市场整体表现 - 2025年10月A股市场高位震荡，上证指数月内一度突破4000点，全月累计上涨1.85%，而深证成指和创业板指分别下跌1.10%和1.56% [2] - 2025年1-10月，有业绩展示的5189只私募产品整体平均收益为29.04%，其中10月单月平均收益仅为0.03% [2] 百亿私募整体业绩 - 百亿私募旗下有业绩展示的662只产品10月平均收益达1.10%，显著高于其他规模组私募，今年前10月平均收益为30.38% [2] - 从公司规模看，百亿私募（100亿以上）产品规模合计达1174.85亿元，其1-10月平均收益为30.38%，表现优于0-5亿规模组（28.14%）和50-100亿规模组（24.79%）[3] 百亿私募策略表现 - 股票策略是百亿私募中表现最突出的策略，今年前10月收益均值为33.65%，其中量化多头产品整体收益最高，平均收益达44.65% [3][4] - 多资产策略产品今年前10月收益均值为23.17%，10月单月收益均值为1.67% [4] - 期货及衍生品策略和债券策略产品今年前10月收益相对较低，分别为7.13%和10.61% [4] 股票策略领先产品与公司 - 远信投资旗下产品“远信中国积极成长C类份额”今年1-10月收益位居股票策略第一，公司于2025年10月重返百亿私募阵营，旗下6只产品前10月收益均值在百亿私募中位列第1 [8] - 平方和投资旗下产品“平方和鼎盛中证2000指数增强21号A期”业绩表现亮眼，公司于2025年10月成功跻身百亿阵营，是一家股票策略量化私募 [8] - 平方和投资创始人认为量化行业的根基在于对A股的长期信心，主流量化模型的内核是“选股”而非“择时”，通过算法精选有价值的好股票并满仓持有 [9] 量化多头策略领先产品与公司 - 2025年A股市场小盘成长风格显著，结构性行情凸显，为量化策略提供了丰沃的土壤，百亿私募旗下266只量化多头产品前10月平均收益达44.65% [10] - 龙旗科技旗下产品“龙旗科技创新精选1号C类份额”今年1-10月超额收益位居量化多头策略第一，公司成立于2011年，是国内成立较早的资深量化对冲基金 [13] - 稳博投资旗下产品“稳博小盘激进择时指增1号”和念觉私募旗下产品“念觉量臻量化精选优盛1号”业绩表现也相当突出，念觉私募于2025年8月新晋百亿阵营 [13] 多资产策略领先产品与公司 - 百亿私募旗下64只多资产策略产品10月份收益均值为1.67%，今年来收益均值为23.17% [14] - 黑翼资产旗下产品“黑翼优选成长1号A类份额”今年1-10月收益位居多资产策略第二，公司成立于2014年，是国内首批成立的量化投资机构之一，资产管理规模超过400亿元 [17] - 千象资产旗下产品“千象卓越3号中证500指数增强A类份额”和盛泉恒元旗下产品“盛泉恒元灵活配置16号A类份额”上榜多资产策略前十，后者是上榜中产品规模最大的 [17][18]

A股市场整体态势 - 市场进入缩量震荡阶段，量化及赚钱效应指标回落至中性区间，但资金“抄底”意愿仍存，投资者情绪回调幅度或相对有限 [1] - 短期大盘趋势偏强，但增量资金入场未见明显 [7] - 上证指数本周大概率创新高，因外盘走势好转，美股大涨有望带动A股 [10] - 创业板指数11月走势偏弱，与机构资金调仓换股有关，计算机、机械、医药、基础化工和国防军工等行业市值上涨但盈利变化为负 [10] 行业配置策略 - 建议仓位向哑铃配置迁移：科技为短期市场主线，关注恒生科技、A股算力、机器人等低位标的；红利板块具备防御性；可左侧布局预期偏弱但风险消化充分的顺周期消费板块 [1] - 主力资金净流入行业板块前五为食品、医药、中药、环保、固废处理；概念板块前五为大农业、钠电池、新零售、石墨烯、流感 [1] - PCB板块有所回调，但AI PCB行业底层增长逻辑未变，龙头厂商业绩预期逐步兑现，估值存在上修空间，后续存在密集潜在催化 [5] 煤炭行业 - 