根据提供的研报内容，以下是量化模型和因子的详细总结： 量化模型与构建方式 1. **优化复制模型** - **构建思路**：通过数学优化方法最小化跟踪误差，复制目标指数的收益[31] - **具体构建过程**： 1. 定义资产组合收益率： $${\tilde{R}}_{t}=\Sigma_{i=1}^{M}{\widetilde{W}}_{i,t}\cdot Y_{i,t}=Y_{t}\cdot{\overline{{W}}}_{t}$$ 其中${\widetilde{W}}_{i,t}$为持仓权重，$Y_{i,t}$为资产收益[31] 2. 目标函数为跟踪误差最小化： $$w=a r g\,m i n\;\;\;T E$$ 其中$TE=\sqrt{\frac{1}{T}\Sigma_{t=1}^{T}(\tilde{R}_t-R_t)^2}$[32] 3. 添加约束条件： 权重和为1：$$\Sigma_{i=1}^{N}w_{i}=1$$[33] 非负约束：$$0\leq w_{i}\leq1$$[35] 行业/风格中性约束： $$z_{l o w}\leq\frac{X_{s}^{T}w-X_{s}^{T}\tilde{w}}{s_{b}}\leq z_{u p}$$ $$w_{l o w}^{I}\leq X_{I}^{T}w-X_{I}^{T}\bar{w}\leq w_{u p}^{I}$$[36] - **评价**：灵活平衡成本与精度，但依赖历史数据可能产生模型风险[30] 2. **Barra多因子模型** - **构建思路**：基于CAPM和Fama-French三因子模型扩展，解释个股收益来源[47] - **具体构建过程**： 因子收益方程： $${\begin{bmatrix}r_{1}\\ r_{2}\\ \vdots\\ r_{n}\end{bmatrix}}={\begin{bmatrix}x_{11}\\ x_{21}\\ \vdots\\ x_{n1}\end{bmatrix}}f_{1}+{\begin{bmatrix}x_{12}\\ x_{22}\\ \vdots\\ x_{n2}\end{bmatrix}}f_{2}+\cdots+{\begin{bmatrix}x_{1m}\\ x_{2m}\\ \vdots\\ x_{n m}\end{bmatrix}}f_{m}+{\begin{bmatrix}u_{1}\\ u_{2}\\ \vdots\\ u_{n}\end{bmatrix}}$$ 其中$x_{ij}$为股票i对因子j的暴露，$f_j$为因子收益[46] 3. **TCN神经网络因子挖掘模型** - **构建思路**：通过时序卷积网络挖掘高频量价Alpha因子[52] - **评价**：相比遗传规划算法能发现更复杂的非线性关系[51] 量化因子与构建方式 1. **波动类因子** - 特异率：1减Fama-French三因子模型拟合优度[48] - 残差波动率：Fama-French三因子回归残差的标准差[48] - 换手率变异系数：换手率标准差/均值[48] 2. **空头意愿因子** - 每笔成交额：总成交额/成交笔数[48] - 高量每笔成交：高成交量区间的每笔成交额占比[48] 3. **交易拥挤度因子** - 量价相关性：成交量与价格的秩相关系数[48] - 高量交易成本：最高20%价格区间的成交量占比[48] 4. **质量因子** - 盈利因子：扣非ROE与资产报酬率的均值[48] 5. **成长因子** - 绝对净利润增长：单季度扣非净利润时间序列回归斜率[48] 模型的回测效果 1. **沪深300指数增强基金** - 年化超额收益：3.74%[23] - 信息比率(IR)：1.51[23] - 跟踪误差：2.22%[23] - 超额胜率：72%[23] 因子的回测效果 1. **打新增强** - 2025年打新收益：2.13%（科创板4.34%，创业板2.52%）[67] 2. **股指期货增强** - 2025年基差：沪深300(-6.75%)、中证500(-13.60%)[72] 3. **大宗交易增强** - 历史折价率中位数：5.38%（2025年8.23%）[74] 4. **定向增发增强** - 历史折价率中位数：14.55%（2025年11.87%）[77]

