量化模型与构建方式 1 模型名称：GRU模型 模型构建思路：基于门控循环单元(GRU)神经网络构建的时序预测模型，结合基本面和量价特征进行股票收益预测[10][30] 模型具体构建过程： - 输入层：包含close1d(日收盘价)、open1d(日开盘价)、barra1d(Barra风格因子日频数据)等特征[31] - 隐藏层：GRU神经网络结构，捕捉时序依赖关系 - 输出层：预测股票未来收益 - 训练方式：使用历史滚动窗口数据训练，优化损失函数 2 模型名称：多因子组合模型 模型构建思路：通过线性加权方式整合多个有效因子构建综合评分模型[31] 模型具体构建过程： - 因子筛选：选取基本面因子(如ROE增长、净利润超预期增长)和技术因子(如60日动量、120日波动)[19][24][29] - 因子标准化：进行行业中性化处理和标准化处理[17] - 权重分配：等权或基于IC-IR动态加权 - 组合构建：每月末按综合评分选股[17] 量化因子与构建方式 1 因子名称：Barra风格因子体系 因子构建思路：基于MSCI Barra多因子模型框架构建的系统化风险因子[15] 因子具体构建过程： - Beta因子：计算股票历史beta值 - 市值因子：$$ \ln(总市值) $$ - 动量因子：历史超额收益率序列均值 - 波动因子：$$ 0.74 \times \sigma_{超额收益} + 0.16 \times 累积超额收益离差 + 0.1 \times \sigma_{残差收益} $$ - 流动性因子：$$ 0.35 \times 月换手 + 0.35 \times 季换手 + 0.3 \times 年换手 $$ - 盈利因子：$$ 0.68 \times 预测盈利价格比 + 0.21 \times 市现率倒数 + 0.11 \times 市盈率ttm倒数 $$ - 成长因子：$$ 0.18 \times 预测长期盈利增长 + 0.11 \times 预测短期增长 + 0.24 \times 盈利增长 + 0.47 \times 营收增长 $$[15] 2 因子名称：超预期增长因子 因子构建思路：捕捉财务指标超出市场预期的增长信号[19] 因子具体构建过程： - 计算ROA/ROC/净利润等指标的同比变化 - 与分析师一致预期比较计算超预期幅度 - 标准化处理并行业中性化[17] 3 因子名称：技术动量因子 因子构建思路：捕捉股票价格趋势特征[19][24][29] 因子具体构建过程： - 20日动量：过去20日收益率 - 60日动量：过去60日收益率 - 120日动量：过去120日收益率 - 波动率：20日/60日/120日收益率标准差 模型的回测效果 1 GRU模型： - barra1d模型：近一周超额0.38%，今年以来超额3.78%[31] - barra5d模型：今年以来超额8.37%[31] - close1d模型：近六月超额6.80%[31] 2 多因子组合模型： - 近一月超额-0.30%，今年以来超额2.54%[31] 因子的回测效果 1 Barra风格因子： - 动量因子：全市场近一周多空收益1.01%(120日动量)[19] - 波动因子：全市场近一周多空收益1.45%(60日波动)[19] - 流动性因子：本周多头表现强势[16] 2 超预期增长因子： - 净利润超预期增长：全市场近一周多空收益0.74%[19] - ROA超预期增长：全市场近一周多空收益0.49%[19] 3 技术动量因子： - 60日动量：中证500近一周多空收益1.75%[24] - 120日波动：中证1000近一周多空收益1.68%[29]

