市场整体表现 - 截至2026年2月6日当周，主要市场指数普遍下跌，上证指数下跌1.27%，深证成指下跌2.11%，沪深300指数下跌1.33%[5][8] - 同期，中证500指数下跌2.68%，中证1000指数下跌2.46%，但万得微盘股指数逆势上涨1.86%[9] - 从行业表现看，食品饮料、美容护理、电力设备行业表现较好，周收益率分别为4.31%、3.69%、2.20%；而有色金属、通信、电子行业表现较差，周收益率分别为-8.51%、-6.95%、-5.23%[9] 指数增强基金表现 - 截至2026年2月6日当周，沪深300指数增强基金超额收益率中位数为0.24%，中证500指数增强基金为0.38%，中证1000指数增强基金为0.34%[5][12] - 从年初至今（截至2026年2月6日）表现看，沪深300指数增强基金超额收益率中位数为1.22%，中证500指数增强基金为-1.43%，中证1000指数增强基金为1.24%[13] 量化策略组合表现 - 该报告基于深度学习框架构建了AI体系下的低频指数增强策略，组合周度调仓，约束周单边换手率为10%[3][16] - 截至2026年2月6日，其沪深300指数增强组合年初至今上涨0.5%，跑赢基准指数0.2个百分点；当周下跌0.8%，跑赢基准0.6个百分点[5][20] - 同期，其中证500指数增强组合年初至今上涨7.3%，跑输基准指数1.8个百分点；当周下跌2.0%，跑赢基准0.7个百分点[5][25] - 同期，其中证1000指数增强组合年初至今上涨4.2%，跑输基准指数1.8个百分点；当周下跌2.0%，跑赢基准0.4个百分点[5][37] 风险提示 - 报告提示了因子失效风险、模型失效风险以及市场风格变动风险[4][42]

量化选股策略2025年整体表现 - 2025年量化选股策略迎来高光时刻，符合排名规则的产品年度收益均值高达43.82%，收益中位数为46.11%，正收益占比达97.97% [2] - 量化选股策略又称“空气指增”，通常不对标任何宽基指数，不受风格、行业约束，通过量化模型选股，具有更大的灵活性和适应性优势 [2] - 2025年A股市场的结构性行情为量化选股策略提供了广阔的舞台，也对模型的迭代能力提出了更高要求 [2] 百亿以上规模私募量化选股业绩 - 百亿私募旗下59只量化选股产品2025年收益均值为56.16%，表现亮眼 [3] - 龙旗科技旗下产品“龙旗科技创新精选1号C类份额”位居榜首，该产品成立于2024年12月，截至1月30日成立以来夏普比率表现优异 [3] - 龙旗科技的“科技创新精选”策略聚焦科创板与创业板，实行“双创联动，成长加速”，认为该赛道高弹性、高流动性、高波动且不拥挤，适合量化策略获取收益 [3] - 稳博投资旗下产品“稳博小盘激进择时指增1号”位居第二，其Alpha策略基于量价和基本面因子，运用多周期、多方法模型进行全市场股票收益预测 [4] - 稳博投资初期使用自创高频交易方法，中期构建了基于人工智能机器学习的研究体系，目前形成了以多因子为基础融合人工智能机器学习的量化研究和交易体系 [4] 50-100亿规模私募量化选股业绩 - 50-100亿规模私募旗下量化选股产品2025年收益均值为53.45% [5] - 翰荣投资旗下产品“翰荣安晟进取一号B类份额”拔得头筹，公司最新管理规模已突破50亿元 [6] - 翰荣投资定位为科技驱动的量化投资机构，是国内较早将端到端机器学习方法论应用到A股市场的管理人之一 [6] - 少数派投资旗下产品“少数派主动风格1号B类份额”上榜，公司创立于2013年，核心团队金融管理经验平均超20年 [7] - 少数派投资创新投资理念为“超额收益来自多数人的误区”，主张用主动和量化相结合的方法寻找错误定价 [7] 20-50亿规模私募量化选股业绩 - 20-50亿规模私募旗下43只量化选股产品2025年收益均值为48.27% [8] - 海南盖亚青柯私募旗下产品“盖亚青柯刺桐进取A类份额”居首，公司管理规模近期成功突破20亿元 [9] - 盖亚青柯私募成立于2021年，利用大数据、人工智能、复杂系统等方法捕捉市场无效性，融合理论、技术与实战经验 [9] - 久铭投资旗下产品“久铭仟量1号”位居第二，公司秉承价值投资理念，擅长股票精选与组合风险降低，投研团队专注于行业及公司基本面研究 [10] 10-20亿规模私募量化选股业绩 - 10-20亿规模私募旗下量化选股产品2025年收益均值为38.85% [11] - 龙吟虎啸旗下产品“龙吟”位居榜首，公司成立于2021年，专注于权益和固收市场，权益市场以基本面量化为主 [12] - 上海紫杰私募旗下产品“紫杰宏阳1号”位居第二，公司管理规模近期成功突破10亿元，旗下多只产品在2025年实施了多次分红 [13] - 紫杰私募在2025年7月曾表示，相信3500点是中国大牛市的崭新起点 [13] 5-10亿规模私募量化选股业绩 - 5-10亿规模私募旗下量化选股产品2025年收益均值为38.26% [14] - 北京光华私募旗下产品“光华复兴1号”夺魁，由三位基金经理共同管理 [15] - 北京光华私募的投资理念是用科学的方法论和实践正确的价值观，通过严谨的数学模型在严控风险下追求超额收益 [16] 5亿以下规模私募量化选股业绩 - 5亿以下规模私募旗下量化选股产品2025年收益均值为37.25% [17] - 水碓泉资产旗下产品“碓泉可变阿尔法进取一号B类份额”领衔 [18] - 该产品基金经理江羽帆为水碓泉董事长兼总经理，拥有11年A股经验，交易范围涉足海外股市、商品期货、外汇、股指期货等领域 [18]

