报告核心观点 - 构建 AH 双市轮动策略以打造收益更优的红利+组合，7 月 AH 红利轮动指标显示 50%A 股红利、50%港股红利，指标相对中性，24 年至 25 年 6 月指标准确度为 73% [2][3][8] 相关目录总结 AH 红利轮动策略 - 2 月 17 日发布的《红利+：AH 双市轮动策略》解析 A 股和 H 股红利驱动因素，提出 AH 红利轮动策略以提高红利组合整体收益 [2][8] - 7 月 AH 红利轮动指标受美国扰动百度指标、VIX 月平均值、汇率、A 股季节效应等驱动因子影响，因子赋权后指标数值为 50，指示 A 股红利百分比权重，剩余为 H 股红利 [3][8] 资料备注 - AH 轮动择时指标每月末更新并调仓，影响下月组合权重和业绩，除 21 - 23 年回测区间外，还展示 24 年至 25 年 6 月数据，24 年起重新计算累计收益 [10] - 全 A 指数选用同花顺全 A(加权)指数，代码 700001.TI；A股 红利指数选取中证红利指数，代码 000922.CSI；港股红利指数选取恒生港股通高股息指数，代码 HSSCHKY.HK，回测区间为 21 年到 23 年 [12]

核心观点 国信总量团队开发 AI 赋能投研体系，结合五大周期框架，通过动态赋权、回测调优等预测股债胜率，实现分析师主动框架与人工智能多模态分析统一，定期跟踪预测市场表现。7 月更新显示货币信用框架权重高，债券资产年内有相对优势，价值风格占优，成长风格四季度有望修复，还给出资产配置比例和行业配置观点 [2][3]。 分组1：AI 赋能投研体系介绍 - 国信总量团队开发 AI 赋能投研体系，结合五大周期框架，动态赋权、回测调优预测股债胜率，应用于主动投研并定期跟踪市场表现 [2] 分组2：AI 对资产配置框架的优化 - AI 学习国信总量团队资产配置框架，联网输入数据，通过静态样本学习和动态实战纠偏评判适用模型并赋予权重，实现宏观框架“降维”精准预测股债走势 [3] 分组3：7 月股债及风格预测 - 本月货币信用框架权重 55% [3] - 股市胜率延续回落但边际收敛，债市收益率有下行空间，配置价值稳固 [3] - 年内债券资产有相对优势，股市胜率三季度底部徘徊、四季度小幅回升，股市拐点或延后 [3] - 本月和全年价值风格占优，四季度成长风格有望阶段性修复 [3] 分组4：资产配置比例 - 7 月国内资产配置比例：股票 12.64%、红利 3.58%、债券 76.45%、黄金 7.33%，与传统风险平价模型比，股票、红利、债券、黄金资产变化分别为 2%、 -1%、0%、 -1% [4] - 7 月海外股市配置比例：法国 15.62%、德国 14.85%、美国 20.24%、日本 16.44%、中国香港 11.50%、印度 22.35%，与传统风险平价模型比，法国、德国、中国香港小幅减配（各 -1%），美国和日本分别加配 1 和 2 个百分点 [4] 分组5：行业配置观点 - AI 赋能构建的行业轮动策略夏普比率提升 420%，最大回撤降低 41%，优于传统策略 [5] - 三季度行业配置观点：超配机械设备、综合、电子，标配汽车、通信、建筑装饰，低配银行、商贸零售 [5] 分组6：五大资配框架情况 |框架|当前所处阶段|指示股债配置方向| | ---- | ---- | ---- | |美林时钟框架|滞涨|股↓债↑ [14]| |周期叠加框架|产能周期下行，主动补库存|股↑债↑ [14]| |信贷库存框架|被动补库存|股↓债↑ [14]| |货币信用框架|紧货币宽信用|股↑债↓ [14]| |政策组合框架|紧货币宽财政|股↑债↓ [14]|

