核心观点 - 报告基于深度学习框架构建了AI体系下的低频指数增强策略，通过组合优化将深度学习alpha信号与风险信号结合，构建了针对沪深300、中证500、中证A500及中证1000的指数增强组合 [3][14] 本周市场指数表现 - 截至2025年12月5日当周，主要市场指数普遍上涨：上证指数上涨0.37%，深证成指上涨1.26%，沪深300指数上涨1.28%，创业板指上涨1.86%，北证50上涨1.49% [7][8] - 同期，科创50指数微跌0.08%，万得微盘股指数下跌1.23% [8] - 从行业表现看，有色金属、通信、国防军工行业表现较好，周收益率分别为5.35%、3.69%、2.82%；传媒、房地产、美容护理行业表现较差，周收益率分别为-3.86%、-2.15%、-2.00% [8] 指数增强基金绩效 - 截至2025年12月5日当周，不同指数增强基金的超额收益表现如下：沪深300指数增强基金超额收益中位数为0.11%，中证500指数增强基金超额收益中位数为0.34%，中证1000指数增强基金超额收益中位数为0.54% [4][10] - 今年以来（截至2025年12月5日），不同指数增强基金的超额收益表现如下：沪深300指数增强基金超额收益中位数为2.30%，中证500指数增强基金超额收益中位数为3.15%，中证1000指数增强基金超额收益中位数为8.71% [11] 跟踪组合表现 - 报告构建的AI低频指数增强策略组合为周度调仓，约束周单边换手率为10% [14] - 在alpha信号构建上，利用多源特征集合，通过堆叠多模型策略和异构网络的特征互补与集成算法优化得到 [14] - 在风险信号构建上，利用神经网络寻找长期IC均值为0且呈现高R方的风险信号 [14] 沪深300指数增强组合 - 截至2025年12月5日，今年以来沪深300指数上涨16.5%，该指数增强组合上涨26.2%，实现超额收益9.7% [4][18] - 当周（截至2025年12月5日），沪深300指数上涨1.3%，该指数增强组合上涨1.3%，实现超额收益0.1% [4][18] - 自2019年以来全样本期间，该组合年化收益为19.6%，基准指数年化收益为6.1%，累计超额收益为13.5%，月度胜率为78.3% [19] 中证500指数增强组合 - 截至2025年12月5日，今年以来中证500指数上涨24.0%，该指数增强组合上涨30.3%，实现超额收益6.4% [4][23] - 当周（截至2025年12月5日），中证500指数上涨0.9%，该指数增强组合上涨1.1%，实现超额收益0.2% [4][23] - 自2019年以来全样本期间，该组合年化收益为24.3%，基准指数年化收益为7.8%，累计超额收益为16.4%，月度胜率为79.5% [24] 中证A500指数增强组合 - 截至2025年12月5日，今年以来中证A500指数上涨19.6%，该指数增强组合上涨28.4%，实现超额收益8.7% [4][29] - 当周（截至2025年12月5日），中证A500指数上涨1.3%，该指数增强组合上涨1.5%，实现超额收益0.1% [4][29] - 自2020年以来全样本期间，该组合年化收益为19.1%，基准指数年化收益为3.8%，累计超额收益为15.3%，月度胜率为80.0% [32] 中证1000指数增强组合 - 截至2025年12月5日，今年以来中证1000指数上涨23.2%，该指数增强组合上涨38.0%，实现超额收益14.8% [4][35] - 当周（截至2025年12月5日），中证1000指数上涨0.1%，该指数增强组合上涨1.0%，实现超额收益0.9% [4][35] - 自2019年以来全样本期间，该组合年化收益为31.0%，基准指数年化收益为7.3%，累计超额收益为23.6%，月度胜率为86.7% [36]

根据提供的华创证券金工周报（20251124-20251128），以下是关于报告中涉及的量化模型与因子的总结。 量化模型与构建方式 1. **模型名称：成交量模型**[11][12] * **模型构建思路**：基于市场成交量的变化来判断短期市场情绪和趋势[11][12]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[11][12]。 2. **模型名称：特征龙虎榜机构模型**[11][12] * **模型构建思路**：利用龙虎榜中机构投资者的买卖行为数据构建特征，用于市场短期择时[11][12]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[11][12]。 3. **模型名称：特征成交量模型**[11][12] * **模型构建思路**：基于特定的成交量特征（可能与龙虎榜相关）进行短期市场判断[11][12]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[11][12]。 4. **模型名称：智能算法沪深300模型 / 智能算法中证500模型**[11][12] * **模型构建思路**：应用智能算法（如机器学习等）对特定宽基指数（沪深300、中证500）进行择时判断[11][12]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[11][12]。 5. **模型名称：涨跌停模型**[13] * **模型构建思路**：通过分析市场中涨停和跌停股票的数量或比例来判断中期市场情绪[13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[13]。 