根据提供的量化市场追踪周报内容，总结如下： 量化模型与构建方式 1. **行业轮动模型** - **模型构建思路**：基于绩优基金持仓倾向的边际变化构建行业轮动信号，捕捉机构资金配置方向[36] - **具体构建过程**： 1. 筛选绩优基金样本（近1年业绩前30%） 2. 计算行业超配比例：$$超配比例 = \frac{基金持仓权重 - 基准权重}{基准权重}$$ 3. 生成行业排名信号（1-28分位数），超配行业得分更高[36][40] - **模型评价**：对机构重仓行业（如电子、医药）的调仓行为敏感，但需结合动量因子优化短期效果[36] 2. **ETF资金流监控模型** - **模型构建思路**：通过主力/主动资金流划分标准（特大单/大单/中小单）追踪资金动向[58] - **具体构建过程**： 1. 按成交量划分资金类型： - 特大单：成交量>20万股或金额>100万元 - 大单：6-20万股或30-100万元 - 中小单：≤6万股或≤30万元 2. 计算净流入额：$$净流入额=\sum(主动买入金额-主动卖出金额)$$[58][59] 量化因子与构建方式 1. **基金仓位因子** - **因子构建思路**：通过持股市值加权计算主动权益基金在不同风格的仓位暴露[31] - **具体构建过程**： 1. 按市值-成长性矩阵划分6类风格：大盘成长/价值、中盘成长/价值、小盘成长/价值 2. 计算仓位变化：$$\Delta仓位 = 本周仓位 - 上周仓位$$[31][35] 2. **行业超配因子** - **因子构建思路**：衡量基金行业配置相对于基准的偏离程度[12] - **具体构建过程**： 1. 计算基准权重（如中证全指行业权重） 2. 计算超配比例：$$超配比例 = \frac{基金行业配置比例}{基准行业比例} - 1$$[12][35] 模型的回测效果 1. **行业轮动模型** - 多头组合年化超额收益：15.6%（vs 中证全指）[38] - 信息比率(IR)：1.32（2020-2025年）[38] 2. **ETF资金流模型** - 主力资金净流入TOP3行业：汽车（38.3亿）、机械（21.0亿）、基础化工（24.0亿）[59][63] - 主动资金净流出TOP3行业：非银金融（-19.6亿）、交通运输（-12.7亿）、银行（-11.1亿）[59][65] 因子的回测效果 1. **基金仓位因子** - 小盘成长仓位：49.11%（周环比+0.51pct）[31] - 电子行业仓位：17.65%（周环比-0.41pct）[35] 2. **行业超配因子** - 超配前三行业：电子（+17.65%）、医药（+11.80%）、电力设备（+7.01%）[35] - 低配前三行业：非银金融（-2.04%）、银行（-3.80%）、交通运输（-1.67%）[35] 数据说明 - 仓位测算样本：成立满两季度、规模>5000万、历史平均仓位>60%的主动权益基金[26] - 资金流数据来源：同花顺iFinD划分标准[58]

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]

证券研究报告 | 基金研究（公募） 2025 年 5 月 17 日 A 股表现分化，量化基金整体收涨、超额回升 量化基金周度跟踪（20250512-20250516） 本报告重点聚焦量化基金市场表现，总结近一周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。 ❑市场整体表现： 敬请阅读末页的重要说明 3 基金研究（公募） 本周（5 月 12 日-5 月 16 日）A 股表现分化，量化基金整体收涨、超额回 升。 ❑主要指数表现： 主要股指表现分化，其中沪深 300、中证 500、中证 1000 近一周收益率分 别为 1.12%、-0.10%、-0.23%。 ❑各类基金表现： 本周各类量化基金平均收益均为正，主动量化涨 0.60%；市场中性涨 0.11%。指数增强型基金超额回升，中证 500 指增和中证 1000 指增平均超 额收益较高，分别为 0.40%和 0.26%。 ❑风险提示：图表中列示的数据结果仅为对市场及个基历史表现的客观描述，并 不预示其未来表现，亦不构成投资收益的保证或投资建议。 徐燕红 S1090524120003 xuyan ...