报告核心观点 - 轮动策略2016年以来年化收益+9.04%，大幅跑赢同期沪深300指数和中证2000，相较业绩基准超额年化+7.92%，当前模型胜率角度延续看多小微盘，6月初小微盘拥挤度历史极高位存在交易过热风险，六月中下旬边际改善，赔率指标翻多 [5] 大小盘风格轮动策略构建 货币周期 - 使用短端利率（Shibor3M和1年期国债利率）划分货币松紧，高于近3月均值为货币紧，否则为宽货币；货币宽松时买入弹性更高的小盘，收紧时买入防御能力更强的大盘 [9] - 2016年至今，该策略年化收益+8.98%，相较基准指数超额年化收益率+9.52%，胜率+62.77%，大小盘风格对利率敏感度更高，货币维度轮动效果显著好于宏观经济 [9] M1&M2剪刀差 - M1度量居民及企业手中现金流，M2度量广义货币流动性，M1和M2同比增速剪刀差扩大被认为是“货币活化”，是经济回暖前兆；本轮剪刀差逆向走阔与前两轮主要区别是M1与M2增速明显分化，导致大小盘相对优势反转 [12] - 构建大小盘风格轮动策略时应综合考虑M1&M2剪刀差与单一指标增速，使用剪刀差与M2同比增速两指标将市场划分为四象限并构建相应配置策略 [12] 大小盘相对强度 - 大小盘风格存在显著动量效应，使用长短均线捕捉大的波段行情，当小盘相对于大盘相对强度走高时，说明当前市场小盘风格强势，下期继续配置小盘，否则买入大盘 [15] - 每月调仓日，当小盘超额净值曲线近1月均线上穿过去9月均线时，小盘强势，下期继续配置中证2000；否则买入沪深300指数 [15] - 2016年至今，该策略年化收益+4.71%，相较基准指数超额年化收益率+5.64%，胜率+56.38% [15] 大小盘轮动日历效应 - 统计2015 - 2025年中证2000、沪深300绝对收益及中证2000 - 沪深300相对收益月度数据，得出月度胜率和相对平均收益，如2月中证2000 - 沪深300相对收益胜率达90.91%，相对平均收益为3.34% [16]

资料显示，2025年以来险资举牌次数已达19次，其中9次是银行股，占比近半。这背后是险资对稳定回报型权益资产的迫切需求。 当前银行板块的高股息率非常具有吸引力，叠加监管鼓励险资加大入市力度，资金持续增配银行板块的方向十分明确，这更有助于支撑板块行情持续发展。 今年以来，听的最多的恐怕就是——银行股又创新高了。 这不，经过短暂的回调后，昨天浦发银行、华夏银行、建设银行A、H股又创下了历史新高。这要是2015年买入银行股，到现在都翻倍了！ | 序号 | 证券代码 | 证券简称 | 近期创历史新高次数 | | | --- | --- | --- | --- | --- | | | | | [交易日期] 2025-7-2 [近N天内] 114 [复权方式] 后复权 | | | 7 | 600000.SH | 浦发银行 | | 24 | | 2 | 600015.SH | 华夏银行 | | ব | | 3 | 601939.SH | 建设银行 | | 17 | | 4 | 0939.HK | 建设银行 | | 社 | ETF方面，两市唯一的跨AH市场的银行类ETF——银行AH优选ETF(517900)又开启了连涨模式， ...

证券研究报告 | 金融工程报告 2025 年 06 月 29 日 当下价值/成长的赔率和胜率几何？ ——风格轮动策略周报 20250627 在《如何从赔率和胜率看成长/价值轮动》报告中，我们创新性地提出了基于 赔率和胜率的投资期望结合方式，为应对价值成长风格切换问题提供了定量模 型解决方案。后续，我们将持续在样本外进行跟踪并做定期汇报。 上周全市场成长风格组合收益 5.49%，而全市场价值风格组合收益为 3.33%。 1、赔率 在前述报告中，我们已经进行了验证，即市场风格相应的相对估值水平 是其预期赔率的关键影响因素，并且两者应该呈现出负相关。由于存在上述 线性关系，我们根据最新的估值差分位数，可推得当下成长风格的赔率估计 为 1.10，价值风格的赔率估计为 1.09。 2、胜率 在七个胜率指标中，当前有 5 个指向成长，2 个指向价值。根据映射方 案，当下成长风格的胜率为 68.88%，价值风格的胜率为 31.12%。 3、最新推荐风格：成长 根据公式，投资期望=胜率*赔率-（1-胜率）。我们计算得最新的成长风格 投资期望为 0.44，价值风格的投资期望为-0.35，因此最新一期的风格轮动模 型推荐为成长风 ...

