国信金工指数增强组合本周表现 - 沪深300指数增强组合本周超额收益为-0.67%，本年累计超额收益为4.69% [1][6] - 中证500指数增强组合本周超额收益为-0.90%，本年累计超额收益为2.67% [1][6] - 中证1000指数增强组合本周超额收益为0.01%，本年累计超额收益为4.06% [1][6] - 中证A500指数增强组合本周超额收益为-1.25%，本年累计超额收益为0.48% [1][6] 不同选股空间下的因子表现 - **沪深300成分股中**：最近一周表现较好的因子包括一年动量（0.96%）、标准化预期外收入（0.78%）和单季ROE（0.57%）；表现较差的因子包括EPTTM（-1.06%）、预期EPTTM（-1.03%）和一个月波动（-0.93%）[7] - **中证500成分股中**：最近一周表现较好的因子包括特异度（1.16%）、三个月反转（0.63%）和标准化预期外收入（0.45%）；表现较差的因子包括预期PEG（-1.98%）、三个月换手（-1.68%）和一个月换手（-1.63%）[8][9] - **中证1000成分股中**：最近一周表现较好的因子包括特异度（2.41%）、三个月反转（1.59%）和一年动量（1.07%）；表现较差的因子包括预期BP（-2.38%）、预期PEG（-2.09%）和BP（-2.03%）[10][11] - **中证A500指数成分股中**：最近一周表现较好的因子包括一年动量（1.05%）、标准化预期外收入（0.82%）和高管薪酬（0.73%）；表现较差的因子包括单季EP（-1.67%）、预期EPTTM（-1.63%）和三个月波动（-1.47%）[12][13] - **公募基金重仓股中**：最近一周表现较好的因子包括一年动量（1.57%）、特异度（1.45%）和三个月反转（1.19%）；表现较差的因子包括股息率（-1.39%）、预期EPTTM（-1.31%）和预期BP（-1.21%）[14][15] 公募基金指数增强产品表现与规模 - **产品数量与规模**：目前公募基金沪深300指数增强产品共80只，总规模688亿元；中证500指数增强产品共80只，总规模602亿元；中证1000指数增强产品共46只，总规模296亿元；中证A500指数增强产品共79只，总规模383亿元 [17] - **沪深300指数增强产品**：本周超额收益最高2.25%，最低-1.21%，中位数-0.03%；最近一月最高13.71%，最低-4.58%，中位数0.35%；今年以来最高11.35%，最低-4.91%，中位数2.35% [18][20] - **中证500指数增强产品**：本周超额收益最高0.79%，最低-2.92%，中位数-0.75%；最近一月最高2.64%，最低-8.83%，中位数-0.91%；今年以来最高6.14%，最低-8.58%，中位数-0.38% [21][23] - **中证1000指数增强产品**：本周超额收益最高1.10%，最低-1.52%，中位数-0.51%；最近一月最高3.78%，最低-8.94%，中位数-1.71%；今年以来最高7.34%，最低-7.41%，中位数1.60% [22][25] - **中证A500指数增强产品**：本周超额收益最高1.65%，最低-1.53%，中位数-0.09%；最近一月最高2.78%，最低-3.40%，中位数0.12%；今年以来最高7.88%，最低-2.65%，中位数1.64% [24][26]

量化模型与因子总结 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**[11][12] * **模型构建思路**：以多因子选股为主体，通过收益预测、风险控制和组合优化三个主要步骤，构建能够稳定战胜特定基准指数（如沪深300、中证500等）的投资组合[11][12]。 * **模型具体构建过程**： 1. **收益预测**：基于多因子模型对股票未来收益进行预测。 2. **风险控制**：控制组合相对于基准指数在行业、风格等方面的风险暴露。 3. **组合优化**：在满足各项风险约束的条件下，通过优化算法求解最优的股票权重，以最大化预期收益或风险调整后收益[12]。 2. **模型名称：单因子MFE组合模型**[15][40] * **模型构建思路**：为了在更贴近实际投资约束（如控制行业、风格暴露）的条件下检验单因子的有效性，采用组合优化的方式，构建最大化该因子暴露的投资组合（Maximized Factor Exposure Portfolio, MFE组合），并通过该组合相对于基准的表现来判断因子有效性[15][40]。 * **模型具体构建过程**： 1. 