量化模型与因子总结 量化模型与构建方式 1. **模型名称**：中性约束条件下最大化因子暴露组合[22] **模型构建思路**：在构建单因子投资组合时，采用一种优化方法，在确保投资组合相对基准指数在行业和风格暴露保持中性的基础上，最大化目标因子在组合中的暴露[22]。 **模型具体构建过程**：模型的具体构建方法在附录中提及，但正文未详细展开。其核心思想是通过优化求解，在满足行业和风格因子暴露中性（即组合在这些维度上的暴露与基准指数一致或为零）的约束条件下，使投资组合对目标因子的暴露达到最大[22]。 量化因子与构建方式 风格因子（共10个大类）[16] 构建思路：参考BARRA因子模型构建，以捕捉A股市场的风格变化[16]。大类风格因子通过细分因子合成[16]。 1. **因子名称**：估值因子 **因子具体构建过程**：估值因子 = BP。其中BP（Book to Price）为细分因子，构造方式为：归母股东权益 / 总市值[17]。 2. **因子名称**：成长因子 **因子具体构建过程**：成长因子 = (SGRO + EGRO) / 2[17]。 * 细分因子SGRO（Sales growth）：过去五个财年年报的每股营业收入按时间进行回归，将回归系数（斜率）除以每股营业收入的平均值，得到营业收入增长率SGRO[17]。 * 细分因子EGRO（Earnings growth）：过去五个财年年报的每股归母净利润按时间进行回归，将回归系数（斜率）除以每股归母净利润的平均值，得到归母净利润增长率EGRO[17]。 3. **因子名称**：盈利因子 **因子具体构建过程**：盈利因子 = (ETOP + CETOP) / 2[17]。 * 细分因子ETOP（Earnings-to-price ratio）：归母净利润TTM / 总市值[17]。 * 细分因子CETOP（Cash earnings-to-price ratio）：经营活动产生的现金流量净额TTM / 总资产[17]。 4. **因子名称**：规模因子 **因子具体构建过程**：规模因子 = LNCAP。其中LNCAP（Natural log of market cap）为细分因子，构造方式为：总市值的对数[17]。 5. **因子名称**：Beta因子 **因子具体构建过程**：Beta因子 = BETA。其中BETA为细分因子，构造方式为：将个股过去252个交易日的日收益率与中证全指日收益率进行半衰指数加权回归，半衰期为63个交易日。最终取回归系数作为BETA[17]。 6. **因子名称**：动量因子 **因子具体构建过程**：动量因子 = RSTR。其中RSTR（Relative strength）为细分因子，构造方式为：过去504个交易日个股累计收益率，不含最近21个交易日。其中收益率序列使用半衰指数加权，半衰期为126个交易日[17]。 7. **因子名称**：流动性因子 **因子具体构建过程**：流动性因子 = (STOM + STOQ + STOA) / 3[17]。 * 细分因子STOM（Share turnover, one month）：个股过去1个月的换手率加总，之后取对数[17]。 * 细分因子STOQ（Average share turnover, trailing 3 months）：个股过去3个月STOM的均值[17]。 * 细分因子STOA（Average share turnover, trailing 12 months）：个股过去12个月STOM的均值[17]。 8. **因子名称**：波动性因子 **因子具体构建过程**：波动性因子 = (DASTD + CMRA + HSIGMA) / 3[17]。 * 细分因子DASTD（Daily standard deviation）：过去250个交易日个股相对于所有股票等权指数的超额收益率的标准差。其中计算标准差时使用半衰指数加权，半衰期为40个交易日[17]。 * 细分因子CMRA（Cumulative range）：计算个股过去12个月内的累计对数收益率，将累计最高收益与累计最低收益做差得到CMRA[17]。 * 细分因子HSIGMA（Historical sigma）：计算BETA时残差的标准差[17]。 9. **因子名称**：非线性市值因子 **因子具体构建过程**：非线性市值因子 = NLSIZE。其中NLSIZE（Non-linear Size）为细分因子，构造方式为：将股票总市值对数的三次方与对数市值进行加权最小二乘回归，其中权重为对数市值的平方根，最终取回归残差作为NLSIZE。总市值越大或越小的股票NLSIZE越大，中市值股票NLSIZE小[17]。 10. **因子名称**：杠杆因子 **因子具体构建过程**：杠杆因子 = (MLEV + DTOA + BLEV) / 3[17]。 * 细分因子MLEV（Market leverage）：非流动负债 / 总市值[17]。 * 细分因子DTOA（Debt to assets）：总负债 / 总资产[17]。 * 细分因子BLEV（Book leverage）：非流动负债 / 归属母公司股东权益[17]。 选股因子（共53个）[21] 构建思路：构建了53个常用的选股因子，涵盖了估值、成长、质量、规模、反转、动量、流动性、波动性、分红、公司治理以及技术等多个方面[21]。在计算全市场股票池因子表现时，会对每个单因子进行中性化处理，消除其与行业、风格（规模、估值、成长）因子的相关性[47]。 **因子列表及具体构建过程如下表所示**[22]： | 因子类别 | 因子名称 | 构造方式 | 参考方向 | | :--- | :--- | :--- | :--- | | 估值 | BP | 归属母公司股东权益/总市值 | 正向[22] | | | 单季度EP | 单季度归母净利润/总市值 | 正向[22] | | | EP_TTM | 归母净利润TTM/总市值 | 正向[22] | | | 单季度SP | 单季度营业收入/总市值 | 正向[22] | | | SP_TTM | 营业收入TTM/总市值 | 正向[22] | | | 单季度CFEV | 单季度经营活动产生的现金流量净额/（市值 + 短期借款 + 长期借款 + 应付债券 - 货币资金） | 正向[22] | | | CFEV_TTM | 经营活动产生的现金流量净额TTM/（市值 + 短期借款 + 长期借款 + 应付债券 - 货币资金） | 正向[22] | | 成长 | 单季度净利润同比增速 | 单季度归母净利润同比增长率 | 正向[22] | | | 单季度营业收入同比增速 | 单季度营业收入同比增长率 | 正向[22] | | | 单季度营业利润同比增速 | 单季度营业利润同比增长率 | 正向[22] | | | 标准化预期外盈利 | （当前季度归母净利润 -（去年同期单度归母净利润+过去8个季度单季归母净利润同比增长均值））/ 过去8个季度的单季度归母净利润同比增长值的标准差 | 正向[22] | | | 标准化预期外收入 | （当前季度营业收入 -（去年同期单度营业收入+过去8个季度单季度营业收入同比增长均值））/ 过去8个季度的单季营业收入同比增长值的标准差 | 正向[22] | | | 单季度ROE同比 | ROE单季度同比变化 | 正向[22] | | | 单季度ROA同比 | ROA单季度同比变化 | 正向[22] | | 质量 | 单季度ROE | 单季度归母净利润/归属母公司股东权益 | 正向[22] | | | 单季度ROA | 单季度归母净利润/总资产 | 正向[22] | | | 单季度毛利率 | （单季度营业收入-单季度营业成本）/单季度营业收入 | 正向[22] | | | 单季度营业利润率 | 单季度营业利润/单季度营业收入 | 正向[22] | | | 单季度净利润率 | 单季度归母净利润/单季度营业收入 | 正向[22] | | | 盈余质量 | (经营活动现金流量净额-营业利润) /总资产 | 正向[22] | | | 流动比率 | 流动资产/流动负债 | 正向[22] | | 规模 | 对数市值 | 总市值的对数 | 负向[22] | | 反转 | 20日反转 | 