国信金工指数增强组合表现 - 沪深300指数增强组合本周超额收益2.90%，本年超额收益15.46% [1][7] - 中证500指数增强组合本周超额收益-0.67%，本年超额收益10.61% [1][7] - 中证1000指数增强组合本周超额收益0.18%，本年超额收益15.26% [1][7] - 中证A500指数增强组合本周超额收益-1.39%，本年超额收益8.91% [1][7] 选股因子表现跟踪 - 沪深300成分股中单季ROE因子最近一周收益2.22%，单季ROA因子收益2.08%，DELTAROE因子收益1.73% [8] - 中证500成分股中DELTAROA因子最近一周收益1.35%，DELTAROE因子收益1.26%，单季净利同比增速因子收益1.23% [10] - 中证1000成分股中标准化预期外盈利因子最近一周收益2.26%，单季净利同比增速因子收益1.81%，DELTAROA因子收益1.77% [12] - 中证A500成分股中DELTAROE因子最近一周收益2.46%，单季ROE因子收益2.34%，DELTAROA因子收益2.17% [16] - 公募基金重仓股中预期PEG因子最近一周收益1.66%，单季ROE因子收益1.53%，标准化预期外盈利因子收益1.42% [18] 公募基金指数增强产品表现 - 沪深300指数增强产品本周超额收益最高2.81%，最低-2.40%，中位数-0.38% [20][22] - 中证500指数增强产品本周超额收益最高1.26%，最低-2.79%，中位数-0.51% [23][24] - 中证1000指数增强产品本周超额收益最高1.32%，最低-1.44%，中位数-0.06% [25] - 中证A500指数增强产品本周超额收益最高0.71%，最低-1.82%，中位数-0.51% [26][29] 产品规模统计 - 公募基金沪深300指数增强产品共70只，总规模770亿元 [19] - 中证500指数增强产品共71只，总规模432亿元 [19] - 中证1000指数增强产品共46只，总规模150亿元 [19] - 中证A500指数增强产品共52只，总规模205亿元 [19] 方法论说明 - 采用最大化单因子暴露组合（MFE）构建方式，控制行业暴露、风格暴露等约束条件 [28][31] - 公募重仓指数选取普通股票型及偏股混合型基金持仓，剔除规模小于五千万且上市不足半年的基金 [33][35] - 组合优化模型限制个股相对基准权重偏离0.5%-1%，成分股内权重占比100% [32][34]

指数增强基金市场概况 - A股市场持续回暖，两市成交额接连突破2万亿，投资热度持续攀升，指数增强赛道获得越来越多关注[5] - 截至2025年8月25日，全市场共有784只公募指增产品，今年来收益均值高达24.12%，超额收益均值为2.39%[5] - 受益于中小盘行情持续火热，中证2000指增和国证2000指增产品今年来业绩表现突出[5] 各指数增强产品表现对比 - 沪深300指增产品158只，今年来收益均值15.64%，基准收益12.72%，超额收益均值2.20%[5] - 中证500指增产品150只，今年来收益均值23.44%，基准收益20.14%，超额收益均值2.86%[10] - 中证1000指增产品88只，今年来收益均值31.63%，基准收益24.37%，超额收益均值7.19%[14] - 国证/中证2000指增产品21只，今年来收益均值39.16%，基准收益29.11%，超额收益均值10.05%[17] 沪深300指增前十强产品 - 安信量化沪深300增强A(003957)排名第一，今年来收益20.69%，基准收益12.24%，超额收益8.45%[7] - 平安沪深300指数量化增强A(005113)排名第二，今年来收益21.28%，基准收益12.91%，超额收益8.37%[9] - 易方达基金产品排名第三，今年来收益21.05%，基准收益12.91%，超额收益8.14%[7] - 安信基金施荣盛采用100%机器学习和深度学习模型，依靠概率优势和大数定律获得证券市场错误定价收益[8] 中证500指增前十强产品 - 鹏华中证500指数增强A(014344)排名第一，今年来收益30.35%，基准收益20.33%，超额收益10.02%[11] - 中欧中证500指数增强A(015453)排名第二，今年来收益29.70%，基准收益20.33%，超额收益9.37%[11] - 长城基金产品排名第三，今年来收益27.63%，基准收益20.33%，超额收益7.30%[11] - 鹏华基金苏俊杰构建AI+基本面量化模型，依托5000多个有效因子数据库，在不同指数中精选适应性组合[12][13] 中证1000指增前十强产品 - 工银中证1000指数增强A(016942)排名第一，今年来收益39.70%，基准收益24.22%，超额收益15.48%[15] - 博道中证1000指数增强A(017644)排名第二，今年来收益39.15%，基准收益24.22%，超额收益14.93%[15] - 