量化模型与构建方式 1. **模型名称：分析师50组合** - **模型构建思路**：基于券商金股中新进金股表现更优和业绩超预期在新进金股中选股效果优异的结论，构建对标中证500的组合[25] - **模型具体构建过程**： 1. 在每个月券商十大金股池中，按照相对上个月是否重复，选出新进金股池[25] 2. 计算新进金股池每只股票的业绩超预期指标（SUE），选出业绩超预期靠前的50只个股，按照券商推荐数量加权得到初始权重[25] 3. 基于最新中证500指数行业权重分布，等比例调整上述组合的行业权重，并对各行业内的个股权重进行等比例调整[25] - **模型评价**：能够追踪市场风格最新动向，动态捕捉高弹性个股[34] 模型的回测效果 1. **分析师50组合** - 年化收益率：14.9%[27] - 年化超额收益（相对中证500）：15.6%[27] - 2025年（截至6月底）超额收益：10.2%[27] - 持仓占比均值：沪深300（28.7%）、中证500（26.8%）、中证1000（29.3%）、其他（15.3%）[34] 量化因子与构建方式 1. **因子名称：业绩超预期指标（SUE）** - **因子构建思路**：衡量个股财报实际值相对分析师预测值的超预期程度[22] - **因子具体构建过程**： $$S U E={\frac{R_{t}-E_{t}}{\sigma(R_{t}-E_{t})}}$$ 其中： - \(R_t\)为财报实际值 - \(E_t\)为分析师预测值 - \(\sigma(R_{t}-E_{t})\)为预测误差的标准差[22] 构建步骤： 1. 将分析师预期数据由累计值转化为单季度值[26] 2. 使用单季度预测值和单季度实际值进行对比[26] 3. 融合业绩预告、业绩快报和定期报告，财报真空期因子值前向填充[23] - **因子评价**：在新进金股中选股效果明显优于重复金股[23] 因子的回测效果 1. **业绩超预期指标（SUE）** - **新进金股**：多头组合年化收益显著高于空头组合（净值曲线分离明显）[24] - **重复金股**：多头组合年化收益略高于空头组合（净值曲线分离较弱）[24] 其他关键数据 1. **券商金股分年度收益**（2017-2025年）[16][20]： - 全部金股年化收益率：11.2% - 新进金股年化收益率：14.1% - 重复金股年化收益率：8.8% 2. **新进金股与重复金股风险指标对比**： - 新进金股最大回撤：38.5% - 重复金股最大回撤：45.0%[20]