煤炭板块周期底部确认在2025年第二季度，供需格局显现逆转拐点，下行风险充分释放 [3] - 自9月15日启动上涨以来，煤价已超过770元/吨，呈现超预期上涨态势，核心原因是5月以来行业供需格局发生根本性逆转 [3] - 当前煤价接近短期高点，冬季或小幅回落但空间有限，中期向上趋势不会改变 [3] 黄金与避险资产 - 市场避险情绪攀升，黄金标的表现强势，短期金价或宽幅震荡 [3] - 若市场避险情绪调整叠加多头获利了结，商品和股票价格或宽幅震荡 [3] - 中长期看，美国联邦政府债务风险仍存，美元地位面临挑战，全球货币体系重构下，黄金仍有持续表现机会 [3] - 如果特朗普掌控美联储，从债市逃离的小部分资产将极大推升金价 [10] 锂电池行业 - 2025年储能政策推动储能电池需求超预期增长，单车带电量提升及以旧换新政策带动动力电池需求提高，全球储能及动力电池景气度有望延续 [5] - 锂盐需求料继续超预期，锂行业投资高峰期已过，供应增速预计逐步下滑，9月锂盐冶炼厂库销比为28%，降至2022年水平 [5] - 预计2025-2028年全球锂行业供应过剩量分别为10.1/7.8/2.9/1.1万吨，供需将逐渐转为紧平衡，锂价底部有望抬升，预计2026年锂价运行区间为8-10万元/吨 [5] - 建议关注锂价触底反弹过程中可能受益的低成本标的及拥有优质矿山资产的公司 [5]

行业政策与趋势 - 政策明确提出促进行业高质量发展，鼓励基金公司加大对人工智能、大数据等新兴技术的研究与应用[1] - 公募基金行业正站在技术驱动的历史拐点，AI日益成为行业转型升级的核心引擎[1] 公司AI技术应用历程与基础 - 中银基金是国内首批投入AI新浪潮的基金公司之一，早在2009年就已组建量化投研团队[2] - 公司已自主完成从数据库到投资策略模型的构建，并自主构建因子库、阿尔法模型、风险模型、优化器模型、归因模型等[1] AI在数据处理与因子挖掘中的应用 - AI技术可将非结构化、多源、海量的"边缘数据"低成本纳入因子框架，早期使用BERT等轻量级神经网络对上市公司公告进行情感分析[2] - 大语言模型成为新基座后，数据处理的广度和深度得到质的飞跃，可将数据量更大的券商研报、论坛评论等纳入语义分析，并识别公司公告中的隐语[2] - 公司团队构建基于大模型的算法挖掘体系，将因子公式算子化、算子组合自动化、筛选标准严格化，形成模型驱动的算法挖掘流程[3] - 该体系能在传统因子挖掘周期内产出数量级更多的有效因子，同时保持因子质量和多样性，使研究员能将精力更多投入复杂因子设计和核心模型架构[3] AI对量化投资策略的全面影响 - AI研究方法论深度参与策略开发，包括收益预测、另类研究、组合优化等多个层面[4] - 在收益预测方面，使用神经网络、树模型对人工挖掘因子进行非线性组合，或使用股票量价数据直接预测收益率，深度神经网络能捕捉市场复杂模式，树模型提供优秀特征组合能力[4] - 在另类研究领域，大语言模型更好赋能文本情感分析及文本嵌入，在因子挖掘领域提供了区别于传统人工挖掘与遗传算法的新路径[4] 人机协同与未来展望 - 成功的量化投资实践表明，人机协同是最优解决方案，经验性判断在实际量化投资中仍然不可或缺[4] - 基于经验的数据处理方法和模型调优能显著提升AI模型的训练效率和稳定性，人工因子提供稳定基础和可解释性，AI因子提供多样性和复杂性，两者结合实现1+1>2效果[4] - 随着技术不断进步，AI在量化投资中的应用前景更加广阔，强化学习的快速发展为未来因子挖掘、组合优化提供更多优化提升空间[5]

