量化因子与构建方式 1. **因子名称：理想反转因子** - **构建思路**：通过切割大单成交数据识别反转属性最强的交易日，捕捉A股反转效应的微观来源[5][15] - **具体构建过程**： 1. 回溯股票过去20日数据，计算每日平均单笔成交金额（成交金额/成交笔数）[43] 2. 选取单笔成交金额最高的10个交易日，加总其涨跌幅记为M_high[43] 3. 选取单笔成交金额最低的10个交易日，加总其涨跌幅记为M_low[43] 4. 计算因子值：$$M = M_{\text{high}} - M_{\text{low}}$$[43] - **因子评价**：通过大单成交切割有效提升了反转效应的稳定性[5][15] 2. **因子名称：聪明钱因子** - **构建思路**：从分钟级价量数据中识别机构交易痕迹，构建跟踪聪明钱的指标[5][15] - **具体构建过程**： 1. 取股票过去10日的分钟行情数据[42] 2. 计算每分钟指标：$$S_t = |R_t| / V_t^{0.25}$$（$R_t$为分钟涨跌幅，$V_t$为分钟成交量）[42] 3. 按$S_t$排序，取成交量累积占比前20%的分钟作为聪明钱交易[42][44] 4. 计算聪明钱VWAP（成交量加权均价）和全体交易VWAP[44] 5. 因子值：$$Q = \text{VWAP}_{\text{smart}} / \text{VWAP}_{\text{all}}$$[42] - **因子评价**：有效捕捉机构交易行为对价格的引导作用[5] 3. **因子名称：APM因子** - **构建思路**：利用日内不同时段交易行为差异构建反转强度指标[5][15] - **具体构建过程**： 1. 取股票过去20日的隔夜收益率$r_{\text{night}}$和下午收益率$r_{\text{afternoon}}$[43] 2. 对40组收益率数据回归：$$r = \alpha + \beta R + \epsilon$$（$R$为对应时段指数收益率）[43] 3. 计算隔夜与下午残差差异：$$\delta_t = \epsilon_{\text{night}} - \epsilon_{\text{afternoon}}$$[43] 4. 构造统计量：$$\mathrm{stat} = \frac{\mu(\delta_t)}{\sigma(\delta_t)/\sqrt{N}}$$[45] 5. 对动量因子横截面回归取残差作为最终因子值[46] - **因子评价**：通过时段切割挖掘反转效应的结构性差异[15] 4. **因子名称：理想振幅因子** - **构建思路**：基于股价维度切割振幅信息，区分高价态与低价态的结构性差异[5][15] - **具体构建过程**： 1. 计算股票过去20个交易日的每日振幅（最高价/最低价-1）[48] 2. 选取收盘价最高的25%交易日，计算振幅均值V_high[48] 3. 选取收盘价最低的25%交易日，计算振幅均值V_low[48] 4. 因子值：$$V = V_{\text{high}} - V_{\text{low}}$$[48] - **因子评价**：价态切割显著提升振幅因子的信息含量[5] 5. **因子名称：交易行为合成因子** - **构建思路**：加权整合四个交易行为因子形成复合因子[30] - **具体构建过程**： 1. 对单因子进行行业内去极值与标准化处理[30] 2. 滚动12期ICIR计算动态权重[30] - **因子评价**：通过动态加权实现因子间的优势互补[30] --- 因子回测效果 1. **理想反转因子** - 全历史IC均值：-0.050[16] - 全历史rankIC均值：-0.061[16] - 信息比率(IR)：2.52[16] - 多空对冲月度胜率：78.3%[16] - 2025年7月收益：0.47%[7][16] - 近12月胜率：66.7%[7][18] 2. **聪明钱因子** - 全历史IC均值：-0.037[16] - 全历史rankIC均值：-0.061[16] - 信息比率(IR)：2.76[16] - 多空对冲月度胜率：82.2%[16] - 2025年7月收益：1.78%[7][19] - 近12月胜率：91.7%[7][22] 3. **APM因子** - 全历史IC均值：0.029[16] - 全历史rankIC均值：0.034[16] - 信息比率(IR)：2.30[16] - 多空对冲月度胜率：77.4%[16] - 2025年7月收益：1.42%[7][23] - 近12月胜率：58.3%[7][27] 