每当翻开财经新闻，总能看到各路专家指点江山。上周芝加哥大学的调查显示82%经济学家力挺沃勒接任美联储主席，但现实胜算却只有20%。这让我想起 股市里那些言之凿凿的"股神"们——他们说得头头是道，结果往往南辕北辙。今天我们就来聊聊这个有趣的现象。 芝加哥大学布斯商学院的调查结果堪称当代金融界的"罗生门"。82%的经济学家支持沃勒接棒鲍威尔，认为他是最符合"中央银行家"专业形象的候选人。但 讽刺的是，只有20%的人相信他能真正胜出。 这种分裂背后折射出一个残酷现实：在政治面前，专业判断往往要让位。39%的受访者预测白宫国家经济委员会主席哈西特最可能接任，原因无他——只因 这位先生与特朗普的政策立场更契合。 约翰霍普金斯大学教授Robert Barbera一语道破天机："沃勒不迎合政治的姿态，恰恰可能让他出局。"这句话让我想起股市里那些坚持价值投资的基金经理们 ——他们的专业判断常常要屈从于短期排名压力。 这种现象在股市里更是司空见惯。现在资讯发达，"股神"遍地开花。今天喊牛市来了，明天又说熊市将至。他们的套路我太熟悉了： 说到底，市场走势无非涨、跌、横三种可能。但某些专家能用两千字的长文让你看得云里雾里。别怀疑自 ...

根据研报内容，现总结如下： 量化模型与构建方式 1. **模型名称：三维择时框架**[7][11][12][16] * **模型构建思路**：通过综合评估市场分歧度、流动性和景气度三个维度的变化趋势，对市场短期走势进行判断[7][11] * **模型具体构建过程**：模型基于三个核心指标：市场分歧度指数、市场流动性指数和A股景气度指数[7][11][19][21][25] 通过观察这三个指标的趋势（如下行、扩大、回升）及其组合状态，形成对市场（如震荡下跌）的综合判断[7][11] 2. **模型名称：ETF热点趋势策略**[30][31][32] * **模型构建思路**：通过筛选价格形态呈上涨趋势且短期市场关注度提升的ETF，构建投资组合[30] * **模型具体构建过程**：首先，根据K线的最高价与最低价的上涨或下跌形态，选出最高价与最低价同时为上涨形态的ETF[30] 其次，根据最高价与最低价近20日回归系数的相对陡峭程度，构建支撑阻力因子[30] 最后，在支撑阻力因子的多头组中，选择近5日换手率/近20日换手率最高（即短期市场关注度明显提升）的10只ETF，构建风险平价组合[30] 3. **模型名称：资金流共振策略**[34][37][40] * **模型构建思路**：结合融资融券资金流和主动大单资金流，选择两类资金都看好的行业[34][37] * **模型具体构建过程**： * **行业融资融券资金因子**：定义为经Barra市值因子中性化后的（个股）融资净买入-融券净卖出，在行业层面加总，然后取最近50日均值，并计算其两周环比变化率[37] 公式为：`因子值 = (最近50日平均融资净买入额 - 最近50日平均融券净卖出额) / 上期50日平均值 * 100%`[37] * **行业主动大单资金因子**：定义为行业最近一年成交量时序中性化后的净流入排序，并取最近10日均值[37] * **策略规则**：在主动大单因子的头部打分行业内，剔除融资融券因子的头部行业（因融资融券因子多头端在某些市场状态下有稳定的负向超额收益），以提高策略稳定性[37] 进一步剔除大金融板块后，得到最终推荐的行业组合[37][40] 量化因子与构建方式 1. **因子名称：风格因子（size, beta, momentum, value, growth等）**[43][44] * **因子构建思路**：采用常见的风格因子体系，用于描述市场的风格特征[43][44] * **因子具体构建过程**：报告提及了多个风格因子，包括规模(size)、贝塔(beta)、动量(momentum)、波动率(volatility)、非线性市值(nlsize)、估值(value)、流动性(liquidity)、盈利收益率(earnings_yield)、成长(growth)、杠杆(leverage)等[44] 这些因子通常基于股价、市值、财务数据等计算，并进行了标准化处理[44] 2. **因子名称：Alpha因子（如io_to_float_a_share, top_ten_mean_stkvaluetonav等）**[47][48][49][50] * **因子构建思路**：从不同维度（如基金持仓、动量、分析师覆盖、财务质量等）构建选股因子[47][48] * **因子具体构建过程**：报告列出了多个Alpha因子及其释义： * `io_to_float_a_share`: 根据基金年报和半年报披露持股数统计，基金总持股数占个股流通股比值[48] * `top_ten_mean_stkvaluetonav`: 根据基金披露前十大重仓股，重仓股数占净值均值[48] * `mom_1y_1m`: 1年收益率减去1个月收益率[48] * `top_ten_io_to_float_a_share`: 根据基金披露前十大重仓股，重仓股数占个股流通股比值[48] * `ana_cov`: 过去90个交易日分析师预测数[48] * `tot_rd_ttm_to_sales`: 研发销售收入占比[50] * `tot_rd_ttm_to_assets`: 研发总资产占比[48][50] * `tot_rd_ttm_to_equity`: 研发净资产占比[48][50] * 其他因子如 `mom_6m`（6个月收益率）, `yoy_orps_q`（单季度每股营业收入同比增长率）等[50] 模型的回测效果 1. **三维择时框架**：模型保持对市场的震荡下跌判断[7] 2. **ETF热点趋势策略**：策略今年以来表现优于沪深300，累计超额收益为正[31] 