基金画像 - 文档内容为“08基金画像”，但提供的文本中仅包含标题标签，未提供任何关于基金的具体描述、数据、持仓、业绩或策略等实质性内容 [1] - 因此无法根据现有信息总结基金的核心观点、投资方向、规模变化或业绩表现等关键要点 [1]

量化模型与构建方式 **本报告为金融工程周报，主要对市场及各类基金表现进行回顾与统计，未涉及具体的量化模型或量化因子的构建思路、过程及评价。** 量化因子与构建方式 **本报告为金融工程周报，主要对市场及各类基金表现进行回顾与统计，未涉及具体的量化模型或量化因子的构建思路、过程及评价。** 模型的回测效果 **本报告未涉及具体量化模型的回测效果。** 因子的回测效果 **本报告未涉及具体量化因子的回测效果。**

量化模型与因子总结 量化模型与构建方式 1. **模型名称**：风格组相对拥挤度模型[126] * **模型构建思路**：通过计算两种风格指数换手率标准化值的差值，并观察该差值在历史序列中的分位数，来衡量一种风格相对于另一种风格的交易拥挤程度[126] * **模型具体构建过程**： 1. 分别计算风格A指数和风格B指数的近252日平均换手率[126] 2. 将这两个换手率序列在2005年1月1日以来的历史时间序列上进行Z-score标准化，得到Z-score_A与Z-score_B[126] 3. 计算二者差值：$$Diff = Z\_score\_A - Z\_score\_B$$[126] 4. 计算该差值序列的滚动6年历史分位数（若历史数据量满1年不足6年，则以全部历史数据计算），该分位数即为风格A相对于风格B的相对拥挤度[126] 2. **模型名称**：风格指数累计超额净值模型[127] * **模型构建思路**：以万得全A指数为基准，计算各风格指数相对于基准的累计超额表现，用于衡量风格的长期相对收益特征[127] * **模型具体构建过程**： 1. 设定基准日（例如2020年1月4日）[127] 2. 将各风格指数及万得全A指数的每日收盘点数除以各自在基准日的收盘点数，得到各自的累计净值序列[127] 3. 将各风格指数每日的累计净值除以同一交易日万得全A指数的累计净值，得到该风格指数相对于万得全A指数的累计超额净值[127] 3. **模型名称**：机构调研活跃度分位数模型[128] * **模型构建思路**：通过计算板块或行业相对于全市场的机构调研热度标准化差值的历史分位，来评估其受机构关注度的相对水平[128] * **模型具体构建过程**： 1. 计算板块（或指数、行业）近n个交易日的“日均机构调研次数”[128] 2. 将该序列在滚动y年的历史时间序列上进行z-score标准化[128] 3. 将上述结果与万得全A指数的标准化结果作差，得到“机构调研活跃度”：$$Active\_Score = Z\_score_{target} - Z\_score_{WAA}$$[128] 4. 最后计算该“机构调研活跃度”序列的滚动y年历史分位数[128] * **参数设置**： * 长期口径：n取126（近半年），滚动窗口y为6年（历史数据量满3年不足6年时，以全部历史数据计算）[128] * 短期口径：n取63（近一季度），滚动窗口y为3年（历史数据量满1年不足3年时，以全部历史数据计算）[128] 量化因子与构建方式 1. **因子名称**：滚动季度夏普率[35] * **因子构建思路**：计算万得全A指数滚动一个季度（约63个交易日）的夏普比率，用于衡量市场近期的风险调整后收益，作为市场情绪风险的预警指标[35] * **因子具体构建过程**：报告未给出具体计算公式，但根据金融学常识，滚动季度夏普率通常计算为：$$Rolling\_Quarterly\_Sharpe = \frac{Mean(R_{t-63:t})}{Std(R_{t-63:t})}$$ 其中，$R_{t-63:t}$ 为指数在最近63个交易日的收益率序列，Mean为均值，Std为标准差[35] 2. **因子名称**：PE_TTM（滚动市盈率）[39][47] * **因子构建思路**：使用总市值除以最近十二个月（TTM）的归属母公司股东的净利润，是衡量股票估值水平的核心指标[39][47] * **因子具体构建过程**：$$PE\_TTM = \frac{Total\_Market\_Cap}{Net\_Profit\_TTM}$$[39][47] 3. **因子名称**：股债风险溢价（ERP）[49] * **因子构建思路**：计算股票市场市盈率倒数与无风险利率（10年期国债收益率）的差值，用于衡量投资股票相对于债券的额外收益补偿，即股债性价比[49] * **因子具体构建过程**：$$ERP = \frac{1}{PE\_TTM} - 10Y\_Treasury\_Yield$$[49] * **因子评价**：ERP越高，表明投资股票的性价比越高[49] 4. **因子名称**：成交热度[25] * **因子构建思路**：使用“周度日均自由流通换手率”的历史分位值来衡量市场或板块、行业的交易活跃程度[25] * **因子具体构建过程**：成交热度 = 当前“周度日均自由流通换手率”在历史时间区间（例如2005年1月1日至今）内的百分位值[25] 5. **因子名称**：动量因子[60] * **因子构建思路**：以最近一年股票收益率减去最近一个月股票收益率（剔除涨停板）作为动量指标，筛选市场中动量特征强的股票[60] * **因子具体构建过程**：报告提及“长江动量”指数的构建以此为基础，具体公式未详细展开，但思路是捕捉中长期动量并排除短期反转效应[60] 6. **因子名称**：反转因子[60] * **因子构建思路**：以最近一个月股票收益率作为筛选指标，选择市场中反转效应强的股票[60] * **因子具体构建过程**：报告提及“长江反转”指数的构建以此为基础，旨在表征高反转特征个股的整体表现[60] 模型的回测效果 1. **风格组相对拥挤度模型**，成长vs红利相对拥挤度历史分位74%[69]，小盘vs大盘相对拥挤度历史分位40%[69][72]，微盘股vs中证800相对拥挤度历史分位87%[69] 2. **风格指数累计超额净值模型**，成长较红利超额净值处于历史极高位置[69]，小盘较大盘超额净值处于历史较高位置[72]，微盘股较中证800超额净值处于历史极高位置[75] 因子的回测效果 1. **滚动季度夏普率因子**，当前万得全A的滚动季度夏普率从历史低位反弹，尚未触及预警位置[35] 2. **PE_TTM因子**，当前万得全A PE_TTM处于历史极高分位（83%）[39][47]，沪深300 PE_TTM处于历史较高分位（66%）[41][47]，中证1000 PE_TTM处于历史较高分位（73%）[41][47]，创业板指PE_TTM处于历史均衡分位（41%）[41][47] 3. **股债风险溢价（ERP）因子**，当前万得全A erp处于均衡分位（54%）[49][58]，沪深300 erp处于均衡分位（59%）[49][58]，中证500 erp处于较高分位（66%）[49]，创业板指erp处于极高分位（84%）[49][58] 4. **成交热度因子**，当前万得全A成交热度为96%[30]，创业板指成交热度为100%[30]，TMT板块成交热度为100%[25][30] 5. **动量与反转因子**，近一周动量较反转超额收益为0.5%[59][65]，近一月为6.1%[59][65]，年初至今为-0.1%[59][65]