6. **模型名称：上下行收益差模型**[11][13] * **模型构建思路**：通过计算市场上行收益与下行收益的差异来判断市场动能和趋势[11][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[11][13]。 7. **模型名称：月历效应模型**[13] * **模型构建思路**：基于历史数据中存在的特定月份或时间段的规律性表现进行中期市场判断[13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[13]。 8. **模型名称：长期动量模型**[14] * **模型构建思路**：基于资产的长期价格动量（趋势）进行判断，认为过去表现好的资产未来仍可能表现良好[14]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[14]。 9. **模型名称：A股综合兵器V3模型 / A股综合国证2000模型**[15] * **模型构建思路**：将短期、中期、长期等多个单一模型或因子信号进行综合耦合，形成最终的复合判断模型，旨在攻守兼备[9][15]。 * **模型具体构建过程**：报告提及了模型耦合的思想，但未提供V3或国证2000综合模型的具体耦合公式和权重分配细节[9][15]。 10. **模型名称：成交额倒波幅模型**[16] * **模型构建思路**：结合成交额和波动率（倒波幅）指标对港股市场进行中期判断[16]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[16]。 11. **模型名称：恒生指数上下行收益差模型**[16] * **模型构建思路**：原理同A股的上下行收益差模型，应用于恒生指数进行中期判断[16]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[16]。 12. **因子/策略名称：杯柄形态**[44][45][46] * **因子/策略构建思路**：识别股价走势中类似于“杯子和杯柄”的图表形态，该形态被认为是看涨 continuation 模式，当股价突破杯柄区域的阻力位时产生买入信号[44][45][46]。 * **因子/策略具体构建过程**：通过识别三个关键点来定义形态：A点（杯左缘高点）、B点（杯底低点）、C点（杯右缘/柄部高点），当价格突破C点水平时视为形态突破，产生信号[46][48][49]。 * **因子/策略评价**：是一种经典的技术分析形态识别策略。 13. **因子/策略名称：双底形态**[44][50][51] * **因子/策略构建思路**：识别股价走势中形成两个近似低点（底部）的W形图表形态，该形态被认为是看涨 reversal 模式，当股价突破两个底部之间的颈线位时产生买入信号[44][50][51]。 * **因子/策略具体构建过程**：通过识别三个关键点来定义形态：A点（第一个底部）、B点（两个底部之间的反弹高点，即颈线位）、C点（第二个底部），当价格突破B点水平时视为形态突破，产生信号[50][54]。 * **因子/策略评价**：是一种经典的技术分析形态识别策略。 14. **因子/策略名称：倒杯子形态**[64][66] * **因子/策略构建思路**：识别股价走势中类似于倒置的“杯子和杯柄”的图表形态，该形态被认为是看跌 reversal 模式，当股价跌破形态支撑位时产生风险警示信号[64][66]。 * **因子/策略具体构建过程**：通过识别三个关键点来定义形态：A点（杯左缘低点）、C点（杯右缘/柄部低点）、E点（杯口高点），当价格跌破A-C点形成的支撑区域时视为形态突破，产生风险信号[64][66]。 * **因子/策略评价**：是一种用于识别潜在下跌风险的技术分析形态。 模型的回测效果 1. **杯柄形态组合**[44] * 本周收益：3.9%[44] * 本周相对上证综指超额收益：2.5%[44] * 2020年12月31日至今累计收益：10.82%[44] * 2020年12月31日至今相对上证综指超额收益：-1.14%[44] 2. **双底形态组合**[44] * 本周收益：3.33%[44] * 本周相对上证综指超额收益：1.93%[44] * 2020年12月31日至今累计收益：13.99%[44] * 2020年12月31日至今相对上证综指超额收益：2.02%[44] 量化因子与构建方式 （报告主要描述了择时模型和技术形态策略，未详细阐述用于选股或阿尔法策略的独立量化因子及其构建方式。） 因子的回测效果 （报告主要描述了择时模型和技术形态策略的回测效果，未提供独立量化因子的IC值、IR、多空收益等传统因子测试指标。）

