量化模型与构建方式 **本报告为市场跟踪周报，未涉及具体的量化模型或量化因子的构建思路、过程及评价。** 模型的回测效果 **本报告未涉及具体量化模型的回测效果指标。** 量化因子与构建方式 **本报告未涉及具体量化因子的构建思路、过程及评价。** 因子的回测效果 **本报告未涉及具体量化因子的回测效果指标。** 市场表现与数据跟踪 1. **各类量化策略收益表现**：报告跟踪了样本量化私募在主要指数增强及市场中性策略上的近期收益与超额收益[1] * 300增强策略：周/月/年初以来平均收益分别为+0.3%/-0.6%/+24.6%，平均超额分别为+0.4%/+0.3%/+6.2%[1] * 500增强策略：周/月/年初以来平均收益分别为+0.3%/-1.3%/+36.5%，平均超额分别为-0.7%/-0.4%/+12.7%[1] * A500增强策略：周/月/年初以来平均收益分别为+0.1%/-0.8%/+29.7%，平均超额分别为-0.2%/-0.2%/+7.2%[1] * 1000增强策略：周/月/年初以来平均收益分别为-0.3%/-2.1%/+39.6%，平均超额分别为-0.7%/-0.3%/+16.6%[1] * 空气指增策略：周/月/年初以来平均收益分别为-0.9%/-2.4%/+35.6%[1] * 市场中性策略：周/月/年初以来平均收益分别为-0.4%/-0.9%/+10.1%[1] 2. **风格指数相对收益**：报告展示了不同风格指数相对于中证500指数的超额收益[2] * 沪深300相对中证500：周/月/年初以来超额收益分别为-0.2%/-1.3%/-7.9%[2] * 中证1000相对中证500：周/月/年初以来超额收益分别为-0.6%/-1.7%/-2.7%[2] * 中证2000相对中证500：周/月/年初以来超额收益分别为+0.3%/-0.1%/+6.4%[2] * 微盘股相对中证500：周/月/年初以来超额收益分别为+3%/-4.4%/+42.5%[2] 3. **市场交投活跃度**：报告统计了主要宽基指数及微盘股的日均成交额及其环比变化[3] * 沪深300：周/月/年初以来日均成交额分别为4042/4187/3998亿元，环比-12.4%/-48.8%/+0.6%[3] * 中证500：周/月/年初以来日均成交额分别为2913/2855/2802亿元，环比-9.4%/-48%/+0.8%[3] * 中证1000：周/月/年初以来日均成交额分别为3624/3692/3579亿元，环比-8.3%/-44.3%/+0.5%[3] * 中证2000：周/月/年初以来日均成交额分别为4227/4385/4347亿元，环比-10.6%/-42.4%/+0.3%[3] * 微盘股：周/月/年初以来日均成交额分别为253/345/306亿元，环比-29.2%/-45.8%/+0.7%[3] 4. **行业表现**：报告列出了不同时间窗口内涨幅居前和靠后的行业[4] * 本周涨幅前三行业：日常消费零售+10.6%、可选消费零售+6.5%、消费者服务+4.8%[4] * 本周涨幅后三行业：电气设备-3.4%、半导体-3.3%、硬件设备-1.8%[4] * 本月涨幅前三行业：国防军工+9.6%、日常消费零售+6.6%、硬件设备+5.4%[4] * 本月涨幅后三行业：煤炭-7.5%、房地产-7.3%、工业贸易与综合-5.5%[4] * 年初以来涨幅前三行业：有色金属+75.5%、硬件设备+49.9%、工业贸易与综合+45.7%[4] * 年初以来涨幅后三行业：电信服务-3.3%、房地产-0.5%、食品饮料-0.4%[4] 5. **股指期货基差情况**：报告跟踪了IF、IC、IM合约的年化贴水率及其历史分位数[4] * 当月合约年化贴水：IF/IC/IM均为+0%，近一年分位数分别为21.3%/9.9%/7.3%[4] * 下季合约年化贴水：IF为+3.9%（分位数64.6%），IC为+8.5%（分位数32.8%），IM为+11.6%（分位数47.1%）[4]

