基金发行热潮 - 4月30日单日成立29只新基金，占4月全月119只新成立基金的近四分之一（24.4%）[1][2] - 其中9只为指数增强基金，4月累计成立19只指增产品，总规模达91亿元[1][2] - 前4个月累计成立49只指增基金，总规模255亿元，3月单月成立18只（规模128亿元）[4][5] 指数增强产品特征 - 新发指增基金中6只规模超5亿元，天弘上证科创板指增以13.32亿份居首[3] - 全市场指增基金规模截至3月底为2123.5亿元，3月新增规模占存量6%[5] - 科创板和中证A500是指增主要跟踪标的，前十大产品中7只跟踪这两类指数[3][4] 行业竞争格局 - ETF赛道马太效应显著，中小基金公司转向指增寻求差异化突破[8][9] - 第三方平台如蚂蚁基金推出"指数+"服务，聚焦指增产品布局[11] - 博道基金指出指增策略虽采用多因子模型，但实施环节存在差异化空间[10] 产品发展瓶颈 - 全市场指增规模长期难以突破3000亿元，投资者对量化方法论接受度低[12] - 2020-2024年沪深300指增基金年均超额收益4.3%，仅40%产品能连续5年稳定跑赢指数[12] - 超额收益稳定性不足是核心痛点，需提升持续跑赢指数的能力以增强产品吸引力[12]

价格波动性与市场复杂性呈现螺旋式上升。俄乌冲突导致的天然气价格单日波动超30%，LME镍期货逼 空事件等极端案例，既考验企业的风险承受能力，也为套利交易创造空间。头部贸易商通过建立"波动 率指数矩阵"，将价格异动转化为交易机会，2023年在能源品类实现22%的超额收益。这种市场特性倒 逼企业构建多层次分析体系，某金属贸易商融合卫星遥感数据、港口吞吐量和期货持仓量等300余个指 标，将市场预判准确率提升至75%。 行业竞争要素发生根本转变。传统资源禀赋优势正被数据资产和人才储备所替代，全球大宗交易机构对 量化分析师的需求三年增长170%，顶尖交易团队中机器学习专家占比超过40%。这种转变在农产品领 域尤为显著，ABCD四大粮商通过建立"数字农业生态"，整合土壤传感、气象预测和期货对冲系统，将 种植决策响应时间从季度级缩短至小时级。 二、大宗商品采购管理体系的精益化、数智化重构 传统采购模式正在经历"三级跃迁"。从保证供应的1.0阶段，演进至风险管控和精益采购的2.0阶段，最 终迈向数智化决策赋能的价值创造3.0形态。某生猪养殖企业的转型实践具有示范意义：通过搭建"采购 决策驾驶舱"，整合供需平衡表、成本模型和物 ...

市场动态与黄金交易逻辑 - 2025年全球经济波动与地缘政治风险交织，黄金价格与美元指数、通胀预期及国际局势形成复杂三角关系 [1] - 美联储货币政策转向宽松时，黄金与美元通常呈现跷跷板效应 [1] - Velos Markets通过实时行情分析系统结合历史数据与AI预测模型识别趋势拐点 [1] 交易平台核心优势 - 提供超过200种金融产品，涵盖黄金现货、外汇及股指CFD等多元化对冲组合池 [2] - 黄金现货交易支持T+0机制与杠杆灵活调整，短线交易者可选择5倍杠杆，点差低至0.3美元/盎司 [2] - 采用三层风控架构：算法监测异常波动、自定义止损止盈工具、直连全球流动性供应商避免滑点 [5] 交易策略与工具应用 - 跨市场套利策略利用纽约与伦敦黄金现货市场价差，通过多终端同步交易和价差热力图辅助决策 [6] - 事件驱动型交易模型结合事件日历与波动率指数工具，2025年4月中东局势期间预设突破挂单策略实现单周收益率12% [7] - 入门级投资者可采用智能定投与网格交易策略，专业级用户可通过API构建多因子量化模型，年化夏普比率达2.3 [9][10] 宏观分析与技术生态 - 宏观仪表盘整合全球15个经济体数据，美国债务规模突破36万亿美元背景下对比新兴市场央行购金速度判断价格支撑位 [11] - 运营采用NDD模式连接12家顶级流动性供应商，订单执行速度低于50毫秒，并构建策略工坊社区共享已验证策略模板 [13]