量化市场跟踪 - 全市场股票池动量因子获取正收益0.70% 盈利因子和Beta因子分别获取正收益0.34%和0.28% 市值因子表现负收益-0.58%体现小市值风格 [4] 单因子表现 - 沪深300股票池中单季度营业利润同比增长率因子表现最佳(1.25%) 单季度ROE同比因子(1.07%)和早盘收益因子(0.95%)表现突出 6日成交金额标准差(-0.91%)和标准化预期外收入(-0.89%)表现较差 [5] - 中证500股票池早盘后收益因子(1.24%)和5日成交量标准差(1.05%)表现优异 ROE稳定性(-0.96%)和5分钟收益率偏度(-0.84%)表现弱势 [5] - 流动性1500股票池对数市值因子(1.56%)和单季度净利润同比增长率(1.21%)领先 毛利率TTM(-1.20%)和5日平均换手率(-1.15%)表现不佳 [5] 因子行业内表现 - 基本面因子在公用事业和休闲服务行业表现一致 净资产增长率因子和净利润增长率因子获得正收益 [6] - 估值类因子中BP因子在建筑材料、银行、传媒行业正收益明显 EP因子在煤炭行业表现突出 [6] - 残差波动率因子和流动性因子在国防军工、石油石化、汽车行业表现一致 煤炭和银行行业呈现大市值风格 [6] 组合跟踪表现 - PB-ROE-50组合在全市场股票池获得超额收益1.43% 中证800股票池超额收益0.44% 中证500股票池超额收益-0.40% [7] - 公募调研选股策略相对中证800获得超额收益3.21% 私募调研跟踪策略超额收益0.16% [8] - 大宗交易组合相对中证全指获得超额收益3.61% [9] - 定向增发组合相对中证全指获得超额收益0.77% [10]

报告基本信息 - 报告名称为国投期货商品量化CTA周度跟踪 [1] - 报告发布方为国投期货研究院金融工程组 [2] - 报告发布时间为2025年8月5日 [2] 报告行业投资评级 - 未提及 报告核心观点 - 商品本周空头占比上升，主要表现为能化板块因子强度回落，截面偏强的板块是贵金属和农产品，偏弱的是能源板块 [3] 各板块分析总结 板块整体情况 - 黄金时序动量边际回升，贵金属板块内分化收窄；有色板块持仓量因子继续小幅回落，截面分化扩大，铜和锌处于偏弱一端；黑色板块短周期动量因子边际下降，但长周期逐步企稳，期限结构分化收窄；能化板块截面动量整体下降，PTA、纯碱和玻璃处于板块截面偏弱一端；农产品方面，油粕持仓量均小幅下降，分化收窄 [3] 各板块因子数据 |板块|动量时序|动量截面|期限结构|持仓量| | ---- | ---- | ---- | ---- | ---- | |高四板块|-0.42|0.18|0.29|0.79| |有色板块|-0.13|0.54|0.99|1.1| |能化板块|0.02|0.74|-0.6|0.06| |农产品板块|-0.09|0.05|0.17|-0.16| |股指板块|0|0.49|0.68|2.15| |贵金属板块|0.37|||-1.07| [5] 各品种情况 甲醇 - 策略净值方面，上周供给因子走强0.21%，需求因子上行0.13%，库存因子走弱0.19%，价差因子上行0.09%，合成因子走高0.16%，本周综合信号空头延续；基本面因子上，供给端空头，需求端中性，库存端多头，价差端转为空头 [4] 玻璃 - 策略净值方面，上周库存因子下行2.28%，价差因子上行2.50%，合成因子走弱0.04%，本周综合信号空头；基本面因子上，供给端维持中性，需求端中性，库存端多头，价差端空头，利润端空头 [7] 铁矿 - 策略净值方面，上周各因子保持不变，本周综合信号维持中性；基本面因子上，供给端转为空头反馈，信号整体维持中性，需求端多头反馈强度小幅下降，信号仍为中性，库存端空头反馈减弱，价差端多头反馈强度进一步减弱 [7] 铅 - 策略净值方面，上周供给因子走强0.52%，需求因子下行0.51%，价差因子上行0.46%，合成因子走强0.15%，本周综合信号由空头转为中性；基本面因子上，供给端信号转为中性，库存端转为空头反馈，信号整体维持中性，价差端空头反馈增强 [7]