量化模型与构建方式 1. **模型名称：三维择时框架**[8][12][14] * **模型构建思路**：通过构建市场分歧度、流动性、景气度三个维度的指标，综合判断市场整体趋势。当三个维度指标趋势一致时，给出明确的上涨或下跌判断。[8][12] * **模型具体构建过程**：报告未详细描述三个具体指标的构建公式，但说明了其来源和用途。分歧度、流动性、景气度均为独立的指数，通过观察其变化趋势（如回升、下行、上行）进行综合判断。[8][12][14][18][21][23] 2. **模型名称：热点趋势ETF策略**[28] * **模型构建思路**：基于技术形态和换手率筛选短期受市场关注的ETF。首先筛选出价格形态呈上涨趋势的ETF，再从中选择支撑阻力特征明显且短期市场关注度（换手率）提升的品种构建组合。[28] * **模型具体构建过程**： 1. **形态筛选**：选出最高价与最低价同时为上涨形态的ETF。[28] 2. **构建支撑阻力因子**：根据最高价与最低价近20日回归系数的相对陡峭程度构建因子。[28] 3. **关注度筛选**：在支撑阻力因子的多头组中，选择近5日换手率/近20日换手率最高的10只ETF。[28] 4. **组合构建**：对筛选出的10只ETF构建风险平价组合。[28] 3. **模型名称：ETF三策略融合轮动模型**[31][32][33] * **模型构建思路**：将基于基本面、质量低波风格、困境反转三种不同逻辑的行业轮动策略进行等权融合，实现因子与风格互补，降低单一策略风险。[31][32] * **模型具体构建过程**： 1. **策略一：行业轮动策略**：核心因子包括超预期景气度、行业龙头效应、行业动量、拥挤度、通胀beta。[32] 2. **策略二：个股风格驱动策略**：核心因子包括个股动量、个股质量、个股波动率。[32] 3. **策略三：困境反转策略**：核心因子包括PB_zscore、分析师长期预期、短期筹码交换。[32] 4. **策略融合**：将上述三个策略的选股结果进行等权组合，形成最终的ETF轮动组合。[31] 4. **模型名称：资金流共振策略**[42][44][46] * **模型构建思路**：结合融资融券资金流和主动大单资金流，寻找两种资金流产生共振效应的行业进行推荐。[42][44] * **模型具体构建过程**： 1. **构建行业融资融券资金因子**：个股层面计算融资净买入-融券净卖出，加总到行业，进行Barra市值因子中性化，取最近50日均值后的两周环比变化率。[44] 2. **构建行业主动大单资金因子**：行业层面计算净流入，进行最近一年成交量时序中性化后排序，取最近10日均值。[44] 3. **策略逻辑**：根据市场状态，剔除融资融券因子多头端的负向行业，并剔除主动大单因子的极端多头行业，取两种资金流因子均表现较好的行业作为多头推荐。[44][46] 5. **模型名称：全天候配置策略（高波版与低波版）**[50][54][56] * **模型构建思路**：通过资产选择、风险调整和结构对冲，构建分散化的投资组合，旨在不依赖宏观预测和杠杆的情况下获取稳健绝对收益，并根据风险偏好区分高波动和低波动版本。[50] * **模型具体构建过程**： 1. **高波版**：采用“四层结构化-股债金风险平价”对冲构型。[54] 2. **低波版**：采用“五层结构化-风险预算”对冲构型。[56] 3. 具体资产选择和权重配置未在报告中详细披露，但遵循循环对冲设计，直接针对资产波动进行平衡。[50] 模型的回测效果 1. **热点趋势ETF策略**，2025年以来收益52.22%，相比沪深300指数的超额收益为28.36%。[28] 2. **ETF三策略融合轮动模型**，2017年4月10日至2026年1月16日，组合收益率12.18%，夏普率0.74，今年以来组合收益率0.53%。[36][37] 3. **全天候配置策略-高波版**，截至2025年，年化收益率11.8%，年平均最大回撤3.6%，夏普比率2.3；2026年以来收益率0.4%。[60][61] 4. **全天候配置策略-低波版**，截至2025年，年化收益率8.8%，年平均最大回撤2.0%，夏普比率3.4；2026年以来收益率0.2%。[60][61] 量化因子与构建方式 1. **因子名称：支撑阻力因子**[28] * **因子构建思路**：通过价格高点和低点的回归斜率来衡量价格趋势的陡峭程度，以判断支撑或阻力强度。[28] * **因子具体构建过程**：根据ETF的最高价与最低价近20日回归系数的相对陡峭程度构建。具体公式未给出。[28] 2. **因子名称：行业融资融券资金因子**[44] * **因子构建思路**：衡量行业层面融资客的净买入力度，并经过市值和时序平滑处理。[44] * **因子具体构建过程**： 1. 个股层面：融资净买入 - 融券净卖出。 2. 行业层面：将个股因子值按行业加总。 3. 中性化：对加总后的行业值进行Barra市值因子中性化。 4. 平滑与变化率：取最近50日的均值，然后计算其两周环比变化率。[44] 3. **因子名称：行业主动大单资金因子**[44] * **因子构建思路**：衡量行业层面机构或大资金的净流入情况，并经过成交量时序中性化处理。[44] * **因子具体构建过程**： 1. 计算行业最近一年的成交量时序序列。 2. 对行业的净流入数据进行上述成交量序列的时序中性化处理。 3. 将中性化后的值进行排序（分位）。 4. 平滑：取最近10日的均值。[44] 4. **风格因子组**：报告提及了市值、贝塔、动量、波动率、非线性市值、价值、流动性、盈利收益率、成长、杠杆等风格因子，并进行了跟踪。[62][63][66] 5. **Alpha因子组**：报告列出了大量Alpha因子，并进行了多维度绩效分析。所有因子（除规模因子）均进行了市值、行业中性化处理；规模因子仅进行行业中性化处理。