核心观点 - 国信金工主动量化策略以公募主动股基为业绩基准，包含四个组合：优秀基金业绩增强组合、超预期精选组合、券商金股业绩增强组合和成长稳健组合，目标为战胜主动股基中位数 [12] - 截至2025年9月26日，成长稳健组合年内表现最佳，满仓收益达58.71%，相对偏股混合型基金指数超额收益19.77% [15] - 超预期精选组合年内满仓收益52.02%，相对偏股混合型基金指数超额收益14.47% [15] - 券商金股业绩增强组合年内满仓收益37.02%，相对偏股混合型基金指数超额收益1.19% [15] - 优秀基金业绩增强组合年内满仓收益31.06%，相对偏股混合型基金指数超额收益-4.08% [15] 组合近期表现 - 本周（2025年9月22日至9月26日）超预期精选组合表现最佳，绝对收益0.70%，相对偏股混合型基金指数超额收益0.23% [1][15] - 成长稳健组合本周绝对收益0.26%，相对偏股混合型基金指数超额收益-0.22% [2][15] - 优秀基金业绩增强组合本周绝对收益0.35%，相对偏股混合型基金指数超额收益-0.12% [1][15] - 券商金股业绩增强组合本周绝对收益-0.54%，相对偏股混合型基金指数超额收益-1.01% [1][15] - 偏股混合型基金指数本周收益0.47%，中证500指数本周收益0.98% [15] 市场环境分析 - 本周股票收益中位数为-1.74%，31%股票上涨，69%股票下跌 [2][50] - 主动股基收益中位数本周为0.51%，60%基金上涨，40%基金下跌 [2][50] - 本年股票收益中位数20.22%，81%股票上涨，19%股票下跌 [2][50] - 主动股基收益中位数本年为30.56%，98%基金上涨，2%基金下跌 [2][50] 策略方法论 - 优秀基金业绩增强组合：基于业绩分层视角优选基金，采用组合优化控制个股、行业及风格偏离，实现对主动股基中位数的稳定超越 [51][52] - 超预期精选组合：以研报标题超预期与分析师全线上调净利润为条件筛选股票池，结合基本面和技术面双重维度精选个股 [4][57] - 券商金股业绩增强组合：以券商金股股票池为基础，通过组合优化控制偏离，反映公募基金前瞻性判断 [5][62] - 成长稳健组合：采用"先时序、后截面"方式，根据财报预约披露日间隔分档，优先选择临近披露日的股票，结合多因子打分构建组合 [6][67] 历史绩效表现 - 优秀基金业绩增强组合（2012-2025年6月30日）：年化收益20.31%，相对偏股混合型基金指数年化超额11.83%，多数年度排名位于主动股基前30% [53][56] - 超预期精选组合（2010-2025年6月30日）：年化收益30.55%，相对偏股混合型基金指数年化超额24.68%，每年排名均位于主动股基前30% [58][60] - 券商金股业绩增强组合（2018-2025年6月30日）：年化收益19.34%，相对偏股混合型基金指数年化超额14.38%，各年度排名均位于主动股基前30% [63][66] - 成长稳健组合（2012-2025年6月30日）：年化收益35.51%，相对偏股混合型基金指数年化超额26.88%，基本各年度排名位于主动股基前30% [68][71] 组合排名分位点 - 成长稳健组合在主动股基中排名15.31%分位点（531/3469） [2][15] - 超预期精选组合在主动股基中排名20.61%分位点（715/3469） [1][15] - 券商金股业绩增强组合在主动股基中排名43.07%分位点（1494/3469） [1][15] - 优秀基金业绩增强组合在主动股基中排名54.37%分位点（1886/3469） [1][15]

根据提供的研报内容，以下是关于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：优秀基金业绩增强组合 - **模型构建思路**：从对标宽基指数转变为对标主动股基，在借鉴优秀基金持仓的基础上，采用量化方法进行增强，以达到优中选优的目的[4][52] - **模型具体构建过程**： 1. 对基金进行优选：对基金收益类因子进行分层中性化处理，以解决市场风格突变时的反转问题和持股风格集中化问题[52] 2. 构建优选基金持仓组合：根据业绩分层优选基金的补全持仓构建组合，该组合能较好地跟踪股基中位数的走势[52] 3. 构建增强组合：以业绩分层视角下的优选基金持仓为选股空间和对标基准，采用组合优化的方法控制组合与优选基金持仓在个股偏离、行业偏离及风格上的偏离，最终构建优秀基金业绩增强组合[53] 2. 模型名称：超预期精选组合 - **模型构建思路**：以研报标题超预期与分析师全线上调净利润为条件筛选超预期事件股票池，接着对超预期股票池进行基本面和技术面两个维度的精选，挑选出同时具备基本面支撑和技术面共振的超预期股票[5][58] - **模型具体构建过程**： 1. 筛选股票池：以研报标题出现“超预期”与分析师全线上调净利润为条件，筛选出超预期事件股票池[5][58] 2. 