量化模型与构建方式 1. **模型名称：进取组合**；模型构建思路：基于多因子模型构建的积极型投资组合[7]；模型具体构建过程：报告未详细说明具体因子构成和加权方式，仅表明其为多因子模型下的“进取”风格组合[10][11] 2. **模型名称：平衡组合**；模型构建思路：基于多因子模型构建的平衡型投资组合[7]；模型具体构建过程：报告未详细说明具体因子构成和加权方式，仅表明其为多因子模型下的“平衡”风格组合[10][11] 3. **模型名称：沪深300指数增强组合**；模型构建思路：在沪深300指数成分股内，通过量化模型优选股票，旨在获取超越基准的超额收益[5][9]；模型具体构建过程：报告未详细说明具体的增强模型（如多因子模型、优化器约束等）[13][15] 4. **模型名称：中证500指数增强组合**；模型构建思路：在中证500指数成分股内，通过量化模型优选股票，旨在获取超越基准的超额收益[5][9]；模型具体构建过程：报告未详细说明具体的增强模型[13][15] 5. **模型名称：中证1000指数增强组合**；模型构建思路：在中证1000指数成分股内，通过量化模型优选股票，旨在获取超越基准的超额收益[5][9]；模型具体构建过程：报告未详细说明具体的增强模型[13][15] 6. **模型名称：绩优基金的独门重仓股组合**；模型构建思路：选取绩优基金持有的非主流重仓股（独门重仓股）构建组合，旨在获取基金经理的Alpha[5][9]；模型具体构建过程：报告未详细说明绩优基金的筛选标准、独门重仓股的定义及组合构建方法[28] 7. **模型名称：盈利、增长、现金流三者兼优组合**；模型构建思路：筛选在盈利能力、增长能力和现金流质量三个维度均表现优异的股票构建组合[7][30]；模型具体构建过程：报告未详细说明具体筛选指标（如ROE、营收增长率、经营性现金流等）及阈值[30] 8. **模型名称：PB-盈利优选组合**；模型构建思路：结合低市净率（PB）与高盈利能力的股票筛选逻辑，构建有基本面支撑的低估值组合[5][33]；模型具体构建过程：报告未详细说明PB与盈利指标（如ROE、净利润率）的具体结合方式（如排序打分、复合因子等）[33][36] 9. **模型名称：GARP组合**；模型构建思路：采用GARP（Growth at a Reasonable Price）策略，寻找价格合理的成长股[9][38]；模型具体构建过程：报告未详细说明具体的成长指标（如PEG）和估值指标的构建方法[38] 10. **模型名称：小盘价值优选组合1**；模型构建思路：在小市值股票中，优选具备价值特征的股票构建组合[7][39]；模型具体构建过程：报告未详细说明小盘和价值的具体定义及筛选方法[39] 11. **模型名称：小盘价值优选组合2**；模型构建思路：在小市值股票中，采用另一套价值优选逻辑构建组合[9][42]；模型具体构建过程：报告未详细说明与“组合1”差异化的具体构建方法[42] 12. **模型名称：小盘成长组合**；模型构建思路：在小市值股票中，优选具备高成长特征的股票构建组合[7][43]；模型具体构建过程：报告未详细说明小盘和成长的具体定义及筛选方法[43] 量化因子与构建方式 1. **因子名称：市值因子**；因子构建思路：基于股票的总市值或流通市值构建，通常认为小市值股票存在溢价[47]；因子具体构建过程：报告未给出具体计算公式，通常使用股票总市值的自然对数或分位数排名。多头组合为市值最小的10%股票，空头组合为市值最大的10%股票[47] 2. **因子名称：PB因子**；因子构建思路：基于市净率构建，衡量股票的估值水平[47]；因子具体构建过程：报告未给出具体计算公式，通常使用股价除以每股净资产。多头组合为PB最高的10%股票（高估值），空头组合为PB最低的10%股票（低估值）[47] 3. **因子名称：PE_TTM因子**；因子构建思路：基于滚动市盈率构建，衡量股票的估值水平[47]；因子具体构建过程：报告未给出具体计算公式，通常使用股价除以最近四个季度的每股收益之和。多头组合为PE_TTM最高的10%股票（高估值），空头组合为PE_TTM最低的10%股票（低估值）[47] 4. **因子名称：反转因子**；因子构建思路：基于股票过去一段时间的收益率构建，认为过去表现差的股票未来可能反弹，过去表现好的股票未来可能回调[51]；因子具体构建过程：报告未给出具体计算公式和回溯期。多头组合为过去一段时间收益率最低的10%股票，空头组合为收益率最高的10%股票[51] 5. **因子名称：换手率因子**；因子构建思路：基于股票的换手率构建，通常认为低换手率股票未来表现更优[51]；因子具体构建过程：报告未给出具体计算公式和计算窗口。多头组合为换手率最低的10%股票，空头组合为换手率最高的10%股票[51] 6. **因子名称：波动率因子**；因子构建思路：基于股票价格的波动率构建，通常认为低波动率股票风险调整后收益更优[51]；因子具体构建过程：报告未给出具体计算公式（如历史收益标准差）和计算窗口。多头组合为波动率最低的10%股票，空头组合为波动率最高的10%股票[51] 7. **因子名称：ROE因子**；因子构建思路：基于净资产收益率构建，衡量公司的盈利能力[56]；因子具体构建过程：报告未给出具体计算公式（如净利润/净资产）。多头组合为ROE最高的10%股票，空头组合为ROE最低的10%股票[56] 8. **因子名称：SUE因子**；因子构建思路：基于标准化未预期盈余构建，衡量公司盈利超出市场预期的程度[56]；因子具体构建过程：报告未给出具体计算公式。通常公式为 $$SUE = \frac{(EPS_{实际} - EPS_{预期})}{\sigma(EPS_{预期})}$$，其中EPS_实际为报告期每股收益，EPS_预期为市场一致预期，σ为预期标准差。多头组合为SUE最高的10%股票，空头组合为SUE最低的10%股票[56] 9. **因子名称：预期净利润调整因子**；因子构建思路：基于分析师对净利润预测的调整幅度构建，反映基本面预期的变化[56]；因子具体构建过程：报告未给出具体计算公式。通常计算近期分析师净利润预测上调幅度。多头组合为预期净利润上调幅度最大的10%股票，空头组合为下调幅度最大的10%股票[56] 模型的回测效果 （数据期间：2026年3月20日至2026年3月27日（周）、2026年2月27日至2026年3月27日（月）、2025年12月31日至2026年3月27日（年））[9] 1. **进取组合**，周绝对收益率2.27%，周超额收益（vs 中证500）2.56%，月绝对收益率-7.95%，月超额收益2.68%，年绝对收益率11.96%，年超额收益8.32%，年跟踪误差23.54%，年最大相对回撤6.14%[9] 2. **平衡组合**，周绝对收益率1.12%，周超额收益（vs 中证500）1.41%，月绝对收益率-7.46%，月超额收益3.18%，年绝对收益率9.87%，年超额收益6.22%，年跟踪误差19.41%，年最大相对回撤4.99%[9] 3. **沪深300增强组合**，周绝对收益率-0.66%，周超额收益（vs 沪深300）0.75%，月绝对收益率-6.60%，月超额收益-2.18%，年绝对收益率2.53%，年超额收益5.28%，年跟踪误差7.52%，年最大相对回撤4.04%[9] 4. **中证500增强组合**，周绝对收益率-0.47%，周超额收益（vs 中证500）-0.18%，月绝对收益率-9.74%，月超额收益0.90%，年绝对收益率3.06%，年超额收益-0.58%，年跟踪误差7.40%，年最大相对回撤3.17%[9] 5. **中证1000增强组合**，周绝对收益率-0.25%，周超额收益（vs 