汇添富基金产品排名第三，今年来收益39.01%，基准收益24.22%，超额收益14.79%[15] - 工银瑞信基金何顺为北京大学统计学博士，负责SmartBeta策略、指数增强策略、量化总量相关投研工作[16] 中证/国证2000指增前十强产品 - 汇添富国证2000指数增强A(019318)排名第一，今年来收益46.45%，基准收益29.11%，超额收益17.34%[18] - 鹏华国证2000指数增强A(017892)排名第二，今年来收益45.58%，基准收益29.11%，超额收益16.46%[18] - 天弘基金产品排名第三，今年来收益45.02%，基准收益29.11%，超额收益15.90%[18] - 中证2000指数展现较高波动性，高成长、高弹性特点，在牛市行情下是天然的超额沃土[17] - 汇添富基金王星星认为模型和AI只是工具，关键在于准确抓住市场非理性背后机会并系统化表达[19]

基金基本信息 - 海富通中证2000增强策略ETF（基金代码：159553）是交易型开放式指数证券投资基金，跟踪标的为中证2000指数，采用量化增强策略追求超越基准的收益表现 [1] - 基金合同生效于2024年3月27日，于2024年4月15日在深圳证券交易所上市交易，报告期末基金份额总额为9,326,751.00份，期末基金资产净值为13,652,227.11元 [1][2] - 基金管理人为海富通基金管理有限公司，基金托管人为招商银行股份有限公司，投资目标为控制日均跟踪偏离度绝对值不超过0.35%，年化跟踪误差不超过6.50% [1] 财务表现 - 2025年上半年基金实现本期利润2,070,828.34元，加权平均基金份额本期利润0.2552元，本期基金份额净值增长率为23.12% [2] - 期末基金份额净值为1.4638元，基金份额累计净值增长率为46.38%，本期加权平均净值利润率为19.70% [2] - 期末可供分配利润为4,188,284.86元，期末可供分配基金份额利润为0.4491元 [2] 业绩比较 - 过去六个月基金份额净值增长率为23.12%，同期业绩比较基准（中证2000指数收益率）为15.24%，超额收益达7.88% [3] - 过去一年基金净值增长率为59.16%，业绩比较基准收益率为47.00%，超额收益为12.16% [3] - 基金自合同生效以来累计净值增长率为46.38%，表现显著优于业绩比较基准 [3][4] 投资策略与运作 - 基金采用量化增强策略，通过多因子alpha模型预测股票超额回报，在风险控制基础上优化投资组合，同时保持对标的指数的有效跟踪 [1] - 上半年国内经济温和复苏，GDP增长保持5%以上，中证2000指数表现亮眼，上涨15.24%，中小盘风格占优 [11][12] - 基金通过量化模型优选个股，控制行业和风格暴露，在满足分散投资和合同约束前提下提升风险调整后超额收益 [12] 基金经理信息 - 基金经理李自悟具有17年证券从业经验，2024年3月起管理本基金，同时管理海富通中证500增强等多只基金 [7] - 原基金经理朱斌全于2025年6月离任，曾任基金经理助理王宁宁具有8年证券从业经验 [7][8] - 基金经理团队采用量化投资方法，积极探索新的数据源和超额来源，在选股模型、行业择时和风格配置等方面持续优化 [12] 资产配置情况 - 期末基金资产总额13,804,518.18元，其中股票投资13,336,346.20元，占资产总额的96.60% [17] - 货币资金26,961.20元，结算备付金143,026.79元，存出保证金3,926.58元，应收清算款119,464.03元 [17] - 交易性金融资产公允价值变动收益为479,995.95元，股票投资成本为12,856,350.25元 [25] 基金管理人情况 - 海富通基金管理有限公司成立于2003年4月，注册资本3亿元人民币，股东为国泰海通证券股份有限公司和法国巴黎资产管理BE控股公司 [4] - 截至2025年6月30日，海富通基金管理旗下运作的公募基金共有98只，涵盖股票型、混合型、债券型、货币市场型等多种产品类型 [5][6] - 公司建立了完善的风险管理体系，设立审计及风险管理委员会和风险管理委员会，实施三层次风险管理架构 [29] 市场展望与运作说明 - 基金管理人对下半年权益市场保持乐观，认为经济复苏态势将持续，预计GDP全年实现5%以上增速概率较大 [13] - 市场竞争格局改善，企业利润有望在下半年由负转正，产业升级将提升制造业竞争力和盈利能力 [13][14] - 市场流动性充裕，风险偏好回升，外资和交易型资金积极入场，国内权益市场正在逐步复苏 [14]