量化模型与因子总结 量化因子与构建方式 1. **因子名称**：风格组相对拥挤度[123] * **因子构建思路**：通过计算两种风格指数换手率标准化值的差值及其历史分位，来衡量一种风格相对于另一种风格的交易拥挤程度[123] * **因子具体构建过程**： 1. 对于风格A和风格B，分别计算其指数的近252日平均换手率[123] 2. 将上述换手率数据在2005年1月1日至今的历史时间序列上进行Z-score标准化，得到Z-score_A与Z-score_B[123] 3. 计算二者差值：$$Diff = Z\_score\_A - Z\_score\_B$$[123] 4. 计算差值Diff的滚动6年历史分位数（历史数据量满1年且不足6年时，以全部历史数据进行计算），该分位数即为风格A相对于风格B的相对拥挤度[123] 2. **因子名称**：风格指数累计超额净值[124] * **因子构建思路**：以万得全A指数为基准，计算各风格指数相对于基准的累计超额表现，用于衡量风格的长期收益特征[124] * **因子具体构建过程**： 1. 以2020年1月4日为基准日，将各风格指数及万得全A指数的每日收盘点数除以基准日收盘点数，得到各自的累计净值[124] 2. 将各风格指数在交易日t的累计净值，除以同一交易日万得全A指数的累计净值，得到该风格指数相对于万得全A指数的累计超额净值[124] 3. **因子名称**：机构调研活跃度[125] * **因子构建思路**：通过计算板块（指数、行业）的日均机构调研次数相对于市场整体水平的标准化差异及其历史分位，来衡量机构关注度的热度[125] * **因子具体构建过程**： 1. 计算板块（指数、行业）近n个交易日的“日均机构调研次数”[125] 2. 将上述数据在滚动y年的历史时间序列上进行z-score标准化[125] 3. 将板块的标准化值与万得全A的标准化结果作差，得到“机构调研活跃度”[125] 4. 最后计算“机构调研活跃度”的滚动y年历史分位数[125] * **长期口径参数**：n取126（近半年），滚动窗口y为6年（历史数据量满3年且不足6年时，以全部历史数据进行计算）[125] * **短期口径参数**：n取63（近一季度），滚动窗口y为3年（历史数据量满1年且不足3年时，以全部历史数据进行计算）[125] 4. **因子名称**：股债风险溢价（ERP）[50] * **因子构建思路**：通过计算股票指数市盈率倒数与无风险利率（10年期国债收益率）的差值，来衡量股票市场相对于债券市场的风险溢价水平，用于评估股债性价比[50] * **因子具体构建过程**：对于特定指数，其ERP计算公式为：$$指数erp = \frac{1}{指数PE\_TTM} - 10年期中债国债到期收益率$$[50] * **因子评价**：该指标是衡量权益资产配置价值的重要参考，ERP处于历史较高分位时，通常意味着配置权益的性价比较高[50] 5. **因子名称**：滚动季度夏普率[37] * **因子构建思路**：计算万得全A指数滚动季度（约63个交易日）的夏普比率，用于衡量市场在承担单位风险下所获得的超额回报，作为市场情绪与风险的观测指标[37] * **因子评价**：该指标上升至历史极高位置通常表明市场情绪达到极端高峰，后续市场易进入震荡或调整状态；当其从高点回落时，市场回撤风险有所减弱[37] 6. **因子名称**：成交热度[26] * **因子构建思路**：使用周度日均自由流通换手率的历史分位值来衡量市场或特定板块、行业的交易活跃程度[26] * **因子具体构建过程**：成交热度 = 指定标的（如指数、行业）的周度日均自由流通换手率在其历史时间序列（报告中未明确具体区间）上的百分位值[26] 因子的回测效果 1. **风格组相对拥挤度因子**，成长vs红利相对拥挤度历史分位：68%[70]，小盘vs大盘相对拥挤度历史分位：39%[70]，微盘股vs中证800相对拥挤度历史分位：93%[70] 