市场近期表现与风格 - 市场情绪在周一和上周有所好转，前期调整幅度较大的人工智能板块领涨，CPO和新能源板块持续领涨[1] - 近两个月市场赚钱效应集中在热点板块，除非押中热点否则很难赚钱[1] 主动量化基金特征 - 主动量化基金持仓高度分散，持有几十至上百只股票，不侧重特定行业，单个标的持仓占比通常不超过2%[1] - 基金采用量化或结合主观策略筛选股票，具有收益高、波动小的特征，但策略容量有限，规模扩大后普遍实施限额[1] - 以“神基”为参考标准，今年收益率达到40%以上，但该基金未开放购买[1] 重点主动量化基金近期表现 - 招商量化精选股票A近1周收益-2.77%，近1月-6.64%，近3月-3.16%，回撤幅度仅次于今年4月极端行情，目前限额2000元[2] - 国金量化多因子股票A近1周收益-3.88%，近1月-2.49%，近3月-2.85%，11月21日单日净值下跌4.85%，回撤为今年第二高水平，目前限额1万元[4] - 大成景恒混合A近1周收益-2.54%，近1月1.93%，近3月3.72%，回撤相对较小，目前限额5000万元[6] - 华夏新锦绣混合A近1周收益-2.91%，近1月0.31%，近3月3.97%，回调幅度不大，但限额仅为100元[8] 主动量化基金短期净值波动 - 11月21日市场普跌行情中，招商量化精选股票A单日下跌3.46%，国金量化多因子股票A下跌4.85%，大成景恒混合A下跌2.71%，华夏新锦绣混合A下跌3.23%[11] - 11月24-25日市场反弹中，上述基金均实现正收益，其中国金量化多因子股票A11月25日单日上涨2.14%[11] 主动量化基金投资价值分析 - 在市场流动性较差出现普跌时，主动量化基金因近乎满仓且多投资中小盘股票，回撤幅度较大[11] - 在非系统性下跌行情中，该类基金表现值得期待，近期调整为阶段性布局提供了机会[11]

根据研报内容，以下是关于量化模型和因子的总结： 量化模型与构建方式 **1. 成交量模型** - 模型构建思路：基于市场成交量的变化来判断短期市场走势[8] - 模型具体构建过程：通过分析宽基指数的成交量数据，判断市场情绪和资金活跃度[8][11] - 模型评价：短期有效的市场情绪指标 **2. 特征龙虎榜机构模型** - 模型构建思路：利用龙虎榜机构交易数据构建择时信号[8][11] - 模型具体构建过程：跟踪机构在龙虎榜上的买卖行为，分析机构资金流向[8][11] **3. 特征成交量模型** - 模型构建思路：基于特殊的成交量特征进行市场判断[8][11] - 模型具体构建过程：识别成交量中的异常波动和特殊模式[8][11] **4. 智能算法模型** - 模型构建思路：应用智能算法对沪深300和中证500指数进行择时[8][11] - 模型具体构建过程：使用机器学习等智能算法分析价量数据[8][11] - 模型评价：能够捕捉非线性关系 **5. 涨跌停模型** - 模型构建思路：通过涨跌停板数量分析市场情绪[8][12] - 模型具体构建过程：统计市场涨跌停个股数量及其变化趋势[8][12] **6. 上下行收益差模型** - 模型构建思路：比较市场上行和下行收益的差异[8][12][15] - 模型具体构建过程：计算特定时期内上涨股票与下跌股票的收益差异[8][12][15] - 模型评价：有效反映市场多空力量对比 **7. 月历效应模型** - 模型构建思路：基于日历效应进行市场择时[12] - 模型具体构建过程：分析历史数据中的季节性模式和月度效应[12] **8. 长期动量模型** - 模型构建思路：利用长期价格动量判断市场趋势[13] - 模型具体构建过程：计算长期时间窗口内的价格动量指标[13] - 模型评价：对长期趋势有较好的捕捉能力 **9. A股综合兵器V3模型** - 模型构建思路：综合多个因子和模型的复合择时模型[14] - 模型具体构建过程：整合短期、中期、长期多个维度的信号[14] **10. A股综合国证2000模型** - 模型构建思路：专门针对国证2000指数的综合择时模型[14] - 模型具体构建过程：结合多个因子对国证2000指数进行专门分析[14] **11. 成交额倒波幅模型** - 模型构建思路：用于港股市场的中期择时模型[15] - 模型具体构建过程：结合成交额和波动率指标进行判断[15] **12. 形态识别模型** - 模型构建思路：基于技术形态识别进行选股和择时[40][41][44][46][48] - 模型具体构建过程： - 杯柄形态：识别A点（起点）、B点（杯柄形成点）、C点（突破点）[44][51] - 双底形态：识别A点（第一个底部）、C点（第二个底部）、E点（突破点）[49][50] - 模型评价：经典的技术分析工具，对突破行情有较好效果 **13. VIX指数模型** - 模型构建思路：基于波动率指数进行市场风险判断[38] - 模型具体构建过程：复现中证指数公司的VIX计算方法，相关系数达到99.2%[38] - 模型评价：有效的市场恐慌情绪指标 模型的回测效果 **形态识别模型表现**[40]： - 双底形态组合：本周收益-6.55%，相对上证综指跑输-2.65%，累计收益10.32% - 杯柄形态组合：本周收益-5.67%，相对上证综指跑输-1.77%，累计收益6.66% **VIX指数**[38][39]： - 最新VIX值：16.8 **形态突破个股表现**[41][46]： - 杯柄形态突破个股：上周5只个股中2只跑赢上证综指，平均超额收益0.16% - 双底形态突破个股：上周7只个股中2只跑赢上证综指，平均超额收益-0.05% 量化因子与构建方式 **1. 机构仓位因子** - 因子构建思路：基于基金仓位变化分析机构行为[22][23][24][25] - 因子具体构建过程：跟踪股票型和混合型基金的行业配置变化[22][23][24][25] **2. 分析师预期因子** - 因子构建思路：利用分析师一致预期数据[18][19] - 因子具体构建过程：统计分析师上调/下调个股比例[18][19] **3. 资金流向因子** - 因子构建思路：分析主力资金流向[16] - 因子具体构建过程：跟踪各行业主力资金净流入流出情况[16] 因子的回测效果 **机构仓位因子表现**[22][23][24][25]： - 股票型基金总仓位：95.82%，较上周减少52bps - 混合型基金总仓位：88.71%，较上周减少218bps - 加仓行业：汽车、电力设备及新能源 - 减仓行业：通信、基础化工 **分析师预期因子表现**[18][19]： - 分析师上调比例最高行业：农林牧渔(5.0%)、国防军工(4.17%)、石油石化(4.0%) - 分析师下调比例最高行业：电子(4.55%)、医药(3.8%)、钢铁(3.77%) **资金流向因子表现**[16]： - 所有行业主力资金净流出 - 净流出前五行业：电子、电力设备及新能源、基础化工、医药、机械