核心观点 - 报告基于深度学习框架构建了AI体系下的低频指数增强策略，该策略通过组合优化将深度学习alpha信号与风险信号结合，构建了针对沪深300、中证500、中证A500及中证1000的增强组合，组合采用周度调仓，约束单边换手率为10% [3][15] 本周市场指数表现 - 截至2026年1月30日当周，主要市场指数表现分化：上证指数下跌0.44%，深证成指下跌1.62%，沪深300指数微涨0.08%，而创业板指下跌0.09%，科创50指数下跌2.85%，北证50指数下跌3.59% [6][9][10] - 行业层面，石油石化、通信、煤炭行业表现居前，周收益率分别为7.95%、5.83%、3.68%；国防军工、电力设备、汽车行业表现落后，周收益率分别为-7.69%、-5.10%、-5.08% [10] 指数增强基金绩效 - 截至2026年1月30日当周，全市场指数增强基金超额收益表现不一：沪深300指增基金超额收益率最小值为-1.05%，中位数为-0.04%，最大值为1.08%；中证500指增基金超额收益率最小值为-0.55%，中位数为0.42%，最大值为1.85%；中证1000指增基金超额收益率最小值为-0.85%，中位数为0.31%，最大值为1.09% [6][12] - 从年初至今（截至2026年1月30日）表现看，沪深300指增基金超额收益率中位数为1.13%，中证500指增基金超额收益率中位数为-1.78%，中证1000指增基金超额收益率中位数为0.92% [13] 跟踪组合表现 - 报告构建的AI低频指数增强策略，在alpha维度利用多源特征集合和堆叠多模型策略，通过异构网络特征互补与集成算法优化得到alpha信号；在风险维度利用神经网络寻找长期IC均值为0且高R方的风险信号 [15] 沪深300指数增强组合 - 截至2026年1月30日，该组合年初至今上涨1.2%，同期沪深300指数上涨1.7%，超额收益为-0.4%；当周组合下跌0.5%，同期指数上涨0.1%，超额收益为-0.6% [6][19] - 历史回测（全样本）显示，组合年化收益为19.5%，基准年化收益为6.4%，年化超额收益为13.1%，月度胜率为76.5% [20] 中证500指数增强组合 - 截至2026年1月30日，该组合年初至今上涨9.5%，同期中证500指数上涨12.1%，超额收益为-2.6%；当周组合下跌2.3%，同期指数下跌2.6%，超额收益为0.3% [6][25] - 历史回测（全样本）显示，组合年化收益为25.5%，基准年化收益为10.2%，年化超额收益为15.3%，月度胜率为77.6% [26] 中证A500指数增强组合 - 截至2026年1月30日，该组合年初至今上涨3.4%，同期中证A500指数上涨4.5%，超额收益为-1.1%；当周组合下跌0.5%，同期指数下跌0.6%，超额收益为0.2% [6][32] - 历史回测（全样本）显示，组合年化收益为19.3%，基准年化收益为4.9%，年化超额收益为14.4%，月度胜率为77.8% [35] 中证1000指数增强组合 - 截至2026年1月30日，该组合年初至今上涨6.4%，同期中证1000指数上涨8.7%，超额收益为-2.3%；当周组合下跌3.5%，同期指数下跌2.5%，超额收益为-1.0% [6][38] - 历史回测（全样本）显示，组合年化收益为31.5%，基准年化收益为8.9%，年化超额收益为22.6%，月度胜率为84.7% [39]

量化模型与构建方式 1. **模型名称：成交量模型** [8][10] * **模型构建思路**：基于价量关系进行短期市场择时，认为成交量变化能反映市场情绪和趋势强度[8]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 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作为特征，进行短期市场择时判断[1]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 3. **模型名称：特征成交量模型** [1][10] * **模型构建思路**：基于特定的成交量特征（非简单成交量）进行短期市场择时判断[1]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 