国际与国内黄金市场价差显著 - 2026年2月8日，北京周大福门店足金价格为1482元/克，较年前便宜六十多元，而同日伦敦金价单日上涨260美元，突破4960美元/盎司，形成国内外价格“冰火两重天”的景象 [1] - 国内品牌金饰价格并非实时追踪国际金价，而是锚定上海黄金交易所前一日的收盘价，2月8日周大福1482元/克的价格是基于前一晚Au9999收盘价1092.49元/克，加上工艺费与品牌溢价形成 [3] - 国内基础金价涨幅温和，2月8日上海金交所报价1110元/克，涨幅约1.5%，银行金条价格为1134元/克，溢价率不足3%，而品牌金饰与基础金价之间存在近32%的溢价空间 [3] 黄金定价机制与市场结构 - 国内黄金批发市场价格显著低于零售品牌，深圳水贝批发市场足金批发价为1274元/克，比周大福价格便宜两百余元，但需要消费者自行加工 [3] - 国际金价剧烈波动受程序化交易驱动，2月8日伦敦金现单日反弹260美元，由56亿美元空单集中平仓触发连锁反应，算法交易放大中东地缘政治风险 [5] - 国内黄金市场受春节后消费淡季、央行购金及人民币汇率稳定影响，国内金价折算成美元后较伦敦金便宜约30%，吸引跨境套利资金，沪金期货与现货价差缩至8元/克，但波动率飙升至46%的十五年高位 [5] 黄金回收市场与变现成本 - 黄金回收价相对稳定，尽管品牌金饰价格波动，足金回收价始终稳定在1075元/克左右，熔毁后的黄金按原料价值流通 [5] - 不同回收渠道成本差异显著，银行只回收本行金条且每克扣除4-8元手续费，典当行“死当”价格比实时大盘低十几元，线上平台按克重阶梯收取服务费，最高达38.42元/克 [6] - 回收市场存在不规范操作，有消费者遭遇报价1200元/克最终结算不足1000元/克的陷阱，涉及称重克扣、成色降档等问题 [10] 黄金需求属性的结构性变化 - 全球黄金定价逻辑发生迁移，十年期美债实际利率的传统“锚点”作用被全球央行购金行为取代，2022至2024年全球央行年均净购金量超1000吨，占年需求23% [8] - 黄金的金融属性与商品属性在国内市场分裂，在国际市场扮演避险筹码，在国内市场仍是嫁妆、礼物等情感载体，有消费者为购买特定金饰排队三小时，并表示金价波动不影响送礼的体面 [8] - 投资渠道表现分化，同期博时黄金ETF下跌1.06%，追涨杀跌的散户成为市场波动牺牲品 [8] 市场监管与市场参与者行为 - 交易所采取监管措施为市场降温，上海金交所与上海期货交易所将黄金合约保证金比例上调至18%的历史高位 [10] - 市场参与者行为出现变化，典当行发现近期“活当”比例上升，顾客更倾向质押而非绝卖，同时品牌金店因金价下跌遭遇线上订单集中退货，部分商家规定退单需扣500元费用 [10] - 杠杆交易放大市场波动，芝加哥商品交易所上调贵金属期货保证金比例至浮动计算模式，触发多头平仓链式反应 [5][10]

量化模型与构建方式 1. **模型/因子名称**：公募指数增强基金等权组合模型[7][19] **模型/因子构建思路**：将同一跟踪指数（如沪深300、中证500等）下的所有公募指数增强基金进行等权配置，构建一个组合，用以观察该类策略的整体表现[7][19]。 **模型/因子具体构建过程**： * 基金筛选：根据Wind投资类型二级分类为“指数增强型”的基金，并按其跟踪的指数（如沪深300、中证500、中证1000、中证A500）进行分类[32]。 * 组合构建：在每月再平衡时点，将满足条件的基金（成立满2个月）纳入组合，并采用等权重配置[24]。 * 净值计算：计算该等权组合的净值走势，并与对应的全收益指数进行比较，得到累计超额净值[19][33]。 2. **模型/因子名称**：公募主动量化基金等权组合模型[7][19] **模型/因子构建思路**：将符合主动量化定义的所有公募基金进行等权配置，构建一个组合，用以观察主动量化策略的整体表现[7][19]。 **模型/因子具体构建过程**： * 基金筛选：筛选Wind投资类型为普通股票型、偏股混合型、灵活配置型的基金，并根据基金名称、投资目标、基金经理、招股说明书中的投资策略、股票仓位等定义，确定为主动量化基金[32]。 * 组合构建：在每月再平衡时点，将满足条件的基金（成立满2个月）纳入组合，并采用等权重配置[24]。 * 净值计算：计算该等权组合的累计净值走势[19]。 3. **模型/因子名称**：公募市场中性基金等权组合模型[7][19] **模型/因子构建思路**：将公募股票市场中性策略基金进行等权配置，构建一个组合，用以观察市场中性策略的整体表现[7][19]。 **模型/因子具体构建过程**： * 基金筛选：筛选Wind投资类型二级分类为“股票多空”的基金，定义为股票市场中性策略基金[32]。 * 组合构建：在每月再平衡时点，将满足条件的基金（成立满2个月）纳入组合，并采用等权重配置[24]。 * 净值计算：计算该等权组合的累计净值走势[19]。 4. **模型/因子名称**：公募量化固收+基金等权组合模型[13] **模型/因子构建思路**：将符合量化固收+定义的所有公募基金进行等权配置，构建一个组合，用以观察量化固收+策略的整体表现[13]。 **模型/因子具体构建过程**： * 基金筛选：筛选Wind投资类型为偏债混合型、一级债基、二级债基和灵活配置型的基金，并根据基金名称、投资目标、基金经理、招股说明书中的投资策略、股票仓位等定义，确定为量化固收+基金[32]。 * 组合构建：在每月再平衡时点，将满足条件的基金（成立满2个月）纳入组合，并采用等权重配置[24]。 * 净值计算：计算该等权组合的累计收益分布[13]。 模型的回测效果 1. **公募沪深300指增等权组合模型** * 本周超额收益均值：-0.03%[10] * 本月超额收益均值：0.94%[10] * 本年超额收益均值：0.94%[10] * 近一年跟踪误差均值：3.20%[10] 2. **公募中证A500指增等权组合模型** * 本周超额收益均值：-0.01%[10] * 本月超额收益均值：0.36%[10] * 本年超额收益均值：0.36%[10] * 本年跟踪误差均值：3.99%[10] 3. **公募中证500指增等权组合模型** * 本周超额收益均值：0.42%[10] * 本月超额收益均值：-1.88%[10] * 本年超额收益均值：-1.88%[10] * 近一年跟踪误差均值：4.50%[10] 4. **公募中证1000指增等权组合模型** * 本周超额收益均值：0.24%[10] * 本月超额收益均值：0.73%[10] * 本年超额收益均值：0.73%[10] * 近一年跟踪误差均值：4.38%[10] 5. **公募主动量化基金等权组合模型** * 本周收益均值：-1.09%[10] * 本月收益均值：6.61%[10] * 本年收益均值：6.61%[10] * 近一年最大回撤均值：12.53%[10] 6. **公募市场中性基金等权组合模型** * 本周收益均值：-0.03%[10] * 本月收益均值：0.24%[10] * 本年收益均值：0.24%[10] * 近一年最大回撤均值：3.72%[10] 7. **公募量化固收+基金等权组合模型** * 本周收益均值：-0.03%[13] * 本月收益均值：0.24%[13] * 本年收益均值：0.24%[13]

量化模型与因子总结 根据您提供的研报，该报告主要对各类公募量化基金的业绩表现进行了跟踪统计，并未详细阐述具体的量化模型或量化因子的构建过程。报告内容侧重于基金产品的分类业绩回顾，而非模型或因子本身的构建与测试[1][2][3][15]。 因此，报告中**未涉及**具体的量化模型或量化因子的构建思路、具体构建过程、公式或定性评价。 基金策略类型与业绩表现 报告提及了多种基于量化方法的基金策略类型，并给出了其近期业绩中位数数据。这些策略类型本身可被视为应用了不同量化模型（如多因子模型、行业轮动模型、大数据模型等）的投资产品，但报告未对其底层模型进行分解说明。 