4. **理想振幅因子** - 全历史IC均值：-0.054[16] - 全历史rankIC均值：-0.073[16] - 信息比率(IR)：3.03[16] - 多空对冲月度胜率：83.6%[16] - 2025年7月收益：3.86%[7][28] - 近12月胜率：75.0%[7][31] 5. **交易行为合成因子** - 全历史IC均值：0.067[30] - 全历史rankIC均值：0.092[30] - 信息比率(IR)：3.30[30] - 多空对冲月度胜率：82.6%[30] - 2025年7月收益：2.13%[7][30] - 近12月胜率：83.3%[7][36] - 中小盘表现：国证2000 IR=2.87，中证1000 IR=2.77[32][37] --- Barra风格因子表现（2025年7月） - 市值因子收益：0.64%[4][14] - 账面市值比因子收益：0.59%[4][14] - 成长因子收益：0.16%[4][14] - 盈利预期因子收益：-0.32%[4][14]

量化因子与构建方式 1. **因子名称**：大买单成交金额占比 **因子构建思路**：通过逐笔成交数据还原买卖单数据，筛选大单并计算大买单成交金额占总成交金额的比例，以刻画大资金的买入行为[7] **因子具体构建过程**： - 从逐笔成交数据中提取叫买和叫卖序号，还原买卖单数据 - 按每单成交量筛选大单（具体阈值未明确） - 计算大买单成交金额占比： $$ \text{大买单成交金额占比} = \frac{\text{大买单成交金额}}{\text{当日总成交金额}} \times 100\% $$ **因子评价**：有效反映大资金集中买入行为，但对市场流动性敏感 2. **因子名称**：净主动买入金额占比 **因子构建思路**：基于逐笔成交数据的买卖标志区分主动买入/卖出，计算净主动买入金额占总成交金额的比例，反映投资者主动交易意愿[7] **因子具体构建过程**： - 根据逐笔成交中的买卖标志（如B/S）划分主动买入和主动卖出 - 计算净主动买入金额： $$ \text{净主动买入金额} = \sum \text{主动买入成交金额} - \sum \text{主动卖出成交金额} $$ - 计算占比： $$ \text{净主动买入金额占比} = \frac{\text{净主动买入金额}}{\text{当日总成交金额}} \times 100\% $$ **因子评价**：直接捕捉资金流向，但对高频噪声较敏感 --- 因子回测效果 1. **大买单成交金额占比** - **个股表现**：苏博特（91.1%，时序分位数99.2%）、中铁工业（91.0%，99.6%）[9] - **宽基指数**：上证指数（74.7%，91.8%分位数）、中证500（75.6%，40.7%分位数）[12] - **行业表现**：银行（79.9%）、房地产（79.7%）[13] - **ETF表现**：富国中证农业主题ETF（90.8%，97.5%分位数）[15] 2. **净主动买入金额占比** - **个股表现**：伟星股份（18.9%，100%分位数）、海航控股（18.5%，97.9%分位数）[10] - **宽基指数**：上证指数（-7.6%，17.7%分位数）、创业板指（-5.4%，60.5%分位数）[12] - **行业表现**：传媒（-0.9%）、计算机（-2.1%）[13] - **ETF表现**：鹏华中证细分化工产业主题ETF（26.3%，98.8%分位数）[16] --- 模型应用说明 - **复合计算方式**：对个股、宽基指数、行业及ETF均采用整体法计算5日移动平均值，并统计时序分位数[7][12][13] - **衍生指标**：时序分位数反映当前值在历史分布中的位置，辅助判断极端状态[9][10]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称**：国信金工指数增强组合 - **模型构建思路**：以多因子选股为主体，分别构建对标沪深300、中证500、中证1000及中证A500指数的增强组合，通过收益预测、风险控制和组合优化三块流程实现稳定超额收益[11][12] - **模型具体构建过程**： 1. **收益预测**：基于30余个因子（估值、反转、成长等维度）构建因子库[16][17] 2. **风险控制**：控制组合相对于基准的行业暴露、风格暴露、成分股权重偏离等约束[41][42] 3. **组合优化**：采用最大化单因子暴露组合（MFE）优化模型，目标函数为最大化因子暴露$$f^{T}w$$，约束条件包括风格中性（$$s_l \leq X(w-w_b) \leq s_h$$）、行业中性（$$h_l \leq H(w-w_b) \leq h_h$$）等[41][42] 2. **模型名称**：单因子MFE组合 - **模型构建思路**：通过组合优化检验因子在控制实际约束（如行业、风格中性）后的有效性[41] - **模型具体构建过程**： 1. 