量化模型与构建方式 1. **模型名称：成交量模型** - 模型构建思路：基于市场成交量变化判断短期市场情绪[12] - 模型具体构建过程：监测宽基指数成交量突破阈值（如20日均值），触发看多/中性信号[12] 2. **模型名称：低波动率模型** - 模型构建思路：利用波动率指标识别市场稳定性[12] - 模型具体构建过程：计算指数历史波动率（如30日标准差），低于阈值时触发中性信号[12] 3. **模型名称：特征龙虎榜机构模型** - 模型构建思路：跟踪机构资金流向判断市场热度[12] - 模型具体构建过程：统计龙虎榜机构净买入占比，中位数以上为看多信号[12] 4. **模型名称：智能算法沪深300/中证500模型** - 模型构建思路：结合机器学习和价量因子预测指数趋势[12] - 模型具体构建过程：输入历史价格、成交量、换手率等特征，输出看多信号[12] 5. **模型名称：涨跌停模型** - 模型构建思路：通过涨跌停股数量反映市场极端情绪[13] - 模型具体构建过程：统计全A股涨跌停比例，阈值触发中性信号[13] 6. **模型名称：长期动量模型** - 模型构建思路：捕捉指数长期趋势延续性[14] - 模型具体构建过程：计算上证50等指数250日收益率，突破阈值翻多[14] 7. **模型名称：成交额倒波幅模型（港股）** - 模型构建思路：结合成交额与波动率判断港股中期趋势[16] - 模型具体构建过程：$$信号=\frac{成交额}{波幅}$$，高于历史分位数看多[16] 8. **复合模型：A股综合兵器V3模型** - 模型构建思路：多因子耦合（防御+进攻因子）[15] - 模型具体构建过程：加权短期成交量、中期涨跌停、长期动量信号，输出看空[15] 模型的回测效果 1. 成交量模型：上证50看多，沪深300看多，中证500中性[12] 2. 低波动率模型：上证50中性[12] 3. 特征龙虎榜机构模型：沪深300中性[12] 4. 智能算法模型：沪深300看多，中证500看多[12] 5. 涨跌停模型：全A中性[13] 6. 长期动量模型：上证50看多[14] 7. 成交额倒波幅模型：恒生指数看多[16] 8. A股综合兵器V3模型：看空[15] 量化因子与构建方式 1. **因子名称：杯柄形态因子** - 因子构建思路：识别价格“杯柄”突破形态[45] - 因子具体构建过程： 1. 定义杯底（A点）、杯沿（B点）、柄部（C点）[45] 2. 突破柄部高点时触发信号：$$突破价>C点最高价$$[45] - 因子评价：中长期超额收益显著[44] 2. **因子名称：双底形态因子** - 因子构建思路：捕捉W形底部反转机会[52] - 因子具体构建过程： 1. 识别两个低点（A/C点）和颈线（B点）[52] 2. 突破颈线时触发：$$突破价>B点最高价$$[52] 因子的回测效果 1. 杯柄形态因子：2020年至今累计超额收益50.35%[44] 2. 双底形态因子：2020年至今累计超额收益36.34%[52]

2025 年 8 月 2 日 总量研究 风险偏好持续提升，量化选股组合超额收益显著 ——金融工程量化月报 20250802 要点 市场情绪追踪：截至 2025 年 7 月 31 日，沪深 300 上涨家数占比指标最近一个 月环比上月上升，上涨家数占比指标高于 70%，市场情绪较高；从动量情绪指 标走势来看，近一月快线慢线同步向上，快线处于慢线上方，预计在未来一段时 间内将维持看多观点；从均线情绪指标来看，短期内沪深 300 指数处于情绪景 气区间。市场情绪指标发出的乐观信号反映出近期市场风险偏好持续提升。 基金分离度跟踪：截至 2025 年 7 月 31 日，基金抱团分离度小幅上行，目前处 于低位，基金抱团程度较高。最近一月抱团股超额收益小幅下行，抱团基金超额 收益小幅上行。 PB-ROE-50 策略跟踪：2025 年 7 月，PB-ROE-50 策略在各股票池取得正超额 收益。基于中证 500 股票池获得超额收益 0.59%。基于中证 800 股票池获得超 额收益 2.91%。基于全市场股票池获得超额收益 2.34%。 机构调研策略跟踪：2025 年 7 月，公募调研选股策略和私募调研跟踪策略获取 正超额收 ...