双层优选：对筛选出的股票池，从基本面和技术面两个维度进行精选[5][58] 3. 构建组合：将精选出的股票构建成超预期精选股票组合[5][58] 3. 模型名称：券商金股业绩增强组合 - **模型构建思路**：以券商金股股票池为选股空间和约束基准，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[6][63] - **模型具体构建过程**： 1. 确定选股空间：使用券商金股股票池作为基础的选股范围和对标基准[6][63] 2. 组合优化：采用组合优化的方法，控制最终构建的组合与券商金股股票池在个股和风格上的偏离[6][63] 3. 构建组合：通过优化过程，构建出券商金股业绩增强组合[6][63] 4. 模型名称：成长稳健组合 - **模型构建思路**：采用“先时序、后截面”的方式，构建成长股二维评价体系，以研报标题超预期及业绩大增为条件筛选成长股股票池，根据距离正式财报预约披露日的间隔天数进行分档优选，并采用多因子打分精选优质个股[7][68] - **模型具体构建过程**： 1. 筛选股票池：以研报标题出现“超预期”和上市公司“业绩预增”为条件，筛选出成长股股票池[7][68] 2. 时序分档：根据上市公司距离正式财报预约披露日的间隔天数对股票池进行分档，优先选择距离财报预约披露日较近的股票[7][68] 3. 截面精选：当样本数量较多时，采用多因子打分的方法进一步精选优质个股[7][68] 4. 引入风控机制：引入了弱平衡机制、跃迁机制、缓冲机制和风险规避机制以降低组合换手、规避组合风险[68] 5. 构建组合：最终构建包含100只股票的等权组合[7] 模型的回测效果 1. 优秀基金业绩增强组合 - **全样本区间（2012.1.4-2025.6.30）**： - 年化收益（考虑仓位及交易费用）：20.31%[54] - 相较偏股混合型基金指数年化超额：11.83%[54] - **2025年本周（2025.9.22-2025.9.26）**： - 绝对收益（考虑仓位）：0.35%[2][16][24] - 相对偏股混合型基金指数超额收益：-0.12%[2][16][18][24] - **2025年本年（2025.1.2-2025.9.26）**： - 绝对收益（考虑仓位）：28.00%[2][16][24] - 相对偏股混合型基金指数超额收益：-4.08%[2][16][18][24] - 在主动股基中排名分位点：54.37%[2][16][24] - 在主动股基中排名：1886/3469[2][16] 2. 超预期精选组合 - **全样本区间（2010.1.4-2025.6.30）**： - 年化收益（考虑仓位及交易费用）：30.55%[59] - 相较偏股混合型基金指数年化超额：24.68%[59] - **2025年本周（2025.9.22-2025.9.26）**： - 绝对收益（考虑仓位）：0.70%[2][16][32] - 相对偏股混合型基金指数超额收益：0.23%[2][16][18][32] - **2025年本年（2025.1.2-2025.9.26）**： - 绝对收益（考虑仓位）：46.54%[2][16][32] - 相对偏股混合型基金指数超额收益：14.47%[2][16][18][32] - 在主动股基中排名分位点：20.61%[2][16][32] - 在主动股基中排名：715/3469[2][16] 3. 券商金股业绩增强组合 - **全样本区间（2018.1.2-2025.6.30）**： - 年化收益（考虑仓位及交易费用）：19.34%[64] - 相较偏股混合型基金指数年化超额：14.38%[64] - **2025年本周（2025.9.22-2025.9.26）**： - 绝对收益（考虑仓位）：-0.54%[2][16][39] - 相对偏股混合型基金指数超额收益：-1.01%[2][16][18][39] - **2025年本年（2025.1.2-2025.9.26）**： - 绝对收益（考虑仓位）：33.26%[2][16][39] - 相对偏股混合型基金指数超额收益：1.19%[2][16][18][39] - 在主动股基中排名分位点：43.07%[2][16][39] - 在主动股基中排名：1494/3469[2][16] 4. 成长稳健组合 - **全样本区间（2012.1.4-2025.6.30）**： - 年化收益（考虑仓位及交易费用）：35.51%[69] - 相较偏股混合型基金指数年化超额：26.88%[69] - **2025年本周（2025.9.22-2025.9.26）**： - 绝对收益（考虑仓位）：0.26%[3][16][47] - 相对偏股混合型基金指数超额收益：-0.22%[3][16][18][47] - **2025年本年（2025.1.2-2025.9.26）**： - 绝对收益（考虑仓位）：51.84%[3][16][47] - 相对偏股混合型基金指数超额收益：19.77%[3][16][18][47] - 在主动股基中排名分位点：15.31%[3][16][47] - 在主动股基中排名：531/3469[3][16]