3. **资金流共振策略**：策略2018年以来费后年化超额收益13.5%，信息比率(IR)为1.7，相对北向-大单共振策略回撤更小[37] 策略上周实现-1.5%的绝对收益与-0.7%的超额收益（相对行业等权）[37] 因子的回测效果 1. **风格因子近期表现**[43][44]： * **beta因子**：最近一周收益率为2.19%，本年收益率为26.61%[44] * **growth因子**：最近一周收益率为1.51%，近一月收益率为4.74%[43][44] * **value因子**：最近一周收益率为-1.42%，近一月收益率为-1.32%[43][44] * **size因子**：最近一周收益率为1.46%，本年收益率为-23.35%[44] * **momentum因子**：最近一周收益率为0.27%，本年收益率为-3.31%[44] 2. **Alpha因子多头超额表现**[47][48][49][50]： * **近期表现较好因子（近一周多头超额）**： * `io_to_float_a_share`: 1.32%[48] * `top_ten_mean_stkvaluetonav`: 1.00%[48] * `mom_1y_1m`: 0.94%[48] * `top_ten_io_to_float_a_share`: 0.92%[48] * **分指数表现（上周多头超额）**： * `tot_rd_ttm_to_sales`因子在沪深300中超额36.52%，在中证500中超额29.00%，在中证800中超额37.34%，在中证1000中超额39.13%[50] * `tot_rd_ttm_to_assets`因子在沪深300中超额37.87%，在中证500中超额25.27%，在中证800中超额37.86%，在中证1000中超额36.26%[50] * 整体看，小市值指数（如中证1000）下部分因子表现更好[49]

量化因子与构建方式 1 因子名称：估值因子[10]；因子构建思路：基于公司估值水平构建的因子，衡量股票价格相对于其基本面价值的偏离程度[10]；因子具体构建过程：包含多个细分因子，包括估值-EP（市盈率倒数）、估值-BP（市净率倒数）、估值-SP（市销率倒数）和股息率因子[11][12][13][14] 2 因子名称：成长因子[10]；因子构建思路：基于公司成长性指标构建的因子，衡量公司业务和盈利的增长能力[10]；因子具体构建过程：包含多个细分因子，包括营业收入增长率、净利润增长率和ROE增长率[11][12][13][14] 3 因子名称：盈利因子[10]；因子构建思路：基于公司盈利能力指标构建的因子，衡量公司创造利润的效率[10]；因子具体构建过程：包含多个细分因子，包括ROE（净资产收益率）、ROA（总资产收益率）、毛利率和净利率[11][12][13][14] 4 因子名称：小市值因子[10]；因子构建思路：基于公司市值规模构建的因子，衡量小市值股票的溢价效应[10]；因子具体构建过程：直接使用公司市值作为因子指标[11][12][13][14] 5 因子名称：反转因子[10]；因子构建思路：基于股票价格反转效应构建的因子，衡量过去表现差的股票未来可能出现的反弹[10]；因子具体构建过程：包含多个细分因子，包括1个月反转、3个月反转、衰减换手率加权3个月反转和衰减换手率加权6个月反转[11][12][13][14] 6 因子名称：波动率因子[10]；因子构建思路：基于股票价格波动性构建的因子，衡量股票风险水平[10]；因子具体构建过程：包含多个细分因子，包括1个月波动率、3个月波动率、FF三因子残差1个月波动率和FF三因子残差3个月波动率[11][12][13][14] 7 因子名称：换手率因子[10]；因子构建思路：基于股票交易活跃度构建的因子，衡量市场关注度和流动性[10]；因子具体构建过程：包含多个细分因子，包括1个月日均换手率、3个月日均换手率和近1个月/近2年的日均换手率[11][12][13][14] 8 因子名称：超预期因子[10]；因子构建思路：基于公司业绩超预期程度构建的因子，衡量市场预期与实际业绩的差异[10]；因子具体构建过程：包含多个细分因子，包括SUR（收入超预期）和SUE（盈利超预期）[11][12][13][14] 9 因子名称：预期估值因子[10]；因子构建思路：基于分析师一致预期构建的估值因子，衡量未来预期估值水平[10]；因子具体构建过程：包含多个细分因子，包括预期EP_FY1（预期市盈率倒数）、预期PEG倒数_FY1和预期BP_FY1（预期市净率倒数）[11][12][13][14] 10 因子名称：预期净利润复合增速FY1[10]；因子构建思路：基于分析师一致预期构建的成长因子，衡量未来预期盈利增长能力[10]；因子具体构建过程：使用分析师预测的未来一年净利润复合增长率作为因子指标[11][12][13][14] 因子的回测效果 1 估值因子，本月以来Rank IC均值：沪深300为-11.02%[11]，中证500为6.54%[12]，中证1000为3.07%[13]，全A股为6.04%[14]；近一季度Rank IC均值：沪深300为-3.96%[11]，中证500为0.40%[12]，中证1000为-0.39%[13]，全A股为3.08%[14]；今年以来Rank IC均值：沪深300为-1.07%[11]，中证500为-0.51%[12]，中证1000为0.19%[13]，全A股为2.85%[14]；2015年以来Rank IC均值：沪深300为4.40%[11]，中证500为4.96%[12]，中证1000为4.88%[13]，全A股为6.24%[14] 2 成长因子，本月以来Rank IC均值：沪深300为9.19%[11]，中证500为4.10%[12]，中证1000为-0.22%[13]，全A股为-1.70%[14]；近一季度Rank