2. **风格指数累计超额净值因子**，成长较红利超额收益（近一周）：-2.0%[59]，小盘较大盘超额收益（近一周）：0.1%[59]，微盘股较基金重仓超额收益（近一周）：3.3%[59]，动量较反转超额收益（近一周）：-2.9%[59] 3. **股债风险溢价（ERP）因子**，万得全A指数ERP历史分位：63%[50]，沪深300指数ERP历史分位：64%[50]，中证500指数ERP历史分位：74%[50]，创业板指数ERP历史分位：87%[50] 4. **成交热度因子**，万得全A成交热度历史分位：82%[35]，消费板块成交热度历史分位：89%[35]，医药板块成交热度历史分位：67%[35]，纺织服装行业成交热度历史分位：100%[35]

点击注册小程序 查看完整报告 特别申明： 本订阅号中所涉及的证券研究信息由光大证券研究所编写，仅面向光大证券专业投资者客户，用作新媒体形势下研究 信息和研究观点的沟通交流。非光大证券专业投资者客户，请勿订阅、接收或使用本订阅号中的任何信息。本订阅号 难以设置访问权限，若给您造成不便，敬请谅解。光大证券研究所不会因关注、收到或阅读本订阅号推送内容而视相 关人员为光大证券的客户。 报告摘要 量化市场跟踪 大类因子表现： 本周全市场股票池中，估值因子和盈利因子分别获取正收益0.27%、0.25%；市值因子、非线性市值因子分 别获取负收益-0.91%、-0.51%，市场表现为小市值风格；残差波动率因子获取负收益-0.44%；其余风格因 子表现一般。 中证500股票池中，本周表现较好的因子有市净率因子(1.78%)、标准化预期外收入(1.74%)、经营现金流比 率 (1.28%)。表现较差的因子有单季度净利润同比增长率(-1.19%)、单季度营业利润同比增长率(-1.06%)、 单季度ROA同比(-0.98%)。 流动性1500股票池中，本周表现较好的因子有市盈率因子 (1.44%)、下行波动率占比 (1.24%)、市 ...

量化模型与构建方式 1. **模型名称：沪深300增强组合**；模型构建思路：基于多因子模型对沪深300指数成分股进行增强配置[5]；模型具体构建过程：报告未详细披露具体构建过程，仅提及为多因子模型 2. **模型名称：中证500增强组合**；模型构建思路：基于多因子模型对中证500指数成分股进行增强配置[5]；模型具体构建过程：报告未详细披露具体构建过程，仅提及为多因子模型 3. **模型名称：中证1000增强组合**；模型构建思路：基于多因子模型对中证1000指数成分股进行增强配置[5]；模型具体构建过程：报告未详细披露具体构建过程，仅提及为多因子模型 4. **模型名称：进取组合**；模型构建思路：未明确说明，推测为基于中证500指数的多因子增强组合[9]；模型具体构建过程：报告未详细披露具体构建过程 5. **模型名称：平衡组合**；模型构建思路：未明确说明，推测为基于中证500指数的多因子增强组合[9]；模型具体构建过程：报告未详细披露具体构建过程 6. **模型名称：绩优基金的独门重仓股组合**；模型构建思路：基于绩优基金的独门重仓股构建组合[5]；模型具体构建过程：报告未详细披露具体构建过程 7. **模型名称：盈利、增长、现金流三者兼优组合**；模型构建思路：筛选在盈利、增长、现金流三个维度均表现优异的股票构建组合[5][29]；模型具体构建过程：报告未详细披露具体构建过程 8. **模型名称：PB-盈利优选组合**；模型构建思路：结合低市净率（PB）与高盈利指标进行选股[5][31]；模型具体构建过程：报告未详细披露具体构建过程 9. **模型名称：GARP组合**；模型构建思路：采用“合理价格成长”策略，兼顾成长性与估值[34]；模型具体构建过程：报告未详细披露具体构建过程 10. **模型名称：小盘价值优选组合1**；模型构建思路：在小盘股中筛选具有价值属性的股票[9][36]；模型具体构建过程：报告未详细披露具体构建过程 