以下是报告中提到的各类策略基金及其业绩表现汇总[2][3][4][8][15][16][17][18][19][20]： **策略基金的业绩表现 (收益中位数)** 1. **沪深300指数增强基金**，本周超额收益0.49%，本月超额收益0.59%，本季度超额收益0.59%，本年度超额收益0.59%[3][4] 2. **中证500指数增强基金**，本周超额收益-0.25%，本月超额收益-2.08%，本季度超额收益-2.08%，本年度超额收益-2.08%[3][4] 3. **中证1000指数增强基金**，本周超额收益0.43%，本月超额收益-0.36%，本季度超额收益-0.36%，本年度超额收益-0.36%[3][4] 4. **中证A500指数增强基金**，本周超额收益0.39%，本月超额收益-0.02%，本季度超额收益-0.02%，本年度超额收益-0.02%[3][4] 5. **其它指数增强基金**，本周收益0.11%，本月收益0.75%，本季度收益0.75%，本年度收益0.75%[3][4] 6. **绝对收益（对冲）基金**，本周收益0.19%，本月收益-0.03%，本季度收益-0.03%，本年度收益-0.03%[3][8] 7. **其它主动量化基金**，本周收益1.51%，本月收益6.03%，本季度收益6.03%，本年度收益6.03%[3][8] 8. **定增主题基金**，本周收益0.46%，本月收益2.92%，本季度收益2.92%，本年度收益2.92%[15][16] 9. **提取业绩报酬基金**，本周收益0.37%，本月收益3.29%，本季度收益3.29%，本年度收益3.29%[15][17] 10. **行业主题轮动基金**，本周收益1.55%，本月收益6.03%，本季度收益6.03%，本年度收益6.03%[15][18] 11. **多因子类型基金**，本周收益1.89%，本月收益7.44%，本季度收益7.44%，本年度收益7.44%[15][19] 12. **大数据驱动主动投资基金**，本周收益-0.89%，本月收益7.22%，本季度收益7.22%，本年度收益7.22%[15][20] 13. **大数据被动型基金**，本周收益5.90%，本月收益14.92%，本季度收益14.92%，本年度收益14.92%[20]

量化模型与因子总结 量化模型与构建方式 1. **模型名称**：多因子模型[2][15][18] * **模型构建思路**：通过综合多个能够预测股票收益的因子（特征）来构建投资组合，以期获得超越基准的收益[15][18]。 * **模型具体构建过程**：研报未详细描述具体的多因子模型构建过程，仅将其作为一类基金（多因子基金）的投资策略进行归类统计[15][18]。 2. **模型名称**：行业主题轮动模型[2][15][18] * **模型构建思路**：根据对宏观经济、市场情绪、行业景气度等因素的判断，动态调整在不同行业或主题上的配置权重，以捕捉不同阶段的投资机会[15][18]。 * **模型具体构建过程**：研报未详细描述具体的行业主题轮动模型构建过程，仅将其作为一类基金（行业主题轮动基金）的投资策略进行归类统计[15][18]。 3. **模型名称**：大数据驱动主动投资模型[2][15][19][20] * **模型构建思路**：利用海量、非结构化的数据（如互联网搜索数据、社交媒体舆情、电商交易数据等）作为信息源，通过机器学习、自然语言处理等技术提取有效信号，辅助投资决策[15][19][20]。 * **模型具体构建过程**：研报未详细描述具体的大数据模型构建过程，仅将其作为一类基金（大数据驱动主动投资基金）的投资策略进行归类统计[15][19][20]。 模型的回测效果 1. **多因子模型**，本周收益中位数5.54%，本月收益中位数5.54%，本季度收益中位数5.54%，本年度收益中位数5.54%[18]。 