今年以来，A股市场结构性行情明显，私募股票量化多头策略凭借系统化优势持续获得超额收益。私募 排排网数据显示，截至11月底，全市场833只股票量化多头产品年内平均超额收益率超17%，其中762只 产品实现超额收益，占比高达91.48%，体现出该策略整体有效且收益稳定。 融智投资FOF（基金中的基金）基金经理李春瑜向《证券日报》记者表示，今年以来，A股市场呈现震 荡上行态势，AI算力等科技板块与周期板块轮动频繁。市场日均成交额持续保持高位，为量化交易提 供了良好的流动性环境。在此背景下，量化多头策略通过快速交易能够及时把握板块轮动节奏，动态调 仓能力得到充分发挥。此外，人工智能的深入应用可以帮助策略高效处理海量信息，多因子模型在分散 风险的同时也增强了收益潜力，从而更好地匹配了年内的市场风格。 从管理规模来看，大中型私募机构旗下股票量化多头产品展现出更强的超额收益能力。数据显示，截至 11月底，管理规模在20亿元至50亿元区间的私募机构旗下产品表现最为突出，年内平均超额收益率达 20.12%，在各管理规模梯队中位居第一，且93%的产品实现超额收益；百亿元级私募机构紧随其后，旗 下产品年内平均超额收益率为19.98 ...

文章核心观点 - 投资应聚焦于具备长期强劲内生价值增长能力的“好业务”和“好公司”，通过延长投资时间尺度来摊薄估值等扰动性变量的影响，从而确定性地穿越市场迷雾 [1][2][4] - 市场短期定价高度未知，但长期视角下，好业务好公司的未来可见度和回报确定性非常高 [1] - 内生价值增长是叠加性变量，对年化回报的影响不会随时间摊薄，而估值是扰动性变量，其影响会随时间延长而不断摊薄 [2] - 在10年时间框架下，即使遭遇市场极端情况（如估值腰斩），其对年化回报率的影响（上下浮动7-8个百分点）也远小于在10个月框架下的影响（可能造成当年收益率50个点的上下浮动） [4] 好业务的特征 - 好业务的核心特征是“高价值”、“强依赖”和“大成长” [6] - **高价值**：指业务能够大幅优于行业水平或当前标准，例如将原料药生产成本从行业平均50元/kg降至38元/kg，或将癌症疗法中位生存期从15个月大幅提升至26个月 [6][10] - **强依赖**：源于业务的不可替代性或高转换成本，能形成自锁定格局 [6][7] - 特许经营（如专利期内的创新药、中药保护品种）因法定垄断带来不可替代性 [7] - 高值耗材因产品永久植入体内和对质量的敏感，以及医生操作的学习曲线和习惯，形成高替换成本和强品牌忠诚度 [8] - **大成长**：在长视角下，足够大的成长空间是提供高投资回报的核心，对于高资本回报率公司尤其如此 [12] - 创新药与高值耗材的对比：创新药建立依赖快但瓦解也快（如专利到期），高值耗材建立依赖慢但一旦形成则关系稳固 [11] - 医药公司获得高成长的两大途径：收敛式发展（聚焦开发潜在大爆款）和发散式发展（构建平台化扩张能力），成功企业往往先聚焦打造爆款再稳步外扩 [13] - 创新药和创新高值耗材是当前值得优先关注的好业务领域，因其正经历颠覆性创新，容易孕育高价值新场景，且业务依赖性强，成长动力确定 [13][17] 好公司的特质 - 好公司需要主营业务具备获取强劲现金流的潜力（好业务），且管理层有能力充分挖掘和兑现这些潜力 [9] - 应优先关注在历史经营中体现出“坚韧进取、谦逊适变”特质的公司 [15] - **坚韧进取**：帮助公司闯过建立根据地业务前的“死亡之谷”，并在成功后勇于走出舒适区进行外延扩张 [18] - **谦逊适变**：避免在持久战中因自大而掉坑，并能适应医药行业加速的政策与技术变动，抓住机会、避开风险 [18] - 需关注企业文化和经营治理，警惕管理层将投资人视为博弈对手、内部凝聚力不足、战略分散盲目追逐热点、或过于冒进/保守无法适应行业变革等风险 [16] - 正面案例如国内某制药龙头，早在行业生态未成熟时就坚定布局“创新+国际化”，并重视文化建设；某医疗设备龙头通过“尖刀产品+综合解决方案”战略成功出海；某美股综合型医药公司业务分散但强调“与众不同且正确”，极其重视企业文化和员工培养，实现了稳健增长和高资本回报率 [21] - 筛选新兴公司时，应留意其战略是否符合长期主义与大局观，以及是否重视企业文化建设和凝聚力培养 [19] 提升投资效率与理解市场 - 通过寻找市场与自身研究的预期差来提升研究转化效率，例如2022年初某港股双抗药企的3年回报预期（500%多）与同行（150%-200%）存在剧烈差异，源于对产品定性（PD1双抗是否为划时代产品）的判断不同 [20] - 当前覆盖医药股的3年回报预期中位在50%-70%，但有2家港股高值耗材公司预期达200%左右，预期差可能源于对业务成长性及远端盈利水平的判断 [21][23] - 投资策略需适应医药行业与资本市场的“极端斯坦”特性（非线性分化、不对称剧烈波动） [22] - **横向**：应首选“时代徽章”或潜在的未来时代徽章型标的，抓住爆款机会 [22] - **纵向**：应适应极端情况，考虑在可能进入极端强势的标的中投顺向，或在已处极端弱势的标的中投逆向，并为“向下无底+向上无限”的开辟式创新标的留出“特招”通道 [22] - **关注周期与宏观**：投资需看“天气”，避免在暴风雨中急于赶路，无需着急接跌落的飞刀或硬刚时代洪流 [22] - **利用估值与股价信息**：横向估值比较可发现剧烈预期差，纵向股价变迁能显影市场视角切换痕迹，股价和估值是开源的信息富矿 [22] 行为经济学揭示的非理性陷阱 - 行为经济学研究真实世界中的普遍性行为偏差，与假设完全理性的经典金融学不同 [24] - **损失厌恶**：人们对损失的敏感度远高于对盈利的敏感（可达2倍），易导致过早卖出盈利股（处置效应）和持有亏损股的非理性行为 [25] - **锚定效应**：市场容易基于前期刻板印象给行业或公司贴标签，即使基本面已反转，成见仍难消除，例如siRNA领域和自身对某些港股医药股的误判 [25] - **简化偏差**：人们为节约神经资源，常依赖直觉快思考而非理性慢思考，导致以偏概全（线性外推、光环效应等）和从众（羊群效应）等陷阱 [25] - **叙事经济学**：资产泡沫是结构、心理和故事传播三重机制共振的结果，公共叙事能极大加速或破坏一个趋势，例如“互联网改变一切”、“AI叙事”或医药行业“内卷危机叙事” [25][26] - **禀赋效应**：人们会非理性高估自己已拥有的资产价值，并产生确认性偏差，不利于保持客观 [30] - **心理账户与交易效用**：人们将资金划入不同心理账户并区别对待（如本金保守、盈利部分激进），且交易时更在意是否“占便宜”（如因大幅回调带来的虚假划算感而抄底） [30] 多因子模型中的市场行为偏差 - 多因子模型揭示了市场长期存在的行为偏差规律 [27] - **市场因子与规模因子**：高波动资产和小市值公司长期跑赢，背后可能是风险厌恶导致其定价不足 [32] - **动量因子**：中期（如6-12个月）强势股未来继续强势的概率大，背后可能是从众心理导致的趋势自我强化 [29][32] - **盈利因子与投资因子**：高盈利公司和投资谨慎的公司长期跑赢，背后可能是锚定效应导致市场对其“好”的程度定价不足，低估了其与平庸公司的长期回报差异 [30][32] - 随着量化基金的发展，这些通过“收割”行为偏差获利的策略其超额回报可能逐渐弱化 [31] - 建立在“深度研究+精简投资”基础上的“长线为主+逆向为辅”策略，赚取的是长期价值判断的钱，不受量化基金挤兑分流影响，甚至可能因量化基金的存在而加速优质公司的价值兑现进程 [31][32]

量化模型与因子总结 量化模型与构建方式 1. Barra风格因子模型 **模型名称**：Barra风格因子模型[15] **模型构建思路**：基于多维度风险特征构建系统化的风格因子体系，用于描述股票收益的风险来源[15] **模型具体构建过程**：包含10个风格因子，每个因子都有具体的构建公式[15]： 1. **Beta因子**：历史beta值[15] 2. **市值因子**：总市值取自然对数[15] $$市值因子 = \ln(总市值)$$ 3. **动量因子**：历史超额收益率序列均值[15] 4. **波动因子**：综合波动率指标[15] $$波动因子 = 0.74 \times 历史超额收益率序列波动率 + 0.16 \times 累积超额收益率离差 + 0.1 \times 历史残差收益率序列波动率$$ 5. **非线性市值因子**：市值风格的三次方[15] $$非线性市值因子 = 市值^3$$ 6. **估值因子**：市净率倒数[15] $$估值因子 = \frac{1}{市净率}$$ 7. **流动性因子**：多期换手率加权平均[15] $$流动性因子 = 0.35 \times 月换手率 + 0.35 \times 季换手率 + 0.3 \times 年换手率$$ 8. **盈利因子**：多种盈利指标的综合[15] $$盈利因子 = 0.68 \times 分析师预测盈利价格比 + 0.21 \times 