IC均值：沪深300为4.73%[11]，中证500为2.79%[12]，中证1000为5.34%[13]，全A股为3.95%[14]；今年以来Rank IC均值：沪深300为6.31%[11]，中证500为3.59%[12]，中证1000为3.49%[13]，全A股为4.49%[14]；2015年以来Rank IC均值：沪深300为1.31%[11]，中证500为3.92%[12]，中证1000为3.81%[13]，全A股为2.96%[14] 3 盈利因子，本月以来Rank IC均值：沪深300为10.78%[11]，中证500为4.79%[12]，中证1000为3.27%[13]，全A股为0.25%[14]；近一季度Rank IC均值：沪深300为5.04%[11]，中证500为-1.37%[12]，中证1000为2.22%[13]，全A股为2.28%[14]；今年以来Rank IC均值：沪深300为5.45%[11]，中证500为1.99%[12]，中证1000为0.84%[13]，全A股为3.83%[14]；2015年以来Rank IC均值：沪深300为1.73%[11]，中证500为3.46%[12]，中证1000为3.55%[13]，全A股为3.13%[14] 4 小市值因子，本月以来Rank IC均值：沪深300为4.17%[11]，中证500为-6.83%[12]，中证1000为3.48%[13]，全A股为-4.98%[14]；近一季度Rank IC均值：沪深300为3.04%[11]，中证500为-8.50%[12]，中证1000为-1.55%[13]，全A股为-7.88%[14]；今年以来Rank IC均值：沪深300为1.39%[11]，中证500为3.01%[12]，中证1000为5.76%[13]，全A股为9.04%[14]；2015年以来Rank IC均值：沪深300为-1.84%[11]，中证500为1.12%[12]，中证1000为4.92%[13]，全A股为4.36%[14] 5 反转因子，本月以来Rank IC均值：沪深300为-9.98%[11]，中证500为4.28%[12]，中证1000为2.81%[13]，全A股为8.41%[14]；近一季度Rank IC均值：沪深300为-3.64%[11]，中证500为3.02%[12]，中证1000为5.33%[13]，全A股为9.00%[14]；今年以来Rank IC均值：沪深300为4.57%[11]，中证500为6.05%[12]，中证1000为7.87%[13]，全A股为9.77%[14]；2015年以来Rank IC均值：沪深300为4.06%[11]，中证500为4.97%[12]，中证1000为7.82%[13]，全A股为8.90%[14] 6 波动率因子，本月以来Rank IC均值：沪深300为-2.63%[11]，中证500为2.97%[12]，中证1000为9.77%[13]，全A股为12.12%[14]；近一季度Rank IC均值：沪深300为-4.45%[11]，中证500为1.60%[12]，中证1000为5.79%[13]，全A股为9.97%[14]；今年以来Rank IC均值：沪深300为0.36%[11]，中证500为1.84%[12]，中证1000为6.07%[13]，全A股为8.30%[14]；2015年以来Rank IC均值：沪深300为4.68%[11]，中证500为6.81%[12]，中证1000为8.22%[13]，全A股为9.22%[14] 7 换手率因子，本月以来Rank IC均值：沪深300为1.30%[11]，中证500为5.45%[12]，中证1000为16.37%[13]，全A股为16.55%[14]；近一季度Rank IC均值：沪深300为-4.42%[11]，中证500为0.99%[12]，中证1000为8.49%[13]，全A股为12.22%[14]；今年以来Rank IC均值：沪深300为-0.68%[11]，中证500为3.23%[12]，中证1000为8.04%[13]，全A股为10.33%[14]；2015年以来Rank IC均值：沪深300为3.84%[11]，中证500为6.98%[12]，中证1000为9.17%[13]，全A股为9.55%[14] 8 超预期因子，本月以来Rank IC均值：沪深300为6.11%[11]，中证500为-6.38%[12]，中证1000为-3.40%[13]，全A股为-4.17%[14]；近一季度Rank IC均值：沪深300为6.11%[11]，中证500为2.28%[12]，中证1000为2.63%[13]，全A股为1.95%[14]；今年以来Rank IC均值：沪深300为6.14%[11]，中证500为3.21%[12]，中证1000为3.25%[13]，全A股为2.94%[14]；2015年以来Rank IC均值：沪深300为2.69%[11]，中证500为2.58%[12]，中证1000为2.90%[13]，全A股为2.58%[14] 9 预期估值因子，本月以来Rank IC均值：沪深300为-12.20%[11]，中证500为1.83%[12]，中证1000为1.27%[13]，全A股为-3.28%[14]；近一季度Rank IC均值：沪深300为-3.75%[11]，中证500为-1.35%[12]，中证1000为-4.51%[13]，全A股为-2.78%[14]；今年以来Rank IC均值：沪深300为-2.62%[11]，中证500为0.16%[12]，中证1000为-1.23%[13]，全A股为-1.25%[14]；2015年以来Rank