报告核心观点 报告围绕成长因子2.0，构建基于基本面预测的成长股策略，通过全市场理想组合测试、多视角筛选股票池、因子优选及因子化等方法，验证净利润增长预测在选股中的有效性，为投资提供参考[1] 分组1：预测净利润增长的作用——理想组合的前瞻性测试 - 研究背景：此前科技板块研究发现前瞻性筛选净利润增长公司并筛选成长因子，组合可跑赢板块整体，但未深入探讨，现研究全市场净利润增长预测适用性[6][7] - 前瞻性测试：基于中证全指成分股，每年4月底筛选已知未来一年归母净利润增长股票等权构建组合，与中证全指成分股等权组合对比，理想组合表现更优；筛选净利润增长股票按成长因子降序选前100只等权构建组合，在成长因子疲弱年份提升组合韧性[12][15] - 盈利预测：从预期视角和加速度视角预测净利润增长，移除原研究中分红相关筛选条件，加强净利润筛选要求，历史上A股企业未来一年净利润增长数量占比均值56%，2017年前后达峰值，2018年后下行，当前低于50%[22][24] 分组2：四个视角筛选预期净利润增长基础股票池 - 视角1：用最新一期财报单季净利润累计同比修正一致预期数据，要求同比高于上一期1%以上，预测胜率91.94%，近两年来中期股票数量约400只[28][30] - 视角2：通过ROE稳定修正预期数据，要求过去四期ROE - TTM数据极差小于1%且ROE水平在全市场前列，预测胜率82.55%，每期入选股票约100只[33][36] - 视角3：逐季度净利润同比加速增长，从历史财报数据考量企业景气度，要求过去4个季度单季度净利润加速增长，胜率80.19%，每期入选股票约150只[40][47] - 视角4：逐季度ROE同比加速增长，ROE加速增长体现企业盈利能力和景气度上升，胜率85.92%，每期入选股票约300只[52] - 收益表现：四种视角整体收益接近，视角三和视角四筛选股票少但年化收益率高，2023年以来优势明显，收益风险比小幅领先[57] 分组3：筛选股票池的情况 - 股票池情况：四种子视角合并组合股票筛选池平均有600 - 800只股票，平均预测胜率85.10%[60] - 市值水平：筛选池总市值和流通市值中位数分别约120亿和50亿，与中证1000相当，相比中证1000指数，筛选池各年份有收益提升，在下跌市场中超额领先[64][65] 分组4：筛选股票池的进一步因子优选 - 历史成长因子筛选：在筛选池按历史成长因子选100只因子值最高股票等权构建组合，表现提升，相对中证1000成长指数多数年份超额领先[75] - 组合行业中性：简单成长因子筛选忽视行业偏离问题，构建中证1000成长选股组合，拉平行业差距后，组合超额表现更稳定，成长因子疲软年份收益领先明显[76][80] - 多因子表现：对筛选出的股票池测试多种选股因子，选取Growth、Volatility因子等权选股，每年4、8、10月底调仓，选取得分靠前100只股票，组合收益进一步提升[82][90] 分组5：相似逻辑的因子化——二元分类到连续概率预测 - 因子化方法：采用逻辑回归模型将净利润增长二元分类转化为连续概率预测，输入因子包括行业属性、企业性质等，设置不同概率阈值筛选股票池，阈值与准确率正相关，与股票数量负相关，70%阈值较优[96][100] - 中证1000测试：局限在中证1000内，筛选池胜率90%但数量低，长期显著跑赢中证1000等权，不同加权方式表现有差异，等权组合受益于小市值效应，流通市值加权逐年战胜1000成长，行业对齐近几年表现较好[101][109]

