报告行业投资评级 未提及 报告的核心观点 - 非银金融指数趋势跟踪模型在 2023 年 3 月 7 日至 2024 年 9 月 12 日期间净值整体缓慢上升，除 2024 年 9 月 12 日至 10 月 8 日受市场行情及宏观政策影响净值急剧上升，年化收益表现较好且未出现长时间大幅回撤，适合用于申万一级非银金融指数 [5] 根据相关目录分别进行总结 模型概述 - 设计原理：假定标的价格走势有局部延续性，永远处于某一趋势中，反转行情持续时间小于趋势延续时间，窄幅盘整时延续之前趋势，大级别趋势中给定短观察窗口走势延续局部趋势，趋势反转时观察窗口始末价格变动方向会超出随机波动造成的趋势背离范围以排除随机波动影响，为严谨评估默认可对标的进行多空操作 [4] - 作用标的：申万一级非银金融指数 [4] - 标的的数据预处理规则：保留原值 [4] - 模型信号维度：多空 [4] - 具体算法：计算 T 日收盘价与 T - 20 日收盘价的差 del，计算 T - 20 日至 T 日（不含）时间段的波动率 Vol，若 del 的绝对值大于 N 倍的 Vol 则认为当前价格脱离原有振荡区间形成趋势，趋势多空方向与 del 的正负情况对应，若小于等于 N 倍的 Vol 则认为当前走势延续，趋势方向同 T - 1 日，取 N = 1 进行跟踪，非银金融考虑多空两个方向的回报并合并结果作为最终评估依据 [4] - 跟踪区间：2023 年 3 月 7 日 - 2025 年 3 月 18 日 [4] 结果评估 - 区间年化收益：24.17% [4] - 波动率（年化）：26.54% [4] - 夏普率：0.91 [4] - 最大回撤：14.04% [4] - 指数期间总回报率：19.46% [4]

报告行业投资评级 报告未提及行业投资评级相关内容 报告的核心观点 - 国防军工指数趋势跟踪模型不适合直接用于申万一级国防军工指数 ，该模型在2023年3月7日至2024年1月2日及2024年2月5日至2024年9月6日期间净值下降陷入长期回撤无法取得较好累计收益，此后净值围绕原值波动并最终回归原值附近，且模型区间收益为负、年化收益回撤比较低、前期和中期处于较长时间回撤 [5] 根据相关目录分别进行总结 模型概述 - 设计原理：假定标的价格走势有局部延续性，永远处于某一趋势中，反转行情持续时间小于趋势延续时间，窄幅盘整时延续之前趋势；大级别趋势中，给定短观察窗口走势延续局部趋势，趋势反转时观察窗口始末价格变动方向会超出随机波动造成的趋势背离范围以排除随机波动影响；为严谨评估模型效果默认可对标的进行多空操作 [4] - 作用标的：申万一级国防军工指数 [4] - 标的的数据预处理规则：保留原值 [4] - 模型信号维度：多空 [4] - 具体算法：计算T日收盘价与T - 20日收盘价的差del，计算T - 20日至T日（不含）时间段的波动率Vol；若del绝对值大于N倍的Vol则认为形成趋势，趋势多空方向与del正负对应，若小于等于N倍的Vol则认为走势延续，趋势方向同T - 1日；取N = 1进行跟踪；考虑多空两个方向的回报并合并结果作为最终评估依据 [4] - 跟踪区间：2023年3月7日 - 2025年3月18日 [4] 结果评估 - 区间年化收益： - 0.37% [4] - 波动率（年化）：29.80% [4] - 夏普率： - 0.01 [4] - 最大回撤：29.79% [4] - 指数期间总回报率： - 3.81% [4]

金 金融工程点评 [Table_Message]2025-05-12 建筑材料指数趋势跟踪模型效果点评 [Table_Author] 证券分析师：刘晓锋 电话：13401163428 E-MAIL：liuxf@tpyzq.com 执业资格证书编码：S1190522090001 研究助理：孙弋轩 电话：18910596766 E-MAIL：sunyixuan@tpyzq.com 一般证券业务登记编码：S1190123080008 模型概述 结果评估： 区间年化收益：1.98% 波动率（年化）：24.36% 夏普率：0.08 最大回撤：25.11% 指数期间总回报率：-29.59% 太 平 洋 证 券 股 份 有 限 公 司 证 券 研 究 报 [Table_Title] [Table_Summary] 融 工 程 点 评 告 ◼ 设计原理：模型假定标的价格走势具有很好的局部延续性，标的价格永远处 于某一趋势中，出现反转行情的持续时间明显小于趋势延续的时间，若出现 窄幅盘整的情况，亦假设其延续之前的趋势。当处于大级别的趋势之中时， 给定较短时间的观察窗口，走势将延续观察窗口内的局部趋势。而当趋势发 生反转时，在观 ...