IC均值：沪深300为-0.80%[11]，中证500为0.42%[12]，中证1000为-0.28%[13]，全A股为0.42%[14] 10 预期净利润复合增速FY1因子，本月以来Rank IC均值：沪深300为4.61%[11]，中证500为-0.66%[12]，中证1000为3.40%[13]，全A股为0.97%[14]；近一季度Rank IC均值：沪深300为-2.29%[11]，中证500为1.08%[12]，中证1000为2.14%[13]，全A股为4.16%[14]；今年以来Rank IC均值：沪深300为1.09%[11]，中证500为1.38%[12]，中证1000为1.80%[13]，全A股为1.33%[14]；2015年以来Rank IC均值：沪深300为-0.27%[11]，中证500为0.58%[12]，中证1000为1.36%[13]，全A股为1.16%[14]

根据提供的量化周报内容，以下是报告中涉及的量化模型和因子的总结。 量化模型与构建方式 1. **模型名称：A股景气指数模型**[27] * **模型构建思路**：该模型旨在对A股市场的景气度进行高频Nowcasting（即时预测），其核心目标是预测上证指数的归母净利润同比增速[27] * **模型具体构建过程**：报告未提供该模型的具体构建过程和公式，仅说明其构建目标是Nowcasting上证指数归母净利润同比[27] 2. **模型名称：A股情绪指数模型**[30] * **模型构建思路**：该模型基于市场的波动率和成交额变化方向来刻画投资者情绪，并据此生成见底和见顶预警信号[30] * **模型具体构建过程**：模型将市场状态根据波动率和成交额的变化方向划分为四个象限。历史回测表明，只有在“波动率上行-成交额下行”的区间市场表现为显著负收益，其余三个区间均为显著正收益。基于此规律构建情绪指数，具体包括见底预警指数（基于价格/波动率）和见顶预警指数（基于成交量）[30][33] 3. **模型名称：指数增强组合模型**[44][51] * **模型构建思路**：构建能够跑赢特定基准指数（如中证500、沪深300）的投资组合[44][51] * **模型具体构建过程**：报告未详细说明具体的模型构建过程，但展示了根据策略模型生成的持仓明细[47][53] 4. **模型名称：主题挖掘算法**[44] * **模型构建思路**：通过分析新闻和研报文本，自动挖掘当前市场的热点主题投资机会[44] * **模型具体构建过程**：算法流程包括文本处理、主题关键词提取、主题个股关系挖掘、主题活跃周期构建、主题影响力因子构建等多个维度[44] 模型的回测效果 1. **中证500增强组合**：本周收益1.89%，跑赢基准0.91%。2020年至今，累计超额收益50.71%，最大回撤-5.73%[44] 2. **沪深300增强组合**：本周收益0.26%，跑输基准0.81%。2020年至今，累计超额收益37.70%，最大回撤-5.86%[51] 3. **A股情绪指数系统择时表现**：报告通过图表展示了该系统的历史择时表现，但未给出具体的数值指标[41] 量化因子与构建方式 1. **因子体系**：报告中提及参照BARRA因子模型，构建了十大类风格因子用于市场风格分析和组合收益归因[55] 2. **因子名称**：十大类风格因子包括市值（SIZE）、BETA、动量（MOM）、残差波动率（RESVOL）、非线性市值（NLSIZE）、估值（BTOP）、流动性（LIQUIDITY）、盈利（EARNINGS_YIELD）、成长（GROWTH）和杠杆（LVRG）[55] 3. **因子构建思路**：这些因子用于刻画股票在不同维度的风险暴露，从而解释市场收益来源和组合表现[55][61] 4. **因子具体构建过程**：报告未提供每个因子的具体计算公式和构建细节[55] 因子的回测效果 1. **近期因子表现概览**： * **表现较好的因子**：高Beta、高成长因子近期表现优异[56] * **表现不佳的因子**：残差波动率、价值等因子近期表现不佳[56] 2. **本周因子表现**： * **风格因子**：市值因子超额收益较高，残差波动率因子呈现较为显著的负向超额收益[56] * **行业因子**：电子、电力设备、有色金属等行业因子相对市场市值加权组合获得较高超额收益；消费者服务、食品饮料、商贸零售等行业因子回撤较多[56] 3. **因子相关性**：本周流动性因子分别与Beta、动量、残差波动率因子呈现明显正相关性；价值因子分别与Beta、残差波动率、流动性等因子呈现明显负相关性[56]

通胀阴云笼罩下的华尔街暗流涌动，城堡投资创始人肯·格里芬的一席话让我这个量化投资者陷入了深思。这位金融巨鳄对美国 通胀局势的判断，与我十年来观察到的市场规律不谋而合——表面数据往往掩盖着更深层的真相。 前三次反弹时，"主导动能"显示的是普通的回补行为（蓝色柱体），但缺乏"机构库存"（橙色柱体）的配合。这说明什么？很可 能是散户的自发补仓行为。而第四次反弹时，"回补"行为与持续的"机构库存"同时出现，这才是真正的机构震仓信号。 格里芬指出美国通胀率虽从9%降至2.9%，但实际仍具粘性。这让我联想到股市中的一个奇特现象：牛市中的暴跌往往比熊市更 剧烈。为何会出现这种反直觉的现象？这与格里芬揭示的通胀表象何其相似——市场总是在制造错觉。 人类天生厌恶损失的心理特征，在牛市中表现得淋漓尽致。记得2020年疫情期间的市场波动，多少人因为恐惧而在底部割肉？我 自己也曾犯过这样的错误。直到我开始用数据说话，才发现牛市中的暴跌往往暗藏玄机。 主力资金在牛市中惯用两种手法：一种是真出清，利用市场流动性好的特点快速切换仓位；另一种则是假摔洗盘，通过剧烈震荡 吓退跟风盘。这两种情况在表面走势上几乎一模一样，但背后的资金意图却截然不 ...