根据提供的研报内容，以下是量化模型与因子的详细总结： --- 量化模型与构建方式 1. **模型名称**：煤炭行业利润预测模型 - **构建思路**：基于动力煤长协价格机制和产能因子同比变化，预测行业营收和利润增速[10][13] - **具体构建过程**： 1. 价格因子：根据每月最后一期价格指数确定下月销售价格 2. 产能因子：结合历史产能数据计算同比变化 3. 利润预测公式： $$ \text{利润增速} = f(\text{价格因子}, \text{产能因子}) $$ 4. 输出结果为单季度利润同比增速预测值[11] - **模型评价**：能够有效捕捉煤价与产能对利润的联动影响，但依赖长协价格机制的稳定性 2. **模型名称**：生猪供需缺口预测模型 - **构建思路**：利用能繁母猪存栏数据与6个月后生猪出栏的稳定比例关系，预测供需平衡[14][15] - **具体构建过程**： 1. 计算历史出栏系数： $$ \text{出栏系数} = \frac{\text{单季度生猪出栏}}{\text{6个月前能繁母猪存栏}} $$ 2. 预测未来产能： $$ \text{6个月后潜在产能} = \text{当前能繁母猪存栏} \times \text{上年同期出栏系数} $$ 3. 供需缺口 = 潜在产能 - 上年同期出栏量[16] - **模型评价**：经验证可识别价格上行周期，但对存栏数据质量敏感 3. **模型名称**：普钢行业利润预测模型 - **构建思路**：结合钢材售价与铁矿石、焦炭等成本指标，测算单吨盈利及利润增速[17][21] - **具体构建过程**： 1. 单吨盈利 = 钢材综合售价 - (铁矿石成本 + 焦炭成本 + 喷吹煤成本 + 废钢成本) 2. 利润增速 = 单吨盈利同比变化 × 产量调整因子[19] - **模型评价**：成本端覆盖全面，但需动态跟踪原材料价格波动 4. **模型名称**：燃料型炼化利润预测模型 - **构建思路**：通过成品油与原油价差（裂解价差）测算行业利润[28][31] - **具体构建过程**： 1. 裂解价差 = 成品油价格 - 原油价格 2. 利润增速 = 裂解价差同比变化 × 产能利用率[29] - **模型评价**：对油价波动敏感，需结合新钻井数据辅助判断 --- 量化因子与构建方式 1. **因子名称**：PMI滚动均值因子 - **构建思路**：监测制造业PMI的12期滚动均值变化，判断行业景气阈值[21] - **具体构建过程**： $$ \text{PMI滚动均值} = \frac{\sum_{i=t-11}^{t} \text{PMI}_i}{12} $$ 当环比变化超过设定阈值时触发信号[21] 2. **因子名称**：玻璃/水泥盈利因子 - **构建思路**：跟踪价格与成本指标计算毛利变化[23][26] - **具体构建过程**： $$ \text{玻璃毛利} = \text{浮法玻璃价格} - (\text{纯碱成本} + \text{能源成本}) $$ $$ \text{水泥毛利} = \text{水泥价格} - \text{煤炭燃料成本} $$[27] 3. **因子名称**：基建托底预期因子 - **构建思路**：综合商品房销售与PMI数据判断基建预期[23][27] - **具体构建过程**： 1. 输入指标：商品房销售面积同比、制造业PMI滚动均值 2. 输出信号：当两者同步恶化时触发基建预期[27] --- 模型回测效果 1. **煤炭行业模型**： - 预测25年7月利润同比增速：-5.2%（中性信号）[13] - 历史回测超额收益：-4.0%（2025年6月）[10] 2. **生猪供需模型**： - 预测25Q4供需缺口：-18万头（均衡状态）[16] - 历史肉价周期识别准确率：78%（2012-2025）[15] 3. **普钢行业模型**： - 预测25年6月利润增速：-3.8%（中性信号）[21] - 单吨盈利回测值：215元/吨（2025年6月）[19] 4. **炼化行业模型**： - 预测25年6月利润增速：0.5%（同比持平）[31] - 裂解价差回测值：12美元/桶[29] --- 因子回测效果 1. **PMI滚动均值因子**： - 阈值触发准确率：62%（2010-2025）[21] 2. **玻璃盈利因子**： - 25年6月毛利同比：-8.3%[26] 3. **基建托底因子**： - 信号触发频率：年均1.2次（2011-2025）[27] --- 注：所有模型及因子均基于行业轮动系列报告方法论构建[9]，测试结果截至2025年6月[10][13][16][21][26][27][29][31]

