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]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称**：国信金工指数增强组合 - **模型构建思路**：以多因子选股为主体，分别构建对标沪深300、中证500、中证1000及中证A500指数的增强组合，通过收益预测、风险控制和组合优化三部分实现稳定超额收益[12][13] - **模型具体构建过程**： 1. **收益预测**：基于30余个因子（估值、反转、成长等维度）构建收益预测模型 2. **风险控制**：控制组合相对于基准指数的行业暴露、风格暴露、成分股权重偏离等约束 3. **组合优化**：采用组合优化模型最大化因子暴露，同时满足风险约束条件[40][41] - **模型评价**：通过MFE组合验证因子有效性，更贴近实际投资约束条件下的收益预测效果[40] 2. **模型名称**：单因子MFE组合 - **模型构建思路**：通过组合优化最大化单因子暴露，检验因子在控制行业/风格暴露等实际约束下的有效性[40] - **模型具体构建过程**： - 优化目标函数： $$ \begin{array}{ll} \max & f^{T}w \\ s.t. & s_{l} \leq X(w-w_{b}) \leq s_{h} \\ & h_{l} \leq H(w-w_{b}) \leq h_{h} \\ & w_{l} \leq w-w_{b} \leq w_{h} \\ & b_{l} \leq B_{b}w \leq b_{h} \\ & \mathbf{0} \leq w \leq l \\ & \mathbf{1}^{T}w = 1 \end{array} $$ 其中： - \( f \)为因子取值向量，\( w \)为股票权重，\( w_b \)为基准权重 - 约束包括风格暴露（\( X \)）、行业暴露（\( H \)）、个股权重偏离（\( w_l, w_h \)）等[40][41] - 设置个股偏离权重上限1%（中证500/沪深300）或0.5%（公募重仓指数）[44] 量化因子与构建方式 1. **因子名称**：估值类因子（BP、EPTTM、单季EP等） - **构建思路**：衡量股票价格相对于基本面价值的低估/高估程度[18] - **具体构建**： - BP：净资产/总市值 - EPTTM：归母净利润TTM/总市值 - 单季EP：单季度归母净利润/总市值[18] 2. **因子名称**：反转类因子（一个月反转、三个月反转等） - **构建思路**：捕捉短期价格反转效应[18] - **具体构建**： - 一个月反转：过去20个交易日涨跌幅 - 三个月反转：过去60个交易日涨跌幅[18] 3. **因子名称**：成长类因子（单季净利同比增速、单季营收同比增速等） - **构建思路**：反映企业盈利或收入的增长能力[18] - **具体构建**： - 单季净利同比增速：（本期净利润-去年同期净利润）/去年同期净利润 - SUE：（实际净利润-预期净利润）/预期净利润标准差[18] 4. **因子名称**：流动性类因子（非流动性冲击、一个月换手等） - **构建思路**：衡量股票交易流动性对收益的影响[18] - **具体构建**： - 非流动性冲击：过去20个交易日日涨跌幅绝对值/成交额均值 - 一个月换手：过去20个交易日换手率均值[18] 模型的回测效果 1. **国信金工指数增强组合**： - 沪深300增强：本周超额0.82%，本年超额6.67% - 中证500增强：本周超额0.04%，本年超额7.84% - 中证1000增强：本周超额0.34%，本年超额12.61%[15] 2. **单因子MFE组合（中证500样本）**： - BP因子：最近一周超额0.87%，历史年化3.92% - 预期EPTTM：最近一周超额0.83%，历史年化4.26% - 一年动量：最近一周超额-0.35%，历史年化2.38%[22] 因子的回测效果 1. **沪深300样本空间**： - 预期EPTTM：本周超额0.99%，历史年化2.35% - 单季EP：本周超额0.85%，历史年化3.89%[28] 