市场整体表现 - 本周A股市场呈现回暖态势，科创50指数以6.5%的涨幅领跑各大指数 [1] - 分析师普遍认为节后市场大概率延续上行趋势 [1] 政策与行业动态 - LPR利率维持不变，预制菜国标正在推进 [1] - 中美关系保持稳定 [1] - 钢铁行业迎来稳增长方案 [1] 机构资金行为分析 - 专业机构关注交易行为数据而非简单的股价高低 [3] - 2022年机构资金持续布局银行股，当时股价未立即上涨但机构资金活跃度维持高位 [5] - 机构资金已撤离白酒板块，导致其反弹昙花一现 [8] - 科创50指数的强势表现深层原因是机构资金在科技领域的持续布局 [8] - TMT板块被分析师看好，因量化数据显示其获得了机构资金的长期青睐 [8] 投资者行为误区 - 散户投资者在市场回暖时易陷入“踩高捧低”的怪圈，认为涨得多的股票风险大 [3] - 这种思维方式是一种认知陷阱，股价能走多远不取决于已涨幅度而在于机构资金参与意愿 [3] - 行为金融学中的“锚定效应”使人们被历史价格锚定，忽视了资金流向这一更本质的因素 [8] 投资方法论 - 投资决策不应简单以股价“高低”判断买卖时机 [8] - 应关注核心指标——机构资金的参与程度 [8] - 需要建立量化分析框架以穿透表象、直达本质 [8] - 真正的投资智慧在于跟随掌握更多信息、分析更专业的资金流向 [8]

市场行情概述 - A股和港股市场近1年迎来"924"行情 私募股票策略产品普遍实现反攻 [1] - 量化私募通过小盘股流动性行情获取超额收益 主观私募把握算力/新消费/创新药主题获得绝对收益 混合型结合量化模型与经验取得出色业绩 [1] 量化私募基金经理表现 - 符合排名规则的90位量化私募基金经理平均收益为***% 收益20强上榜门槛***% [2] - 头部私募（50亿以上规模）占10位 50亿以下规模占12位 中小规模私募进攻性更强且多集中于前10名 [2] - 翰荣投资聂守华与贺杰并列第1 上海紫杰私募曾书良/量盈投资丁鹏/云起量化施恩/杨湜资产郑彬位列2-5名 [3] - 千衍私募三位基金经理上榜 吴晶管理的5只产品近1年平均收益***% 其管理的"干衍六和6号"连续8个月实现正超额 [7] 主观私募基金经理表现 - 161位符合规则的主观私募基金经理平均收益***% 20强上榜门槛***% [8] - 头部私募仅同犇投资童驯1位 其余均属50亿以下规模 前5名为一久私募韩勇锋/沁昇基金姚勇/富延资本刘祥龙/中颖投资吴天增/兆意投资张晓明 [8] - 一久私募韩勇锋以4只产品近1年***%收益夺冠 专注成长股投资 [9] - 同犇投资童驯位列第7 3只产品近1年收益***% 2024年三季度从食品白酒转向新消费标的 [10] 混合型私募基金经理表现 - 18位符合规则的混合型私募基金经理平均收益***% 10强上榜门槛***% [10] - 头部私募占3位 其中玄元投资占2位 前5名为量利私募何振权/中闽汇金王江明/鹿秀投资么博/沐盛基金李盛柏/玄元投资孔镇宁 [11] - 量利私募何振权以3只产品近1年***%收益夺冠 拥有20年证券与产业投资经验 [13] - 玄元投资孔镇宁位列第5 6只产品近1年收益***% 曾任美国投资经理管理规模超30亿美元 [14] 公司规模分布特征 - 量化私募20强中50亿以上规模占比45%（10/22） 50亿以下占比55%（12/22） [2] - 主观私募20强中50亿以上规模仅占5%（1/20） 95%为中小型私募 [8][9] - 混合型私募10强中50亿以上规模占比30%（3/10） 70%为中小型私募 [10]

报告行业投资评级 未提及 报告的核心观点 本周（9月22日 - 9月26日）A股继续震荡，量化基金表现分化，超额多数为负，各指数表现不一，量化基金不同类型表现有差异[1][2][6] 根据相关目录分别进行总结 近一周主要指数和量化基金业绩表现 - A股继续震荡，沪深300、中证500、中证1000近一周收益率分别为1.07%、0.98%、 - 0.55%[3][6] - 量化基金表现分化，主动量化平均涨0.44%；沪深300指增、中证500指增和其他指增负超额分别为 - 0.22%、 - 0.09%和 - 0.09%，仅中证1000指增跑赢指数，平均超额为0.53%；市场中性平均下跌0.27%[4][9] 不同类型公募量化基金业绩表现 |基金类型|近一周收益率（%）|近一月收益率（%）|近三月收益率（%）|近六月收益率（%）|近一年收益率（%）|今年以来收益率（%）| | --- | --- | --- | --- | --- | --- | --- | |沪深300指数增强基金|0.85|1.58|14.41|16.51|28.39|17.37| |中证500指数增强基金|0.89|2.65|21.40|21.92|44.92|27.42| |中证1000指数增强基金|-0.01|-0.33|19.44|21.80|60.37|31.61| |其他指数增强基金|1.30|4.54|24.72|27.15|63.67|34.49| |主动量化基金|0.44|1.44|17.44|20.07|44.25|26.00| |市场中性基金|-0.27|-0.37|0.01|0.18|-0.48|0.59|[13][14][15] 不同类型公募量化基金业绩分布 - 展示各指数增强型近半年超额收益率走势、主动量化基金近半年收益率走势、市场中性基金近半年收益率走势[16][17][25] - 展示各指数增强型基金超额收益率分布、主动量化型基金收益率分布、市场中性型基金收益率分布[16][21][25] 不同类型公募量化绩优基金 - 沪深300指数增强绩优基金有华商300智选、中欧沪深300指数增强等[30] - 中证500指数增强绩优基金有申万菱信中证500优选增强、鹏华中证500指数增强等[31] - 中证1000指数增强绩优基金有国联安中证1000指数增强、华泰柏瑞中证1000增强策略ETF等[32] - 其他指数增强绩优基金有招商中证2000增强策略ETF、招商国证2000指数增强等[33] - 主动量化绩优基金有泰康半导体量化选股、九泰量化新兴产业等[34] - 市场中性绩优基金有汇添富绝对收益策略、工银绝对收益等[35]