根据提供的金融工程日报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. **封板率模型** - 模型构建思路：通过统计涨停股票在最高价和收盘时的表现，反映市场情绪和资金封板意愿[15] - 模型具体构建过程： $$封板率=\frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$ 统计上市满3个月以上的股票，计算当日最高价涨停且收盘仍涨停的股票占比[15] - 模型评价：高频指标，能有效捕捉短期资金情绪变化 2. **连板率模型** - 模型构建思路：衡量涨停股的持续性，反映市场接力资金强度[15] - 模型具体构建过程： $$连板率=\frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$ 筛选上市满3个月的股票，计算连续两日涨停的比例[15] 3. **股指期货贴水率模型** - 模型构建思路：通过期货与现货价差反映市场预期[26] - 模型具体构建过程： $$年化贴水率=\frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ 对上证50、沪深300、中证500、中证1000主力合约分别计算[26] - 模型评价：中长期市场情绪指标，但对合约剩余时间敏感 量化因子与构建方式 1. **大宗交易折价因子** - 因子构建思路：大宗交易折价幅度反映机构资金交易成本[24] - 因子具体构建过程： $$折价率=\frac{大宗交易总成交金额}{当日成交份额的总市值}-1$$ 统计近半年日均折价率及当日值[24] 2. **ETF折溢价因子** - 因子构建思路：ETF场内价格与净值偏差反映套利资金活跃度[22] - 因子具体构建过程：筛选日成交额超100万的股票型ETF，计算(交易价格/净值-1)[22] 3. **龙虎榜机构净流入因子** - 因子构建思路：跟踪机构席位资金动向捕捉主力意图[33] - 因子具体构建过程：统计龙虎榜披露的机构专用席位净买入金额前十个股[33] 模型的回测效果 1. 封板率模型： - 当日值65%（前值79%）[15] - 近一月分位数34%[15] 2. 连板率模型： - 当日值16%（前值25%）[15] - 近一月分位数28%[15] 3. 股指期货贴水率模型： - 中证500年化贴水率21.6%（近一年8%分位）[26] - 中证1000年化贴水率16.26%（近一年34%分位）[26] 因子的回测效果 1. 大宗交易折价因子： - 当日折价率9.33%（半年均值5.72%）[24] 2. ETF折溢价因子： - 最大溢价1.01%（电池龙头ETF）[22] - 最大折价0.72%（科创综指ETF）[22] 3. 龙虎榜机构净流入因子： - 单日最大净流入1.2亿元（悦康药业）[33] - 单日最大净流出0.8亿元（新恒汇）[33]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1 **打新收益测算模型** - **构建思路**：通过账户规模、中签率及新股收益率计算单账户打新收益，区分A/C类投资者并分板块统计[41] - **具体构建过程**： - 单账户收益公式： $$单账户个股打新收益 = \min（账户规模，申购上限） \times 中签率 \times 收益率$$ - 打满收益公式： $$A/B/C类打满收益 = 申购上限 \times 中签率 \times 收益率$$ - 收益率计算： - 注册制板块（科创板/创业板/主板注册制）采用首日成交均价涨跌幅 - 非注册制主板采用开板日成交均价涨跌幅，未开板则用12个月动态均值替代[41] - **评价**：模型覆盖不同市场规则，但依赖历史数据假设 