2. **行业主题轮动模型**，本周收益中位数4.48%，本月收益中位数4.48%，本季度收益中位数4.48%，本年度收益中位数4.48%[18]。 3. **大数据驱动主动投资模型**，本周收益中位数8.19%，本月收益中位数8.19%，本季度收益中位数8.19%，本年度收益中位数8.19%[19][20]。 量化因子与构建方式 * 本研报主要对采用不同量化模型或策略的基金产品进行业绩统计和分类，并未涉及具体量化因子的构建与测试[1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18][19][20]。 因子的回测效果 * 本研报未涉及具体量化因子的测试结果。

量化模型与因子总结 根据所提供的量化基金业绩跟踪周报，报告核心内容为对各类公募量化基金（指数增强、主动量化、市场中性）的历史业绩进行统计、分析和展示[1][2][3]。报告本身并未涉及具体的**量化模型**或**量化因子**的构建、测试与评价。 报告的主要内容是业绩结果的呈现，包括不同时间窗口（本周、本月、近一年等）下，各类基金的平均收益/超额收益、分位数、跟踪误差、最大回撤等指标的统计值[10]。同时，报告也展示了基于基金等权组合构建的模拟净值走势[22][23][26][28][29][31][32]。 因此，本报告是一份**基金业绩跟踪报告**，而非关于**量化模型或因子**的研究报告。报告中未提及任何具体的模型名称、因子构建思路、构建过程或公式。 模型的回测效果 （报告中无相关内容） 量化因子与构建方式 （报告中无相关内容） 因子的回测效果 （报告中无相关内容）

公司股价与交易表现 - 鲁信创投(600783.SH)今日股价涨停，换手率达到11.29%，成交额为18.96亿元 [1] - 龙虎榜数据显示，上榜席位全天合计净买入2.43亿元，其中买入总额为4.16亿元，卖出总额为1.73亿元 [1] 龙虎榜买方席位分析 - 知名游资“陈小群”所在的中国银河证券大连黄河路营业部位列买一，买入金额为2.02亿元，占总成交比例的10.68% [1] - “量化基金”相关席位出现在买三和买五位置，合计买入9356万元 [1] - 沪股通专用席位位列买二，买入6771.74万元，占总成交比例的3.57% [1] - 买入金额前五名营业部的买入总额为4.16亿元，占总成交比例的21.96% [1][2]

2025年投资业绩总结 - 截至2025年末，合计持仓资产超过1000万元，全年合计盈利184.3万元，收益率为33.89% [1][13][14] - 场内ETF账户资产260万元，全年盈利43.8万元，收益率39.01%，跑赢上证指数20.60个百分点 [1][4] - 场外基金账户资产540万元，全年盈利132.5万元，收益率33.89% [3][8][12] - 基金投顾账户资产120万元，累计盈利约8万元 [13] - 近十年实盘累计收益率为219.8%，年化收益率为13.02% [16] 场内ETF账户操作与配置 - 该账户以中短期波段操作为主，2025年12个月中有9个月盈利，月度胜率为75% [1][4] - 当前核心配置方向为港股，辅以价值（防守）和航空航天（进攻）板块 [4] - 重仓的港股方向ETF包括：港股创新药ETF、港股通科技ETF、恒生消费ETF、港股红利ETF、港股通汽车ETF [4] - 重仓港股的核心逻辑在于其估值相比A股有明显优势，安全边际更高，且聚集了中国新经济的核心标的 [5] - 近期盈利亮点来自航空航天ETF和卫星ETF，后者自9月底布局以来累计浮盈近50% [7] 场外基金账户操作与配置 - 该账户以长期配置为主，2025年12个月中有8个月盈利，月度胜率超过66% [8][12] - 近期操作包括减仓10万元易方达国防军工，以将整体军工仓位从超配近20%调整至15%左右的合理水平 [9][12] - 目前主要持仓方向为资源、A股科技主动基金、港股的恒生科技与恒生医疗 [12] - 