指数增强型基金发展现状 - 截至2025年3月31日A股公募市场共有324只指数增强型基金，总规模达2129亿元，其中沪深300、中证500及中证A500增强型基金规模居前，分别为779亿、453亿和188亿元 [1][5] - 多因子模型是同业最主流的增强框架，但面临同质化严重问题：2022年以来沪深300/中证500指增基金超额收益曲线趋平，2024年9月各类产品相对回撤创历史极值 [8][9] - 指增产品超额收益相关系数创新高，2024年同类产品日度超额收益相关系数平均值达0.65，横截面分化度降至0.35% [9] 传统多因子模型局限性 - 因子拥挤导致Alpha衰减：2020-2024年沪深300指增基金超额收益中位数从14.37%降至1.83%，中证1000指增从19.34%降至5.33% [8] - 组合优化模型中证A500指增年化超额12.22%，但2024年相对最大回撤达8.78%，收益回撤比仅1.39 [24][26] - 因子失效加速：2024年9月市场波动期间，非线性规模因子日波动率达3.2%，Beta因子波动率达2.7% [97] 启发式风格划分创新 - 通过种子群体聚类将股票划分为成长/价值/均衡三类，中证A500指数成分股风格权重为成长27%、价值31%、均衡42% [72] - 与传统因子打分法相比，新方法使月度风格切换比例降至6%，长江电力等个股风格识别准确率提升40% [50][74] - 风格组合低相关性：成长与价值组合超额收益相关系数仅0.15，在2024年10月极端行情中呈现-0.82的负相关 [37][106] 多策略增强实践效果 - 中证A500多策略组合年化超额18.22%，较传统模型提升6个百分点，最大回撤6.9%，收益回撤比2.64 [114] - 子策略超额显著：成长部分超预期组合年化超额33.38%，价值部分高股息组合年化超额11.89% [86][93] - 策略互补性强：2024年成长策略回撤28.39%期间，价值策略仍保持1.17%正超额 [109][110] 策略拓展应用 - 沪深300多策略组合年化超额18.86%，信息比2.65，成分股中成长/价值/均衡风格占比分别为29%/29%/42% [126][129] - 主动股基增强策略通过优选基金持仓+多因子增强，2013年来年化超额17.44%，年度排名稳定在前30%分位 [3][133] - 自适应风控模型动态约束波动率前三的风格因子，使2024年"924"行情期间组合回撤减少3.2个百分点 [98][101]

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，用于捕捉股票价格动态变化[7][33] **模型具体构建过程**： - 输入层：股票历史价格序列(open/close价格) - 隐藏层：GRU单元堆叠结构，激活函数为tanh - 输出层：线性层预测未来收益率 - 训练方式：采用滚动窗口训练，损失函数为MSE **模型评价**：对短期价格波动捕捉能力较强，但需高频调参[7][33] 2 **模型名称**：barra1d/barra5d模型 **模型构建思路**：基于Barra风险模型框架的日频/5日频优化版本[15][23] **模型具体构建过程**： - 因子标准化：对10类风格因子进行Z-score标准化 - 风险调整：采用半衰期加权协方差矩阵 $$ w_{t} = \lambda w_{t-1} + (1-\lambda)r_t^T r_t $$ 其中λ=0.94(日频)/0.78(5日频)[15] **模型评价**：稳定性较好但时效性较弱[23][26] 3 **模型名称**：open1d/close1d模型 **模型构建思路**：基于开盘价/收盘价动量效应的日内交易模型[19][33] **模型具体构建过程**： - 信号生成：计算前N日开盘价与收盘价变化率 $$ signal = \frac{p_{open}^t - p_{close}^{t-1}}{p_{close}^{t-1}} $$ - 组合优化：加入交易量过滤和波动率约束[34] 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**：通过10类风格维度解释股票收益差异[15] **因子具体构建过程**： - 市值因子：$$ \ln(总市值) $$ - 动量因子：过去126交易日超额收益均值 - 波动因子： $$ 0.74\sigma_{ret} + 0.16|r-\bar{r}| + 