模型的回测效果 1 **主板打新模型** - 5亿账户A类收益率：0.014%（6月）、累计0.154%（2025年） - C类收益率：0.013%（6月）、累计0.129%（2025年） - 打满收益：A类9.42万元/月，累计81.55万元[43] 2 **创业板打新模型** - 5亿账户A类收益率：0.035%（6月）、累计0.356%（2025年） - C类收益率：0.034%（6月）、累计0.312%（2025年） - 打满收益：A类17.31万元/月，累计177.84万元[44] 3 **科创板打新模型** - 5亿账户A/C类收益率均为0.012%（6月），累计0.233%/0.228%（2025年） - 打满收益：A类73.47万元/月，累计130.32万元[45] 量化因子与构建方式 1 **报价入围率因子** - **构建思路**：反映机构报价有效性，计算为有效报价数占总参与数的比例[55] - **具体构建**： $$报价入围率 = \frac{有效报价个数}{参与报价新股数} \times 100\%$$ - **评价**：高频跟踪可预判中签概率 2 **打新参与度因子** - **构建思路**：衡量机构打新活跃度[55] - **具体构建**： $$参与度 = \frac{参与报价新股数}{网下询价发行新股总数} \times 100\%$$ 因子的回测效果 1 **报价入围率因子** - 主板6月均值86.81%，双创板块89.89%[24] - 头部机构（如富国基金）达100%[59] 2 **打新参与度因子** - 全参与机构：易方达/华夏/招商等（100%）[59] - 高收益机构平均参与度>90%[63] 关键指标取值 | 指标 | 主板 | 创业板 | 科创板 | |---------------------|------------|------------|------------| | **6月中签率（‰）** | A类0.10 | A类0.23 | A类0.44 | | | C类0.09 | C类0.22 | C类0.44 | | **首日涨幅（%）** | 188.17 | 148.85 | 274.44 | [24] | **打满收益（万元）**| A类9.42 | A类17.31 | A类73.47 | [43][44][45]

量化因子与构建方式 1 因子名称：新价量相关性RPV因子 因子构建思路：通过划分价量四象限，利用月度IC均值有效甄别出价量相关性因子的反转效应和动量效应，在"动量因子切割"研究的基础上，以相关性的形式加入"成交量"的信息，分别为日内、隔夜的价量相关性找到最佳代表，并完成信息叠加[6] 因子具体构建过程： - 日内价量相关性采用CCOIV指标（收盘价与日内换手率的相关系数），体现收盘价序列与换手率序列的反转效应 - 隔夜价量相关性采用COV指标（隔夜收益率与昨日换手率的相关系数），体现隔夜收益率与昨日换手率的动量效应 - 将CCOIV和COV标准化后等权合成RPV因子[6] 因子评价：通过叠加日内反转与隔夜动量效应，显著提升因子区分能力[6] 2 因子名称：聪明版日频价量相关性SRV因子 因子构建思路：改进RPV因子中的日内价量相关性部分，通过识别"聪明"交易时段（知情交易集中时段），使用更高信息含量的换手率指标[6] 因子具体构建过程： - 日内部分：将下午交易时段每分钟换手率与涨跌幅计算"聪明"指标，选取指标最高的20%时段（24分钟）作为知情交易时段，计算该时段换手率与下午涨跌幅的相关系数 - 隔夜部分：将RPV中的昨日全天换手率替换为昨日最后半小时换手率（信息密度更高） - 将改进后的日内与隔夜相关性指标标准化后等权合成SRV因子[6] 因子评价：通过捕捉知情交易时段信息，因子稳定性和区分能力显著优于RPV[6] 因子的回测效果 1 新价量相关性RPV因子（2014/01-2025/06）： - 年化收益率14.57% - 年化波动率7.73% - IR 1.89 - 月度胜率72.99% - 最大回撤10.63%[7][10] 2025年6月当月表现： - 多头组合收益率6.09% - 空头组合收益率5.95% - 多空对冲收益率0.14%[10] 2 聪明版日频价量相关性SRV因子（2014/01-2025/06）： - 年化收益率17.28% - 年化波动率6.50% - IR 2.66 - 月度胜率75.18% - 最大回撤3.74%[7][10] 2025年6月当月表现： - 多头组合收益率6.33% - 空头组合收益率6.78% - 多空对冲收益率-0.45%[10] 历史回测补充数据（2014/01-2023/08/31）： - RPV因子年化收益16.29%，IR 2.41[6] - SRV因子年化收益18.91%，IR 3.07，最大回撤3.11%，月度胜率80.00%[6]