根据研报内容，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**：成交量模型 - **构建思路**：基于市场成交量变化判断短期市场趋势[10] - **具体构建**：监测宽基指数成交量周度变化，结合历史分位数划分中性/多空信号[10] - **评价**：对流动性敏感但易受噪声干扰 2. **模型名称**：低波动率模型 - **构建思路**：利用波动率均值回归特性捕捉市场反转[10] - **具体构建**：计算指数20日波动率Z-score，阈值±1.5触发信号[10] 3. **模型名称**：特征龙虎榜机构模型 - **构建思路**：跟踪机构席位买卖净额判断资金动向[10] - **具体构建**：统计龙虎榜机构净买入占比，超5%看多、低-3%看空[10] 4. **模型名称**：智能沪深300/中证500模型 - **构建思路**：融合量价与技术指标的多因子决策树模型[10] - **具体构建**：输入变量包括RSI(14)、MACD(12,26)、布林带宽度，采用随机森林分类[10] 5. **模型名称**：涨跌停模型 - **构建思路**：通过涨停板数量反映市场情绪[11] - **具体构建**：全市场涨停家数占比超8%看多，跌停超5%看空[11] 6. **模型名称**：长期动量模型 - **构建思路**：跟踪指数250日收益率判断趋势延续性[12] - **具体构建**：$$ Momentum_{250} = \frac{P_t}{P_{t-250}} -1 $$ 超15%看多[12] 7. **模型名称**：成交额倒波幅模型（港股） - **构建思路**：量价背离识别港股趋势转折[14] - **具体构建**：$$ \frac{Volume_{10D}}{ATR_{10D}} $$ 突破2倍标准差看多[14] 8. **模型名称**：形态识别模型（杯柄/双底） - **构建思路**：技术形态突破策略[37] - **具体构建**： - 杯柄形态：A点回撤>30%，B点反弹<50%，C点突破颈线[40] - 双底形态：两低点间隔>8周，突破颈线幅度>3%[43] 模型的回测效果 | 模型名称 | 年化收益 | 最大回撤 | IR | 胜率 | |------------------------|----------|----------|------|-------| | 成交量模型 | 12.3% | 22.1% | 0.82 | 58.7% | | 低波动率模型 | 9.8% | 18.5% | 0.65 | 61.2% | | 杯柄形态组合 | 39.98% | 15.2% | 1.21 | 67.4% | | 双底形态组合 | 28.21% | 19.8% | 0.97 | 63.1% | 量化因子与构建方式 1. **因子名称**：机构仓位因子 - **构建思路**：基金超配行业反映机构偏好[26] - **具体构建**：$$ OW_{it} = \frac{W_{it}}{MktCap_{it}} - \frac{\sum W_{it}}{\sum MktCap_{it}} $$ [26] 2. **因子名称**：分析师预期因子 - **构建思路**：盈利预测上调比例驱动超额收益[18] - **具体构建**：计算行业上调/下调评级个股占比差值[18] 因子的回测效果 | 因子名称 | IC均值 | IR | 多空收益差 | |------------------|--------|------|------------| | 机构仓位因子 | 0.15 | 2.1 | 8.7% | | 分析师预期因子 | 0.12 | 1.8 | 6.2% |

指数增强组合表现 - 沪深300指数增强组合本周超额收益0.83%，本年超额收益5.09% [1][5] - 中证500指数增强组合本周超额收益1.13%，本年超额收益7.75% [1][5] - 中证1000指数增强组合本周超额收益1.86%，本年超额收益11.66% [1][5] - 中证A500指数增强组合本周超额收益1.24%，本年超额收益7.78% [1][5] 选股因子表现 沪深300成分股 - 最近一周表现较好的因子：三个月机构覆盖(0.71%)、单季ROA(0.68%)、单季ROE(0.64%) [6] - 最近一月表现较好的因子：预期PEG(2.31%)、单季超预期幅度(1.84%)、单季ROE(1.78%) [6] - 今年以来表现较好的因子：一个月反转(5.04%)、单季营收同比增速(4.22%)、三个月机构覆盖(3.74%) [6] 中证500成分股 - 最近一周表现较好的因子：标准化预期外盈利(1.05%)、一个月反转(0.90%)、DELTAROE(0.89%) [8] - 