11. **模型名称：小盘价值优选组合2**；模型构建思路：在小盘股中筛选具有价值属性的股票[9][38]；模型具体构建过程：报告未详细披露具体构建过程 12. **模型名称：小盘成长组合**；模型构建思路：在小盘股中筛选具有成长属性的股票[5][40]；模型具体构建过程：报告未详细披露具体构建过程 量化因子与构建方式 1. **因子名称：市值因子**；因子构建思路：衡量公司规模大小[43]；因子具体构建过程：报告未详细披露具体构建过程，通常为总市值或流通市值 2. **因子名称：PB因子**；因子构建思路：衡量估值水平，即市净率[43]；因子具体构建过程：报告未详细披露具体构建过程，通常为股价除以每股净资产 3. **因子名称：PE_TTM因子**；因子构建思路：衡量估值水平，即滚动市盈率[43]；因子具体构建过程：报告未详细披露具体构建过程，通常为股价除以过去12个月每股收益 4. **因子名称：反转因子**；因子构建思路：基于股价过去一段时间的涨跌幅，认为过去表现差的股票未来可能反弹[45]；因子具体构建过程：报告未详细披露具体构建过程，通常计算过去N期的收益率并取负值 5. **因子名称：换手率因子**；因子构建思路：衡量股票交易活跃度[45]；因子具体构建过程：报告未详细披露具体构建过程，通常为一段时间内的成交股数除以流通股数 6. **因子名称：波动率因子**；因子构建思路：衡量股票价格的波动程度[45]；因子具体构建过程：报告未详细披露具体构建过程，通常计算过去一段时间收益率的标准差 7. **因子名称：ROE因子**；因子构建思路：衡量公司的盈利能力，即净资产收益率[51]；因子具体构建过程：报告未详细披露具体构建过程，通常为净利润除以净资产 8. **因子名称：SUE因子**；因子构建思路：衡量盈利增长的超预期程度，即标准化未预期盈余[51]；因子具体构建过程：报告未详细披露具体构建过程 9. **因子名称：预期净利润调整因子**；因子构建思路：基于分析师对净利润预测的调整[51]；因子具体构建过程：报告未详细披露具体构建过程 模型的回测效果 （数据统计区间：2024年12月31日至2025年12月19日[9]） 1. 沪深300增强组合，绝对收益23.97%，超额收益7.88%，跟踪误差4.77%，最大相对回撤3.44%[9] 2. 中证500增强组合，绝对收益31.48%，超额收益6.26%，跟踪误差4.48%，最大相对回撤3.75%[9] 3. 中证1000增强组合，绝对收益28.12%，超额收益5.09%，跟踪误差4.85%，最大相对回撤5.42%[9] 4. 进取组合，绝对收益75.17%，超额收益49.95%，跟踪误差22.77%，最大相对回撤13.41%[9] 5. 平衡组合，绝对收益57.75%，超额收益32.53%，跟踪误差19.10%，最大相对回撤17.22%[9] 6. 绩优基金的独门重仓股组合，绝对收益47.60%，超额收益21.40%，跟踪误差22.76%，最大相对回撤14.64%[9] 7. 盈利、增长、现金流三者兼优组合，绝对收益92.70%，超额收益76.61%，跟踪误差18.42%，最大相对回撤11.55%[9] 8. PB-盈利优选组合，绝对收益22.97%，超额收益6.88%，跟踪误差12.66%，最大相对回撤14.55%[9] 9. GARP组合，绝对收益38.61%，超额收益22.52%，跟踪误差12.50%，最大相对回撤9.92%[9] 10. 小盘价值优选组合1，绝对收益51.82%，超额收益-28.51%，跟踪误差10.08%，最大相对回撤36.71%[9] 11. 小盘价值优选组合2，绝对收益57.03%，超额收益-23.30%，跟踪误差8.87%，最大相对回撤32.77%[9] 12. 小盘成长组合，绝对收益67.78%，超额收益-12.55%，跟踪误差12.40%，最大相对回撤28.00%[9] 因子的回测效果 （数据统计区间：2024年12月31日至2025年12月19日[44][49][52]） 1. 