中证1000）0.23%，月绝对收益率-8.94%，月超额收益0.58%，年绝对收益率4.77%，年超额收益2.78%，年跟踪误差7.92%，年最大相对回撤2.32%[9] 6. **绩优基金的独门重仓股组合**，周绝对收益率0.78%，周超额收益（vs 股票型基金总指数）2.49%，月绝对收益率-12.53%，月超额收益-5.42%，年绝对收益率2.70%，年超额收益3.51%，年跟踪误差24.34%，年最大相对回撤8.70%[9] 7. **盈利、增长、现金流三者兼优组合**，周绝对收益率0.60%，周超额收益（vs 沪深300）2.01%，月绝对收益率-11.28%，月超额收益-6.86%，年绝对收益率-14.32%，年超额收益-11.57%，年跟踪误差15.71%，年最大相对回撤16.70%[9] 8. **PB-盈利优选组合**，周绝对收益率-0.09%，周超额收益（vs 沪深300）1.33%，月绝对收益率-4.47%，月超额收益-0.05%，年绝对收益率3.03%，年超额收益5.79%，年跟踪误差13.89%，年最大相对回撤3.40%[9] 9. **GARP组合**，周绝对收益率-1.26%，周超额收益（vs 沪深300）0.15%，月绝对收益率-8.22%，月超额收益-3.80%，年绝对收益率4.68%，年超额收益7.43%，年跟踪误差12.44%，年最大相对回撤5.81%[9] 10. **小盘价值优选组合1**，周绝对收益率1.96%，周超额收益（vs 微盘股指数）0.31%，月绝对收益率-6.16%，月超额收益1.29%，年绝对收益率5.45%，年超额收益-3.77%，年跟踪误差12.64%，年最大相对回撤9.26%[9] 11. **小盘价值优选组合2**，周绝对收益率0.64%，周超额收益（vs 微盘股指数）-1.01%，月绝对收益率-8.19%，月超额收益-0.74%，年绝对收益率8.89%，年超额收益-0.33%，年跟踪误差12.35%，年最大相对回撤5.84%[9] 12. **小盘成长组合**，周绝对收益率-0.35%，周超额收益（vs 微盘股指数）-2.00%，月绝对收益率-9.27%，月超额收益-1.82%，年绝对收益率3.49%，年超额收益-5.73%，年跟踪误差11.01%，年最大相对回撤7.41%[9] 因子的回测效果 （数据期间：2026年3月20日至2026年3月27日（周）、2026年2月27日至2026年3月27日（月）、2025年12月31日至2026年3月27日（年））[47][51][56] 1. **市值因子**，上周全市场多空收益2.51%[47]，上月全市场/沪深300/中证500/中证1000多空收益分别为-0.06%/-7.70%/8.42%/1.46%[47]，今年以来全市场/沪深300/中证500/中证1000多空收益分别为6.09%/0.27%/-1.71%/-4.59%[48] 2. **PB因子**，上周全市场多空收益-0.62%[47]，上月全市场/沪深300/中证500/中证1000多空收益分别为5.30%/9.64%/5.72%/4.62%[47]，今年以来全市场/沪深300/中证500/中证1000多空收益分别为3.74%/0.98%/2.01%/1.33%[48] 3. **PE_TTM因子**，上周全市场多空收益-0.32%[47]，上月全市场/沪深300/中证500/中证1000多空收益分别为2.83%/15.06%/8.90%/2.69%[47]，今年以来全市场/沪深300/中证500/中证1000多空收益分别为2.40%/6.95%/1.27%/-1.32%[48] 4. **反转因子**，上周全市场多空收益-0.51%[51]，上月全市场/沪深300/中证500/中证1000多空收益分别为-1.09%/-0.21%/2.07%/-2.74%[54]，今年以来全市场/沪深300/中证500/中证1000多空收益分别为-6.55%/-11.35%/-6.76%/-4.15%[54] 5. **换手率因子**，上周全市场多空收益0.27%[51]，上月全市场/沪深300/中证500/中证1000多空收益分别为5.79%/7.43%/14.33%/6.74%[54]，今年以来全市场/沪深300/中证500/中证1000多空收益分别为6.09%/-2.47%/0.14%/5.31%[54] 6. **波动率因子**，上周全市场多空收益-1.57%[51]，上月全市场/沪深300/中证500/中证1000多空收益分别为4.08%/7.30%/8.51%/2.43%[54]，今年以来全市场/沪深300/中证500/中证1000多空收益分别为2.11%/-1.42%/-5.56%/-0.93%[54] 7. **ROE因子**，上周全市场多空收益-1.34%[56]，上月全市场/沪深300/中证500/中证1000多空收益分别为-0.54%/2.69%/3.22%/-2.10%[56]，今年以来全市场/沪深300/中证500/中证1000多空收益分别为1.55%/2.54%/3.35%/3.53%[57] 8. **SUE因子**，上周全市场多空收益0.46%[56]，上月全市场/沪深300/中证500/中证1000多空收益分别为0.15%/-4.02%/-0.81%/0.15%[56]，今年以来全市场/沪深300/中证500/中证1000多空收益分别为2.40%/0.06%/-2.24%/0.88%[57] 9. **预期净利润调整因子**，上周全市场多空收益0.50%[56]，上月全市场/沪深300/中证500/中证1000多空收益分别为2.28%/5.97%/1.95%/1.04%[56]，今年以来全市场/沪深300/中证500/中证1000多空收益分别为2.45%/8.00%/4.22%/-0.41%[57]

市场表现对比：两轮小微盘股下跌行情 - 2026年3月当周市场调整强度弱于2024年2月，万得微盘股指数单周下跌7.12%，而2024年2月2日当周下跌21.69%，本轮跌幅约为彼时的三分之一[2][3] - 同期其他主要指数跌幅亦显著收敛，中证2000指数本轮单周下跌5.70%，远低于2024年2月当周的16.78%[2][3] - 本轮市场调整性质更接近于风格回撤与情绪降温，系统性风险相对较低，不同于2024年2月的流动性踩踏与风险出清[2] 量化指增产品绝对收益表现 - 2026年3月当周，各类量化指增产品的绝对回撤幅度均显著小于2024年2月，未出现10%以上的集体回撤[5][6] - 具体来看，中证1000指增、中证500指增、中证2000指增及小微盘指增在2026年3月当周的跌幅均收敛至-5%至-6%附近，而2024年2月当周跌幅在-10%至-14%之间[7] - 从年初至2026年3月20日的累计表现看，小微盘指增策略涨跌幅达13.58%，显著优于其他主流指增类型[7] 量化指增产品超额收益表现 - 2026年3月调整中，各类指增产品的超额收益整体收敛至0附近，表现显著优于2024年2月[10] - 2024年2月当周，沪深300、中证500和中证1000指增分别录得-1.89%、-2.79%和-1.04%的负超额，仅中证2000指增实现6.68%的正超额[10][11] - 2026年3月当周，中证500指增转为+0.53%的正超额，中证1000基本持平，中证2000为+0.09%，小微盘指增则取得1.23%的正超额，负超额明显减少且无极端偏离[10][11] 量化策略风控与模型迭代 - 量化指增产品表现韧性提升，主要源于管理人对风控约束的全面升级与模型优化[13] - 风控升级具体体现在：严格限制微盘股仓位占比；强化流动性风控，剔除成交低迷、波动异常的标的并设置交易限额；优化量化模型，增加风险因子权重以应对极端行情；落实穿透式监管要求进行全量报备[13] - 量化策略在风控约束与模型结构上的系统性迭代，是超额收益分布显著收敛、整体表现更加均衡稳定的关键原因[10][13]