设定优化目标为最大化组合在目标因子上的暴露度，即目标函数为： $$\max f^{T}w$$ 其中，$f$为因子取值向量，$w$为待求解的股票权重向量[40]。 2. 施加一系列实际投资约束，包括： * **风格暴露约束**：$s_{l} \leq X(w-w_{b}) \leq s_{h}$，限制组合相对于基准指数在风格因子上的偏离度，$X$为风格暴露矩阵，$w_b$为基准权重[41]。 * **行业偏离约束**：$h_{l} \leq H(w-w_{b}) \leq h_{h}$，限制组合相对于基准指数的行业偏离，$H$为行业暴露矩阵[41]。 * **个股权重偏离约束**：$w_{l} \leq w-w_{b} \leq w_{h}$，限制个股相对于其基准权重的偏离幅度[41]。 * **成分股权重占比约束**：$b_{l} \leq B_{b}w \leq b_{h}$，限制组合在基准成分股内的权重占比，$B_b$为成分股标识向量[41]。 * **卖空与权重上限约束**：$\mathbf{0} \leq w \leq l$，禁止卖空并设置个股权重上限[41]。 * **满仓约束**：$\mathbf{1}^{T}w = 1$，要求组合权重和为1，即满仓运作[42]。 3. 在每个月末，根据上述优化模型求解得到每个单因子的MFE组合权重[44]。 4. 在回测期内定期换仓，计算组合历史收益并扣除交易费用，评估其相对于基准的表现[44]。 3. **模型名称：公募重仓指数构建模型**[42][43] * **模型构建思路**：为了测试因子在公募基金持仓风格下的有效性，通过汇总公募基金定期报告的持仓信息，构建一个反映公募基金整体重仓股情况的指数，作为新的因子测试样本空间[42]。 * **模型具体构建过程**： 1. **确定样本基金**：选取普通股票型基金和偏股混合型基金，剔除规模小于五千万且上市不足半年的基金[43]。 2. **获取持仓数据**：从基金的定期报告（年报、半年报、季报）中获取持股信息。对于季报，需结合前期的年报或半年报信息来构建完整的持仓数据[43]。 3. **计算平均持仓**：将所有符合条件的基金持仓股票进行权重平均，得到公募基金的平均持仓信息[43]。 4. **筛选成分股**：将平均后的股票权重降序排序，选取累计权重达到90%的股票作为成分股，构建公募基金重仓指数[43]。 量化因子与构建方式 报告从估值、反转、成长、盈利、流动性、公司治理、分析师等多个维度构建了30余个常见因子[16]。以下是部分因子的具体构建方式： 1. **因子名称：BP (账面市值比)**[17] * **因子构建思路**：衡量公司净资产与市场价值的比率，属于估值类因子。 * **因子具体构建过程**：$$BP = \frac{净资产}{总市值}$$ 2. **因子名称：单季EP (单季度盈余价格比)**[17] * **因子构建思路**：使用单季度净利润衡量公司的短期盈利与市值关系，属于估值类因子。 * **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：EPTTM (滚动盈余价格比)**[17] * **因子构建思路**：使用过去十二个月（TTM）的净利润衡量公司的盈利与市值关系，属于估值类因子。 * **因子具体构建过程**：$$EPTTM = \frac{归母净利润TTM}{总市值}$$ 4. **因子名称：股息率**[17] * **因子构建思路**：衡量公司的现金分红回报率，属于估值类因子。 * **因子具体构建过程**：$$股息率 = \frac{最近四个季度预案分红金额}{总市值}$$ 5. **因子名称：一个月反转**[17] * **因子构建思路**：捕捉股票的短期反转效应，即过去表现差的股票未来可能反弹，属于反转类因子。 * **因子具体构建过程**：$$一个月反转 = 过去20个交易日涨跌幅$$ 6. **因子名称：三个月反转**[17] * **因子构建思路**：捕捉股票的中期反转效应，属于反转类因子。 * **因子具体构建过程**：$$三个月反转 = 过去60个交易日涨跌幅$$ 7. **因子名称：一年动量**[17] * **因子构建思路**：捕捉股票的中长期动量效应，即过去表现好的股票未来可能继续走强，属于动量类因子。 * **因子具体构建过程**：$$一年动量 = 近一年除近一月后动量$$ (计算近一年收益率，但剔除最近一个月的收益率以避免与短期反转冲突) 8. **因子名称：单季营收同比增速**[17] * **因子构建思路**：衡量公司营业收入的短期增长情况，属于成长类因子。 * **因子具体构建过程**：$$单季营收同比增速 = 单季度营业收入同比增长率$$ 9. **因子名称：SUE (标准化预期外盈利)**[17] * **因子构建思路**：衡量公司实际盈利超出市场一致预期的程度，并进行标准化处理，属于成长类因子。 * **因子具体构建过程**：$$SUE = \frac{(单季度实际净利润 - 预期净利润)}{预期净利润的标准差}$$ 10. **因子名称：标准化预期外收入**[17] * **因子构建思路**：衡量公司实际营业收入超出市场一致预期的程度，并进行标准化处理，属于成长类因子。 * **因子具体构建过程**：$$SUR = \frac{(单季度实际营业收入 - 预期营业收入)}{预期营业收入的标准差}$$ 11. **因子名称：单季ROE (单季度净资产收益率)**[17] * **因子构建思路**：衡量公司单季度的股东权益回报率，属于盈利类因子。 * **因子具体构建过程**：$$单季ROE = \frac{单季度归母净利润 \times 2}{(期初归母净资产 + 期末归母净资产)}$$ 12. **因子名称：DELTAROE (净资产收益率变化)**[17] * **因子构建思路**：衡量公司盈利能力（ROE）的改善情况，属于盈利类因子。 * **因子具体构建过程**：$$DELTAROE = 单季度净资产收益率 - 去年同期单季度净资产收益率$$ 13. **因子名称：一个月换手**[17] * **因子构建思路**：衡量股票的短期流动性，属于流动性类因子。 * **因子具体构建过程**：$$一个月换手 = 过去20个交易日换手率均值$$ 14. **因子名称：特异度 (残差波动率)**[17] * **因子构建思路**：衡量股票价格波动中不能被常见风险因子（如Fama-French三因子）解释的部分，属于波动类因子。 * **因子具体构建过程**：$$特异度 = 1 - 过去20个交易日Fama-French三因子回归的拟合度(R^2)$$ 15. **因子名称：一个月波动**[17] * **因子构建思路**：衡量股票的短期价格波动风险，属于波动类因子。 * **因子具体构建过程**：$$一个月波动 = 过去20个交易日日内真实波幅均值$$ 16. **因子名称：高管薪酬**[17] * **因子构建思路**：以公司高管薪酬总额的对数作为公司治理水平的代理变量，属于公司治理类因子。 * **因子具体构建过程**：$$高管薪酬 = \log(前三高管报酬总额)$$ 17. **因子名称：预期EPTTM (一致预期滚动EP)**[17] * **因子构建思路**：基于分析师一致预期的未来盈利计算的盈余价格比，属于分析师类因子。 * **因子具体构建过程**：$$预期EPTTM = 一致预期滚动EP$$ 18. **因子名称：预期PEG**[17] * **因子构建思路**：结合成长性与估值，衡量股票的成长性价比，属于分析师类因子。 * **因子具体构建过程**：$$预期PEG = 一致预期PEG$$ 19. **因子名称：三个月盈利上下调**[17] * **因子构建思路**：反映分析师群体对公司盈利预期的调整方向，属于分析师类因子。 * **因子具体构建过程**：$$三个月盈利上下调 = \frac{过去3个月内分析师(上调家数 - 下调家数)}{总家数}$$ 模型的回测效果 1. **国信金工沪深300指数增强组合**，本周超额收益-0.67%，本年（今年以来）超额收益4.69%[5][14]。 2. **国信金工中证500指数增强组合**，本周超额收益-0.90%，本年（今年以来）超额收益2.67%[5][14]。 3. **国信金工中证1000指数增强组合**，本周超额收益0.01%，本年（今年以来）超额收益4.06%[5][14]。 4. **国信金工中证A500指数增强组合**，本周超额收益-1.25%，本年（今年以来）超额收益0.48%[5][14]。 因子的回测效果 (以单因子MFE组合表现衡量) **注**：以下为各因子在**最近一周**、**最近一月**和**今年以来**三个时间窗口内，相对于其对应基准指数的MFE组合超额收益表现摘要。因子方向“正向”表示因子值越大越看好，“反向”则相反。 在沪深300样本空间中[18][19] 1. **一年动量因子**，因子方向正向，最近一周超额收益0.96%，最近一月超额收益3.42%，今年以来超额收益4.54%。 2. **标准化预期外收入因子**，因子方向正向，最近一周超额收益0.78%，最近一月超额收益0.95%，今年以来超额收益3.53%。 3. **单季ROE因子**，因子方向正向，最近一周超额收益0.57%，最近一月超额收益0.72%，今年以来超额收益3.95%。 4. **EPTTM因子**，因子方向正向，最近一周超额收益-1.06%，最近一月超额收益-4.71%，今年以来超额收益-1.91%。 