量化模型与构建方式 1. 因子名称："日与夜的殊途同归"新动量因子；因子构建思路：基于日内与隔夜各自的价量关系，分别对日内因子、隔夜因子进行改进，再重新合成新的动量因子[6][7]；因子具体构建过程：将交易时段切割为日与夜两个部分，分别探索各自的价量关系，在传统动量因子基础上加入成交量信息进行修正[7]；因子评价：选股能力显著优于传统动量因子[6] 模型的回测效果 1. "日与夜的殊途同归"新动量因子（2014/02-2025/06），年化收益率18.15%，年化波动率8.79%，信息比率2.07，月度胜率77.37%，最大回撤率9.07%[1][7][14] 2. "日与夜的殊途同归"新动量因子（2014/01/01-2022/07/31），IC均值-0.045，年化ICIR-2.59，10分组多空对冲年化收益率22.64%，信息比率2.85，月度胜率83.33%，最大回撤率5.79%[6] 3. "日与夜的殊途同归"新动量因子（2025年6月），10分组多头组合收益率6.19%，10分组空头组合收益率6.71%，10分组多空对冲收益率-0.52%[1][10] 传统动量因子对比 1. 传统动量因子（2014/01/01-2022/07/31），10分组多空对冲信息比率1.09，月度胜率62.75%，最大回撤20.35%[6]

量化因子与构建方式 1. **因子名称**：重拾自信2.0 RCP因子 **因子构建思路**：基于行为金融学中的过度自信预期偏差，通过计算利好超涨和股价回调的时间点差距构造第一代过度自信因子CP，进一步剔除日内收益后得到第二代重拾自信因子RCP[6] **因子具体构建过程**： - 使用高频分钟序列数据计算股价快速上涨和快速下跌的时间差作为CP因子 - 将CP因子与日内收益正交，提取残差项作为RCP因子[6] - 在2.0版本中，使用标准化因子代替排序值以保留更多因子信息[7] **因子评价**：新因子通过纯净化处理效果显著改进，能够捕捉投资者过度自信后的修正行为[6][7] 2. **因子名称**：过度自信CP因子 **因子构建思路**：根据DHS模型，用股价快速上涨和下跌的时间差作为代理变量[6] **因子具体构建过程**： - 基于高频分钟数据识别利好超涨和回调的时间点 - 计算两者时间差作为因子值[6] 因子的回测效果 1. **重拾自信2.0 RCP因子**（全体A股，2014/02-2025/06）： - 年化收益率：18.45%[10] - 年化波动率：7.69%[10] - 信息比率（IR）：2.40[10] - 月度胜率：78.10%[10] - 最大回撤率：5.89%[10] - 6月多空对冲收益率：-0.89%（多头4.75%，空头5.64%）[11] 2. **重拾自信2.0 RCP因子**（回测期2014/01/01-2022/08/31）： - IC均值：0.04[3] - 年化ICIR：3.27[3] - 10分组多空年化收益率：20.69%[3] - 信息比率：2.91[3] - 月度胜率：81.55%[3] 3. **过度自信CP因子**（原始版本）： - 未提供具体数值，但提及RCP因子改进后表现显著优于CP因子[6]