个股过去20个交易日收益率 | 负向[22] | | | 60日反转 | 个股过去60个交易日收益率 | 负向[22] | | 动量 | 60日动量 | 个股过去60个交易日（排除近20日）收益率 | 正向[22] | | | 240日动量 | 个股过去240个交易日（排除近20日）收益率 | 正向[22] | | | 盈余公告前隔夜动量 | 个股盈余公告前20个交易日的隔夜收益 | 正向[22] | | | 盈余公告次日开盘跳空超额 | 个股盈余公告次日开盘价/昨日收盘价-中证全指次日开盘价/昨日收盘价 | 正向[22] | | 流动性 | 20日换手率 | 个股过去20个交易日换手率的平均值 | 负向[22] | | | 60日换手率 | 个股过去60个交易日换手率的平均值 | 负向[22] | | | 20日换手率波动 | 个股过去20个交易日换手率的标准差 | 负向[22] | | | 60日换手率波动 | 个股过去60个交易日换手率的标准差 | 负向[22] | | | 20日非流动性冲击 | 个股过去20个交易日的收益率绝对值/过去20日成交额的均值 | 正向[22] | | | 60日非流动性冲击 | 个股过去60个交易日的收益率绝对值/过去60日成交额的均值 | 正向[22] | | 波动性 | 20日收益率标准差 | 个股过去20个交易日的日收益率标准差 | 负向[22] | | | 60日收益率标准差 | 个股过去60个交易日的日收益率标准差 | 负向[22] | | | 20日特异度 | 个股过去20个交易日的日收益与Fama-French三因子回归的拟合度 | 负向[22] | | | 60日特异度 | 个股过去60个交易日的日收益与Fama-French三因子回归的拟合度 | 负向[22] | | | 20日三因子模型残差波动率 | 个股过去20个交易日的日收益对Fama-French三因子回归的残差的标准差 | 负向[22] | | | 120日三因子模型残差波动率 | 个股过去120个交易日的日收益对Fama-French三因子回归的残差的标准差 | 负向[22] | | | 240日三因子模型残差波动率 | 个股过去240个交易日的日收益对Fama-French三因子回归的残差的标准差 | 负向[22] | | 分红 | 股息率 | 最近4个季度分红/总市值 | 正向[22] | | 公司治理 | 前五大股东持股比例 | 前五大股东持股比例合计 | 正向[22] | | | 前十大股东持股比例 | 前十大股东持股比例合计 | 正向[22] | | 技术 | 20日成交额 | 过去20个交易日日均成交额 | 负向[22] | | | 60日成交额 | 过去60个交易日日均成交额 | 负向[22] | | | 60日偏度 | 过去60个交易日日度收益率数据计算的偏度 | 负向[22] | | | 240日偏度 | 过去240个交易日日度收益率数据计算的偏度 | 负向[22] | | | 20日成交量变异系数 | 过去20个交易日成交量的标准差 / 过去20个交易日成交量均值 | 负向[22] | | | 60日成交量变异系数 | 过去60个交易日成交量的标准差 / 过去60个交易日成交量均值 | 负向[22] | | | 20日成交量比率 | 过去20个交易日成交量均值/ 过去240个交易日成交量均值 | 负向[22] | | | 60日成交量比率 | 过去60个交易日成交量均值/ 过去240个交易日成交量均值 | 负向[22] | | | 120日成交量比率 | 过去120个交易日成交量均值/ 过去240个交易日成交量均值 | 负向[22] | 模型的回测效果 *注：报告中未提供“中性约束条件下最大化因子暴露组合”模型整体的综合回测指标（如年化收益、夏普比率等），仅提供了该模型框架下各单因子的超额收益表现。* 因子的回测效果 风格因子表现（近一周多空收益）[19] 1. Beta因子， 多空收益 4.54%[19] 2. 动量因子， 多空收益 4.34%[19] 3. 波动性因子， 多空收益 3.81%[19] 4. 