基金基本信息 - 基金名称为融通巨潮100指数证券投资基金(LOF)，基金简称为融通巨潮100指数（LOF），基金主代码为161607，基金运作方式为上市契约型开放式（LOF）[3] - 基金合同生效日为2005年5月12日，报告期末基金份额总额为473,548,612.29份，其中A/B类份额469,744,404.22份，C类份额3,804,208.07份[3] - 基金管理人为融通基金管理有限公司，基金托管人为中国工商银行股份有限公司，基金份额上市的证券交易所为深圳证券交易所，上市日期为2005年6月16日[3] 投资策略与目标 - 投资目标为控制股票投资组合相对巨潮100目标指数跟踪误差的基础上力求获得超越指数的投资收益，追求长期资本增值[3] - 投资策略采用指数化分散投资为主，辅以适度主动调整，数量化投资技术与基本面研究结合，日跟踪误差控制目标为0.5%[5] - 业绩比较基准为巨潮100指数收益率×95%加上银行同业存款利率×5%，风险收益特征为风险和预期收益率接近市场平均水平[5] 财务表现 - 报告期（2025年1月1日至6月30日）A/B类本期已实现收益9,750,489.37元，本期利润9,201,615.02元，加权平均基金份额本期利润0.0193元，本期加权平均净值利润率1.95%，本期基金份额净值增长率2.01%[5] - C类本期已实现收益65,662.43元，本期利润53,937.28元，加权平均基金份额本期利润0.0128元，本期加权平均净值利润率1.49%，本期基金份额净值增长率1.84%[5] - 期末A/B类基金资产净值477,515,976.79元，基金份额净值1.017元，C类基金资产净值3,362,471.63元，基金份额净值0.884元[5] - 过去六个月A/B类份额净值增长率2.01%，业绩比较基准收益率0.36%，超额收益1.65%；C类份额净值增长率1.84%，业绩比较基准收益率0.36%，超额收益1.48%[7] 管理人报告 - 基金经理蔡志伟自2015年2月11日任职，证券从业年限14年；基金经理熊俊杰自2024年7月18日任职，证券从业年限7年[10] - 2025年上半年巨潮100指数上涨0.34%，基金采用多因子多策略量化选股增强模型，加入新选股因子增强Alpha获取能力，风格暴露均衡偏价值[12] - 截至报告期末A/B类份额净值增长率2.01%，超越业绩基准1.65%；C类份额净值增长率1.84%，超越业绩基准1.48%[13] 市场回顾与展望 - 2025年上半年中国经济GDP增速5.3%，消费结构性改善，高端制造业高增长，出口展现韧性，但消费偏弱和地产拖累问题存在[14] - 展望2025年下半年，货币政策和财政政策持续发力，经济有望底部改善，A股估值合理偏低，配置价值较高[15] - 风格配置预计从小盘占优转向大中盘占优，成长风格有望逐渐占优，巨潮100指数聚焦大盘板块，成长价值均衡配置，长期配置价值高[15][16] 财务会计数据 - 报告期末资产总计482,232,269.83元，其中交易性金融资产453,493,222.37元（全部为股票投资），货币资金28,551,492.36元[18] - 负债合计1,353,821.41元，净资产合计480,878,448.42元，实收基金473,548,612.29元，未分配利润7,329,836.13元[18] - 本期营业总收入12,642,335.42元，其中存款利息收入47,297.91元，股票投资收益5,935,997.55元，股利收益7,201,120.80元[19]

市场结构与策略定位 - 当前市场处于哑铃行情向均衡修复阶段 资金从低估值大盘蓝筹与小微盘股两端向中段回流[1] - 中证A500指数70%成份股与沪深300重合提供基本面稳定性 30%接近中证500覆盖TMT等新兴产业具备成长弹性[1] - 指数增强策略通过精细化量化模型与动态风控捕捉超额收益 强调胜率与赔率平衡[1][2] 因子配置框架 - 采用60%基本面因子+40%量价因子的组合配置 基本面因子聚焦基本面动量与困境反转[2] - 量价因子结合人工挖掘与机器学习 非流动性冲击因子在2024年小微盘风格中表现突出[2] - 区别于私募高频交易 公募量化超额收益主要来源于因子挖掘与风控约束[2] 动态风控体系 - 风控策略由静态升级为动态 根据个股流动性、冲击成本、事件舆情与基本面强度差异化调整偏离度[2] - 对基本面优异且因子评分高的标的采取差异化管控措施 优化风险收益比[2] - 通过严格风控约束管理组合风险 避免极端风格暴露[2][4] 策略执行理念 - 坚持多因子框架下的均衡配置 不进行极端风格押注[4] - 注重不同市场环境下的胜率稳定性与回撤管理 强调长期可复用体系[4] - 量化团队14年来持续融合人工智能与行为金融学研究成果 提升策略鲁棒性与可解释性[4]