量化模型与构建方式 1. **模型名称**：成交量模型 - **模型构建思路**：基于宽基指数的成交量变化判断市场短期趋势[12] - **模型具体构建过程**：监测主要宽基指数（如上证指数、沪深300等）的成交量突破历史均值的幅度，结合价格波动确认看多/看空信号[12] - **模型评价**：对短期市场情绪敏感，但需结合其他模型过滤噪音[12] 2. **模型名称**：低波动率模型 - **模型构建思路**：通过计算指数波动率分位数判断市场风险偏好[12] - **模型具体构建过程**：采用20日历史波动率，当波动率低于过去一年25%分位数时标记为“中性”[12] 3. **模型名称**：特征龙虎榜机构模型 - **模型构建思路**：跟踪龙虎榜机构资金流向构建反向信号[12] - **模型具体构建过程**：统计机构席位净买入占比，当超买时触发看空信号[12] 4. **模型名称**：智能算法沪深300/中证500模型 - **模型构建思路**：基于机器学习算法融合价量因子预测指数走势[12] - **模型具体构建过程**：输入包括动量、换手率、资金流等因子，通过XGBoost输出看多/看空信号[12] 5. **模型名称**：长期动量模型 - **模型构建思路**：捕捉指数12个月以上的趋势延续性[14] - **模型具体构建过程**：计算上证50等指数的年化收益率，突破阈值时翻多[14] 6. **模型名称**：成交额倒波幅模型（港股） - **模型构建思路**：结合成交额与波动率判断港股中期趋势[16] - **模型具体构建过程**：$$Signal = \frac{成交额}{波幅}$$，当比值突破历史中枢时看多[16] 7. **模型名称**：杯柄形态/双底形态模型 - **模型构建思路**：技术形态识别策略，捕捉个股突破机会[47][53] - **模型具体构建过程**： - **杯柄形态**：识别“A点（左杯沿）-B点（杯底）-C点（右杯沿）”结构，突破柄部时买入[47] - **双底形态**：识别“A点（第一底）-B点（反弹）-C点（第二底）”结构，突破颈线时买入[53] --- 模型的回测效果 1. **成交量模型**：本周对上证指数、沪深300等7个宽基指数发出看多信号[12] 2. **智能算法模型**：沪深300模型本周收益1.69%，中证500模型收益3.28%[12] 3. **杯柄形态组合**：2020年至今累计收益54.21%，超额收益50.74%[46] 4. **双底形态组合**：2020年至今累计收益39.3%，超额收益35.83%[53] --- 量化因子与构建方式 1. **因子名称**：分析师上调比例因子 - **因子构建思路**：反映行业一致预期变化[20] - **因子具体构建过程**：$$Factor = \frac{分析师上调个股数}{行业总覆盖个股数}$$[20] 2. **因子名称**：基金超低配因子 - **因子构建思路**：监测机构仓位偏离度[33] - **因子具体构建过程**：$$Factor = \frac{基金持仓占比 - 行业市值占比}{行业市值占比}$$[33] --- 因子的回测效果 1. **分析师上调比例因子**：煤炭行业本周上调比例5.56%，钢铁行业7.55%[20] 2. **基金超低配因子**：电子行业超配15.64%（股票型基金），食品饮料超配8.99%（混合型基金）[33]