规模因子， 多空收益 3.36%[19] 5. 流动性因子， 多空收益 1.59%[19] 6. 成长因子， 多空收益 1.15%[19] 7. 非线性市值因子， 多空收益 0.88%[19] 8. 盈利因子， 多空收益 0.61%[19] 9. 杠杆因子， 多空收益 -0.56%[19] 10. 估值因子， 多空收益 -3.71%[19] 选股因子表现（基于“中性约束条件下最大化因子暴露组合”） **以下为各股票池中，因子在“最近一周”窗口期的超额收益表现。** 沪深300股票池[24] 1. 标准化预期外盈利因子， 超额收益 0.87%[24] 2. 240日动量因子， 超额收益 0.78%[24] 3. 单季度净利润率因子， 超额收益 0.74%[24] 中证500股票池[28] 1. 单季度毛利率因子， 超额收益 1.49%[28] 2. 单季度营业利润率因子， 超额收益 1.26%[28] 3. 单季度净利润率因子， 超额收益 1.05%[28] 中证800股票池[33] 1. 单季度ROE因子， 超额收益 1.02%[33] 2. 盈余公告前隔夜动量因子， 超额收益 0.97%[33] 3. 标准化预期外盈利因子， 超额收益 0.94%[33] 中证1000股票池[38] 1. 单季度营业利润率因子， 超额收益 1.34%[38] 2. 单季度净利润率因子， 超额收益 1.25%[38] 3. 单季度营业利润同比增速因子， 超额收益 1.15%[38] 沪深300ESG股票池[42] 1. 标准化预期外盈利因子， 超额收益 0.96%[42] 2. 单季度营业利润同比增速因子， 超额收益 0.57%[42] 3. 单季度ROA因子， 超额收益 0.52%[42] 全市场股票池（近一周Rank IC）[46] 1. 单季度ROE因子， Rank IC 17.68%[46] 2. 单季度ROA因子， Rank IC 17.19%[46] 3. 单季度净利润率因子， Rank IC 16.25%[46]

核心观点 - 上周（2025-10-09至2025-10-10）估值因子在主要宽基指数中表现突出，成为驱动指数增强策略超额收益的关键力量 [1] - 截至2025年10月10日，中证2000指数增强策略本年超额收益高达23.32%，显著高于其他宽基指数增强策略 [1][5] - 小盘风格指数（中证1000、中证2000）的增强产品本年超额收益普遍超过12%，明显优于大盘风格指数（沪深300、中证500）增强产品 [5] 公募指数增强基金表现 - 沪深300增强基金规模达772亿元，为各类宽基指数增强产品中规模最大，共有53只产品 [9] - 易方达沪深300精选增强A（010736.OF）本年收益32.31%，超额收益14.98%，在沪深300增强产品中排名第一 [10] - 鹏华中证500指数增强A（014344.OF）本年收益41.67%，超额收益12.46%，在中证500增强产品中表现最佳 [16] - 工银瑞信中证1000ETF增强（561280.SH）本年收益44.54%，超额收益18.09%，领跑中证1000增强产品 [21] - 汇添富国证2000指数增强A（019318.OF）本年收益46.5%，超额收益17.14%，在国证2000增强产品中排名第一 [26] 单因子表现 - 沪深300股票池内上周表现最好的单因子是BPROE分位数（2.41%）、单季度毛利润（2.3%）、单季度营业利润（2.1%） [36] - 中证500股票池内上周超额收益较好的因子是单季度EP倒数（1.69%）、BPROE分位数（1.54%）、单季度营业利润（1.46%） [37] - 中证1000股票池内市盈率（扣非）倒数因子上周超额收益达2.01%，单季度SP因子为1.95% [38] - 中证2000股票池内估值类因子表现强劲，市盈率（归母）倒数上周超额收益2.22%，单季度EP倒数达2.19% [39] - 全市场范围内，5分钟成交量偏度因子上周超额收益最高，达2.31%，市盈率（归母）倒数因子为2.27% [39] 大类因子表现 - 上周沪深300内大类因子表现前三为估值（2.6%）、市值（2.19%）、价量（2.15%） [45] - 中证500内表现较好的大类因子是估值（2.28%）、分析师（1.71%）、高频分钟（1.62%） [1] - 中证1000内估值因子表现最佳（2.52%），其次为市值（2.11%）和高频分钟（1.94%） [1] - 中证2000内估值因子超额收益达2.63%，高频分钟因子为2.18%，公司治理因子为1.89% [1] - 成长因子在沪深300股票池内本年表现突出，超额收益达26.03%，盈利因子为25.54% [45] 指数增强策略表现 - 沪深300指数增强策略本年收益22.81%，超额收益5.48%，超额最大回撤-3.15% [5] - 中证500指数增强策略本年收益30.56%，超额收益1.35%，超额收益最大回撤-5.01% [5] - 中证1000指数增强策略本年收益39.02%，超额收益12.56%，超额最大回撤-5.59% [5] - 中证2000指数增强策略表现最为亮眼，本年收益54.98%，超额收益23.32%，超额最大回撤-5.23% [5]

市场整体表现 - A股2025年前三季度呈现显著分化行情，科技龙头股表现强劲，而白酒、房地产等传统板块涨幅靠后 [4] - 主要指数中，代表大盘的沪深300指数年内上涨19.94%，代表小盘股的中证2000指数年内涨幅达31.74%，小盘股表现优于大盘股 [4] - 在行业轮动加快的市场环境下，指数增强型基金因其能提供超越基准的“超额收益”而成为投资新思路 [4] 指数增强基金整体业绩 - 全市场755只公募指数增强基金中，有593只在2025年前三季度跑赢了对应指数，胜率约为78.54% [4] - 所有指增产品前三季度超额收益均值为3.03% [4] - 中证2000指数增强产品表现最为亮眼，31只产品前三季度收益均值高达40.74%，超额收益均值达11.11% [4][14] 各指数增强基金细分表现 - **沪深300指增**：158只产品前三季度收益均值为19.17%，超额收益均值为1.77%，其中104只实现正超额，占比65.82% [5] - **中证500指增**：156只产品前三季度收益均值为29.60%，超额收益均值为1.48% [8] - **中证1000指增**：88只产品前三季度收益均值为34.28%，超额收益均值高达8.32% [11] - **中证2000指增**：31只产品前三季度收益均值为40.74%，超额收益均值高达11.11% [14] 各指数增强基金业绩领先产品 - **沪深300指增前十**：易方达基金张胜记管理的易方达沪深300精选增强A以17.08%的超额收益和34.11%的总收益位居第一 [6][7] - **中证500指增前十**：鹏华基金苏俊杰管理的鹏华中证500指数增强A以13.72%的超额收益和41.63%的总收益夺冠 [9][10] - **中证1000指增前十**：工银瑞信基金何顺管理的工银中证1000指数增强A以18.52%的超额收益和44.29%的总收益排名第一 [12][13] - **中证2000指增前十**：天弘基金杨超、王帅管理的天弘国证2000指数增强A以18.21%的超额收益和46.48%的总收益位列榜首 [14] 领先基金经理及策略亮点 - 易方达基金张胜记拥有20年证券从业经验，深耕基本面指数增强领域 [7] - 鹏华基金苏俊杰毕业于芝加哥大学金融数学系，其量化模型结合了多因子基本面量化和高频量价因子，并构建了独特的AI+基本面量化模型 [10] - 工银瑞信基金何顺为北京大学统计学博士，主要负责SmartBeta策略、指数增强策略等量化投研工作 [13] - 鹏华基金苏俊杰管理的产品在多个指数增强类别（中证500、中证1000）中均位列前十，显示出其策略的有效性 [9][13]