4. **模型名称：智能算法沪深300/中证500模型** [1][10] * **模型构建思路**：应用智能算法（如机器学习）对沪深300或中证500指数进行短期择时[1]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 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或比例等特征，进行中期市场情绪和趋势判断[1][8]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 6. **模型名称：上下行收益差模型** [1][10][11] * **模型构建思路**：通过计算市场上行收益与下行收益的差值，来衡量市场动能的强弱，用于中期择时[1]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 7. **模型名称：上下行收益差相似模型** [10][14] * **模型构建思路**：该模型是“上下行收益差模型”的变体或应用于特定市场（如港股）的相似逻辑模型，用于中期择时[10][14]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 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段的规律性表现（月历效应）进行中期择时[1]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 9. **模型名称：长期动量模型** [1][12] * **模型构建思路**：依据资产的长期价格动量（趋势）进行长期择时判断[1]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 10. **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、长期多个子模型的信号，形成最终观点[8][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 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指数的综合性择时模型[1][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 12. **模型名称：成交额倒波幅模型** [10][14] * **模型构建思路**：应用于港股的中期择时模型，结合成交额与波动率（倒波幅）指标进行判断[10][14]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 13. **策略名称：大师策略** [35] * **策略构建思路**：基于经典量化选股逻辑构建的策略系列，涵盖价值型、成长型和综合型，用于监控市场因子暴露和选股标准[35]。 * **策略具体构建过程**：报告未提供具体策略的构建公式和详细步骤。 14. **模型名称：形态识别模型（杯柄形态）** [42][43] * **模型构建思路**：通过识别股价走势中的“杯柄”形态（Cup with Handle）来捕捉突破上涨机会的技术分析模型[42]。 * **模型具体构建过程**：报告未提供形态识别的具体量化规则和公式，但展示了识别出的个股及其关键时点（A点：杯左起点，B点：杯底，C点：柄部结束/突破点）[45][47]。 15. **模型名称：形态识别模型（双底形态）** [42][49] * **模型构建思路**：通过识别股价走势中的“双底”形态（W底）来捕捉趋势反转上涨机会的技术分析模型[42]。 * **模型具体构建过程**：报告未提供形态识别的具体量化规则和公式，但展示了识别出的个股及其关键时点（A点：第一底，B点：中间反弹高点，C点：第二底/突破点）[50][52]。 模型的回测效果 1. **杯柄形态模型**，本周组合收益-2.79%，同期上证综指收益-0.44%，本周超额收益-2.35%；自2020年12月31日至今，累计收益20.21%，累计超额收益1.64%[42]。 2. **双底形态模型**，本周组合收益-3.06%，同期上证综指收益-0.44%，本周超额收益-2.62%；自2020年12月31日至今，累计收益24.55%，累计超额收益5.98%[42]。 量化因子与构建方式 *报告未详细阐述用于选股或阿尔法模型的单一量化因子的构建思路、过程和评价，仅提及“大师策略”暴露的因子，但未具体说明是哪些因子[35]。* 因子的回测效果 *报告未提供具体量化因子的测试结果取值。*

