市场新高趋势追踪 - 触及新高的个股、行业和板块可作为市场风向标 动量策略和趋势跟踪策略的有效性得到越来越多研究支持 [1][4] - 截至2025年6月13日 上证指数、深证成指、沪深300、中证500、中证1000、中证2000、创业板指、科创50指数250日新高距离分别为3.23%、11.94%、9.21%、9.33%、7.65%、4.96%、19.86%、13.66% [5][25] - 有色金属、银行、医药、农林牧渔、电力及公用事业行业指数距离250日新高较近 具体距离分别为0.07%、0.88%、6.41%、2.06%、1.23% [8][25] - 黄金、银行、数字货币、创新药、制药、银行精选等概念指数距离250日新高较近 [10][25] 创新高个股市场监测 - 截至2025年6月13日 共838只股票在过去20个交易日创出250日新高 医药、基础化工、机械行业创新高个股数量最多 分别达122、113、96只 [13][25] - 银行、纺织服装、医药行业创新高个股占比最高 分别为71.43%、29.29%、24.95% [13][25] - 制造和周期板块创新高股票数量最多 分别有262只和212只 占板块股票数量比例达16.91%和18.95% [16][25] - 中证2000指数中创新高个股占比最高达15.75% 中证1000、中证500、沪深300、创业板指、科创50占比分别为12.80%、10.20%、11.67%、5.00%、10.00% [16][25] 平稳创新高股票筛选 - 筛选标准包括分析师关注度(过去3个月不少于5份买入/增持评级)、股价相对强弱(前20%)、股价路径平稳性等指标 [19][20] - 本周筛选出42只平稳创新高股票 包括仕佳光子、胜宏科技、万辰集团等 [22][26] - 制造和消费板块各有9只平稳创新高股票 其中机械行业在制造板块中最多 食品饮料行业在消费板块中最多 [22][26]

量化模型与构建方式 1. **模型名称**：风格轮动模型 - **模型构建思路**：从基础风格因子（估值、市值、波动率、动量）出发，通过微观特征构造和随机森林模型实现风格择时与打分[6] - **模型具体构建过程**： 1. 基于80个底层因子构造640个微观特征[6] 2. 使用常用指数作为风格股票池替代传统因子划分，生成风格收益标签[6] 3. 滚动训练随机森林模型进行风格择时，输出当期风格得分[6] 4. 综合择时结果与打分结果生成月频轮动信号[6] - **模型评价**：通过滚动训练规避过拟合，结合微观特征提升风格划分的灵活性[6] 模型的回测效果 1. **风格轮动模型**（2014/01-2025/05）： - 年化收益率：21.63%[7][8] - 年化波动率：24.09%[7][8] - 信息比率（IR）：0.90[7][8] - 月度胜率：59.12%[7][8] - 对冲基准超额年化收益：13.35%[7][8] - 对冲波动率：11.43%[7][8] - 对冲信息比率（IR）：1.17[7][8] - 对冲月度胜率：66.42%[7][8] - 最大回撤：10.28%（对冲后）[7][8] 量化因子与构建方式 1. **因子名称**：估值因子 - **因子构建思路**：通过微观个股估值指标构造风格标签[6] 2. **因子名称**：市值因子 - **因子构建思路**：基于个股市值划分大/小市值风格[6] 3. **因子名称**：动量因子 - **因子构建思路**：捕捉价格趋势特征[6] 4. **因子名称**：波动率因子 - **因子构建思路**：衡量个股波动水平区分高/低波风格[6] 因子的回测效果 1. **2025年风格因子多空对冲收益**（择时后）： - 动量因子：区间收益见动态曲线[16] - 波动率因子：区间收益见动态曲线[16] - 估值因子：区间收益见动态曲线[16] - 市值因子：区间收益见动态曲线[16] 2. **近一年风格权重分布**： - 市值因子权重占比动态变化[17] - 估值因子权重占比动态变化[17] - 动量因子权重占比动态变化[17] - 波动率因子权重占比动态变化[17] 最新模型输出 - 2025年6月推荐风格：价值、大市值、动量、低波[14] - 当前持仓指数：中证红利[14]

活动预告 - 天天基金与汇添富基金联合推出《百辩基民秀——龟兔说》直播节目，将于5月28日14:00开播 [1][2] - 节目设置两大阵营：坚持长期持有和复利的智龟阵营，偏好波段交易和关注动量的灵兔阵营 [1] - 直播内容包括指数猜猜猜游戏、龟兔辩论赛、AI资产诊断、专业投顾诊断升级等环节 [3] 节目内容 - 辩论主题为"投资要快还是慢"，探讨长期持有与波段交易的优劣 [3] - 引入AI资产诊断和专业投顾诊断升级环节，展示新型投资工具 [3] - 设置"理财新时代，AI投顾和专业投顾该选谁"的观点大混战环节 [3] 营销推广 - 提供注册领98元券包优惠，优选基金10元起投的促销活动 [5] - 鼓励用户分享、点赞、在看，进行社交传播 [5]