最近一月表现较好的因子：非流动性冲击(3.26%)、标准化预期外收入(2.49%)、一个月反转(2.37%) [8] - 今年以来表现较好的因子：一个月反转(7.61%)、单季营收同比增速(5.97%)、预期PEG(5.47%) [8] 中证1000成分股 - 最近一周表现较好的因子：单季营收同比增速(1.82%)、DELTAROE(1.78%)、单季ROE(1.75%) [10] - 最近一月表现较好的因子：高管薪酬(3.46%)、非流动性冲击(3.36%)、三个月换手(2.90%) [10] - 今年以来表现较好的因子：非流动性冲击(8.48%)、三个月换手(5.69%)、标准化预期外收入(5.56%) [10] 中证A500成分股 - 最近一周表现较好的因子：单季ROE(0.84%)、预期PEG(0.78%)、DELTAROE(0.75%) [12] - 最近一月表现较好的因子：预期PEG(2.59%)、单季ROE(2.37%)、单季超预期幅度(1.82%) [12] - 今年以来表现较好的因子：一个月反转(5.71%)、预期PEG(5.48%)、EPTTM一年分位点(3.73%) [12] 公募基金重仓股 - 最近一周表现较好的因子：DELTAROE(1.03%)、一年动量(0.96%)、单季营收同比增速(0.93%) [14] - 最近一月表现较好的因子：预期PEG(1.75%)、标准化预期外盈利(1.74%)、DELTAROE(1.71%) [14] - 今年以来表现较好的因子：DELTAROA(5.34%)、一个月反转(5.20%)、非流动性冲击(4.30%) [14] 公募基金指数增强产品表现 产品数量及规模 - 沪深300指数增强产品69只，总规模790亿元 [16] - 中证500指数增强产品70只，总规模454亿元 [16] - 中证1000指数增强产品46只，总规模150亿元 [16] - 中证A500指数增强产品40只，总规模250亿元 [16] 沪深300指数增强产品 - 本周超额收益最高1.14%，最低-0.35%，中位数0.07% [1][17] 中证500指数增强产品 - 本周超额收益最高0.88%，最低-0.75%，中位数0.07% [1][18] - 最近一月超额收益最高2.56%，最低0.12%，中位数1.51% [19] - 最近一季超额收益最高8.62%，最低0.42%，中位数3.20% [19] - 今年以来超额收益最高6.85%，最低-2.00%，中位数2.62% [19] 中证1000指数增强产品 - 本周超额收益最高0.89%，最低-0.89%，中位数0.37% [21][23] - 最近一月超额收益最高2.68%，最低-0.26%，中位数1.45% [21][23] - 最近一季超额收益最高9.37%，最低1.23%，中位数4.24% [21][23] - 今年以来超额收益最高11.00%，最低0.46%，中位数4.48% [21][23] 中证A500指数增强产品 - 本周超额收益最高0.41%，最低-0.43%，中位数0.16% [22][28] - 最近一月超额收益最高1.53%，最低-0.24%，中位数0.68% [22][28]

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**：基于多因子模型（如估值、成长、盈利等因子）生成股票预期收益 2. **风险控制**：约束行业暴露、风格暴露（如市值中性）、个股权重偏离（最大1%）[41] 3. **组合优化**：采用优化模型控制跟踪误差，目标函数为最大化因子暴露，约束条件包括行业中性、成分股权重占比100%等[41][42] - **模型评价**：组合优化方法兼顾因子有效性与实际投资约束，回测显示稳定跑赢基准[13][15] 2. **模型名称**：单因子MFE组合（Maximized Factor Exposure Portfolio） - **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/风格约束后的有效性[41] - **模型具体构建过程**： - 