市场结构与投资策略 - 当前市场处于哑铃行情向均衡修复阶段 资金从低估值大盘蓝筹和小微盘股两端向中段回流 中证A500指数在市值风格与阿尔法空间上具备双重优势 [1][2] - 中证A500指数成份股约70%与沪深300指数重合提供基本面稳定性 约30%更接近中证500指数特色 涵盖较多TMT等新兴产业具备更高成长弹性 [2] - 基本面扎实、估值合理且尚未被充分挖掘的上市公司或迎来配置窗口 该指数在安全边际与向上空间之间形成良好均衡 [2] 量化模型构建 - 策略采用60%基本面因子+40%量价因子的组合配置 基本面因子重点关注基本面动量和困境反转 量价因子结合人工挖掘和机器学习 [3] - 非流动性冲击因子（衡量成交额对股价影响）在2023年小微盘风格阶段表现突出 因子选择根据不同指数特性差异化配置 [3] - 公募量化超额收益主要来自精细化因子挖掘和严格风控约束 与私募量化偏高频交易形成差异化 [3][4] 动态风控体系 - 风控策略由静态升级为动态 不再一刀切设定个股偏离上限 而是结合微观流动性、预估冲击成本、事件舆情与基本面强度进行动态调整 [4] - 对基本面优异且因子评分更高的标的采取差异化偏离度管控措施 优化风险收益比 实现更精细化的组合风险管理 [4] - 风控管理注重不同市场环境下的胜率稳定性与回撤控制 通过全链路模型严谨性提升策略鲁棒性 [4][6] 市场环境应对 - 近期科技板块出现极致机构抱团现象 抱团速度较2019-2021年更快 对量化策略获取超额收益提出更高要求 [5] - 策略坚持多因子框架下的均衡配置 不在风格暴露上做极端押注 通过因子选择、风控管理与交易执行的细节打磨应对市场变化 [6] - 量化投资优势在于纪律与系统 坚守经过验证的框架 通过持续吸收人工智能与行为金融学前沿研究成果提升策略可解释性 [6]

指数增强组合表现 - 沪深300指数增强组合本周超额收益-0.87%，本年累计超额收益11.58% [1][7] - 中证500指数增强组合本周超额收益-0.22%，本年累计超额收益11.11% [1][7] - 中证1000指数增强组合本周超额收益0.02%，本年累计超额收益14.85% [1][7] - 中证A500指数增强组合本周超额收益-1.49%，本年累计超额收益10.27% [1][7] 选股因子表现跟踪 - 沪深300成分股中表现较好的因子包括标准化预期外收入（周收益1.35%）、一年动量（周收益1.27%）、单季营收同比增速（周收益1.08%） [8] - 中证500成分股中表现较好的因子包括EPTTM一年分位点（周收益1.69%）、高管薪酬（周收益1.05%）、DELTAROA（周收益1.00%） [12] - 中证1000成分股中表现较好的因子包括标准化预期外收入（周收益1.76%）、三个月反转（周收益1.48%）、单季营收同比增速（周收益1.43%） [14] - 中证A500成分股中表现较好的因子包括单季营收同比增速（周收益1.43%）、三个月反转（周收益1.34%）、一年动量（周收益1.11%） [16] - 公募基金重仓股中表现较好的因子包括一年动量（周收益0.78%）、单季营利同比增速（周收益0.74%）、单季营收同比增速（周收益0.47%） [18] 公募基金指数增强产品表现 - 沪深300指数增强产品本周超额收益最高0.69%，最低-1.53%，中位数-0.57% [23] - 中证500指数增强产品本周超额收益最高0.78%，最低-1.40%，中位数-0.31% [25] - 中证1000指数增强产品本周超额收益最高1.65%，最低-0.96%，中位数0.21% [28] - 中证A500指数增强产品本周超额收益最高0.65%，最低-1.59%，中位数-0.55% [29] 产品规模统计 - 沪深300指数增强产品共70只，总规模770亿元 [20] - 中证500指数增强产品共71只，总规模432亿元 [20] - 中证1000指数增强产品共46只，总规模150亿元 [20] - 中证A500指数增强产品共52只，总规模205亿元 [20] 方法论框架 - 采用多因子选股模型构建指数增强组合，控制行业暴露、风格暴露及个股权重偏离等约束条件 [30][31][32] - 通过最大化单因子暴露组合（MFE）检验因子有效性，控制行业偏离度在±0%、市值风格暴露在±0% [32] - 公募重仓指数选取普通股票型及偏股混合型基金持仓，按权重排序取累计90%权重的股票作为成分股 [34][35]

量化模型与因子总结 量化模型与构建方式 1. **模型名称：国信金工指数增强组合模型**[12] **模型构建思路**：以多因子选股为主体，构建对标不同基准指数的增强组合，力求稳定战胜基准[11] **模型具体构建过程**：构建流程主要包括收益预测、风险控制和组合优化三块，分别以沪深300、中证500、中证1000及中证A500指数为基准构建指数增强组合[12] 2. **模型名称：单因子MFE组合模型**[15][39] **模型构建思路**：采用组合优化的方式来检验控制了各种实际约束后单因子的有效性，通过最大化单因子暴露组合来检验因子有效性[39] **模型具体构建过程**：采用组合优化模型构建最大化单因子暴露组合，目标函数为最大化单因子暴露，约束条件包括风格暴露、行业暴露、个股权重偏离、成分股内权重占比、个股权重上下限等[39][40] 