量化模型与构建方式 1. 风格因子模型 - **模型名称**：BARRA风格因子模型[16] - **模型构建思路**：参考BARRA因子模型构建10个风格因子，以捕捉A股市场的风格变化[16] - **模型具体构建过程**：通过细分因子合成大类风格因子，细分因子构造方式及大类因子合成方式见表3[16]。具体因子构建如下： - 估值因子=BP，其中BP（Book to Price）=归母股东权益/总市值[17] - 成长因子=（SGRO+EGRO）/2，其中： - SGRO（Sales growth）：过去五个财年年报的每股营业收入按时间进行回归，将回归系数（斜率）除以每股营业收入的平均值[17] - EGRO（Earnings growth）：过去五个财年年报的每股归母净利润按时间进行回归，将回归系数（斜率）除以每股归母净利润的平均值[17] - 盈利因子=（ETOP+CETOP）/2，其中： - ETOP（Earnings-to-price ratio）：归母净利润TTM/总市值[17] - CETOP（Cash earnings-to-price ratio）：经营活动产生的现金流量净额TTM/总资产[17] - 规模因子=LNCAP，其中LNCAP（Natural log of market cap）=总市值的对数[17] - Beta因子=BETA，将个股过去252个交易日的日收益率与中证全指日收益率进行半衰指数加权回归，半衰期为63个交易日，最终取回归系数作为BETA[17] - 动量因子=RSTR，其中RSTR（Relative strength）=过去504个交易日个股累计收益率，不含最近21个交易日，收益率序列使用半衰指数加权，半衰期为126个交易日[17] - 流动性因子=（STOM+STOQ+STOA）/3，其中： - STOM（Share turnover, one month）：个股过去1个月的换手率加总，之后取对数[17] - STOQ（Average share turnover, trailing 3 months）：个股过去3个月STOM的均值[17] - STOA（Average share turnover, trailing 12 months）：个股过去12个月STOM的均值[17] - 波动性因子=（DASTD+CMRA+HSIGMA）/3，其中： - DASTD（Daily standard deviation）：过去250个交易日个股相对于所有股票等权指数的超额收益率的标准差，计算标准差时使用半衰指数加权，半衰期为40个交易日[17] - CMRA（Cumulative range）：计算个股过去12个月内的累计对数收益率，将累计最高收益与累积最低收益做差[17] - HSIGMA（Historical sigma）：计算BETA时残差的标准差[17] - 非线性市值因子=NLSIZE，将股票总市值对数的三次方与对数市值进行加权最小二乘回归，其中权重为对数市值的平方根，最终取回归残差作为NLSIZE[17] - 杠杆因子=（MLEV+DTOA+BLEV）/3，其中： - MLEV（Market leverage）：非流动负债/总市值[17] - DTOA（Debt to assets）：总负债/总资产[17] - BLEV（Book leverage）：非流动负债/归属母公司股东权益[17] 2. 中性约束条件下最大化因子暴露组合构建方法 - **模型名称**：中性约束条件下最大化因子暴露组合[22][23] - **模型构建思路**：在确保投资组合相对基准指数在行业和风格暴露保持中性的基础上，最大化目标因子在组合中的暴露[23] - **模型具体构建过程**：参考附录中的具体构建方法[23] 量化因子与构建方式 1. 估值因子 1. **因子名称**：BP[22] - 因子构建思路：衡量账面价值与市场价值的比率[22] - 因子具体构建过程：归属母公司股东权益/总市值[22] - 参考方向：正向[22] 2. **因子名称**：单季度EP[22] - 因子构建思路：衡量单季度盈利与市值的比率[22] - 因子具体构建过程：单季度归母净利润/总市值[22] - 参考方向：正向[22] 3. **因子名称**：EP_TTM[22] - 因子构建思路：衡量滚动盈利与市值的比率[22] - 因子具体构建过程：归母净利润TTM/总市值[22] - 参考方向：正向[22] 4. **因子名称**：单季度SP[22] - 因子构建思路：衡量单季度营收与市值的比率[22] - 因子具体构建过程：单季度营业收入/总市值[22] - 参考方向：正向[22] 5. **因子名称**：SP_TTM[22] - 因子构建思路：衡量滚动营收与市值的比率[22] - 因子具体构建过程：营业收入TTM/总市值[22] - 参考方向：正向[22] 6. **因子名称**：单季度CFEV[22] - 因子构建思路：衡量单季度现金流与调整市值的比率[22] - 因子具体构建过程：单季度经营活动产生的现金流量净额/（市值+短期借款+长期借款+应付债券-货币资金）[22] - 参考方向：正向[22] 7. **因子名称**：CFEV_TTM[22] - 因子构建思路：衡量滚动现金流与调整市值的比率[22] - 因子具体构建过程：经营活动产生的现金流量净额TTM/（市值+短期借款+长期借款+应付债券-货币资金）[22] - 参考方向：正向[22] 2. 