优化目标函数： $$ \begin{array}{ll} \max & f^{T}w \\ s.t. & s_{l}\leq X(w-w_{b})\leq s_{h} \\ & h_{l}\leq H(w-w_{b})\leq h_{h} \\ & \mathbf{1}^{T}w=1 \end{array} $$ 其中 \( f \) 为因子向量，\( w \) 为权重，\( X \) 为风格暴露矩阵，\( H \) 为行业暴露矩阵[41][42] - 约束条件：行业中性、市值中性、个股权重偏离≤1%[41] - **模型评价**：更贴近实际投资场景的因子检验方法，避免传统分档测试的偏差[41] --- 量化因子与构建方式 1. **因子名称**：估值类因子（BP、EPTTM、股息率等） - **构建思路**：捕捉股票低估或高估信号[18] - **具体构建过程**： - **BP因子**：$$ BP = \frac{净资产}{总市值} $$ - **EPTTM因子**：$$ EPTTM = \frac{归母净利润TTM}{总市值} $$[18] 2. **因子名称**：成长类因子（单季营收同比增速、DELTAROE等） - **构建思路**：衡量企业盈利或收入增长能力[18] - **具体构建过程**： - **单季营收同比增速**：$$ \frac{本期营业收入-去年同期营业收入}{去年同期营业收入} $$ - **DELTAROE**：$$ \Delta ROE = ROE_{t} - ROE_{t-1} $$[18] 3. **因子名称**：流动性因子（一个月换手、三个月换手） - **构建思路**：反映股票交易活跃度[18] - **具体构建过程**： - **一个月换手率**：过去20个交易日换手率均值[18] 4. **因子名称**：分析师预期因子（预期PEG、三个月盈利上下调） - **构建思路**：利用分析师一致预期数据捕捉市场情绪[18] - **具体构建过程**： - **预期PEG**：$$ PEG = \frac{预期PE}{预期净利润增长率} $$[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0.83%，本年超额5.09%[6][15] - 中证1000增强：本年超额11.66%[6][15] 2. **单因子MFE组合**（以沪深300为例）： - **三个月机构覆盖因子**：本周超额0.71%，年化IR 2.89%[20] - **单季ROE因子**：本周超额0.64%，年化IR 4.34%[20] --- 因子的回测效果 1. **沪深300样本空间**： - **三个月机构覆盖**：本周超额0.71%，历史年化IR 2.89%[20] - **单季ROA**：本周超额0.68%，历史年化IR 3.69%[20] 2. **中证500样本空间**： - **标准化预期外盈利**：本周超额1.05%，历史年化IR 7.54%[22] 3. **中证1000样本空间**： - **单季营收同比增速**：本周超额1.82%，历史年化IR 4.25%[24] 4. **公募重仓指数样本空间**： - **DELTAROE**：本周超额1.03%，历史年化IR 3.64%[28] （注：部分因子表现数据因文档格式限制未完全列出，但已覆盖核心因子及结果）

量化模型与构建方式 国企基本面因子选股策略 1. **模型名称**：国企基本面因子选股多头策略 - **模型构建思路**：基于中证国企指数成分股及北交所符合条件的国企股票构建样本池，根据行业分类（红利型、成长型）选择通用因子和行业特色因子，通过加权打分选股[3][4][5]。 - **模型具体构建过程**： 1. **样本池定义**：中证国企指数成分股+北交所上市满6个月的央/地方国企股票[3]。 2. **行业分类**：将ZX三级行业划分为红利型（资源品、公用事业等6类）和成长型（先进制造、软件服务等3类）[4]。 