优化模型公式为： $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ 其中，f为因子取值，w为待求解的股票权重向量，wb为基准指数成分股的权重向量，X为股票对风格因子的因子暴露矩阵，H为股票的行业暴露矩阵，Bb为个股是否属于基准指数成分股的0-1向量，sl、sh、hl、hh、wl、wh、bl、bh、l为各种约束条件的上下限[40] 具体构建过程包括：设定约束条件，在每个月末构建每个单因子的MFE组合，在回测期内换仓并计算收益风险统计指标[43] 3. **模型名称：公募重仓指数模型**[41][42] **模型构建思路**：以公募基金的持股信息构建公募重仓指数，测试因子在“机构风格”下的有效性[41] **模型具体构建过程**：选样空间为普通股票型基金和偏股混合型基金，剔除规模小于五千万且上市时间不足半年的基金，通过基金定期报告获取持股信息，将符合条件基金的持仓股票权重平均获得公募基金平均持仓信息，选取累计权重达到90%的股票作为成分股构建指数[42] 模型的回测效果 1. **国信金工指数增强组合模型**，本周超额收益-0.87%，本年超额收益11.58%[5][14] 2. **国信金工指数增强组合模型**，本周超额收益-0.22%，本年超额收益11.11%[5] 3. **国信金工指数增强组合模型**，本周超额收益0.02%，本年超额收益14.85%[5] 4. **国信金工指数增强组合模型**，本周超额收益-1.49%，本年超额收益10.27%[5] 量化因子与构建方式 1. **因子名称：BP**[17] **因子构建思路**：估值因子[17] **因子具体构建过程**：净资产/总市值[17] 2. **因子名称：单季EP**[17] **因子构建思路**：估值因子[17] **因子具体构建过程**：单季度归母净利润/总市值[17] 3. **因子名称：单季SP**[17] **因子构建思路**：估值因子[17] **因子具体构建过程**：单季度营业收入/总市值[17] 4. **因子名称：EPTTM**[17] **因子构建思路**：估值因子[17] **因子具体构建过程**：归母净利润TTM/总市值[17] 5. **因子名称：SPTTM**[17] **因子构建思路**：估值因子[17] **因子具体构建过程**：营业收入TTM/总市值[17] 6. **因子名称：EPTTM分位点**[17] **因子构建思路**：估值因子[17] **因子具体构建过程**：EPTTM在过去一年中的分位点[17] 7. **因子名称：股息率**[17] **因子构建思路**：估值因子[17] **因子具体构建过程**：最近四个季度预案分红金额/总市值[17] 8. **因子名称：一个月反转**[17] **因子构建思路**：反转因子[17] **因子具体构建过程**：过去20个交易日涨跌幅[17] 9. **因子名称：三个月反转**[17] **因子构建思路**：反转因子[17] **因子具体构建过程**：过去60个交易日涨跌幅[17] 10. **因子名称：一年动量**[17] **因子构建思路**：动量因子[17] **因子具体构建过程**：近一年除近一月后动量[17] 11. **因子名称：单季净利同比增速**[17] **因子构建思路**：成长因子[17] **因子具体构建过程**：单季度净利润同比增长率[17] 12. **因子名称：单季营收同比增速**[17] **因子构建思路**：成长因子[17] **因子具体构建过程**：单季度营业收入同比增长率[17] 13. **因子名称：单季营利同比增速**[17] **因子构建思路**：成长因子[17] **因子具体构建过程**：单季度营业利润同比增长率[17] 14. **因子名称：SUE**[17] **因子构建思路**：成长因子[17] **因子具体构建过程**：（单季度实际净利润-预期净利润）/预期净利润标准差[17] 15. **因子名称：SUR**[17] **因子构建思路**：成长因子[17] **因子具体构建过程**：（单季度实际营业收入-预期营业收入）/预期营业收入标准差[17] 16. **因子名称：单季超预期幅度**[17] **因子构建思路**：成长因子[17] **因子具体构建过程**：预期单季度净利润/财报单季度净利润[17] 17. **因子名称：单季ROE**[17] **因子构建思路**：盈利因子[17] **因子具体构建过程**：单季度归母净利润*2/（期初归母净资产+期末归母净资产）[17] 18. **因子名称：单季ROA**[17] **因子构建思路**：盈利因子[17] **因子具体构建过程**：单季度归母净利润*2/（期初归母总资产+期末归母总资产）[17] 19. **因子名称：DELTAROE**[17] **因子构建思路**：盈利因子[17] **因子具体构建过程**：单季度净资产收益率-去年同期单季度净资产收益率[17] 