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]

AI赋能投资与科技发展 - AI对投资领域赋能作用显著 投资可促进科技发展 [1] - 量化投资有望成为中国金融领域的"DeepSeek时刻" [1][3] 科创板块投资价值 - 科创板和创业板共1900多家上市公司 市值占A股总市值21% [2] - 2020年1月至2025年4月底 科创板和创业板加权平均收益率达11.3% 接近纳斯达克13.9%表现 [2] - 公司科技创新板块投资策略四个月取得超20%回报 [2] 量化投资表现 - 2017-2025年4月 中证500指数年化收益率-1.3% 公司量化指数增强产品同期年化回报率达14.8% [2] - 公司2015年引入机器学习方法 部分产品线净值实现从1到9的飞跃 [2] 科技与市场发展关系 - 科技是推动市场发展核心力量 从工业革命到AI热潮均体现此规律 [3] - 公司量化策略37%资金配置科创板块 显著高于该板块21%市值占比 [3]

金融板块集体爆发原因分析 - 近期金融板块集体爆发带动沪指站上3400点，市场关注焦点在于大举买入资金的来源[2] - 市场传闻包括公募调仓、量化因子触发、险资配置潮三种主流解释[4] 公募调仓传闻分析 - 《推动公募基金高质量发展行动方案》要求业绩低于基准10个百分点以上的基金经理降薪，引发市场对公募调仓的猜测[6] - 公募在银行板块配置比例3.49%，较沪深300指数权重低配9.99个百分点，存在补仓空间[7] - 业内调研显示基金经理更追求超额收益而非贴近基准，且政策给予三年缓冲期，短期集中调仓逻辑不成立[8][9] 量化交易参与证据 - 金融板块暴涨伴随外资放开准入传闻，符合量化交易的舆情监测因子操作特征[11] - 保险券商成交量显著高于银行，与量化动量因子对前期涨幅差异的捕捉高度契合[12] - 券商观察证实量化策略存在偏好泛金融板块的倾向[13] 险资配置行为澄清 - 《保险资金运用管理办法》修订虽放宽权益类风险因子，但险资对银行股的配置保持平稳节奏，与暴涨无直接关联[15] - 多家险资证实未进行大比例调仓操作[16]

报告核心观点 - 基于上海证券交易所统计月报分析可转债主要持有人和交易结构，根据债券持有人公告刻画大股东增减持事件，增持偏正向作用，减持无明显负向影响，在公募基金持仓信息基础上构建低配低波组合，策略年化收益20.12%，超额基准11.70%，超额胜率60.23%，信息比1.40 [3] 机构概览 投资者结构 - 截至2025年3月，沪市可转债主要持有者为公募基金、企业年金、保险机构、一般机构和证券自营，持有面值分别为1518亿元、816亿元、405亿元、403亿元和298亿元，五者合计占比78% [14] - 截至2025年3月，沪市可转债主要交易参与者是自然人投资者、私募基金、公募基金、一般机构和QFII/RQFII，月交易金额分别为5815亿元、3220亿元、743亿元、387亿元和370亿元，五者合计占比92% [14] - 自然人投资者、私募基金、QFII/RQFII和信托换手率较高，分别为23.51倍、15.34倍、4.66倍、1.49倍，银行理财、公募基金、银行自营、企业年金和保险机构换手率相对较低，均在50%以下 [16] 机构持仓数据 - 可转债投资者数据分债券持有人信息和基金持仓信息，以牧原转债2024年年报为例，十大持有人涵盖多种类型账户，基金季报会披露可转债全部持仓（进入转股期），如华安可转债A，可据此分析投资者行为并构建投资策略 [31][33] 转债持有人公告 持有人识别 - 可根据不同投资者设置关键词标签进行匹配识别，如社保、保险和外资等 [35] 重仓规模 - 保险和公募重仓规模和占比震荡上行，养老短期回落，私募维持相对高位，券商持续上行，自然人高位回落 [41] 行业分布 - 不同投资者重仓行业不同且波动大，保险重仓新能源、非银和石化，公募重仓化工、电子、机械和新能源，养老重仓化工、银行和电力，私募重仓电子、医药和新能源，券商重仓新能源、钢铁和化工，自然人重仓化工、机械和新能源 [51] 持仓指数 - 根据不同投资者重仓个券构建指数，除养老外其他均未能跑赢中证转债指数，原因是信息披露频率低且滞后 [53] 增减仓事件 - 以5%以上股东增减持行为刻画大股东增减持事件，大股东增持超额明显，胜率一般但盈亏比相对较高，大股东减持无明显正向或负向超额，不同机构差异大 [56] 公募转债持仓 持有规模 - 公募基金持有转债数量和规模自2023年三季度后持续回落，截至2025年一季度末，持有转债的公募基金数量达1607只，规模为1934亿元，持仓市值占比为23.70% [66] 转债重仓 - 截至2025年一季度，持有转债规模较多的基金有博时中证可转债及可交换ETF等，持有转债比例较多的基金有工银瑞信新得利等，基金持有规模较多的转债有兴业转债等，公募投资者持有比例较高的转债有博俊转债等 [70][74] 行业分布 - 从持有市值看，银行、化工、有色、农业、机械和新能源持仓市值最多，均超100亿，银行占比25%；从超低配角度看，有色、农业、轻工和机械超配比例超1%，非银、新能源、电子相对低配 [76] 风格分布 - 全市场基金偏好转债余额小、正股市值低、转债评级低、转换价值高、BS定价溢价率低、正股增速高、转股溢价率低的转债 [80] 持仓因子 - 以公募基金持仓转债为个券池测算因子表现，隐含波动率、隐含波动率溢价率等定价因子表现突出，信息比均在0.9以上 [82] 超低配组合 - 根据基金持仓与转债整体分布构建超配、低配指数，低配指数超额收益显著，存在较强反转效用，结合因子效果和低配表现构建低配低波组合，策略年化收益20.12%，超额基准11.70%，超额胜率60.23%，信息比1.40 [85][88]

