量化模型与构建方式 1. 国企基本面因子选股模型 * **模型名称**：国企基本面因子选股模型 * **模型构建思路**：首先将国企样本池按行业逻辑划分为红利型和成长型两大类，然后根据行业类型选择不同的基本面因子进行打分，最后综合通用因子和行业特色因子得分得到总分，并以此构建选股组合[3][5][6][7][10]。 * **模型具体构建过程**： 1. **样本池构建**：采用中证国企指数（000955.CSI）的所有成分股，以及北交所中上市满6个月、且公司属性为中央国有企业或地方国有企业的股票作为国企样本池[3]。 2. **行业分类**：依据ZX三级行业逻辑，将所有行业划分为红利型（包括资源品、公用事业、房地产、银行、证券、其他）和成长型（包括先进制造、软件服务和消费）两大类[3][4]。 3. **因子选择与打分**： * **通用因子**：基于“一利五率”央企业绩考核指标和国企分红特征，选择股息率（TTM）、资产负债率、ROE（TTM）、营业现金比率、全员劳动生产率等因子[5][6]。 * **行业特色因子**：根据行业特征选择不同的因子。例如，红利型行业中的资源品关注ROIC环比增量、毛利率等；银行关注资本充足率、拨备覆盖率环比增量等；成长型行业中的先进制造关注研发支出/营业总收入、EBIT_TTM环比增速等[6][8][10]。 4. **因子权重调整**：考虑到红利风格是国企的重要特征，对所有行业均上调股息率因子权重（红利型行业权重为4，成长型行业权重为2）。对于成长型行业，将资产负债率权重下调为0.5。其他所有因子权重为1[10]。 5. **得分计算**：对权重调整后的因子得分求平均值，分别得到通用因子得分和行业特色因子得分。最后，两项得分按通用因子得分30%、行业特色因子得分70%的权重加总并进行归一化处理，得到百分制总分[10][11]。 6. **组合构建**：选择总分前N（N=50）的个股，并根据基本面因子得分的三次方分配权重，权重计算公式为： $$w_{i}={\frac{s c o r e_{i}^{3}}{\sum_{i=1}^{N}s c o r e_{i}^{3}}}$$ [11] 2. 科技主题基本面因子选股模型 * **模型名称**：科技主题基本面因子选股模型 * **模型构建思路**：首先定义科技股样本池，并根据现金流特征划分企业生命周期（剔除震荡期和衰退期）。然后针对成长期和成熟期公司，分别选取通用因子和特色因子进行打分，并通过研发费用乘数调整总分，最终构建选股组合[19][20][21][22][23]。 * **模型具体构建过程**： 1. **样本池构建**：同时满足两个条件：1）所属SW三级行业属于电子、通信、计算机、电力设备、国防军工、传媒、医药、机械等的部分行业；2）最近一年研发费用占营业收入比例超过5%，或研发人员数量占员工总数超过10%[19][20][21]。 2. **生命周期划分**：采用Dickinson（2011）的方法，以调整后的经营、投资、融资现金流正负组合，将企业划分为引入期、成长期、成熟期、震荡期、衰退期。本策略从引入期、成长期和成熟期股票中选股，并将引入期和成长期统称为成长期[21][22][23]。 3. **因子选择**：分为通用因子和特色因子。通用因子包括毛利率环比增量、归母净利润成长能力、累计独立获得的发明专利数量、供应链因子（前5大供应商与客户金额占比合计）、平均距离因子。特色因子则根据生命周期阶段不同而有所侧重，例如成长期关注管理费用/营业总收入环比增量、研发费用折旧摊销占比环比增量、资产负债率；成熟期关注应收账款周转率、研发费用直接投入占比环比增量、PB-ROE[24][28]。 4. **单因子打分**：在同一时间截面上，正向因子按从低到高计算因子值在截面上的分位数，负向因子按从高到低计算因子值在截面上的分位数，分位数取值在0-100之间。成长期与成熟期股票分开排序[24]。 5. **总分计算**：首先，将5个通用因子和3个特色因子的得分，按以下公式计算初始总分： $$\mathbb{E}^{\mathbb{A}}\mathcal{H}=\frac{1}{5}M e a n(S_{i})+\frac{M e a n(S_{i})}{S t d(S_{i})}$$ 其中，$$S_i$$表示某一股票8项因子的得分。该公式旨在选出各方面表现较为均衡的个股[26][27]。 6. **研发费用乘数调整**：为体现对高研发行业的偏重，用研发费用乘数调整总分。研发费用乘数计算公式为：研发费用乘数 = 0.9 + 0.2 × Normalization( √( (研发费用/总市值)_行业 / (研发费用/总市值)_全A ) )，使得乘数取值范围在0.9-1.1之间。调整后总分 = 总分 × 研发费用乘数[28][29]。 7. **组合构建**：选择总分前50的个股，并按其基本面因子得分计算权重，权重计算公式为： $$w e i g h t_{i}={\frac{s c o r e_{i}}{\sum_{i=1}^{50}s c o r e_{i}}}$$ [30] 3. 