市场指数表现 - 截至2026年1月23日当周，上证指数上涨0.84%，深证成指上涨1.11%，而沪深300指数下跌0.62%[8][11] - 当周小微盘及部分宽基指数表现突出，中证500指数上涨4.34%，中证1000指数上涨2.89%，万得微盘股指数上涨5.25%[12] - 当周表现最好的申万一级行业为建筑材料、石油石化、钢铁，周收益率分别为9.23%、7.71%、7.31%[12] 指数增强基金绩效 - 当周沪深300指增基金超额收益率中位数为0.42%，中证500指增基金中位数为-0.12%，中证1000指增基金中位数为0.72%[8][15] - 年初至今（截至2026/01/23），沪深300指增基金超额收益率中位数为1.20%，中证500指增基金中位数为-2.37%，中证1000指增基金中位数为0.43%[16] 跟踪组合表现（AI低频指增策略） - 该策略基于深度学习框架构建alpha和风险模型，组合周度调仓，约束周单边换手率10%[19] - **沪深300指增组合**：年初至今上涨1.8%，超额基准0.2%；当周下跌0.4%，超额基准0.2%[8][23] - **中证500指增组合**：年初至今上涨12.1%，跑输基准3.0%；当周上涨4.4%，超额基准0.1%[8][28] - **中证A500指增组合**：年初至今上涨3.9%，跑输基准1.3%；当周上涨0.8%，与基准持平[8][35] - **中证1000指增组合**：年初至今上涨10.2%，跑输基准1.3%；当周上涨4.1%，超额基准1.2%[8][41] 风险提示 - 报告提示了因子失效、模型失效及市场风格变动可能导致策略阶段性失效的风险[6][45]

“固收+”基金市场趋势 - 在利率长期下行趋势下，纯债资产收益空间收窄，“固收+”基金凭借相对适配的风险收益特征成为稳健投资者的新选择 [1] - 中金公司统计数据显示，“固收+”基金市场规模从2024年第四季度的1.6万亿元快速升至2025年第三季度的2.5万亿元，回归2021至2022年历史规模峰值区间 [1][5] “固收+”基金产品表现 - “固收+”基金以固定收益类资产为底仓，搭配适量风险资产，力争实现攻守兼备 [1][5] - Wind数据显示，二级债基指数（885007.WI）2025年内涨幅5.59%，显著优于同期纯债基金指数（885080.WI）的0.95% [1][5] - 在2021年震荡市中，二级债基指数全年涨幅7.82%，跑赢了同期上证指数的4.80%及纯债基金指数的3.91% [1][5] 长城兴怡债券基金产品策略 - 该基金为二级债基，债券资产仓位不低于80%，严选高等级信用债（评级AA+及以上，其中AAA评级占信用债比例不低于80%），并灵活开展中长久期利率债波段交易 [1][5] - 基金以5%至20%的仓位布局权益资产、可转债及可交换债券，重点关注优质红利资产，并择机挖掘转债、港股科技、有色等机会 [2][6] - 基金将采用量化选股策略，凭借其均衡分散、波动控制的优势，助力产品控制回撤、争取超额收益 [2][6] 基金经理观点 - 拟任基金经理魏建拥有超17年证券从业经验、超9年复合投资管理经验，风格稳健，擅长大类资产配置 [2][6] - 魏建认为，红利资产适配银行零售客户需求，2026年有望迎来均值回归 [2][6] - 魏建认为，港股科技受益于人民币升值、美联储降息预期及AI应用端机遇，具备配置价值 [2][6] - 魏建认为，有色板块则依托降息周期、美国经济韧性及国内复苏需求值得看好 [2][6] 长城基金平台实力 - 长城基金旗下固收类基金近三年、近五年收益分类评分均位列全市场前20%（分别为20/138、23/127） [2][6] - 公司在“固收+”产品矩阵层面，已构建低、中、高波多元策略体系，长城兴怡债券基金的发行将进一步完善其中波条线布局 [2][6] 产品费率 - A类份额认购费率：认购金额低于100万元为0.6%，100万元至500万元以下为0.3%，500万元及以上每笔1000元；申购费率：对应区间分别为0.8%、0.4%和每笔1000元 [4][9] - C类份额不收取认购/申购费 [4][9] - A类/C类份额赎回费率：持有期限少于7日为1.5%，7日至30日以下为0.1%，30日及以上为0% [4][9] - 基金管理费为0.6%/年，托管费为0.15%/年，C类份额销售服务费为0.3%/年 [4][9]