2. **中证1000样本空间**： - BP因子：本周超额1.03%，历史年化2.69% - 一个月换手：本周超额0.89%，历史年化7.32%[24] 3. **公募重仓指数样本空间**： - 预期EPTTM：本周超额0.99%，历史年化2.35% - 一年动量：本周超额-1.43%，历史年化0.98%[28] 其他关键信息 - **公募重仓指数构建**：选取普通股票型及偏股混合型基金持仓，累计权重达90%的股票作为成分股[42][43] - **因子库覆盖维度**：估值、反转、成长、盈利、流动性、公司治理、分析师预期等7大类30余个因子[18]

风险提示：本文所提到的观点仅代表个人的意见，所涉及标的不作推荐，据此买卖，风险自负。 以下文章来源于府库 ，作者府库 府库 . 规划投资理财，温暖幸福生活 在聊到自己的资产配置情况时 ， 大家总会有很大的不同 ， 还有很多朋友会提出疑问 ， " 为什 么没有选择商品资产 " 、 " 为什么不用红利来替代宽基指数 " 、 " 为什么选择投顾组合 ， 是 不是有更高成本损耗 " 等等一系列的问题 。 大卫 · 史文森有讲到 ， 投资者可以使用到的三种投资工具分别是资产配置 、 选股与择时 。 像 红利 、 科技都是在资产类别上风格的偏离 ， 不同的投资策略也是主观的择时控制 ， 没有对错 或者更好 ， 只是个人的一种选择 。 在罗杰 · 伊博森的研究中 ， 机构投资组合收益波动的90% 以上都可归因于资产配置 。 投资并不是数字游戏 ， 资产配置本质上是一种对世界认知的表达 。 每个人的经历不同 、 环境 不同 ， 对于世界的理解和预期自然不同 ， 这就导致了资产配置必然因人而异 。 在选择资产类 别和比例时 ， 其实是在向外界展示我们如何看待未来 ， 如何理解风险 ， 以及属于我的人生目 标是什么 。 投资有时 ...

机器学习模型在量化选股中的应用 - 采用GBDT类树模型（LGBM/XGBoost/CatBoost）和神经网络模型（GRU/TCN/Transformer）进行量化选股训练测试，其中树模型适合处理手工构造的量价和基本面特征，神经网络擅长捕捉时序变化[1][2] - 特征筛选采用SHAP方案能有效减少特征数量并保证模型效果，特征中性化对因子改进不明显，整体标准化处理更有利于模型学习时序信息[2][28] - 沪深300指增策略年化超额10.03%，中证500指增年化超额8.41%，中证1000指增年化超额11.44%，显示机器学习因子在中小盘更具优势[3][61][62][63] 模型结构与特征处理 - GBDT模型通过残差迭代优化，每棵树学习前一棵树的残差，错分样本权重会逐步增大[10][11] - 神经网络结构中，GRU作为LSTM简化版通过更新门和重置门减少参数量，TCN采用空洞卷积实现指数级增长的历史数据回顾[12][13][18] - 特征类型选择显示：Alpha158量价特征适合两类模型，GFStyle基本面因子更适合树模型，原始量价数据神经网络表现更优[26][27] 损失函数与预测目标优化 - 排序学习损失函数中，结合NDCG指标的LambdaNDCG2和NeuralNDCG在多头部表现优异，与MSE因子相关性仅0.7-0.9[42][43][45] - 预测目标处理显示：截面标准化能排除市场beta干扰，使用超额收益率经CSRank处理后效果最佳[50][51] - 多周期预测目标合成可提升因子表现，沪深300指增策略信息比率从1.67提升至1.81，中证500年化超额从13.28%提升至14.28%[52][53][55] 策略构建细节 - 组合优化控制行业偏离、市值偏离等约束条件，采用月度调仓，交易成本假设双边千三[59][60] - 中证1000指增策略信息比率达2.09，超额最大回撤-7.95%，显著优于沪深300策略的2.23信息比和中证500策略的1.38信息比[63][61][62]