量化因子与构建方式 1.估值类因子 1) **bp因子** - 构建思路：衡量股票当前市净率水平[13] - 具体构建：$$ bp = \frac{当前净资产}{当前总市值} $$[13] 2) **bp三年分位数因子** - 构建思路：评估当前市净率在近三年的相对位置[13] - 具体构建：计算股票当前bp在最近三年的分位数[13] 3) **季度ep因子** - 构建思路：反映季度净利润与净资产的关系[13] - 具体构建：$$ 季度ep = \frac{季度净利润}{净资产} $$[13] 4) **季度sp因子** - 构建思路：衡量季度营业收入与净资产的关系[13] - 具体构建：$$ 季度sp = \frac{季度营业收入}{净资产} $$[13] 2.盈利类因子 1) **季度roa因子** - 构建思路：评估季度净利润与总资产的比率[13] - 具体构建：$$ 季度roa = \frac{季度净利润}{总资产} $$[13] 2) **季度roe因子** - 构建思路：衡量季度净利润与净资产的比率[13] - 具体构建：$$ 季度roe = \frac{季度净利润}{净资产} $$[13] 3.成长类因子 1) **季度净利润同比增长因子** - 构建思路：反映季度净利润的同比增长情况[13] - 具体构建：直接计算季度净利润同比增长率[13] 2) **标准化预期外盈利因子** - 构建思路：衡量实际盈利与预期盈利的偏离程度[13] - 具体构建： $$ \frac{当前季度净利润 - (去年同期单季净利润 + 过去8个季度单季净利润同比增长均值)}{过去8个季度的单季度净利润同比增长值的标准差} $$[13] 4.换手率类因子 1) **1个月换手率与均价的相关性因子** - 构建思路：评估换手率与股价的相关性[13] - 具体构建：计算过去20个交易日换手率与均价的相关系数[13] 2) **1个月换手率波动因子** - 构建思路：衡量换手率的波动性[13] - 具体构建：计算过去20个交易日换手率的标准差[13] 5.波动率类因子 1) **Fama-French三因子1月残差波动率因子** - 构建思路：衡量股票收益对三因子模型的残差波动[13] - 具体构建：对过去20个交易日日收益进行Fama-French三因子回归，取残差标准差[13] 2) **1月特异度因子** - 构建思路：评估股票收益中未被三因子解释的部分[13] - 具体构建：$$ 1 - R^2 \ (Fama-French三因子回归的R方) $$[13] 6.动量与反转类因子 1) **一年动量因子** - 构建思路：捕捉长期动量效应[13] - 具体构建：$$ 过去一年收益率累加 - 过去一个月收益率累加 $$[13] 2) **1个月反转因子** - 构建思路：捕捉短期反转效应[13] - 具体构建：累加过去20个交易日收益率[13] 7.规模类因子 1) **小市值因子** - 构建思路：衡量公司规模对收益的影响[13] - 具体构建：对数市值[13] 8.Beta因子 1) **Beta因子** - 构建思路：衡量股票与市场的系统性风险关联[14] - 具体构建：最近490个交易日个股收益与市场收益加权回归的系数[14] --- 因子回测效果 1.IC表现 - **bp因子**：最近一周IC -6.07%，最近一月IC均值 -0.91%，历史IC均值 2.07%[9] - **1个月换手率与均价的相关性因子**：最近一周IC 11.30%，最近一月IC均值 7.07%，历史IC均值 1.70%[9] - **1个月反转因子**：最近一周IC 11.08%，最近一月IC均值 4.52%，历史IC均值 2.15%[9] 2.多头组合表现 - **小市值因子**：最近一年超额收益 10.84%，历史累计超额 59.20%[11] - **1个月换手率波动因子**：最近一年超额收益 10.68%，历史累计超额 32.01%[11] - **Beta因子**：最近一周超额 1.08%，最近一年超额 6.46%[11] --- 数据处理方法 - 因子值基于最近五年周频数据，先转为行业内排序分位数，并对市值、bp和行业进行中性化处理（规模类和bp因子除外）[7] - 多头组合构建：每期选择因子排名前10%的股票，采用根号下流通市值加权[10]