量化选股策略概述 - 量化选股是一种基于数学模型和计算机算法，系统性分析海量数据以选择股票的投资方法，其核心是“用历史规律预测未来，用算法克服人性弱点”[7] - 与传统主观选股依赖分析师对宏观经济、行业趋势或公司基本面的主观判断不同，量化选股通过建立系统性规则，在全市场范围内客观筛选股票[7] - 国内金融数据日益丰富与AI技术进步，叠加资本市场波动较大，促使高效、客观、纪律性强的量化选股策略在私募基金领域盛行[2] 量化选股的核心方法 - 多因子模型是量化选股的“基石”，其核心思想是股票的未来收益可由多个“因子”共同解释，策略研究员通过历史回测筛选出长期有效的因子组合[9] - 常见的因子包括价值因子（如PE、PB）、成长因子（如业绩增速）、动量因子（如量价趋势）等[10] - 统计套利策略基于“均值回归”逻辑，捕捉关联资产（如行业股票）价格短期偏离历史常态的套利机会[11] - 事件驱动策略通过量化模型实时监测上市公司事件（如财报发布、并购重组），并快速评估其对股价的影响以生成交易信号[12] 量化选股的优势 - 客观性与纪律性：量化模型不依赖人类主观判断，能避免认知偏差并在市场波动中保持纪律[7] - 高效性：计算机可在秒级处理数千只股票的多维度数据，覆盖人力无法企及的广度[14] - 分散性：策略持仓通常包含上百只股票，有助于降低单一标的风险[14] 量化选股的历史业绩表现 - 在过去5年（2021-2025年），私募基金的量化选股相比主观选股整体展现出更低的回撤、更高的收益和更高的夏普比率[15] - 除2024年这种转折年份外，量化选股的收益中位数在其余年份均明显跑赢主观选股；若按收益均值来看，过去5年都是量化选股领先[15] - 在回撤控制方面，量化选股仅在2024年的整体回撤比主观选股大，其余4年均表现出更小的回撤[17] - 由于在过去5年（2024年除外）量化选股的整体收益更高、回撤控制更好，因此其夏普比率也更高[20] 量化选股面临的挑战 - 因子失效风险：市场环境变化可能导致历史有效因子失效，例如市值因子可能因资金偏好变化而失效[22] - 模型同质化风险：若多家私募使用相似因子，可能导致策略拥挤，市场差价难做，超额收益被摊薄[23] - 黑箱风险：部分复杂模型的决策逻辑难以解释，实盘表现可能与回测差异较大[24] - 过度拟合陷阱：模型可能在历史数据上表现完美，但将过去的噪音当成规律，导致实盘中“水土不服”[25][26] 量化选股与指数增强的区别 - 两者“同宗同源”，底层基因相同，都运用量化模型筛选股票构建组合[27] - 核心区别在于“是否带着锚”投资：指数增强策略有明确的基准指数，在紧密跟踪指数的基础上寻求增强；量化选股策略则完全不受特定指数成分股和风格限制，自由度更高，目标是实现绝对收益最大化[27] - 量化选股的独特优势源于“无拘无束”，能更灵活捕捉不同风格、行业的轮动机会，争取更高的收益弹性[27] - 偏好明确指数的投资者可选指数增强，而追求更高绝对收益、能承受更大波动的投资者则可关注量化选股[27] 如何筛选量化选股策略 - 关注超额收益稳定性：观察策略是否在牛熊周期中均能跑赢市场，例如近3年年化超额收益是否持续为正[28] - 关注风险控制能力：观察策略的最大回撤、夏普比率等指标[28] - 关注团队投研实力：量化选股的核心竞争力是因子挖掘与模型迭代能力，可关注团队是否有金融工程背景及策略迭代能力[31]

量化模型与构建方式 1. **模型名称：成交量模型**[7][8][10] * **模型构建思路**：基于市场成交量的变化来判断短期市场情绪和趋势。 * **模型具体构建过程**：报告未详细描述具体构建公式和过程，仅提及其为短期择时模型，并给出了“中性”的信号判断[10]。 2. **模型名称：特征龙虎榜机构模型**[1][10] * **模型构建思路**：利用龙虎榜中机构资金的买卖行为特征来构建择时信号。 * **模型具体构建过程**：报告未详细描述具体构建公式和过程，仅提及其为短期择时模型，并给出了“看多”的信号判断[10]。 3. **模型名称：特征成交量模型**[1][10] * **模型构建思路**：基于更精细或具有特定特征的成交量数据（可能与普通成交量不同）来构建择时信号。 * **模型具体构建过程**：报告未详细描述具体构建公式和过程，仅提及其为短期择时模型，并给出了“看空”的信号判断[10]。 4. **模型名称：智能算法沪深300模型**[1][10] * **模型构建思路**：应用智能算法（如机器学习）对沪深300指数进行择时判断。 * **模型具体构建过程**：报告未详细描述具体算法和构建过程，仅提及其为短期择时模型，并给出了“中性”的信号判断[10]。 5. **模型名称：智能算法中证500模型**[1][10] * **模型构建思路**：应用智能算法（如机器学习）对中证500指数进行择时判断。 * **模型具体构建过程**：报告未详细描述具体算法和构建过程，仅提及其为短期择时模型，并给出了“看空”的信号判断[10]。 6. **模型名称：涨跌停模型**[1][11] * **模型构建思路**：通过分析市场中涨停和跌停股票的数量、比例等特征，来判断市场中期情绪和动能。 * **模型具体构建过程**：报告未详细描述具体构建公式和过程，仅提及其为中期择时模型，并给出了“中性”的信号判断[11]。 7. **模型名称：上下行收益差模型**[1][10][11][14] * **模型构建思路**：通过计算市场或指数上行收益与下行收益的差值或比率，来衡量市场动能的强弱和方向，用于中期择时。 * **模型具体构建过程**：报告未详细描述具体构建公式和过程，仅提及其为中期择时模型，对A股大部分宽基指数给出“中性”信号，对深证100和创业板指给出“看多”信号[10][11]，对港股恒生指数给出“中性”信号[14]。 8. **模型名称：月历效应模型**[1][11] * **模型构建思路**：基于历史数据中存在的特定月份或时间窗口的规律性收益模式（月历效应）来构建择时模型。 * **模型具体构建过程**：报告未详细描述具体构建公式和过程，仅提及其为中期择时模型，并给出了“中性”的信号判断[11]。 9. **模型名称：长期动量模型**[1][12] * **模型构建思路**：基于资产价格的长期趋势（动量效应）进行择时，认为过去表现好的资产在未来一段时间内仍会延续其表现。 * **模型具体构建过程**：报告未详细描述具体构建公式和过程，仅提及其为长期择时模型，并给出了“中性”的信号判断[12]。 10. **模型名称：A股综合兵器V3模型**[1][13] * **模型构建思路**：这是一个综合性的择时模型，可能耦合了短期、中期、长期等多个周期下的不同择时策略信号，形成最终的复合判断。 * **模型具体构建过程**：报告未详细描述具体耦合方法和构建过程，仅提及其为综合择时模型，并给出了“看空”的信号判断[13]。 11. **模型名称：A股综合国证2000模型**[1][13] * **模型构建思路**：专门针对国证2000指数构建的综合择时模型，可能集成了多因子或多策略信号。 * **模型具体构建过程**：报告未详细描述具体构建公式和过程，仅提及其为综合择时模型，并给出了“看空”的信号判断[13]。 12. **模型名称：成交额倒波幅模型**[1][14] * **模型构建思路**：结合成交额与波动率（波幅）的倒置关系来构建择时模型，用于港股中期择时。 * **模型具体构建过程**：报告未详细描述具体构建公式和过程，仅提及其为港股中期择时模型，并给出了“看空”的信号判断[14]。 13. **模型名称：上下行收益差相似模型**[1][14] * **模型构建思路**：与“上下行收益差模型”思路类似，但可能采用了不同的计算方式或比较基准，专门用于港股择时。 * **模型具体构建过程**：报告未详细描述具体构建公式和过程，仅提及其为港股中期择时模型，并给出了“中性”的信号判断[14]。 14. **模型名称：HCVIX模型**[39][40][42] * **模型构建思路**：复现并计算中国市场的波动率指数（VIX），作为判断市场情绪和风险的参考指标。VIX基于期权价格计算，反映市场对未来波动率的预期。 * **模型具体构建过程**：报告提及该模型根据公开披露的VIX计算方法复现，与中证指数公司历史发布的VIX指数相关系数达99.2%[40]。具体计算公式未在报告中给出，但标准VIX计算涉及选取近月和次近月期权，通过加权计算隐含波动率。模型提供了50ETF、沪深300指数、300ETF的VIX计算结果[40]。 15. **模型/策略名称：杯柄形态策略**[43][44][45] * **构建思路**：一种基于价格图表的技术分析形态识别策略。“杯柄”形态被视为看涨的持续形态，策略在股价突破“柄部”上沿时买入。 * **具体构建过程**：报告未给出具体的形态识别算法和量化规则。策略通过识别股价走势中类似“杯状”的U型底（A点到B点）和随后的小幅回调或盘整“柄部”（B点到C点）来构建交易信号，当价格突破C点（柄部高点）时触发买入[47]。 16. **模型/策略名称：双底形态策略**[43][49][50] * **构建思路**：一种基于价格图表的技术分析形态识别策略。“双底”形态（W底）被视为看涨的反转形态，策略在股价突破颈线位时买入。 * **具体构建过程**：报告未给出具体的形态识别算法和量化规则。策略通过识别股价形成两个相近低点（A点和C点）后，突破两者之间的反弹高点（B点，即颈线）时触发买入信号[52]。 17. **模型/策略名称：倒杯子形态风险监控**[59] * **构建思路**：一种识别潜在下跌趋势延续的技术形态。“倒杯子”形态被视为典型的负向形态，用于风险预警。 * **具体构建过程**：报告描述为在一波下跌后，股价出现筑顶（A点到C点），之后再次下跌并实现突破（E点），预示可能延续下跌趋势[59]。具体量化识别规则未给出。 模型的回测效果 1. **杯柄形态策略**，本周收益-4.28%，同期上证综指收益-3.38%，本周超额收益-0.90%，自2020年12月31日累计收益20.02%，累计超额收益6.08%[43] 2. **双底形态策略**，本周收益-3.36%，同期上证综指收益-3.38%，本周超额收益0.02%，自2020年12月31日累计收益16.65%，累计超额收益2.72%[43] 3. **HCVIX模型**，当前最新值为18.05[2][40] 量化因子与构建方式 1. **因子名称：分析师上调/下调个股比例**[18][19] * **因子构建思路**：通过统计行业内获得分析师上调或下调盈利预测（或评级）的个股比例，来反映分析师对该行业的一致预期变化。 * **因子具体构建过程**：报告未给出具体计算公式。构建过程可能为：对于每个行业，计算在特定时间段内，盈利预测被上调（或下调）的上市公司数量占该行业被覆盖上市公司总数的比例。 因子的回测效果 *(报告未提供因子的独立测试结果，如IC、IR、多空收益等)*

量化模型与构建方式 1. **模型名称：成交量模型** [1][10] * 模型构建思路：基于市场成交量的变化来判断市场短期情绪和趋势。 * 模型具体构建过程：报告未详细描述具体构建过程，仅提及其为短期择时模型，并给出了对多个宽基指数的看多、看空或中性信号[1][10]。 2. **模型名称：特征龙虎榜机构模型** [1][10] * 模型构建思路：利用龙虎榜中机构资金的买卖行为特征来构建择时信号。 * 模型具体构建过程：报告未详细描述具体构建过程，仅提及其为短期择时模型，并给出了对沪深300等指数的看空信号[1][10]。 3. **模型名称：特征成交量模型** [1][10] * 模型构建思路：基于成交量的某些特定特征（如放量、缩量模式等）来构建择时信号。 * 模型具体构建过程：报告未详细描述具体构建过程，仅提及其为短期择时模型，并给出了对全A等指数的看空信号[1][10]。 4. **模型名称：智能算法沪深300模型/智能算法中证500模型** [1][10] * 模型构建思路：运用智能算法（如机器学习等）对沪深300或中证500指数进行择时判断。 * 模型具体构建过程：报告未详细描述具体算法和构建过程，仅提及其为短期择时模型，并给出了中性信号[1][10]。 5. **模型名称：涨跌停模型** [1][11] * 模型构建思路：通过分析市场涨跌停股票的数量、比例等特征来判断市场中期情绪。 * 模型具体构建过程：报告未详细描述具体构建过程，仅提及其为中期择时模型，并给出了中性信号[1][11]。 6. **模型名称：上下行收益差模型** [1][11][14] * 模型构建思路：通过计算市场上涨和下跌时收益率的差异，来衡量市场动能的强弱和方向。 * 模型具体构建过程：报告未详细描述具体构建过程，仅提及其为中期择时模型，对A股大部分宽基指数看多，对港股恒生指数给出中性信号[1][11][14]。 7. **模型名称：上下行收益差相似模型** [14] * 模型构建思路：与“上下行收益差模型”思路相似，可能是在计算或应用层面有所区别的衍生模型。 * 模型具体构建过程：报告未详细描述具体构建过程，仅提及其为港股中期择时模型，并给出了中性信号[14]。 8. **模型名称：月历效应模型** [1][11] * 模型构建思路：基于历史数据中存在的特定月份或日期（如月初、月末、节假日前后）的规律性收益模式进行择时。 * 模型具体构建过程：报告未详细描述具体构建过程，仅提及其为中期择时模型，并给出了中性信号[1][11]。 9. **模型名称：长期动量模型** [1][12] * 模型构建思路：基于资产价格的长期趋势（动量效应）进行择时判断，认为过去表现好的资产未来会继续表现好。 * 模型具体构建过程：报告未详细描述具体构建过程，仅提及其为长期择时模型，并给出了中性信号[1][12]。 10. **模型名称：成交额倒波幅模型** [1][14] * 模型构建思路：结合成交额和波动率（倒波幅）指标来判断市场情绪，可能用于识别市场是否过热或过冷。 * 模型具体构建过程：报告未详细描述具体构建过程，仅提及其为港股中期择时模型，并给出了看空信号[1][14]。 11. **模型名称：A股综合兵器V3模型** [1][13] * 模型构建思路：一个综合性的A股择时模型，可能耦合了短、中、长期等多个单一模型的信号，形成最终的复合判断[8]。 * 模型具体构建过程：报告未详细描述具体耦合方式和权重分配，仅提及其为综合择时模型，并给出了看空信号[1][13]。 12. **模型名称：A股综合国证2000模型** [1][13] * 模型构建思路：针对国证2000指数的综合性择时模型，同样可能是多模型信号的耦合[8]。 * 模型具体构建过程：报告未详细描述具体构建过程，仅提及其为综合择时模型，并给出了看空信号[1][13]。 13. **模型名称：形态识别模型（杯柄形态、双底形态）** [41][42][49] * 模型构建思路：基于技术分析中的经典价格形态（如杯柄形态、双底形态）来识别个股的潜在买入机会。 * 模型具体构建过程：通过识别股价走势中的特定拐点（如杯柄形态的A、B、C点，双底形态的A、B、C点）来定义形态，当股价突破形态颈线位时产生买入信号[45][47][50][52]。报告展示了具体识别出的个股及其形态关键日期[47][52][54][55]。 14. **模型名称：倒杯子形态模型** [60] * 模型构建思路：基于技术分析中的负面价格形态（倒杯子形态）来识别个股的潜在下跌风险。 * 模型具体构建过程：在一波下跌后的反弹筑顶完成后，股价再次下跌并突破前低，形成看跌信号[60]。报告列出了识别出的具有该形态的个股[60][61]。 15. **因子/模型名称：大师策略因子** [36] * 构建思路：基于经典的价值型、成长型和综合型投资大师的投资理念，构建相应的量化选股策略，以暴露特定因子。 * 具体构建过程：报告提及共监控33个大师系列策略，用于发现当前收益靠前组合暴露的因子，以及设置因子暴露标准的方法[36]。具体因子构成和构建过程未详细说明。 16. **指标名称：华创恐慌指数（HCVIX）** [40] * 构建思路：复现并跟踪中国市场的波动率指数（VIX），该指数通常与大盘呈现负相关关系，被称为“恐慌指数”。 * 具体构建过程：根据公开的VIX计算方法，对50ETF期权等进行计算，复现了中证指数公司曾发布的VIX指数，相关系数达99.2%[40]。计算公式未在报告中给出。 * 指标评价：为判断市场情绪提供了一个参考角度[40]。 模型的回测效果 1. **杯柄形态模型**，自2020年12月31日至今，累计上涨21.94%，同期上证综指累计涨幅18.75%，相对超额收益3.19%[41]。 2. **双底形态模型**，自2020年12月31日至今，累计上涨24.42%，同期上证综指累计涨幅18.75%，相对超额收益5.67%[41]。 3. **上周杯柄形态突破个股组合**，上周平均超额收益（相对上证综指）1.36%[42]。 4. **上周双底形态突破个股组合**，上周平均超额收益（相对上证综指）0.68%[49]。 量化因子与构建方式 （报告未详细描述独立于模型的量化因子构建细节，相关因子思想蕴含在上述“大师策略”等模型中[36]。） 因子的回测效果 （报告未提供独立因子的历史测试结果数据。）

量化模型与构建方式 1. **模型名称：进取组合与平衡组合[7][10]** * **模型构建思路：** 基于多因子模型构建的股票组合，旨在获取相对于基准指数（中证500）的超额收益[10] * **模型具体构建过程：** 报告未详细说明具体的因子构成、权重分配及组合构建步骤 2. **模型名称：沪深300/中证500/中证1000指数增强组合[5][7][13][15]** * **模型构建思路：** 在各自基准指数（沪深300、中证500、中证1000）成分股范围内，通过量化模型优选股票，构建旨在跑赢基准的组合[5][13][15] * **模型具体构建过程：** 报告未详细说明具体的增强策略、因子构成及组合构建步骤 3. **模型名称：绩优基金的独门重仓股组合[5][7][26]** * **模型构建思路：** 选取绩优基金持有的独门重仓股构建组合，旨在获取超越股票型基金平均水平的收益[5][26] * **模型具体构建过程：** 报告未详细说明“绩优基金”的筛选标准、“独门重仓股”的定义及组合构建的具体步骤 4. **模型名称：盈利、增长、现金流三者兼优组合[7][28]** * **模型构建思路：** 筛选在盈利、增长和现金流三个基本面维度均表现优异的股票构建组合[7][28] * **模型具体构建过程：** 报告未详细说明“盈利”、“增长”、“现金流”的具体衡量指标、筛选阈值以及组合构建的具体步骤 5. **模型名称：PB-盈利优选组合[5][7][30][33]** * **模型构建思路：** 结合低估值（PB）与高盈利指标，筛选有基本面支撑的低估值股票构建组合[7][30] * **模型具体构建过程：** 报告未详细说明PB和盈利指标的具体定义、结合方式以及组合构建的具体步骤 6. **模型名称：GARP组合[9][35]** * **模型构建思路：** 采用GARP（Growth at a Reasonable Price）策略，寻找价格合理且具有成长性的股票构建组合[9][35] * **模型具体构建过程：** 报告未详细说明衡量“合理价格”和“成长性”的具体指标、筛选标准以及组合构建的具体步骤 7. **模型名称：小盘价值优选组合1/2[9][36][39]** * **模型构建思路：** 在小盘股范围内，筛选具有价值属性的股票构建组合，以微盘股指数为基准[9][36][39] * **模型具体构建过程：** 报告未详细说明“小盘”的定义、“价值”属性的具体衡量指标以及两个组合的具体差异 8. **模型名称：小盘成长组合[5][7][41]** * **模型构建思路：** 在小盘股范围内，筛选具有成长属性的股票构建组合，以微盘股指数为基准[5][41] * **模型具体构建过程：** 报告未详细说明“小盘”和“成长”的具体衡量指标及组合构建步骤 模型的回测效果 1. **进取组合**，周收益率-2.81%[9][10]，周超额收益（vs 中证500）0.63%[9][10]，2026年以来累计收益率18.21%[9][11]，2026年以来累计超额收益（vs 中证500）6.23%[9][11]，跟踪误差23.38%[9]，最大相对回撤6.14%[9] 2. **平衡组合**，周收益率-2.76%[9][10]，周超额收益（vs 中证500）0.68%[9][10]，2026年以来累计收益率15.44%[9][11]，2026年以来累计超额收益（vs 中证500）3.45%[9][11]，跟踪误差19.68%[9]，最大相对回撤4.99%[9] 3. **沪深300增强组合**，周收益率-0.32%[9][13]，周超额收益（vs 沪深300）0.75%[5][9][13]，2026年以来累计收益率9.42%[9][15]，2026年以来累计超额收益（vs 沪深300）8.76%[5][9][15]，跟踪误差6.52%[9]，最大相对回撤2.09%[9] 4. **中证500增强组合**，周收益率-2.79%[9][13]，周超额收益（vs 中证500）0.65%[9][13]，2026年以来累计收益率10.99%[9][15]，2026年以来累计超额收益（vs 中证500）-0.99%[9][15]，跟踪误差8.38%[9]，最大相对回撤3.17%[9] 5. **中证1000增强组合**，周收益率-3.57%[9][15]，周超额收益（vs 中证1000）0.08%[9][15]，2026年以来累计收益率10.95%[9][15]，2026年以来累计超额收益（vs 中证1000）2.34%[9][15]，跟踪误差8.46%[9]，最大相对回撤2.23%[9] 6. **绩优基金的独门重仓股组合**，周收益率-6.14%[5][9][26]，周超额收益（vs 股票型基金总指数）-3.38%[5][9][26]，2026年以来累计收益率10.20%[5][9][26]，2026年以来累计超额收益（vs 股票型基金总指数）6.36%[5][9][26]，跟踪误差26.00%[9]，最大相对回撤5.18%[9] 7. **盈利、增长、现金流三者兼优组合**，周收益率-5.33%[9][28]，周超额收益（vs 沪深300）-4.26%[9][28]，2026年以来累计收益率-8.57%[9][28]，2026年以来累计超额收益（vs 沪深300）-9.23%[9][28]，跟踪误差15.85%[9]，最大相对回撤12.01%[9] 8. **PB-盈利优选组合**，周收益率-1.51%[5][9][30]，周超额收益（vs 沪深300）-0.44%[5][9][30]，2026年以来累计收益率6.23%[5][9][33]，2026年以来累计超额收益（vs 沪深300）5.57%[5][9][33]，跟踪误差12.73%[9]，最大相对回撤2.38%[9] 9. **GARP组合**，周收益率-1.14%[9][35]，周超额收益（vs 沪深300）-0.07%[9][35]，2026年以来累计收益率12.76%[9][35]，2026年以来累计超额收益（vs 