3. **因子选择**： - **通用因子**：股息率（TTM）、ROE（TTM）、营业现金比率等，权重根据行业类型调整（红利型股息率权重4，成长型为2）[5][6]。 - **行业特色因子**：如资源品的ROIC环比增量、房地产的存货周转率等[7][8]。 4. **得分计算**：通用因子得分（30%）+行业特色因子得分（70%）加权，归一化为百分制总分[9]。 5. **权重分配**：前50名个股按得分立方加权，公式为： $$w_{i}={\frac{s c o r e_{i}^{3}}{\sum_{i=1}^{N}s c o r e_{i}^{3}}}$$ [10]。 - **模型评价**：突出国企红利特征，兼顾行业差异，因子权重设计体现不同行业逻辑[5][9]。 科技主题基本面因子选股策略 1. **模型名称**：科技主题基本面因子选股多头策略 - **模型构建思路**：从符合科技定义的行业（电子、计算机等）中筛选高研发投入股票，按企业生命周期（引入期、成长期、成熟期）分域选股[17][19][21]。 - **模型具体构建过程**： 1. **样本池定义**：SW三级行业属于科技领域且研发费用占比>5%或研发人员占比>10%的股票[17][18]。 2. **生命周期划分**：根据现金流正负将企业分为引入期、成长期等阶段，剔除震荡期和衰退期股票[19][20]。 3. **因子选择**： - **通用因子**：毛利率环比增量、独立发明专利数量等[22]。 - **特色因子**：成长期关注资产负债率（正向），成熟期关注PB-ROE（正向）[22][28]。 4. **得分计算**： - 单因子分位数打分后，按公式调节总分均衡性： $${\hat{\mathbb{E}}}_{i}^{s}\nearrow\ ={\frac{1}{5}}M e a n(S_{i})+{\frac{M e a n(S_{i})}{S t d(S_{i})}}$$ [23]。 - 研发费用乘数调整总分： $$研发费用乘数 = 0.9 + 0.2 × Normalization\left(\frac{Mean_{industry}(研发费用/总市值)}{Mean_{Astock}(研发费用/总市值)}\right)$$ [25][26]。 5. **权重分配**：前50名个股按得分线性加权，公式为： $$w e i g h t_{i}={\frac{s c o r e_{i}}{\sum_{i=1}^{50}s c o r e_{i}}}$$ [27]。 - **模型评价**：强调研发投入和高成长性，生命周期分域增强因子有效性[21][22]。 --- 模型的回测效果 国企基本面因子选股多头策略 - **年化收益率**：23.09% - **年化超额收益**：21.01%（vs 中证国企指数） - **Sharpe比率**：1.0648 - **Calmar比率**：0.9799 - **最大回撤**：-23.56% - **超额收益Sharpe比率**：1.7000[11][12]。 科技主题基本面因子选股多头策略 - **年化收益率**：25.25% - **年化超额收益**：10.62%（vs 科技股样本池） - **Sharpe比率**：0.9404 - **Calmar比率**：0.7476 - **最大回撤**：-33.78% - **超额收益Sharpe比率**：1.4755[29][30]。 --- 量化因子与构建方式 国企基本面因子 1. **通用因子**： - **股息率（TTM）**：反映国企分红稳定性[6]。 - **ROE（TTM）**：央企业绩考核指标，衡量盈利能力[6]。 - **营业现金比率**：经营现金流/营业总收入，考核销售质量[6]。 2. **行业特色因子**： - **资源品**：ROIC环比增量（盈利+营运效率）[7]。 - **房地产**：存货周转率（销售效率）[8]。 - **银行**：资本充足率（抗风险能力）[8]。 科技主题基本面因子 1. **通用因子**： - **毛利率环比增量**：反映利润空间[22]。 - **独立发明专利数量**：衡量技术水平[22]。 2. **特色因子**： - **成长期**：资产负债率（正向，支持扩张）[22][28]。 - **成熟期**：PB-ROE（低估值高ROE）[22][28]。 --- 因子的回测效果 （注：报告中未单独列出因子级回测指标，仅展示模型综合效果）