核心观点 - 国防军工指数偏离修复模型对国防军工指数配置价值判断无参考价值，在跟踪区间不适用 [5] 模型概述 设计原理 - 假定标的价格走势相对参考标的存在反复偏离 - 回归循环，偏离程度有极限，不要求单次偏离 - 回归时间周期有明显规律，是单纯空间型策略；通过对已有数据统计和测试找合理阈值，价格低于该值时买入建仓等待回归；选择相对指数回撤值处理获取阈值 [4] 作用标的 - 申万一级国防军工指数相对值（基准为沪深 300 指数） [4] 标的的数据预处理规则 - 归一化 [4] 模型信号维度 - 多 [4] 具体算法 - 计算区间内申万一级国防军工指数收盘价相对沪深 300 指数的值 cl；计算 cl 在区间内的回撤序列 W；计算 W 中单次回撤期间的最大值；对所有单次回撤最大幅度降序排列得序列 S 并求和得 T；对 S 逐步累加，累加和达或超 T 的 80% 时停止，去除未参与累加值得 S1；用迭代法对 S1 元素进一步筛选，直至迭代结果不变得有效回撤集合 C；将 C 中最大值的 80% 作为阈值，W 大于该阈值时信号为 1（买入），W 为 0 时信号为 0（平仓），其余情况信号为前值 [4] 跟踪区间 - 2010 年 1 月 4 日 - 2025 年 3 月 18 日 [4] 结果评估 - 区间策略总收益 159.57%，标的买入并持有收益 42.53%，总超额 117.05%，最大回撤 50.87%，最长回撤时间 2108 交易日 [4] 模型策略适用情况总结 - 策略用统计回溯方式，样本内有优势，但当前价格走势出现统计样本外情况，策略对国防军工指数未达目标效果 [5]

报告核心观点 - 对ETF轮动策略、高频因子进行跟踪测试，发现表现出色，还构建了高频“金”组合和高频&基本面共振组合中证1000指数增强策略，后者业绩指标更优 [2][3][53][58] 一、ETF轮动策略跟踪 1. ETF轮动因子及策略近期表现 - 使用GBDT+NN机器学习因子构建周度调仓的ETF轮动策略，样本外整体表现良好 [12] - 上周因子IC值20.91%，多头超额收益率0.61% [13] - 策略年化超额收益率11.91%，信息比率0.69，超额最大回撤17.31% [16] - 上周超额收益率0.88%，本月以来1.44%，今年以来0.15%，近期表现优异 [18] 2. 本周建议关注ETF - 本周ETF持仓包含创中盘88ETF、红利国企ETF等多只ETF [21][22] 二、高频因子超额收益概览 - 过去一周，各类高频因子多头组合在中证1000指数成分股中表现稳定 [22] - 价格区间类因子多空收益率0.45%，多头超额收益率1.01%；量价背离因子多空收益率 -0.16%，多头超额收益率0.04%；遗憾规避因子多空收益率1.28%，多头超额收益率0.26% [22] 三、各类高频因子近期表现跟踪 1. 高频价格区间因子 - 高价格区间成交笔数与成交量因子与股票未来收益负相关，低价格区间平均每笔成交量因子与股票未来收益正相关 [25] - 高价格80%区间成交量因子、高价格80%区间成交笔数因子和低价格10%区间每笔成交量因子周频调仓表现较好 [25] - 合成后的价格区间因子样本外表现出色，超额净值曲线稳定向上 [29] 2. 高频量价背离因子 - 量价背离时，股价未来上涨可能性高；量价趋同时，股价未来下跌可能性高 [30] - 价格与成交笔数的相关性和价格与成交量的相关性周频调仓表现较好 [30] - 合成后的量价背离因子自2020年以来收益呈下降趋势，今年以来表现良好 [37] 3. 遗憾规避因子 - 利用投资者遗憾规避情绪可构造有效选股因子 [38] - 卖出反弹占比因子和卖出反弹偏离因子周频表现较好 [38] - 合成后的遗憾规避因子收益表现整体平稳向上，今年以来表现一般 [45] 4. 斜率凸性因子 - 构建斜率凸性因子，提取低档斜率因子和高档位卖方凸性因子合成 [46] - 两个细分因子周频调仓近期表现有波动 [46] - 合成后的斜率凸性因子自2016年以来收益平稳，样本外整体表现平淡 [51] 四、基于基本面因子与高频因子构建的中证1000指数增强策略表现 1. 高频“金”组合中证1000指数增强策略 - 三类高频因子等权合成构建策略，调仓频率周度，加入换手率缓冲机制 [53] - 策略年化超额收益率10.68%，超额最大回撤6.04% [55] - 上周超额收益0.14%，本月以来1.68%，今年以来5.98% [57] 2. 高频&基本面共振组合中证1000指数增强策略 - 结合基本面因子和高频因子构建策略，基本面因子包括一致预期、成长和技术因子 [58] - 策略年化超额收益率14.98%，超额最大回撤4.52% [60] - 上周超额收益0.28%，本月以来2.29%，今年以来4.99% [62] 附录 附录一：高频“金”组合中证1000指数增强策略本周持仓列表 - 包含盐津铺子、光峰科技等多只股票 [65][66] 附录二：高频&基本面共振组合中证1000指数增强策略本周持仓列表 - 包含盐津铺子、塔牌集团等多只股票 [68][69][70]