ARKK ETF近期表现与市场反应 - 凯茜·伍德旗下ARKK ETF自四月初以来涨幅超过50%，但资金外流持续且空头仓位攀升至37%流通股的创纪录水平[1][2] - 六月份空头因ARKK上涨承受超3亿美元浮亏，周一4.4%的单日涨幅又增加约9,300万美元浮亏[2] - 特斯拉作为ARKK第一大重仓股，四月以来跑赢标普500指数约21个百分点，但基金仍遭遇连续五周净赎回，年内资金流出总额超8.4亿美元[4] 市场对ARKK策略的质疑与竞争 - 投资者转向加密货币或杠杆型单股基金，机构通过做空ARKK对冲科技股多头头寸[3] - 单股ETF（如英伟达、特斯拉杠杆产品）规模达210亿美元，提供更灵活的投资替代方案[6] - 新型ETF让投资者可自行复制ARKK策略，导致其旗舰主题型ETF面临被淘汰风险[5][6] ARKK长期表现与行业对比 - ARKK过去五年回报率基本为零，同期标普500指数总回报率超100%[6] - 投机性科技股（如特斯拉、Roblox、Coinbase）虽从低点反弹，但未能扭转市场对基金长期表现的怀疑[3][4] 行业趋势与产品创新 - ETF发行商加速推出杠杆型产品（如针对Circle Internet Group等新股），满足投资者对高回报需求[6] - 杠杆型单股ETF的兴起削弱了主动管理型主题基金的市场地位[5][6]

量化模型与因子分析总结 量化模型与构建方式 1. **竞争优势组合模型** - 构建思路：基于竞争壁垒分析框架，将行业分为"壁垒护盾型"、"竞争激烈型"、"稳中求进型"和"寻求突破型"四类，重点选择具有长期稳定市场份额和超强盈利能力的"壁垒护盾型"行业中的主导企业[13] - 具体构建：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[14] - 模型评价：该模型提供了不同于传统因子投资的价值量化视角，能够识别具有不同竞争特性的行业和企业[13] 2. **安全边际组合模型** - 构建思路：通过计算个股的盈利能力价值作为安全边际，在综合竞争优势股票池内选择安全边际最大的标的[18] - 具体构建：使用ROIC分析企业创造价值的能力，计算安全边际（内在价值与市场价值的差距），选择安全边际最大的前50标的并采用股息率加权[18][20] - 模型评价：该模型强调企业内在价值与市场价值的差距，更可靠地反映企业实际价值[18] 3. **AEG估值潜力组合模型** - 构建思路：基于超额收益增长(AEG)模型，考虑投资收益的所有来源，计算公司总体收益超过机会成本部分的价值[30] - 具体构建：首先用AEG_EP因子选取TOP100，然后选择股利再投资/P比率高的TOP50股票[34] - 公式： $$A E G=Y_{t}-N_{t}=(E_{t}+r*D P S_{t-1})-(1+r)*E_{t-1}$$ $$\frac{V_{0}}{E_{1}}=\frac{1}{r}+\frac{1}{r}*\frac{\left(\frac{A E G_{2}}{1+r}+\frac{A E G_{3}}{(1+r)^{2}}+\frac{A E G_{4}}{(1+r)^{3}}+\cdots\right)}{E_{1}}$$ $$\frac{V_{0}}{E_{1}}=\frac{1}{r}$$[30] - 模型评价：该模型能够识别市场尚未充分认识到其增长潜力的公司[34] 4. **现金牛组合模型** - 构建思路：通过CFOR分析体系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[38] - 具体构建：关注自由现金利润比率的稳定性、经营资产回报率的稳定性等指标，在中证800成分股内选股[39] - 模型评价：该模型更全面地评估企业的经营绩效和财务稳定性[38] 5. **大模型AI选股组合** - 构建思路：通过FinLLM处理非结构化金融文本，融合思维链推理(COT)、对比分析与反事实推理，形成多维度验证闭环[44][47] - 具体构建：以"研报-公告-调研"三元组为最小分析单元，通过语义蒸馏、逻辑一致性验证等方法提取关键信号[48] - 模型评价：该模型突破了传统模型对非结构化信息的整合瓶颈，能够捕捉隐含的市场信号与管理层意图[44] 6. **治理效能组合模型** - 构建思路：基于MD&A(管理层讨论与分析)文本分析，评估管理层坦诚度、业务与财务逻辑一致性、长期价值创造三个维度[53] - 具体构建：先用短期利润指引因子和财务一致性因子等权合成基础组合，再用PB_ROE因子进一步选择前50个股[57] - 