量化私募市场表现分化 - 中小盘风格策略显著跑赢大盘策略 反映市场结构性变化对不同投资策略的深刻影响 [1] - 量化1000指增策略表现最突出 灵均投资以36.79%年内收益领跑 信弘天禾/龙旗/启林等机构同类策略收益均超30% [3] - 量化500指增策略表现优异 信弘天禾和阿巴马相关产品年内收益超30% 量化300指增策略相对逊色 最高收益仅19.13% [3] 量化选股策略盈利能力突出 - 孝庸量化选股策略以46.26%年内收益领跑市场 衍盛铭量/子午等机构选股策略收益均超40% [3] - 选股策略因不受指数成分股限制 可通过动态调整因子权重和行业暴露精准捕捉市场机会 [3] 中小盘风格主导市场格局 - 中证1000指数成分股受益专精特新政策 涨幅显著高于沪深300指数 中小盘股研究覆盖度低带来更多定价偏差机会 [4] - 市场波动率提升有利量化策略 中小盘股波动率高于大盘股 日均成交额维持万亿以上保障策略容量需求 [4] - 个股表现高度分化 结构性行情下量化模型能更好识别相对价值 系统性捕捉定价偏差带来的超额收益 [4] 规模效应与策略分化特征 - 百亿私募在指增策略占据主导 量化1000/500指增前20名中大型机构优势明显 凭借资金/人才/算力资源实现更快模型迭代 [5] - 50亿以上私募指增产品上半年平均收益率18.30% 平均超额14.51% 正超额占比99.25% 显著优于中小型私募 [5] - 量化私募业绩分化加剧 1000指增策略最高收益与第20名相差超15个百分点 头部机构GPU算力优势显著 [5]

国信金工主动量化策略表现跟踪 - 优秀基金业绩增强组合本周绝对收益2.75%，本年绝对收益10.32%，相对偏股混合型基金指数超额收益分别为-0.31%和-2.13%，在主动股基中排名45.63%分位点（1583/3469）[1][12] - 超预期精选组合本周绝对收益3.68%，本年绝对收益24.40%，超额收益分别为0.62%和11.95%，排名11.53%分位点（400/3469）[1][9][13] - 券商金股业绩增强组合本周绝对收益1.91%，本年绝对收益14.13%，超额收益分别为-1.14%和1.67%，排名31.39%分位点（1089/3469）[1][21] - 成长稳健组合本周绝对收益2.15%，本年绝对收益29.61%，超额收益分别为-0.91%和17.15%，排名7.26%分位点（252/3469）[1][22][24] - 本周股票收益中位数0.60%（58%上涨），主动股基收益中位数2.20%（92%上涨）；本年股票收益中位数13.24%（76%上涨），主动股基收益中位数9.32%（91%上涨）[1][32] 策略构建方法论 - 优秀基金业绩增强组合：对标主动股基中位数，优选基金持仓后通过量化方法增强，年化跟踪误差4.68%[33][34] - 超预期精选组合：筛选研报标题超预期且分析师上调净利润的股票池，结合基本面与技术面双重优选[38] - 券商金股业绩增强组合：以券商金股股票池为基准，通过组合优化控制个股/风格偏离，行业配置参照公募基金分布[42] - 成长稳健组合：采用"时序+截面"二维评价体系，优先选择临近财报披露日的成长股，引入多重风控机制[47] 历史绩效表现 - 优秀基金业绩增强组合（2012-2025）：年化收益20.31%，超额11.83%，14年中有11年排名前30%[35][37] - 超预期精选组合（2010-2025）：年化收益30.55%，超额24.68%，连续16年排名前30%[39][41] - 券商金股业绩增强组合（2018-2025）：年化收益19.34%，超额14.38%，每年均排名前30%[43][46] - 成长稳健组合（2012-2025）：年化收益35.51%，超额26.88%，13年中有11年排名前30%[48] 市场基准数据 - 偏股混合型基金指数本年收益率12.46%，作为各组合的对标基准[6][13][17][24] - 股票收益分布：本周90分位点6.87%，本年90分位点57.57%；主动股基本周90分位点7.18%，本年90分位点26.16%[30]