量化因子与构建方式 1. **因子名称：估值偏离EPD因子** - **构建思路**：结合布林带均值回复策略与基本面估值修复逻辑，利用PE指标的均值回复特性构建[7][8] - **具体构建过程**： 1. 计算个股PE时间序列的布林带上下轨（均值±标准差） 2. 定义估值偏离度：$$EPD = \frac{PE_t - \mu_{PE}}{\sigma_{PE}}$$，其中$\mu_{PE}$为PE均值，$\sigma_{PE}$为PE标准差[7] 3. 因子值越大表示估值偏离历史均值程度越高，预期未来均值回复概率越大[7] 2. **因子名称：缓慢偏离EPDS因子** - **构建思路**：在EPD基础上剔除个股估值逻辑变化的干扰（通过个股信息比率代理）[7][8] - **具体构建过程**： 1. 计算个股信息比率IR（衡量估值逻辑稳定性） 2. 调整EPD因子：$$EPDS = EPD \times (1 - IR)$$，IR越高则因子权重越低[7] 3. 通过降低高波动个股的权重，增强因子稳健性[8] 3. **因子名称：估值异常EPA因子** - **构建思路**：在EPDS基础上剔除Beta、成长与价值风格的影响[7][8] - **具体构建过程**： 1. 对EPDS因子进行横截面回归，剥离市场Beta、估值（BP）、成长（GP）等风格暴露 2. 取回归残差作为EPA因子值：$$EPA = EPDS - (\beta_1 \cdot Beta + \beta_2 \cdot BP + \beta_3 \cdot GP)$$[7] 3. 保留纯粹的"估值异常"信号，避免风格干扰[8] 因子回测效果 | 因子名称 | 年化收益率 | 年化波动率 | 信息比率(IR) | 月度胜率 | 最大回撤率 | |----------------|------------|------------|--------------|------------|------------| | 估值偏离EPD | 17.61% | 9.98% | 1.76 | 70.81% | 8.93% | | 缓慢偏离EPDS | 16.27% | 5.70% | 2.85 | 78.92% | 3.10% | | 估值异常EPA | 17.25% | 5.10% | 3.38 | 81.08% | 3.12% | *数据来源：2010/02-2025/06全市场回测（剔除北交所）[8][13]* 补充说明 - **6月EPA因子表现**：多头组合收益7.40%，空头组合收益5.61%，多空对冲收益1.78%[15] - **历史RankIC表现**：EPA因子月度RankIC均值0.061，RankICIR达4.75（2010/01-2022/05）[7]

根据研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称**：预期高股息组合模型 **模型构建思路**：采用两阶段构建预期股息率指标，结合反转因子与盈利因子辅助筛选，从沪深300成份股中优选股票构建组合[4][9] **模型具体构建过程**： (1) 剔除停牌及涨停的沪深300成份股作为待选股票池[14] (2) 剔除股票池中短期动量最高的20%股票（21日累计涨幅最高的20%个股）[14] (3) 剔除股票池中盈利下滑的个股（单季度净利润同比增长率小于0的股票）[14] (4) 按预期股息率排序，选取预期股息率最高的30只个股等权构建组合[10] **模型评价**：通过历史分红与基本面指标预测股息率，结合短期影响因素增强选股效果 2. **模型名称**：红利择时框架 **模型构建思路**：基于通胀、流动性、利率和市场情绪等5个单因子信号合成综合信号，判断红利资产配置方向[24][26] **模型具体构建过程**： - 通胀因子：PPI同比（高位看多，低位看空） - 流动性因子：M2同比（高位看空）、M1-M2剪刀差（高位看空） - 利率因子：美国10年期国债收益率（高位看多） - 市场情绪因子：红利股成交额占比（上行看多） - 合成信号：各子信号加权综合[26] 量化因子与构建方式 1. **因子名称**：预期股息率因子 **因子构建思路**：两阶段构建，第一阶段基于年报公告利润分配计算股息率，第二阶段利用历史分红与基本面指标预测股息率[4][9] 2. **因子名称**：反转因子 **因子构建思路**：剔除21日累计涨幅最高的20%个股，避免追涨[14] 3. **因子名称**：盈利因子 **因子构建思路**：剔除单季度净利润同比增长率为负的个股，确保盈利质量[14] 模型的回测效果 1. **预期高股息组合模型**： - 累计收益：358.90%（2009/2-2017/8）[12] - 