市现率倒数 + 0.11 \times 市盈率TTM倒数$$ 9. **成长因子**：增长类指标的综合[15] $$成长因子 = 0.18 \times 分析师预测长期盈利增长率 + 0.11 \times 分析师预测短期利率增长率 + 0.24 \times 盈利增长率 + 0.47 \times 营业收入增长率$$ 10. **杠杆因子**：多种杠杆指标的综合[15] $$杠杆因子 = 0.38 \times 市场杠杆率 + 0.35 \times 账面杠杆 + 0.27 \times 资产负债率$$ 2. GRU预测模型 **模型名称**：GRU多头预测模型[20][34] **模型构建思路**：使用门控循环单元神经网络预测股票未来价格走势，构建多头组合[20][34] **模型具体构建过程**：包含四种不同训练目标的GRU模型变体[20]： - **close1d模型**：预测未来一日close to close收益率[20] - **open1d模型**：预测未来一日open to open收益率[20] - **barra1d模型**：基于Barra因子预测未来一日收益率[20] - **barra5d模型**：基于Barra因子预测未来五日收益率[20] **模型评价**：barra5d模型今年以来表现较强[34] 3. 多因子组合模型 **模型名称**：多因子组合模型[34] **模型构建思路**：综合多个因子构建投资组合，实现风险分散和收益增强[34] **模型具体构建过程**：在选股池内按月调仓，控制风格偏离和行业偏离[33] 量化因子与构建方式 1. 基本面因子 **因子构建思路**：基于公司财务指标构建，反映公司基本面和价值特征[19][22][25][28] **具体因子类别**： - **静态财务因子**：市盈率、市净率、营业利润率等传统估值指标[19][22][25][28] - **增长类因子**：ROC增长、ROA增长、营业收入增长率等增长指标[19][22][25][28] - **超预期增长因子**：净利润超预期增长、ROE超预期增长等超预期指标[19][22][25][28] 2. 技术类因子 **因子构建思路**：基于价格和成交量数据构建，反映市场行为和技术特征[19][22][25][28] **具体因子类别**： - **动量因子**：20日动量、60日动量、120日动量等不同周期的动量指标[19][22][25][28] - **波动因子**：20日波动、60日波动、120日波动等波动率指标[19][22][25][28] - **其他技术因子**：中位数离差等技术指标[19][22][25][28] 模型的回测效果 测试参数设置 - **选股池**：万得全A，剔除ST、*ST、停牌不可交易、上市不满180日股票[33] - **业绩基准**：中证1000指数[33] - **调仓频率**：月度调仓[33] - **手续费**：双边千3[33] - **权重限制**：个股权重上限千2[33] - **风险控制**：风格偏离0.5标准差，行业偏离0.01[33] 具体表现数据 **GRU多头组合表现**[35]： - open1d模型：近一周-1.12%，近一月-0.40%，近三月0.62%，近六月-0.46%，今年以来5.99% - close1d模型：近一周-0.97%，近一月1.71%，近三月1.30%，近六月0.65%，今年以来5.21% - barra1d模型：近一周-0.54%，近一月-1.00%，近三月1.06%，近六月1.56%，今年以来4.62% - barra5d模型：近一周-0.62%，近一月2.29%，近三月1.80%，近六月2.08%，今年以来8.55% **多因子组合表现**[35]： - 近一周-0.47%，近一月-0.12%，近三月1.43%，近六月-0.53%，今年以来1.17% 因子的回测效果 风格因子多空收益表现[17] - 动量因子：最近一周-1.93%，最近一月-8.36%，最近半年-24.78%，今年以来19.89% - 波动因子：最近一周1.82%，最近一月-2.33%，最近半年16.17%，今年以来6.56% - beta因子：最近一周-1.54%，最近一月5.68%，最近半年0.60%，今年以来19.29% - 流动性因子：最近一周0.91%，最近一月42.89%，最近半年9.98%，今年以来12.24% - 估值因子：最近一周0.82%，最近一月0.46%，最近半年0.14%，今年以来3.77% - 