量化选股策略发展历程 - 2021-2022年为早期实践阶段，量化选股因宽基指数低迷和指增策略收益不理想而兴起，22年Top 3百亿量化私募选股产品均实现正收益，稳博以22%绝对收益居首 [4] - 2023年策略正式出圈，因指增策略拥挤度激增，头部私募集中推出量化选股产品，近九成产品获正收益且平均收益5%，显著跑赢沪深300（-11.38%）和中证500（-7.42%） [5] - 2024-2025年迎来业绩爆发，上半年30%-40%收益成常态，50%+收益管理人不在少数，受益于日均万亿成交量和板块轮动的结构性行情 [6] 量化选股策略优势与适应性 - 策略核心依赖成交量和波动率双高环境，当前日均万亿成交+行业轮动加快的波动率水平构成舒适区间 [8] - 相比量化指增受指数风格约束，量化选股通过模型选股构建组合，不受行业/市值风格限制，灵活性和适应性更强 [13] - 典型管理人A私募采用多因子策略+杠杆择时，36%年内收益和117%近一年收益，历史最大回撤修复仅14天 [14][15] - 管理人B私募专注高频量价策略，30%年内收益和83%近一年收益，在极端行情中回撤修复迅速（如2024年4.16中证2000急跌后两周修复） [16][17] 市场环境与策略逻辑 - A股当前3500点走势缓慢扎实，不同于2007/2014/2021年疯牛行情，市场恐高情绪与历史3000点阶段类似 [9][11] - 量化选股弱化择时需求，其超额收益逻辑在于持续高成交（日均万亿）和板块轮动带来的波动率红利 [8][13] - 策略规模红利显现，A私募35亿规模、B私募27亿规模仍处可获取超额阶段 [14][16]

组合表现 - "银行AH+小微盘"组合从去年924至今上涨54.97%，期间最大回撤13.89%，表现优于多数主要指数 [1] - 中证2000指数同期涨幅56.91%，但最大回撤达19.65%，组合波动更小 [1][2] - 组合构成：40%银行AH优选ETF(517900)+30%1000ETF增强(159680)+30%中证2000增强ETF(159552) [2] 银行AH优选ETF表现 - 银行AH优选ETF(517900)2025年至今上涨24%，基金份额暴增411% [4] - 低利率环境下，保险、养老等长期资金对高股息银行股有配置需求 [6] - ETF采用AH轮动机制，动态调仓两地更便宜的银行股以获取超额收益 [6] 小微盘增强策略 - 中证2000增强ETF(159552)上半年净值增长29.18%，在同类宽基ETF中排名第一 [9] - 该ETF成立一周年以来累计净值增长68.21%，大幅跑赢中证2000指数 [10] - 组合采用"高股息打底+小微盘增强进攻"的哑铃结构 [7] 小微盘行情展望 - 银河证券预计未来1-2季度仍有宽松政策，利好流动性敏感的小盘股 [11] - 并购重组新规推进将打开小市值企业成长空间，历史显示小盘股在重组潮中估值弹性更好 [11] - 中证2000增强ETF持续的超额收益验证了量化策略的有效性 [12]

市场情绪追踪 - 截至2025年6月30日，沪深300上涨家数占比指标最近一个月环比上升，且高于60%，显示市场情绪较高 [3] - 动量情绪指标显示快线向上、慢线向下，快线位于慢线上方，预计未来维持看多观点 [3] - 均线情绪指标表明沪深300指数短期内处于情绪景气区间 [3] 基金分离度跟踪 - 截至2025年6月30日，基金抱团分离度小幅上行但仍处于低位，反映基金抱团程度较高 [4] - 最近一月抱团股超额收益小幅上行，而抱团基金超额收益小幅下行 [4] PB-ROE-50策略跟踪 - 2025年6月，PB-ROE-50策略在中证500、中证800和全市场股票池中分别获得0 92%、3 92%和4 59%的超额收益 [5] 机构调研策略跟踪 - 2025年6月，公募调研选股策略和私募调研跟踪策略均取得正超额收益，相对中证800的超额收益分别为5 55%和1 90% [6] 负面清单 - 宽松有息负债率排名前30的股票中，中毅达、指南针等9只股票在传统口径下排名100及以后 [7] - 财务成本负担率较高的股票包括辽宁成大、银宝山新等17只，指标数值均在10倍以上 [7]