市场新高趋势追踪 - 触及新高的个股、行业和板块可作为市场风向标，动量及趋势跟踪策略有效性被多项研究证实[1][4] - 截至2025年5月23日，主要指数250日新高距离：上证指数4.05%、深证成指11.85%、沪深3008.78%、中证50010.70%、中证10009.41%、中证20007.40%、创业板指20.73%、科创5012.98%[1][5] - 中信一级行业中，银行(0.96%)、汽车(2.38%)、家电(3.08%)、电力及公用事业(1.95%)、有色金属(4.71%)距离新高较近；石油石化、煤炭、房地产、消费者服务、综合金融距离新高较远[7] - 概念指数中汽车、银行精选、黄金、创新药等接近新高[8] 创新高个股市场监测 - 647只股票过去20日创250日新高，基础化工(93只)、机械(88只)、医药(53只)数量最多；银行(64.29%)、纺织服装(24.24%)、交通运输(23.58%)占比最高[11] - 按板块分布：制造(238只/15.40%)、周期(181只/16.19%)数量领先；科技(5.16%)、医药(10.82%)占比偏低[13] - 指数成分股中创新高比例：中证200012.15%、中证10008.70%、沪深30010.67%、创业板指4.00%、科创504.00%[13] 平稳创新高股票特征 - 筛选41只平稳创新高股票，标准包括分析师关注度(≥5份买入评级)、股价强势(前20%)、路径平滑性等[15] - 制造板块(11只)中汽车行业突出，消费板块(11只)中食品饮料集中[3][16] - 典型案例包括万辰集团、三生国健、盐津铺子等[16] 理论与方法论支撑 - George@2004研究显示接近52周高点的股票未来收益更优[4] - 威廉·欧奈尔CANSLIM体系强调买入创新高股票，马克·米勒维尼建议关注52周新高标的[4][10] - 平滑价格路径的高动量股收益优于跳跃路径标的，体现"温水煮青蛙"效应[15]

市场新高趋势追踪 - 上证指数、深证成指、沪深300、中证500、中证1000、中证2000、创业板指、科创50指数250日新高距离分别为3 50%、11 44%、8 62%、9 71%、8 22%、5 97%、20 03%、11 68% [5] - 银行、汽车、家电、电力及公用事业、纺织服装行业指数距离250日新高较近 具体距离分别为1 03%、4 11%、4 09%、2 39%、7 13% [8] - 煤炭、石油石化、房地产、消费者服务、非银行金融行业指数距离250日新高较远 [8] - 万得微盘股日频等权、医美、银行、银行精选、汽车等概念指数距离250日新高较近 [10] 创新高个股市场监测 - 共544只股票在过去20个交易日创出250日新高 其中基础化工、机械、医药行业创新高个股数量最多 分别为81、64、43只 [13] - 银行、交通运输、国防军工行业创新高个股数量占比最高 分别为64 29%、20 33%、17 65% [13] - 制造、周期板块创新高股票数量最多 分别有174、157只 占板块股票数量比例分别为11 26%、14 04% [16] - 中证2000、中证1000、中证500、沪深300指数中创新高个股数量占比分别为10 05%、7 80%、7 40%、10 33% [16] 平稳创新高股票筛选 - 筛选出47只平稳创新高股票 包括双林股份、万辰集团、中宠股份等 [21] - 制造、消费板块创新高股票数量最多 分别有17、11只 其中汽车行业在制造板块中占比最高 农林牧渔行业在消费板块中占比最高 [21] - 筛选条件包括分析师关注度（过去3个月不少于5份买入/增持评级研报）、股价相对强弱（250日涨跌幅前20%）、股价路径平稳性（位移路程比排名前50%）等 [20]