成长因子：最近一周0.71%，最近一月2.28%，最近半年2.34%，今年以来3.16% - 杠杆因子：最近一周0.35%，最近一月2.37%，最近半年3.68%，今年以来15.17% - 盈利因子：最近一周0.49%，最近一月-0.64%，最近半年7.01%，今年以来14.10% - 非线性市值因子：最近一周4.22%，最近一月0.44%，最近半年3.16%，今年以来-32.83% - 市值因子：最近一周5.39%，最近一月0.59%，最近半年2.18%，今年以来-37.92% GRU因子多空表现[20] - barra1d：最近一周-1.04%，最近一月-2.69%，最近半年3.42%，今年以来-10.57% - open1d：最近一周-0.21%，最近一月-2.71%，最近半年-1.70%，今年以来3.30% - barra5d：最近一周-0.02%，最近一月3.42%，最近半年5.78%，今年以来7.74% - close1d：最近一周0.04%，最近一月6.10%，最近半年13.61%，今年以来26.47%

根据研报内容，总结如下： 量化模型与构建方式 1. **模型名称：券商金股业绩增强组合**[39][42] * **模型构建思路**：基于券商金股股票池能够较好地跟踪偏股混合型基金指数表现的特征，通过多因子模型在该股票池中进行优选，旨在构建一个能够稳定战胜偏股混合型基金指数的投资组合[12][42] * **模型具体构建过程**：模型以券商金股股票池为选股空间和约束基准，采用组合优化的方式控制组合与券商金股股票池在个股、风格上的偏离，并以全体公募基金的行业分布为行业配置基准，进行组合构建[42] 模型的回测效果 1. **券商金股业绩增强组合**：全样本区间（2018.1.2-2025.6.30）年化收益为19.34%，相对偏股混合型基金指数年化超额收益为14.38%[46]；2025年本月（20251009-20251031）绝对收益-0.77%，相对偏股混合型基金指数超额收益1.37%[5][41]；2025年本年（20250102-20251031）绝对收益35.08%，相对偏股混合型基金指数超额收益2.61%[5][41] 量化因子与构建方式 1. **因子名称：总市值**[3][29] * **因子表现**：最近一个月及今年以来在券商金股股票池中表现较好[3][29] 2. **因子名称：单季度超预期幅度**[3][29] * **因子表现**：最近一个月在券商金股股票池中表现较好[3][29] 3. **因子名称：波动率**[3][29] * **因子表现**：最近一个月在券商金股股票池中表现较好，但今年以来表现较差[3][29] 4. **因子名称：剥离涨停动量**[3][29] * **因子表现**：最近一个月在券商金股股票池中表现较差[3][29] 5. **因子名称：单季度ROE**[3][29] * **因子表现**：最近一个月在券商金股股票池中表现较差[3][29] 6. **因子名称：EPTTM**[3][29] * **因子表现**：最近一个月及今年以来在券商金股股票池中表现较差[3][29] 7. **因子名称：单季度营收增速**[3][29] * **因子表现**：今年以来在券商金股股票池中表现较好[3][29] 8. **因子名称：分析师净上调幅度**[3][29] * **因子表现**：今年以来在券商金股股票池中表现较好[3][29] 9. **因子名称：预期股息率**[3][29] * **因子表现**：今年以来在券商金股股票池中表现较差[3][29] 因子的回测效果 （报告中未提供具体因子分组的回测指标数值，仅提供了定性表现排序）

公司概况与市场地位 - 天演资本成立于2014年，由谢晓阳和张森联合创立，两位创始人均具备十余年行业经验[2] - 公司为百亿量化私募，其名称“天演”源于《天演论》，体现了拥抱变化、持续迭代的文化基因[2] - 截至2025年9月底，公司今年来及近1年业绩均位列百亿量化私募前10，近3年收益位列第1，旗下11只产品合计规模约21亿元，近3年收益均值表现突出[3][4] 核心策略与产品业绩 - 公司策略体系以多因子模型为中心，进行全市场量化选股，在较宽松约束下以低成本获取较高阿尔法收益[8] - 截至2025年9月底，公司有业绩展示的9只量化选股产品今年来收益均实现显著正增长，超额收益也均在较高水平[8] - 旗舰产品“天演赛能”成立于2016年5月，是市场上成立时间最长的量化选股策略之一，成立以来收益和年化收益表现优异，近1年最大回撤控制良好[10] - 