模型评价：该模型能够揭示财务数据背后的"过程"和"逻辑"，是量化策略的alpha前沿阵地[53] 模型的回测效果 1. **竞争优势组合** - 年化收益：17.04%(2012年以来)，20.41%(2019年以来)[1][17] - 夏普比率：0.66(2012年以来)，0.93(2019年以来)[1][17] - 信息比率(IR)：0.12[1] - 最大回撤：-47.68%(2012年以来)，-19.32%(2019年以来)[1][17] - 卡玛比率：0.36(2012年以来)，1.06(2019年以来)[1][17] 2. **安全边际组合** - 年化收益：22.73%(2012年以来)，20.27%(2019年以来)[2][22] - 夏普比率：1.02[2][22] - 信息比率(IR)：0.18(2012年以来)，0.13(2019年以来)[2][22] - 最大回撤：-35.10%(2012年以来)，-16.89%(2019年以来)[2][22] - 卡玛比率：0.65(2012年以来)，1.20(2019年以来)[2][22] 3. **红利低波季调组合** - 年化收益：20.27%(2014年以来)，17.36%(2019年以来)[2][26] - 夏普比率：0.94(2014年以来)，1.00(2019年以来)[2][26] - 信息比率(IR)：0.16[2] - 最大回撤：-43.06%(2014年以来)，-21.61%(2019年以来)[2][26] - 卡玛比率：0.47(2014年以来)，0.80(2019年以来)[2][26] 4. **AEG估值潜力组合** - 年化收益：28.72%(2014年以来)，23.33%(2019年以来)[3][36] - 夏普比率：1.11[3][36] - 信息比率(IR)：0.23(2014年以来)，0.16(2019年以来)[3][36] - 最大回撤：-44.34%(2014年以来)，-24.04%(2019年以来)[3][36] - 卡玛比率：0.65(2014年以来)，0.97(2019年以来)[3][36] 5. **中证800现金牛组合** - 年化收益：13.56%(2019年以来)[3][42] - 夏普比率：0.66[42] - 信息比率(IR)：0.13[42] - 最大回撤：-19.80%[3][42] - 卡玛比率：0.68[42] 6. **大模型AI选股组合** - 年化收益：16.53%(2019年以来)[4][49] - 夏普比率：0.71[49] - 信息比率(IR)：0.17[49] - 最大回撤：-33.01%[49] - 卡玛比率：0.50[49] 7. **中证800治理效能组合** - 年化收益：11.00%(2020年以来)[4][59] - 夏普比率：0.51[59] - 信息比率(IR)：0.23[59] - 最大回撤：-23.74%[59] - 卡玛比率：0.46[59]

核心观点 - 公募基金高质量发展利好长线板块与被动投资，主动权益基金或更新业绩基准，聚焦国企、科技、消费等主题，分域选股与基本面因子可掘金超额收益 [4] - 2025年以来大类资产表现分化，行业主题ETF重要性凸显，投资者可关注黄金、汽车、银行等行业ETF [4] - ETF+投顾潜力大，银河金工团队回测的5种ETF量化策略中，大类资产宏观择时策略表现稳健 [4] 公募基金高质量发展，利好长线板块与被动投资 《推动公募基金高质量发展行动方案》引领行业重视回报，厚积薄发 - 2025年5月7日，证监会印发《推动公募基金高质量发展行动方案》，提出25条举措，推动主动与被动产品市场长期高质量发展 [7][8] - 方案对主动产品突出报酬与业绩绑定和长周期考核机制，对被动产品要求下调费率、实行ETF快速注册机制等 [4] - 目前大部分Smart Beta指数产品集中于红利风格，策略股票ETF有很大发展空间，近期多家基金公司新发挂钩中证全指自由现金流指数的ETF产品 [11] 业绩基准的选择：主指数以宽基为主 - 方案要求强化业绩比较基准的约束作用，普通股票型基金和混合型基金业绩基准主指数多为沪深300、中证500、中证1000等宽基指数 [15] 