本周盈利主要来源于资源类基金，其中易方达资源行业混合持仓累计收益已近翻倍 [12] 基金投顾账户操作与配置 - 该账户以长期配置为主，近期在港股创新药回调中加仓1万元“医药汉堡”投顾组合 [13] - 当前持仓包括医药汉堡21.6万元、安心汉堡37.4万元、红利汉堡25.0万元、消费汉堡38.5万元、全球汉堡0.3万元 [13] - 其中安心汉堡、全球汉堡、红利汉堡为偏稳健组合，目标年化收益率分别为5%、7.5%、10% [13] 2026年市场展望与投资计划 - 市场已连续上涨两年，第三年继续赚钱概率不高，A股整体估值不低，港股估值相对合理，因此2026年应采取更多防守策略 [17][18] - 当前仓位为80%，但持仓结构已从高估值成长股切换至估值更低的价值与红利板块 [19][20] - 若市场继续上涨，计划将仓位进一步降低至60%左右，加仓方向为估值不贵且有潜力的行业 [21] - 尽管港股近期因IPO融资规模全球第一（2025年）带来回调压力，但上市的多为新经济领域优质标的，长期有利于市场发展 [22][23] - 在风格上，认为2026年大盘价值风格（如沪深300价值、价值ETF）可能比已连续跑赢三年小盘风格的量化基金更具潜力与安全性 [24][25] - 继续看好并重仓恒生科技、国防军工、创新药三大赛道，合计占整体仓位50% [26][27] - 计划在相关板块创出新高时进行减仓，将创新药仓位降至10%左右，恒生科技仓位降至15%左右，同时提升红利与价值的权重以降低组合波动 [29] - 对于当前持仓的资源类主动基金，计划继续持有 [29] - 为2026年设定的收益目标为20% [31]

公募基金发行市场整体概况 - 截至12月22日，今年以来新成立基金数量达1,469只，创近四年新高，合计发行份额为11,358.88亿份 [2][3] - 与2024年相比，2025年新发基金数量增加，但总发行份额从11,838.33亿份微降至11,358.88亿份，平均发行份额从10.46亿份降至7.73亿份 [3] 各类型基金发行结构变化 - 债券基金发行占比显著回落，从前两年（2023年、2024年）的71.27%和70.19%下降至41.21% [5] - 股票型基金发行份额占比从前两年（2023年、2024年）的12.24%和21.14%显著上升至35.98% [5] - 2025年新成立债券型基金262只，发行份额4,680.71亿份；混合型基金280只，发行份额1,551.03亿份 [3] - 此外，新成立QDII基金19只（发行124.80亿份）、REITs 19只（发行105亿份）、FOF 81只（发行810.68亿份） [3] 股票型基金发行表现 - 股票型基金成为发行市场焦点，新发规模创历史新高，发行份额突破4,000亿份，达4,086.66亿份，超越2021年创下的3,762.22亿份纪录 [1][6] - 新成立股票型基金数量达808只，远超2021年的512只，创下历史新高 [3][6] - 被动指数型基金是股票型基金的主力，在新成立的808只股票型基金中占604只，其中名称包含“科创”或“科技”的产品超过170只 [5] - 增强指数型基金共174只，其中A500指数增强基金占比超过三分之一；普通股票型基金共30只，包括多只量化选股基金 [5] 重点基金产品发行情况 - 东方红盈丰稳健配置6个月持有A以65.73亿份的发行份额成为今年新发规模最大的基金 [4] - 股票型基金中，发行规模最大的是华夏上证科创板综合ETF联接A，发行份额达48.92亿份 [4] - 混合型基金中，发行规模最大的是招商均衡优选A，发行份额达49.55亿份 [4]