累计超额收益：107.44%（相对沪深300全收益指数）[12] - 年化超额收益：8.87%[12] - 最大回撤：12.26%（滚动一年）[12] - 月度胜率：60.19%[12] - 2025年6月表现：组合收益1.84%，跑输沪深300指数0.83%，跑赢中证红利指数2.40%[15][17] 2. **红利择时框架**： - 2025年7月信号：合成信号为0（看空红利）[24][26] 因子的回测效果 1. **预期股息率因子**： - 2025年6月Top4持仓股收益：新华保险（16.79%）、工业富联（13.60%）、赣锋锂业（12.72%）、江西铜业（9.90%）[16][20] 2. **反转因子**： - 通过剔除高动量股票控制组合波动性[14] 3. **盈利因子**： - 有效规避盈利下滑个股的负向贡献[14]

根据提供的研报内容，以下是量化模型和因子的详细总结： 量化模型与构建方式 1. **模型名称：券商金股业绩增强组合** - **模型构建思路**：通过多因子方式从券商金股股票池中优选股票，以对标公募基金中位数为基准，控制组合与券商金股股票池在个股、风格上的偏离，同时以全体公募基金的行业分布为行业配置基准[44] - **模型具体构建过程**： 1. 以券商金股股票池为选股空间和约束基准 2. 采用组合优化的方式控制组合与券商金股股票池在个股、风格上的偏离 3. 以全体公募基金的行业分布为行业配置基准 4. 每月初汇总券商金股，根据被推荐家数加权构建券商金股指数，并于每月第一天收盘价调仓 5. 计算收益时以主动股基最近报告期的权益仓位中位数作为券商金股指数的仓位[19][44] - **模型评价**：历史表现稳健，能够稳定战胜偏股混合型基金指数，在公募主动股基中排名靠前[44][45] 量化因子与构建方式 1. **因子名称：单季度营收增速** - **因子表现**：最近一个月表现较好[29] 2. **因子名称：SUR（标准化未预期收入）** - **因子表现**：最近一个月和今年以来表现较好[29] 3. **因子名称：分析师净上调幅度** - **因子表现**：最近一个月表现较好[29] 4. **因子名称：EPTTM（市盈率TTM）** - **因子表现**：最近一个月和今年以来表现较差[29] 5. **因子名称：波动率** - **因子表现**：最近一个月和今年以来表现较差[29] 6. **因子名称：剥离涨停动量** - **因子表现**：最近一个月表现较差[29] 7. **因子名称：总市值** - **因子表现**：今年以来表现较好[29] 8. **因子名称：SUE（标准化未预期盈利）** - **因子表现**：今年以来表现较好[29] 9. **因子名称：预期股息率** - **因子表现**：今年以来表现较差[29] 模型的回测效果 1. **券商金股业绩增强组合** - 本月（20250603-20250630）绝对收益5.34%，相对偏股混合型基金指数超额收益1.00%[43] - 本年（20250102-20250630）绝对收益10.59%，相对偏股混合型基金指数超额收益2.73%[43] - 在主动股基中排名28.16%分位点（977/3469）[43] - 全样本（2018.1.2-2025.6.30）年化收益19.34%，相对偏股混合型基金指数年化超额14.38%[45] 2. **券商金股指数** - 本月（20250603-20250630）收益3.71%，偏股混合型基金指数收益4.34%[22] - 本年（20250102-20250630）收益6.89%，偏股混合型基金指数收益7.86%[22] 因子的回测效果 1. **单季度营收增速**：最近一个月表现较好[29] 2. **SUR**：最近一个月和今年以来表现较好[29] 3. **分析师净上调幅度**：最近一个月表现较好[29] 4. **EPTTM**：最近一个月和今年以来表现较差[29] 5. **波动率**：最近一个月和今年以来表现较差[29] 6. **剥离涨停动量**：最近一个月表现较差[29] 7. **总市值**：今年以来表现较好[29] 8. **SUE**：今年以来表现较好[29] 9. **预期股息率**：今年以来表现较差[29]