与构建方式 1. PB-ROE-50 组合 * **模型名称**：PB-ROE-50 组合 * **模型构建思路**：基于市净率（PB）和净资产收益率（ROE）两个核心指标进行选股，旨在筛选出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. 机构调研组合 * **模型名称**：机构调研组合 * **模型构建思路**：利用机构调研事件蕴含的信息进行选股，分为公募调研选股和私募调研跟踪两个策略[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. 大宗交易组合 * **模型名称**：大宗交易组合 * **模型构建思路**：通过统计分析大宗交易数据，挖掘其背后蕴含的超额信息，依据“高成交、低波动”原则构建组合[29]。 * **模型具体构建过程**：组合根据“大宗交易成交金额比率”越高、“6日成交金额波动率”越低的股票后续表现更佳的规律进行构建。具体通过月频调仓方式构造[29]。 * **模型评价**：该模型旨在提炼大宗交易背后蕴含的超额信息[29]。 4. 定向增发组合 * **模型名称**：定向增发组合 * **模型构建思路**：以定向增发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**：以股东大会公告日为时间节点，在综合考虑市值因素、调仓周期以及对仓位控制的基础上，构造定向增发事件驱动选股组合[35]。 * **模型评价**：该模型旨在多角度解析定向增发中的投资机会[35]。 模型的回测效果 1. **PB-ROE-50 组合**[24] * 本周超越基准收益率（中证500）：0.78% * 本周超越基准收益率（中证800）：0.46% * 本周超越基准收益率（全市场）：-0.92% * 今年以来超额收益率（中证500）：-0.15% * 今年以来超额收益率（中证800）：7.24% * 今年以来超额收益率（全市场）：5.24% * 本周绝对收益率（中证500）：-2.69% * 本周绝对收益率（中证800）：-1.32% * 本周绝对收益率（全市场）：-3.18% * 今年以来绝对收益率（中证500）：11.82% * 今年以来绝对收益率（中证800）：11.24% * 今年以来绝对收益率（全市场）：11.17% 2. **机构调研组合**[26] * 公募调研选股策略本周超越基准收益率（中证800）：0.16% * 公募调研选股策略今年以来超额收益率（中证800）：1.53% * 公募调研选股策略本周绝对收益率：-1.62% * 公募调研选股策略今年以来绝对收益率：5.31% * 私募调研跟踪策略本周超越基准收益率（中证800）：-1.30% * 私募调研跟踪策略今年以来超额收益率（中证800）：10.18% * 私募调研跟踪策略本周绝对收益率：-3.05% * 私募调研跟踪策略今年以来绝对收益率：14.29% 3. **大宗交易组合**[30] * 本周超越基准收益率（中证全指）：1.50% * 今年以来超额收益率（中证全指）：9.41% * 本周绝对收益率：-0.82% * 今年以来绝对收益率：15.57% 4. **定向增发组合**[36] * 本周超越基准收益率（中证全指）：2.15% * 今年以来超额收益率（中证全指）：4.16% * 本周绝对收益率：-0.18% * 今年以来绝对收益率：10.02% 量化因子与构建方式 1. 大类风格因子 * **因子名称**：盈利因子、动量因子、Beta因子等[18] * **因子构建思路**：报告未详细描述这些大类因子的具体构建思路，仅将其作为风格分析维度[18]。 2. 单因子（列举报告提及的部分因子） 报告未提供单个因子的具体构建公式和详细过程，仅列出了因子名称及其在特定周期内的表现[12][14][16]。