量化因子与构建方式 1. **因子名称**：新价量相关性RPV因子 - **构建思路**：通过划分价量四象限，利用月度IC均值甄别价量相关性因子的反转效应和动量效应，结合日内与隔夜信息叠加，以相关性形式加入成交量信息[6] - **具体构建过程**： 1. 日内价量相关性：使用CCOIV（日内收盘价与成交量相关性）代表，增强反转效应 2. 隔夜价量相关性：使用COV（隔夜收益与昨日成交量相关性）代表，体现动量效应 3. 信息叠加：将两类相关性因子加权合成RPV因子，公式为加权线性组合（未给出具体权重）[6] - **因子评价**：因子在A股市场中表现稳健，兼具反转与动量特性[6] 2. **因子名称**：聪明版日频价量相关性SRV因子 - **构建思路**：改进RPV因子，通过拆分日内涨跌时段并识别"聪明"交易时段（知情交易集中时段），优化价量相关性计算[6] - **具体构建过程**： 1. 日内部分：将下午交易时段中"聪明"指标（分钟级指标）最大的20%时段（24分钟）作为知情交易时段，计算下午涨跌与"聪明"换手率的相关系数 2. 隔夜部分：将换手率替换为昨日最后半小时换手率（知情交易比例更高） 3. 合成：结合优化后的日内与隔夜价量相关性因子，生成SRV因子[6] - **因子评价**：相比RPV因子，SRV因子在信息比率、最大回撤等指标上表现更优[6] --- 因子的回测效果 1. **RPV因子**（2014/01-2025/05全市场测试）： - 年化收益率：14.69% - 年化波动率：7.75% - 信息比率（IR）：1.90 - 月度胜率：72.79% - 最大回撤：10.63%[7][10] 2. **SRV因子**（2014/01-2025/05全市场测试）： - 年化收益率：17.48% - 年化波动率：6.50% - 信息比率（IR）：2.69 - 月度胜率：75.74% - 最大回撤：3.74%[7][10] 3. **2025年5月单月表现**： - RPV因子：多头收益3.99%，空头收益5.73%，多空对冲收益-1.74% - SRV因子：多头收益3.59%，空头收益5.68%，多空对冲收益-2.09%[10] --- 补充说明 - RPV因子在2014/01-2023/08回测期内年化收益16.29%，IR 2.41[6] - SRV因子在同期的RankICIR为-4.26，年化收益18.91%，IR 3.07，最大回撤仅3.11%[6]

量化选股策略市场表现 - A股市场近年缺乏指数型机会，β收益难求，量化选股产品因能捕捉结构性机会获取Alpha收益而受青睐 [2] - 量化选股相比主观投资具有三大优势：客观决策克服人性弱点、全市场高效扫描捕捉分散机会、快速反应与纪律性 [2] - 私募量化选股策略近半年、近一年、近三年、近五年收益分别为7.24%、26.57%、36.88%、86.17%，显著跑赢同期上证指数(0.63%/8.44%/5.05%/17.36%)等主要指数 [2][3] 微观博易量化选股产品 - "微观博易-夏之"产品自2024年6月转型量化选股后累计收益***%，月胜率超80%，12个月中仅2个月微幅回撤，夏普比率高约*** [4] - 产品采用多因子选股与非线性模型，结合人工因子和机器挖掘因子，定期调整权重，满仓运作获取市场收益和超额收益 [5] - 叠加T0策略并基于barra优化器做风控，行业偏离度不超过±5%，风格敞口暴露不超过±0.5个标准差，显著提升收益弹性 [6] - 产品成立于2021年4月，截至2025年5月累计收益***%，年化收益接近***% [4] 微观博易公司概况 - 成立于2015年12月，2016年6月获私募管理人资格，2019年6月获基金业协会会员资格，管理规模约60亿元，发行产品100余只 [7] - 