量化因子与构建方式 1. **因子名称**："日与夜的殊途同归"新动量因子 - **因子构建思路**：基于日内与隔夜各自的价量关系，分别改进日内因子和隔夜因子，再重新合成新的动量因子[6][7] - **因子具体构建过程**： 1. 将交易时段切割为日与夜，分别计算日内和隔夜的价量关系 2. 对日内因子和隔夜因子进行改进，具体改进方法未详细说明[7] 3. 将改进后的日内因子和隔夜因子重新合成为新的动量因子[7] - **因子评价**：选股能力显著优于传统动量因子，稳定性较高[6][7] 因子的回测效果 1. **"日与夜的殊途同归"新动量因子**（2014/02-2025/07，全体A股剔除北交所股票） - 年化收益率：18.08%[1][14] - 年化波动率：8.75%[1][14] - 信息比率（IR）：2.07[1][14] - 月度胜率：77.54%[1][14] - 月度最大回撤率：9.07%[1][14] 2. **"日与夜的殊途同归"新动量因子**（2014/01/01-2022/07/31，全体A股） - IC均值：-0.045[1] - 年化ICIR：-2.59[1] - 10分组多空对冲年化收益率：22.64%[1] - 信息比率（IR）：2.85[1] - 月度胜率：83.33%[1] - 最大回撤率：5.79%[1] 3. **7月份表现**（2025年7月，全体A股剔除北交所股票） - 10分组多头组合收益率：4.75%[1][10] - 10分组空头组合收益率：4.40%[1][10] - 10分组多空对冲收益率：0.35%[1][10] 对比传统动量因子 - 传统动量因子（2014/01/01-2022/07/31，全体A股） - 10分组多空对冲信息比率（IR）：1.09[6] - 月度胜率：62.75%[6] - 最大回撤：20.35%[6]

纪要涉及的行业和公司 行业包括股票、房地产、银行业、人工智能、铜、制药等 公司涉及英伟达、标普、七大科技巨头、高盛等 纪要提到的核心观点和论据 - **市场表现**：本周市场表现难概括，有好有坏，好消息是英伟达、中国房地产股、英国富时指数突破，坏消息是动量因子剧烈反转，全球主要指数表现参差不齐且变化不大 [1][2] - **美国市场**：标普本周初超买，周四创新高后回调，看涨叙事明确。基本面市场上调经济增长预期、下调联邦基金利率预期，技术面本地季节性因素佳、资金流动支持。虽周末市场动力减弱、动量因子下跌猛烈，但市场还有上涨空间，美国大盘股是最佳选择 [2][3][4] - **市场方向**：美国投资组合策略上调展望，预计标普 12 个月内达到 6900 点（涨 10%），假设盈利预期不变（2025 和 2026 年均为 +7%），意味着投资者应以 22 倍市盈率购买该资产 [5][6] - **广度**：衡量市场广度方法多样且常矛盾，偏好的衡量标准显示广度狭窄，但预计广度将改善，且扩展将在大盘股范围内，小盘股继续表现不佳 [7][8] - **动量因子**：连续两周是问题，如 GSPRHIMO 交易组合过去两周下跌 11%。原因是投资组合总敞口高、市场高度集中，高度集中市场虽不一定导致标普回调，但常使动量因子显著回调 [9][10] - **资金流向/仓位**：情绪指标乐观，与波动率曲面上风险溢价消失相符，但仓位未跟上节奏，投机社区持仓净多头为 +6，低于之前标普大涨时。除非市场下跌，系统性社区未来一个月有 1250 亿美元全球需求，财报期推进回购活动将恢复 [13][14] - **财报季**：标普 Q1 每股收益同比增 12%，七大科技巨头增 32%，Q2 市场预期仅增 4%。虽增长门槛低，但市场环境更严苛，美国企业可能超预期，但难有上次的收益不对称优势 [15][16] - **关税**：亚洲股市淡定接受 25%关税冲击，市场预期与欧盟和印度很快达成框架协议，认为 8 月 1 日截止日期不难，行业变量噪音出现。GIR 预计综合关税率增 14 个百分点，9 个百分点已实施，市场不再将关税视为主要变量 [17][18] - **人工智能**：Jim Covello 设想人工智能资本支出高但知识工作者被替代率低的世界，报告认为人工智能资本支出能维持当前水平增长 [18][19][20] - **其他市场**：美国地区银行相对估值低，监管公告可能带来更多贷款增长、资本回报和并购；日本日经指数在 40,000 点附近，外国投资者连续 14 周买入，市场未收复去年 7 月崩盘后抛售；中国上证综指反弹至 2022 年初以来水平；欧洲股票盈利预期下降，第二季度为 0%，可能与欧元快速升值有关；比特币周五创新高，自 2022 年底低点上涨 7 倍 [21][22][23][24][25] 其他重要但可能被忽略的内容 - 高盛“高零售情绪篮子”突破并超 2021 年高点 [25] - 过去几个月美国增长预期上升，美国周期股与防御股篮子引领 COVID 时代牛市上涨趋势 [27][29] - 按地区划分的普通 60/40 股票/债券组合 12 个月滚动表现，虽美国资产热度今年有下降，但仍会让部分人持有美国风险资产 [31] - 近期资本流动快照，解读取决于个人 [33]