0.1\sigma_{resid} $$ - 流动性因子： $$ 0.35Turnover_{1m} + 0.35Turnover_{3m} + 0.3Turnover_{1y} $$ [15] 2 **因子名称**：超预期增长类因子 **因子构建思路**：捕捉财务指标超出分析师预期的程度[24] **因子具体构建过程**： - 计算标准化预期误差： $$ SUE = \frac{Actual - Forecast}{\sigma(Historical\ Errors)} $$ - 覆盖ROE/ROA/营业利润率等维度[24] 模型的回测效果 1 GRU模型： - 近一周超额1.43%(open1d)/1.38%(close1d)[34] - 今年以来IR 3.90(open1d)/1.87(close1d)[34] 2 barra1d模型： - 近六月超额2.39%[34] - 三年年化IR 15.39%[17] 因子的回测效果 1 市值因子： - 近半年多空收益-47.66%[17] - 五年年化IR -33.09%[17] 2 动量因子： - 近一月多空收益1.00%[17] - 三年年化IR 15.39%[17] 3 超预期增长因子： - 近一周多空收益0.57%(营业利润率)[24] - 今年以来IR 7.54%(净利润)[24]

报告行业投资评级 未提及 报告的核心观点 - 苯乙烯产业链从原油出发，经苯和乙烯生产，到苯乙烯及其衍生物生产，最终应用于多领域，影响其期货价格因素复杂，可考虑上游纯苯供应和库存、中游苯乙烯自身库存等，通过回测和筛选组合因子输出趋势强度信号 [3] - 基本面多因子组合自2019年起年化收益率50.7%，夏普2.85；量价多因子组合自2019年起年化收益率35.3%，夏普2.14；综合模型将所有单因子等权组合，自2019年起年化收益率32.2%，夏普1.86，基本面因子与量价因子相关性低，可根据需求构造仅做多和仅做空模型，投资者可调整综合模型中基本面类和量价类因子比例 [4] 根据相关目录分别总结 苯乙烯单商品择时因子框架 - 苯乙烯是重要有机化工原料，上游由纯苯和乙烯制成，下游应用于多工业领域，上市后交易活跃，产业链清晰 [8] - 模型分基本面量化因子和量价因子两大类，基本面从库存、基差等维度构造因子，量价从动量、均线等维度基于日频行情数据构造因子，模型含9个基本面量化因子和7个量价因子 [8][10] - 回测和筛选因子设定：回测时间为2019年10月起，样本外回测时间为2023年1月起至2024年12月终；手续费双边万三，杠杆一倍；累计收益累加计算，用主力连续合约；单因子为时序因子，因子值映射为0、1、 -1输出，等权组合多因子输出趋势强度信号；策略基准收益指从回测起始日始终持有一份合约并在主力合约切换时展期；基本面信号有延迟会平移数据；基本面类因子数据更新频率为日频、周频，量价类为日频；每日信号在夜盘开盘前更新，作用于夜盘和次日日盘；单因子未及时更新则设为前值，其余因子继续更新 [11][12][13] 苯乙烯基本面量化因子介绍及回测结果 - 苯乙烯周度出货量：出货量大幅增加，若下游需求不同步增长，市场供大于求价格易降，自2019年起回测年化收益率30.3%，夏普1.68等 [19] - 苯乙烯海外价格：海外价格上涨推动国内价格上涨，下跌则抑制，考虑美湾、鹿特丹和韩国价格，自2016年起回测年化收益率19.6%，夏普0.99等 [21] - 苯乙烯基差：市场供应紧张基差扩大，供应过剩基差缩小，自2019年起回测年化收益率27.7%，夏普1.12等 [23] - 纯苯：港口库存：库存低位时苯乙烯生产成本上升，自2019年起回测年化收益率15.8%，夏普0.67等 [25] - 苯乙烯：非一体化装置：生产毛利：毛利高激励企业增产，自2019年起回测年化收益率12.5%，夏普0.46等 [27] - 苯乙烯产能利用率：利用率提高产量增加，价格可能下行，自2019年起回测年化收益率16.5%，夏普0.91等 [27] - 苯乙烯仓单：仓单数量增加反映供应充足，减少反映供应趋紧，自2020年起回测年化收益率22.6%，夏普1.34等 [30] - 苯乙烯套利价差：内外盘价差有均值复归表现，考虑欧、亚、美价格，自2019年起回测年化收益率33.8%，夏普1.68等 [32] - 苯乙烯：现货库存：高库存意味着供应充足甚至过剩，低库存表示供应紧张，自2019年起回测年化收益率25.9%，夏普1.45等 [35] - 基本面多因子：将前述基本面单因子等权组合成多空择时模型，2019年起回测年化收益率50.7%，夏普2.85等 [37] 苯乙烯量价因子介绍及回测结果 - 日内动量：定义为当日最高价和最低价平均值除以开盘价，值越大价格上涨快，自2020年起回测年化收益率27.6%，夏普1.51等 [40] - 中值双均线：与双均线定义类似，用当日最高价和最低价中间值产生均线，自2019年起回测年化收益率18%，夏普0.81等 [42] - 考夫曼均线：按效率系数、平滑常数、考夫曼均线步骤计算，自2019年起回测年化收益率21.1%，夏普1.23等 [45] - 能量潮OBV：按收盘价与成交量关系计算OBV指标并构造双均线策略，自2020年起回测年化收益率21.2%，夏普1.17等 [49] - 顺势指标CCI：按公式计算，CCI突破+100为潜在卖出信号，突破 -100为潜在买入信号，自2019年起回测年化收益率28.9%，夏普1.72等 [53] - TRIX：按定义计算并构造双均线策略，自2019年起回测年化收益率28.9%，夏普1.72等 [55] - MESA自适应移动均线：用Hilbert变换处理价格数据，构造MAMA线和FAMA线并进行双均线择时，自2019年起回测年化收益率20.5%，夏普1.11等 [55] - 量价多因子：将前述量价单因子等权组合成多空择时模型，2019年起回测年化收益率35.3%，夏普2.14等 [59] 基本面量化和量价多因子综合模型 - 全因子组合多空模型：将所有单因子等权组合成多空择时模型，2019年起回测年化收益率32.2%，夏普1.86等 [61] - 仅做多模型：分别构造基本面、量价、全因子综合仅做多模型，当产生做空信号时平已有多头仓位或空仓，触发做多信号时开仓或持仓，2019年起回测年化收益率分别为29.6%、22.1%、20.0%等 [64][67][69] - 仅做空模型：分别构造基本面、量价、全因子综合仅做空模型，当产生做多信号时平已有空头仓位或空仓，触发做空信号时开仓或持仓，2019年起回测年化收益率分别为20.0%、12.5%、11.8%等 [72][75][76]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化因子与构建方式 1. **因子名称：BP** - 因子构建思路：衡量股票的估值水平，计算净资产与总市值的比率[17] - 因子具体构建过程： $$ BP = \frac{净资产}{总市值} $$ - 因子评价：传统估值因子，反映公司账面价值与市场价值的相对关系 2. **因子名称：单季EP** - 因子构建思路：衡量单季度盈利能力的估值指标[17] - 因子具体构建过程： $$ 单季EP = \frac{单季度归母净利润}{总市值} $$ 3. **因子名称：非流动性冲击** - 因子构建思路：反映股票流动性风险，计算价格波动与成交额的关系[17] - 因子具体构建过程： $$ 非流动性冲击 = \frac{过去20个交易日的日涨跌幅绝对值}{成交额的均值} $$ - 因子评价：流动性因子中表现稳定的指标 4. **因子名称：三个月换手** - 因子构建思路：衡量股票中期流动性水平[17] - 因子具体构建过程： $$ 三个月换手 = 过去60个交易日换手率均值 $$ 5. **因子名称：特异度** - 因子构建思路：反映股票特异性风险，通过Fama-French三因子模型残差计算[17] - 因子具体构建过程： $$ 特异度 = 1 - 过去20个交易日Fama-French三因子回归的拟合度 $$ 6. **因子名称：预期净利润环比** - 因子构建思路：反映分析师预期变化[17] - 因子具体构建过程： $$ 预期净利润环比 = \frac{一致预期净利润}{3个月前一致预期净利润} $$ 因子回测效果 沪深300样本空间 1. **非流动性冲击因子** - 最近一周：1.05% - 最近一月：2.34% - 今年以来：1.49% - 历史年化：0.68%[19] 