设定约束条件（如个股偏离权重0.5%-1%、成分股权重占比100%）[45] 2. 每月末优化构建组合，目标函数为最大化因子暴露$$f^{T}w$$[41] 3. 回测时扣除0.3%交易费用，计算超额收益指标[45] --- 量化因子与构建方式 1. **因子名称**：估值类因子（BP、单季EP、EPTTM等） - **因子构建思路**：衡量股票相对价值，如BP=净资产/总市值[17] - **因子评价**：长期稳定但短期易受市场风格影响 2. **因子名称**：成长类因子（单季营收同比增速、DELTAROA等） - **因子构建思路**：捕捉企业盈利增长，如单季营收同比增速=单季度营业收入同比增长率[17] - **因子评价**：在沪深300样本中近期表现突出（最近一周超额收益0.93%）[19] 3. **因子名称**：动量/反转类因子（一年动量、三个月反转） - **因子构建思路**：反映市场趋势，如一年动量=近一年除近一月后涨跌幅[17] - **因子评价**：中证500样本中一年动量近期表现最佳（最近一周超额收益0.93%）[21] 4. **因子名称**：分析师预期类因子（标准化预期外收入、预期PEG） - **因子构建思路**：量化市场预期偏差，如标准化预期外收入=（实际营收-预期营收）/预期营收标准差[17] - **因子评价**：在中证1000样本中信息比率较高（历史年化IR 5.98%）[23] --- 模型的回测效果 1. **国信金工指数增强组合**： - 沪深300增强：本周超额0.42%，本年8.31%[14] - 中证500增强：本周超额0.63%，本年10.17%[14] - 中证1000增强：本周超额0.48%，本年15.24%[14] 2. **单因子MFE组合（沪深300样本）**： - 单季营收同比增速：最近一周超额0.93%，年化IR 3.02%[19] - 三个月波动：最近一周超额-0.42%，年化IR 4.14%[19] --- 因子的回测效果 1. **中证500样本因子**： - 一年动量：最近一周超额0.93%，年化IR 2.23%[21] - SPTTM：最近一周超额-0.88%，年化IR 2.82%[21] 2. **中证1000样本因子**： - 三个月反转：最近一周超额1.09%，年化IR -0.78%[23] - 股息率：最近一周超额-1.22%，年化IR 5.80%[23] 注：所有公式引用自原文优化模型[41][42]，因子计算方式详见因子库表[17]

量化模型与因子分析总结 量化因子与构建方式 估值类因子 1. **BP因子**：构建思路为净资产与总市值的比率，反映公司账面价值与市场价值的相对关系[17] $$ BP = \frac{净资产}{总市值} $$ 2. **EPTTM因子**：构建思路为使用滚动12个月的归母净利润与总市值的比率[17] $$ EPTTM = \frac{归母净利润TTM}{总市值} $$ 3. **股息率因子**：构建思路为最近四个季度预案分红金额与总市值的比率[17] $$ 股息率 = \frac{最近四个季度预案分红金额}{总市值} $$ 反转类因子 1. **一个月反转因子**：构建思路为过去20个交易日的涨跌幅，反映短期反转效应[17] $$ 一个月反转 = 过去20个交易日涨跌幅 $$ 2. **三个月反转因子**：构建思路为过去60个交易日的涨跌幅，反映中期反转效应[17] $$ 三个月反转 = 过去60个交易日涨跌幅 $$ 动量类因子 1. **一年动量因子**：构建思路为近一年除近一月后的动量，反映长期动量效应[17] $$ 一年动量 = 近一年除近一月后动量 $$ 成长类因子 1. **单季净利同比增速因子**：构建思路为单季度净利润同比增长率[17] $$ 单季净利同比增速 = \frac{当期单季度净利润-去年同期单季度净利润}{去年同期单季度净利润} $$ 2. **单季营收同比增速因子**：构建思路为单季度营业收入同比增长率[17] $$ 单季营收同比增速 = \frac{当期单季度营业收入-去年同期单季度营业收入}{去年同期单季度营业收入} $$ 盈利类因子 1. **单季ROE因子**：构建思路为单季度归母净利润的两倍除以期初与期末归母净资产的平均值[17] $$ 