国信金工主动量化策略表现 - 优秀基金业绩增强组合本周绝对收益0.35%，相对偏股混合型基金指数超额收益-0.12%，本年绝对收益28.00%，相对超额收益-4.08%，在主动股基中排名54.37%分位点（1886/3469）[1][3][10] - 超预期精选组合本周绝对收益0.70%，相对超额收益0.23%，本年绝对收益46.54%，相对超额收益14.47%，在主动股基中排名20.61%分位点（715/3469）[1][3][20] - 券商金股业绩增强组合本周绝对收益-0.54%，相对超额收益-1.01%，本年绝对收益33.26%，相对超额收益1.19%，在主动股基中排名43.07%分位点（1494/3469）[1][3][21] - 成长稳健组合本周绝对收益0.26%，相对超额收益-0.22%，本年绝对收益51.84%，相对超额收益19.77%，在主动股基中排名15.31%分位点（531/3469）[1][3][30] 市场整体表现 - 本周股票收益中位数-1.74%，31%股票上涨，69%下跌，主动股基收益中位数0.51%，60%基金上涨，40%下跌[1][38] - 本年股票收益中位数20.22%，81%股票上涨，19%下跌，主动股基收益中位数30.56%，98%基金上涨，2%下跌[1][38] 策略方法论 - 优秀基金业绩增强组合通过对标主动股基中位数，在优选基金持仓基础上采用量化增强，年化收益20.31%，相对偏股混合型基金指数年化超额11.83%[2][36][39] - 超预期精选组合通过筛选研报标题超预期与分析师上调净利润的股票，结合基本面和技术面精选，年化收益30.55%，相对偏股混合型基金指数年化超额24.68%[12][42][44] - 券商金股业绩增强组合以券商金股股票池为基准，控制个股和风格偏离，年化收益19.34%，相对偏股混合型基金指数年化超额14.38%[17][46][47] - 成长稳健组合采用"先时序、后截面"方式，聚焦财报披露前超额收益释放期，年化收益35.51%，相对偏股混合型基金指数年化超额26.88%[27][50][51] 业绩基准比较 - 所有组合以偏股混合型基金指数（885001.WI）为基准，仓位均采用主动股基仓位中位数90%[3][6][12] - 相对中证500指数，超预期精选组合本年超额25.56%，成长稳健组合超额32.25%[5]

量化模型与构建方式 1. 可转债随机森林策略 - **模型名称**：可转债随机森林策略[16][17] - **模型构建思路**：利用随机森林这一机器学习方法，以决策树为基础筛选出每期具有超额收益潜力的可转债标的，构建高胜率可转债择券策略[17] - **模型具体构建过程**：采用随机森林算法，通过多棵决策树进行集成学习，每棵树基于不同的样本和特征子集训练，最终通过投票或平均方式得到最终预测结果，用于筛选具有超额收益潜力的可转债标的[17] 2. 多维度择时模型 - **模型名称**：多维度择时模型[18][19] - **模型构建思路**：根据宏观、微观、中观信号将A股划分为9个状态，分别对应多空信号形成三维大周期择时信号，在此基础上叠加股指期货基差产生的衍生品信号，合成四维度非线性择时模型[18] - **模型具体构建过程**： 1. 宏观维度：从短期货币流动性、长端利率、信用、经济增长以及汇率五个维度刻画宏观环境运行状态[21] 2. 中观维度：通过行业景气指数构建，基于产业链系统分析追踪上下游行业部门，对行业进行财务指标分解，重构行业景气度追踪框架[27][30] 3. 微观维度：以估值、风险溢价、波动率以及流动性四类均值回复性较强的因子刻画各宽基指数的微观结构风险[35] 4. 衍生品维度：基于股指期货基差与指数自身的相关性趋势构建日频择时信号[43] 5. 信号合成：将四个维度的信号综合，形成最终的多维度择时信号[18][19] 3. 宏观Logit模型 - **模型名称**：宏观Logit模型[24][25] - **模型构建思路**：通过Logit回归模型对宏观环境状态进行预测[24] - **模型具体构建过程**：使用短期货币流动性、长端利率、信用、经济增长以及汇率五个维度的宏观变量，经过平稳化处理后，构建Logit回归模型来预测宏观环境状态[21][24] - **模型评价**：能够有效预测宏观环境变化，为择时策略提供宏观维度的信号支持[24] 4. 中观景气度2.0模型 - **模型名称**：中观景气度2.0模型[27][28] - **模型构建思路**：通过追踪行业主营业务的营收和成本情况来监控行业整体的景气度[27] - **模型具体构建过程**： 1. 基于产业链系统分析，追踪上下游行业部门[30] 2. 对行业进行财务指标分解，挖掘可追踪的重点指标[30] 3. 重构行业的景气度追踪框架[30] 4. 