2025年主动量化组合表现回顾 - 成长期优选组合表现最优，2025年扣费后累计收益达84.1%，相较于中证800指数和885001指数的累计超额收益分别为63.2%和50.9% [1] - 小盘风格组合表现次优，显著跑赢中证2000指数 [1] - 高股息风格的红利优选组合表现相对较弱，2025年累计收益为15.0%，表现弱于中证800指数但优于中证红利指数 [1] 2025年指数增强策略表现分析 - 基于线性多因子模型构建的月度换仓指数增强组合中，ICIR加权方式的表现明显优于IC均值加权方式 [2] - 在IC均值加权方式下，沪深300、中证500、中证1000、中证A500指数增强策略相对于基准指数的超额收益率分别为6.8%、3.1%、5.1%、4.8% [2] - 在ICIR加权方式下，沪深300、中证500、中证1000、中证A500指数增强策略相对于基准指数的超额收益率分别为10.7%、9.5%、10.2%、13.2% [2] 多策略体系下的指数增强策略构建 - 为改善指数增强组合业绩表现，构建了多策略体系下的沪深300指数增强策略，该复合策略由三部分组成 [2] - 基础指数增强策略权重占比60%，域内卫星策略（基于动量、基本面因子选股）权重占比30%，域外卫星策略（小市值高增长组合）权重占比10% [2] - 相比于单一的基础指数增强策略，该复合策略具有年化3.6%的收益提升，且分年度稳定性较高 [2]

量化模型与构建方式 1. 国企基本面因子选股模型 * **模型名称**：国企基本面因子选股模型 * **模型构建思路**：首先将国企样本池按行业逻辑划分为红利型和成长型两大类，然后根据行业类型选择不同的基本面因子进行打分，最后综合通用因子和行业特色因子得分得到总分，并以此构建选股组合[3][5][6][7][10]。 * **模型具体构建过程**： 1. **样本池构建**：采用中证国企指数（000955.CSI）的所有成分股，以及北交所中上市满6个月、且公司属性为中央国有企业或地方国有企业的股票作为国企样本池[3]。 2. **行业分类**：依据ZX三级行业逻辑，将所有行业划分为红利型（包括资源品、公用事业、房地产、银行、证券、其他）和成长型（包括先进制造、软件服务和消费）两大类[3][4]。 3. **因子选择与打分**： * **通用因子**：基于“一利五率”央企业绩考核指标和国企分红特征，选择股息率（TTM）、资产负债率、ROE（TTM）、营业现金比率、全员劳动生产率等因子[5][6]。 * **行业特色因子**：根据行业特征选择不同的因子。例如，红利型行业中的资源品关注ROIC环比增量、毛利率等；银行关注资本充足率、拨备覆盖率环比增量等；成长型行业中的先进制造关注研发支出/营业总收入、EBIT_TTM环比增速等[6][8][10]。 4. **因子权重调整**：考虑到红利风格是国企的重要特征，对所有行业均上调股息率因子权重（红利型行业权重为4，成长型行业权重为2）。对于成长型行业，将资产负债率权重下调为0.5。其他所有因子权重为1[10]。 5. **得分计算**：对权重调整后的因子得分求平均值，分别得到通用因子得分和行业特色因子得分。最后，两项得分按通用因子得分30%、行业特色因子得分70%的权重加总并进行归一化处理，得到百分制总分[10][11]。 6. **组合构建**：选择总分前N（N=50）的个股，并根据基本面因子得分的三次方分配权重，权重计算公式为： $$w_{i}={\frac{s c o r e_{i}^{3}}{\sum_{i=1}^{N}s c o r e_{i}^{3}}}$$ [11] 2. 科技主题基本面因子选股模型 * **模型名称**：科技主题基本面因子选股模型 * **模型构建思路**：首先定义科技股样本池，并根据现金流特征划分企业生命周期（剔除震荡期和衰退期）。然后针对成长期和成熟期公司，分别选取通用因子和特色因子进行打分，并通过研发费用乘数调整总分，最终构建选股组合[19][20][21][22][23]。 * **模型具体构建过程**： 1. **样本池构建**：同时满足两个条件：1）所属SW三级行业属于电子、通信、计算机、电力设备、国防军工、传媒、医药、机械等的部分行业；2）最近一年研发费用占营业收入比例超过5%，或研发人员数量占员工总数超过10%[19][20][21]。 2. **生命周期划分**：采用Dickinson（2011）的方法，以调整后的经营、投资、融资现金流正负组合，将企业划分为引入期、成长期、成熟期、震荡期、衰退期。本策略从引入期、成长期和成熟期股票中选股，并将引入期和成长期统称为成长期[21][22][23]。 3. **因子选择**：分为通用因子和特色因子。通用因子包括毛利率环比增量、归母净利润成长能力、累计独立获得的发明专利数量、供应链因子（前5大供应商与客户金额占比合计）、平均距离因子。特色因子则根据生命周期阶段不同而有所侧重，例如成长期关注管理费用/营业总收入环比增量、研发费用折旧摊销占比环比增量、资产负债率；成熟期关注应收账款周转率、研发费用直接投入占比环比增量、PB-ROE[24][28]。 4. **单因子打分**：在同一时间截面上，正向因子按从低到高计算因子值在截面上的分位数，负向因子按从高到低计算因子值在截面上的分位数，分位数取值在0-100之间。成长期与成熟期股票分开排序[24]。 5. **总分计算**：首先，将5个通用因子和3个特色因子的得分，按以下公式计算初始总分： $$\mathbb{E}^{\mathbb{A}}\mathcal{H}=\frac{1}{5}M e a n(S_{i})+\frac{M e a n(S_{i})}{S t d(S_{i})}$$ 其中，$$S_i$$表示某一股票8项因子的得分。