股价与交易表现 - 神农种业股价于12月22日实现20CM涨停 [1] - 当日换手率高达45.52% [1] - 成交额达到27.2亿元 [1] 龙虎榜机构资金动向 - 四家机构席位合计净买入2.24亿元，具体为买入2.93亿元，卖出6930万元 [1] - 机构专用席位分别买入9330.30万元、7223.17万元、7085.19万元、5658.45万元，占总成交比例分别为3.43%、2.66%、2.60%、2.08% [1] - 上榜席位全天合计净买入2.6亿元，具体为买入4.03亿元，卖出1.43亿元 [1] 龙虎榜游资与量化资金动向 - 游资“瑞鹤仙”位列买五席位，净买入4937万元 [1] - “量化基金”位列卖三席位，净卖出1209万元 [1] - 卖出金额最大的前五名席位包括东方财富证券拉萨东环路第二营业部、平安证券深圳分公司等，卖出金额在493.19万元至2215.87万元之间 [1]

量化模型与构建方式 1. **模型名称**：公募指数增强基金等权组合模型[6][17][20][21][26] **模型构建思路**：通过等权重配置同一指数增强基金类别下的多只产品，构建一个能够代表该类基金整体平均表现的组合[17][22]。 **模型具体构建过程**： * **基金筛选**：根据Wind投资类型二级分类，筛选出跟踪特定指数（如沪深300、中证500、中证1000、中证A500）的指数增强型基金[29]。 * **成立时间过滤**：在每次再平衡时点，仅纳入成立已满2个月的基金，以排除建仓期影响[17][22][30]。对于中证A500指增，由于存续时间较短，在统计本年收益时放宽要求，不要求满2个月[8][30]。 * **组合构建与再平衡**：将筛选出的基金进行等权重配置，形成组合。组合采用月度频率进行再平衡，即每月调整一次，使各成分基金恢复等权重[17][22]。 * **净值计算**：计算该等权组合的净值走势，用于观察该类基金整体的累计超额收益表现[6][17][20][21][26]。 2. **模型名称**：公募主动量化产品等权组合模型[6][17][25][27] **模型构建思路**：通过等权重配置多只主动量化基金，构建一个能够代表主动量化基金整体平均表现的组合[17]。 **模型具体构建过程**： * **基金筛选**：根据基金名称、投资目标、基金经理、招股说明书的投资策略、股票仓位等，从Wind投资类型为普通股票型、偏股混合型、灵活配置型的基金中定义并筛选出主动量化基金[29]。 * **成立时间过滤**：在每次再平衡时点，仅纳入成立已满2个月的基金[17]。 * **组合构建与再平衡**：将筛选出的基金进行等权重配置，形成组合。组合采用月度频率进行再平衡[17]。 * **净值计算**：计算该等权组合的净值走势，用于观察主动量化基金整体的累计绝对收益表现[6][17][25][27]。 3. **模型名称**：公募市场中性产品等权组合模型[6][17][24] **模型构建思路**：通过等权重配置多只股票市场中性策略基金，构建一个能够代表市场中性基金整体平均表现的组合[17]。 **模型具体构建过程**： * **基金筛选**：根据Wind投资类型二级分类，筛选出投资类型为“股票多空”的基金，定义为股票市场中性策略基金[29]。 * **成立时间过滤**：在每次再平衡时点，仅纳入成立已满2个月的基金[17]。 * **组合构建与再平衡**：将筛选出的基金进行等权重配置，形成组合。组合采用月度频率进行再平衡[17]。 * **净值计算**：计算该等权组合的净值走势，用于观察市场中性基金整体的累计绝对收益表现[6][17][24]。 模型的回测效果 1. 公募沪深300指增等权组合模型，近一年跟踪误差3.07%[8]，近一年信息比率(IR)未直接给出，可通过“近一年均值0.29%”与“近一年跟踪误差3.07%”估算。 2. 公募中证A500指增等权组合模型，本年跟踪误差5.94%[8]。 3. 公募中证500指增等权组合模型，近一年跟踪误差4.35%[8]，近一年信息比率(IR)未直接给出，可通过“近一年均值2.85%”与“近一年跟踪误差4.35%”估算。 4. 公募中证1000指增等权组合模型，近一年跟踪误差4.37%[8]，近一年信息比率(IR)未直接给出，可通过“近一年均值9.70%”与“近一年跟踪误差4.37%”估算。 