计算各行业景气指数后，按上证指数每日各行业市值权重加权合成新景气指数2.0[27] - **模型评价**：能够领先预测A股盈利扩张周期，有效反映行业景气变化[28][29] 5. 微观结构风险模型 - **模型名称**：微观结构风险模型[35][36] - **模型构建思路**：以估值、风险溢价、波动率以及流动性四类均值回复性较强的因子刻画各宽基指数的微观结构风险[35] - **模型具体构建过程**： 1. 估值：市盈率与市净率在过去5年中所处分位数的均值[36] 2. 风险溢价：ERP(ep-rf:市盈率倒数减去一年期定存利率)在过去5年中所处的分位数[36] 3. 波动率：50日波动率在过去5年中所处分位数[36] 4. 流动性：自由流通市值换手率在过去5年中所处分位数[36] 5. 结构风险因子：四因子等权相加[36] - **模型评价**：能够有效刻画市场微观结构风险，为择时策略提供微观维度的信号支持[36] 6. 行业轮动策略2.0 - **模型名称**：行业轮动策略2.0[68][69] - **模型构建思路**：通过信用及企业盈利构建经济四象限，开发多维度行业风格因子，构建适用于A股市场的行业轮动策略[68][69] - **模型具体构建过程**： 1. 构建经济四象限：[企业盈利上行，信用上行]、[企业盈利上行，信用下行]、[企业盈利下行，信用上行]、[企业盈利下行，信用下行][68] 2. 开发多维度行业风格因子：包括一致预期景气、超越预期盈利、龙头效应、行业估值泡沫、反转因子、动量因子、拥挤度、通胀beta[69] 3. 在四个经济象限分别对各因子进行有效性检验[69] 4. 基于因子轮动配置相应的高预期收益行业[69] - **模型评价**：宏观适配性强，覆盖行业多维度特性，能够实现有效的行业轮动[69][78] 7. ETF轮动策略 - **模型名称**：ETF轮动策略[78][79] - **模型构建思路**：将基于基本面轮动、质量低波、困境反转三维度行业轮动策略进行等权组合，实现因子与风格的互补[78] - **模型具体构建过程**： 1. 基本面轮动策略：使用超预期景气度、行业龙头效应、行业动量、拥挤度、通胀beta等因子[78] 2. 质量低波策略：聚焦个股质量与低波，防御性突出[78] 3. 困境反转策略：使用PB_zscore、分析师长期预期、短期筹码交换等因子捕捉估值修复与业绩反转机会[78] 4. 将三个策略等权组合，形成最终的ETF轮动策略[78] - **模型评价**：能够实现因子与风格的互补，降低单一策略的风险[78] 8. 遗传规划指数增强模型 - **模型名称**：遗传规划指数增强模型[88][93][97][102] - **模型构建思路**：使用遗传规划算法挖掘选股因子，构建指数增强组合[88][93][97][102] - **模型具体构建过程**： 1. 股票池：根据不同指数选择对应的成分股[88][93][97][102] 2. 训练集：2016年1月1日-2020年12月31日[88][93][97][102] 3. 因子挖掘：由遗传规划因子挖掘模型挖掘多个初始种群，经过多代多轮得到最终因子集合[88][93][97][102] 4. 策略：每周最后一个交易日选择模型得分最高的每个行业内的前10%的股票构建多头组合，以下周第一个交易日开盘价买入，周频调仓，交易成本为双边千三[88][93][97][102] - **模型评价**：能够有效挖掘具有预测能力的选股因子，实现稳定的超额收益[88][93][97][102] 量化因子与构建方式 1. Barra CNE6风格因子 - **因子名称**：Barra CNE6风格因子[45][46] - **因子构建思路**：包括9个一级风格因子和20个二级风格因子，通过计算各个风格因子近期收益，评估不同因子在近期市场中的表现[45] - **因子具体构建过程**：规模（市值、非线性市值）、波动性（BETA、残差波动率）、流动性（流动性）、动量（短期反转、季节、行业动量、动量）、质量（杠杆、盈利变动率、盈利质量、盈利能力、投资质量）、价值（价值、盈利、长期反转）、成长（成长）、分析师预期（分析师预期）、红利（红利）[45] 2. 行业轮动因子 - **因子名称**：行业轮动因子[55][57] - **因子构建思路**：通过多维度行业风格因子构建行业轮动策略[55][57] - **因子具体构建过程**：包括一致预期行业景气度、超越预期盈利、龙头效应、北向资金、估值beta、动量因子、反转因子、拥挤度等因子[57] 模型的回测效果 1. 可转债随机森林策略 - 本周超额收益：0.64%[16] 2. 多维度择时模型 - 最新信号：多头（1）[19] 3. 宏观Logit模型 - 最新预测值：0.919[24][25] 4. 中观景气度2.0模型 - 当前景气指数：0.913[28][31] - 剔除大金融板块景气指数：1.288[28][31] 5. 