[64] * **交易量类因子**：如1个月交易量均值(`ln_volume_mean_1m`)、3个月交易量均值(`ln_volume_mean_3m`)等，计算相应时间窗口内成交量的均值或标准差。[65][67] * **盈利质量类因子**：如单季度ROA同比差值(`roa_q_delta_adv`)、单季度ROE同比差值(`roe_q_delta_adv`)等。[68] * **研发类因子**：如研发总资产占比(`tot_rd_ttm_to_assets`)、研发销售收入占比(`tot_rd_ttm_to_sales`)、研发净资产占比(`tot_rd_ttm_to_equity`)等。[67][68] * **动量类因子**：如1年-1个月的收益率(`mom_1y_1m`)、残差动量(`specific_mom12`)等。[68] * **预期调整类因子**：如分析师预测EPS的1个月动量(`mom1_eps_fy1`)、3个月动量(`mom3_eps_fy1`)等。[67][68] * **资金流类因子**：如基金持股变动(`delta_io_to_float_share`)、基金前十大重仓股变动(`delta_top_ten_io`)等。[67] 因子的回测效果 1. **风格因子近期表现**（最近一周）：贝塔因子收益3.33%，成长因子收益1.97%，动量因子收益0.45%，市值因子收益-1.11%，波动率因子收益-1.72%，价值因子收益-1.17%。[62][66] 2. **Alpha因子近期表现**（近一周多头超额）：1个月交易量均值因子1.69%，3个月交易量均值因子1.66%，6个月交易量均值因子1.65%。[65][67] 3. **Alpha因子分指数表现**（最近一年多头超额）： * **沪深300中**：单季度ROA同比差值(考虑快报、预告)因子36.35%，单季度ROA同比差值因子33.10%。[68] * **中证500中**：研发净资产占比因子25.74%。[68] * **中证800中**：研发总资产占比因子35.64%。[68] * **中证1000中**：研发销售收入占比因子29.45%。[68] 4. **多风格增强策略表现**（截至2026年1月16日）： * **长期成长增强策略**：本周超额收益0.63%，最近一年年化收益率40.20%，年化超额收益5.45%，夏普率2.44。[72][73] * **红利增强策略**：最近一年年化收益率23.10%，年化超额收益14.89%，夏普率2.02。[72][73] * **质量增强策略**：最近一年年化收益率21.23%，年化超额收益-4.14%，夏普率1.84。[73] * **价值增强策略**：最近一年年化收益率16.91%，年化超额收益-17.84%，夏普率1.10。[73] * **低波增强策略**：最近一年年化收益率31.10%，年化超额收益-3.65%，夏普率2.52。[73] * **短期动量增强策略**：最近一年年化收益率12.39%，年化超额收益-22.35%，夏普率0.93。[73] * **长期动量增强策略**：最近一年年化收益率14.75%，年化超额收益-19.99%，夏普率1.14。[73]

量化模型与构建方式 1. **模型名称：A股景气指数模型**[29] * **模型构建思路**：构建一个高频指数，用于对A股整体景气度（以上证指数归母净利润同比为代表）进行实时预测（Nowcasting）[29]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅说明其目标是对上证指数归母净利润同比进行Nowcasting[29]。 2. **模型名称：A股情绪指数系统**[34] * **模型构建思路**：基于市场波动率和成交额的变化方向来刻画市场情绪，并构建择时信号[34]。 * **模型具体构建过程**： 1. 将市场状态根据波动率和成交额的变化方向划分为四个象限[34]。 2. 通过历史统计发现，只有“波动率上行-成交额下行”的区间表现为显著负收益，其余三个象限均为显著正收益[34]。 3. 基于此规律，构建了包含“见底预警”与“见顶预警”的A股情绪指数[34]。 4. 具体信号生成逻辑：当市场波动率处于下行区间时，见底信号看多；当成交额处于上行区间时，见顶信号看多；综合两个信号得出整体观点[37]。 3. **模型名称：中证500增强组合模型**[45] * **模型构建思路**：通过量化策略模型构建投资组合，旨在持续跑赢中证500指数基准[45]。 * **模型具体构建过程**：报告未提供该增强模型的具体构建公式和详细步骤，仅展示了其持仓和业绩表现[45][48]。 4. **模型名称：沪深300增强组合模型**[51] * **模型构建思路**：通过量化策略模型构建投资组合，旨在持续跑赢沪深300指数基准[51]。 * **模型具体构建过程**：报告未提供该增强模型的具体构建公式和详细步骤，仅展示了其持仓和业绩表现[51][54]。 5. **模型名称：主题挖掘算法**[45] * **模型构建思路**：从新闻和研报文本中自动挖掘具有投资机会的主题概念[45]。 * **模型具体构建过程**：算法涉及多个维度，包括文本处理、主题关键词提取、主题个股关系挖掘、主题活跃周期构建、主题影响力因子构建等[45]。报告未提供具体公式。 模型的回测效果 1. **中证500增强组合模型**，本周收益1.07%，本周超额收益-1.12%（跑输基准），2020年至今累计超额收益47.12%，2020年至今最大回撤-9.32%[45]。 2. **沪深300增强组合模型**，本周收益0.44%，本周超额收益1.01%（跑赢基准），2020年至今累计超额收益43.72%，2020年至今最大回撤-5.86%[51]。 量化因子与构建方式 1. **因子名称：市值因子 (SIZE)**[55] * **因子构建思路**：衡量公司规模大小的风格因子[55]。 * **因子具体构建过程**：报告未提供具体构建公式，但指出参照了BARRA因子模型框架[55]。 2. **因子名称：BETA因子**[55] * **因子构建思路**：衡量股票相对于市场整体波动性的风格因子[55]。 * **因子具体构建过程**：报告未提供具体构建公式，但指出参照了BARRA因子模型框架[55]。 3. **因子名称：动量因子 (MOM)**[55] * **因子构建思路**：衡量股票价格趋势强弱的风格因子[55]。 * **因子具体构建过程**：报告未提供具体构建公式，但指出参照了BARRA因子模型框架[55]。 4. **因子名称：残差波动率因子 (RESVOL)**[55] * **因子构建思路**：衡量股票特异性风险的风格因子[55]。 * **因子具体构建过程**：报告未提供具体构建公式，但指出参照了BARRA因子模型框架[55]。 5. **因子名称：非线性市值因子 (NLSIZE)**[55] * **因子构建思路**：捕捉市值因子非线性效应的风格因子[55]。 * **因子具体构建过程**：报告未提供具体构建公式，但指出参照了BARRA因子模型框架[55]。 6. **因子名称：估值因子 (BTOP， 即Book-to-Price)**[55] * **因子构建思路**：衡量股票估值水平的风格因子[55]。 * **因子具体构建过程**：报告未提供具体构建公式，但指出参照了BARRA因子模型框架[55]。 7. **因子名称：流动性因子 (LIQUIDITY)**[55] * **因子构建思路**：衡量股票交易活跃度与变现能力的风格因子[55]。 * **因子具体构建过程**：报告未提供具体构建公式，但指出参照了BARRA因子模型框架[55]。 8. **因子名称：盈利因子 (EARNINGS_YIELD)**[55] * **因子构建思路**：衡量公司盈利能力的风格因子[55]。 * **因子具体构建过程**：报告未提供具体构建公式，但指出参照了BARRA因子模型框架[55]。 9. **因子名称：成长因子 (GROWTH)**[55] * **因子构建思路**：衡量公司成长能力的风格因子[55]。 * **因子具体构建过程**：报告未提供具体构建公式，但指出参照了BARRA因子模型框架[55]。 10. **因子名称：杠杆因子 (LVRG)**[55] * **因子构建思路**：衡量公司财务杠杆水平的风格因子[55]。 * **因子具体构建过程**：报告未提供具体构建公式，但指出参照了BARRA因子模型框架[55]。 11. **因子名称：行业因子**[56] * **因子构建思路**：衡量不同行业对投资组合收益影响的因子[56]。 * **因子具体构建过程**：报告未提供具体构建公式，但在风格分析中将其与十大类风格因子并列提及[56]。 因子的回测效果 *注：报告未提供各因子长期历史回测指标（如IC、IR、多空收益等）的具体数值。仅提供了近期（近一周）的表现描述和相关性矩阵。* 1. **近期因子表现评价**：本周，风格因子中**Beta因子**超额收益较高，**残差波动率因子**呈较为显著的负向超额收益[56]。从近期表现看，高Beta股表现优异，**杠杆因子**、**盈利因子**等表现不佳[56]。行业因子中，**计算机**、**传媒**等行业因子跑出较高超额收益，**国防军工**、**煤炭**、**保险**等行业因子回撤较多[56]。 2. **因子暴露相关性**：近一周，流动性因子分别与Beta、动量、残差波动率因子呈现明显正相关性；价值因子分别与Beta、残差波动率、流动性等因子呈现明显负相关性[56]。具体相关性矩阵参见报告图表[57]。

市场整体表现与百亿私募产品创新高概况 - 2025年12月，A股三大股指全线上涨，上证指数、深证成指、创业板指分别上涨2.06%、4.17%、4.93%，同时黄金、白银、铜、铝、碳酸锂等商品期货也强势上涨 [2] - 在此背景下，百亿私募旗下共有352只产品净值在当月创下历史新高，约占百亿私募产品总数的51% [3] - 按策略划分，创新高产品中股票策略产品最多，有249只，占比超70%，其中量化多头占225只，主观多头占8只；其次是多资产策略56只，债券策略23只，期货及衍生品策略22只，组合基金2只 [3] - 按产品类型划分，量化产品占307只，占比接近9成，其中指数增强产品占180只；非量化产品仅45只 [4] 旗下产品全部创新高的百亿私募名单 - 有12家百亿私募旗下全部产品（至少有3只有业绩展示）净值在2025年12月均创历史新高 [4] - 按旗下产品2025年收益均值排序，这12家私募依次为：灵均投资、宁波幻方量化、诚奇私募、明汯投资、超量子、启林投资、量派投资、正瀛资产、千宜投资、纽达投资、泓湖私募、旌安投资 [5] - 其中，按投资模式看，量化私募占8家；按核心策略看，股票策略私募占8家；前7强均为股票策略量化私募 [5] - 创新高产品数在10只以上的私募有明汯投资、量派投资、泓湖私募、宁波幻方量化等4家 [6] - 宁波幻方量化有10只产品（均为指数增强类）在排排网有业绩展示，2025年收益均值位列第2，同时也是百亿量化私募2025年收益的第2名 [10] 旗下超八成产品创新高的百亿量化私募名单 - 另有13家百亿私募旗下均有8成以上产品（至少有3只有业绩展示且创新高）净值在2025年12月创历史新高，均为量化私募 [11] - 按创新高产品占比排序，这13家私募分别为：阿巴马投资、聚宽投资、黑翼资产、金戈量锐、因诺资产、博润银泰投资、致诚卓远、龙旗科技、蒙玺投资、千衍私募、世纪前沿、千象资产、顽岩资产 [11] - 其中，产品数在10只以上的有：黑翼资产、博润银泰投资、聚宽投资、龙旗科技、千象资产 [11] - 龙旗科技有16只产品在排排网有业绩展示，其中14只在2025年12月创历史新高 [15] 创新高百亿私募产品收益排名（按不同时间维度） 2025年度收益前20强产品 - 创新高百亿私募产品2025年度收益20强的上榜门槛接近***% [16] - 其中量化多头产品占18只，主观多头产品占2只 [16] - 收益前5的产品分别来自：远信投资、银叶投资、龙旗科技、灵均投资、平方和投资，且前2名为主观多头产品 [16] - 平方和投资旗下“平方和鼎盛中证2000指数增强21号A期”产品，2025年收益超***%，位列第5 [20] 近三年收益前20强产品 - 创新高百亿私募产品近3年收益20强的上榜门槛接近***% [21] - 其中量化多头产品占17只，主观多头产品占2只，宏观策略产品占1只 [21] - 近3年收益前5的产品依次来自：阿巴马投资、泓湖私募、千衍私募、明汯投资、鸣石基金 [21] - 泓湖私募旗下“泓湖稳健宏观对冲A类份额”近三年收益超***%，位列第2 [24] 近五年收益前20强产品 - 创新高百亿私募产品近五年收益20强的上榜门槛接近***% [25] - 其中量化多头产品占19只，宏观策略产品占1只 [25] - 近五年收益前5的产品分别来自：泓湖私募、九坤投资、明汯投资、天演资本、世纪前沿 [25] - 泓湖私募旗下“泓湖稳健宏观对冲A类份额”近五年收益接近***%，位列榜首 [24] - 明汯投资旗下“明汯量化中小盘增强1号B类份额”近五年收益超***%，位列第3 [29] 重点私募公司及产品补充信息 - 宁波幻方量化是我国私募量化投资领域巨头之一，创始人梁文锋因DeepSeek的突出表现入选《自然》杂志“2025年度十大科学人物”榜单 [11] - 泓湖私募共有11只产品在排排网有业绩展示，均在2025年12月创历史新高，公司采用“主观+量化”相结合的投资模式 [24] - 明汯投资共有14只产品在排排网有业绩展示，均在2025年12月创历史新高，2025年收益均值超***% [29]