报告核心观点 报告指出传统业绩动量选基方法不稳定且改造困难，提出全新基金业绩衡量方法，构建的选基模型能稳定战胜万得偏股混合型基金指数，还给出市场环境适应性新解，虽模型存在潜在假设失效问题但影响不显著，最后介绍算法应用方法 [9][31]。 业绩动量——直接但不稳定的传统选基方式 所谓“业绩动量选基”的逻辑 金融行为学中“动量”广泛用于资产投资策略，主动基金“动量”底层逻辑与其他资产有别，股票资产动量源于资金买入推动股价上升，而基金不会因资金买入使净值上升，基金业绩动量本质是对基金经理投资能力延续性的看好 [10]。 业绩动量选基方法失效的原因 “动量选基”效果不佳，收益率作为选基因子有反转效应，“冠军魔咒”效应明显，除 2019 年外，各年份表现前 20%的基金产品中，未来一年表现跌落至后 20%的产品占比平均有 19.4%。失效原因一是 Beta 因素使基金过往业绩反映的基金经理投资能力失真，二是基金业绩增长路径不同，放在同一框架比较有偏差 [15][18]。 过去对业绩动量改造困难的原因 为解决业绩动量选基问题，投资者尝试的方法操作困难。赛道划分存在颗粒度和维度问题，如消费主题基金细分赛道偏好不同，全行业选股基金策略差异大；市场环境适应性观察存在偏差，纯定量方法可比性弱，主观切分方式有主观偏差且无法批量分析 [24][27][29]。 另辟蹊径——从全新视角出发重塑基金业绩衡量方法 算法逻辑 基于先前报告算法改进更新，应用于全样本主动权益基金。先提取基金过去三个月每日净值较万得偏股混合型基金指数的超额收益，计算相关性，提取与目标基金超额收益相关性前 2%的基金作为比较样本；再计算目标基金在下个月比较样本中的表现分位数，作为当月业绩衡量结果，可剔除大部分 Beta 因素影响 [32][36][38]。 选基表现 基于该衡量方法构建的选基模型，在 2017 年以来（截止 2025M4）回测中，区间回报达 112.96%，显著超越万得偏股混合型基金指数的 53.43%，超额收益达 59.53%，相对收益曲线平滑，历史相对收益最大回撤仅 2.60% [41]。 模型有效性测试 模型单调性显著，各年度头部组合表现突出，第一组至第十组整体表现单调递减；对超参数不敏感，样本更新频率和回顾期数除非同时变化，否则对模型影响不显著，但调低样本更新频率同时减少回顾期数可能导致模型有效性下降 [46][47][48]。 随机样本空间测试 进行 500 次随机测算，算法能在随机样本中选取更优基金产品，稳定产生超额收益，所有随机测试中均领先全样本等权组合，超额收益中位数达 50.01%，说明该算法对基金样本无硬性要求 [50]。 市场环境适应性新解——独立判断各基金顺逆境环境 判断逻辑 将相似基金样本表现作为 Beta 环境表现划分基金顺逆境环境。先提取过去三个月净值走势相关性高的基金样本，计算其下一个月中位数表现与万得偏股混合型基金指数月度走势的超额收益，超额收益为正的月份是顺境月，反之是逆境月，再分别计算基金在顺逆境月中的业绩分位数均值 [54][55]。 识别结果 顺境表现突出的产品多为行业主题类，集中度高；逆境表现突出的产品难以从名称判断配置赛道，较为分散均衡；顺逆境均突出的产品过去三年业绩表现较好。顺逆境表现可作为评估基金表现锐度的参考指标 [58][59]。 市场环境敏感性 用相似基金超额收益中位数与基金表现分位数的各月相关性衡量基金对 Beta 环境的敏感性，以此确定基金策略风格。低 Beta 敏感性组合在市场逆境调整时适度占优，高 Beta 敏感性产品适合上行市场环境，两者无明确优劣之分 [65][67][73]。 潜在问题观察——模型潜在假设失效是否会有影响 模型潜在假设 模型假设市场上有足够多与目标基金风格策略相似的基金产品，且通过过去净值找到的相似基金在未来一期与目标基金仍有较高相似度 [75][76]。 假设失效情况及影响 假设在目标基金风格独特或风格切换时可能失效，但将过去相关性或下月相关性较低的产品替换原样本构建组合，选基效应仍存在，整体表现与原组合相差无几，说明模型对这类产品仍有较强可靠性，若担心影响可剔除部分产品 [76][79][87]。 算法应用方法：在绩优基金样本中提取需要的基金产品 新算法不事先对基金分类，选基时可从绩优基金样本中进行风格识别，寻找所需产品构建投资组合，效率高且能选出策略不鲜明或多策略多赛道布局的产品，报告还列举了各类型产品中过去 12 月分位数均值较高的产品 [88][90]。

行业比较中的交易因素分析 - 行业比较需结合多种因素综合判断，单一因素难以长期制胜 [2] - 交易面因素对短期股价影响显著，可能偏离基本面，需重视以避免"看对逻辑却输于节奏" [3] 关键交易因素 - **动量效应**：股价表现反映行业潜在利好，A股行业存在月度动量效应但稳定性不足，表现好的行业未来可能延续但不可单独依赖 [3] - **换手率**：低换手率行业未来表现更优，反映股价对利好信息消化程度，高换手率或预示利好已充分反映 [3] - **拥挤度**：高拥挤度行业易发生踩踏风险，实际数据显示拥挤度越高行业表现越差，可作为风险规避指标 [4] 交易面综合打分体系 - 构建逻辑为"强动量+低换手+低拥挤"，筛选存在利好且股价未完全反映、交易不拥挤的行业 [5] - 历史数据（2014年2月-2025年1月）显示：得分最高组年化收益率11.5%，夏普比率0.50；最低组仅0.3%和0.01，体系区分度显著 [5] - 多空组合表现稳健：做多最高分组+做空最低分组年化收益率10.1%，夏普比率0.75，最大回撤17% [7]