增强指数型ETF市场表现 - 全市场51只增强指数型ETF年内全部实现正收益，平均净值增长率达30.21% [1] - 广发中证科创创业50增强策略ETF以64.79%的年内净值增长率领跑 [1] - 产品表现具有结构性特征，跟踪中证1000、中证500、科创50等中小盘指数的产品表现亮眼 [1] 增强指数型ETF产品特性 - 核心逻辑为“被动跟踪+主动增强”，通过多因子模型、人工智能选股等量化手段捕捉市场机会 [1] - 产品能紧密跟踪基准指数把握贝塔收益，并通过量化模型争取超额收益，具备主动风险管理特征 [3] - 在指数出现较大波动时能采取风控措施，一定程度上缓解下行风险 [3] 底层指数与市场环境 - 指增ETF表现与底层指数走势高度呼应，科创创业50、科创100、创业板指年内涨幅分别达60.74%、48.59%、48.43% [1][2] - 相关指数成分股中计算机、电子、电力设备等新兴产业权重较高，契合今年科技成长风格主线 [2] - 当前市场环境与产品特性精准匹配，市场有效性提升和指数投资理念深化支撑其发展 [3] 行业前景与发展空间 - 随着投资者在控制跟踪误差情况下获得适度收益增强的需求增长，指增ETF发展空间值得期待 [3] - 在强调业绩基准规范化背景下，主动管理型基金操作更趋基准化，凸显指增产品的相对投资价值 [3]

报告行业投资评级 未提及 报告的核心观点 上周美国ETF有新动态，创新产品多样，资金流向以股票产品流入为主，韩国相关产品涨幅领先，普通公募基金资金流出扩大 [2] 各目录总结 美国ETF创新产品：商品多空策略产品发行 - 上周美国新发19只产品，半数以上为单股票产品，涉及2倍杠杆、期权和杠杆叠加等多种策略，挂钩不同类型企业 [5] - Stoneport Advisors发行商品多空策略产品，跟踪指数用量化方法构建多空策略，根据收益率趋势算法决定多空权重 [6] - First Trust发行“关键金属”ETF，投资涉及新能源等相关金属开采的公司，选50只股票 [6] - iShares发行大盘核心指数增强产品和欧洲公司债产品，KraneShares发行期权策略产品 [7] 美国ETF动态 美国ETF资金：股票产品持续流入 - 过去一周美国ETF流入超300亿美元，股票产品流入明显，比特币ETF流出 [8] - 贝莱德的标普500排名流入第一，短端债券ETF流入明显，科技相关产品和比特币ETF流出 [11] - 黄金ETF资金流向平稳，宽基ETF中标普500近两周流入高于纳斯达克100 [13] 美国ETF表现：韩国相关产品涨幅领先 - 今年美国上市股票ETF表现出色，两只被动产品涨幅超80%，3倍杠杆产品涨幅超300%，除最大产品规模近70亿美元外，其他规模较小 [14] 近期美国普通公募基金资金流向 - 2025年9月美国非货币公募基金总量为23.47万亿美元，较8月增加0.49万亿，9月标普500上涨3.53%，美国国内股票型产品规模上升2.13%，赎回压力提升 [15] - 上周美国国内股票基金流出扩大到370亿美元，债券产品也小幅流出 [16]

报告行业投资评级 未提及 报告的核心观点 - 上周美国新发19只产品，半数以上为单股票产品，还包括商品多空策略产品等多种创新产品 [7][8] - 过去一周美国ETF流入超300亿美元，股票产品流入明显，比特币ETF流出，黄金ETF资金流向平稳 [11][14][16] - 今年美国上市股票ETF表现出色，韩国相关产品涨幅领先，但除最大产品外规模较小 [17] - 2025年9月美国非货币公募基金总量增加，9月美国国内股票型产品规模上升且赎回压力提升，上周美国国内股票基金和债券产品均流出 [2][19] 根据相关目录分别进行总结 美国ETF创新产品：商品多空策略产品发行 - 上周美国新发19只产品，半数以上为单股票产品，涉及2倍杠杆产品、期权和杠杆叠加产品等 [7] - Stoneport Advisors依托Tidal平台发行商品多空策略产品，跟踪指数用量化方法构建多空策略，根据标普高盛和道琼斯商品指数确定可投池，含23种商品，每月按收益率趋势算法决定多空权重 [8] - First Trust发行“关键金属”ETF，投资北美相关公司，选50只股票 [8] - iShares发行大盘核心指数增强产品和欧洲公司债产品 [10] - KraneShares发行期权策略产品，采用Delta中性价差策略获取期权费差价 [10] 美国ETF动态 美国ETF资金：股票产品持续流入 - 过去一周美国ETF流入超300亿美元，股票产品流入明显，比特币ETF流出 [11] - 上周贝莱德的标普500排名流入第一，短端债券ETF流入明显，科技相关产品、比特币ETF流出 [14] - 黄金ETF资金流向平稳，宽基ETF中标普500近两周流入高于纳斯达克100 [16] 美国ETF表现：韩国相关产品涨幅领先 - 今年美国上市股票ETF表现出色，两只被动产品涨幅超80%，3倍杠杆产品涨幅超300%，最大产品规模近70亿美元，其他产品规模较小 [17] 近期美国普通公募基金资金流向 - 2025年9月美国非货币公募基金总量为23.47万亿美元，较8月增加0.49万亿，9月标普500上涨3.53%，美国国内股票型产品规模上升2.13%，赎回压力提升 [2] - 上周美国国内股票基金流出扩大到370亿美元，债券产品小幅流出 [19]

核电概念股市场表现 - 11月10日早盘A股核能核电概念股集体爆发，多只个股涨停或涨幅超过5% [1] - A股179只核电概念股中，164只年内上涨，占比高达92%，平均涨幅51.73%，其中28只个股涨幅超过100% [3] 核电概念股财务数据 - 上海电力前三季净利润30.50亿元，同比增长24.04% [5] - 卧龙电驱前三季净利润8.19亿元，同比增长28.26% [5] - 华银电力前三季净利润3.57亿元，同比增长954.94% [6] - 万马股份前三季净利润4.12亿元，同比增长61.57% [6] - 七幸精工前三季净利润0.28亿元，同比增长259.66% [6] - 哈焊鉄道前三季净利润0.26亿元，同比增长53.90% [6] - 科泰电源前三季净利润0.38亿元，同比增长52.49% [6] - 纽威股份前三季净利润11.14亿元，同比增长34.54% [6] - 东方银业前三季净利润2.08亿元，同比增长33.43% [6] - 金盘科技前三季净利润4.86亿元，同比增长20.27% [6] - 部分公司净利润出现下滑，如合锻智能前三季净利润-0.44亿元，同比下降677.25%，兰石重装前三季净利润0.11亿元，同比下降88.33% [5][6] 整体市场运行特征 - 自10月28日上证指数越过4000点以来，指数上涨19.6%，但仅有四成个股跑赢指数 [3] - 在此期间上涨的4200家个股中，有4000余家的振幅大于30% [3] - 股市本质上是一个博弈场，不存在只赚不赔的可能，牛市中由于交投活跃，波动往往比熊市还要剧烈 [8] 投资行为分析 - 市场存在明显的"骗线"行为，例如股价大涨后出现调整时很快又出现向上突破迹象，或在经历惨烈调整后出现跳空上涨，诱使投资者跟风买入后遭遇深度回调 [11] - 个股走势差异的关键在于背后的交易行为，机构资金的参与程度决定反弹能否持续 [13][16] - 有机构资金积极参与交易的股票，即使在调整过程中，机构也可能在加大介入力度 [19] 核电行业投资逻辑 - 全球电力需求增长和双碳目标为核电产业链带来了重要发展机遇 [20] - 核电板块中真正值得关注的不是那些突然涨停的个股，而是那些在前期就有机构资金持续介入的标的 [20] - 把握住资金流向的本质，才能真正分享行业红利，行为决定走势，看清交易行为背后的真实意图至关重要 [20]

投资理念与策略 - 强调量化策略的可解释性，采用“强因子弱模型”的投资架构，在因子层面追求逻辑清晰和低相关性，在模型层面控制复杂度以确保策略波动时可追溯和修复 [1] - 避免依赖黑箱式的端到端机器学习模型，将精力集中于因子的逻辑性和整体策略链路的可解释性上 [3] - 在因子开发中遵循严格标准，强调因子的持久性、鲁棒性和逻辑直观性，每个新因子都需通过严格的样本内外测试以保障预测能力稳定性 [3] 模型迭代与优化 - 2023年9月进行重要模型迭代，在原有10-20天预测周期中加入1-5天的短期预测目标，显著提升对市场短期定价偏差的捕捉能力 [3] - 量价因子占比从原先不足50%提升至60%，增强对市场微观交易的响应速度 [4] - 模型对风格因子的依赖程度从约40%降至15%以下，Pure Alpha占比超过85%，超额收益更多来源于选股而非风格暴露 [4] - 在因子合成层面坚持使用线性模型与树模型等可控方法，避免因模型过度复杂而引入风险 [4] 产品线与风险管理 - 公司计划逐步建立以中证500、中证1000和中证全指指数为核心的量化投资产品线，并拓展至双创等特色宽基指数 [6] - 在组合构建中严控风险，将跟踪误差控制在6%左右，并通过行业、风格因子的均衡配置降低组合与基准的偏离及产品净值波动性 [6] - 严格保持风格中性，确保组合均衡以控制风险敞口 [5] 市场机遇与团队愿景 - A股市场散户投资者贡献超过60%的成交量，带来丰富的定价偏差投资机会，T+1交易制度与高频交易监管等因素为量化投资带来丰厚超额收益机会 [7] - 团队愿景是提供波动较小、回撤较低、夏普比例较高的产品，让客户能长期持有并分享基金收益 [6] - 目标构建“可积累、可复制、可解释”的量化投资护城河，在A股市场持续捕捉Alpha，为客户带来长期可持续回报 [7]

核心观点 - 淳厚基金量化与指数投资部总监周俊凭借12年量化投研经验，强调量化策略的“可解释性”，采用“强因子弱模型”的均衡稳健投资架构，致力于在A股市场捕捉长期可持续的Alpha收益 [1][4][10] 投资理念与策略框架 - 坚持量化策略的“可解释性”，避免过度依赖“端到端”的机器学习黑箱模型，确保策略波动时可追溯、可修复 [1][5] - 采用“强因子弱模型”的投资架构，在因子层面追求逻辑清晰、低相关性，在模型层面控制复杂度 [1][5] - 追求以“多周期预测”为核心、兼顾逻辑透明与风险可控的均衡投资路径 [4] - 量化模型融合基本面、量价和另类数据等因子库，通过合理权重配置追求收益来源多元化 [4] - 因子开发遵循严格标准，强调因子的持久性、鲁棒性和逻辑直观性，每个新因子都需通过严格的样本内外测试 [4] 模型迭代与优化 - 2024年9月进行了一次重要的模型迭代，在原有的10-20天预测周期中加入了1-5天的短期预测目标，以提升对市场短期定价偏差的捕捉能力 [6] - 迭代后，量价因子的占比从原先的不足50%提升至60%，提升了对市场微观交易的响应速度 [6] - 在因子合成层面，坚持使用线性模型与树模型等可控方法，避免因模型过度复杂而引入风险 [6] - 选用因子时更关注其带来的信息增量和稳定性，新因子必须通过样本外检验并与现有因子库保持低相关性 [6] - 此次迭代后，模型对风格因子的依赖程度从原先的约40%降至15%以下，Pure Alpha占比超过85%，超额收益更多来源于选股，降低了组合对市场波动的敞口 [7] - 严格保持风格中性，确保组合均衡，以控制风险敞口 [7] 产品规划与团队愿景 - 公司计划逐步建立以中证500、中证1000和中证全指指数为核心的量化投资产品线，并逐步拓展至双创等特色宽基指数 [9] - 认为中证500与中证1000指数兼具行业均衡性与成长潜力，同时潜在Alpha丰厚，是长期布局的理想标的 [9] - 团队愿景是提供波动相对较小、回撤相对较低、夏普比例相对较高的产品，让客户能长期持有 [9] - 在组合构建中严控风险，将跟踪误差尽量控制在6%左右，并通过行业、风格因子的均衡配置降低组合与基准的偏离及净值波动性 [9] 对A股量化投资环境的看法 - 认为A股市场仍是全球Alpha最为丰厚的市场之一 [10] - 指出散户投资者贡献了超过60%的成交量，带来了丰富的定价偏差投资机会 [10] - T+1交易制度与高频交易监管限制了纯粹的日内策略，市场结构分割及信息传递的时效性为量化投资带来了丰富的超额收益机会 [10] - 目标是通过持续努力，构建一条“可积累、可复制、可解释”的量化投资护城河，在A股市场中持续捕捉Alpha [10] 个人从业背景 - 拥有12年量化投研经验，职业生涯贯穿公私募领域，亲历了私募公司规模从20亿元增长至400亿元的过程 [1][4] - 于2023年9月加入淳厚基金，开启公募领域新征程 [1][4]