产品“天演神州机遇2号A类份额”自2021年市场高位成立以来，截至9月底也取得了可观收益[10] 投研文化与团队建设 - 公司投研团队超一半以上为理工科博士，来自剑桥、清华、北大等知名学府[12] - 公司秉承自由探索的投研文化，短期不设固化KPI，鼓励研究员完成“提出想法→模型构造→数据验证”的全链路探索；长期注重基础性积累与核心方向明确[12] 规模管理与未来发展 - 公司注重规模与长期业绩的平衡，在产品线设计之初即考虑满足大多数投资人的大规模需求，选择可承载规模的扎实投研方法[13] - 公司在2021年规模迅速增长后坚决封盘，直至2023年末才恢复募集，体现了不盲目追求规模增长、遵循资管行业铁律的理念[14] - 针对中小盘股行情，公司不进行静态预测，而是通过定量模型实时判断，专注于数据挖掘和模型优化[15] - 公司于2021年获得香港9号牌照，客户主要为国外大型主权基金或养老金，在服务海外资本配置中国资产方面已发展成为国际机构认可的量化资管公司[16]

报告行业投资评级 未提及 报告的核心观点 根据华泰商品多因子模型 本周建议多配铜、白银、豆油、黄金、鲜苹果 少配玻璃、氧化铝、纯碱、鸡蛋、苯乙烯[4][51] 根据相关目录分别进行总结 板块流动性 - 本周基本金属板块成交17843.54亿元 较上周变动104.21% 保证金507.24亿元 较上周变动 - 33.30亿元[1] - 能源化工板块成交16411.53亿元 较上周变动148.50% 保证金365.00亿元 较上周变动1.98亿元[1] - 农产品板块成交12221.84亿元 较上周变动88.30% 保证金418.53亿元 较上周变动18.64亿元[1] - 贵金属板块成交51723.17亿元 较上周变动271.03% 保证金763.38亿元 较上周变动49.60亿元[1] - 黑色建材成交10133.42亿元 较上周变动161.66% 保证金333.53亿元 较上周变动19.48亿元[1] - 股指期货板块成交39218.50亿元 较上周变动133.22% 保证金1549.17亿元 较上周变动 - 106.72亿元[1] - 国债期货板块成交15928.95亿元 较上周变动132.22% 保证金160.84亿元 较上周变动11.45亿元[1] 市场与板块风格 - 今年以来 万得商品指数涨跌幅33.76% 有色指数涨跌幅2.25% 能源指数涨跌幅 - 22.63% 化工指数涨跌幅 - 17.92% 油脂油料指数涨跌幅4.47% 贵金属指数涨跌幅48.17% 煤焦钢矿指数涨跌幅0.64%[2] - 华泰商品长周期动量指数涨跌幅18.76% 短周期动量指数涨跌幅0.20% 偏度指数涨跌幅12.23% 期限结构指数涨跌幅3.39%[2] - 股指期权最新VIX指标情况 上证50股指期权19.26% 沪深300股指期权20.98% 中证1000股指期权26.67%[2] 板块升贴水结构 - 股指期货最新基差情况 IH7.47点 IF - 17.27点 IC - 143.47点 IM - 159.17点 年化基差率情况 IH1.46% IF - 2.22% IC - 11.85% IM - 12.83%[3] - 国债期货最新基差情况 TS - 0.02元 TF - 0.05元 T0.10元 TL - 0.29元 最新净基差情况 TS - 0.01元 TF - 0.04元 T - 0.08元 TL - 0.51元[3] 策略 - 根据华泰商品多因子模型 本周建议多配铜、白银、豆油、黄金、鲜苹果 建议少配玻璃、氧化铝、纯碱、鸡蛋、苯乙烯[4][51]

根据研报内容，以下是关于量化模型和因子的总结： 量化因子与构建方式 1. Barra风格因子[14] **因子构建思路**：采用经典的Barra风险模型框架，构建多个维度（如市场、估值、盈利等）的风格因子，用于描述股票的风险收益特征[14] **因子具体构建过程**： - **Beta因子**：历史beta - **市值因子**：总市值取自然对数 - **动量因子**：历史超额收益率序列均值 - **波动因子**：$$0.74 \times 历史超额收益率序列波动率 + 0.16 \times 累积超额收益率离差 + 0.1 \times 历史残差收益率序列波动率$$ - **非线性市值因子**：市值风格的三次方 - **估值因子**：市净率倒数 - **流动性因子**：$$0.35 \times 月换手率 + 