以下为报告提及的部分因子名称： * **估值类因子**：市盈率TTM倒数、市盈率因子、市净率因子、市销率TTM倒数、EP因子、EPTTM分位点[12][14][16][21] * **基本面因子**：单季度营业收入同比增长率、单季度ROA同比、单季度ROA、单季度ROE同比、单季度ROE、毛利率TTM、净利润率TTM、营业利润率TTM、总资产增长率、总资产毛利率TTM、单季度总资产毛利率、单季度EPS、单季度净利润同比增长率、单季度营业利润同比增长率、ROE稳定性、ROA稳定性、ROIC增强因子、经营现金流比率、每股净资产、每股经营利润TTM、净资产增长率、净利润增长率[12][14][16][21][22] * **动量反转类因子**：动量弹簧因子、5日动量、1月动量、5日反转[12][14][16][22] * **交易行为/技术类因子**：日内波动率与成交金额的相关性、早盘收益因子、早盘后收益因子、大单净流入、动量调整大单、动量调整小单、小单净流入、成交量的5日指数移动平均、5日平均换手率、换手率相对波动率、5日成交量的标准差、6日成交金额的移动平均值、6日成交金额的标准差、5分钟收益率偏度、下行波动率占比[12][14][16] * **波动率与流动性因子**：残差波动率、流动性[21] * **市值因子**：对数市值因子[12][14][16] * **事件与预期类因子**：标准化预期外盈利、标准化预期外收入、净利润断层[12][14][16] 因子的回测效果 （注：以下因子表现数据均为“最近1周”的收益，为剔除行业与市值影响后多头组合相对于基准指数的超额收益[12]） 1. **大类因子表现（全市场股票池）**[18] * 盈利因子收益：0.47% * 动量因子收益：0.46% * Beta因子收益：-1.02% 2. **单因子表现（沪深300股票池）**[13] * 市盈率TTM倒数：2.97% * 市盈率因子：2.86% * 日内波动率与成交金额的相关性：1.45% * 市净率因子：1.42% * 早盘收益因子：1.39% * 大单净流入：1.26% * 成交量的5日指数移动平均：0.81% * 单季度ROA：0.59% * 5日平均换手率：0.44% * 动量调整小单：0.41% * 经营现金流比率：0.40% * 换手率相对波动率：0.24% * 下行波动率占比：0.15% * 动量调整大单：0.11% * ROIC增强因子：0.06% * 净利润率TTM：0.05% * ROE稳定性：0.02% * 单季度总资产毛利率：0.01% * ROA稳定性：-0.05% * 营业利润率TTM：-0.09% * 5日成交量的标准差：-0.11% * 5分钟收益率偏度：-0.13% * 总资产毛利率TTM：-0.13% * EPTTM分位点：-0.41% * 6日成交金额的移动平均值：-0.43% * 标准化预期外盈利：-0.59% * 单季度ROE：-0.89% * 小单净流入：-1.34% * 净利润断层：-0.97% * 6日成交金额的标准差：-1.14% * 市销率TTM倒数：-1.21% * 总资产增长率：-1.22% * 毛利率TTM：-0.81% * 单季度EPS：-1.27% * 对数市值因子：-2.59% * 单季度营业利润同比增长率：-1.31% * 单季度净利润同比增长率：-1.49% * 5日反转：-1.95% * 标准化预期外收入：-1.57% * 早盘后收益因子：-1.71% * 单季度ROE同比：-1.72% * 动量弹簧因子：-1.77% * 单季度ROA同比：-1.79% * 单季度营业收入同比增长率：-2.54% 3. **单因子表现（中证500股票池）**[15] * 市盈率TTM倒数：3.46% * 市盈率因子：3.29% * 单季度营业收入同比增长率：2.34% * 下行波动率占比：2.24% * 市净率因子：1.92% * 日内波动率与成交金额的相关性：1.79% * 成交量的5日指数移动平均：-0.67% * 对数市值因子：-3.15% * 营业利润率TTM：1.21% * 5日成交量的标准差：1.20% * 净利润率TTM：1.01% * 动量调整大单：0.97% * 单季度ROA同比：0.94% * 单季度ROA：0.92% * 单季度ROE同比：0.90% * 大单净流入：0.76% * ROA稳定性：0.57% * ROE稳定性：0.56% * 单季度ROE：0.54% * 换手率相对波动率：-10.64% * 单季度EPS：0.52% * 标准化预期外盈利：0.47% * 经营现金流比率：0.33% * 市销率TTM倒数：0.30% * 标准化预期外收入：0.22% * EPTTM分位点：0.11% * 早盘后收益因子：-0.02% * 单季度净利润同比增长率：-0.06% * 总资产毛利率TTM：-12.90% * 动量调整小单：-0.12% * 5日反转：-0.21% * ROIC增强因子：-0.29% * 净利润断层：-0.30% * 动量弹簧因子：-0.33% * 6日成交金额的标准差：-0.33% * 6日成交金额的移动平均值：-0.38% * 单季度营业利润同比增长率：-0.39% * 