5. 公募主动量化产品等权组合模型，近一年最大回撤13.10%[8]。 6. 公募市场中性产品等权组合模型，近一年最大回撤3.42%[8]。 量化因子与构建方式 1. **因子名称**：超额收益因子[1][2][3][8] **因子构建思路**：衡量指数增强基金相对于其跟踪基准的超额收益能力[29]。 **因子具体构建过程**： * **基准确定**：以基金所跟踪的标的指数对应的全收益指数作为比较基准[29]。 * **计算**：在指定时间窗口内（如本周、本月、本年等），计算基金净值增长率与基准指数增长率之差，即为该时间窗口的超额收益。 $$超额收益 = R_{fund} - R_{benchmark}$$ 其中，$R_{fund}$ 为基金收益率，$R_{benchmark}$ 为基准全收益指数收益率。 2. **因子名称**：跟踪误差因子[8] **因子构建思路**：衡量指数增强基金投资组合收益率与基准指数收益率之间的偏离程度，即投资组合的风险控制能力[8]。 **因子具体构建过程**： * **数据准备**：获取基金和基准指数在近一年内的日度收益率序列。 * **计算**：计算基金日收益率与基准日收益率之差的年化标准差。 $$年化跟踪误差 = \sqrt{242} \times Std(R_{fund, daily} - R_{benchmark, daily})$$ 其中，$Std$ 表示标准差，年化交易日数采用242天[29]。 3. **因子名称**：最大回撤因子[8] **因子构建思路**：衡量基金净值从前期高点下降到后期低点的最大幅度，用于评估基金的历史下行风险[8]。 **因子具体构建过程**： * **数据准备**：获取基金在指定时间窗口内（如近一年）的净值序列。 * **计算**：对于净值序列中的每一个时点，计算从该时点之前的历史最高点到该时点的回撤率，所有时点回撤率中的最大值即为该时间窗口的最大回撤。 $$回撤率(At\ Time\ t) = \frac{Peak_t - NAV_t}{Peak_t}$$ $$最大回撤 = Max(回撤率_1, 回撤率_2, ..., 回撤率_T)$$ 其中，$Peak_t$ 为时点 $t$ 之前的历史最高净值，$NAV_t$ 为时点 $t$ 的净值。 因子的回测效果 1. 超额收益因子（沪深300指增），本周均值0.21%[1][8]，本月均值0.33%[2][8]，本年均值-0.24%[3][8]，近一年均值0.29%[8]。 2. 超额收益因子（中证A500指增），本周均值-0.04%[1][8]，本月均值-0.03%[2][8]，本年均值1.04%[3][8]。 3. 超额收益因子（中证500指增），本周均值-0.44%[1][8]，本月均值-0.11%[2][8]，本年均值0.64%[3][8]，近一年均值2.85%[8]。 4. 超额收益因子（中证1000指增），本周均值-0.24%[1][8]，本月均值0.25%[2][8]，本年均值7.52%[3][8]，近一年均值9.70%[8]。 5. 超额收益因子（主动量化），本周均值-0.12%[1][8]，本月均值0.58%[2][8]，本年均值26.64%[3][8]，近一年均值21.68%[8]。 6. 超额收益因子（市场中性），本周均值-0.12%[1][8]，本月均值-0.10%[2][8]，本年均值1.03%[3][8]，近一年均值1.40%[8]。 7. 跟踪误差因子（沪深300指增），近一年均值3.07%[8]。 8. 跟踪误差因子（中证A500指增），本年均值5.94%[8]。 9. 跟踪误差因子（中证500指增），近一年均值4.35%[8]。 10. 跟踪误差因子（中证1000指增），近一年均值4.37%[8]。 11. 最大回撤因子（主动量化），近一年均值13.10%[8]。 12. 最大回撤因子（市场中性），近一年均值3.42%[8]。