量化模型与构建方式 1. PB-ROE-50 组合 - 模型名称：PB-ROE-50 组合 - 模型构建思路：基于市净率（PB）和净资产收益率（ROE）两个估值与盈利指标，通过综合筛选构建投资组合[24] - 模型具体构建过程：从全市场股票中筛选出 PB 较低且 ROE 较高的股票，最终选取 50 只股票构成组合，具体公式为综合评分： $Score = w_1 \cdot Rank(PB^{-1}) + w_2 \cdot Rank(ROE)$ 其中 $w_1$ 和 $w_2$ 为权重，$Rank$ 为排序函数，选取评分最高的50只股票[24] - 模型评价：兼顾估值与盈利质量，风格稳定，长期表现稳健 2. 公募调研选股策略 - 模型名称：公募调研选股策略 - 模型构建思路：基于公募基金调研行为，挖掘调研事件背后的超额收益机会[27] - 模型具体构建过程：跟踪公募基金调研的上市公司，结合调研频率、调研后股价表现等指标，构建投资组合[27] - 模型评价：事件驱动型策略，捕捉机构关注度提升带来的短期机会 3. 私募调研跟踪策略 - 模型名称：私募调研跟踪策略 - 模型构建思路：基于私募基金调研行为，挖掘调研事件背后的投资机会[27] - 模型具体构建过程：跟踪私募基金调研的上市公司，结合调研深度、公司基本面等指标构建组合[27] 4. 大宗交易组合 - 模型名称：大宗交易组合 - 模型构建思路：基于大宗交易数据，通过“高成交金额比率、低波动率”原则筛选股票[31] - 模型具体构建过程：计算每只股票的“大宗交易成交金额比率”和“6日成交金额波动率”，选取成交金额比率高且波动率低的股票，按月调仓，公式为： $Selection\,Criteria = \frac{Block\,Trade\,Amount}{Total\,Trading\,Amount} > \alpha\,,\, \sigma_{6d} < \beta$ 其中 $\alpha$ 和 $\beta$ 为阈值参数[31] - 模型评价：利用大宗交易的信息优势，捕捉流动性冲击带来的定价偏差 5. 定向增发组合 - 模型名称：定向增发组合 - 模型构建思路：基于定向增发事件，挖掘再融资政策收紧背景下的投资机会[37] - 模型具体构建过程：以股东大会公告日为节点，结合市值、调仓周期和仓位控制，筛选涉及定向增发的股票[37] - 模型评价：事件驱动策略，适应政策变化，捕捉定增事件的超额收益 模型的回测效果 1. PB-ROE-50 组合 - 中证500：上周超额收益-0.57%，今年以来超额收益3.00%，上周绝对收益2.79%，今年以来绝对收益28.59%[25] - 中证800：上周超额收益-0.02%，今年以来超额收益16.16%，上周绝对收益1.89%，今年以来绝对收益36.42%[25] - 全市场：上周超额收益0.79%，今年以来超额收益22.30%，上周绝对收益2.87%，今年以来绝对收益48.27%[25] 2. 公募调研选股策略 - 上周超额收益3.82%，今年以来超额收益8.10%，上周绝对收益5.81%，今年以来绝对收益26.96%[28] 3. 私募调研跟踪策略 - 上周超额收益0.51%，今年以来超额收益12.02%，上周绝对收益2.44%，今年以来绝对收益31.56%[28] 4. 大宗交易组合 - 上周超额收益-1.77%，今年以来超额收益0.26%，上周绝对收益未明确，今年以来绝对收益62.65%[32] 5. 定向增发组合 - 上周超额收益-1.71%，今年以来超额收益-0.77%，上周绝对收益0.32%，今年以来绝对收益20.29%[38] 量化因子与构建方式 1. 5日反转因子 - 因子名称：5日反转因子 - 因子构建思路：捕捉短期价格反转效应[12] - 因子具体构建过程：计算过去5日的收益率并取负值，公式为： $5Day\,Reversal = -R_{t-5,t}$ 其中 $R_{t-5,t}$ 为过去5日收益率[12] - 因子评价：短期反转效应显著，尤其在小市值股票中表现突出 2. 早盘收益因子 - 因子名称：早盘收益因子 - 因子构建思路：捕捉开盘后短期价格动量[12] - 因子具体构建过程：计算开盘后一定时间内的收益率[12] 3. 对数市值因子 - 因子名称：对数市值因子 - 因子构建思路：捕捉市值规模效应[12] - 因子具体构建过程：对总市值取自然对数： $Log\,Market\,Cap = \ln(MCAP)$ 其中 $MCAP$ 为总市值[12] 4. 市销率TTM倒数因子 - 因子名称：市销率TTM倒数因子 - 因子构建思路：捕捉估值低估机会[14] - 因子具体构建过程：计算市销率（TTM）的倒数： $PS^{-1} = \frac{1}{P/S}$ 其中 $P/S$ 为市销率[14] 5. 标准化预期外盈利因子 - 因子名称：标准化预期外盈利因子 - 因子构建思路：捕捉盈利超预期带来的价格反应[18] - 因子具体构建过程：计算实际盈利与预期盈利的差，并除以标准差标准化[18] 6. 市盈率TTM倒数因子 - 因子名称：市盈率TTM倒数因子 - 因子构建思路：捕捉估值低估机会[18] - 因子具体构建过程：计算市盈率（TTM）的倒数： $PE^{-1} = \frac{1}{P/E}$ 其中 $P/E$ 为市盈率[18] 因子的回测效果 1. 沪深300股票池因子表现（最近1周） - 5日反转因子：3.11%[13] - 早盘收益因子：2.31%[13] - 对数市值因子：2.24%[13] - 单季度ROA因子：2.08%[13] - 标准化预期外盈利因子：1.91%[13] 2. 中证500股票池因子表现（最近1周） - 市销率TTM倒数因子：1.60%[15] - 标准化预期外收入因子：1.55%[15] - 5日反转因子：0.65%[15] 3. 流动性1500股票池因子表现（最近1周） - 市销率TTM倒数因子：2.75%[19] - 标准化预期外盈利因子：2.69%[19] - 市盈率TTM倒数因子：2.67%[19] - 市盈率因子：2.18%[19] - 标准化预期外收入因子：1.85%[19]