新股发行与打新市场 - 2025年6月共8只新股上市，募集金额91.53亿元，环比增长164.8% [4] - 网下发行新股6只，募集金额87.30亿元，环比增长174.1% [4] - 主板新股首日平均上涨188.17%，双创板块新股首日平均上涨190.72% [4] - 5亿规模账户当月打新收益率A类0.168%，C类0.166% [4] 市场情绪与量化选股 - 沪深300上涨家数占比指标高于60%，市场情绪较高 [5] - 动量情绪指标快线向上、慢线向下，快线处于慢线上方，预计维持看多观点 [5] - 沪深300指数短期内处于情绪景气区间 [5] 行业景气度分析 - 煤炭、浮法玻璃、钢铁行业利润同比负增长 [6] - 油价反弹带动炼化行业景气度同比持稳 [6] - 水泥行业利润同比正增长 [6] - 能繁母猪存栏环比微增，预测Q4肉价延续低位震荡 [6] - PMI滚动均值企稳，房屋销售面积同比微降 [6] 房地产销售数据 - 2025年1-6月TOP100房企累计全口径销售金额1.8万亿元，同比-11.4% [7] - 全口径销售面积8,597万平，同比-22.2% [7] - 中国金茂、越秀地产、华发股份累计同比表现较好，分别为+20%、+11%、+11% [7] - 楼市区域分化加深，部分高能级城市逐步止跌回稳 [7]

量化模型与因子分析总结 量化模型与构建方式 1. **竞争优势组合模型** - 构建思路：基于竞争壁垒分析框架，将行业分为"壁垒护盾型"、"竞争激烈型"、"稳中求进型"和"寻求突破型"四类，重点选择具有长期稳定市场份额和超强盈利能力的"壁垒护盾型"行业中的主导企业[13] - 具体构建：将"壁垒护盾型"行业中的"唯一主导+合作共赢"组合与无壁垒保护行业中的"高效运营"组合结合[14] - 模型评价：该模型提供了不同于传统因子投资的价值量化视角，能够识别具有不同竞争特性的行业和企业[13] 2. **安全边际组合模型** - 构建思路：通过计算个股的盈利能力价值作为安全边际，在综合竞争优势股票池内选择安全边际最大的标的[18] - 具体构建：使用ROIC分析企业创造价值的能力，计算安全边际（内在价值与市场价值的差距），选择安全边际最大的前50标的并采用股息率加权[18][20] - 模型评价：该模型强调企业内在价值与市场价值的差距，更可靠地反映企业实际价值[18] 3. **AEG估值潜力组合模型** - 构建思路：基于超额收益增长(AEG)模型，考虑投资收益的所有来源，计算公司总体收益超过机会成本部分的价值[30] - 具体构建：首先用AEG_EP因子选取TOP100，然后选择股利再投资/P比率高的TOP50股票[34] - 公式： $$A E G=Y_{t}-N_{t}=(E_{t}+r*D P S_{t-1})-(1+r)*E_{t-1}$$ $$\frac{V_{0}}{E_{1}}=\frac{1}{r}+\frac{1}{r}*\frac{\left(\frac{A E G_{2}}{1+r}+\frac{A E G_{3}}{(1+r)^{2}}+\frac{A E G_{4}}{(1+r)^{3}}+\cdots\right)}{E_{1}}$$ $$\frac{V_{0}}{E_{1}}=\frac{1}{r}$$[30] - 模型评价：该模型能够识别市场尚未充分认识到其增长潜力的公司[34] 4. **现金牛组合模型** - 构建思路：通过CFOR分析体系评估企业的盈利能力和资产的现金生成效率，补充传统杜邦分解的不足[38] - 具体构建：关注自由现金利润比率的稳定性、经营资产回报率的稳定性等指标，在中证800成分股内选股[39] - 