单季ROE = \frac{单季度归母净利润×2}{期初归母净资产+期末归母净资产} $$ 流动性类因子 1. **一个月换手因子**：构建思路为过去20个交易日换手率的均值[17] $$ 一个月换手 = \frac{过去20个交易日换手率总和}{20} $$ 波动类因子 1. **特异度因子**：构建思路为1减去过去20个交易日Fama-French三因子回归的拟合度[17] $$ 特异度 = 1-R^2_{FF3} $$ 分析师类因子 1. **预期EPTTM因子**：构建思路为一致预期滚动EP值[17] $$ 预期EPTTM = 一致预期滚动EP $$ 因子回测效果 沪深300样本空间 1. **单季营利同比增速因子**：最近一周0.77%，最近一月1.84%，今年以来5.23%，历史年化2.98%[19] 2. **三个月反转因子**：最近一周0.66%，最近一月0.65%，今年以来3.01%，历史年化1.25%[19] 3. **特异度因子**：最近一周0.55%，最近一月-0.10%，今年以来2.28%，历史年化0.67%[19] 中证500样本空间 1. **一年动量因子**：最近一周1.26%，最近一月1.18%，今年以来2.77%，历史年化2.37%[21] 2. **特异度因子**：最近一周1.05%，最近一月2.04%，今年以来0.76%，历史年化1.67%[21] 3. **单季营收同比增速因子**：最近一周1.00%，最近一月3.50%，今年以来8.20%，历史年化3.29%[21] 中证1000样本空间 1. **一年动量因子**：最近一周1.45%，最近一月1.73%，今年以来0.26%，历史年化-0.55%[23] 2. **三个月反转因子**：最近一周1.09%，最近一月1.40%，今年以来0.38%，历史年化-0.61%[23] 3. **标准化预期外盈利因子**：最近一周0.77%，最近一月3.35%，今年以来6.17%，历史年化8.76%[23] 中证A500样本空间 1. **单季营利同比增速因子**：最近一周1.22%，最近一月2.75%，今年以来6.17%，历史年化1.80%[25] 2. **三个月反转因子**：最近一周1.08%，最近一月0.36%，今年以来3.64%，历史年化0.97%[25] 3. **一年动量因子**：最近一周0.74%，最近一月0.87%，今年以来-2.03%，历史年化0.85%[25] MFE组合构建方法 1. **构建思路**：通过组合优化方式构建最大化单因子暴露组合，控制行业暴露、风格暴露等约束条件[39] 2. **优化模型**： $$ \begin{array}{ll} max & f^{T}w \\ s.t. & s_{l}\leq X(w-w_{b})\leq s_{h} \\ & h_{l}\leq H(w-w_{b})\leq h_{h} \\ & w_{l}\leq w-w_{b}\leq w_{h} \\ & b_{l}\leq B_{b}w\leq b_{h} \\ & \mathbf{0}\leq w\leq l \\ & \mathbf{1}^{T}w=1 \end{array} $$ 其中f为因子取值，w为股票权重向量，wb为基准指数成分股权重向量[39][40]

报告核心观点 - 2025年H1权益市场风险因子收益回归常态，各资产类别有不同表现，权益关注结构机会，利率或底部震荡，黄金可继续持有，行业轮动加速，成长风格萌芽，选股关注质量、技术、情绪类因子 [3] 大类资产量化展望 权益量化 - 2025H1权益风险因子收益回归常态，小盘与动量因子表现亮眼，为Alpha创造有利条件 [8] - 2025年Q1全A净利润同比自2023年Q2以来首次回正，A股景气度见底回升，工业板块表现突出 [14] - 2025年1 - 4月规模以上工业企业利润总额同比回升，中游制造（设备）持续回升，未来预期中游制造(材料)>中游制造(设备)>下游制造>电热燃水>采矿业 [17] - TMT有望延续增长，部分产业周期有望迎来拐点，计算机、传媒、电子等行业利润趋势有望延续，基础化工和建材行业利润有望企稳回升，军工、电新、轻工等行业利润有望迎来关键拐点 [23] - 社融脉冲回升支撑后续增长动能，但消费端仍须进一步观察，低利率环境下权益资产配置性价比保持高位 [31][37] - 权益指数整体震荡格局望延续，各宽基指数走势不同，沪深300关注盘整突破方向，中证500或震荡上行，中证1000或先回调后震荡上行，中证2000或震荡偏下行 [39][41][43][46] 利率量化 - 