核心观点 - 报告核心观点为：在截至2026年1月16日的一周内，市场风格以高Beta和低杠杆为主导，小市值风格亦表现突出[1][2][18] 主要市场指数与风格表现回顾 - **宽基指数表现**：本周主要宽基指数大部分上涨，其中中证500上涨2.18%，北证50上涨1.58%，中证1000上涨1.27%，深证成指上涨1.14%，创业板指上涨1.00%，中证2000上涨0.94%，中证800上涨0.20%，而上证指数下跌0.45%，沪深300下跌0.57%[2][10][11] - **行业指数表现**：本周计算机、电子、传媒、有色金属、机械等行业表现居前，周涨幅分别为4.31%、3.64%、3.34%、3.03%和1.36%；国防军工、农林牧渔、煤炭、房地产、非银行金融等行业表现居后，其中国防军工周跌幅达5.86%[2][14][16] - **风格因子表现**：最近一周，Beta因子、杠杆因子、非线性市值因子的表现尤为突出，其多空收益分别为4.40%、-2.55%和1.67%，表明高Beta、低杠杆和小市值股票跑赢市场[2][18] 选股因子表现跟踪 - **沪深300股票池**：本周表现较好的因子为20日成交量变异系数、标准化预期外盈利、盈余公告前隔夜动量[3][25] - **中证500股票池**：本周表现较好的因子为60日特异度、20日特异度、60日动量，其最近一周超额收益分别为1.32%、1.21%和1.06%[3][27] - **中证800股票池**：本周表现较好的因子为60日动量、标准化预期外盈利、盈余公告前隔夜动量，其最近一周超额收益分别为1.47%、1.25%和1.25%[3][30] - **中证1000股票池**：本周表现较好的因子为20日特异度、60日偏度、CFEV_TTM，其最近一周超额收益分别为1.42%、1.35%和1.35%[3][33] - **沪深300ESG股票池**：本周表现较好的因子为20日成交量变异系数、20日特异度、盈余公告前隔夜动量[3][36] - **全市场股票池**：本周表现较好的因子为单季度ROA、单季度ROE、单季度净利润率，其近一周Rank IC分别为16.18%、16.13%和15.86%[3][38][39] 量化基金表现 - **指数增强型基金**：过去一周，沪深300指数增强产品超额收益平均值为0.58%，中证500指数增强产品为-0.26%，中证1000指数增强产品为0.44%[4][43] - **主动量化与对冲型基金**：本周业绩最好的主动量化基金为汇安量化优选A（005599.OF），周绝对收益为8.68%；业绩最好的对冲型基金为中邮绝对收益策略（002224.OF），周绝对收益为2.39%[4][46] 招商证券量化指数增强组合周度跟踪 - **近期超额收益**：招商证券构建的指数增强组合近一周超额收益分别为：沪深300增强组合0.24%，中证500增强组合-0.27%，中证800增强组合0.59%，中证1000增强组合-0.06%，沪深300ESG股票池下的沪深300增强组合0.12%[5][51][52] - **长期绩效**：自2010年以来，各增强组合相对于基准指数的年化超额收益分别为：沪深300增强组合6.40%，中证500增强组合8.50%，中证800增强组合7.12%，中证1000增强组合14.90%，沪深300ESG股票池下的沪深300指数增强组合5.56%[53]

报告行业投资评级 未提及 报告核心观点 报告聚焦量化基金市场表现，总结主要指数和量化基金业绩、不同类型公募量化基金整体和业绩分布，以及收益较优的量化基金供投资者参考 [1] 根据相关目录分别进行总结 主要指数和量化基金业绩表现 - 1月12日 - 1月16日A股小盘成长领涨，大盘价值下跌，量化基金正收益，指增超额分化 [2][6] - 主动量化平均上涨1.21%，沪深300指增、中证500指增、中证1000指增超额收益分别为0.63%、 - 0.34%、0.34%，其他指增平均超额0.25%，市场中性上涨0.16% [2][4][6] - A股指数涨跌不一，沪深300、中证500、中证1000本周收益率分别为 - 0.57%、2.18%、1.27% [3][6] 不同类型公募量化基金业绩表现 |基金类型|本周收益率（%）|近一月收益率（%）|近三月收益率（%）|近六月收益率（%）|近一年收益率（%）|今年以来收益率（%）| | ---- | ---- | ---- | ---- | ---- | ---- | ---- | |沪深300指数增强基金|0.06|5.98|4.49|18.97|28.26|2.82| |中证500指数增强基金|1.84|13.95|11.77|31.37|46.82|8.08| |中证1000指数增强基金|1.61|13.93|11.58|28.43|50.81|7.97| |其他指数增强基金|1.23|11.05|8.89|31.54|49.43|6.43| |主动量化基金|1.21|9.67|7.56|22.97|39.33|5.52| |市场中性基金|0.16|0.03| - 0.07|0.45|1.18|0.09|[14][15][16] 不同类型公募量化基金业绩分布 展示各类型公募量化近半年业绩走势，以及本周和近一年的业绩分布情况，指数增强型基金展示超额收益率表现 [17] 不同类型公募量化绩优基金 - 各类型公募量化基金列出本周业绩较优的五只基金，指数增强型按超额收益率展示，基金名单季度更新 [30] - 沪深300指数增强绩优基金如易方达沪深300精选增强等 [31] - 中证500指数增强绩优基金如博道中证500指数增强等 [32] - 中证1000指数增强绩优基金如华泰柏瑞中证1000增强策略ETF等 [33] - 其他指数增强绩优基金如易方达上证50增强策略ETF等 [34] - 主动量化绩优基金如汇安量化优选等 [35] - 市场中性绩优基金如中邮绝对收益策略等 [36]