0.35 \times 季换手率 + 0.3 \times 年换手率$$ - **盈利因子**：$$0.68 \times 分析师预测盈利价格比 + 0.21 \times 市现率倒数 + 0.11 \times 市盈率ttm倒数$$ - **成长因子**：$$0.18 \times 分析师预测长期盈利增长率 + 0.11 \times 分析师预测短期利率增长率 + 0.24 \times 盈利增长率 + 0.47 \times 营业收入增长率$$ - **杠杆因子**：$$0.38 \times 市场杠杆率 + 0.35 \times 账面杠杆 + 0.27 \times 资产负债率$$ 2. 技术类因子[19][26][30] **因子构建思路**：基于股价和交易量数据构建动量、波动率等技术指标因子 **因子具体构建过程**： - **20日动量因子**：基于20日价格变化的动量指标 - **60日动量因子**：基于60日价格变化的动量指标 - **120日动量因子**：基于120日价格变化的动量指标 - **20日波动因子**：基于20日价格波动率 - **60日波动因子**：基于60日价格波动率 - **120日波动因子**：基于120日价格波动率 - **中位数离差因子**：价格相对于中位数的偏离程度 3. 基本面因子[22][26][29] **因子构建思路**：基于财务报表数据构建估值、盈利、成长等基本面指标 **因子具体构建过程**： - **估值类因子**：市盈率、市销率等估值指标 - **盈利类因子**：ROE、ROA、营业利润率等盈利能力指标 - **成长类因子**：ROC增长、ROA增长、营业利润增长等成长性指标 - **超预期增长类因子**：ROC超预期增长、ROA超预期增长、净利润超预期增长等 - **静态财务因子**：营业周转率等静态财务指标 量化模型与构建方式 1. GRU模型[20][32] **模型构建思路**：使用门控循环单元（GRU）神经网络预测股票收益，基于不同训练目标构建多个模型变体 **模型具体构建过程**： - **close1d模型**：预测未来一日close to close收益的GRU模型 - **open1d模型**：预测未来一日open to open收益的GRU模型 - **barra1d模型**：基于Barra因子体系预测收益的GRU模型 - **barra5d模型**：基于Barra因子体系预测5日收益的GRU模型 2. 多因子模型[32] **模型构建思路**：综合多个有效因子构建复合多因子选股模型 模型的回测效果 1. GRU模型多头组合表现[33] - **open1d模型**：近一周超额0.68%，近一月-1.02%，近三月-2.91%，近六月2.05%，今年以来4.85% - **close1d模型**：近一周超额1.29%，近一月-2.29%，近三月-6.21%，近六月0.42%，今年以来1.44% - **barra1d模型**：近一周超额-0.17%，近一月0.42%，近三月1.64%，近六月3.68%，今年以来5.22% - **barra5d模型**：近一周超额1.60%，近一月-2.60%，近三月-5.71%，近六月0.56%，今年以来3.45% 2. 多因子组合表现[33] - 近一周超额1.35%，近一月-0.76%，近三月-2.34%，近六月-1.07%，今年以来0.88% 因子的回测效果 1. 技术类因子多空收益表现[19][26][30] - **20日动量因子**：全市场近一周-1.61%，中证500近一周-3.50%，中证1000近一周-2.35% - **60日动量因子**：全市场近一周-3.11%，中证500近一周-3.51%，中证1000近一周-3.74% - **120日动量因子**：全市场近一周-2.86%，中证500近一周-3.81%，中证1000近一周-3.46% - **20日波动因子**：全市场近一周-3.10%，中证500近一周-3.97%，中证1000近一周-4.54% - **60日波动因子**：全市场近一周-2.78%，中证500近一周-2.30%，中证1000近一周-3.90% - **120日波动因子**：全市场近一周-1.93%，中证500近一周-3.38%，中证1000近一周-4.01% 2. 基本面因子多空收益表现[22][26][29] - **估值类因子**：沪深300内多数表现为负向，如市盈率因子近一周-1.62% - **盈利类因子**：沪深300内ROE因子近一周-0.86%，ROA因子近一周-0.71% - **成长类因子**：沪深300内ROC增长因子近一周0.68%，ROA增长因子近一周0.82% - **超预期增长类因子**：沪深300内ROC超预期增长近一周-0.25%，净利润超预期增长近一周0.68%