消费主题基本面因子选股模型 * **模型名称**：消费主题基本面因子选股模型 * **模型构建思路**：首先定义并细分消费股样本池（分为日常制造型、可选制造型、日常服务型、可选服务型）。然后选取通用因子和分域特色因子进行打分，最后在基本面总分基础上引入市销率（PS）乘数调整权重，构建选股组合[38][39][40][46]。 * **模型具体构建过程**： 1. **样本池构建与分域**：筛选出业务/产品/服务直接to C的申万三级行业作为消费股样本池。并按日常消费/可选消费、制造业/服务业两个维度，将消费股细分为日常制造型、可选制造型、日常服务型、可选服务型4大类[38][39]。 2. **因子选择**：分为通用因子和特色因子。通用因子包括成长盈利现金流复合因子、经营现金流/营业收入、Wind ESG管理实践得分、Wind ESG争议事件得分、经济不确定性敏感度因子（abs_epu_beta）、应收账款周转率环比增量。特色因子则根据细分域选择，例如日常制造型关注市占率，可选制造型关注研发费用/总市值，日常服务型关注有形资产/负债环比增量，可选服务型关注直接营销投入占比和预收账款+合同负债同比增速[40][41]。 3. **单因子打分**：通用因子在整个样本池内排序打分；特色因子仅在细分域内排序打分。正向因子按从低到高计算分位数，负向因子按从高到低计算分位数，分位数取值0-100[41]。 4. **得分计算**：对每只个股，计算其通用因子得分（成长盈利现金流复合因子权重为2，其他通用因子权重为1）和特色因子得分（各特色因子权重为1）。然后，通用因子得分与特色因子得分按2:1的比例加权得到基本面总分[42][43]。 5. **市销率乘数调整**：为在基本面选股基础上兼顾估值，引入市销率（PS， TTM）乘数调整总分。首先将PS因子值转化为正数并计算乘数： $$P S_{\_}M u l t i p l i e r_{i}={\frac{1}{P S_{i}-M i n(P S_{i})+1}}$$ 然后，调整后总分 = 基本面总分 × PS乘数[46][47]。 6. **组合构建**：选择调整后总分前50的个股，并按其调整后总分计算权重，权重计算公式为： $$w e l g h t_{i}={\frac{S c o r e_{i}^{a d j}}{\sum_{i=1}^{50}S c o r e_{i}^{a d j}}}$$ [48] 模型的回测效果 1. 国企基本面因子选股多头策略 * **回测区间**：2019年12月31日至2025年12月31日，每月末调仓，不考虑交易费用[12]。 * **年化收益率**：22.93%[12][15] * **年化波动率**：20.85%[15] * **Sharpe比率**：1.0961[12][15] * **Calmar比率**：0.9963[12][15] * **最大回撤**：-23.01%[12][15] * **年化超额收益率（vs 中证国企指数）**：18.34%[12][15] * **超额收益Sharpe比率**：1.5709[12][15] * **超额收益Calmar比率**：1.4118[12][15] * **超额收益最大回撤**：-12.99%[12][15] 2. 科技主题基本面因子选股多头策略 * **回测区间**：2019年12月31日至2025年12月31日，每月末调仓，不考虑交易费用[31]。 * **年化收益率**：30.61%[31][34] * **年化波动率**：27.61%[34] * **Sharpe比率**：1.1070[31][34] * **Calmar比率**：0.8962[31][34] * **最大回撤**：-34.16%[31][34] * **月度胜率**：65.28%[34] * **年化超额收益率（vs 科技股样本池平均收益）**：10.98%[31][34] * **超额收益Sharpe比率**：1.4966[31][34] * **超额收益Calmar比率**：1.2670[31][34] * **超额收益最大回撤**：-8.66%[31][34] 3. 消费主题基本面因子选股多头策略 * **回测区间**：2019年12月31日至2025年12月31日，每月末调仓，不考虑交易费用[49]。 * **年化收益率**：24.86%[49][52] * **年化波动率**：22.99%[52] * **Sharpe比率**：1.0825[49][52] * **Calmar比率**：1.0197[49][52] * **最大回撤**：-24.38%[49][52] * **月度胜率**：68.06%[52] * **年化超额收益率（vs 50%中证主要消费+50%中证可选消费）**：21.02%[49][52] * **超额收益Sharpe比率**：1.0807[49][52] * **超额收益Calmar比率**：0.4505[49][52] * **超额收益最大回撤**：-46.66%[49][52]

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]