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：** 基于市净率（PB）和净资产收益率（ROE）两个核心估值与盈利指标，构建选股组合[23]。 **模型具体构建过程：** 报告未详细描述该组合的具体构建公式和步骤，仅提及其为基于PB和ROE的选股策略[23]。 2. **模型名称：公募调研选股策略** **模型构建思路：** 基于公募基金调研活动的事件驱动选股策略[25]。 **模型具体构建过程：** 报告未详细描述该策略的具体构建公式和步骤，仅提及其为公募调研选股策略[25]。 3. **模型名称：私募调研跟踪策略** **模型构建思路：** 基于私募基金调研活动的事件驱动选股策略[25]。 **模型具体构建过程：** 报告未详细描述该策略的具体构建公式和步骤，仅提及其为私募调研跟踪策略[25]。 4. **模型名称：大宗交易组合** **模型构建思路：** 根据“高成交、低波动”原则，从发生大宗交易的股票中筛选后续表现更佳的股票[29]。 **模型具体构建过程：** 通过统计分析发现，“大宗交易成交金额比率”越高、“6日成交金额波动率”越低的股票后续表现更佳[29]。根据此原则，通过月频调仓方式构造组合[29]。具体计算公式未在本文中给出。 5. **模型名称：定向增发组合** **模型构建思路：** 以定向增发的股东大会公告日为事件节点，进行事件驱动选股[35]。 **模型具体构建过程：** 综合考虑市值因素、调仓周期以及对仓位的控制来构造组合[35]。具体计算公式和权重分配未在本文中给出。 模型的回测效果 1. **PB-ROE-50组合**，本周超越基准收益率（中证500） -0.20%[24]，本周超越基准收益率（中证800） 1.98%[24]，本周超越基准收益率（全市场） 2.85%[24]，今年以来超额收益率（中证500） -2.37%[24]，今年以来超额收益率（中证800） 3.37%[24]，今年以来超额收益率（全市场） 4.12%[24]，本周绝对收益率（中证500） 1.98%[24]，本周绝对收益率（中证800） 2.19%[24]，本周绝对收益率（全市场） 3.34%[24]，今年以来绝对收益率（中证500） 7.66%[24]，今年以来绝对收益率（中证800） 7.91%[24]，今年以来绝对收益率（全市场） 9.88%[24] 2. **公募调研选股策略**，本周超越基准收益率 3.24%[26]，今年以来超额收益率 2.92%[26]，本周绝对收益率 3.45%[26]，今年以来绝对收益率 7.44%[26] 3. **私募调研跟踪策略**，本周超越基准收益率 2.59%[26]，今年以来超额收益率 4.93%[26]，本周绝对收益率 2.80%[26]，今年以来绝对收益率 9.53%[26] 4. **大宗交易组合**，本周超越基准收益率 3.94%[30]，今年以来超额收益率 4.66%[30]，本周绝对收益率 4.43%[30]，今年以来绝对收益率 10.46%[30] 5. **定向增发组合**，本周超越基准收益率 1.16%[36]，今年以来超额收益率 -0.57%[36]，本周绝对收益率 1.64%[36]，今年以来绝对收益率 4.94%[36] 量化因子与构建方式 1. **因子名称：6日成交金额的移动平均值** **因子构建思路：** 衡量股票近期成交活跃度的趋势[12]。 **因子具体构建过程：** 报告未给出具体计算公式，因子方向为负向[13]。 2. **因子名称：5日平均换手率** **因子构建思路：** 衡量股票短期流动性[12]。 **因子具体构建过程：** 报告未给出具体计算公式，因子方向为负向[13]。 3. **因子名称：净利润断层** **因子构建思路：** 事件驱动因子，捕捉公司净利润超预期增长带来的股价跳空上涨效应[12]。 **因子具体构建过程：** 报告未给出具体计算公式，因子方向为正向[13]。 4. **因子名称：总资产增长率** **因子构建思路：** 衡量公司资产规模扩张速度的基本面因子[14]。 **因子具体构建过程：** 报告未给出具体计算公式，因子方向为正向[15]。 5. **因子名称：早盘后收益因子** **因子构建思路：** 捕捉特定交易时段（早盘后）的股价行为模式[14]。 **因子具体构建过程：** 报告未给出具体计算公式，因子方向为负向[15]。 6. **因子名称：单季度ROA同比** **因子构建思路：** 衡量公司单季度资产盈利能力同比变化的基本面因子[14]。 **因子具体构建过程：** 报告未给出具体计算公式，因子方向为正向[15]。 7. **因子名称：单季度ROE** **因子构建思路：** 衡量公司单季度净资产盈利能力的基本面因子[16]。 **因子具体构建过程：** 报告未给出具体计算公式，因子方向为正向[17]。 8. **因子名称：总资产毛利率TTM** **因子构建思路：** 衡量公司过去十二个月总资产毛利创造能力的基本面因子[16]。 **因子具体构建过程：** 报告未给出具体计算公式，因子方向为正向[17]。 9. **因子名称：单季度ROA** **因子构建思路：** 衡量公司单季度资产盈利能力的基本面因子[16]。 **因子具体构建过程：** 报告未给出具体计算公式，因子方向为正向[17]。 10. **因子名称：Beta因子** **因子构建思路：** 衡量股票相对于市场整体波动性的风格因子[1]。 **因子具体构建过程：** 报告未给出具体计算公式。 11. **因子名称：市值因子** **因子构建思路：** 衡量公司规模大小的风格因子[1]。 **因子具体构建过程：** 报告未给出具体计算公式。 12. **因子名称：残差波动率因子** **因子构建思路：** 衡量股票特异性风险的风格因子[1]。 **因子具体构建过程：** 报告未给出具体计算公式。 13. **因子名称：流动性因子** **因子构建思路：** 衡量股票交易便利程度的风格因子[1]。 **因子具体构建过程：** 报告未给出具体计算公式。 14. **因子名称：净资产增长率因子** **因子构建思路：** 行业内分析使用的基本面因子，衡量公司净资产增长[21]。 **因子具体构建过程：** 报告未给出具体计算公式。 15. **因子名称：净利润增长率因子** **因子构建思路：** 行业内分析使用的基本面因子，衡量公司净利润增长[21]。 **因子具体构建过程：** 报告未给出具体计算公式。 16. **因子名称：每股净资产因子** **因子构建思路：** 行业内分析使用的基本面因子，衡量公司每股账面价值[21]。 **因子具体构建过程：** 报告未给出具体计算公式。 17. **因子名称：每股经营利润TTM因子** **因子构建思路：** 行业内分析使用的基本面因子，衡量公司每股经营利润[21]。 **因子具体构建过程：** 报告未给出具体计算公式。 18. **因子名称：BP因子** **因子构建思路：** 行业内分析使用的估值类因子，即市净率（PB）的倒数[21]。 **因子具体构建过程：** 报告未给出具体计算公式。 