行业轮动策略2.0 - 无剔除版年化超额收益：9.44%[71] - 双剔除版年化超额收益：10.14%[71] 6. ETF轮动策略 - 年化超额收益率：12.84%[82] - 夏普率：0.89[82] - 今年以来超额收益率：14.34%[82] 7. 遗传规划指数增强模型 沪深300指数增强 - 年化超额收益率：17.91%[91][92] - 夏普率：1.05[91][92] - 今年以来超额收益率：-4.35%[91][92] - 本周收益率：-1.14%[91] - 本周超额收益率：-0.70%[91] 中证500指数增强 - 年化超额收益率：11.78%[95] - 夏普率：0.85[95] - 今年以来超额收益率：-2.92%[95] - 本周收益率：-0.41%[95] - 本周超额收益率：-0.73%[95] 中证1000指数增强 - 年化超额收益率：17.97%[98][99] - 夏普率：0.93[98][99] - 今年以来超额收益率：-1.80%[98][99] - 本周收益率：-1.01%[98] - 本周超额收益率：-1.22%[98] 中证全指指数增强 - 年化超额收益率：24.84%[103] - 夏普率：1.33[103] - 今年以来超额收益率：11.36%[103] - 本周收益率：-0.27%[103] - 本周超额收益率：-0.09%[103] 因子的回测效果 1. Barra CNE6风格因子 - 2025年9月15日至2025年9月19日：规模因子表现较好，波动性因子表现较差[46] - 本月（9月以来）：波动性因子表现较好[46] - 最近一年：动量（反转）因子和波动性因子表现较好[46] 2. 行业轮动因子 - 一致预期行业景气度月收益率：0.40%[57] - 超越预期盈利月收益率：-0.21%[57] - 龙头效应月收益率：-1.18%[57] - 北向资金月收益率：0.63%[57] - 估值beta月收益率：2.37%[57] - 动量因子月收益率：-0.95%[57] - 反转因子月收益率：0.95%[57] - 拥挤度月收益率：0.15%[57]

量化模型与构建方式 1 **模型名称**：攻守兼备红利50组合[15] **模型构建思路**：结合红利与质量因子，在红利策略基础上融入质量维度，追求防御性与成长性的平衡[13][15] **模型具体构建过程**： - 选股逻辑：自上而下筛选行业与主题核心逻辑，从基本面因子库中筛选有效选股因子[13] - 因子选择：结合红利因子（如股息率）和质量因子（如盈利能力、财务稳健性）[16][19] - 组合构建：最终选定50只股票，风格偏向攻守兼备[15] 2 **模型名称**：央国企高分红30组合[15] **模型构建思路**：聚焦央国企高分红个股，强调稳健性与股息收益[15] **模型具体构建过程**： - 选股范围：中央企业与国有企业[19] - 核心因子：股息率、分红稳定性[19] - 组合构建：最终选定30只股票，风格偏向稳健+成长[15] 3 **模型名称**：电子均衡配置增强组合[15] **模型构建思路**：在电子板块内进行均衡配置，分散细分赛道风险[15] **模型具体构建过程**： - 选股范围：电子行业全赛道[25] - 配置方式：均衡分配权重，避免过度集中[33] - 调仓频率：月度调仓[37] 4 **模型名称**：电子板块优选增强组合[15] **模型构建思路**：聚焦电子板块成熟期细分赛道的龙头企业[15] **模型具体构建过程**： - 选股范围：电子行业中迈入成熟期的细分赛道[15] - 选股标准：龙头企业，具备行业地位与稳定盈利能力[15] - 调仓频率：月度调仓[37] 模型的回测效果 1 **攻守兼备红利50组合**，周度收益未披露，年初至今超额收益4.00%[7][22] 2 **央国企高分红30组合**，周度收益未披露，年初至今收益未披露[7] 3 **电子均衡配置增强组合**，周度收益未披露，跑输电子行业指数[7][33] 4 **电子板块优选增强组合**，周度收益未披露，跑输电子行业指数[7][33] 量化因子与构建方式 1 **因子名称**：红利因子[16][19] **因子构建思路**：基于股息率与分红稳定性，筛选高分红个股[16][19] **因子具体构建过程**： - 核心指标：股息率、分红历史[19] - 应用方式：在红利策略中作为基础选股标准[16] 2 **因子名称**：质量因子[16][19] **因子构建思路**：引入盈利能力、财务稳健性等指标，提升组合质量[16][19] **因子具体构建过程**： - 核心指标：ROE、资产负债率、盈利稳定性[19] - 应用方式：在红利策略中作为增强选股标准[16] 因子的回测效果 1 **红利因子**，周度收益-1.11%（中证红利指数）[19] 2 **质量因子**，周度收益0.88%（中证红利质量指数）[19]