广发金工Alpha因子数据库概述 - 数据库基于mysql8.0构建 覆盖基本面因子、Level-1中高频因子、Level-2高频因子、机器学习因子及另类数据因子等多元类型[1] - 依托100TB级存储数据库与高性能CPU/GPU算力服务器 支持多空策略、指数增强、ETF轮动等量化策略[1] - 整合Wind、天软、通联等多源数据供应商 实现因子高效研发与动态更新[1] 核心Alpha因子性能表现 - 深度学习类因子表现突出：GRU因子历史胜率达91.97% RankIC自相关性91.42%[3] - Level-2高频因子中 大买大卖单复合因子(bigbuy_bigsell)历史胜率79.05% RankIC达94.72%[3] - 长短单复合因子(integrated_longshort)历史均值10.70% RankIC自相关性98.09%[3] - 集合竞价阶段因子表现分化：开盘集合竞价成交委托比因子(transaction_order_ratio_oa)历史均值-10.03% 但胜率达76.68%[3] - 分钟频行情统计因子中 上行收益率方差(real_upvar)历史均值-9.82% RankIC达93.67%[3] - 成交量分布因子显示午后时段占比提升：第7个半小时成交量占比因子(ratio_volumeH7)历史均值4.80% 胜率74.39%[3] 多因子研究体系 - 已形成九十五篇系列专题报告 覆盖风格因子、行业选择、机器学习应用等多维度研究[4][5] - 研究深度贯穿微观至宏观：包括个股量化选股（系列一）、行业轮动（系列二）、宏观周期关联（系列八）等[4] - 高频数据应用持续深化：系列三十九至四十四专注日内高频数据因子化方法[4][5] - 创新研究领域扩展：涵盖可转债多因子组合（系列六十六）、地理关联度因子（系列五十）等前沿方向[5] 研究团队配置 - 团队核心成员具备多年从业经验：首席分析师安宁宁自2011年加入 覆盖全研究方向[6] - 专业背景复合化：成员学历覆盖暨南大学、中山大学、上海交通大学及海外高校 研究领域互补[7][8] - 研究方向系统化布局：涵盖量化择时、CTA策略、资产配置、因子选股等多元领域[7][8]

量化模型与构建方式 1. **模型名称：券商金股业绩增强组合**[39][43] **模型构建思路**：以券商金股股票池为选股空间，通过多因子方式优选个股，旨在构建一个能稳定战胜偏股混合型基金指数的投资组合[12][39][43] **模型具体构建过程**： 1. 选股空间：每月初汇总所有券商发布的金股，构成基础股票池[19][39] 2. 优化目标：以全体公募基金的行业分布为行业配置基准，控制组合与券商金股股票池在个股、风格上的偏离[43] 3. 组合构建：采用组合优化的方法进行构建，具体多因子选股模型细节需参考专题报告《券商金股全解析—数据、建模与实践》[12][39][43] 4. 仓位管理：以每次调仓时点所能获取的主动股基最近一个报告期的权益仓位中位数作为组合的仓位[19] **模型评价**：该组合历史表现稳健，能够较好地跟踪并稳定战胜偏股混合型基金指数，体现了从券商金股股票池中进一步精选的价值[12][43][44] 模型的回测效果 1. **券商金股业绩增强组合（考虑仓位）**[39][44][47] 本月（20250801-20250829）绝对收益15.49%[5][42] 本月（20250801-20250829）相对偏股混合型基金指数超额收益3.59%[5][42] 本年（20250102-20250829）绝对收益34.01%[5][42] 本年（20250102-20250829）相对偏股混合型基金指数超额收益5.72%[5][42] 今年以来在主动股基中排名分位点30.38%[5][42] 全样本年化收益19.34%[44][47] 全样本相对偏股混合型基金指数年化超额收益14.38%[44][47] 量化因子与构建方式 1. **因子名称：单季度净利润增速**[3][29] **因子构建思路**：基于公司最新单季度的净利润增长情况来构建因子，旨在捕捉企业的盈利增长能力[3][29] **因子具体构建过程**：报告未提供具体计算公式，仅提及因子名称及表现[3][29] 