沪深300）12.10%[9][35]，跟踪误差11.54%[9]，最大相对回撤1.53%[9] 10. **小盘价值优选组合1**，周收益率-2.24%[9][36]，周超额收益（vs 微盘股指数）-0.39%[9][36]，2026年以来累计收益率9.86%[9][36]，2026年以来累计超额收益（vs 微盘股指数）-5.98%[9][36]，跟踪误差10.62%[9]，最大相对回撤8.23%[9] 11. **小盘价值优选组合2**，周收益率-2.23%[9][39]，周超额收益（vs 微盘股指数）-0.38%[9][39]，2026年以来累计收益率15.97%[9][39]，2026年以来累计超额收益（vs 微盘股指数）0.13%[9][39]，跟踪误差12.02%[9]，最大相对回撤5.62%[9] 12. **小盘成长组合**，周收益率-2.42%[5][9][41]，周超额收益（vs 微盘股指数）-0.57%[5][9][41]，2026年以来累计收益率11.31%[5][9][41]，2026年以来累计超额收益（vs 微盘股指数）-4.53%[5][9][41]，跟踪误差10.50%[9]，最大相对回撤6.37%[9] 量化因子与构建方式 1. **因子名称：市值因子[44]** * **因子构建思路：** 衡量公司规模大小的风格因子[44] * **因子具体构建过程：** 报告未详细说明具体计算方式（如总市值、流通市值等） * **因子评价：** 上周全市场范围内，大市值股票表现优于小市值股票[5][44] 2. **因子名称：PB因子[44]** * **因子构建思路：** 衡量公司估值水平的风格因子[44] * **因子具体构建过程：** 报告未详细说明具体计算方式（如市净率） * **因子评价：** 上周全市场范围内，低估值（低PB）股票表现优于高估值股票[5][44] 3. **因子名称：PE_TTM因子[44]** * **因子构建思路：** 衡量公司估值水平的风格因子[44] * **因子具体构建过程：** 报告未详细说明具体计算方式（如滚动市盈率） * **因子评价：** 上周全市场范围内，低估值（低PE_TTM）股票表现优于高估值股票[44] 4. **因子名称：反转因子[50][52]** * **因子构建思路：** 技术类因子，认为过去一段时间表现差的股票未来可能反弹，表现好的股票可能回调[50][52] * **因子具体构建过程：** 报告未详细说明具体计算方式（如过去N期的收益率） 5. **因子名称：换手率因子[5][50][52]** * **因子构建思路：** 技术类因子，衡量股票的交易活跃度[5][50][52] * **因子具体构建过程：** 报告未详细说明具体计算方式（如过去N期的平均换手率） * **因子评价：** 上周全市场范围内，低换手率股票表现突出，贡献正收益[5][50] 6. **因子名称：波动率因子[5][50][52]** * **因子构建思路：** 技术类因子，衡量股票价格的波动程度[5][50][52] * **因子具体构建过程：** 报告未详细说明具体计算方式（如过去N期收益率的标准差） * **因子评价：** 上周全市场范围内，低波动率股票表现突出，贡献正收益[5][50] 7. **因子名称：ROE因子[54]** * **因子构建思路：** 基本面因子，衡量公司的盈利能力[54] * **因子具体构建过程：** 报告未详细说明具体计算方式（如净资产收益率） * **因子评价：** 上周全市场范围内，高盈利（高ROE）股票超额收益为正[5][54] 8. **因子名称：SUE因子[54]** * **因子构建思路：** 基本面因子，衡量公司的盈利增长（SUE通常指标准化未预期盈余）[54] * **因子具体构建过程：** 报告未详细说明具体计算方式 * **因子评价：** 上周全市场范围内，高增长（高SUE）股票超额收益为正[5][54] 9. **因子名称：预期净利润调整因子[54]** * **因子构建思路：** 基本面因子，反映分析师对公司未来盈利预期的调整[54] * **因子具体构建过程：** 报告未详细说明具体计算方式（如分析师一致预期净利润的调整幅度） * **因子评价：** 上周全市场范围内，高预期净利润调整股票超额收益为正[5][54] 因子的回测效果 （测试方法：按因子值排序，取最高与最低的10%股票构建等权组合，计算多空收益[43]） 1. **市值因子**，上周全市场多空收益-0.34%[44]，2026年3月以来全市场多空收益-0.34%[44]，2026年以来全市场多空收益6.14%[45] 2. **PB因子**，上周全市场多空收益2.52%[44]，2026年3月以来全市场多空收益2.52%[44]，2026年以来全市场多空收益0.60%[45] 3. **PE_TTM因子**，上周全市场多空收益1.30%[44]，2026年3月以来全市场多空收益1.30%[44]，2026年以来全市场多空收益0.66%[45] 4. **反转因子**，上周全市场多空收益-2.79%[50][52]，2026年3月以来全市场多空收益-2.79%[52]，2026年以来全市场多空收益-8.81%[52] 5. **换手率因子**，上周全市场多空收益0.94%[50][52]，2026年3月以来全市场多空收益0.94%[52]，2026年以来全市场多空收益0.70%[52] 6. **波动率因子**，上周全市场多空收益0.79%[50][52]，2026年3月以来全市场多空收益0.79%[52]，2026年以来全市场多空收益-1.61%[52] 7. **ROE因子**，上周全市场多空收益0.63%[54]，2026年3月以来全市场多空收益0.63%[54]，2026年以来全市场多空收益2.96%[55] 8. **SUE因子**，上周全市场多空收益0.14%[54]，2026年3月以来全市场多空收益0.14%[54]，2026年以来全市场多空收益2.53%[55] 9. **预期净利润调整因子**，上周全市场多空收益1.05%[54]，2026年3月以来全市场多空收益1.05%[54]，2026年以来全市场多空收益1.07%[55]

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：基于价量关系进行市场短期择时判断[8]；模型具体构建过程：报告未详细描述具体构建过程和公式 2. **模型名称：特征龙虎榜机构模型**；模型构建思路：基于龙虎榜机构买卖特征进行市场短期择时判断[10]；模型具体构建过程：报告未详细描述具体构建过程和公式 3. **模型名称：特征成交量模型**；模型构建思路：基于特殊的成交量特征进行市场短期择时判断[10]；模型具体构建过程：报告未详细描述具体构建过程和公式 4. **模型名称：智能算法沪深300模型**；模型构建思路：运用智能算法对沪深300指数进行短期择时判断[10]；模型具体构建过程：报告未详细描述具体构建过程和公式 5. **模型名称：智能算法中证500模型**；模型构建思路：运用智能算法对中证500指数进行短期择时判断[10]；模型具体构建过程：报告未详细描述具体构建过程和公式 6. **模型名称：涨跌停模型**；模型构建思路：基于市场涨跌停股票数量等特征进行中期择时判断[8][11]；模型具体构建过程：报告未详细描述具体构建过程和公式 7. **模型名称：上下行收益差模型**；模型构建思路：通过比较市场上行和下行收益的差异进行中期择时判断[8][11]；模型具体构建过程：报告未详细描述具体构建过程和公式 8. **模型名称：月历效应模型**；模型构建思路：基于特定的月份或日历效应进行中期择时判断[11]；模型具体构建过程：报告未详细描述具体构建过程和公式 