量化私募与公募指增产品业绩对比 - 截至2025年8月15日，私募量化指增产品（398只）今年来收益均值为31.11%，超额收益均值为11.50%，而公募量化指增产品（382只）收益均值为22.03%，超额收益均值为6.04%，私募在收益和超额方面均领先公募 [2][3] 不同指数增强策略业绩表现 沪深300指增 - 私募沪深300指增产品（36只）今年来收益均值为15.21%，超额收益均值为7.86%，正超额产品占比97.22% [3] - 公募沪深300指增产品（127只）今年来收益均值为9.90%，超额收益均值为3.26%，正超额产品占比96.06% [3] - 私募前三名产品为海南澎湃私募"澎湃权益1号"、宁波幻方量化"九章幻方沪深300量化多策略1号"、德远投资"德远明选量化二号B类份额" [5][6] - 公募前三名产品为安信基金"安信量化沪深300增强A"（超额10.03%）、易方达基金"易方达沪深300精选增强A"（超额7.31%）、长城基金"长城久泰沪深300指数A"（超额6.91%） [5][7] 中证500指增 - 私募中证500指增产品（197只）今年来收益均值为29.40%，超额收益均值为12.81%，正超额产品占比96.95% [3][9] - 公募中证500指增产品（139只）今年来收益均值为17.70%，超额收益均值为3.62%，正超额产品占比89.93% [3][9] - 私募前三名产品为兆信私募"兆信中证500指数增强1号A类份额"、融伟投资基金"融伟屿通量化二号"、信弘天禾"信弘中证500指数增强2号A类份额" [9][10] - 公募前三名产品为鹏华基金"鹏华中证500指数增强A"（超额9.72%）、中欧基金"中欧中证500指数增强A"（超额9.59%）、博道基金"博道中证500增强A"（超额7.72%） [10][11] 中证1000指增 - 私募中证1000指增产品（149只）今年来收益均值为35.25%，超额收益均值为13.26%，正超额产品占比95.97% [3][12] - 公募中证1000指增产品（87只）今年来收益均值为25.59%，超额收益均值为6.98%，正超额产品占比96.55% [3][12] - 私募前三名产品为今通投资"今通量化价值成长六号"、鹿秀投资"鹿秀长颈鹿7号"、橡木资产"橡木望江二号" [13][14] - 公募前三名产品为博道基金"博道中证1000指数增强A"（超额15.14%）、工银瑞信基金"工银中证1000指数增强A"（超额15.02%）、汇添富基金"汇添富中证1000指数增强A"（超额13.94%） [14][15] 国证/中证2000指增 - 私募国证/中证2000指增产品（16只）今年来收益均值为44.57%，超额收益均值为12.06%，正超额产品占比100% [3][16] - 公募国证/中证2000指增产品（29只）今年来收益均值为34.91%，超额收益均值为10.29% [3][16] - 私募前三名产品为平方和投资"平方和鼎盛中证2000指数增强21号A期"、进化论资产"进化论多棱镜中证2000指数增强B类份额"、天算量化"天算中证2000指数增强1号A类份额" [17][18] - 公募前三名产品为汇添富基金"汇添富国证2000指数增强A"（超额16.30%）、鹏华基金"鹏华国证2000指数增强A"（超额16.10%）、招商基金"招商中证2000指数增强A"（超额13.58%） [17][19] 市场环境与策略优势 - 2025年上半年A股市场呈现显著结构性特征，中小盘风格持续占优，个股波动率提升，叠加日均成交额维持高位，为量化策略创造理想交易环境 [3] - 国证/中证2000指增产品受益于小微盘股风格及流动性充沛环境，成为获取超额的天然沃土 [16]