采用结构化静态因子模型刻画利率变动方向，月度利率择时胜率约70% [49][51] - 2024年以来10年期国债利率持续下行，当下稳定在1.6% - 1.7%水平，2025年国债利率波动主要受通胀影响 [54][56] - 2025年上半年景气度和信贷脉冲回升抑制利率进一步下行，通胀资产持有意愿短暂上升后再次回落 [63][67] - 利率未来走势取决于资本回报率变化，当下房地产ROE转负，除金融地产外高ROE行业经营杠杆率整体较低，关注高ROE高杠杆行业对资金需求的拉动 [70][75] 黄金量化 - 采用结构化静态因子模型刻画黄金变动方向，月度黄金择时胜率约76% [81][83] - 黄金长期走势与美国财政扩张具有较高一致性，当下美国财政进入加速新阶段，对黄金走势整体持乐观观点 [87] - 特朗普施政主张对通货膨胀与财政赤字有进一步扩张可能，但实施进度有待观察，全球地缘政治风险与经济政策不确定性仍高，促发黄金上涨 [91][98] - 技术面测算当下黄金已历盘整积累支持目标价到3885美元/盎司 [102] 市场结构量化展望 行业量化 - 胜率赔率一致性继续减弱，短期轮动速度或提高，行情延续性减弱 [105][107] - 胜率赔率均衡配置思路略偏向赔率，推荐胜率赔率均衡的行业集中在科技、制造板块 [108][109] - 从生命周期来看，一级行业整体成长性不足，成长性分散在三级行业，基础化工细分领域扩张特征明显 [112][120] 风格量化 - 采用资产比较框架研判风格，框架自2009年以来可获得年化26.07%的收益 [121][126] - 实际增速资产优势差回升，保持实际成长类策略配置；预期增速资产优势差回升，建议增配预期成长类策略；ROE优势差边际下行，盈利能力策略不推荐；高股息类资产拥挤度保持高位，有拥挤风险 [131][133][135][140] - 当下Δg和Δgf都有扩张，成长性稀缺度抬升，Δgf扩张来自Top组上行，预期增长板块更值得关注，实际成长机会有待基本面积极变化 [145] 2025下半年因子总结与展望 风格因子表现 - 2025上半年截至6月6日，风格上高贝塔、高动量和低流动性小市值占优 [148] - 对比2024年下半年，小市值风格延续占优，动量因子收益提升，低流动性风格收益强势，市场结构性分化显著，呈现“周期分化、成长突围、消费承压”格局 [150][156] Alpha因子表现跟踪 - 2025上半年全A选股多头收益表现最好的alpha因子多为成交量和成长类因子，分析师一致预测类因子超额收益显著提升 [160][161][163] - 不同宽基指数选股逻辑有共性，投资者普遍偏好估值合理、成长性强且财务稳健的标的，在不同指数内占优因子各有特点 [165] 2025下半年因子表现展望 - 质量类因子中研发销售收入占比因子近一个月拥挤度高，需警惕下跌风险，研发净资产占比因子拥挤度低且表现不错 [169][170] - 价值类因子今年表现普遍回撤，综合拥挤度较低，近一个月低估值股票交易拥挤度转负，高估值成长股拥挤度或达峰值 [171] - 技术类因子中ivr因子拥挤度降低且表现良好，其他技术因子IC显著但对股价有负面影响，下半年可持续看好 [172] - 其他因子中一致预期净利润因子IC最高，拥挤度上升明显，须警惕回撤风险；ear，jor因子IC显著性降低但拥挤度低，下半年谨慎看好 [173]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称**：国信金工指数增强组合 - **模型构建思路**：以多因子选股为主体，分别构建对标沪深300、中证500、中证1000及中证A500指数的增强组合，通过收益预测、风险控制和组合优化三部分实现稳定超额收益[12][13] - **模型具体构建过程**： 1. **收益预测**：基于30余个因子（估值、反转、成长等维度）构建收益预测模型 2. **风险控制**：控制组合相对于基准指数的行业暴露、风格暴露、成分股权重偏离等约束 3. **组合优化**：采用组合优化模型最大化因子暴露，同时满足风险约束条件[40][41] - **模型评价**：通过MFE组合验证因子有效性，更贴近实际投资约束条件下的收益预测效果[40] 2. **模型名称**：单因子MFE组合 - **模型构建思路**：通过组合优化最大化单因子暴露，检验因子在控制行业/风格暴露等实际约束下的有效性[40] - **模型具体构建过程**： - 优化目标函数： $$ \begin{array}{ll} \max & f^{T}w \\ s.t. & s_{l} \leq X(w-w_{b}) \leq s_{h} \\ & h_{l} \leq