9. **模型名称：长期动量模型**；模型构建思路：基于长期价格动量进行市场长期择时判断[8][12]；模型具体构建过程：报告未详细描述具体构建过程和公式 10. **模型名称：A股综合兵器V3模型**；模型构建思路：将多个择时模型信号进行耦合，形成综合性的A股择时观点[13]；模型具体构建过程：报告未详细描述具体构建过程和公式 11. **模型名称：A股综合国证2000模型**；模型构建思路：将多个择时模型信号进行耦合，形成针对国证2000指数的综合性择时观点[13]；模型具体构建过程：报告未详细描述具体构建过程和公式 12. **模型名称：成交额倒波幅模型**；模型构建思路：结合成交额与波动率（波幅）进行港股中期择时判断[14]；模型具体构建过程：报告未详细描述具体构建过程和公式 13. **模型名称：上下行收益差相似模型**；模型构建思路：与A股上下行收益差模型思路相似，应用于港股市场进行中期择时判断[14]；模型具体构建过程：报告未详细描述具体构建过程和公式 14. **模型名称：形态识别模型（杯柄形态）**；模型构建思路：识别股价走势中类似于“杯子和杯柄”的技术形态，捕捉突破信号进行选股[42]；模型具体构建过程：报告未详细描述具体的形态识别算法和突破判定标准 15. **模型名称：形态识别模型（双底形态）**；模型构建思路：识别股价走势中类似于“W”底的双底技术形态，捕捉突破信号进行选股[42]；模型具体构建过程：报告未详细描述具体的形态识别算法和突破判定标准 16. **模型名称：形态识别模型（倒杯子形态）**；模型构建思路：识别股价下跌趋势中类似于倒置杯子的顶部形态，作为负向风险信号[61]；模型具体构建过程：报告未详细描述具体的形态识别算法和突破判定标准 17. **模型名称：华创恐慌指数（HCVIX）模型**；模型构建思路：复现并计算中国市场的期权隐含波动率指数（VIX），用于监控市场情绪和预期波动率[39]；模型具体构建过程：根据公开披露的VIX计算方法进行复现，具体公式未在报告中给出；模型评价：经测算，该指数与中证指数公司历史已发布VIX指数的相关系数达到99.2%[39] 模型的回测效果 1. **双底形态模型**，自2020年12月31日至今累计收益27.28%，同期上证综指累计涨幅19.86%，相对收益7.42%[42]；本周（报告期）收益2.87%，相对上证综指超额收益0.89%[42] 2. **杯柄形态模型**，自2020年12月31日至今累计收益24.66%，同期上证综指累计涨幅19.86%，相对收益4.80%[42]；本周（报告期）收益3.36%，相对上证综指超额收益1.39%[42] 量化因子与构建方式 1. **因子名称：分析师一致预期调整比例**；因子构建思路：通过统计行业内分析师上调或下调盈利预测的个股比例，来观察行业基本面的预期变化[18][19]；因子具体构建过程：对于每个行业，计算“分析师上调（下调）个股比例”，公式为：$$分析师上调（下调）个股比例 = \frac{行业内被上调（下调）盈利预测的股票数量}{行业内股票总数} \times 100\%$$ 例如，有色金属行业分析师上调个股比例为8.06%[18] 2. **因子名称：基金仓位超低配**；因子构建思路：计算公募基金在某个行业上的实际持仓比例与市场标准配置（如行业流通市值占比）的差值，用以判断机构的偏好程度[30]；因子具体构建过程：对于每个行业，计算“超/低配”比例，公式为：$$超/低配比例 = 基金在该行业的仓位百分比 - 该行业的市值占比百分比$$ 例如，股票型基金在电子行业的超配比例为25.20%[30] 3. **因子名称：基金仓位变化**；因子构建思路：跟踪公募基金在不同行业上仓位相对于上周、上月、上季度的变动，以观察机构资金的流向[26][27][28]；因子具体构建过程：直接计算本期仓位与上期仓位的差值，例如本周机械行业获得股票型基金加仓1.27个百分点[26][28] 4. **因子名称：形态长度**；因子构建思路：在形态识别模型中，衡量识别出的技术形态所持续的时间跨度，可能作为形态强度的辅助指标[45][52]；因子具体构建过程：从形态起点（如A点）到突破点（如C点）所经历的周数，例如某杯柄形态的长度为27周[45] 因子的回测效果 （报告中未提供因子的独立回测绩效指标，如IC、IR、多空收益等）

量化市场跟踪：大类因子表现 - 本周全市场股票池中 Beta因子、盈利因子和流动性因子分别获得正收益1.04%、0.57%、0.55% [4] - 本周全市场股票池中市值因子获得负收益-0.39% 市场表现为小市值风格 [4] 量化市场跟踪：单因子表现 - 沪深300股票池中 本周表现最好的因子是净利润断层 收益为4.93% 表现最差的因子是总资产毛利率TTM 收益为-0.77% [5] - 中证500股票池中 本周表现最好的因子是市净率因子 收益为0.83% 表现最差的因子是总资产毛利率TTM 收益为-3.84% [5] - 流动性1500股票池中 本周表现最好的因子是5日反转 收益为0.76% 表现最差的因子是毛利率TTM 收益为-2.50% [5] 量化市场跟踪：因子行业内表现 - 基本面因子中 每股净资产因子和每股经营利润TTM因子在传媒、休闲服务行业正收益较为一致 [6] - 估值类因子中 BP因子和EP因子在传媒行业正收益显著 [6] - 残差波动率因子和流动性因子在煤炭、石油石化行业正收益较为一致 [6] - 市值风格上 本周国防军工、通信、有色金属行业大市值风格显著 [6] 量化策略组合表现：PB-ROE-50组合 - 本周PB-ROE-50组合在中证500股票池中获得超额收益0.70% [7] - 本周PB-ROE-50组合在中证800股票池中获得超额收益2.32% [7] - 本周PB-ROE-50组合在全市场股票池中获得超额收益2.25% [7] 量化策略组合表现：机构调研组合 - 本周公募调研选股策略相对中证800获得超额收益1.38% [8] - 本周私募调研跟踪策略相对中证800获得超额收益1.51% [8] 量化策略组合表现：大宗交易与定向增发组合 - 本周大宗交易组合相对中证全指获得超额收益1.06% [9] - 本周定向增发组合相对中证全指获得超额收益0.97% [10]

量化模型与构建方式 1. PB-ROE-50 组合 * **模型名称**: PB-ROE-50 组合[23] * **模型构建思路**: 基于市净率（PB）和净资产收益率（ROE）两个核心指标构建的选股模型，旨在筛选估值合理且盈利能力强的股票[23]。 * **模型具体构建过程**: 报告未详细描述该组合的具体构建公式和步骤，仅提及其为基于PB和ROE的选股模型[23]。 2. 机构调研组合 * **模型名称**: 机构调研组合[25] * **模型构建思路**: 利用公募基金和私募基金的调研活动信息构建选股策略，认为被机构密集调研的股票可能蕴含投资机会[25]。 * **模型具体构建过程**: 报告未详细描述该组合的具体构建公式和步骤，仅提及分为“公募调研选股策略”和“私募调研跟踪策略”[25]。 3. 大宗交易组合 * **模型名称**: 大宗交易组合[29] * **模型构建思路**: 基于“高成交、低波动”原则，从发生大宗交易的股票中筛选后续表现更佳的标的[29]。 * **模型具体构建过程**: 通过统计分析发现，“大宗交易成交金额比率”越高、“6 日成交金额波动率”越低的股票后续表现更佳。根据此规律，以月频调仓方式构造组合[29]。具体公式未在本文中给出，需参考其2023年8月5日的专题报告[29]。 4. 定向增发组合 * **模型名称**: 定向增发组合[35] * **模型构建思路**: 以定向增发的股东大会公告日为事件节点，构建事件驱动选股策略[35]。 * **模型具体构建过程**: 综合考虑市值因素、调仓周期以及对仓位的控制来构造组合[35]。具体公式未在本文中给出，需参考其2023年11月26日的专题报告[35]。 模型的回测效果 1. PB-ROE-50 组合业绩表现 * **中证500股票池**: 本周超越基准收益率0.70%，今年以来超额收益率-0.92%，本周绝对收益率5.06%，今年以来绝对收益率14.91%[24]。 * **中证800股票池**: 本周超越基准收益率2.32%，今年以来超额收益率6.74%，本周绝对收益率4.39%，今年以来绝对收益率12.72%[24]。 * **全市场股票池**: 本周超越基准收益率2.25%，今年以来超额收益率6.22%，本周绝对收益率5.06%，今年以来绝对收益率14.82%[24]。 2. 机构调研组合业绩表现 * **公募调研选股策略**: 本周超越基准收益率1.38%，今年以来超额收益率1.36%，本周绝对收益率3.43%，今年以来绝对收益率7.04%[26]。 * **私募调研跟踪策略**: 本周超越基准收益率1.51%，今年以来超额收益率11.63%，本周绝对收益率3.56%，今年以来绝对收益率17.88%[26]。 3. 大宗交易组合业绩表现 * **大宗交易组合**: 本周超越基准收益率1.06%，今年以来超额收益率7.79%，本周绝对收益率3.84%，今年以来绝对收益率16.52%[30]。 4. 定向增发组合业绩表现 * **定向增发组合**: 本周超越基准收益率0.97%，今年以来超额收益率1.97%，本周绝对收益率3.75%，今年以来绝对收益率10.23%[36]。 量化因子与构建方式 1. 大类风格因子 * **因子名称**: Beta因子、盈利因子、流动性因子、市值因子等[18]。 * **因子构建思路**: 将众多单因子归类为几个具有明确经济含义的大类风格，以观察市场整体风格动向[18]。 * **因子具体构建过程**: 报告未详细描述大类因子的具体合成方法。 2. 单因子（列举部分） 报告提及了数十个单因子，以下按类别列举部分因子名称及其方向： * **盈利与增长类**: 净利润断层(正向)[12]、单季度ROA(正向)[12]、单季度ROA同比(正向)[12]、单季度ROE同比(正向)[13]、标准化预期外盈利(正向)[13]、单季度净利润同比增长率(正向)[13]、单季度营业收入同比增长率(正向)[13]、总资产增长率(正向)[13]、ROIC增强因子(正向)[13]、营业利润率TTM(正向)[13]、净利润率TTM(正向)[13]、毛利率TTM(正向)[13]。 * **估值类**: 市净率因子(正向)[14]、市销率TTM倒数(正向)[14]、市盈率因子(正向)[13]、市盈率TTM倒数(正向)[13]、EPTTM分位点(正向)[13]、BP因子(正向)[21]、EP因子(正向)[21]。 * **市值与流动性类**: 对数市值因子(负向)[13]、5日平均换手率(负向)[13]、成交量的5日指数移动平均(负向)[13]、6日成交金额的移动平均值(负向)[13]、6日成交金额的标准差(负向)[13]、换手率相对波动率(负向)[13]。 * **动量与反转类**: 动量弹簧因子(正向)[13]、5日反转(负向)[16]、5日动量[22]、1月动量[22]。 * **交易与资金流类**: 早盘收益因子(正向)[13]、早盘后收益因子(负向)[13]、大单净流入(正向)[13]、小单净流入(负向)[16]、动量调整大单(正向)[13]、动量调整小单(负向)[13]。 * **波动与质量类**: 下行波动率占比(负向)[13]、5分钟收益率偏度(负向)[13]、日内波动率与成交金额的相关性(负向)[13]、残差波动率(正向)[21]、ROA稳定性(正向)[13]、ROE稳定性(正向)[13]、经营现金流比率(正向)[12]、总资产毛利率TTM(正向)[12]、单季度总资产毛利率(正向)[12]。 * **基本面类 (行业内)**: 每股净资产[21]、每股经营利润TTM[21]、净资产增长率[22]、净利润增长率[22]。 * **因子具体构建过程**: 报告未提供各个单因子的具体计算公式，仅列出了因子名称、方向和表现。 因子的回测效果 **注**：以下因子表现数据均为“最近1周”（2026.02.24-2026.02.27）在对应股票池中，剔除行业与市值影响后的多空收益[12]。 1. 沪深300股票池因子表现（部分） * **净利润断层**: 4.93%[12] * **单季度ROA**: 2.93%[12] * **单季度ROA同比**: 2.83%[12] * **单季度ROE同比**: 2.68%[13] * **标准化预期外盈利**: 2.62%[13] * **总资产毛利率TTM**: -0.77%[12] * **单季度总资产毛利率**: -0.66%[12] * **经营现金流比率**: -0.66%[12] 2. 中证500股票池因子表现（部分） * **市净率因子**: 0.83%[14] * **市销率TTM倒数**: 0.72%[14] * **对数市值因子**: 0.23%[14] * **总资产毛利率TTM**: -3.84%[14] * **毛利率TTM**: -3.51%[14] * **单季度总资产毛利率**: -3.46%[14] 3. 流动性1500股票池因子表现（部分） * **5日反转**: 0.76%[16] * **净利润断层**: 0.31%[16] * **市净率因子**: 0.29%[16] * **毛利率TTM**: -2.50%[16] * **小单净流入**: -2.24%[16] * **单季度总资产毛利率**: -2.14%[16] 4. 大类因子表现（全市场股票池） * **Beta因子**: 1.04%[18] * **盈利因子**: 0.57%[18] * **流动性因子**: 0.55%[18] * **市值因子**: -0.39%[18]

会议主题与议程 - 会议主题为“新增长机遇，新资产叙事”，聚焦于探讨新的增长机会和资产类别 [1] - 会议名称为“广发证券2026春季资本论”，将于2026年3月5日至6日在中国深圳举行 [2] - 会议包含“金融工程论坛：AI模型与基本面量化双轮驱动”分论坛，将于3月5日13:30-17:00在深圳福田香格里拉大酒店举行 [5] 金融工程论坛议题 - 论坛议题一：机器学习赋能量化选股的实践和思考，由广发资管量化与指数投资部副总经理文巧钧主讲 [6] - 论坛议题二：AI复盘模型的过去与展望，由广发证券金融工程首席分析师安宁宁主讲 [6] - 论坛议题三：港股通成分股调整预测及调整效应研究，由广发证券金融工程联席首席分析师陈原文主讲 [6] - 论坛议题四：可转债组合的风险中性方法对比，由广发证券金融工程资深分析师张超主讲 [6] - 论坛议题五：基于宏观预期偏差的权益风格轮动策略，由广发证券金融工程资深分析师李豪主讲 [6] - 论坛议题六：成长与质量基本面选股的探讨，由广发证券金融工程资深分析师周飞鹏主讲 [6][7] - 论坛议题七：高波动环境下如何捕捉热点板块的投资机会，由广发证券金融工程资深分析师王小康主讲 [8] - 论坛主持人为广发证券金融工程首席分析师安宁宁 [8] 论坛时间安排 - 论坛于3月5日13:30开始，议题一演讲时间为13:30至14:00 [6] - 议题二演讲时间为14:00至14:30 [6] - 议题三演讲时间为14:30至15:00 [6] - 议题四演讲时间为15:00至15:30 [6] - 议题五演讲时间为15:30至16:00 [6] - 议题六演讲时间为16:00至16:30 [6][7] - 议题七演讲时间为16:30至17:00 [8]