量化模型与构建方式 1. **模型名称**：DFQ-2020风险因子模型 - **模型构建思路**：基于多因子风险模型框架，通过控制行业暴露、风格暴露等约束条件构建最大化单因子暴露组合（MFE组合）[16][56] - **模型具体构建过程**： - 目标函数：最大化单因子暴露 $$max\ f^{T}w$$ - 约束条件： 1. 风格因子偏离约束 $$s_{l}\leq X(w-w_{b})\leq s_{h}$$ 2. 行业偏离约束 $$h_{l}\leq H(w-w_{b})\leq h_{h}$$ 3. 个股权重偏离约束 $$w_{l}\leq w-w_{b}\leq w_{h}$$ 4. 成分股权重占比约束 $$b_{l}\leq B_{b}w\leq b_{h}$$ 5. 换手率约束 $$\Sigma|w-w_{0}|\leq to_{h}$$[56][59] - **模型评价**：通过线性规划高效求解，适用于沪深300、中证500等指数的增强组合构建[56][60] 量化因子与构建方式 1. **因子名称**：Trend风格因子 - **因子构建思路**：捕捉股票价格趋势延续性，通过指数加权移动平均（EWMA）比率计算[14] - **因子具体构建过程**： - Trend_120：$$EWMA(halflife=20)/EWMA(halflife=120)$$ - Trend_240：$$EWMA(halflife=20)/EWMA(halflife=240)$$[14] - **因子评价**：在震荡市场中表现突出，反映市场对趋势延续性资产的偏好[11][8] 2. **因子名称**：UMR动量因子（风险调整后） - **因子构建思路**：基于不同时间窗口（1/3/6/12个月）的收益风险调整动量[19] - **因子具体构建过程**： - 一个月UMR：过去20个交易日风险调整收益 - 三个月UMR：过去60个交易日风险调整收益 - 六个月UMR：过去120个交易日风险调整收益[19] - **因子评价**：在中证全指和中证500样本中表现优异，但动量类因子近期普遍承压[8][25] 3. **因子名称**：估值类因子（EPTTM、BP） - **因子构建思路**：衡量盈利与市值比率（EPTTM）或账面市值比（BP）[19] - **因子具体构建过程**： - EPTTM：$$归母净利润TTM/总市值$$ - BP：$$净资产/总市值$$[19] - **因子评价**：在沪深300样本中近期表现强劲，反映市场对低估值的关注[21][24] 4. **因子名称**：波动率因子（Stdvol、Ivff） - **因子构建思路**：衡量股票历史波动率[14] - **因子具体构建过程**： - Stdvol：过去243天的标准差波动率 - Ivff：过去243天的Fama-French三因子特质波动率[14] - **因子评价**：近期表现疲软，反映市场对高波动资产的规避[12][13] --- 模型的回测效果 1. **DFQ-2020风险因子模型**： - Trend风格近一周多空收益2.92%，近一年年化14.11%[13] - Volatility风格近一周收益-1.98%，历史年化-13.23%[13] --- 因子的回测效果 1. **六个月UMR因子**： - 中证全指：近一周收益1.23%，近一年年化7.43%[44] - 中证500：近一周收益0.99%，近一年年化-4.07%[26] 2. **单季EP因子**： - 沪深300：近一周收益1.02%，历史年化5.59%[22] - 中证800：近一周收益1.40%，历史年化7.77%[30] 3. **三个月反转因子**： - 国证2000：近一周收益2.78%，近一年年化10.61%[36] - 创业板指：近一周收益2.52%，历史年化1.54%[39] 4. **BP因子**： - 中证全指：近一周收益0.69%，历史年化4.65%[44] - 沪深300：近一周收益0.44%，历史年化2.93%[22] 5. **分析师认可度因子**： - 沪深300：近一周收益0.81%，历史年化3.46%[22] - 中证1000：近一周收益-0.35%，历史年化7.55%[33] 6. **非流动性冲击因子**： - 国证2000：近一周收益1.42%，近一年年化14.67%[36] - 中证全指：近一周收益-0.14%，历史年化0.18%[44] --- 附录：MFE组合构建细节 - **行业约束**：控制中信一级行业暴露为0[60] - **市值约束**：控制市值风格因子暴露为0[60] - **个股权重偏离**：最大偏离基准权重1%[60]