H(w-w_{b}) \leq h_{h} \\ & w_{l} \leq w-w_{b} \leq w_{h} \\ & b_{l} \leq B_{b}w \leq b_{h} \\ & \mathbf{0} \leq w \leq l \\ & \mathbf{1}^{T}w = 1 \end{array} $$ 其中： - \( f \)为因子取值向量，\( w \)为股票权重，\( w_b \)为基准权重 - 约束包括风格暴露（\( X \)）、行业暴露（\( H \)）、个股权重偏离（\( w_l, w_h \)）等[40][41] - 设置个股偏离权重上限1%（中证500/沪深300）或0.5%（公募重仓指数）[44] 量化因子与构建方式 1. **因子名称**：估值类因子（BP、EPTTM、单季EP等） - **构建思路**：衡量股票价格相对于基本面价值的低估/高估程度[18] - **具体构建**： - BP：净资产/总市值 - EPTTM：归母净利润TTM/总市值 - 单季EP：单季度归母净利润/总市值[18] 2. **因子名称**：反转类因子（一个月反转、三个月反转等） - **构建思路**：捕捉短期价格反转效应[18] - **具体构建**： - 一个月反转：过去20个交易日涨跌幅 - 三个月反转：过去60个交易日涨跌幅[18] 3. **因子名称**：成长类因子（单季净利同比增速、单季营收同比增速等） - **构建思路**：反映企业盈利或收入的增长能力[18] - **具体构建**： - 单季净利同比增速：（本期净利润-去年同期净利润）/去年同期净利润 - SUE：（实际净利润-预期净利润）/预期净利润标准差[18] 4. **因子名称**：流动性类因子（非流动性冲击、一个月换手等） - **构建思路**：衡量股票交易流动性对收益的影响[18] - **具体构建**： - 非流动性冲击：过去20个交易日日涨跌幅绝对值/成交额均值 - 一个月换手：过去20个交易日换手率均值[18] 模型的回测效果 1. **国信金工指数增强组合**： - 沪深300增强：本周超额0.82%，本年超额6.67% - 中证500增强：本周超额0.04%，本年超额7.84% - 中证1000增强：本周超额0.34%，本年超额12.61%[15] 2. **单因子MFE组合（中证500样本）**： - BP因子：最近一周超额0.87%，历史年化3.92% - 预期EPTTM：最近一周超额0.83%，历史年化4.26% - 一年动量：最近一周超额-0.35%，历史年化2.38%[22] 因子的回测效果 1. **沪深300样本空间**： - 预期EPTTM：本周超额0.99%，历史年化2.35% - 单季EP：本周超额0.85%，历史年化3.89%[28] 2. **中证1000样本空间**： - BP因子：本周超额1.03%，历史年化2.69% - 一个月换手：本周超额0.89%，历史年化7.32%[24] 3. **公募重仓指数样本空间**： - 预期EPTTM：本周超额0.99%，历史年化2.35% - 一年动量：本周超额-1.43%，历史年化0.98%[28] 其他关键信息 - **公募重仓指数构建**：选取普通股票型及偏股混合型基金持仓，累计权重达90%的股票作为成分股[42][43] - **因子库覆盖维度**：估值、反转、成长、盈利、流动性、公司治理、分析师预期等7大类30余个因子[18]

量化因子与构建方式 1. **因子名称**：新价量相关性RPV因子 - **构建思路**：通过划分价量四象限，利用月度IC均值甄别价量相关性因子的反转效应和动量效应，结合日内与隔夜信息叠加，以相关性形式加入成交量信息[6] - **具体构建过程**： 1. 日内价量相关性：使用CCOIV（日内收盘价与成交量相关性）代表，增强反转效应 2. 隔夜价量相关性：使用COV（隔夜收益与昨日成交量相关性）代表，体现动量效应 3. 信息叠加：将两类相关性因子加权合成RPV因子，公式为加权线性组合（未给出具体权重）[6] - **因子评价**：因子在A股市场中表现稳健，兼具反转与动量特性[6] 2. **因子名称**：聪明版日频价量相关性SRV因子 - **构建思路**：改进RPV因子，通过拆分日内涨跌时段并识别"聪明"交易时段（知情交易集中时段），优化价量相关性计算[6] - **具体构建过程**： 1. 日内部分：将下午交易时段中"聪明"指标（分钟级指标）最大的20%时段（24分钟）作为知情交易时段，计算下午涨跌与"聪明"换手率的相关系数 2. 隔夜部分：将换手率替换为昨日最后半小时换手率（知情交易比例更高） 3. 