量化模型与因子总结 量化模型与构建方式 1. **模型名称：BARRA CNE5模型**[25] **模型构建思路：** 该模型用于分析投资组合的风险暴露，通过定义一系列风格因子来刻画投资组合相对于基准的偏好或规避倾向[25] **模型具体构建过程：** 模型包含10个风格因子，通过计算投资组合在这些因子上的暴露值（因子值）来评估其风格特征。当因子暴露为正时，表明基金偏好该类风格；当因子暴露为负时，表明基金会规避这类风格[25][28]。具体因子定义如下： * **Beta（贝塔）**：超额收益与市场收益的回归系数，代表市场收益暴露。 * **Momentum（动量）**：Relative Strength，代表动量暴露。 * **Size（市值）**：股票市值的对数，代表大盘暴露。 * **Earnings Yield（盈利）**：Earnings-to-Price，市盈率的倒数，代表盈利性暴露。 * **Residual Volatility（残差波动率）**：日收益标准差、历史标准差，代表波动性暴露。 * **Growth（成长）**：盈利增长率、销售收入增长率，代表成长暴露。 * **BP（B/P）**：Book-to-Price，市净率的倒数，代表价值暴露。 * **Leverage（杠杆）**：财务杠杆率，代表财务杠杆暴露。 * **Liquidity（流动性）**：换手率，代表流动性暴露。 * **Non-linear Size（非线性市值）**：股票市值的立方，代表中盘暴露。 模型的回测效果 1. **BARRA CNE5模型**，**贝塔因子暴露**-0.055，**动量因子暴露**-0.067，**市值因子暴露**0.372，**盈利因子暴露**0.229，**残差波动率因子暴露**-0.182，**成长因子暴露**0.095，**B/P因子暴露**-0.046，**杠杆因子暴露**0.079，**流动性因子暴露**0.094，**非线性市值因子暴露**-0.506，**平均暴露**0.121[32] 2. **BARRA CNE5模型（中证A500指数）**，**贝塔因子暴露**-0.071，**动量因子暴露**-0.087，**市值因子暴露**0.570，**盈利因子暴露**0.052，**残差波动率因子暴露**-0.075，**成长因子暴露**0.220，**B/P因子暴露**-0.201，**杠杆因子暴露**0.006，**流动性因子暴露**0.326，**非线性市值因子暴露**-0.404[32] 3. **BARRA CNE5模型（中加专精特新 vs 中证2000）**，**盈利因子暴露**更高，**估值（B/P）因子暴露**更高，**市值因子暴露**更低，**残差波动率因子暴露**更低，**成长因子暴露**更低，**流动性因子暴露**更低[65] 4. **BARRA CNE5模型（中加紫金多期）**，**盈利因子暴露**偏好强，**估值（B/P）因子暴露**偏好低，**残差波动率因子暴露**低[95] 量化因子与构建方式 1. **因子名称：Beta（贝塔）**[26] **因子构建思路：** 衡量股票超额收益对市场收益的敏感度。 **因子具体构建过程：** 通过回归分析得到股票超额收益与市场收益之间的回归系数。$$Beta = \frac{Cov(R_i - R_f, R_m)}{Var(R_m)}$$ 其中，$R_i$ 为股票收益率，$R_f$ 为无风险收益率，$R_m$ 为市场收益率。 2. **因子名称：Momentum（动量）**[26] **因子构建思路：** 衡量股票价格的趋势强度。 **因子具体构建过程：** 使用相对强弱（Relative Strength）指标，通常基于过去一段时间（如11个月剔除最近1个月）的累计收益率。