成长因子 8. **因子名称**：单季度净利润同比增速[22] - 因子构建思路：衡量单季度净利润同比增长情况[22] - 因子具体构建过程：单季度归母净利润同比增长率[22] - 参考方向：正向[22] 9. **因子名称**：单季度营业收入同比增速[22] - 因子构建思路：衡量单季度营业收入同比增长情况[22] - 因子具体构建过程：单季度营业收入同比增长率[22] - 参考方向：正向[22] 10. **因子名称**：单季度营业利润同比增速[22] - 因子构建思路：衡量单季度营业利润同比增长情况[22] - 因子具体构建过程：单季度营业利润同比增长率[22] - 参考方向：正向[22] 11. **因子名称**：标准化预期外盈利[22] - 因子构建思路：衡量盈利超出预期的程度[22] - 因子具体构建过程：（当前季度归母净利润-（去年同期单度归母净利润+过去8个季度单季归母净利润同比增长均值））/过去8个季度的单季度归母净利润同比增长值的标准差[22] - 参考方向：正向[22] 12. **因子名称**：标准化预期外收入[22] - 因子构建思路：衡量收入超出预期的程度[22] - 因子具体构建过程：（当前季度营业收入-（去年同期单度营业收入+过去8个季度单季度营业收入同比增长均值））/过去8个季度的单季度营业收入同比增长值的标准差[22] - 参考方向：正向[22] 13. **因子名称**：单季度ROE同比[22] - 因子构建思路：衡量单季度ROE同比变化[22] - 因子具体构建过程：ROE单季度同比变化[22] - 参考方向：正向[22] 14. **因子名称**：单季度ROA同比[22] - 因子构建思路：衡量单季度ROA同比变化[22] - 因子具体构建过程：ROA单季度同比变化[22] - 参考方向：正向[22] 3. 质量因子 15. **因子名称**：单季度ROE[22] - 因子构建思路：衡量单季度净资产收益率[22] - 因子具体构建过程：单季度归母净利润/归属母公司股东权益[22] - 参考方向：正向[22] 16. **因子名称**：单季度ROA[22] - 因子构建思路：衡量单季度总资产收益率[22] - 因子具体构建过程：单季度归母净利润/总资产[22] - 参考方向：正向[22] 17. **因子名称**：单季度毛利率[22] - 因子构建思路：衡量单季度毛利率水平[22] - 因子具体构建过程：（单季度营业收入-单季度营业成本）/单季度营业收入[22] - 参考方向：正向[22] 18. **因子名称**：单季度营业利润率[22] - 因子构建思路：衡量单季度营业利润率水平[22] - 因子具体构建过程：单季度营业利润/单季度营业收入[22] - 参考方向：正向[22] 19. **因子名称**：单季度净利润率[22] - 因子构建思路：衡量单季度净利润率水平[22] - 因子具体构建过程：单季度归母净利润/单季度营业收入[22] - 参考方向：正向[22] 20. **因子名称**：盈余质量[22] - 因子构建思路：衡量盈余质量[22] - 因子具体构建过程：（经营活动现金流量净额-营业利润）/总资产[22] - 参考方向：正向[22] 21. **因子名称**：流动比率[22] - 因子构建思路：衡量流动性风险[22] - 因子具体构建过程：流动资产/流动负债[22] - 参考方向：正向[22] 4. 规模因子 22. **因子名称**：对数市值[22] - 因子构建思路：衡量公司规模[22] - 因子具体构建过程：总市值的对数[22] - 参考方向：负向[22] 5. 反转因子 23. **因子名称**：20日反转[22] - 因子构建思路：衡量短期反转效应[22] - 因子具体构建过程：个股过去20个交易日收益率[22] - 参考方向：负向[22] 24. **因子名称**：60日反转[22] - 因子构建思路：衡量中期反转效应[22] - 因子具体构建过程：个股过去60个交易日收益率[22] - 参考方向：负向[22] 6. 动量因子 25. **因子名称**：60日动量[22] - 因子构建思路：衡量中期动量效应[22] - 因子具体构建过程：个股过去60个交易日（排除近20日）收益率[22] - 参考方向：正向[22] 26. **因子名称**：240日动量[22] - 因子构建思路：衡量长期动量效应[22] - 因子具体构建过程：个股过去240个交易日（排除近20日）收益率[22] - 参考方向：正向[22] 27. **因子名称**：盈余公告前隔夜动量[22] - 因子构建思路：衡量盈余公告前的隔夜动量效应[22] - 因子具体构建过程：个股盈余公告前20个交易日的隔夜收益[22] - 参考方向：正向[22] 28. **因子名称**：盈余公告次日开盘跳空超额[22] - 因子构建思路：衡量盈余公告次日的开盘跳空效应[22] - 因子具体构建过程：个股盈余公告次日开盘价/昨日收盘价-中证全指次日开盘价/昨日收盘价[22] - 参考方向：正向[22] 7. 