由于提供的研报内容主要是市场回顾、择时信号展示和基金仓位监控，并未详细描述量化模型或量化因子的具体构建过程、公式或详细的回测指标，因此以下总结将基于报告中明确提及的模型和因子名称及其信号观点进行整理。报告未提供模型/因子的具体构建公式、详细构建过程、定性评价或统一的量化回测指标（如年化收益率、夏普比率、信息比率等）。 量化模型与构建方式 1. **模型名称**：成交量模型[11] * **模型构建思路**：基于成交量信息进行市场短期择时[11] * **模型具体构建过程**：报告未提供具体构建过程或公式。 * **模型评价**：报告未提供定性评价。 2. **模型名称**：特征龙虎榜机构模型[11] * **模型构建思路**：基于龙虎榜机构交易特征进行择时[11] * **模型具体构建过程**：报告未提供具体构建过程或公式。 * **模型评价**：报告未提供定性评价。 3. **模型名称**：特征成交量模型[11] * **模型构建思路**：基于特定的成交量特征进行择时[11] * **模型具体构建过程**：报告未提供具体构建过程或公式。 * **模型评价**：报告未提供定性评价。 4. **模型名称**：智能算法模型（沪深300/中证500）[11] * **模型构建思路**：应用智能算法进行择时[11] * **模型具体构建过程**：报告未提供具体构建过程或公式。 * **模型评价**：报告未提供定性评价。 5. **模型名称**：涨跌停模型[12] * **模型构建思路**：基于涨跌停板情况进​​行中期择时[12] * **模型具体构建过程**：报告未提供具体构建过程或公式。 * **模型评价**：报告未提供定性评价。 6. **模型名称**：上下行收益差模型[11][12][15] * **模型构建思路**：基于上行收益与下行收益的差异进行择时[11][12][15] * **模型具体构建过程**：报告未提供具体构建过程或公式。 * **模型评价**：报告未提供定性评价。 7. **模型名称**：月历效应模型[12] * **模型构建思路**：基于月份效应进行中期择时[12] * **模型具体构建过程**：报告未提供具体构建过程或公式。 * **模型评价**：报告未提供定性评价。 8. **模型名称**：长期动量模型[13] * **模型构建思路**：基于长期动量进行择时[13] * **模型具体构建过程**：报告未提供具体构建过程或公式。 * **模型评价**：报告未提供定性评价。 9. **模型名称**：A股综合兵器V3模型[14] * **模型构建思路**：综合多种信号的A股择时模型[14] * **模型具体构建过程**：报告未提供具体构建过程或公式。 * **模型评价**：报告未提供定性评价。 10. **模型名称**：A股综合国证2000模型[14] * **模型构建思路**：针对国证2000指数的综合择时模型[14] * **模型具体构建过程**：报告未提供具体构建过程或公式。 * **模型评价**：报告未提供定性评价。 11. **模型名称**：成交额倒波幅模型[15] * **模型构建思路**：基于成交额与波幅关系进行港股中期择时[15] * **模型具体构建过程**：报告未提供具体构建过程或公式。 * **模型评价**：报告未提供定性评价。 12. **模型名称**：恒生指数上下行收益差模型[15] * **模型构建思路**：基于恒生指数上行与下行收益差异进行择时[15] * **模型具体构建过程**：报告未提供具体构建过程或公式。 * **模型评价**：报告未提供定性评价。 13. **模型/因子名称**：形态识别（双底形态、杯柄形态）[40][41][45] * **构建思路**：基于技术分析中的特定价格形态（双底、杯柄）进行选股或择时[40][41][45] * **具体构建过程**：报告提及了形态的识别点（如A点、B点、C点、E点）和形态长度（周数），但未提供具体的形态定义公式或量化规则[44][49][51][52]。 * **评价**：报告未提供定性评价。 14. **模型/因子名称**：VIX指数（HCVIX）[38] * **构建思路**：衡量市场预期波动率的恐慌指数，与大盘呈负相关关系[38] * **具体构建过程**：报告提及该指数复现了中证指数公司的VIX计算方法，相关系数达99.2%，但未给出具体计算公式[38]。 * **评价**：报告未提供定性评价。 模型的回测效果 报告未提供上述模型的统一量化回测指标（如年化收益率、夏普比率、最大回撤等）。仅对部分形态识别策略提供了阶段性的表现描述： * 双底形态组合：自2020年12月31日至今累计上涨42.6%，跑赢上证综指28.19%[40]。 * 杯柄形态组合：自2020年12月31日至今累计上涨79.19%，跑赢上证综指64.77%[40]。 量化因子与构建方式 报告未明确列出独立的量化因子及其构建方式。提到的“大师策略”可能涉及价值、成长等因子，但未详细说明[35]。 因子的回测效果 报告未提供独立因子的回测效果指标。