浮动管理费收取机制：业绩挂钩的浮动管理费率存在较大改革空间 - 截至2025年一季度，基于业绩浮动管理费率的基金（不包括REITs）共有88只，规模合计877.8亿元，在整体基金市场规模中占比仅为0.27% [21] - 2024年浮动费率基金收益表现较弱，不足20%的浮动费率基金相对基准实现正超额收益 [25] ETF市场：产品丰富度呈厚尾效应，大类资产指数产品有待丰容 - 截至2025年第一季度，ETF整体规模为43828亿元，股票被动指数型基金规模占比达63%，其他资产类型指数产品仍有较大发展空间 [31] - 按挂钩指数统计，规模前10的指数中，A股宽基指数占比较高，宽基类产品头部效应明显，产品丰富度呈现厚尾效应 [33][34] 主题投资：聚焦长线板块，基本面掘金超额收益 公募基金高质量发展利好长线投资，基准改革促进基金明晰主题风格 - 公募基金高质量发展利好长线投资，主动权益基金存在更新基准指数的可能性，当前主动权益基金基准以宽基指数为主，导致超额收益与市场牛熊高度相关 [35][39] - 消费、科技、红利等板块是当前市场关注度最高的投资主线，主动权益基金主题风格型基准主指数中，消费、科技、ESG主题与红利风格较为常见 [43] 国企、科技、消费三大主题差异互补，基本面分域选股具备配置优势 - 国企、科技、消费三大主题在风格暴露上差异显著，具有较强的互补性，市场表现也具有互补效果，对三大主题进行长期配置可获得稳健超额收益 [44][48] - 分域选股可使选股因子更能体现主题特征，增厚策略收益，基本面因子适用于主题分域选股，能反映企业长期业绩表现与潜在价值 [51][52] 国企主题选股：红利型传统行业避风险，成长型新兴行业求发展 - 以中证国企指数成分股为基础，加入北交所国企股票和实控人为中科院等事业单位的股票，构成央国企主题选股的股票池 [53] - 选择净资产收益率ROE（TTM）、营业现金比率等通用因子和行业特色因子，加权计算得分，构建央国企基本面选股策略 [53][60] - 2019年12月31日至2025年5月30日，央国企主题基本面因子选股策略回测净值的年化收益率为22.34%，相比基准中证国企指数实现年化超额收益20.33% [62] 科技主题选股：现金流划分企业生命周期，优选成长与成熟期企业 - 从所属行业与研发投入两个角度定义科技股，剔除震荡期和衰退期股票，构建科技股样本池 [64][66][68] - 选择毛利率_环比增量、归母净利润成长能力等通用因子和特色因子，对科技股样本池进行打分，构建多头选股策略 [69][74] - 2019年12月31日至2025年5月30日，科技主题基本面因子选股多头策略回测净值的年化收益率为21.21%，相比科技股样本池平均收益实现年化超额收益10.86% [75] 消费主题选股：成长与现金流并举，挖掘高质量新消费潮流 - 筛选业务/产品/服务直接to C的行业，按三级行业的业务属于制造业/服务业，对消费股进行分域，分为制造型与服务型两大类 [78] - 选择预收账款+合同负债同比增速_环比增量、经营现金流/营业收入等通用因子和特色因子，构建消费主题基本面选股策略 [82] - 2019年12月31日至2025年5月30日，消费主题基本面因子选股多头策略回测净值的年化收益率为20.47%，相比基准20%中证主要消费+20%中证可选消费实现年化超额收益18.81% [82][83] 债市领跑，股商分化，行业主题ETF重要性凸显 大类资产：上半年权益资产表现分化，债券资产相对占优 - 2025年以来，大类资产表现分化，股市震荡，债市向好，大宗商品各异，黄金表现突出 [4] 黄金资产：多因素支撑黄金资产强势表现 - 报告未提及具体内容 行业板块：汽车银行行业领涨 - 汽车、银行行业相关ETF因产业发展与资金流入上涨，科技板块持续受关注但波动较大 [4] ETF市场："稳中有升"，行业主题重要性凸显 - 2025年上半年ETF总规模突破4万亿元，行业主题ETF规模增加超过420亿元，资金青睐科技类行业主题ETF [4] ETF量化策略表现 ETF+投资顾问潜力巨大 - 公募基金高质量发展背景下，ETF+投资顾问专业化趋势显著，发展潜力巨大，铸就ETF量化策略潜能 [4] 宏观择时策略 - 