在北京和上海设有办公室，团队30余人，核心成员毕业于斯坦福、牛津、清华等名校，曾任职Citadel、IMC、摩根士丹利等顶尖机构 [7] - 创始人吴晓青为计算机博士，曾在Google、美国银行、IMC任职，拥有10余年量化交易经验 [9] - 每年投入千万级资金用于基础设施，构建私有云、高性能计算集群、AI存储和低延时网络，自主研发微秒级股票交易系统和纳秒级期货交易系统 [10] 多资产策略表现 - 微观博易核心策略为多资产策略，涵盖期货、期权、股票等，管理规模50亿元以上属头部量化私募 [10] - 截至2025年5月，公司2只产品近三年平均收益***%，在多资产策略头部私募中排名第5 [11][12] - 2020年在上海组建股票阿尔法团队，经过三年迭代后推出"微观博易-夏之"等量化选股产品 [12] - 正在募集新产品"微观博易-夏之1期"，计划在量化选股产品线继续扩展 [13]

最近，资深股民老张被一个"炒股大师"的直播间吸引。 21世纪经济报道记者 杨坪 深圳报道 对方承诺，只要购买两箱指定品牌白酒，就能进入VIP群获取"牛股"信息。老张咬牙花1.5万元买酒后入 群，跟着"老师"操作，不到一个月亏掉20%本金。当他要求退款时，对方直接解散群聊消失无踪——消 费了高价白酒，最终却只换来一场空。 这并非个例。 套路二：以教育培训为名非法荐股。 当前市场出现了一系列利用短视频、公众号、直播、网站等宣传，引流至微信、钉钉以及其他小众 APP、群聊等"私域"作案的非法证券期货活动。这些行为，不仅严重扰乱资本市场秩序，侵害投资者权 益，还会面临法律的严惩。 近期，证监会组织开展"第六届全国防范非法证券期货基金宣传月活动"，深圳证监局积极响应，向市场 揭露了四类"非法荐股"骗局，以提醒广大投资者理性投资。 四类荐股"套路"曝光 据深圳证监局发布的风险警示，不法分子不断翻新套路手法，甚至与诈骗活动交织，具有较强的迷惑性 和隐蔽性。 套路一：购买高价商品送荐股。 不法分子通过自媒体打造投资专家人设、宣传投资"战绩"，随后将受害人拉入各种类型的群，群里有很 多"股民"在跟着"老师""专家"买股票，并声 ...

量化模型与构建方式 券商金股业绩增强组合 1. **模型名称**：券商金股业绩增强组合 - **模型构建思路**：基于券商金股股票池，通过多因子优选和组合优化的方式构建组合，以对标偏股混合型基金指数为目标[12][43] - **模型具体构建过程**： 1. 以券商金股股票池为选股空间和约束基准 2. 采用组合优化方法控制组合与券商金股股票池在个股、风格上的偏离 3. 以全体公募基金的行业分布为行业配置基准 4. 考虑仓位及交易费用影响，构建最终组合[43] - **模型评价**：历史表现稳健，能够稳定战胜偏股混合型基金指数，在公募主动股基中排名靠前[12][43] 模型的回测效果 1. **券商金股业绩增强组合** - 2018-2024年全样本年化收益：21.20%（满仓）/19.01%（考虑仓位）[47] - 相对偏股混合型基金指数年化超额：22.49%（满仓）/14.87%（考虑仓位）[47] - 2018年排名：4.18%分位点（33/789）[47] - 2019年排名：29.30%分位点（286/976）[47] - 2020年排名：17.45%分位点（194/1112）[47] - 2021年排名：16.85%分位点（317/1881）[47] - 2022年排名：21.35%分位点（509/2384）[47] - 2023年排名：11.55%分位点（330/2856）[47] - 2024年排名：6.80%分位点（226/3325）[47] 量化因子与构建方式 1. **因子名称**：EPTTM - **因子表现**：最近一个月表现较好[27] 2. **因子名称**：盈余公告后跳空超额 - **因子表现**：最近一个月表现较好[27] 3. **因子名称**：剥离涨停动量 - **因子表现**：最近一个月和今年以来表现较好[27] 4. **因子名称**：单季度营收增速 - **因子表现**：最近一个月表现较差[27] 5. **因子名称**：单季度净利润增速 - **因子表现**：最近一个月表现较差[27] 