公司股价表现 - 11月4日股价下跌1.38%至15.77元/股，成交额4.62亿元，换手率3.35%，总市值135.30亿元 [1] - 股价连续4天下跌，区间累计跌幅达8.42% [1] 公司基本情况 - 公司全称为合肥新汇成微电子股份有限公司，位于安徽省合肥市 [1] - 公司成立于2015年12月18日，于2022年8月18日上市 [1] - 主营业务是以显示驱动芯片封测为主，提供以前段金凸块制造为核心，综合晶圆测试及后段玻璃覆晶封装和薄膜覆晶封装环节的全制程封装测试综合服务 [1] - 主营业务收入构成为显示驱动芯片封测占比90.25%，其他业务占比9.75% [1] 基金持仓情况 - 申万菱信基金旗下申万菱信智能生活量化选股混合型发起式A（016515）重仓持有汇成股份2.19万股，占基金净值比例1.97%，为第二大重仓股 [2] - 该基金于2023年3月17日成立，最新规模1953.03万元，基金经理为夏祥全 [2] - 该基金今年以来收益30.57%，近一年收益41.12%，成立以来收益54.24% [2] - 基金经理夏祥全累计任职时间5年16天，现任基金资产总规模5.91亿元 [2]

根据提供的研报内容，以下是关于量化模型和因子的总结。 量化模型与构建方式 1. **模型名称：成交量模型**[1][13] * **模型构建思路：** 基于市场成交量的变化来预测短期市场走势[13] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 2. **模型名称：特征成交量模型**[1][13] * **模型构建思路：** 通过分析具有特定特征的成交量来预测市场走势[1][13] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 3. **模型名称：特征龙虎榜机构模型**[1][13] * **模型构建思路：** 利用龙虎榜中机构投资者的交易行为特征来预测市场[1][13] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 4. **模型名称：智能算法模型**[1][13] * **模型构建思路：** 应用智能算法（如机器学习等）对市场数据进行学习以进行预测，针对不同宽基指数（如沪深300、中证500）有独立模型[1][13] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 5. **模型名称：涨跌停模型**[1][14] * **模型构建思路：** 通过分析市场中涨停和跌停股票的数量或比例来判断市场情绪和中期走势[1][14] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 6. **模型名称：月历效应模型**[1][14] * **模型构建思路：** 基于历史数据中存在的特定月份或时期的规律性表现来预测市场[1][14] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 7. **模型名称：长期动量模型**[1][15] * **模型构建思路：** 依据资产价格的长期趋势（动量）来预测未来走势[1][15] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 8. **模型名称：A股综合兵器V3模型**[1][16] * **模型构建思路：** 一个综合性的A股市场择时模型，整合了多个信号源[1][16] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 9. **模型名称：A股综合国证2000模型**[1][16] * **模型构建思路：** 专门针对国证2000指数的综合性择时模型[1][16] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 10. **模型名称：成交额倒波幅模型**[1][16] * **模型构建思路：** 结合成交额和波动率（倒波幅）来预测港股市场中期走势[1][16] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 11. **模型名称：杯柄形态识别模型**[43][45][47] * **模型构建思路：** 基于技术分析中的杯柄形态（Cup with Handle）来识别个股的潜在突破机会[43][45][47] * **模型具体构建过程：** 模型识别股价走势中的特定形态，该形态由A点（左杯沿）、B点（杯底）、C点（右杯沿/柄部起点）等关键点定义。当股价在形成“杯”状整理后，在柄部区域进行小幅回调，最终放量突破柄部上轨时，视为买入信号[47][54] 12. **模型名称：双底形态识别模型**[43][48][51] * **模型构建思路：** 基于技术分析中的双底形态（W底）来识别个股的潜在反转机会[43][48][51] * **模型具体构建过程：** 模型识别股价走势中的特定形态，该形态由A点（第一个底）、B点（颈线位）、C点（第二个底）等关键点定义。