量化模型与构建方式 1. 模型名称：优秀基金业绩增强组合[4][13][49]；模型构建思路：从对标宽基指数转变为对标主动股基，在借鉴优秀基金持仓的基础上，采用量化方法进行增强，以达到优中选优的目的[4][49]；模型具体构建过程：首先对基金进行优选，对收益类因子进行分层中性化处理以规避风格集中化问题，基于业绩分层视角构建优选基金组合[49]；然后根据其补全持仓构建优选基金持仓组合，该组合能较好地跟踪股基中位数走势[49]；最后以业绩分层视角下的优选基金持仓为选股空间和对标基准，采用组合优化的方法控制组合与优选基金持仓在个股偏离、行业偏离及风格上的偏离，构建最终的优秀基金业绩增强组合[50] 2. 模型名称：超预期精选组合[5][13][55]；模型构建思路：对超预期股票池进行基本面和技术面的双层优选，挑选出同时具备基本面支撑和技术面共振的超预期股票[5][55]；模型具体构建过程：以研报标题超预期与分析师全线上调净利润为条件筛选超预期事件股票池[5][55]；接着对超预期股票池中的股票进行基本面和技术面两个维度的精选[5][55] 3. 模型名称：券商金股业绩增强组合[6][13][60]；模型构建思路：以券商金股股票池为选股空间和约束基准，进行进一步精选以获得稳定战胜偏股混合型基金指数的表现[6][60]；模型具体构建过程：以券商金股股票池为选股空间和对标基准[6][60]；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[6] 4. 模型名称：成长稳健组合[7][13][65]；模型构建思路：采用“先时序、后截面”的方式，构建成长股二维评价体系，旨在对成长股股票池超额收益释放的黄金期进行提前布局[7][38][65]；模型具体构建过程：以研报标题超预期及业绩大增为条件筛选成长股股票池[7][65]；根据距离正式财报预约披露日的间隔天数进行分档，优先选择距离财报预约披露日较近的股票[7][65]；当样本数量较多时，采用多因子打分精选优质个股[7]；构建100只股票等权组合[7]；引入了弱平衡机制、跃迁机制、缓冲机制和风险规避机制以降低组合换手、规避组合风险[65] 模型的回测效果 1. 优秀基金业绩增强组合，全样本年化收益（考虑仓位）20.31%[51]，全样本年化超额收益（相较偏股混合型基金指数）11.83%[51]，2025年（考虑仓位）绝对收益27.54%[2][16][23]，2025年超额收益（相对偏股混合型基金指数）-3.91%[2][16][23]，2025年在主动股基中排名分位点53.24%[2][16][23] 2. 超预期精选组合，全样本年化收益（考虑仓位）30.55%[56]，全样本年化超额收益（相较偏股混合型基金指数）24.68%[56]，2025年（考虑仓位）绝对收益45.51%[2][16][31]，2025年超额收益（相对偏股混合型基金指数）14.06%[2][16][31]，2025年在主动股基中排名分位点20.03%[2][16][31] 3. 券商金股业绩增强组合，全样本年化收益（考虑仓位）19.34%[61]，全样本年化超额收益（相较偏股混合型基金指数）14.38%[61]，2025年（考虑仓位）绝对收益33.97%[2][16][37]，2025年超额收益（相对偏股混合型基金指数）2.52%[2][16][37]，2025年在主动股基中排名分位点39.18%[2][16][37] 4. 成长稳健组合，全样本年化收益（考虑仓位）35.51%[66]，全样本年化超额收益（相较偏股混合型基金指数）26.88%[66]，2025年（考虑仓位）绝对收益51.45%[3][16][44]，2025年超额收益（相对偏股混合型基金指数）20.00%[3][16][44]，2025年在主动股基中排名分位点14.27%[3][16][44]

国信金工主动量化策略表现 - 国信金工主动量化策略以公募主动股基为业绩基准 包含优秀基金业绩增强组合、超预期精选组合、券商金股业绩增强组合和成长稳健组合四个策略 目标是战胜主动股基中位数 [2] 各组合本周表现(2025年9月8日至9月12日) - 优秀基金业绩增强组合绝对收益2.52% 相对偏股混合型基金指数超额收益0.12% [1][3][10] - 超预期精选组合绝对收益1.55% 相对偏股混合型基金指数超额收益-0.85% [1][18] - 券商金股业绩增强组合绝对收益2.22% 相对偏股混合型基金指数超额收益-0.18% [1][19] - 成长稳健组合绝对收益2.83% 相对偏股混合型基金指数超额收益0.43% [1][28] - 主动股基收益中位数2.24% 90%的基金上涨 10%的基金下跌 [1][31] 各组合本年表现(2025年1月2日至9月12日) - 优秀基金业绩增强组合绝对收益27.90% 相对偏股混合型基金指数超额收益-2.68% 在主动股基中排名48.66%分位点(1688/3469) [1][10] - 超预期精选组合绝对收益43.65% 相对偏股混合型基金指数超额收益13.07% 在主动股基中排名20.21%分位点(701/3469) [1][18] - 券商金股业绩增强组合绝对收益33.45% 相对偏股混合型基金指数超额收益2.87% 