19. **因子名称：EP因子** **因子构建思路：** 行业内分析使用的估值类因子，即市盈率（PE）的倒数[21]。 **因子具体构建过程：** 报告未给出具体计算公式。 20. **因子名称：5日动量因子** **因子构建思路：** 行业内分析使用的动量类因子[22]。 **因子具体构建过程：** 报告未给出具体计算公式。 21. **因子名称：1月动量因子** **因子构建思路：** 行业内分析使用的动量类因子[22]。 **因子具体构建过程：** 报告未给出具体计算公式。 22. **因子名称：对数市值因子** **因子构建思路：** 行业内分析使用的规模风格因子[22]。 **因子具体构建过程：** 报告未给出具体计算公式。 *(注：报告中还提及了大量其他因子，如ROIC增强因子、标准化预期外盈利、市净率因子、大单净流入等，均未提供具体构建过程，此处不一一列举。)* 因子的回测效果 *(以下因子表现数据均为“最近1周”的收益，为剔除行业与市值影响后多头组合相对于基准指数的超额收益[12])* 1. **6日成交金额的移动平均值因子**，最近1周收益 3.60%[13] 2. **5日平均换手率因子**，最近1周收益 3.53%[13] 3. **净利润断层因子**，最近1周收益 3.35%[13] 4. **总资产增长率因子**，最近1周收益 1.23%[15] 5. **早盘后收益因子**，最近1周收益 1.12%[15] 6. **单季度ROA同比因子**，最近1周收益 1.02%[15] 7. **单季度ROE因子**，最近1周收益 1.67%[17] 8. **总资产毛利率TTM因子**，最近1周收益 1.47%[17] 9. **单季度ROA因子**，最近1周收益 1.33%[17] 10. **Beta因子**，最近1周收益 1.22%[18] 11. **市值因子**，最近1周收益 -0.79%[18] 12. **残差波动率因子**，最近1周收益 -0.77%[18] 13. **流动性因子**，最近1周收益 -0.56%[18]

量化模型与构建方式 1. **模型名称**：沪深300增强组合[4][8] * **模型构建思路**：基于多因子模型构建的沪深300指数增强策略，旨在获取超越基准指数的超额收益[4] * **模型具体构建过程**：报告未详细描述具体构建过程，仅展示了其业绩表现。通常此类模型会基于一系列选股因子（如风格、技术、基本面因子）对沪深300成分股进行综合评分，选取得分较高的股票构建组合，并可能进行权重优化以控制跟踪误差[4][8] 2. **模型名称**：中证500增强组合[4][8] * **模型构建思路**：基于多因子模型构建的中证500指数增强策略，旨在获取超越基准指数的超额收益[4] * **模型具体构建过程**：报告未详细描述具体构建过程，仅展示了其业绩表现。构建逻辑与沪深300增强组合类似，但应用于中证500成分股池[4][8] 3. **模型名称**：中证1000增强组合[4][8] * **模型构建思路**：基于多因子模型构建的中证1000指数增强策略，旨在获取超越基准指数的超额收益[4] * **模型具体构建过程**：报告未详细描述具体构建过程，仅展示了其业绩表现。构建逻辑与前述增强组合类似，但应用于中证1000成分股池[4][8] 4. **模型名称**：进取组合[8] * **模型构建思路**：以中证500为基准的多因子选股组合，风格可能更为激进[8] * **模型具体构建过程**：报告未详细描述具体构建过程，仅展示了其业绩表现[8] 5. **模型名称**：平衡组合[8] * **模型构建思路**：以中证500为基准的多因子选股组合，风格可能较为均衡[8] * **模型具体构建过程**：报告未详细描述具体构建过程，仅展示了其业绩表现[8] 6. **模型名称**：绩优基金的独门重仓股组合[4][8] * **模型构建思路**：通过筛选绩优基金的独门重仓股来构建投资组合，利用基金经理的选股能力获取超额收益[4] * **模型具体构建过程**：报告未详细描述具体构建过程，仅展示了其业绩表现。通常逻辑是定期分析绩优基金（如业绩排名靠前）的持仓报告，筛选出被少数基金独家重仓持有的股票构成组合[4][8] 7. **模型名称**：盈利、增长、现金流三者兼优组合[4][8] * **模型构建思路**：筛选在盈利能力、成长性和现金流质量三个维度均表现优异的股票构建组合[4] * **模型具体构建过程**：报告未详细描述具体构建过程和筛选标准，仅展示了其业绩表现[4][8] 8. **模型名称**：PB-盈利优选组合[4][8] * **模型构建思路**：结合低市净率（PB）和高盈利能力的选股策略，旨在寻找有基本面支撑的低估值股票[4][28] * **模型具体构建过程**：报告未详细描述具体构建过程和因子权重，仅展示了其业绩表现[4][8][28] 9. **模型名称**：GARP组合[8][32] * **模型构建思路**：采用“合理价格成长”策略，兼顾公司的成长性和估值水平[8][32] * **模型具体构建过程**：报告未详细描述具体构建过程，仅展示了其业绩表现[8][32] 10. **模型名称**：小盘价值优选组合1[8][34] * **模型构建思路**：在微盘股中优选具备价值特征的股票构建组合[8][34] * **模型具体构建过程**：报告未详细描述具体构建过程，仅展示了其业绩表现[8][34] 11. **模型名称**：小盘价值优选组合2[8][36] * **模型构建思路**：在微盘股中优选具备价值特征的股票构建的另一个组合，可能与组合1的筛选标准或权重不同[8][36] * **模型具体构建过程**：报告未详细描述具体构建过程，仅展示了其业绩表现[8][36] 12. **模型名称**：小盘成长组合[4][8] * **模型构建思路**：在微盘股中优选具备高成长特征的股票构建组合[4][38] * **模型具体构建过程**：报告未详细描述具体构建过程，仅展示了其业绩表现[4][8][38] 量化因子与构建方式 1. **因子名称**：市值因子[42] * **因子构建思路**：衡量公司规模大小的风格因子[42] * **因子具体构建过程**：报告未给出具体计算公式。通常为股票的总市值。在因子测试中，将股票按因子值排序，因子值低（小市值）的股票构成多头组合，因子值高（大市值）的股票构成空头组合[41][42] 2. **因子名称**：PB因子[42] * **因子构建思路**：市净率，衡量估值水平的风格因子[42] * **因子具体构建过程**：报告未给出具体计算公式。通常为股价除以每股净资产。