5. **预期EPTTM因子**，因子方向正向，最近一周超额收益-1.03%，最近一月超额收益-1.09%，今年以来超额收益2.32%。 6. **一个月波动因子**，因子方向反向，最近一周超额收益-0.93%，最近一月超额收益-4.70%，今年以来超额收益-2.57%。 在中证500样本空间中[20][21] 1. **特异度因子**，因子方向反向，最近一周超额收益表现较好（报告中未给出具体数值，表述为“表现较好”）。 2. **三个月反转因子**，因子方向反向，最近一周超额收益表现较好。 3. **标准化预期外收入因子**，因子方向正向，最近一周超额收益表现较好。 4. **预期PEG因子**，因子方向反向，最近一周超额收益表现较差。 5. **三个月换手因子**，因子方向反向，最近一周超额收益表现较差。 6. **一个月换手因子**，因子方向反向，最近一周超额收益表现较差。 在中证1000样本空间中[22][23] 1. **特异度因子**，因子方向反向，最近一周超额收益2.41%，最近一月超额收益1.49%，今年以来超额收益3.90%。 2. **三个月反转因子**，因子方向反向，最近一周超额收益1.59%，最近一月超额收益-0.34%，今年以来超额收益1.98%。 3. **一年动量因子**，因子方向正向，最近一周超额收益1.07%，最近一月超额收益3.58%，今年以来超额收益5.33%。 4. **预期BP因子**，因子方向正向，最近一周超额收益-2.38%，最近一月超额收益-5.17%，今年以来超额收益-3.92%。 5. **预期PEG因子**，因子方向反向，最近一周超额收益-2.09%，最近一月超额收益-4.23%，今年以来超额收益-0.84%。 6. **BP因子**，因子方向正向，最近一周超额收益-2.03%，最近一月超额收益-8.49%，今年以来超额收益-7.75%。 在中证A500样本空间中[24][25] 1. **一年动量因子**，因子方向正向，最近一周超额收益1.05%，最近一月超额收益3.45%，今年以来超额收益2.38%。 2. **标准化预期外收入因子**，因子方向正向，最近一周超额收益0.82%，最近一月超额收益1.80%，今年以来超额收益6.14%。 3. **高管薪酬因子**，因子方向正向，最近一周超额收益0.73%，最近一月超额收益1.93%，今年以来超额收益3.72%。 4. **单季EP因子**，因子方向正向，最近一周超额收益-1.67%，最近一月超额收益-5.22%，今年以来超额收益-1.37%。 5. **预期EPTTM因子**，因子方向正向，最近一周超额收益-1.63%，最近一月超额收益-2.98%，今年以来超额收益2.32%。 6. **三个月波动因子**，因子方向反向，最近一周超额收益-1.47%，最近一月超额收益-5.13%，今年以来超额收益-4.93%。 在公募重仓指数样本空间中[26][27] 1. **一年动量因子**，因子方向正向，最近一周超额收益表现较好。 2. **特异度因子**，因子方向反向，最近一周超额收益表现较好。 3. **三个月反转因子**，因子方向反向，最近一周超额收益表现较好。 4. **股息率因子**，因子方向正向，最近一周超额收益表现较差。 5. **预期EPTTM因子**，因子方向正向，最近一周超额收益表现较差。 6. **预期BP因子**，因子方向正向，最近一周超额收益表现较差。

本文首发于公众号"私募排排网"。 （点击↑↑ 上图查看详情 ） 4月份 ，创业板指刷新 2015年6月以来的历史新高，一度突破3600点整数关口。 截至 4月29日，今年以来 创业板指以 15.11 %的涨幅位居A股主 要宽基指数首位，大幅跑赢上证指数的 3.49 % ， 刚过去的 2025年创业板也是以49.57%的涨幅居首。 对于投资者而言，单纯跟踪指数已难以满足收益预期，而主动管理又面临风格漂移与回撤风险的双重考验。 在这一背景下，指数增强产品以其 "锚定指数、追求超额"的特性，正成为 投资者 配置的新热点。 在这一赛道中， 百亿私募正瀛资产凭借其深厚的高频交易基因与量化投研能力， 推出了以 "T0叠加指数内选股"为核心逻辑的创业板指指增产 品 ， 为投资者打开了一条兼具追求成长弹性与超额收益的新路径。 从过往业绩来看，私募排排网数据显示， 截至 3月底，正瀛资产旗下7只产品近1年收益均值达 ***% ，旗下指增产品表现较为亮眼： 如中证 1000指增"正瀛智选1号"成立于2022年9月，成立以来收益达 ***% ，超额收益为 ***% 。中证A500指增"上海正瀛天洋一号"成立于2024年11 月，成 ...