该公式旨在选出各方面表现较为均衡的个股[26][27]。 6. **研发费用乘数调整**：为体现对高研发行业的偏重，用研发费用乘数调整总分。研发费用乘数计算公式为：研发费用乘数 = 0.9 + 0.2 × Normalization( √( (研发费用/总市值)_行业 / (研发费用/总市值)_全A ) )，使得乘数取值范围在0.9-1.1之间。调整后总分 = 总分 × 研发费用乘数[28][29]。 7. **组合构建**：选择总分前50的个股，并按其基本面因子得分计算权重，权重计算公式为： $$w e i g h t_{i}={\frac{s c o r e_{i}}{\sum_{i=1}^{50}s c o r e_{i}}}$$ [30] 3. 消费主题基本面因子选股模型 * **模型名称**：消费主题基本面因子选股模型 * **模型构建思路**：首先定义并细分消费股样本池（分为日常制造型、可选制造型、日常服务型、可选服务型）。然后选取通用因子和分域特色因子进行打分，最后在基本面总分基础上引入市销率（PS）乘数调整权重，构建选股组合[38][39][40][46]。 * **模型具体构建过程**： 1. **样本池构建与分域**：筛选出业务/产品/服务直接to C的申万三级行业作为消费股样本池。并按日常消费/可选消费、制造业/服务业两个维度，将消费股细分为日常制造型、可选制造型、日常服务型、可选服务型4大类[38][39]。 2. **因子选择**：分为通用因子和特色因子。通用因子包括成长盈利现金流复合因子、经营现金流/营业收入、Wind ESG管理实践得分、Wind ESG争议事件得分、经济不确定性敏感度因子（abs_epu_beta）、应收账款周转率环比增量。特色因子则根据细分域选择，例如日常制造型关注市占率，可选制造型关注研发费用/总市值，日常服务型关注有形资产/负债环比增量，可选服务型关注直接营销投入占比和预收账款+合同负债同比增速[40][41]。 3. **单因子打分**：通用因子在整个样本池内排序打分；特色因子仅在细分域内排序打分。正向因子按从低到高计算分位数，负向因子按从高到低计算分位数，分位数取值0-100[41]。 4. **得分计算**：对每只个股，计算其通用因子得分（成长盈利现金流复合因子权重为2，其他通用因子权重为1）和特色因子得分（各特色因子权重为1）。然后，通用因子得分与特色因子得分按2:1的比例加权得到基本面总分[42][43]。 5. **市销率乘数调整**：为在基本面选股基础上兼顾估值，引入市销率（PS， TTM）乘数调整总分。首先将PS因子值转化为正数并计算乘数： $$P S_{\_}M u l t i p l i e r_{i}={\frac{1}{P S_{i}-M i n(P S_{i})+1}}$$ 然后，调整后总分 = 基本面总分 × PS乘数[46][47]。 6. **组合构建**：选择调整后总分前50的个股，并按其调整后总分计算权重，权重计算公式为： $$w e l g h t_{i}={\frac{S c o r e_{i}^{a d j}}{\sum_{i=1}^{50}S c o r e_{i}^{a d j}}}$$ [48] 模型的回测效果 1. 国企基本面因子选股多头策略 * **回测区间**：2019年12月31日至2025年12月31日，每月末调仓，不考虑交易费用[12]。 * **年化收益率**：22.93%[12][15] * **年化波动率**：20.85%[15] * **Sharpe比率**：1.0961[12][15] * **Calmar比率**：0.9963[12][15] * **最大回撤**：-23.01%[12][15] * **年化超额收益率（vs 中证国企指数）**：18.34%[12][15] * **超额收益Sharpe比率**：1.5709[12][15] * **超额收益Calmar比率**：1.4118[12][15] * **超额收益最大回撤**：-12.99%[12][15] 2. 科技主题基本面因子选股多头策略 * **回测区间**：2019年12月31日至2025年12月31日，每月末调仓，不考虑交易费用[31]。 * **年化收益率**：30.61%[31][34] * **年化波动率**：27.61%[34] * **Sharpe比率**：1.1070[31][34] * **Calmar比率**：0.8962[31][34] * **最大回撤**：-34.16%[31][34] * **月度胜率**：65.28%[34] * **年化超额收益率（vs 科技股样本池平均收益）**：10.98%[31][34] * **超额收益Sharpe比率**：1.4966[31][34] * **超额收益Calmar比率**：1.2670[31][34] * **超额收益最大回撤**：-8.66%[31][34] 3. 