截至2025年5月30日，大类资产宏观择时策略自2020年起年化收益8.87%，夏普比率和Calmar比率分别为1.27和1.42，最大回撤为-4.80%，表现最为稳健 [4] 动量择势策略 - 动量择势策略年化收益率为17.99%，最大回撤为-29.72%，板块拥挤度配置高风险带来高收益 [4] 行业轮动策略 - 行业轮动策略年化收益7.95%，捕捉行业轮动趋势 [4] 基于Copula的二阶随机占优策略 - 基于Copula的二阶随机占优策略年化收益22.34% [4] 基于分位数随机森林的科技类ETF配置策略 - 基于分位数随机森林的科技类ETF策略年化收益5.46%，以分位数随机森林算法为核心，捕捉科技板块潜在收益 [4]

美国ETF创新产品发行动态 - 上周美国共发行22只新ETF产品，其中杠杆反向产品占比显著，共8只（占新发总量36%），包括6只单股票产品（如MicroStrategy 2倍做多/做空、UPSTART、Archer Aviation等）和2只挂钩Nasdaq 100 Mega指数的2倍杠杆/反向产品 [1] - Bitwise发行挂钩GameStop的期权策略ETF，通过同时使用看涨/看跌期权做多波动率，选择高波动标的以增强收益 [1] - 债券ETF发行4只，Vanguard推出多板块主动管理债券ETF（覆盖国债/公司债/新兴市场债），景顺扩充目标到期日债券产品线 [1] - FundX发行未来主题基金，聚焦潜在引领趋势的中小型公司，投资理念类似ARK"颠覆式创新"策略 [2] - 普信发行3只主动行业ETF（金融/医药/自然资源），采用基本面选股策略，持仓数量分别为50-70只、100-150只、60-80只 [2] 美国ETF资金流向 - 上周股票ETF整体小幅流出，跨境股债产品合计流入超50亿美元，比特币/黄金ETF持续吸金 [3] - 标普500 ETF出现资金迁移：贝莱德IVV流出226.58亿美元，先锋VOO流入145.09亿美元 [5][6] - 债券ETF中综合债受青睐（BND流入15.67亿美元），工具型产品普遍流出（LQD流出9.57亿美元） [6] - 比特币ETF（IBIT）和黄金ETF（GLD）分别流入11.16亿/7.21亿美元，进入流入前十榜单 [6] - 近两周标普500 ETF资金波动显著，贝莱德IWV单日最大流出155.9亿美元，先锋VOO单日最高流入143.64亿美元 [7] 美国ETF市场表现 - 对冲策略ETF表现分化：股票多空产品（FTLS）下跌0.91%，期货策略产品（DBMF）跌1.11%，而道富多资产产品（RLY）逆势上涨9.25% [8] - 道富RLY前三大持仓为商品/全球基建/全球自然资源ETF，显示另类资产配置策略有效性 [8] 美国公募基金资金动向 - 2025年4月美国非货币公募基金总规模21.06万亿美元，环比下降0.12万亿（降幅0.57%），同期标普500下跌0.76% [9] - 5月28日-6月4日单周，国内股票基金净流出169亿美元（较前周扩大2倍），债券基金净流入近100亿美元 [9]

本文首发于公众号"私募排排网"。 （点击↑↑ 上图查看详情 ） 随着量化工具在投资领域的应用越来越广泛，量化策略早已成为了市场中不可或缺的参与力量之 一。在私募基金中典型的量化产品是量化多头策略，主要通过量化模型和算法进行选股和优化， 旨在获得超越基准指数的超额收益。具体划分，又可分为指数增强与量化选股等。 私募排排网数据显示，在刚过去的5月份， 有业绩显示的 574 只 量 化 多 头 产 品 收 益 均 值 为 3.77%，超额收益均值为2.45%，表现较为亮眼。 其中沪深300、中证500、中证100私募指增产 品分别实现超额收益均值为0.97%、3.03%、2.84%，量化选股超额收益均值为2.08%。 | 三级策略 | 符合排名规则的 产品数 | 5月收益均值 | | 5月超额收益均值 5月份正超额产品数 | 正超额占比 | | --- | --- | --- | --- | --- | --- | | 沪深300指增 | 30 | 2.84% | 0.97% | 27 | 90.00% | | 中证500指增 | 168 | 3.74% | 3.03% | 163 | 97.02% | | 中证1 ...