合成：结合优化后的日内与隔夜价量相关性因子，生成SRV因子[6] - **因子评价**：相比RPV因子，SRV因子在信息比率、最大回撤等指标上表现更优[6] --- 因子的回测效果 1. **RPV因子**（2014/01-2025/05全市场测试）： - 年化收益率：14.69% - 年化波动率：7.75% - 信息比率（IR）：1.90 - 月度胜率：72.79% - 最大回撤：10.63%[7][10] 2. **SRV因子**（2014/01-2025/05全市场测试）： - 年化收益率：17.48% - 年化波动率：6.50% - 信息比率（IR）：2.69 - 月度胜率：75.74% - 最大回撤：3.74%[7][10] 3. **2025年5月单月表现**： - RPV因子：多头收益3.99%，空头收益5.73%，多空对冲收益-1.74% - SRV因子：多头收益3.59%，空头收益5.68%，多空对冲收益-2.09%[10] --- 补充说明 - RPV因子在2014/01-2023/08回测期内年化收益16.29%，IR 2.41[6] - SRV因子在同期的RankICIR为-4.26，年化收益18.91%，IR 3.07，最大回撤仅3.11%[6]

量化模型与构建方式 券商金股业绩增强组合 1. **模型名称**：券商金股业绩增强组合 - **模型构建思路**：基于券商金股股票池，通过多因子优选和组合优化的方式构建组合，以对标偏股混合型基金指数为目标[12][43] - **模型具体构建过程**： 1. 以券商金股股票池为选股空间和约束基准 2. 采用组合优化方法控制组合与券商金股股票池在个股、风格上的偏离 3. 以全体公募基金的行业分布为行业配置基准 4. 考虑仓位及交易费用影响，构建最终组合[43] - **模型评价**：历史表现稳健，能够稳定战胜偏股混合型基金指数，在公募主动股基中排名靠前[12][43] 模型的回测效果 1. **券商金股业绩增强组合** - 2018-2024年全样本年化收益：21.20%（满仓）/19.01%（考虑仓位）[47] - 相对偏股混合型基金指数年化超额：22.49%（满仓）/14.87%（考虑仓位）[47] - 2018年排名：4.18%分位点（33/789）[47] - 2019年排名：29.30%分位点（286/976）[47] - 2020年排名：17.45%分位点（194/1112）[47] - 2021年排名：16.85%分位点（317/1881）[47] - 2022年排名：21.35%分位点（509/2384）[47] - 2023年排名：11.55%分位点（330/2856）[47] - 2024年排名：6.80%分位点（226/3325）[47] 量化因子与构建方式 1. **因子名称**：EPTTM - **因子表现**：最近一个月表现较好[27] 2. **因子名称**：盈余公告后跳空超额 - **因子表现**：最近一个月表现较好[27] 3. **因子名称**：剥离涨停动量 - **因子表现**：最近一个月和今年以来表现较好[27] 4. **因子名称**：单季度营收增速 - **因子表现**：最近一个月表现较差[27] 5. **因子名称**：单季度净利润增速 - **因子表现**：最近一个月表现较差[27] 6. **因子名称**：SUE - **因子表现**：最近一个月表现较差，今年以来表现较好[27] 7. **因子名称**：总市值 - **因子表现**：今年以来表现较好[27] 8. **因子名称**：预期股息率 - **因子表现**：今年以来表现较差[27] 9. **因子名称**：波动率 - **因子表现**：今年以来表现较差[27] 10. **因子名称**：BP - **因子表现**：今年以来表现较差[27] 因子的回测效果 1. **EPTTM因子**：最近一个月多空收益表现较好[27] 2. **盈余公告后跳空超额因子**：最近一个月多空收益表现较好[27] 3. **剥离涨停动量因子**：最近一个月和今年以来多空收益表现较好[27] 4. **单季度营收增速因子**：最近一个月多空收益表现较差[27] 5. **单季度净利润增速因子**：最近一个月多空收益表现较差[27] 6. **SUE因子**：最近一个月多空收益表现较差，今年以来表现较好[27] 7. **总市值因子**：今年以来多空收益表现较好[27] 8. **预期股息率因子**：今年以来多空收益表现较差[27] 9. **波动率因子**：今年以来多空收益表现较差[27] 10. **BP因子**：今年以来多空收益表现较差[27]