2. **因子名称：单季度ROE**[3][29] **因子构建思路**：基于公司最新单季度的净资产收益率来构建因子，旨在衡量企业的股东权益回报能力[3][29] **因子具体构建过程**：报告未提供具体计算公式，仅提及因子名称及表现[3][29] 3. **因子名称：单季度营收增速**[3][29] **因子构建思路**：基于公司最新单季度的营业收入增长情况来构建因子，旨在捕捉企业的收入增长能力[3][29] **因子具体构建过程**：报告未提供具体计算公式，仅提及因子名称及表现[3][29] 4. **因子名称：BP**[3][29] **因子构建思路**：通常指账面市值比（Book-to-Price），旨在捕捉价值效应[3][29] **因子具体构建过程**：报告未提供具体计算公式，仅提及因子名称及表现[3][29] 5. **因子名称：日内收益率**[3][29] **因子构建思路**：旨在捕捉股票的短期价格动量或反转效应[3][29] **因子具体构建过程**：报告未提供具体计算公式，仅提及因子名称及表现[3][29] 6. **因子名称：预期股息率**[3][29] **因子构建思路**：基于预期的股息支付来构建因子，旨在捕捉高股息收益股票的收益特征[3][29] **因子具体构建过程**：报告未提供具体计算公式，仅提及因子名称及表现[3][29] 7. **因子名称：总市值**[3][29] **因子构建思路**：基于公司的总市值来构建因子，旨在捕捉规模效应[3][29] **因子具体构建过程**：报告未提供具体计算公式，仅提及因子名称及表现[3][29] 8. **因子名称：分析师净上调幅度**[3][29] **因子构建思路**：基于分析师对盈利预测的调整幅度来构建因子，旨在捕捉分析师乐观情绪带来的超额收益[3][29] **因子具体构建过程**：报告未提供具体计算公式，仅提及因子名称及表现[3][29] 9. **因子名称：波动率**[3][29] **因子构建思路**：旨在衡量股票价格的波动风险[3][29] **因子具体构建过程**：报告未提供具体计算公式，仅提及因子名称及表现[3][29] 因子的回测效果 1. **单季度净利润增速因子**[3][29] 最近一个月表现：较好[3][29] 今年以来表现：未提及 2. **单季度ROE因子**[3][29] 最近一个月表现：较好[3][29] 今年以来表现：未提及 3. **单季度营收增速因子**[3][29] 最近一个月表现：较好[3][29] 今年以来表现：较好[3][29] 4. **BP因子**[3][29] 最近一个月表现：较差[3][29] 今年以来表现：较差[3][29] 5. **日内收益率因子**[3][29] 最近一个月表现：较差[3][29] 今年以来表现：未提及 6. **预期股息率因子**[3][29] 最近一个月表现：较差[3][29] 今年以来表现：较差[3][29] 7. **总市值因子**[3][29] 最近一个月表现：未提及 今年以来表现：较好[3][29] 8. **分析师净上调幅度因子**[3][29] 最近一个月表现：未提及 今年以来表现：较好[3][29] 9. **波动率因子**[3][29] 最近一个月表现：未提及 今年以来表现：较差[3][29]

沪深300指数增强策略优化 - 结合适合沪深300成分股的多因子模型与小市值高增长卫星策略可稳定提升业绩 2016年以来年化超额收益达12.6% 跟踪误差5.2% [1][2] - 成分股内部分类似低风险底仓 跟踪误差和回撤较小但超额收益较弱 成分股外部分收益弹性大但波动更高 [1] - 沪深300成分股内基本面因子和价格动量因子选股效果优于全A市场 需针对性构建多因子模型 回测显示该模型在成分股内选股稳健性更优 [1] 组合构建方法论 - 通过输入端预期收益调整或输出端多策略形式均可改善业绩 2016年以来年化超额收益不低于10% 信息比高于2.0 [2] - 卫星策略可采用小市值高增长或GARP策略替代 极端情况下全卫星配置可使年化超额收益升至17.5% 但跟踪误差同步增至7.6% [2] - 最优配置比例需权衡风险偏好 测试显示域内30%+域外10%配置下信息比达2.38 相对回撤控制在9.0% [2] 因子表现差异 - 沪深300成分股内外因子表现存在显著差异 需区别于全A模型单独优化 [1] - 成分股外组合的高波动特性使其更适合作为收益增强的卫星策略配置 [1][2]