2. **三个月换手因子** - 最近一周：0.66% - 最近一月：1.55% - 今年以来：0.35% - 历史年化：3.47%[19] 3. **单季EP因子** - 最近一周：-1.37% - 最近一月：-1.12% - 今年以来：-0.25% - 历史年化：5.21%[19] 中证500样本空间 1. **预期净利润环比因子** - 最近一周：1.32% - 最近一月：2.85% - 今年以来：3.25% - 历史年化：2.97%[21] 2. **BP因子** - 最近一周：-2.00% - 最近一月：-1.81% - 今年以来：-3.65% - 历史年化：3.75%[21] 中证1000样本空间 1. **三个月机构覆盖因子** - 最近一周：1.74% - 最近一月：4.08% - 今年以来：4.46% - 历史年化：6.03%[23] 2. **特异度因子** - 最近一周：-1.00% - 最近一月：-0.05% - 今年以来：-0.69% - 历史年化：4.94%[23] 量化模型与构建方式 1. **模型名称：MFE组合构建模型** - 模型构建思路：在控制行业/风格暴露等约束下最大化单因子暴露[35] - 模型具体构建过程： $$ \begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array} $$ 其中： - $f$为因子取值向量 - $w$为组合权重向量 - $w_b$为基准指数权重[35][36] - 模型评价：更贴近实际组合构建的因子检验方法 模型的回测效果 1. **中证1000指增组合** - 本周超额收益：-0.88% - 本年超额收益：3.15%[14] 2. **沪深300指增组合** - 本周超额收益：-1.25% - 本年超额收益：1.61%[14] 3. **中证500指增组合** - 本周超额收益：-1.53% - 本年超额收益：2.17%[14] 注：所有因子和模型数据均来自报告中的单因子MFE组合测试结果，测试区间包含最近一周、最近一月、今年以来及历史年化表现[19][21][23]

中证A500指数增强基金市场表现 - 中证A500指数作为新兴宽基指数，凭借对科创属性与中小市值的倾斜性覆盖，成为机构博弈贝塔收益的主战场，全市场已有26只指数增强产品参与竞逐 [2] - 不同A500指数增强产品分化剧烈，两只成立时间间隔不到一个月的产品超额收益差值接近10%，主要源于指数成份股市值和流动性分层显著，为量化模型提供选股空间 [2] - 华安基金推出由张序管理的中证A500指数增强基金（A类：023466；C类：023467），是其量化投资能力的战略升级，旨在构建差异化壁垒 [2][9] 华安量化投资策略体系 - 行业轮动配合多因子选股模型起始于2017年，选择中样本研究的行业轮动策略为基础，通过多因子框架解决行业排序问题，样本量超过40个申万一级行业 [5] - 将行业深度研究作为因子加入量化模型，建立景气度修正体系，包括产业链划分、行业交流、指标梳理及EPS预测，以补充卖方分析师预期数据的缺陷 [5] - 引入机器学习技术选股，结合决策树、深度学习等模型，并针对电子、新能源等赛道型行业搭建单行业选股模型，同时配置事件驱动交易策略捕捉业绩超预期机会 [5] 模型迭代与实战表现 - 行业轮动模型在震荡市中超额收益明显，2019年成熟后应用于华安事件驱动量化基金等产品，张序管理该基金自2020年以来连续五年跑赢偏股混基指数，年化超额收益达9.3% [5][7] - 模型经历三次重大进化：2021年纳入风险因子筛选高估值行业，2022年加入赛道中性和估值中性风控，最近两年探索AI在量化和基本面领域的应用 [8] - AI量化研究成果将应用于新发行的中证A500指数增强基金，升级后的量化框架强调策略透明化与超额收益的平衡 [8][9] 市场环境与投资逻辑 - 行业轮动策略在A股具有长期有效性，4月初关税事件导致市场分化，大消费和自主可控板块表现突出，印证行业轮动价值 [4] - 中证A500增强基金是对"新质生产力"政策的呼应，量化投资竞争已从因子挖掘升维至认知迭代，需将"预判变化"刻入策略基因以应对市场进化 [9]