流动性因子 29. **因子名称**：20日换手率[22] - 因子构建思路：衡量短期换手率水平[22] - 因子具体构建过程：个股过去20个交易日换手率的平均值[22] - 参考方向：负向[22] 30. **因子名称**：60日换手率[22] - 因子构建思路：衡量中期换手率水平[22] - 因子具体构建过程：个股过去60个交易日换手率的平均值[22] - 参考方向：负向[22] 31. **因子名称**：20日换手率波动[22] - 因子构建思路：衡量短期换手率波动[22] - 因子具体构建过程：个股过去20个交易日换手率的标准差[22] - 参考方向：负向[22] 32. **因子名称**：60日换手率波动[22] - 因子构建思路：衡量中期换手率波动[22] - 因子具体构建过程：个股过去60个交易日换手率的标准差[22] - 参考方向：负向[22] 33. **因子名称**：20日非流动性冲击[22] - 因子构建思路：衡量短期非流动性冲击[22] - 因子具体构建过程：个股过去20个交易日的收益率绝对值/过去20日成交额的均值[22] - 参考方向：正向[22] 34. **因子名称**：60日非流动性冲击[22] - 因子构建思路：衡量中期非流动性冲击[22] - 因子具体构建过程：个股过去60个交易日的收益率绝对值/过去60日成交额的均值[22] - 参考方向：正向[22] 8. 波动性因子 35. **因子名称**：20日收益率标准差[22] - 因子构建思路：衡量短期收益波动[22] - 因子具体构建过程：个股过去20个交易日的日收益率标准差[22] - 参考方向：负向[22] 36. **因子名称**：60日收益率标准差[22] - 因子构建思路：衡量中期收益波动[22] - 因子具体构建过程：个股过去60个交易日的日收益率标准差[22] - 参考方向：负向[22] 37. **因子名称**：20日特异度[22] - 因子构建思路：衡量短期特异度[22] - 因子具体构建过程：个股过去20个交易日的日收益与Fama-French三因子回归的拟合度[22] - 参考方向：负向[22] 38. **因子名称**：60日特异度[22] - 因子构建思路：衡量中期特异度[22] - 因子具体构建过程：个股过去60个交易日的日收益与Fama-French三因子回归的拟合度[22] - 参考方向：负向[22] 39. **因子名称**：20日三因子模型残差波动率[22] - 因子构建思路：衡量三因子模型残差的短期波动[22] - 因子具体构建过程：个股过去20个交易日的日收益对Fama-French三因子回归的残差的标准差[22] - 参考方向：负向[22] 40. **因子名称**：120日三因子模型残差波动率[22] - 因子构建思路：衡量三因子模型残差的中期波动[22] - 因子具体构建过程：个股过去120个交易日的日收益对Fama-French三因子回归的残差的标准差[22] - 参考方向：负向[22] 41. **因子名称**：240日三因子模型残差波动率[22] - 因子构建思路：衡量三因子模型残差的长期波动[22] - 因子具体构建过程：个股过去240个交易日的日收益对Fama-French三因子回归的残差的标准差[22] - 参考方向：负向[22] 9. 分红因子 42. **因子名称**：股息率[22] - 因子构建思路：衡量分红收益[22] - 因子具体构建过程：最近4个季度分红/总市值[22] - 参考方向：正向[22] 10. 公司治理因子 43. **因子名称**：前五大股东持股比例[22] - 因子构建思路：衡量股权集中度[22] - 因子具体构建过程：前五大股东持股比例合计[22] - 参考方向：正向[22] 44. **因子名称**：前十大股东持股比例[22] - 因子构建思路：衡量股权集中度[22] - 因子具体构建过程：前十大股东持股比例合计[22] - 参考方向：正向[22] 11. 技术因子 45. **因子名称**：20日成交额[22] - 因子构建思路：衡量短期成交活跃度[22] - 因子具体构建过程：过去20个交易日日均成交额[22] - 参考方向：负向[22] 46. **因子名称**：60日成交额[22] - 因子构建思路：衡量中期成交活跃度[22] - 因子具体构建过程：过去60个交易日日均成交额[22] - 参考方向：负向[22] 47. **因子名称**：60日偏度[22] - 因子构建思路：衡量中期收益偏度[22] - 因子具体构建过程：过去60个交易日日度收益率数据计算的偏度[22] - 参考方向：负向[22] 48. **因子名称**：240日偏度[22] - 因子构建思路：衡量长期收益偏度[22] - 因子具体构建过程：过去240个交易日日度收益率数据计算的偏度[22] - 参考方向：负向[22] 49. **因子名称**：20日成交量变异系数[22] - 因子构建思路：衡量短期成交量波动[22] - 因子具体构建过程：过去20个交易日成交量的标准差/过去20个交易日成交量均值[22] - 参考方向：负向[22] 50. **因子名称**：60日成交量变异系数[22] - 因子构建思路：衡量中期成交量波动[22] - 因子具体构建过程：过去60个交易日成交量的标准差/过去60个交易日成交量均值[22] - 参考方向：负向[22] 51. **因子名称**：20日成交量比率[22] - 因子构建思路：衡量

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]