券商金股股票池上月回顾 - 2025年5月曼卡龙、潮宏基、科兴制药等券商金股月度涨幅靠前 [1] - 国元证券、华西证券、华创证券月度收益分别为10.78%、7.30%、5.70%，同期偏股混合型基金指数收益1.06%，沪深300指数收益1.85% [1][3] - 2025年以来东北证券、华鑫证券、东兴证券年度收益分别为45.28%、40.52%、39.15%，同期偏股混合型基金指数收益3.37%，沪深300指数收益-2.41% [1][7] 券商金股股票池中选股因子表现 - 最近一个月EPTTM(4.21%)、盈余公告后跳空超额(3.61%)、剥离涨停动量(3.04%)表现较好，单季度营收增速(-1.29%)、单季度净利润增速(-1.04%)、SUE(0.10%)表现较差 [18] - 今年以来总市值(18.21%)、剥离涨停动量(8.93%)、SUE(6.34%)表现较好，预期股息率(6.25%)、波动率(4.66%)、BP(3.01%)表现较差 [18] 券商金股股票池本月特征 - 截至2025年6月3日，43家券商发布286只A股金股 [19] - 绝对行业配置：机械(9.56%)、医药(9.04%)、电子(8.01%)、基础化工(7.75%)、食品饮料(6.46%) [23] - 相对行业变化：机械(+2.28%)、传媒(+1.49%)、医药(+1.32%)增配；电子(-3.25%)、计算机(-1.53%)、汽车(-1.31%)减配 [23] - 风格暴露：本月金股在小市值风格上暴露更高 [19] 券商金股推荐情况 - 海大集团、青岛啤酒、顺丰控股等获5家以上券商推荐 [21][24] - 东鹏饮料、杭州银行、巨化股份等获4家券商推荐 [24] - 奥瑞金、北化股份、宝新能源等为近12个月首次出现在金股池中 [25][26] 券商金股业绩增强组合表现 - 本月(20250506-20250530)绝对收益0.99%，相对偏股混合型基金指数超额-0.06% [28] - 本年(20250102-20250530)绝对收益4.97%，相对超额1.61%，在主动股基中排名30.18%分位点(1047/3469) [29] - 历史表现(2018-2024)：年化收益19.01%，年化超额14.87%，每年排名均在前30% [33] 券商金股指数跟踪 - 本月(20250506-20250530)收益0.66%，偏股混合型基金指数收益1.06% [10] - 本年(20250102-20250530)收益3.07%，偏股混合型基金指数收益3.37% [10] - 券商金股指数能较好跟踪偏股混合型基金表现 [9] 券商金股行业组合表现 - 本月纺织服装、商贸零售、银行业超额收益排名前三 [14] - 今年以来农林牧渔、汽车、商贸零售行业超额收益排名前三 [14]

量化因子与构建方式 1. **因子名称**：优加换手率 UTR2.0 - **因子构建思路**：结合量稳因子（STR）和量小因子（Turn20），通过等比尺度替代原次序尺度，并引入激活函数调整量小因子的作用强度[6][7] - **因子具体构建过程**： 1. 每月底计算所有股票的 **Turn20**（量小因子）和 **STR**（量稳因子） 2. 使用激活函数 **softsign** 调整量小因子的系数，使其与量稳因子关联： $$\mathrm{UTR2.0}=\mathrm{STR}+s o f t s i g n(\mathrm{STR})\cdot\mathrm{Turn20}$$ 其中 $$softsign(x)=\frac{x}{1+|x|}$$ 3. 最终因子值为 **STR** 与调整后的 **Turn20** 之和[7] - **因子评价**：相比原UTR因子，收益略降但波动率、信息比率和月度胜率更优[1][7] --- 因子的回测效果 1. **优加换手率 UTR2.0 因子**（2006年1月至2025年4月，全体A股10分组多空对冲）： - 年化收益率：40.30% - 年化波动率：15.04% - 信息比率（IR）：2.68 - 月度胜率：75.32% - 月度最大回撤：11.03%[1][8][12] 2. **2025年4月单月表现**（全体A股10分组）： - 多头组合收益率：1.20% - 空头组合收益率：-4.90% - 多空对冲收益率：6.10%[10][13] --- 其他说明 - **图表支持**：净值走势图（2006/01-2025/04）及4月多头组合净值展示[5][11][13] - **原始UTR因子构建方法**（对比参考）：基于排序打分法，分主分组调整量小因子方向[6]