文章核心观点 - 黄金可能进入新一轮长周期牛市，A股市场进入“4月决断”期需关注科技板块盈利与红利资产股息率，同时要留意市场潜在下行风险 [3][7] A股市场本周表现 - 本周A股市场延续缩量调整，沪指多次冲击3400点未果后在下方窄幅震荡，主要宽基指数基本下跌，仅上证50和沪深300微涨，上证指数跌0.4%，深成指数跌0.75%，创业板指跌1.12%，中证1000跌2.14%，科创50跌1.29% [4] - 风格上中小盘股疲软，资金从高估值题材转向防御性板块，旅游酒店、家电、医药生物逆势活跃，AI、算力、机器人等大幅回调 [4] - 行业上31个申万一级行业仅4个上涨，医药、农林牧渔、食品饮料涨幅居前，机械设备、通信和国防军工表现最差 [4] - 概念上，Wind概念板块中鸡产业、工业气体和稀土等指数表现较好 [4] A股后市展望 - 下周虽仅4个交易日，但处于一季度末、三月末、清明小长假、国内PMI等重要经济数据发布和美国关税政策落地等关键节点 [5] - A股即将进入“4月决断”期，资本市场对基本面关注度将提升，投资者需关注重要变化和潜在下行风险触发点 [5] “四月决断”关注点 - “4月决断”是A股典型日历效应，四月后年度政策主线明朗，一季度宏观经济数据、上市公司年报和一季报密集披露，基本面和盈利信息主导市场风格轮动和中长期投资脉络 [7] - 方正证券认为今年“4月决断”核心关注科技相关板块盈利周期能否持续回升、红利资产股息率能否再创历史新高 [7] - 华创证券认为触发空中加油行情的核心因素是经济复苏超预期验证和货币政策降准降息，演绎路径为经济数据复苏超预期推动顺周期板块和整体市场上涨，二季度降息利好小盘成长和科技主题 [9] - 华创证券指出当前可能触发市场回调的下行风险有经济放缓、流动性趋紧和季节效应，经济放缓风险来自关税抑制出口等，流动性风险来自央行管理趋紧等，季节效应使市场对二季度股市谨慎 [9][10] 黄金市场情况 - 近期全球股市欠佳，黄金持续上行，本周伦敦金现货价格突破3000美元/盎司大关，向3100美元/盎司进攻，今年以来涨幅达16%，22年10月至今涨幅近90% [12] - 2022年以来黄金“利率锚定”关系被打破，三因子黄金定价模型解释力度从83%回落至19%，原因是俄乌冲突后全球经济分化、各国信任度下降使央行配金需求增加，政策不确定性对金价影响提升，黄金反映主权信用风险溢价 [13] - 2022年后央行购金动机从“收益率导向”转为“安全性优先”、从“短期波动应对”到“长期战略配置”，黄金市场呈现“东方溢价”现象，新兴市场央行购金量占比从10%跃升至25%，西方机构投资者持仓量下降8% [13][14] - 黄金可能进入新一轮长期牛市，全球央行购金需求增加是长期趋势，主要购金国官方黄金储备水平尚低，未来有较大增持空间，海通证券拓展模型认为当前黄金价格未明显高估 [15][16] - 基于扩展模型，乐观情形下金价中枢有望突破3800美元/盎司，中性情形下稳定在3200美元/盎司左右，悲观情形下可能回落至2600 - 2700美元/盎司区间，但概率较低 [17]

一、本周指数增强组合表现 沪深300指数增强组合本周超额收益0.49%，本年超额收益2.83%。 中证500指数增强组合本周超额收益0.77%，本年超额收益3.59%。 中证1000指数增强组合本周超额收益0.95%，本年超额收益3.55%。 二、本周选股因子表现跟踪 沪深300成分股中3个月盈利上下调、一年动量、特异度等因子表现较好。 中证500成分股中三个月换手、股息率、一个月换手等因子表现较好。 中证1000成分股中一个月换手、EPTTM、三个月换手等因子表现较好。 公募基金重仓股中3个月盈利上下调、单季超预期幅度、DELTAROA等因子 表现较好。 三、本周公募基金指数增强产品表现跟踪 沪深300指数增强产品本周超额收益最高1.10%，最低-0.87%，中位数 0.19%。 中证500指数增强产品本周超额收益最高0.97%，最低-0.41%，中位数 0.26%。 中证1000指数增强产品本周超额收益最高1.87%，最低-0.29%，中位数 0.74%。 主 要 结 论 一 国信金工指数增强组合表现跟踪 沪深300指数增强组合本周超额收益0.49%，本年超额收益2.83%。 中证500指数增强组合本周超 ...