报告核心观点 - 市场结构比指数方向更重要，BOCIASI情绪指标当前尚不会发出减仓信号，但需警惕指数绝对度数高位，可暂不下降仓位，适当调整持仓结构 [5][6] - 介绍季频换仓偏配置思路的行业轮动策略，该策略在回测区间表现良好，能实现年化超额收益 [8] - 芯碁微装新签大单有望提振业绩，且受益于AI基建推动的PCB投资热 [10] 6月金股组合 - 6月金股组合包含顺丰控股（002352.SZ）、安集科技（688019.SH）、佰仁医疗（688198.SH）、岭南控股（000524.SZ）、青岛啤酒（600600.SH）、索辰科技（688507.SH） [1] 市场指数表现 - 6月27日，上证综指收盘价3448.45，跌0.22%；深证成指收盘价10343.48，跌0.48%；沪深300收盘价3946.02，跌0.35%；中小100收盘价6457.70，跌0.72%；创业板指收盘价2114.43，跌0.66% [1] 行业表现（申万一级） - 6月27日，银行涨1.01%、通信涨0.77%、国防军工涨0.55%、社会服务涨0.42%、石油石化涨0.27%；汽车跌1.37%、非银金融跌1.20%、医药生物跌1.05%、美容护理跌1.04%、钢铁跌0.76% [3] 策略研究 - 2025年6月23 - 25日，万得全A指数三连阳，市场关注指数能否突破前期震荡平台，当前处于“第四次”尝试突破阶段，BOCIASI情绪指标同步升高 [5] - 截至6月25日，慢线报38.4%，快线报53.9%，均线系统处于“震荡市”环境，假设指数再涨1.0%，将步入“上行市”环境，BOCIASI情绪指标当前不会发出减仓信号 [5] - 市场将券商行业上涨作为指数突破震荡平台的原因有“本末倒置”之嫌，券商行业上涨更多是市场“防御”动作，建议暂不下降仓位，调整持仓结构 [6] - 即使券商带动指数突破箱体，之后仍可能“回落”，但主线行业可能出现，无需在意一时得失 [7] 金融工程 - 介绍季频换仓偏配置思路的行业轮动策略，从“估值”“质量”“流动性”“动量”四个维度各选2个单因子等权rank复合，形成复合因子 [2][8] - 复合策略在回测区间（2014/4/1 - 2025/6/6）实现年化收益19.64%，行业等权基准年化收益7.55%，年化超额12.09%，期间超额累计净值最大回撤 - 13.25% [2][8] - 需剔除中证800指数权重占比低于2%的行业，30个中信一级行业剔除后每期保留约15 - 16个主要行业轮动测算 [8] - 选取估值、质量、流动性、动量四类因子捕捉行业轮动机会，推荐使用rank等权进行因子复合 [8][9] 机械设备（芯碁微装） - 芯碁微装新签1.46亿元大单，约占2024年营收的15%，预计将提振公司业绩 [10][11] - 2025Q1公司营业收入2.42亿元，QoQ + 3%，YoY + 22%；毛利率41.3%，QoQ + 16.5pcts，YoY - 2.6pcts；归母净利润0.52亿元，QoQ + 823%，YoY + 30% [11] - 3月发货量破百台，4月预计交付量环比提升三成，产能利用率满载 [11] - Meta、微软、谷歌母公司Alphabet 2025财年为支持AI技术增加资本开支，AI基建热潮推动PCB投资热，高阶PCB产品需求升高 [12] - 2028年AI/HPC服务器PCB市场规模有望突破32亿美元，PCB厂商扩产将推动设备订单增长，公司有望持续受益 [12]