早盘收益因子：-0.40% * 单季度总资产毛利率：-0.48% * 小单净流入：-0.52% * 5分钟收益率偏度：-0.77% * 毛利率TTM：-0.83% * 总资产增长率：-0.97% * 5日平均换手率：-1.22% 4. **单因子表现（流动性1500股票池）**[17] * 市盈率TTM倒数：3.61% * 市盈率因子：2.53% * 市净率因子：1.94% * 5日成交量的标准差：1.86% * 日内波动率与成交金额的相关性：1.82% * 动量调整大单：1.69% * 下行波动率占比：1.51% * 单季度ROE：1.43% * 换手率相对波动率：1.40% * 单季度营业收入同比增长率：1.36% * 经营现金流比率：1.36% * 单季度ROA：1.30% * 大单净流入：1.13% * 成交量的5日指数移动平均：0.98% * 5日平均换手率：0.91% * 动量调整小单：0.91% * ROA稳定性：0.88% * ROE稳定性：0.85% * 净利润率TTM：0.80% * 标准化预期外收入：0.75% * 单季度ROE同比：0.68% * 单季度ROA同比：0.50% * 单季度EPS：0.44% * 标准化预期外盈利：0.32% * 营业利润率TTM：0.30% * 小单净流入：0.28% * 市销率TTM倒数：0.24% * 总资产毛利率TTM：0.24% * 对数市值因子：-7.17% * 6日成交金额的标准差：0.19% * 毛利率TTM：0.12% * ROIC增强因子：0.06% * 单季度总资产毛利率：0.04% * 6日成交金额的移动平均值：0.03% * 总资产增长率：-0.05% * 5分钟收益率偏度：-0.05% * EPTTM分位点：-0.18% * 单季度净利润同比增长率：-0.23% * 早盘收益因子：-0.28% * 净利润断层：-0.32% * 动量弹簧因子：-0.49% * 单季度营业利润同比增长率：-0.61% * 早盘后收益因子：-0.65% * 5日反转：-8.21%

会议概况 - 中金公司将于2026年3月10日至11日在深圳福田香格里拉大酒店举办春季投资策略会 [2][3] - 会议将包含主题演讲与六大行业分会场讨论 [18][19] 主要演讲嘉宾 - 香港中文大学伟伦经济学教授、经济学系主任宋将发表演讲 [5] - 香港中文大学(深圳)公共政策学院院长、前海国际事务研究院院长郑永年将发表演讲 [8] - 中金公司首席经济学家、研究部负责人、中金研究院院长彭文生将发表演讲 [8] - 中金公司资深董事总经理、首席策略分析师缪延亮将发表演讲 [11] - 会议设有圆桌讨论环节，嘉宾包括瓢资本、希烽光电、自变量机器人、智谱华章等公司创始人或高管 [12][15] 总量主题演讲议程 (3月10日) - **13:30-14:10**：中国宏观经济展望与美国宏观经济展望，由中金公司研究部执行总经理、中金美国证券首席经济学家刘政宁主讲 [16][17] - **14:10-15:20**：A股市场展望、港股及海外市场展望、大类资产展望，分别由首席国内策略分析师李求索、首席海外策略分析师文『、大类资产配置分析师Kh昭主讲 [18] - **15:20-15:50**：北上楼市拐点渐行渐近，由不动产与空间服务分析师吴主讲 [18] - **15:50-16:10**：春风夏雨，债市行情渐次展开，由固定收益首席分析师陈健恒主讲 [18] - **16:10-16:30**：跨国企业成长记—对全球化的思考，由国际研究分析师鑫主讲 [18] - **16:30-16:50**：量化投资新趋势：AI赋能，从技术到认知，由量化及ESG首席分析师刘均伟主讲 [18] - **16:50-17:10**：全球大宗商品展望：高波动后，如何轮动，由大宗研究首席分析师郭朝辉主讲 [18] - **17:10-17:30**：美元和人民币春季汇率展望，由外汇研究首席分析师李刘阳主讲 [18] 行业分会场议程 (3月11日 上午) 分会场一：科技与AI - **09:00-09:45**：互联网与AI及其他 [19] - **09:45-10:30**：电子（含半导体）与AI算力基建的下半场 [19] - **10:30-11:15**：通信设备与2026年ICT产业的投资机遇 [19] - **11:15-12:00**：软件电信教育与AI营销赛道的价值重构及中国品牌出海新机遇 [19] 分会场二：消费 - **09:00-09:45**：轻工零售美妆与供给提质、需求升级 [19] - **09:45-10:30**：旅游酒店及餐饮与服务消费新蓝海 [19] - **10:30-11:15**：纺织服装珠宝与户外品牌的崛起 [21] - **11:15-12:00**：家电与智慧家居与消费级3D打印 [21] 分会场三：高端制造与能源 - **09:00-09:45**：汽车及出行设备与汽车产业链作为物理AI全链路载体 [21] - **09:45-10:30**：机械军工与聚焦高景气赛道，关注出口与周期机会 [21] - **10:30-11:15**：风光公用环保与探索绿电消纳优化：抽水蓄能、绿色甲醇 [21] - **11:15-12:00**：电力设备新能源与筑基待势，万象启新 [21] 行业分会场议程 (3月11日 下午) 分会场四：大消费与金融 - **13:30-14:15**：食品饮料与筑底接近尾声，聚焦高质量增长 [21] - **14:15-15:00**：农林牧渔与行至中局，品名进新 [21] - **15:00-15:45**：银行与为何银行需要保持一定的利润空间 [21] - **15:45-16:30**：保险与再迎黄金时代 [21] 分会场五：不动产、金融与医药 - **13:30-14:15**：不动产与REITs与2026投资机会 [21] - **14:15-15:00**：非银金融及金融科技与投资中国优质券商正当时 [21] - **15:00-15:45**：传媒与AI应用新思考：办公与娱乐 [22] - **15:45-16:30**：医药生物与AI+自动化+全球协同：创新药研发的新范式 [22] 分会场六：周期与材料 - **13:30-14:15**：交通运输物流与新周期下航空航运投资机会 [22] - **14:15-15:00**：有色金属与乘风破浪 [22] - **15:00-15:45**：油气化工&基础材料与工程与太空材料 [22] 受邀参会公司 (部分列举) - **银行**：中信银行、民生银行、渣打集团、成都银行、杭州银行、汇丰控股 [22] - **非银金融及金融科技**：指南针、九方智投控股、江苏金租、易鑫集团、乐信、连连数字、水滴公司、HASHKEY、OSL集团 [22] - **不动产与REITs**：天健集团、新鸿基地产、农产品、南山控股及多只公募REITs产品 [23] - **油气化工与基础材料**：荣盛石化、卫星化学、龙佰集团、恒力石化、兖矿能源、宝钢股份、北新建材等数十家公司 [23][24] - **交通运输物流**：厦门象屿、韵达股份、东航物流、深圳机场、海航控股、吉祥航空、春秋航空 [25] - **有色金属**：中稀有色、金力永磁、北方稀土、天齐锂业、华友钴业、中金黄金等数十家公司 [26] - **电力设备新能源**：京泉华、天赐材料、国电南瑞、中创新航、格林美等数十家公司 [26][27] - **机械军工**：杰瑞股份、大族数控、优必选、中控技术、中航科工、中国船舶、中联重科等数十家公司 [28] - **风光公用环保**：明阳智能、钧达股份、长江电力、晶科能源、天合光能等数十家公司 [29][30] - **汽车及出行设备**：长安汽车、奇瑞汽车、均胜电子、中国重汽、九识智能、道通科技等数十家公司 [31] - **TMT（通信、电子、互联网、软件等）**：海康威视、联想集团、立讯精密、中微公司、TCL科技、京东、第四范式、金山办公、智谱华章等数十家公司 [32][33][34] - **消费（纺织服装、家电、旅游、农业、轻工、食品饮料、医药等）**：波司登、海尔智家、百胜中国、温氏股份、钱大妈、上海家化、伊利股份、爱尔眼科、康龙化成等数十家公司 [35][36][37]

文章核心观点 - 在近一年的产业周期、政策红利和资金宽松等因素推动下，创业板和科创板（“双创”板块）表现亮眼，为量化策略提供了获取超额收益的有利环境，龙旗科技旗下的“龙旗科技创新精选1号”产品正是聚焦该赛道的代表性产品 [1][6][10] “双创”板块市场表现 - 截至2026年2月底，创业板指和科创综指近1年涨幅分别达52.52%和49.95%，但同期动态回撤也分别达到19.13%和19.4%，呈现出高收益、高波动的特征 [1] - 科创板和创业板在近1年领跑中国市场主要股指，涨幅超过50% [7] 龙旗科技公司概况 - 公司成立于2011年，是国内成立时间较早的老牌量化基金管理公司，团队规模超过60人，其中投研团队占比50%以上，且投研团队硕博士占比100% [3] - 