中证全指指数特征与市场代表性 - 中证全指是覆盖沪深北三大交易所的宽基指数，囊括A股超过90%的上市公司，总市值占比超95%，实现了“一指揽尽全市场”[4] - 指数成分股数量超5100只，成分股市值总额占万得全A股总市值的比例超过95%，具有极高的市场代表性[6] - 指数行业分布高度均衡，覆盖了31个申万一级行业，131个申万二级行业，以及336个申万三级行业，均衡分散的配置有助于避免单一行业“黑天鹅”事件的冲击[7] - 指数同时涵盖大盘、中盘、小盘股，内部结构中沪深300约占40%-45%，中证500占15%-20%，中证2000占15%左右，全面覆盖不同市值风格[10] 中证全指历史表现与适应性 - 从2017年至2025年的分年度收益数据看，中证全指在多数年份收益排名靠前（如2017-2020年均为2/5），展现出“不冒进、但也不掉队”的特质，反映了A股市场整体表现[10][12] - 在2017-2020年中大盘风格占优期间，以及2021-2023年小市值风格占优期间，中证全指均能有效适应市场风格切换[10] - 从近五年、近十年的维度看，中证全指的最大回撤低于其余主流宽基指数，全面均衡的特质使其在长周期上展现出相对较低的回撤水平[12] 中证全指与量化指数增强策略的适配性 - 指数覆盖超5100只成分股，为量化模型提供了近乎全市场的股票池，实现了理论上的最高“选股自由度”，为挖掘Alpha提供了广阔空间[14] - 成分股已基本涵盖全市场，使得策略可在全市场内自由优化组合，在追求超额收益的同时，能更为有效地降低在指数外选股的风险[14] - 指数同时囊括金融、消费、能源等传统行业以及电子、医药、计算机等成长行业，成分股市值从万亿到百亿全覆盖，这种巨大差异使得各类Alpha因子（如基本面、量价因子）都有望发挥作用[16] - 指数成分股在大盘与中小盘之间分布大致均衡，行业分布极为分散，本身就是一个天然的“全市场均衡配置”工具，有助于策略在Beta端平滑单一风格波动，从而更纯粹地聚焦于“选股”本身[17] 中证全指指数增强策略的特点 - 由于成分股数量多、选股自由度高，量化模型能更充分地在全市场捕捉错误定价，力争在维持较低超额波动率的同时实现较高的年化超额，从而提升超额夏普比[18] - 超额夏普比较高的策略具有更小的超额回撤，每年的超额收益更平均，且收益可持续性更强[18] - 成分股的多样性（不同行业、市值、交易特征）为量化策略提供了较优环境，使得各种类型的有效Alpha因子（如另类数据因子、高频量价因子）都有望发挥价值[19] - 策略注重收益来源多样性，例如世纪前沿的策略全频段覆盖，中长周期因子贡献80%以上alpha，量价类因子占比60-70%，致力于拓宽超额收益的多样性以增强鲁棒性[19] - 策略严控风险敞口，在复制指数市值和行业的基础上，还加入流动性、估值、成长、动量等多方面风控，防止风格漂移[20] - 指数覆盖范围广降低了指数外选股的风险，在市场出现极端分化行情时，中证全指指增策略或能展现出较优的风险收益比[20] 相关公司（世纪前沿）概况 - 海南世纪前沿私募基金管理有限公司成立于2015年8月，专注于国内量化投资研究与资产管理服务，截至2026年3月31日，管理规模超700亿元[21] - 公司已覆盖指数增强、市场中性、量化选股等多种投资策略，形成了全频段覆盖、严格风控、高效迭代的策略风格[23] - 公司投研团队实力强且稳定性高，投研人员占比70%以上，核心投研团队拥有10年以上量化经验，团队成员多毕业于国内外顶尖名校的相关专业，自2015年至今无核心投研人员离职[24]