6. **因子名称**：SUE - **因子表现**：最近一个月表现较差，今年以来表现较好[27] 7. **因子名称**：总市值 - **因子表现**：今年以来表现较好[27] 8. **因子名称**：预期股息率 - **因子表现**：今年以来表现较差[27] 9. **因子名称**：波动率 - **因子表现**：今年以来表现较差[27] 10. **因子名称**：BP - **因子表现**：今年以来表现较差[27] 因子的回测效果 1. **EPTTM因子**：最近一个月多空收益表现较好[27] 2. **盈余公告后跳空超额因子**：最近一个月多空收益表现较好[27] 3. **剥离涨停动量因子**：最近一个月和今年以来多空收益表现较好[27] 4. **单季度营收增速因子**：最近一个月多空收益表现较差[27] 5. **单季度净利润增速因子**：最近一个月多空收益表现较差[27] 6. **SUE因子**：最近一个月多空收益表现较差，今年以来表现较好[27] 7. **总市值因子**：今年以来多空收益表现较好[27] 8. **预期股息率因子**：今年以来多空收益表现较差[27] 9. **波动率因子**：今年以来多空收益表现较差[27] 10. **BP因子**：今年以来多空收益表现较差[27]

券商金股股票池上月回顾 - 2025年5月曼卡龙、潮宏基、科兴制药等券商金股月度涨幅靠前 [1] - 国元证券、华西证券、华创证券月度收益分别为10.78%、7.30%、5.70%，同期偏股混合型基金指数收益1.06%，沪深300指数收益1.85% [1][3] - 2025年以来东北证券、华鑫证券、东兴证券年度收益分别为45.28%、40.52%、39.15%，同期偏股混合型基金指数收益3.37%，沪深300指数收益-2.41% [1][7] 券商金股股票池中选股因子表现 - 最近一个月EPTTM(4.21%)、盈余公告后跳空超额(3.61%)、剥离涨停动量(3.04%)表现较好，单季度营收增速(-1.29%)、单季度净利润增速(-1.04%)、SUE(0.10%)表现较差 [18] - 今年以来总市值(18.21%)、剥离涨停动量(8.93%)、SUE(6.34%)表现较好，预期股息率(6.25%)、波动率(4.66%)、BP(3.01%)表现较差 [18] 券商金股股票池本月特征 - 截至2025年6月3日，43家券商发布286只A股金股 [19] - 绝对行业配置：机械(9.56%)、医药(9.04%)、电子(8.01%)、基础化工(7.75%)、食品饮料(6.46%) [23] - 相对行业变化：机械(+2.28%)、传媒(+1.49%)、医药(+1.32%)增配；电子(-3.25%)、计算机(-1.53%)、汽车(-1.31%)减配 [23] - 风格暴露：本月金股在小市值风格上暴露更高 [19] 券商金股推荐情况 - 海大集团、青岛啤酒、顺丰控股等获5家以上券商推荐 [21][24] - 东鹏饮料、杭州银行、巨化股份等获4家券商推荐 [24] - 奥瑞金、北化股份、宝新能源等为近12个月首次出现在金股池中 [25][26] 券商金股业绩增强组合表现 - 本月(20250506-20250530)绝对收益0.99%，相对偏股混合型基金指数超额-0.06% [28] - 本年(20250102-20250530)绝对收益4.97%，相对超额1.61%，在主动股基中排名30.18%分位点(1047/3469) [29] - 历史表现(2018-2024)：年化收益19.01%，年化超额14.87%，每年排名均在前30% [33] 券商金股指数跟踪 - 本月(20250506-20250530)收益0.66%，偏股混合型基金指数收益1.06% [10] - 本年(20250102-20250530)收益3.07%，偏股混合型基金指数收益3.37% [10] - 券商金股指数能较好跟踪偏股混合型基金表现 [9] 券商金股行业组合表现 - 本月纺织服装、商贸零售、银行业超额收益排名前三 [14] - 今年以来农林牧渔、汽车、商贸零售行业超额收益排名前三 [14]