20. **因子名称：DELTAROA**[17] **因子构建思路**：盈利因子[17] **因子具体构建过程**：单季度总资产收益率-去年同期单季度总资产收益率[17] 21. **因子名称：非流动性冲击**[17] **因子构建思路**：流动性因子[17] **因子具体构建过程**：过去20个交易日的日涨跌幅绝对值/成交额的均值[17] 22. **因子名称：一个月换手**[17] **因子构建思路**：流动性因子[17] **因子具体构建过程**：过去20个交易日换手率均值[17] 23. **因子名称：三个月换手**[17] **因子构建思路**：流动性因子[17] **因子具体构建过程**：过去60个交易日换手率均值[17] 24. **因子名称：特异度**[17] **因子构建思路**：波动因子[17] **因子具体构建过程**：1-过去20个交易日Fama-French三因子回归的拟合度[17] 25. **因子名称：一个月波动**[17] **因子构建思路**：波动因子[17] **因子具体构建过程**：过去20个交易日日内真实波幅均值[17] 26. **因子名称：三个月波动**[17] **因子构建思路**：波动因子[17] **因子具体构建过程**：过去60个交易日日内真实波幅均值[17] 27. **因子名称：高管薪酬**[17] **因子构建思路**：公司治理因子[17] **因子具体构建过程**：前三高管报酬总额取对数[17] 28. **因子名称：预期EPTTM**[17] **因子构建思路**：分析师因子[17] **因子具体构建过程**：一致预期滚动EP[17] 29. **因子名称：预期BP**[17] **因子构建思路**：分析师因子[17] **因子具体构建过程**：一致预期滚动PB[17] 30. **因子名称：预期PEG**[17] **因子构建思路**：分析师因子[17] **因子具体构建过程**：一致预期PEG[17] 31. **因子名称：预期净利润环比**[17] **因子构建思路**：分析师因子[17] **因子具体构建过程**：一致预期净利润/3个月前一致预期净利润[17] 32. **因子名称：三个月盈利上下调**[17] **因子构建思路**：分析师因子[17] **因子具体构建过程**：过去3个月内分析师（上调家数-下调家数）/总家数[17] 33. **因子名称：三个月机构覆盖**[17] **因子构建思路**：分析师因子[17] **因子具体构建过程**：过去3个月内机构覆盖数量[17] 34. **因子名称：标准化预期外收入**[19] **因子构建思路**：成长因子[19] **因子具体构建过程**：未在文档中详细说明，但参考SUE和SUR，可能为（单季度实际营业收入-预期营业收入）/预期营业收入标准差[17][19] 35. **因子名称：标准化预期外盈利**[19] **因子构建思路**：成长因子[19] **因子具体构建过程**：未在文档中详细说明，但参考SUE和SUR，可能为（单季度实际净利润-预期净利润）/预期净利润标准差[17][19] 因子的回测效果 1. **标准化预期外收入因子**，最近一周1.35%，最近一月3.78%，今年以来8.35%，历史年化4.81%[19] 2. **一年动量因子**，最近一周1.27%，最近一月1.98%，今年以来-1.17%，历史年化2.15%[19] 3. **单季营收同比增速因子**，最近一周1.08%，最近一月3.86%，今年以来11.82%，历史年化4.52%[19] 4. **单季营利同比增速因子**，最近一周0.99%，最近一月2.49%，今年以来10.53%，历史年化3.40%[19] 5. **三个月反转因子**，最近一周0.53%，最近一月-0.97%，今年以来3.85%，历史年化1.04%[19] 6. **DELTAROA因子**，最近一周0.49%，最近一月2.54%，今年以来9.15%，历史年化4.47%[19] 7. **单季净利同比增速因子**，最近一周0.48%，最近一月2.71%，今年以来9.66%，历史年化3.59%[19] 8. **标准化预期外盈利因子**，最近一周0.39%，最近一月2.87%，今年以来9.33%，历史年化4.37%[19] 9. **三个月机构覆盖因子**，最近一周0.27%，最近一月1.30%，今年以来7.51%，历史年化3.06%[19] 10. **三个月盈利上下调因子**，最近一周0.24%，最近一月1.28%，今年以来5.21%，历史年化5.49%[19] 11. **DELTAROE因子**，最近一周0.07%，最近一月2.58%，今年以来10.00%，历史年化4.08%[19] 12. **单季ROA因子**，最近一周-0.05%，最近一月3.33%，今年以来8.74%，历史年化3.81%[19] 13. **单季ROE因子**，最近一周-0.29%，最近一月2.50%，今年以来9.35%，历史年化4.53%[19] 