银行股表现 - 工商银行、建设银行、交通银行等十余家银行股价创历史新高 [1] - 申万银行指数年初至今上涨14.11%，在31个一级行业中排名第一 [1] - 银行板块市值较年初增长2.05万亿元 [1] - 银行AH优选ETF（517900）年内涨幅近25%，基金份额增长323% [2] 行业指数表现 - 有色金属行业区间涨幅115.34%，位居榜首 [2] - 传媒行业区间涨幅9.97%，汽车行业区间涨幅9.70% [2] - 机械设备、计算机、环保等行业区间涨幅分别为8.23%、7.85%、7.12% [2] 银行股上涨动力 - 低利率环境下，银行股高股息率成为稀缺资源，十年期国债收益率降至1.65% [5] - 银行AH指数最新股息率为4.7%，港股银行H股平均股息率更高 [6] - 险资今年已9次举牌银行股，其中8次为港股银行，举牌总市值达1169.4亿元，银行占比64% [7] - 南向资金近一年净买入银行股稳居行业第一 [7] - 15家AH银行中，14家H股估值低于A股，H股平均市盈率0.55倍，A股为0.67倍 [7] AH银行估值比较 - 郑州银行H股PB-MRQ为0.20，A股为0.42，H股股息率1.99%，A股为0.98% [8] - 建设银行H股PB-MRQ为0.55，A股为0.72，H股股息率5.63%，A股为4.33% [8] - 工商银行H股PB-MRQ为0.54，A股为0.71，H股股息率5.38%，A股为4.18% [8] - 招商银行H股PB-MRQ为1.15，A股为1.09，H股股息率4.12%，A股为4.35% [8] 跨市场策略效果 - 银行AH全收益指数2025年以来累计上涨25.18%，跑赢中证银行全收益指数近7个百分点 [9] - 自2017年12月6日至2025年6月25日，银行AH全收益指数累计收益99.16%，跑赢中证银行全收益指数超26个百分点 [9] 未来催化剂 - 招商银行、常熟银行等7家银行计划实施2025年中期分红 [10] - 银行股的类债券属性在低利率环境下进一步凸显 [10]

报告核心观点 - 上周（20250616 - 20250620）保守型固收 + 产品收益中位数为 0.09%，宏观环境预测结果为 Inflation，行业 ETF 轮动组合超额收益 1.29%；股票端采用小盘价值组合 + 不择时的股债 10/90 和 20/80 月度再平衡策略，2025 年累计收益分别为 2.95% 和 5.17% [1] 固收 + 产品业绩跟踪 业绩统计 - 截至 2025 年 06 月 20 日，全市场符合筛选条件的固收 + 基金共计 1173 只，总规模 16921.27 亿元；上周共发行 4 只新产品 [9][10] - 上周不同类型基金业绩中位数表现分化，混合债券型一级 0.10%、二级 -0.02%、偏债混合型 -0.07%、灵活配置型 0.03%、债券型 FOF 0.05%、混合型 FOF 0.01%；按风险等级划分，保守型、稳健型、激进型基金中位数收益分别为 0.09%、0.00%、 -0.11% [2][12] - 年初至今不同类型基金业绩中位数分别为混合债券型一级 1.02%、二级 1.07%、偏债混合型 1.01%、灵活配置型 0.65%、债券型 FOF 1.36%、混合型 FOF 1.37%；保守型、稳健型和激进型的基金业绩中位数分别为 1.01%、1.13%、1.01% [14] - 过去一年不同类型基金业绩中位数分别为混合债券型一级 3.32%、二级 3.79%、偏债混合型 4.10%、灵活配置型 3.61%、债券型 FOF 3.82%、混合型 FOF 4.07%；保守型、稳健型和激进型的基金业绩中位数分别为 3.35%、3.81%、4.43% [15] 持有胜率与创新高产品 - 混合债券型一级的持有体验较好，季胜率、月胜率和周胜率中位数分别为 80.0%、69.2%和 54.7%；保守型基金的周胜率和月胜率较高，季胜率和稳健型、激进型产品的分布表现基本一致 [17] - 截止 2025.06.20，共有 294 只固收 + 产品的净值创历史新高，按投资类型包括混合债券型一级基金 212 只等；按风险类型包括保守型 265 只、稳健型 18 只、激进型 11 只 [20] 大类资产配置和行业 ETF 轮动策略跟踪 大类资产择时 - 2025Q2，逆周期配置模型给出的宏观环境预测结果为 Inflation，截至 6 月 20 日，沪深 300、国证 2000、南华商品和中债国债总财富指数 Q2 收益率分别为 -1.05%、 -1.83%、 -1.38%、1.92% [24] - 截至 6 月 20 日，沪深 300 指数、中债国债总财富指数、上金所 AU9999 合约 6 月收益率分别为 0.17%、0.71%和 1.28% [24] 行业 ETF 轮动 - 2025 年 6 月，行业 ETF 轮动策略建议关注国泰中证全指证券公司 ETF 等 4 只 ETF；组合上周收益 0.21%，相对 Wind 全 A 指数超额收益 1.29%；本月收益 0.79%，相对 Wind 全 A 指数超额收益 0.53% [2][25] 最新观点汇总（2025.06） - 给出国泰海通金工绝对收益策略 2025 年 6 月大类资产多空观点、月初权重及行业 ETF 组合，如股票负向，债券、黄金正向等不同策略下的权重分配 [28] 绝对收益策略表现跟踪 股债混合策略表现 - 展示国泰海通金工绝对收益策略上周、6 月及 2025 年初至今的表现，如（宏观择时）股债 20/80 再平衡策略上周收益 0.03%（YTD -0.48%）等 [3][30] 量化固收 + 策略表现 - 汇总国泰海通金工量化固收 + 策略上周、6 月及 2025 年初至今的表现，如不择时 + 10/90 月度再平衡策略下 PB 盈利本年收益 1.37%等 [37][39]

风格轮动策略 - 风格轮动是依据ETF特征进行交易的行为，常见的类型包括大小盘轮动和成长价值轮动 [1] - 风格轮动的逻辑依赖于权益资产价格的两个驱动因素：盈利和估值，其中盈利是主导风格强弱的关键因素 [1] 价值成长轮动策略 - 价值类股票通常具备更好的安全边际，而成长类股票可能具备更好的盈利前景 [1] - 成长与价值的盈利增速差和收益率差呈现高度正相关性，当盈利增速差值扩大时，成长表现会超过价值 [1] - 可通过观察风格间的相对业绩增速趋势或估值指数来进行风格配置 [1] 大小盘轮动策略 - 大小盘轮动通常根据市场环境和经济周期的变化来进行，并参考月频宏观经济数据辅助判断 [1] - 大盘股在国民经济中比重更高，更容易受到经济周期影响：经济增长上行阶段大盘股盈利上升速度通常高于小盘股，下行阶段受影响更大 [1] - 流动性环境对估值有重要影响：流动性充裕时资金外溢至小盘股，收紧时大盘股表现更佳 [1]

量化模型与构建方式 1. **模型名称：高景气行业轮动策略** - **模型构建思路**：基于分析师对各行业盈利预期的原值、斜率和曲率等多因子，优选景气度持续向上的行业，剔除估值极高行业后等权配置最优行业[1][2]。 - **模型具体构建过程**： 1. 通过分析师一致预期数据构建三大类因子： - 一类因子（长期赛道因子）：如ROE_FY2、ROE_FY3，代表3-5年赛道概念[13]。 - 二类因子（中期景气度因子）：如EPS_F2_qoq、EPS_F3_mom，反映中短期景气度变化[13]。 - 三类因子（短期情绪因子）：如EPS_F3_qoq_d1m，反映景气度变化的斜率[13]。 2. 因子复合：通过分层聚类方法筛选年化超额>3%的因子，等权Rank复合（最优复合数量为8）[17][18]。 3. 极端估值保护：剔除PB分位数（5日平滑）高于95%的行业[23][26]。 - **模型评价**：聚焦盈利预期边际变化，规避估值泡沫，适合中短期景气周期跟踪[13][16]。 2. **模型名称：隐含情绪动量策略** - **模型构建思路**：通过剥离换手率变化率与收益率关系得到“未证伪情绪”，捕捉未被主流预期反映的市场动向[32][33]。 - **模型具体构建过程**： 1. 日度收益率对换手率变化率截面回归（无截距），残差为未证伪情绪收益率[34]。 2. 计算累计未证伪情绪净值，构建半个月/12个月动量因子[35]。 3. 增强措施：剥离基本面影响（如EPS_yoy）、波动率调整、多因子复合（半个月+12个月动量最优）[36]。 4. 加入极端估值保护机制[36]。 - **模型评价**：有效捕捉情绪驱动的动量效应，但需警惕高波动风险[32][38]。 