消费主题基本面因子选股多头策略 * **回测区间**：2019年12月31日至2025年12月31日，每月末调仓，不考虑交易费用[49]。 * **年化收益率**：24.86%[49][52] * **年化波动率**：22.99%[52] * **Sharpe比率**：1.0825[49][52] * **Calmar比率**：1.0197[49][52] * **最大回撤**：-24.38%[49][52] * **月度胜率**：68.06%[52] * **年化超额收益率（vs 50%中证主要消费+50%中证可选消费）**：21.02%[49][52] * **超额收益Sharpe比率**：1.0807[49][52] * **超额收益Calmar比率**：0.4505[49][52] * **超额收益最大回撤**：-46.66%[49][52]

量化模型与构建方式 1. **模型名称：短期成交量模型**[9][11] * **模型构建思路**：基于价量关系进行短期市场择时，核心思想简单普世[9]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅提及其为八大择时模型之一，属于短期周期模型，利用了价量角度[9][11]。 2. **模型名称：特征龙虎榜机构模型**[11] * **模型构建思路**：利用龙虎榜中的机构买卖行为特征进行市场择时判断。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅提及其为短期择时模型之一[11]。 3. **模型名称：特征成交量模型**[11] * **模型构建思路**：基于成交量的某些特征进行市场择时判断。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅提及其为短期择时模型之一[11]。 4. **模型名称：智能算法沪深300模型**[11] * **模型构建思路**：应用智能算法对沪深300指数进行择时判断。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅提及其为短期择时模型之一[11]。 5. **模型名称：智能算法中证500模型**[11] * **模型构建思路**：应用智能算法对中证500指数进行择时判断。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅提及其为短期择时模型之一[11]。 6. **模型名称：中期涨跌停模型**[9][12] * **模型构建思路**：基于市场中涨跌停股票的数量或比例等特征进行中期市场择时，核心思想简单普世[9]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅提及其为八大择时模型之一，属于中期周期模型[9][12]。 7. **模型名称：上下行收益差模型**[9][11][12][14] * **模型构建思路**：通过计算市场上行收益与下行收益的差值来进行市场择时判断，可能用于衡量市场动能或情绪。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅提及其为八大择时模型之一，应用于A股和港股的中期择时[9][11][12][14]。 8. **模型名称：月历效应模型**[12] * **模型构建思路**：基于历史月份、星期等时间规律进行中期市场择时。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅提及其为中期择时模型之一[12]。 9. **模型名称：长期动量模型**[9][13] * **模型构建思路**：基于价格加速度与趋势进行长期市场择时，核心思想简单普世[9]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅提及其为八大择时模型之一，属于长期周期模型[9][13]。 10. **模型名称：A股综合兵器V3模型**[13] * **模型构建思路**：将同一周期或不同周期下的多个择时模型信号进行耦合，结合偏防御和偏进攻的模型，以达到攻守兼备的效果[9]。 * **模型具体构建过程**：报告未提供该复合模型的具体耦合方法与权重分配细节，仅说明其为综合模型[9][13]。 11. **模型名称：A股综合国证2000模型**[13] * **模型构建思路**：将同一周期或不同周期下的多个择时模型信号进行耦合，结合偏防御和偏进攻的模型，以达到攻守兼备的效果[9]。 * **模型具体构建过程**：报告未提供该复合模型的具体耦合方法与权重分配细节，仅说明其为综合模型[9][13]。 12. **模型名称：港股成交额倒波幅模型**[14] * **模型构建思路**：结合成交额与波动率（波幅）进行港股市场的中期择时判断。