14. **预期PEG因子**，最近一周-0.33%，最近一月1.37%，今年以来7.32%，历史年化3.45%[19] 15. **预期净利润环比因子**，最近一周-0.38%，最近一月-0.16%，今年以来2.16%，历史年化1.59%[19] 16. **一个月反转因子**，最近一周-0.39%，最近一月-1.49%，今年以来2.80%，历史年化-0.17%[19] 17. **单季超预期幅度因子**，最近一周-0.44%，最近一月1.12%，今年以来5.82%，历史年化3.69%[19] 18. **单季SP因子**，最近一周-0.54%，最近一月-0.91%，今年以来-0.38%，历史年化2.86%[19] 19. **EPTTM年分位点因子**，最近一周-0.60%，最近一月-0.24%，今年以来5.55%，历史年化2.45%[19] 20. **特异度因子**，最近一周-0.64%，最近一月-2.04%，今年以来2.29%，历史年化0.26%[19] 21. **SPTTM因子**，最近一周-0.69%，最近一月-1.03%，今年以来-1.92%，历史年化2.05%[19] 22. **非流动性冲击因子**，最近一周-0.77%，最近一月-2.15%，今年以来-1.61%，历史年化0.29%[19] 23. **高管薪酬因子**，最近一周-0.88%，最近一月0.26%，今年以来3.88%，历史年化3.43%[19] 24. **BP因子**，最近一周-0.89%，最近一月-1.61%，今年以来-0.80%，历史年化2.67%[19] 25. **三个月换手因子**，最近一周-0.92%，最近一月-1.49%，今年以来-2.85%，历史年化2.80%[19] 26. **预期BP因子**，最近一周-0.96%，最近一月-1.32%，今年以来0.38%，历史年化3.36%[19] 27. **预期EPTTM因子**，最近一周-0.97%，最近一月-0.48%，今年以来3.65%，历史年化3.96%[19] 28. **一个月波动因子**，最近一周-1.00%，最近一月-3.36%，今年以来-2.46%，历史年化0.98%[19] 29. **三个月波动因子**，最近一周-1.08%，最近一月-3.35%，今年以来-2.75%，历史年化1.91%[19] 30. **股息率因子**，最近一周-1.10%，最近一月-0.58%，今年以来1.10%，历史年化3.76%[19] 31. **一个月换手因子**，最近一周-1.12%，最近一月-1.68%，今年以来-3.54%，历史年化1.64%[19] 32. **单季EP因子**，最近一周-1.23%，最近一月-0.70%，今年以来4.46%，历史极差5.28%[19] 33. **EPTTM因子**，最近一周-1.35%，最近一月-0.46%，今年以来2.92%，历史年化4.37%[19]

量化模型与因子总结 量化因子与构建方式 1. 因子名称：ROE稳定性筛选因子 - **因子构建思路**：通过综合盈利、成长、杠杆三个维度的历史波动水平，提升高ROE组合未来维持高ROE水平的概率[27][28] - **因子具体构建过程**： 1. 计算三个子因子： - 成长稳定性：营收环比增速的波动 - 杠杆稳定性：有息债务比总资产的比率波动 - ROE稳定性：ROE本身的波动 2. 将三个子因子标准化后等权求和[27] - **因子评价**：能有效降低高ROE股票ROE下滑的概率，提升未来维持高ROE水平的占比[28][38] 2. 因子名称：红利增长筛选因子 - **因子构建思路**：通过多视角预测分红金额增长，构建对分红增长有预测性的因子[49][51] - **因子具体构建过程**： 1. 构建两个视角的子因子： - 视角1：红利支付偏离、卖方预测家数、预期净利润增长、最新财报数据增长，标准化并求和 - 视角2：分红金额增长、卖方预测家数、预期净利润增长、最新财报数据增长，标准化并求和 2. 取两个视角子因子的最大值[51] - **因子评价**：相比单纯的红利因子拼盘成长因子更好，对股息率的提升较为稳定[54] 3. 因子名称：低估值筛选因子 - **因子构建思路**：通过估值因子对未来股息率的预测能力，改进红利因子[55][57] - **因子具体构建过程**： 1. 检测各因子对未来股息率的预测能力，发现历史股息率和估值因子预测效果较好 2. 将股息率与低估值相结合，从高股息率股票中筛选出估值水平相对较低的个股[56][57] - **因子评价**：相比红利增长方法没有参杂成长因子，改进幅度不大但在逻辑上合理[60] 4. 因子名称：净利润增长筛选因子 - **因子构建思路**：通过反向剔除未来可能难以实现净利润增长或分析师预期下调的股票，改进成长因子[70] - **因子具体构建过程**： 1. 在每期入选的100只高成长因子股票中，剔除触发以下任一条件的股票： - 一致预期FY1小于等于0 - FY1为空值 - 近4周出现一致预期下调 - 近13周出现一致预期下调 - 近26周出现一致预期下调 2. 