六月季节性市场表现 - 六月各类资产普遍呈现盘整态势 货币 大宗商品和股票均如此 [1] - 标普500指数6月平均小幅上涨0.2% 1950年以来的数据显示这一规律 [2] - 标普500指数通常在六月第一周表现强劲 月中趋于平稳 月末回落 [4] - 历史新高更可能出现在七月 七月季节性表现强劲 与总统周期就职年规律吻合 [6] 因子轮换与投资机会 - 六月是因子轮换最剧烈的月份 过去25年数据显示质量因子 动量因子和规模因子表现最佳 价值因子表现最差 [8] - 季节性规律若成立 高质量大盘成长股将受益 这类股票处于所有因子倾斜的交汇处 [10] - 欧洲质量因子组合(UBPEQLTY)今年以来大幅下跌 若六月季节性规律应验 该组合可能回升 [11] 医疗健康板块与生物科技 - 医疗健康板块是六月历史上表现最佳的板块 相对于标普500指数平均上涨0.8% [13] - 医疗健康板块近期表现不佳 过去两个月下跌10% 当前是反弹的合适时机 [13] - 生物科技板块季节性尤其强劲 做多生物科技指数(XBI)可能是布局医疗保健板块超额表现的最佳方式 [15] 黄金季节性走势 - 黄金在六月往往表现不佳 但六月标志着季节性淡季的结束 [15] - 黄金在七月的表现会大幅改善 季节性疲软可能出现在六月下半月 [15][17]

报告行业投资评级 - 对短期前景给予绿灯 [2] 报告的核心观点 - 因散户持续在美国股市下跌时买入且机构投资者活动低迷，市场短期前景乐观，在夏季技术面和经济数据发挥作用前将持续上升，投资者在有意义回调前会被阻止进一步下跌 [2][3] - 介绍市场不同方面的表现及相关交易策略和潜在机会与风险，如流动性、Gamma、CTA/系统化交易等情况 [5][11][19] 根据相关目录分别进行总结 市场奖项/最高荣誉 - **最佳进步球员：流动性**：顶级订单流动性为1108万美元，高于一年平均值1065万美元，略低于五年平均值1234万美元，明显高于四月的一年低点110万美元和一个月低点469万美元，充足流动性助未来1 - 2周健康交易，到夏天将失去动力 [5][7][8] - **最可能受影响：Gamma**：过去几周Gamma估计值在正负两端较小，有轻微多头Gamma行为且影响甚微，交易商抛售时持仓增加、反弹时持仓减少，此局面防重大抛售，转变将支持市场回调 [11][14][16] - **最受追捧：CTA/系统化交易**：近几周无止境买入停止，但仍可能重新流行，CTA对短期技术指标反应，其他系统性策略对中期波动率压缩反应，CTA买入活动不再是利好，下行风险大，对罗素指数未来1周和1个月有一定需求 [19][21][24] - **最可能已见顶：空头杠杆**：美国股票连续六个交易日净买入，买入力度三周来最快，个股和宏观产品净买入，分别占总净买入额62%和38%，整体账簿总杠杆率升至289.2%，净杠杆率升至77%，总杠杆率处90百分位数由短期杠杆指数级上升推动，交易停止将迫使杠杆率下降 [26][27][28] - **最被忽视的：资金利差**：融资利差反映加杠杆的犹豫态度 [30] - **全美之星：回购**：上周成交量略有下降，较2024年年初至今日均成交量减少0.9倍，较2023年年初至今日均成交量减少1.3倍，预计禁售期6月16日左右开始，持续至7月25日左右 [34][39][40] - **啦啦队长：因素/MOMO**：六月是动量因子全年表现最强月份，因子ETF资金大幅流入，五月是大选以来资金流入最多月份，交易台偏好直接期权 [43] - **万事通：ETF资金流向**：揭示MOMO与QQQ/IWM交易对比、全球投资者与其他地区关系两个故事，动量交易与QQQ/IWM走势不同有操作空间，美元走弱和美国经济增长不确定使资金流入新兴市场股票且中期可能持续 [49][50][54] - **最可能引发麻烦的因素：资金流动**：全球资金流动偏向全球股票和美国现金，大量现金供应和交易暂停对美国股市有利，需关注外国投资者从美国股市的资金流出情况 [58] - **5年学生：季节性**：六月上中旬市场适度上涨但走势震荡，接下来1 - 2周考虑其他技术因素提供不错交易环境，尤其长期观点偏空时 [64] 特别提及 - **被指导者**：市场未充分反映此次非农就业数据可能带来的波动，投资者预测交易中的止损点，将继续推动该策略直到形势转变 [74] 推荐交易策略 - **SPX 2025年7月6010 6160 1x2看涨价差**：净价19.4（参考价5985， - 4天，最大收益7.73倍，最大亏损无限） [5] - **用于对冲多头头寸**：19年12月25日.SPX<95%及10年期SOFR>ATMF CMS + 0.25% @ 9%（股票/利率个体分别为24%/39%） [5][6] - **SPX 31Jul25 95.0%回溯看跌期权**：1.37%报价（相比普通期权1.03%报价，提前10天） [5][6] - **QQQ持有实物期权** [5]

报告核心观点 - 构建基于风格因子的A股风格投资体系，不同宏观及市场因子决定当前A股占优风格因子，对应不同风格资产或底层投资组合 [3] - 年内视角下，A股占优风格为高盈利、高估值、小市值，具备业绩弹性的科技成长及中游制造板块有望获较强超额收益 [3] 风格因子的构建及其表现 风格因子的构建 - 通过自下而上方式构建风格因子组合，体系分市值、估值、盈利、动量四个维度，构建时将样本内股票按因子指标高低排序分组，计算各组加权涨跌幅、因子收益率或拟合因子净值曲线 [9] - 市值因子：将全A上市满1个月股票按总市值排序分大、中、小市值三组，做多小市值组合并做空大市值组合得因子收益率，2010年至今小市值风格优势明显，2017 - 2018年及2024年1 - 8月大市值占优，做多小市值做空大市值组合约有5倍收益 [12] - 估值因子：采用PE(TTM)指标，将全A上市满1个月股票按市盈率排序分高、中、低估值三组，做多高PE组合并做空低PE组合得因子收益率，A股低估值风格优势显著，2017 - 2018年及2022 - 2024年优势累计，高估值行情在2013 - 2014年、2019 - 2021年及2024Q4出现 [13][14] - 盈利因子：采用盈利增速的万得一致预期数据，按盈利预期由高到低排序分组，做多高增速组合并做空低增速组合得因子收益率，A股盈利因子走势有周期性，2010 - 2014年、2019 - 2021年高盈利增速占优，2016 - 2018年、2022 - 2024年8月低盈利增速占优 [16] - 动量因子：采用1个月动量，基于前一个月涨跌幅排序分组，做多前期涨跌幅前30%组合并做空后30%组合得因子收益率，A股整体反转效应明显，2010 - 2012年及2021年至今反转效应增强，2017及2020年动量效应阶段性出现 [18] 全A风格因子表现 - 2013 - 2014年，A股呈盈利因子主导行情，2014年3月后市值因子影响提升，小市值优势显著 [24] - 2015 - 2016年中，小市值因子优势明显，反转因子阶段性走强，盈利因子暴露度下降，估值因子暴露度提升 [24] - 2016年8月 - 2018年，A股呈估值因子主导风格，低估值风格是超额收益主要来源，市场呈大市值风格，高增速组合走弱，动量效应增强 [24] - 2019 - 2021年初，市场进入盈利因子主导行情，高盈利组合跑赢，动量效应强化 [24] - 2021 - 2023年，市场进入市值因子主导阶段，2021年8月前高盈利小市值风格占优，8月后小市值优势强化，反转效应增强，2023年小市值、低估值因子体现优势 [27] - 2024年以来，A股进入风格轮动或转换期，前三季度低估值、低盈利优势延续，市值风格切换，四季度高估值、小市值走强，反转效应增强，高盈利风格修复 [27] - 2025年起，高估值因子重新走强，市场情绪回升，高估值、强反转因子表现突出，盈利因子底部修复 [27] 不同类型资产风格因子表现 - 新兴成长类资产小市值风格优势明显，2021年7月后小市值加速崛起，反转趋势显著；2015年前高估值风格占优，2015 - 2018年中低估值走强，2021年7月后低估值风格增强；2022年8月前高盈利增风格占优，8月后低盈利增速、低估值占优；动量因子表现与全A类似，2021年7月后反转趋势增强 [29] - 红利资产低估值因子优势明显，市值因子呈周期性大小轮动；2021年中之前高盈利风格优势显著，此后盈利因子走弱，近两年趋稳；2019年以来反转效应更强势 [33] 风格因子影响因素 盈利因子及其影响因素 - 盈利因子与经济周期高度相关，经济基本面上行时，高盈利增速股票表现更好，用库存周期指征经济周期，2017年后同向相关性明显，2017年前有阶段性反向相关性 [45] 估值因子及其影响因素 - 估值因子与市场情绪高度相关，市场情绪回暖时，高估值股票表现更优，股债风险溢价与估值因子走势高度相关，换手率和涨停家数占比可辅助判断 [49] 市值因子及其影响因素 - 市值因子与剩余流动性高度相关，剩余流动性越充裕，小市值因子表现越强势，2017年4月 - 2019年1月及2023年12月 - 2024年8月二者背离，因市场担忧内需结构转换和经济增长中枢下行，风险偏好走弱，低估值主导 [53] 动量因子及其影响因素 - 动量因子与交易拥挤度、增量资金结构相关，交易拥挤度提升，动量效应增强，市场无显著增量资金时，反转因子强势 [56] - 2010 - 2014年H1，市场增量资金不显著，反转效应强；2014H2 - 2015H1，两融资金主导行情，小市值与高盈利优势明显；2017 - 2018年，北上资金主导，低估值因子主导，动量效应增强；2019 - 2021Q2，主动型公募资金主导，高盈利增速主导；此后无新趋势性主导资金，反转效应增强，低估值趋势走强，高盈利趋势走弱 [57] 风格因子体系及其应用 风格投资体系 - 宏观及市场层面因子影响并决定市场风格表现及占优风格因子，盈利因子受经济周期影响，估值因子受市场情绪影响，市值因子受剩余流动性影响，动量因子受增量资金和交易拥挤度影响 [61] - 不同宏观及市场因子决定A股占优风格因子，可据此买入底层股票组合或投资不同类型风格资产或宽基指数 [66] 基于风格投资体系的A股市场风格展望 - 预计2025年国内经济弱复苏、信用磨底修复、货币持续宽松，市场情绪小幅修复，ERP至少到3.5%左右 [68] - 年内A股占优风格为高盈利、高估值、小市值，当前A股对年内盈利修复未充分计价，高盈利、高估值因子有上行空间，科技成长及中游制造板块有望获超额收益；短期高盈利及小市值风格或阶段性调整 [73]

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[23] - **模型具体构建过程**： 1. 在全市场股票池中计算每只股票的PB和ROE值 2. 对PB和ROE分别进行标准化处理并加权综合得分 3. 选取综合得分前50名的股票构成组合 4. 按月频调仓，控制行业和市值暴露[23][24] 2. **模型名称：私募调研跟踪策略** - **模型构建思路**：通过跟踪私募机构调研行为挖掘超额收益机会[25] - **模型具体构建过程**： 1. 统计上市公司接受私募调研的频率和机构数量 2. 计算调研热度指标：$$调研得分 = \frac{调研次数}{行业均值} + log(参与机构数)$$ 3. 结合基本面筛选（如ROE>10%）构建组合[25][26] 3. **模型名称：大宗交易组合** - **模型构建思路**：基于"高成交金额比率+低波动率"原则筛选大宗交易标的[29] - **模型具体构建过程**： 1. 计算大宗交易成交金额比率：$$成交比率 = \frac{大宗交易金额}{日均成交额}$$ 2. 计算6日成交金额波动率 3. 选取成交比率前30%且波动率后30%的股票[29][30] 4. **模型名称：定向增发组合** - **模型构建思路**：利用定向增发事件窗口期的超额收益效应[35] - **模型具体构建过程**： 1. 