报告核心观点 - “孙子兵法”基金池稳定跑赢偏股基金指数，各分策略基金池也各有优势，如未知收益型投资性价比高、灵活交易型把握市场结构性机会等 [1][2] “孙子兵法”基金池理念简介与历史表现 选基理念简介 - 报告在《孙子兵法中蕴含的选基思想与量化表达》中提出六种长期超额/绝对收益稳健的基金特征组合，并总结兵法思想 [8] 稳定跑赢偏股基金指数 - 2011 年 4 月 30 日至 2025 年 4 月 30 日，“孙子兵法”基金池年化收益率 12.28%，相对偏股基金指数年化超额收益 6.37%，年化波动 21.7%，年化夏普 0.56 [11] - 2011 年以来，除 2019 和 2024 年略跑输，其他年份获稳定正向超额收益 [11] “孙子兵法”分策略表现和最新持仓 未知收益型 - 构建方式为在基金归因中剥离风格、行业、已知因子收益，计算残差动量构造选基因子筛选 [15] - 2011 年 4 月 30 日至 2025 年 4 月 30 日，年化收益率 14.44%，相对偏股基金指数年化超额收益 8.54%，年化波动 22.97%，年化夏普 0.63 [15] - 除 2024 年以来，均跑赢偏股基金指数，市场上行获高绝对收益，下跌时控制回撤 [15] - 列出新一期持仓列表，含广发沪港深医药 C 等基金 [19] 灵活交易型 - 按动态收益显著性排序得到组合 [21] - 2011 年 4 月 30 日至 2025 年 4 月 30 日，年化收益率 10.33%，相对偏股基金指数年化超额收益 4.21%，年化波动 22.32%，年化夏普 0.46 [21] - 收益稳健，历史超额回撤低，2020 - 2021 年超额收益突出，今年以来获 3.61%超额收益 [21] - 列出新一期持仓列表，含嘉实港股优势 A 等基金 [24] 选股先锋型 - 选择在基金重仓股数季度环比增速因子上暴露最高的基金 [25] - 2011 年 4 月 30 日至 2025 年 4 月 30 日，年化收益率 10.61%，相对偏股基金指数年化超额收益 4.71%，年化波动 21.55%，年化夏普 0.49 [26] - 表现进取，牛市中超额收益突出 [26] - 列出新一期持仓列表，含平安低碳经济 C 等基金 [30] 热点追踪型 - 选择在近 1 个月成交量/过去 12 个月成交量、过去 90 个交易日分析师预测数两个因子上长期暴露最高的基金 [31] - 2011 年 4 月 30 日至 2025 年 4 月 30 日，年化收益率 11.71%，相对偏股基金指数年化超额收益 5.81%，年化波动 21.37%，年化夏普 0.55 [31] - 超额收益较稳定，2023 年以来受市场影响超额减弱 [32] - 列出新一期持仓列表，含博时港股通领先趋势 A 等基金 [34] 风险规避型 - 选择在 duvol、ncskew 两个因子上长期暴露最低的基金 [35] - 2011 年 4 月 30 日至 2025 年 4 月 30 日，年化收益率 11.13%，相对偏股基金指数年化超额收益 5.90%，年化波动 21.45%，年化夏普 0.52 [35] - 收益稳定性好，市场上涨获高收益，下跌降低损失 [35] - 列出新一期持仓列表，含招商产业升级 1 年持有 A 等基金 [40] 低 Beta 型 - 选择在 Beta 因子上长期暴露最低的基金 [41] - 2011 年 4 月 30 日至 2025 年 4 月 30 日，年化收益率 7.83%，相对偏股基金指数年化超额收益 2.08%，年化波动 16.03%，年化夏普 0.49 [41] - 净值稳健，避险性强，熊市中超额收益突出，2023 和 2024 年抗跌能力体现 [41] - 列出新一期持仓列表，含银华长荣 A 等基金 [45] 代表性基金的多维分析 - 对广发沪港深医药 C 等多只基金进行画像分析，涵盖行业配置、个股选择、投资风格等方面 [47][48][49]