筛选出FY1>0，且近4周、13周和26周FY1变化均未下降的股票[70] - **因子评价**：在保留成长因子高进攻性的同时，实现了长期收益的进一步提升[73] 5. 因子名称：量价因子组合 - **因子构建思路**：选取表现最佳的低波动、低流动性和动量三个量价因子进行组合[95][100] - **因子具体构建过程**： 1. 选择低波动性、动量和流动性三个量价因子 2. 进行等权构建[100] - **因子评价**：在分组收益的单调性和多空差异上表现较好[95] 量化模型与构建方式 1. 模型名称：层层递进选股模型 - **模型构建思路**：先根据基本面因子构建初始股票池，再在该股票池内进一步进行筛选与选股[38] - **模型具体构建过程**： 1. 根据ROE_ttm在股票池中筛选出前100只股票 2. 根据财务稳定性选择因子得分靠前的50只股票构建组合 3. 组合内个股等权[38] 2. 模型名称：改进三因子拼盘模型 - **模型构建思路**：将改进后的红利、盈利和成长因子组合进行并集处理，整合三个基本面方向的因子改进成果[81] - **模型具体构建过程**： 1. 对现有红利、盈利和成长因子在层层递进改进筛选后的组合进行并集处理 2. 经过三种改进因子组合取并集后，在沪深300和中证500中的整体股票数量平均约为120只[81] 3. 模型名称：基本面+量价层层递进选股模型 - **模型构建思路**：在三因子拼盘股票池基础上，进一步通过量价因子选取因子值领先的股票[100] - **模型具体构建过程**： 1. 以三因子拼盘股票池为基础 2. 在每期拼盘因子股票中，通过量价因子月频选取因子值领先的75只股票[100] 4. 模型名称：75+25基本面量化拼盘模型 - **模型构建思路**：在全市场范围内按量价因子优选股票，再与基本面筛选股票拼合[109][112] - **模型具体构建过程**： 1. 在全市场范围内按量价因子优选25只股票 2. 与当前的75只基本面筛选股票拼合，构建一个由100只股票组成的增强组合[109][112] 模型的回测效果 1. 改进三基本面因子选股拼盘模型 - 收益率：135.16%（沪深300），97.38%（中证500） - 年化收益率：9.34%（沪深300），7.36%（中证500） - 年化波动率：19.25%（沪深300），21.37%（中证500） - 夏普比率：0.49（沪深300），0.34（中证500） - 最大回撤：33.00%（沪深300），30.86%（中证500）[86] 2. 三因子拼盘+量价选股75只模型 - 收益率：184.91%（沪深300），131.22%（中证500） - 年化收益率：11.55%（沪深300），9.15%（中证500） - 年化波动率：18.67%（沪深300），20.50%（中证500） - 夏普比率：0.62（沪深300），0.45（中证500） - 最大回撤：30.24%（沪深300），30.61%（中证500） - 年化跟踪误差：5.09%（沪深300），7.24%（中证500）[128] 3. 75+25基本面量化拼盘模型 - 收益率：267.51%（沪深300），227.24%（中证500） - 年化收益率：14.56%（沪深300），13.18%（中证500） - 年化波动率：19.31%（沪深300），21.42%（中证500） - 夏普比率：0.75（沪深300），0.62（中证500） - 最大回撤：29.43%（沪深300），31.32%（中证500） - 年化跟踪误差：6.77%（沪深300），6.84%（中证500）[128] 因子的回测效果 1. ROE稳定性筛选因子 - 基本面预测胜率改进效果：从78.03%提升到86.28%（沪深300），从78.72%提升到86.55%（中证500）[37] 2. 红利增长筛选因子 - 基本面预测胜率改进效果：从54.90%提升到73.24%（沪深300），从40.14%提升到54.28%（中证500）[51] 3. 净利润增长筛选因子 - 基本面预测胜率改进效果：从83.38%提升到92.88%（沪深300），从80.21%提升到90.13%（中证500）[69]

指数增强产品表现 - 今年以来指数增强产品线超额收益中位数相较去年显著提升 [1] - 中证1000指增产品超额收益表现突出 中证500指增产品次之 [1] 超额收益归因分析 - 市场不同板块轮动加速推动超额收益表现 [1] - 小微盘整体活跃度提升贡献超额收益 [1] 大小盘风格周期特征 - 中国市场存在明显的大小盘轮动周期 [1] - 当前小盘占优周期自2021年持续 期间仅2024年出现阶段性风格再平衡 [1] - 整体小盘股相对大盘股保持优势地位 [1] 指数配置考量因素 - 中长期指数盈利能力和成长性是核心参考指标 [1] - 短期估值水平和市场情绪因素需同步考量 [1]