3. **模型名称：宏观指标风格轮动策略** - **模型构建思路**：以宏观经济、货币、信贷等指标为基础，结合行业风格（价值/动量/波动率）定量择时，映射至行业优选[43][44]。 - **模型具体构建过程**： 1. 宏观指标处理：分历史中枢（6年zscore）、超预期（SUE_3Y）、边际变动（d3m）三个维度[48][49]。 2. 行业风格因子优选：通过截面回归筛选显著性、稳定性、低相关性的风格因子（如Value、Beta_1y、Vol_3m、Mom_12m）[51][53]。 3. 风格研判：宏观指标等权投票打分，映射至行业标准化暴露度[58][61]。 - **模型评价**：突破传统宏观框架局限性，但依赖风格因子稳定性[43][63]。 4. **模型名称：中长期动量反转策略** - **模型构建思路**：结合行业收益率“中短期动量、长期反转”结构，叠加低换手因子捕捉周期轮换机会[71][74]。 - **模型具体构建过程**： 1. 构建12个月动量因子（剔除最近1月）和24-36个月反转因子[76][78]。 2. 复合因子：12月动量 + 24-36月反转Rank等权复合[76]。 3. 低换手增强：剔除旬度换手率截面zscore高的行业[82][83]。 - **模型评价**：兼顾动量与反转效应，但需动态调整参数[71][84]。 5. **模型名称：资金流行业轮动策略** - **模型构建思路**：跟踪主力资金（机构单）和尾盘资金流入强度，挖掘资金驱动动能[91][92]。 - **模型具体构建过程**： 1. 机构单趋势强度因子：净买入金额与绝对值移动平均比值，中性化处理（剔除市值/换手率影响）[94][95]。 2. 尾盘流入强度因子：尾盘资金流入金额占流通市值/成交额比例的月度差分Rank复合[99][103]。 3. 剔除高拥挤行业（换手率zscore分位数>90%）[100][101]。 - **模型评价**：直接反映资金动向，但需规避抱团风险[91][105]。 6. **模型名称：财报失效反转策略** - **模型构建思路**：利用长期有效但阶段性失效的财报因子，依托均值回复机制反转选行业[108][109]。 - **模型具体构建过程**： 1. 财报因子库：48个类ROA因子（利润表/资产负债表指标组合）+16个类净利润YOY/QOQ因子[110][116]。 2. 筛选条件：滚动3年年化超额>5.5%且近4个月连续跑输的因子，按类别等权zscore复合[116][117]。 - **模型评价**：逆向布局财报因子失效，但需严格监控因子恢复周期[108][118]。 7. **模型名称：传统低频多因子打分策略** - **模型构建思路**：从动量、估值、流动性、质量四维度优选单因子，等权Rank复合[122][123]。 - **模型具体构建过程**： 1. 优选因子：如252日动量（正向）、756日动量（反向）、股息率3年分位（反向）、ROE_TTM季度差分（正向）等[124][128]。 2. 仅在中证800权重>2%的行业中筛选[122][123]。 - **模型评价**：经典多因子框架，适合长期配置但换仓频率低[122][129]。 8. **模型名称：波动率控制复合策略** - **模型构建思路**：以各单策略滚动63日负向波动率倒数分配资金，等权配置看多行业[3][139]。 - **模型具体构建过程**： 1. 计算下跌日波动率：$$\sigma_{D}=\sqrt{\frac{1}{n-1}\sum_{r_{i}\in D}\left(r_{i}-\frac{1}{n}\sum_{r_{i}\in D}r_{i}\right)^{2}}$$[139]。 2. 资金分配：负向波动率越低，配置比例越高[139][142]。 3. 调仓频率：兼顾周度/月度/季度策略换仓周期[141][146]。 - **模型评价**：有效控制回撤，但需动态调整窗口参数（M=63最优）[147]。 --- 模型的回测效果 1. **高景气行业轮动策略**：年化超额16.69%，最大回撤-12.95%，卡玛比率1.29[26][28]。 2. **隐含情绪动量策略**：年化超额18.61%，最大回撤-17.83%，卡玛比率1.04[37][38]。 3. **宏观指标风格轮动策略**：年化超额7.01%，最大回撤-23.46%，卡玛比率0.30[63][64]。 4. **中长期动量反转策略**：年化超额11.42%，最大回撤-14.91%，卡玛比率0.77[84][88]。 5. **资金流行业轮动策略**：年化超额11.64%，最大回撤-12.16%，卡玛比率0.96[101][106]。 6. **财报失效反转策略**：年化超额9.13%，最大回撤-10.54%，卡玛比率0.87[118][119]。 7. **传统低频多因子打分策略**：年化超额12.00%，最大回撤-13.25%，卡玛比率0.91[129][133]。 8. **波动率控制复合策略**：年化超额12.2%，最大回撤-6.8%，卡玛比率1.80[147][148]。 --- 量化因子与构建方式 1. **因子名称：景气度复合因子** - **构建思路**：综合盈利预期原值、斜率、曲率三类因子，优选边际变化显著的行业[13][16]。 - **具体构建**：等权Rank复合8个单因子（如ROE_FY2、EPS_F2_qoq等），剔除PB分位数>95%行业[17][21]。 2. **因子名称：未证伪情绪动量因子** - **构建思路**：剥离换手率对收益的影响，捕捉情绪驱动的超额收益[32][34]。 - **具体构建**：$$r_{i,t}=\beta \cdot \Delta \text{turnover}_{i,t}+\epsilon_{i,t}$$（无截距回归残差）[34][35]。 3. **因子名称：宏观风格因子** - **构建思路**：通过宏观指标预测风格多空（如Value/Beta），映射至行业暴露[51][53]。 - **具体构建**：宏观指标等权投票打分，行业得分=标准化风格暴露×方向[58][61]。 4. **因子名称：长期反转-中期动量因子** - **构建思路**：结合12个月动量与24-36个月反转效应[76][78]。 - **具体构建**：Rank等权复合动量与反转因子，叠加低换手筛选[76][82]。 5. **因子名称：资金流复合因子** - **构建思路**：综合机构单趋势强度与尾盘流入强度[91][94]。 - **具体构建**：中性化后等权zscore复合，剔除换手率拥挤度>90%行业[94][100]。 6. **因子名称：财报失效反转因子** - **构建思路**：筛选长期有效但近期失效的财报因子，逆向布局[116][117]。 - **具体构建**：按类别优选单因子（如ROA边际变化、净利润YOY分位）等权复合[116][117]。 7. **因子名称：传统多因子复合因子** - **构建思路**：四维度（动量/估值/流动性/质量）等权Rank复合[124][128]。 - **具体构建**：如252日动量+股息率3年分位+ROE_TTM差分等[124][128]。 --- 因子的回测效果 1. **景气度单因子**：ROE_FY2年化超额6.9%，EPS_F2_qoq年化超额7.0%[17][18]。 2. **未证伪情绪动量因子**：半个月+12个月复合因子年化超额18.61%[37][38]。 3. **宏观风格因子**：Value/Beta_1y等风格因子Rank IC均值>0.05[51][53]。 4. **长期反转-中期动量因子**：复合因子年化超额11.42%[84][88]。 5. **资金流复合因子**：年化超额11.64%，最大回撤-12.16%[101][106]。 6. **财报失效反转因子**：优选因子年化超额9.13%[118][119]。 7. **传统多因子复合因子**：年化超额12.00%[129][133]。