当股价第二次探底不破前低，并放量突破颈线位时，视为买入信号[51][53] 13. **模型名称：倒杯子形态识别模型**[58] * **模型构建思路：** 识别典型的负向技术形态，用于预警个股的下跌风险[58] * **模型具体构建过程：** 在一波下跌后，股价出现筑顶（A点），随后再次下跌并实现向下突破（E点），形态完成，预示股价可能延续下跌趋势[58] 模型的回测效果 *报告未提供明确的量化回测指标（如年化收益率、夏普比率等），主要展示了模型的最新信号和部分形态组合的阶段性表现。* 1. **杯柄形态组合**：截至报告期，自2020年12月31日以来累计上涨70.89%，同期上证综指上涨14.28%，跑赢56.61个百分点[43] 2. **双底形态组合**：截至报告期，自2020年12月31日以来累计上涨34.32%，同期上证综指上涨14.28%，跑赢20.03个百分点[43] 量化因子与构建方式 *本报告主要侧重于市场择时模型和技术形态识别，未详细阐述用于选股或阿尔法策略的底层量化因子及其构建方式。* 因子的回测效果 *报告未涉及量化因子的独立测试结果。*

根据研报内容，现对其中涉及的量化模型与因子总结如下： 量化模型与构建方式 1. **模型名称：竞争优势组合模型**[10] * **模型构建思路**：基于企业竞争壁垒分析框架，将行业分类并识别具有不同竞争特性的企业（如"壁垒护盾型"、"高效运营"型），从中选股构建组合[10] * **模型具体构建过程**：首先，使用竞争壁垒分析框架对行业进行细致分类，识别出四类行业："壁垒护盾型"、"竞争激烈型"、"稳中求进型"和"寻求突破型"[10]。然后，在"壁垒护盾型"行业中，筛选识别具有显著管理竞争优势的"唯一主导"企业，以及能够通过合作避免竞争、维持高利润率的"合作共赢"企业[10]。对于非"壁垒护盾型"行业，则发掘那些通过高效管理和成本控制实现优异运营表现的"高效运营"企业[10]。最后，将"壁垒护盾型"行业中的"唯一主导+合作共赢"组合与无壁垒保护行业中的"高效运营"组合结合，形成最终的"竞争优势"组合[11] 2. **模型名称：安全边际组合模型**[15] * **模型构建思路**：通过计算个股的盈利能力价值作为安全边际，在具有综合竞争优势的股票池中选择安全边际最大的标的，以捕捉企业内在价值与市场价值之间的差距[15] * **模型具体构建过程**：核心是计算企业的安全边际，即内在价值与市场价值的差距[15]。在企业经营稳健且不考虑增长的情况下，将盈利能力价值视为更可靠的企业实际价值反映[15]。具体步骤是，先计算个股的盈利能力价值作为其安全边际的度量，然后在综合竞争优势股票池内，选择安全边际最大的前50只标的，并采用股息率加权的方式以最大化组合的整体安全边际[15][17]。组合每年在5月1日、9月1日和11月1日进行换仓，每次持有50只股票[17] 3. **模型名称：红利低波季调组合模型**[21] * **模型构建思路**：优化传统红利策略，避免陷入"高股息陷阱"，通过预测股息率并结合负向清单（如剔除股价表现极端、负债率异常的标的）来筛选具有盈利可持续性和长期价值的公司[21] * **模型具体构建过程**：报告指出，"高股息陷阱"的本质是投资者单纯追逐高股息率而忽视了公司盈利可持续性和长期价值[21]。因此，该模型的构建一方面依赖于对股息率本身的预测，以规避陷阱；另一方面，则考虑设置负向清单制度，例如剔除股价表现极端、负债率异常等不符合条件的标的，从而确保所选公司具备稳健的基本面[21] 4. **模型名称：AEG估值潜力组合模型**[25][29] * **模型构建思路**：基于超额收益增长模型，投资于那些市场尚未充分认识到其增长潜力的公司，通过考量带息收益增长超过机会成本的部分（即AEG）来评估公司价值[25][29] * **模型具体构建过程**：模型的核心是超额收益增长模型[25]。收益来源分为资产本身生成的收益和利息再投资产生的收益，二者加总为带息收益或全收益[25]。AEG是指带息收益增长超过机会成本的部分，计算公式如下： $$A E G=Y_{t}-N_{t}=(E_{t}+r*D P S_{t-1})-(1+r)*E_{t-1}$$ 其中，\(Y_t\) 是第t期的带息收益，\(N_t\) 是第t期的正常收益，\(E_t\) 是第t期的盈利，\(r\) 是要求回报率，\(DPS_{t-1}\) 是第t-1期的每股股利[25]。远期市盈率 \(V_0/E_1\) 可以通过以下公式计算： $${\frac{V_{0}}{E_{1}}}={\frac{1}{r}}+\frac{1}{r}*\frac{\left(\frac{A E G_{2}}{1+r}+\frac{A E G_{3}}{(1+r)^{2}}+\frac{A E G_{4}}{(1+r)^{3}}+\cdots\right)}{E_{1}}$$ 如果预测没有超额收益增长，则正常市盈率为 \(V_0/E_1 = 1/r\)[25]。在具体构建组合时，首先使用AEG_EP因子选取排名前100的股票，然后从中选择股利再投资/P比率高的前50只股票构成最终组合[29] 5. **模型名称：中证800内现金牛组合模型**[32][33][34] * **模型构建思路**：通过CFOR分析体系深入评估企业的盈利能力和资产的现金生成效率，补充传统杜邦分解的不足，筛选出高质量、现金流稳定的"现金牛"公司[32][34] * **模型具体构建过程**：引入自由现金流和自由现金流回报率作为关键分析维度[32]。