以股东大会公告日为事件日 2. 筛选增发比例>5%且发行折价率<20%的标的 3. 按市值分层加权构建组合[35][36] 模型的回测效果 1. **PB-ROE-50组合** - 中证500超额收益1.15%（本周），今年以来2.19%[24] - 中证800超额收益0.29%（本周），今年以来1.96%[24] - 全市场超额收益-0.30%（本周），今年以来2.43%[24] 2. **私募调研跟踪策略** - 中证800超额收益2.61%（本周），今年以来9.91%[26] - 绝对收益2.18%（本周），今年以来8.47%[26] 3. **大宗交易组合** - 中证全指超额收益-0.61%（本周），今年以来23.37%[30] - 绝对收益-1.30%（本周），今年以来23.91%[30] 4. **定向增发组合** - 中证全指超额收益0.12%（本周），今年以来6.18%[36] - 绝对收益-0.58%（本周），今年以来6.64%[36] 量化因子与构建方式 1. **因子名称：净利润断层** - **构建思路**：捕捉业绩超预期带来的价格跳空缺口[12] - **具体构建**：$$因子值 = \frac{公告日收盘价-前日收盘价}{前日收盘价} - 行业均值$$[13] 2. **因子名称：成交量的5日指数移动平均** - **构建思路**：反映短期资金流向[12] - **具体构建**：$$EMA_5(成交量) = \alpha \times 当日成交量 + (1-\alpha) \times 前日EMA$$，α=0.33[13] 3. **因子名称：动量弹簧因子** - **构建思路**：识别超跌反弹机会[12] - **具体构建**：$$因子值 = \frac{1月收益率}{过去6月波动率}$$[13] 4. **因子名称：ROIC增强因子** - **构建思路**：衡量资本回报效率的边际变化[15] - **具体构建**：$$因子值 = \frac{本期ROIC-行业ROIC中位数}{上期ROIC-行业ROIC中位数}$$[15] 因子的回测效果 1. **沪深300股票池** - 净利润断层：1.30%（本周），6.59%（近1年）[13] - 成交量的5日EMA：1.15%（本周），5.18%（近1年）[13] - 动量弹簧因子：-1.12%（本周），9.15%（近1年）[13] 2. **中证500股票池** - 毛利率TTM：1.65%（本周），0.98%（近1年）[15] - 单季度ROA：1.40%（本周），3.30%（近1年）[15] - 5日反转：-0.49%（本周），8.70%（近1年）[15] 3. **流动性1500股票池** - 5日平均换手率：0.45%（本周），7.94%（近1年）[17] - 动量弹簧因子：-1.07%（本周），19.54%（近1年）[17] - 单季度净利润同比增长率：-1.19%（本周），18.07%（近1年）[17] 大类因子表现 - 动量因子：本周0.12%[18] - 成长性因子：本周0.04%[18] - 规模因子：本周-0.40%[18]

美股市场表现 - 标普500指数周一小幅收涨 将连胜纪录延长至六个交易日 [1] - 自4月7日盘中触底以来 标普500指数累计涨幅已超过23% [1] - 截至周一收盘 标普500指数较6144.15点的历史收盘高点仅低3% [1] 市场情绪与历史趋势 - 美国银行全球股票风险偏好指标已从4月初的"深度恐慌"反弹至中性水平 [1] - 该指标在过去38年中已32次从恐慌转向中性 其中只有四次回落至恐慌水平 [1] - 货币宽松背景下恐慌情绪宣泄后市场广度改善 通常与新牛市延续或形成相关 [1] 动量因子表现 - iShares MSCI美国动量因子ETF（MTUM）今年以来表现超过标普500指数10个百分点 [2] - 历史数据显示 动量因子在跑赢标普500指数10个百分点后 未来100天表现平均落后3.8个百分点 [2] 市场驱动因素 - 关税战缓和与投资者情绪改善推动了标普500指数的上涨 [1] - 大盘科技股近期可能失去动能 尽管它们引领了市场反弹 [1]