$$Momentum = \frac{P_t}{P_{t-n}} - 1$$ 其中，$P_t$ 为当前价格，$P_{t-n}$ 为n期前的价格。 3. **因子名称：Size（市值）**[26] **因子构建思路：** 衡量公司的规模。 **因子具体构建过程：** 取股票总市值的自然对数。$$Size = ln(MarketCap)$$ 其中，$MarketCap$ 为股票总市值。 4. **因子名称：Earnings Yield（盈利）**[26] **因子构建思路：** 衡量公司的盈利水平。 **因子具体构建过程：** 采用市盈率（Earnings-to-Price）的倒数。$$Earnings Yield = \frac{Earnings}{Price}$$ 其中，$Earnings$ 为公司盈利，$Price$ 为股票价格。 5. **因子名称：Residual Volatility（残差波动率）**[26] **因子构建思路：** 衡量股票剔除市场风险后的特异性波动。 **因子具体构建过程：** 计算股票日收益率的标准差或历史标准差。 6. **因子名称：Growth（成长）**[26] **因子构建思路：** 衡量公司的成长能力。 **因子具体构建过程：** 基于盈利增长率或销售收入增长率等指标。 7. **因子名称：BP（B/P）**[26] **因子构建思路：** 衡量公司的估值水平，属于价值因子。 **因子具体构建过程：** 采用市净率（Book-to-Price）的倒数。$$BP = \frac{Book Value}{Price}$$ 其中，$Book Value$ 为公司账面价值，$Price$ 为股票价格。 8. **因子名称：Leverage（杠杆）**[26] **因子构建思路：** 衡量公司的财务杠杆水平。 **因子具体构建过程：** 使用财务杠杆率等指标。 9. **因子名称：Liquidity（流动性）**[26] **因子构建思路：** 衡量股票的流动性。 **因子具体构建过程：** 使用换手率等指标。 10. **因子名称：Non-linear Size（非线性市值）**[26] **因子构建思路：** 捕捉市值因子的非线性效应，侧重中盘股。 **因子具体构建过程：** 取股票总市值的立方。$$Non-linear Size = (MarketCap)^3$$ 其中，$MarketCap$ 为股票总市值。 因子的回测效果 1. **Beta（贝塔）因子**，**中加A500暴露**-0.055，**A500指数暴露**-0.071[32] 2. **Momentum（动量）因子**，**中加A500暴露**-0.067，**A500指数暴露**-0.087[32] 3. **Size（市值）因子**，**中加A500暴露**0.372，**A500指数暴露**0.570[32] 4. **Earnings Yield（盈利）因子**，**中加A500暴露**0.229，**A500指数暴露**0.052[32] 5. **Residual Volatility（残差波动率）因子**，**中加A500暴露**-0.182，**A500指数暴露**-0.075[32] 6. **Growth（成长）因子**，**中加A500暴露**0.095，**A500指数暴露**0.220[32] 7. **BP（B/P）因子**，**中加A500暴露**-0.046，**A500指数暴露**-0.201[32] 8. **Leverage（杠杆）因子**，**中加A500暴露**0.079，**A500指数暴露**0.006[32] 9. **Liquidity（流动性）因子**，**中加A500暴露**0.094，**A500指数暴露**0.326[32] 10. **Non-linear Size（非线性市值）因子**，**中加A500暴露**-0.506，**A500指数暴露**-0.404[32]