CFOR体系通过拆解现金流量回报率，揭示企业如何将经营活动产生的现金流转化为净利润，包括自由现金利润比率和经营资产回报率等指标[32]。选股流程包括：确保自由现金利润比率的稳定性、经营资产回报率的稳定性、净利润率的稳定性、总资产周转率的稳定性，要求这些指标由高到低均位于中信一级行业40%分位数以上，从而得到非金融高质量股票池；同时，在全A非金融范围内，筛选金融板块内ROE位于40%分位数以上的高质量股票池；将两个股票池取并集，并进一步结合低波、低估值以及SUE因子，CFOR拆解和ROE拆解等分析，最终确定持仓[33]。本报告着重关注中证800内的现金牛组合[34] 6. **模型名称：困境反转组合模型**[39][41] * **模型构建思路**：利用库存周期刻画公司的困境反转，结合景气加速恢复和定价错误的估值回归，旨在捕捉估值提升的收益，作为景气度投资的有效补充[39][41] * **模型具体构建过程**：该策略旨在捕捉估值短期波动带来的收益[39]。核心是利用库存周期来识别和刻画公司的困境反转时机[39][41]。同时，模型还考虑公司景气的加速恢复情况以及因市场定价错误带来的低估机会[39][41]。具体操作上，将反映困境反转、景气加速恢复和估值回归的相关因子进行标准化处理，然后叠加这些因子的得分，最终选取综合得分最高的50只股票构建投资组合[39] 模型的回测效果 1. **竞争优势组合模型**：自2012年以来年化收益18.51%，夏普比率0.72，信息比率0.09，最大回撤-47.68%，卡玛比率0.39[2]；自2019年以来年化收益20.36%，夏普比率0.95，信息比率0.12，最大回撤-19.32%，卡玛比率1.05[14] 2. **安全边际组合模型**：自2012年以来年化收益23.36%，夏普比率1.06，信息比率0.21，最大回撤-35.10%，卡玛比率0.67[2]；自2019年以来年化收益23.37%，夏普比率1.17，信息比率0.13，最大回撤-16.89%，卡玛比率1.38[19] 3. **红利低波季调组合模型**：自2014年以来年化收益19.06%，夏普比率0.91，信息比率0.16，最大回撤-43.06%，卡玛比率0.44[2]；自2019年以来年化收益16.81%，夏普比率0.98，信息比率0.16，最大回撤-21.61%，卡玛比率0.78[22] 4. **AEG估值潜力组合模型**：自2014年以来年化收益29.28%，夏普比率1.15，信息比率0.22，卡玛比率0.66[2]；自2019年以来年化收益24.88%，夏普比率1.13，信息比率0.17，最大回撤-24.02%，卡玛比率1.04[31] 5. **中证800内现金牛组合模型**：自2019年以来年化收益14.15%，夏普比率0.71，信息比率0.10，最大回撤-19.80%，卡玛比率0.71[3][37] 6. **困境反转组合模型**：自2019年以来年化收益25.17%，夏普比率1.01，信息比率0.15，最大回撤-33.73%，卡玛比率0.75[3][41] 量化因子与构建方式 1. **因子名称：AEG_EP因子**[29] * **因子构建思路**：作为AEG估值潜力组合的初选因子，用于初步筛选具有超额收益增长潜力的股票[29] * **因子具体构建过程**：该因子应用于AEG估值潜力组合的构建过程中，首先使用此因子从全市场股票中选取排名前100的股票作为初选池[29] 2. **因子名称：股利再投资/P比率因子**[29] * **因子构建思路**：在AEG估值潜力组合中，用于从初选股票池中进一步筛选出市场可能尚未充分认识其增长潜力的公司[29] * **因子具体构建过程**：在通过AEG_EP因子筛选出TOP100股票后，计算这些股票的股利再投资/P比率，并选择该比率高的前50只股票构成最终组合[29] 因子的回测效果 （报告中未单独提供上述因子的回测效果指标）

公司概况与市场地位 - 天演资本成立于2014年，由谢晓阳和张森联合创立，两位创始人均具备十余年行业经验[2] - 公司为百亿量化私募，其名称“天演”源于《天演论》，体现了拥抱变化、持续迭代的文化基因[2] - 截至2025年9月底，公司今年来及近1年业绩均位列百亿量化私募前10，近3年收益位列第1，旗下11只产品合计规模约21亿元，近3年收益均值表现突出[3][4] 核心策略与产品业绩 - 公司策略体系以多因子模型为中心，进行全市场量化选股，在较宽松约束下以低成本获取较高阿尔法收益[8] - 截至2025年9月底，公司有业绩展示的9只量化选股产品今年来收益均实现显著正增长，超额收益也均在较高水平[8] - 旗舰产品“天演赛能”成立于2016年5月，是市场上成立时间最长的量化选股策略之一，成立以来收益和年化收益表现优异，近1年最大回撤控制良好[10] - 产品“天演神州机遇2号A类份额”自2021年市场高位成立以来，截至9月底也取得了可观收益[10] 投研文化与团队建设 - 公司投研团队超一半以上为理工科博士，来自剑桥、清华、北大等知名学府[12] - 公司秉承自由探索的投研文化，短期不设固化KPI，鼓励研究员完成“提出想法→模型构造→数据验证”的全链路探索；长期注重基础性积累与核心方向明确[12] 规模管理与未来发展 - 公司注重规模与长期业绩的平衡，在产品线设计之初即考虑满足大多数投资人的大规模需求，选择可承载规模的扎实投研方法[13] - 公司在2021年规模迅速增长后坚决封盘，直至2023年末才恢复募集，体现了不盲目追求规模增长、遵循资管行业铁律的理念[14] - 针对中小盘股行情，公司不进行静态预测，而是通过定量模型实时判断，专注于数据挖掘和模型优化[15] - 公司于2021年获得香港9号牌照，客户主要为国外大型主权基金或养老金，在服务海外资本配置中国资产方面已发展成为国际机构认可的量化资管公司[16]