在因子测试中，将股票按因子值排序，因子值低（低PB）的股票构成多头组合，因子值高（高PB）的股票构成空头组合[41][42] 3. **因子名称**：PE_TTM因子[42] * **因子构建思路**：滚动市盈率，衡量估值水平的风格因子[42] * **因子具体构建过程**：报告未给出具体计算公式。通常为股价除以最近十二个月每股收益。在因子测试中，将股票按因子值排序，因子值低（低PE）的股票构成多头组合，因子值高（高PE）的股票构成空头组合[41][42] 4. **因子名称**：反转因子[48] * **因子构建思路**：技术类因子，认为过去一段时间跌幅较大的股票未来可能反弹，涨幅较大的股票未来可能回调[48] * **因子具体构建过程**：报告未给出具体计算公式。通常计算过去一段时间的收益率并取负值。在因子测试中，将股票按因子值排序，因子值高（过去表现差）的股票构成多头组合，因子值低（过去表现好）的股票构成空头组合[41][48] 5. **因子名称**：换手率因子[48] * **因子构建思路**：技术类因子，衡量股票交易活跃程度[48] * **因子具体构建过程**：报告未给出具体计算公式。通常为一段时间内的成交股数除以流通股本。在因子测试中，将股票按因子值排序，因子值低（低换手）的股票构成多头组合，因子值高（高换手）的股票构成空头组合[41][48] 6. **因子名称**：波动率因子[48] * **因子构建思路**：技术类因子，衡量股票价格波动风险[48] * **因子具体构建过程**：报告未给出具体计算公式。通常计算过去一段时间收益率的标准差。在因子测试中，将股票按因子值排序，因子值低（低波动）的股票构成多头组合，因子值高（高波动）的股票构成空头组合[41][48] 7. **因子名称**：ROE因子[53] * **因子构建思路**：净资产收益率，衡量公司盈利能力的核心基本面因子[53] * **因子具体构建过程**：报告未给出具体计算公式。通常为净利润除以净资产。在因子测试中，将股票按因子值排序，因子值高（高ROE）的股票构成多头组合，因子值低（低ROE）的股票构成空头组合[41][53] 8. **因子名称**：SUE因子[53] * **因子构建思路**：标准化未预期盈余，衡量公司盈利增长超预期程度的基本面因子[53] * **因子具体构建过程**：报告未给出具体计算公式。通常为（当期实际EPS - 预期EPS）除以历史盈利波动的标准差。在因子测试中，将股票按因子值排序，因子值高（盈利超预期多）的股票构成多头组合，因子值低（盈利低于预期）的股票构成空头组合[41][53] 9. **因子名称**：预期净利润调整因子[53] * **因子构建思路**：反映分析师对公司未来盈利预测调整方向的基本面因子[53] * **因子具体构建过程**：报告未给出具体计算公式。通常计算一段时间内分析师对未来净利润一致预期的调整幅度。在因子测试中，将股票按因子值排序，因子值高（盈利预期上调）的股票构成多头组合，因子值低（盈利预期下调）的股票构成空头组合[41][53] 模型的回测效果 （数据期间：2025年12月31日至2026年01月16日）[8] 1. **沪深300增强组合**，绝对收益5.64%，超额收益3.44%，跟踪误差4.23%，最大相对回撤0.38%[8] 2. **中证500增强组合**，绝对收益7.98%，超额收益-2.30%，跟踪误差4.98%，最大相对回撤4.77%[8] 3. **中证1000增强组合**，绝对收益8.89%，超额收益0.50%，跟踪误差6.83%，最大相对回撤2.78%[8] 4. **进取组合**，绝对收益7.28%，超额收益-3.00%，跟踪误差20.28%，最大相对回撤12.81%[8] 5. **平衡组合**，绝对收益8.34%，超额收益-1.93%，跟踪误差17.57%，最大相对回撤11.94%[8] 6. **绩优基金的独门重仓股组合**，绝对收益8.89%，超额收益2.84%，跟踪误差18.53%，最大相对回撤3.12%[8] 7. **盈利、增长、现金流三者兼优组合**，绝对收益1.82%，超额收益-0.38%，跟踪误差10.21%，最大相对回撤3.01%[8] 8. **PB-盈利优选组合**，绝对收益1.72%，超额收益-0.48%，跟踪误差12.40%，最大相对回撤4.47%[8] 9. **GARP组合**，绝对收益4.89%，超额收益2.69%，跟踪误差11.68%，最大相对回撤2.90%[8] 10. **小盘价值优选组合1**，绝对收益5.91%，超额收益-0.60%，跟踪误差8.50%，最大相对回撤3.40%[8] 11. **小盘价值优选组合2**，绝对收益7.92%，超额收益1.40%，跟踪误差8.30%，最大相对回撤1.53%[8] 12. **小盘成长组合**，绝对收益6.21%，超额收益-0.31%，跟踪误差10.52%，最大相对回撤2.25%[8] 因子的回测效果 （数据期间：2025年12月31日至2026年01月16日）[42][49][53] 1. **市值因子**，全市场多空收益0.16%，沪深300多空收益5.33%，中证500多空收益-9.74%，中证1000多空收益-2.90%[42][43] 2. **PB因子**，全市场多空收益-5.94%，沪深300多空收益-8.16%，中证500多空收益-12.18%，中证1000多空收益-8.70%[42][43] 3. **PE_TTM因子**，全市场多空收益-3.25%，沪深300多空收益-7.85%，中证500多空收益-11.41%，中证1000多空收益-6.82%[42][43] 4. **反转因子**，全市场多空收益-4.10%，沪深300多空收益-0.84%，中证500多空收益-13.83%，中证1000多空收益-1.38%[49] 5. **换手率因子**，全市场多空收益-2.11%，沪深300多空收益-6.95%，中证500多空收益-16.07%，中证1000多空收益-5.47%[49] 6. **波动率因子**，全市场多空收益-3.87%，沪深300多空收益-5.98%，中证500多空收益-15.65%，中证1000多空收益-4.06%[49] 7. **ROE因子**，全市场多空收益1.10%，沪深300多空收益0.13%，中证500多空收益-2.02%，中证1000多空收益1.16%[53] 8. **SUE因子**，全市场多空收益0.37%，沪深300多空收益2.40%，中证500多空收益-0.62%，中证1000多空收益0.17%[53] 9. **预期净利润调整因子**，全市场多空收益0.40%，沪深300多空收益3.35%，中证500多空收益2.00%，中证1000多空收益-1.55%[53]