公司专注于股票量化策略，连续4年获得“金牛奖”三年期或五年期奖项 [3] - 公司创始人、CEO兼首席投资官朱晓康拥有波士顿大学经济学博士学位，曾在美国巴克莱国际投资（BGI）和贝莱德（BlackRock）担任基金经理和策略研究员 [3] 产品策略与布局逻辑 - “龙旗科技创新精选1号”的基金经理为朱晓康，该产品专注于创业板与科创板成分股选股，其中创业板证券占比69.7%，科创板证券占比30.3% [4][8] - 公司自2025年起前瞻性布局“双创”赛道，旨在在差异化的选股领域创造更多超额收益，并已加大对科创板块的配置力度 [4] - 公司主打策略为2019年4月上线的中高频机器学习选股新策略，运用量价模型寻找因子间的非线性关系，预测股票短期波动趋势 [3] - 该产品重点布局机械设备、电子、医药生物、计算机等高成长性科技行业，进攻性特征明显 [9] - 公司的量化模型与双创板块特质深度契合，成长类因子在该板块适应性更好，专利因子、研发投入等另类因子可提供差异化的超额来源 [9] “双创”板块投资价值分析 - **产业周期**：硬科技赛道技术突破与业绩落地形成良性循环，例如AI大模型点燃算力需求，使光模块等科技龙头企业将技术优势转化为盈利增长 [7] - **政策层面**：2025年作为“十五五”规划关键布局年，政策全力支持“新质生产力”与科技自立自强，使“双创”板块成为政策核心受益者 [7] - **市场流动性**：国内降息降准周期叠加美联储降息预期，导致无风险利率下行，市场风险偏好提升，资金涌入科技板块 [7] - 科创板和创业板作为国家战略的重要组成部分，享受政策倾斜，汇聚硬科技和高成长企业，落脚于国家未来经济发展，极具发展潜力和配置价值 [7] - 该板块投资者众多，交易活跃，流动性较好，且相较于主板有更灵活的交易规则与更宽松的涨跌幅限制，呈现出更大的波动性和估值弹性，为量化投资提供了更有利的超额收益挖掘空间 [7][8] - 整体而言，“龙旗科技创新精选1号”具备高弹性、高流动性、高波动的“三高”特点，其聚焦的赛道尚未拥挤，为量化策略获取超额收益创造了更理想的市场环境 [9]

报告行业投资评级 - 未明确给出行业投资评级相关信息 报告的核心观点 - 看多10年国债、2年国债、万得全A指数、中证红利全收益指数、万得微盘指数、国证2000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、3YAAA中短票 [1][2][5] 根据相关目录分别进行总结 量化日报 - 30年国债原始信号82.73%，MA5为44.57%，模型观点为震荡，信号持续5个交易日 [2][5] - 3年AAA中短票原始信号77.61%，MA5为48.59%，模型观点由看多转为震荡，信号持续1个交易日 [2][5] - 10年国债原始信号45.96%，MA5为27.25%，模型观点为看多，信号持续超过10个交易日 [2][5] - 2年国债原始信号2.16%，MA5为9.68%，模型观点为看多，信号持续超过10个交易日 [2][5] - 万得全A指数原始信号44.75%，MA5为18.88%，模型观点为看多，信号持续超过10个交易日 [2][5] - 中证红利全收益指数原始信号36.05%，MA5为20.84%，模型观点为看多，信号持续7个交易日 [2][5] - 恒生科技指数原始信号91.63%，MA5为93.74%，模型观点为调整，信号持续超过10个交易日 [2][5] - 科创50指数原始信号98.07%，MA5为95.39%，模型观点为调整，信号持续5个交易日 [2][5] - 万得微盘指数原始信号82.54%，MA5为22.43%，模型观点为看多，信号持续超过10个交易日 [2][5] - 国证2000指数原始信号87.35%，MA5为33.40%，模型观点为看多，信号持续超过10个交易日 [2][5] - COMEX黄金原始信号2.86%，MA5为11.22%，模型观点为看多，信号持续超过10个交易日（尚未收盘，延迟一个交易日） [2][5] - IPE布油原始信号8.26%，MA5为19.21%，模型观点为看多，信号持续超过10个交易日（尚未收盘，延迟一个交易日） [2][5][6] 近10个交易日模型择时结果 - 展示了30年国债、3年AAA中短票、10年国债、2年国债、万得全A指数、中证红利全收益指数、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布油近10个交易日的预测概率及多空观点 [7]