根据研报内容，以下是涉及的量化模型与因子的总结： 量化模型与构建方式 1. **模型名称：成交量模型**[12] * **模型构建思路**：基于市场成交量的变化来判断市场短期趋势[12] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 2. **模型名称：低波动率模型**[12] * **模型构建思路**：利用市场波动率较低的特征进行择时判断[12] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 3. **模型名称：特征龙虎榜机构模型**[12] * **模型构建思路**：基于龙虎榜中机构投资者的交易行为特征进行市场判断[12] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 4. **模型名称：特征成交量模型**[12] * **模型构建思路**：分析成交量中的特定模式或特征来预测市场走势[12] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 5. **模型名称：智能算法模型**[12] * **模型构建思路**：应用智能算法对沪深300、中证500等宽基指数进行择时[12] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 6. **模型名称：涨跌停模型**[13] * **模型构建思路**：通过分析市场中涨跌停股票的数量和分布来判断中期市场情绪[13] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 7. **模型名称：月历效应模型**[13] * **模型构建思路**：基于历史数据的月度周期性规律进行中期市场判断[13] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 8. **模型名称：长期动量模型**[14] * **模型构建思路**：根据资产的长期价格动量趋势来判断市场方向[14] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 9. **模型名称：A股综合兵器V3模型**[15] * **模型构建思路**：综合多种信号和因子的复合模型，用于A股市场综合判断[15] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 10. **模型名称：A股综合国证2000模型**[15] * **模型构建思路**：专门针对国证2000指数构建的综合择时模型[15] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 11. **模型名称：成交额倒波幅模型**[16] * **模型构建思路**：结合成交额和波动率倒数的关系进行港股市场中期判断[16] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 12. **模型名称：杯柄形态识别模型**[46][47][48] * **模型构建思路**：基于技术分析中的杯柄形态识别突破个股[46][47][48] * **模型具体构建过程**：通过识别股价走势中的A点（起点）、B点（杯柄高点）、C点（杯柄低点）来确认形态，当价格突破B点时视为买入信号[48] 13. **模型名称：双底形态识别模型**[46][50][52] * **模型构建思路**：识别技术分析中的双底形态来捕捉个股反弹机会[46][50][52] * **模型具体构建过程**：通过识别A点（第一底）、B点（反弹高点）、C点（第二底）来确认形态，当价格突破B点时视为买入信号[52] 14. **模型名称：倒杯子形态识别模型**[60][62] * **模型构建思路**：识别下跌趋势中的倒杯子形态来预警个股风险[60][62] * **模型具体构建过程**：在一波下跌后出现筑顶（A点），完成筑顶后再次下跌并实现突破（C点、E点），预示股价可能延续下跌趋势[60][62] 模型的回测效果 1. **双底形态模型**：截至2025年10月，组合累计上涨30.4%，跑赢上证综指16.61%[46] 2. **杯柄形态模型**：截至2025年10月，组合累计上涨68.02%，跑赢上证综指54.22%[46] 量化因子与构建方式 1. **因子名称：分析师预期调整因子**[21][22] * **因子构建思路**：基于分析师对个股盈利预期的上调或下调比例构建行业层面的情绪因子[21][22] * **因子具体构建过程**：统计行业内分析师上调盈利预测的个股比例和下调盈利预测的个股比例[21][22] 2. **因子名称：基金仓位因子**[23][26][27][31][32] * **因子构建思路**：通过监测股票型和混合型基金的行业仓位变化来捕捉机构资金流向[23][26][27][31][32] * **因子具体构建过程**：计算各行业在基金总仓位中的占比，以及相对于市场市值占比的超低配情况[26][27][31][32] 因子的回测效果 报告未提供具体因子的独立回测效果指标数值。