公募基金高质量发展行动方案 - 将基金经理薪酬与业绩挂钩，三年以上产品业绩低于基准超10个百分点的需降薪，显著超基准的可适度加薪 [1] 股票型基金优秀代表 - 金鹰科技创新A近三年净值超越基准85.96%，基金经理陈颖聚焦AI产业链、人形机器人等科技领域，持仓集中度32% [2][3][4] - 富国新兴产业A近三年超越基准63.50%，基金经理孙权重仓中芯国际、寒武纪等AI产业链股票，前十大持仓占比47.37% [2][5] - 鹏华医药科技A近三年超越基准59.57%，基金经理金笑非通过自上而下择时规避行业下跌，重仓创新药和AI医疗 [2][5][6] - 国金量化多因子A近三年超越基准49.73%，采用机器学习模型分散持仓，前十大占比仅13.69% [2][7][8] - 招商量化精选A近三年超越基准45.22%，采用基本面量化策略，通过PB-ROE模型选股 [2][9] - 景顺长城沪港深精选A近三年超越基准42.47%，基金经理鲍无可坚持低估值策略，重仓紫金矿业等防御性资产 [2][10][11] 混合型基金优秀代表 - 金元顺安元启近三年净值超越基准91.66%，基金经理缪玮彬通过小盘股分散投资和宏观择时实现高收益 [13][14][15] - 招商优势企业A近三年超越基准87.77%，基金经理翟相栋擅长行业轮动，精准布局AI算力和应用 [13][17][18] - 东吴移动互联近三年超越基准52.73%，基金经理刘元海聚焦AI算力、电子半导体和汽车智能化 [19][20][21] 基金经理投资策略 - 科技领域基金经理关注产业阶段（0-1或1-N）、收入利润增速及估值区间，适时配置红利蓝筹对冲风险 [4] - 医药基金经理通过自上而下择时和长期持有创新药个股获取超额收益 [6] - 量化基金经理结合机器学习或基本面模型，分散持仓以稳定超额收益 [8][9] - 价值型基金经理强调低估值和安全边际，长期持有优质资产 [10][11] - 行业轮动型基金经理挖掘预期与业绩匹配的个股，注重行业需求增长和市占率提升 [18][21]

ETF市场发展 - ETF规模在2025年4月17日首次突破4万亿元，相比2024年9月底的3万亿元仅用6个多月时间，股票ETF是增长主力 [1] - 指数基金体系日益完善，为投资者提供多样化选择，指数增强基金逐渐被更多投资者熟知 [1] 指数增强基金优势 - 兼具被动投资与主动管理优势，被动跟踪锚定指数（如科创综指、沪深300）降低个股风险，主动增强通过量化模型或基金经理选股力争超额收益 [3][4] - 风险收益平衡：相比纯被动ETF控制跟踪误差（2%-5%）并追求超额收益，相比主动基金费用更低、风格更透明 [5] - 指数体系扩容为指增策略提供细分赛道，2025年前4个月新成立指增基金49只，是去年同期的近7倍，另有9只正在发售 [6] 华商上证科创板综合指数增强基金 - 跟踪上证科创板综合指数，覆盖科创板97%市值，行业分布均衡（半导体权重36.5%），比科创50指数更全面分散 [6] - 采用"多因子+AI赋能"量化选股模型，动态学习适应市场变化，解决因子共线性和非线性问题，提升超额收益稳定性 [7] - 由华商基金量化投资部"双博士"管理：艾定飞博士（10.6年从业经验）以多因子模型为核心，海洋博士（8年从业经验）擅长行业轮动与量化配置 [8][11][12] 科创板投资机遇 - 科创板企业高研发、高弹性特性适合量化增强策略，需关注基金团队的科技行业研究能力 [8] - 科技成为经济增长核心引擎，华商指增基金通过贝塔与阿尔法融合把握科技创新长期机遇 [12]