在主动股基中排名36.78%分位点(1276/3469) [1][19] - 成长稳健组合绝对收益53.34% 相对偏股混合型基金指数超额收益22.76% 在主动股基中排名11.36%分位点(394/3469) [1][28] - 主动股基收益中位数27.68% 99%的基金上涨 1%的基金下跌 [1][31] 市场整体表现 - 本周股票收益中位数0.94% 64%的股票上涨 36%的股票下跌 [1][31] - 本年股票收益中位数22.34% 85%的股票上涨 15%的股票下跌 [1][31] - 偏股混合型基金指数本年收益率30.58% [8][14][21][26] 策略构建方法论 - 优秀基金业绩增强组合：借鉴优秀基金持仓 采用量化方法进行增强 控制组合与优选基金持仓在个股、行业及风格上的偏离 [2][33][34] - 超预期精选组合：以研报标题超预期与分析师全线上调净利润为条件筛选股票池 进行基本面和技术面双层优选 [12][39] - 券商金股业绩增强组合：以券商金股股票池为选股空间 采用组合优化方式控制与券商金股在个股、风格上的偏离 [16][41] - 成长稳健组合：采用"先时序、后截面"方式构建成长股二维评价体系 根据距离财报披露日间隔天数分档 优先选择临近披露日的股票 [24][45] 历史表现回溯 - 优秀基金业绩增强组合在2012-2025年区间年化收益20.31% 相较偏股混合型基金指数年化超额11.83% 大部分年度排名前30% [36][38] - 超预期精选组合在2010-2025年区间年化收益30.55% 相较偏股混合型基金指数年化超额24.68% 每年业绩排名均在前30% [40] - 券商金股业绩增强组合在2018-2025年区间年化收益19.34% 相对偏股混合型基金指数年化超额14.38% 每年排名前30% [42][44] - 成长稳健组合在2012-2025年区间年化收益35.51% 相较偏股混合型基金指数年化超额26.88% 各年度业绩排名基本在前30% [46]

量化模型与构建方式 1. 模型名称：央国企高分红30组合 模型构建思路：聚焦央国企高分红股票，构建稳健+成长风格的投资组合[15] 模型具体构建过程：从央国企股票池中筛选高分红标的，结合分红率、企业性质等指标，最终选定30只股票构成组合[15] 模型评价：防御属性较强，在震荡市中表现相对稳健[5][16] 2. 模型名称：攻守兼备红利50组合 模型构建思路：构建兼具防御和进攻性的红利策略组合[15] 模型具体构建过程：从红利股票池中选取50只标的，综合考虑分红稳定性、成长性和估值等因素[15] 3. 模型名称：电子均衡配置增强组合 模型构建思路：通过均衡配置电子行业个股实现超越行业指数的收益[6][15] 模型具体构建过程：在电子行业内进行多维度选股，均衡配置各细分领域标的，构建增强组合[6][15] 模型评价：防御属性较强，在行业回调时表现相对稳健[6][35] 4. 模型名称：电子板块优选增强组合 模型构建思路：聚焦电子行业成熟期细分赛道龙头企业[15] 模型具体构建过程：筛选电子行业中进入成熟期的细分领域，选择龙头企业构建优选组合[15] 模型评价：防御属性较强，在行业分化时能跑出超额收益[6][35] 模型的回测效果 1. 央国企高分红30组合，周度超额收益0.01%[25] 2. 攻守兼备红利50组合，周度未能跑赢基准[25] 3. 电子均衡配置增强组合，周度超额收益0.81%[35] 4. 电子板块优选增强组合，周度超额收益1.48%[35] 量化因子与构建方式 1. 因子名称：分红率因子 因子构建思路：基于上市公司现金分红比例的估值因子[13] 因子具体构建过程：计算公司年度现金分红总额与市值的比值，筛选高分红标的[13] 2. 因子名称：红利低波因子 因子构建思路：结合分红特征和波动率控制的复合因子[22] 因子具体构建过程：在红利因子的基础上，加入波动率筛选条件，选择低波动高分红标的[22] 3. 因子名称：红利增长因子 因子构建思路：关注具有分红增长潜力的成长性因子[22] 因子具体构建过程：分析公司分红历史增长情况，结合盈利增长预期，筛选具有分红增长潜力的标的[22] 4. 因子名称：红利价值因子 因子构建思路：结合分红特征和价值评估的复合因子[22] 因子具体构建过程：在红利因子的基础上，加入估值指标如PE、PB等，筛选具有价值属性的高分红标的[22] 因子的回测效果 1. 中证红利低波动100指数，周度超额收益0.14%[22] 2. 中证红利潜力指数，周度超额收益0.42%[22] 3. 中证红利价值指数，周度超额收益-0.12%[22] 4. 深证红利指数，周度超额收益0.45%[22]