模型评价：该模型更全面地评估企业的经营绩效和财务稳定性[38] 5. **大模型AI选股组合** - 构建思路：通过FinLLM处理非结构化金融文本，融合思维链推理(COT)、对比分析与反事实推理，形成多维度验证闭环[44][47] - 具体构建：以"研报-公告-调研"三元组为最小分析单元，通过语义蒸馏、逻辑一致性验证等方法提取关键信号[48] - 模型评价：该模型突破了传统模型对非结构化信息的整合瓶颈，能够捕捉隐含的市场信号与管理层意图[44] 6. **治理效能组合模型** - 构建思路：基于MD&A(管理层讨论与分析)文本分析，评估管理层坦诚度、业务与财务逻辑一致性、长期价值创造三个维度[53] - 具体构建：先用短期利润指引因子和财务一致性因子等权合成基础组合，再用PB_ROE因子进一步选择前50个股[57] - 模型评价：该模型能够揭示财务数据背后的"过程"和"逻辑"，是量化策略的alpha前沿阵地[53] 模型的回测效果 1. **竞争优势组合** - 年化收益：17.04%(2012年以来)，20.41%(2019年以来)[1][17] - 夏普比率：0.66(2012年以来)，0.93(2019年以来)[1][17] - 信息比率(IR)：0.12[1] - 最大回撤：-47.68%(2012年以来)，-19.32%(2019年以来)[1][17] - 卡玛比率：0.36(2012年以来)，1.06(2019年以来)[1][17] 2. **安全边际组合** - 年化收益：22.73%(2012年以来)，20.27%(2019年以来)[2][22] - 夏普比率：1.02[2][22] - 信息比率(IR)：0.18(2012年以来)，0.13(2019年以来)[2][22] - 最大回撤：-35.10%(2012年以来)，-16.89%(2019年以来)[2][22] - 卡玛比率：0.65(2012年以来)，1.20(2019年以来)[2][22] 3. **红利低波季调组合** - 年化收益：20.27%(2014年以来)，17.36%(2019年以来)[2][26] - 夏普比率：0.94(2014年以来)，1.00(2019年以来)[2][26] - 信息比率(IR)：0.16[2] - 最大回撤：-43.06%(2014年以来)，-21.61%(2019年以来)[2][26] - 卡玛比率：0.47(2014年以来)，0.80(2019年以来)[2][26] 4. **AEG估值潜力组合** - 年化收益：28.72%(2014年以来)，23.33%(2019年以来)[3][36] - 夏普比率：1.11[3][36] - 信息比率(IR)：0.23(2014年以来)，0.16(2019年以来)[3][36] - 最大回撤：-44.34%(2014年以来)，-24.04%(2019年以来)[3][36] - 卡玛比率：0.65(2014年以来)，0.97(2019年以来)[3][36] 5. **中证800现金牛组合** - 年化收益：13.56%(2019年以来)[3][42] - 夏普比率：0.66[42] - 信息比率(IR)：0.13[42] - 最大回撤：-19.80%[3][42] - 卡玛比率：0.68[42] 6. **大模型AI选股组合** - 年化收益：16.53%(2019年以来)[4][49] - 夏普比率：0.71[49] - 信息比率(IR)：0.17[49] - 最大回撤：-33.01%[49] - 卡玛比率：0.50[49] 7. **中证800治理效能组合** - 年化收益：11.00%(2020年以来)[4][59] - 夏普比率：0.51[59] - 信息比率(IR)：0.23[59] - 最大回撤：-23.74%[59] - 卡玛比率：0.46[59]