量化因子与构建方式 估值类因子 1. **因子名称**：bp - **构建思路**：衡量股票当前净资产与市值的比值，反映估值水平[13] - **构建过程**：$$ bp = \frac{当前净资产}{当前总市值} $$[13] 2. **因子名称**：bp三年分位数 - **构建思路**：计算当前bp在三年历史数据中的分位数，反映相对估值水平[13] - **构建过程**：取股票最近三年的bp数据，计算当前值对应的分位数[13] 3. **因子名称**：季度ep - **构建思路**：衡量季度净利润与净资产的比值[13] - **构建过程**：$$ 季度ep = \frac{季度净利润}{净资产} $$[13] 4. **因子名称**：季度sp - **构建思路**：衡量季度营业收入与净资产的比值[13] - **构建过程**：$$ 季度sp = \frac{季度营业收入}{净资产} $$[13] 盈利类因子 5. **因子名称**：季度资产周转率 - **构建思路**：反映企业资产利用效率[13] - **构建过程**：$$ 季度资产周转率 = \frac{季度营业收入}{总资产} $$[13] 6. **因子名称**：季度roa - **构建思路**：衡量净利润与总资产的比值[13] - **构建过程**：$$ 季度roa = \frac{季度净利润}{总资产} $$[13] 成长类因子 7. **因子名称**：季度净利润同比增长 - **构建思路**：反映净利润的同比增长情况[13] - **构建过程**：计算当前季度净利润与去年同期单季净利润的增长率[13] 8. **因子名称**：标准化预期外盈利 - **构建思路**：衡量实际盈利与预期盈利的偏离程度[13] - **构建过程**：$$ \frac{当前季度净利润 - (去年同期单季净利润 + 过去8个季度单季净利润同比增长均值)}{过去8个季度的单季度净利润同比增长值的标准差} $$[13] 换手率类因子 9. **因子名称**：1个月日均换手率 - **构建思路**：反映股票流动性[13] - **构建过程**：计算过去20个交易日换手率的均值[13] 10. **因子名称**：1个月换手率波动 - **构建思路**：衡量换手率的波动性[13] - **构建过程**：计算过去20个交易日换手率的标准差[13] 波动率类因子 11. **因子名称**：Fama-French三因子1月残差波动率 - **构建思路**：衡量股票收益对三因子模型残差的波动[13] - **构建过程**：对过去20个交易日日收益进行Fama-French三因子回归，计算残差的标准差[13] 12. **因子名称**：1月特异度 - **构建思路**：反映收益中不能被三因子解释的部分[13] - **构建过程**：$$ 1 - 过去20个交易日日收益对Fama-French三因子回归的R方 $$[13] 动量与反转类因子 13. **因子名称**：一年动量 - **构建思路**：衡量长期价格趋势[13] - **构建过程**：$$ 过去一年收益率累加 - 过去一个月收益率累加 $$[13] 14. **因子名称**：1个月反转 - **构建思路**：反映短期价格反转效应[13] - **构建过程**：累加过去20个交易日收益率[13] 规模类因子 15. **因子名称**：小市值 - **构建思路**：反映公司规模[13] - **构建过程**：取对数市值[13] Beta因子 16. **因子名称**：Beta - **构建思路**：衡量股票与市场的相关性[14] - **构建过程**：对最近490个交易日个股收益与市场收益进行加权回归，取回归系数[14] 因子回测效果 IC表现 1. **bp三年分位数**：最近一周IC 16.49%，最近一月IC均值7.73%，最近一年IC均值2.81%[8] 2. **1个月日均换手率**：最近一周IC 19.65%，最近一月IC均值9.86%，最近一年IC均值1.93%[8] 3. **Fama-French三因子1月残差波动率**：最近一周IC 14.75%，最近一月IC均值9.53%，最近一年IC均值3.27%[8] 多头组合表现 1. **季度净利润同比增长**：最近一年超额收益8.30%，历史累计超额35.27%[10] 2. **1个月换手率波动**：最近一年超额收益8.10%，历史累计超额30.99%[10] 3. **1月特异度**：最近一年超额收益9.38%，历史累计超额18.74%[10] 模型评价 - **换手率类因子**：近期表现突出，可能与市场流动性变化相关[7][9] - **波动率类因子**：长期稳定性较好，适合风险控制策略[7][9] - **估值类因子**：bp三年分位数短期表现优异，但长期IC均值较低[8][10]