国信金工主动量化策略表现 - 优秀基金业绩增强组合本周绝对收益-1.31%，相对偏股混合型基金指数超额收益-0.71%，本年绝对收益24.74%，相对超额收益-2.77%，在主动股基中排名48.80%分位点（1693/3469）[1][3][14] - 超预期精选组合本周绝对收益-1.63%，相对超额收益-1.03%，本年绝对收益41.45%，相对超额收益13.93%，在主动股基中排名17.96%分位点（623/3469）[1][3][25] - 券商金股业绩增强组合本周绝对收益-2.58%，相对超额收益-1.98%，本年绝对收益30.55%，相对超额收益3.03%，在主动股基中排名36.12%分位点（1253/3469）[1][3][36] - 成长稳健组合本周绝对收益-0.07%，相对超额收益0.53%，本年绝对收益49.12%，相对超额收益21.60%，在主动股基中排名10.90%分位点（378/3469）[1][3][44] 策略构建方法论 - 优秀基金业绩增强组合以优选基金持仓为选股空间，采用组合优化控制个股、行业及风格偏离，目标战胜主动股基中位数[49][50] - 超预期精选组合通过研报标题超预期与分析师上调净利润筛选股票池，再进行基本面和技术面双层优选[56] - 券商金股业绩增强组合以券商金股股票池为基准，控制组合与基准在个股和风格上的偏离，行业分布对标公募基金[60] - 成长稳健组合采用时序和截面二维评价体系，优先选择临近财报披露日的股票，并结合多因子打分和风险控制机制[64] 历史绩效表现 - 优秀基金业绩增强组合在2012-2025年6月区间年化收益20.31%，相对偏股混合型基金指数年化超额11.83%，多数年份排名股基前30%[51][52] - 超预期精选组合在2010-2025年6月区间年化收益30.55%，相对偏股混合型基金指数年化超额24.68%，每年排名均位于股基前30%[57][59] - 券商金股业绩增强组合在2018-2025年6月区间年化收益19.34%，相对偏股混合型基金指数年化超额14.38%，各年度排名均在前30%[61][63] - 成长稳健组合在2012-2025年6月区间年化收益35.51%，相对偏股混合型基金指数年化超额26.88%，基本保持股基前30%排名[65] 市场基准对比 - 偏股混合型基金指数（885001.WI）本年收益率为27.52%[15][24][29][39] - 中证500指数本周收益-1.85%，本年收益20.75%[6] - 主动股基收益中位数本周为-0.68%（36%上涨），本年为24.49%（98%上涨）[1][52] - 股票收益中位数本周为-1.32%（36%上涨），本年为20.32%（84%上涨）[1][52]

国信金工主动量化策略表现 - 优秀基金业绩增强组合本周绝对收益3.51%，相对偏股混合型基金指数超额收益0.65%，本年绝对收益26.40%，相对基准超额收益-1.88%，在主动股基中排名47.25%分位点（1639/3469）[1][3][11] - 超预期精选组合本周绝对收益2.90%，相对基准超额收益0.04%，本年绝对收益43.79%，相对基准超额收益15.51%，在主动股基中排名16.14%分位点（560/3469）[1][3][22] - 券商金股业绩增强组合本周绝对收益4.77%，相对基准超额收益1.91%，本年绝对收益34.01%，相对基准超额收益5.72%，在主动股基中排名30.38%分位点（1054/3469）[1][3][34] - 成长稳健组合本周绝对收益2.47%，相对基准超额收益-0.39%，本年绝对收益49.23%，相对基准超额收益20.94%，在主动股基中排名11.59%分位点（402/3469）[1][3][44] 市场整体表现 - 本周股票收益中位数-2.10%，32%股票上涨，68%下跌，主动股基收益中位数2.29%，81%基金上涨，19%下跌[1][53] - 本年股票收益中位数21.31%，85%股票上涨，15%下跌，主动股基收益中位数25.53%，99%基金上涨，1%下跌[1][53] - 偏股混合型基金指数本年收益率28.29%，中证500指数本年收益率23.02%[5][12] 策略方法论 - 优秀基金业绩增强组合通过对标主动股基中位数，在优选基金持仓基础上采用量化增强方法，年化收益20.31%，年化超额11.83%[50][51][52] - 超预期精选组合通过筛选研报标题超预期与分析师上调净利润的股票池，结合基本面和技术面精选，年化收益30.55%，年化超额24.68%[57][58][60] - 券商金股业绩增强组合以券商金股股票池为基准，控制个股和风格偏离，年化收益19.34%，年化超额14.38%[61][62][64] - 成长稳健组合采用"先时序、后截面"的二维评价体系，聚焦财报披露前的超额收益释放期，年化收益35.51%，年化超额26.88%[65][66] 历史表现回溯 - 优秀基金业绩增强组合自2012年以来多数年份排名位于主动股基前30%，2015年超额收益达42.07%[52][54] - 超预期精选组合2010-2012年连续排名主动股基前1%，2010年超额收益51.48%[58][60] - 券商金股业绩增强组合2018年超额收益13.20%，排名前4.18%分位点[62][64] - 成长稳健组合2015年超额收益42.76%，2019年超额收益25.11%[66][68]