纪要涉及的行业和公司 行业：券商、新消费、医药、创新药、石油石化、有色金属、国防军工、银行、非银金融、地产、TMT、传媒、通信、煤炭、大金融 公司：中信证券、国泰君安、曼卡龙、潮宏基 纪要提到的核心观点和论据 - **市场整体走势**：当前市场走势复杂，处于震荡偏多格局，支撑位 3310 点附近，压力位 3432 点附近，短期内突破 3417 点难度大，若外部冲击持续，大盘将横盘震荡，若陆家嘴论坛发布利好金融政策，大金融板块或推动指数过 3417 点但不持续高涨，整体偏空格局明显。论据为市场面临内生性调整压力和外部地缘政治冲突影响，多数因素对市场产生负向影响，仅券商能推动市场上行但高度有限 [1][2][20]。 - **各板块表现及影响** - **券商板块**：对大盘走势影响显著，有回调至年线形成五浪结构和反弹至 840 - 880 点区间两种可能走势，虽能带动市场上行，但受基本面限制大涨概率低于 10%。论据为中信证券 H 股和国泰君安 A 股上涨带动券商指数上升，进而影响大盘，但快速上涨难度大 [1][5][19]。 - **北证 50 指数**：呈震荡偏空态势，对市场产生负面影响，可能进一步拖累大盘。论据为 5 月 22 日跌破趋势线，反弹力度弱，本周五以实体阴线收近低点有破位迹象 [1][6][16]。 - **地缘政治冲突相关板块**：中东地缘政治冲突使全球资本市场风险偏好下降，引发震荡整理，推动石油石化、有色金属和国防军工板块走强。论据为以色列与伊朗冲突加剧导致油价上涨，这些板块获得资金青睐并稳健增长 [7][8]。 - **创新药和新消费板块**：近期露出疲态，创新药指数出现顶背离，港股创新药指数可能面临调整，新消费龙头企业可能进入 c 段调整。论据为创新药指数出现两个 60 分钟 MACD 顶背离，新消费龙头企业高位回调后反弹形成 ABC 结构 [1][13][17]。 - **其他板块**：银行保持稳健慢牛状态，非银金融去年调整后位置低获资金青睐，大金融板块表现好，军工因地缘政治因素表现良好，医药行业基本处于主升阶段，煤炭行业相对较弱但石油石化行业可能带动它 [9][28]。 - **市场操作建议** - **仓位配置**：中线投资者无需大幅减仓，保持原有中线仓位，急跌至 3200 点左右可考虑加仓，控制板块组合，降低部分涨幅大板块的弹性。论据为上证指数均线系统呈多头排列，套牢筹码少，均线提供支撑 [21][22][24]。 - **板块关注**：6 月推荐关注医药、军工、非银金融、银行和煤炭五个行业，券商、大金融中的银行和非银金融可逢低关注。论据为这些行业在动量曲线上表现平稳，部分板块位置低有补涨空间 [27][25]。 其他重要但是可能被忽略的内容 - **本周市场下跌原因**：主要是消费、地产和 TMT 板块回调，消费板块中白酒受禁酒令影响，地产板块销售数据不佳，TMT 板块中电子和计算机板块因地缘政治冲突回调，传媒和通信板块走势相对较好 [10]。 - **中东冲突对资产配置影响**：历史复盘显示，区域性或全局性冲突中，军工、红利资源板块通常有超额收益，黄金和石油有优势，股市增加波动但不影响整体牛熊趋势，汇率方面战败国贬值、战胜国升值 [30][31]。 - **选股打分卡**：是自下而上的选股工具，通过多个指标维度赋予权重筛选股票，可将多因子主观化用于跨行业投资策略选择，根据客户需求设计策略可实现市值下沉扩池提高研究效率。论据为 5 月初 4 月底筛选出曼卡龙和潮宏基等新消费牛股，回测中高分股票收益率显著高于低分股票 [32][33][34]。