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅提及其为港股中期择时模型之一[14]。 13. **模型名称：形态识别模型（杯柄形态、双底形态）**[44] * **模型构建思路**：通过识别股价走势图表中的特定技术形态（如杯柄形态、双底形态）来构建股票组合，进行趋势跟踪或突破交易。 * **模型具体构建过程**：报告未提供形态识别的具体算法规则和量化定义，但展示了基于形态突破信号构建的组合及其表现[44][47][54]。 14. **模型名称：大师系列策略模型**[40] * **模型构建思路**：基于经典的价值型、成长型、综合型大师投资理念，构建量化选股策略，用于监控因子暴露和选股标准[40]。 * **模型具体构建过程**：报告未提供具体策略的构建公式和步骤，仅说明该系列包含33个策略，用于监控因子暴露[40]。 15. **模型名称：华创VIX指数模型**[42] * **模型构建思路**：复现并计算市场的波动率指数（VIX），作为判断市场情绪的参考指标，与大盘常呈负相关关系[42]。 * **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，并提供了50ETF期权、沪深300指数、300ETF的VIX计算结果，但未给出具体计算公式[42][43]。 模型的回测效果 1. **杯柄形态模型**，本周组合收益-0.19%，相对上证综指超额收益-0.32%；自2020年12月31日至今，累计收益12.55%，相对上证综指超额收益-1.73%[44]。 2. **双底形态模型**，本周组合收益-0.17%，相对上证综指超额收益-0.30%；自2020年12月31日至今，累计收益13.01%，相对上证综指超额收益-1.27%[44]。 量化因子与构建方式 * 报告主要介绍了多种择时模型和形态策略，未详细阐述用于选股的底层量化因子（如价值、成长、动量等）的具体构建方式。报告中提到的“大师策略”暴露的因子[40]，以及行业分析中涉及的“分析师上调/下调个股比例”[19][20]等可视为因子或信号，但未给出其量化定义和构建过程。 因子的回测效果 * 报告未提供具体量化因子的独立测试结果（如IC、IR、多空收益等）。

报告行业投资评级 未提及 报告的核心观点 - 上周美国新发43只ETF产品，年末发行速度提升，涵盖个股杠杆、数字货币、单因子、另类、股票多空等多种类型产品 [2][5] - 过去一周美国ETF流入超400亿美元，国内股票产品流入超300亿美元，资金风险偏好较高 [2][9] - 上周股票多空等另类策略产品表现较好，规模前十的另类策略产品中部分表现出色 [2][14] - 2025年10月美国非货币公募基金总量增加，11月25日 - 12月3日当周美国国内股票基金流出超150亿美元，混合产品流出，债券基金小幅流入 [2][15] 根据相关目录分别进行总结 美国ETF创新产品：多只量化增强产品发行 - 上周美国新发43只产品，年末发行加速，含6只个股杠杆、3只数字货币相关产品，其中USCF有原油和比特币混合的2倍杠杆产品，Simplify有美股+期货策略产品 [5][6] - Motley Fool发行3只单因子ETF，分别为创新成长、价值和动量，每只持仓约150只股票 [6] - 贝莱德量化团队发行另类产品，NEOS发行股票多空产品，Hedgeye的130/30产品采用多空策略 [7] - Global X发行黄金开采商ETF，Franklin Templeton发行主动与量化结合的小盘增强ETF [7] - Sterling Capital股票期权产品多头用量化选股策略，分析传统及AI预测因子 [7] - Columbia发行6只ETF，3只债券、3只股票，股票产品为量化增强策略，半年调仓 [8] 美国ETF动态 美国ETF资金：各类资产维持流入 - 过去一周美国ETF流入超400亿美元，国内股票产品流入超300亿美元 [9] - 贝莱德标普500 ETF流出，先锋产品流入超400亿美元，两者资金流向差异超800亿美元，罗素2000、高收益债ETF流入 [11] - 各标普500 ETF资金波动大，罗索2000 ETF持续流入，黄金重回流入 [13] 美国ETF表现：股票多空等另类策略表现较好 - 上周股票多空产品发行多，近两年期货复制、多种对冲基金策略复合产品增加 [14] - 美国规模前十的另类策略产品覆盖多种策略类型，道富多策略产品、Convergence股票多空产品表现最佳 [14] 近期美国普通公募基金资金流向 - 2025年10月美国非货币公募基金总量23.70万亿美元，较9月增加0.22万亿，10月标普500上涨2.27%，国内股票型产品规模升0.9%，赎回压力大 [15] - 11月25日 - 12月3日当周美国国内股票基金流出超150亿美元，混合产品持续流出，债券基金小幅流入 [15]