市值因子，全市场多空收益47.85%，沪深300多空收益4.56%，中证500多空收益1.74%，中证1000多空收益17.11%[44] 2. PB因子，全市场多空收益-9.25%，沪深300多空收益-29.15%，中证500多空收益-32.23%，中证1000多空收益-7.91%[44] 3. PE_TTM因子，全市场多空收益14.07%，沪深300多空收益-0.86%，中证500多空收益-14.06%，中证1000多空收益-4.04%[44] 4. 反转因子，全市场多空收益3.57%，沪深300多空收益-50.52%，中证500多空收益-6.39%，中证1000多空收益-4.04%[49] 5. 换手率因子，全市场多空收益34.02%，沪深300多空收益-42.25%，中证500多空收益-17.24%，中证1000多空收益6.18%[49] 6. 波动率因子，全市场多空收益11.34%，沪深300多空收益-38.07%，中证500多空收益-22.06%，中证1000多空收益-3.85%[49] 7. ROE因子，全市场多空收益2.13%，沪深300多空收益39.04%，中证500多空收益-5.64%，中证1000多空收益-7.10%[52] 8. SUE因子，全市场多空收益22.06%，沪深300多空收益58.53%，中证500多空收益18.58%，中证1000多空收益21.04%[52] 9. 预期净利润调整因子，全市场多空收益16.37%，沪深300多空收益20.46%，中证500多空收益16.48%，中证1000多空收益-2.92%[52]

钱厚翔 本报（chinatimes.net.cn）记者栗鹏菲 叶青 北京报道 在波动与风格切换频繁的市场中，如何通过系统化的模型捕捉超额收益，同时保持策略的稳健与透明， 是每一位量化基金经理必须面对的课题。 近日，《华夏时报》记者专访了永赢基金指数与量化投资部基金经理钱厚翔。在这场深度对话中，钱厚 翔不仅剖析了量化投资与主动权益投资的本质差异，更分享了其在科创100、中证500等多类指数增强产 品中的策略构建逻辑与实战思考。 量化投资的本质：不是"黑箱"，而是系统化方法论 谈及量化策略面临的挑战，钱厚翔指出，最不友好的市场环境是"发生了过往未曾出现过的极端情形， 即我们无史可鉴"。据钱厚翔回忆，2015年牛熊转换的市场考验，当时作为量化研究员，他深刻体会 到：在极端行情下，许多在常态市场中表现分散的策略可能出现高度趋同性，这对产品净值可能是致命 的。 为此，永赢基金指数与量化投资团队在策略设计阶段便采取多策略方针。"我们尽可能使策略间形成分 散效应，特别是在遇到部分极端风格逆选时，策略间依然能做到尽可能分散收益，提升产品的整体抗压 能力，并给团队更多时间针对新市场情境做策略优化。" 这一原则在他管理的不同指数 ...

量化模型与构建方式 1. **模型名称：PB-ROE-50组合** **模型构建思路：** 基于市净率（PB）和净资产收益率（ROE）两个核心指标进行选股，旨在寻找估值合理且盈利能力强的公司[23]。 **模型具体构建过程：** 报告未详细描述该组合的具体构建公式和步骤，仅提及其为基于PB和ROE的选股策略[23]。 2. **模型名称：机构调研组合（公募调研选股策略、私募调研跟踪策略）** **模型构建思路：** 利用机构调研事件作为信息源，构建选股策略[25]。 **模型具体构建过程：** 报告未详细描述该组合的具体构建公式和步骤，仅提及其为基于公募和私募调研事件的选股策略[25]。 3. **模型名称：大宗交易组合** **模型构建思路：** 基于“高成交、低波动”原则，从发生大宗交易的股票中筛选后续表现更佳的标的[29]。 **模型具体构建过程：** 报告提及该组合使用“大宗交易成交金额比率”和“6日成交金额波动率”两个指标，根据“高成交、低波动”原则，通过月频调仓方式构造组合[29]。具体公式和构建细节需参考其2023年8月5日的专题报告。 4. **模型名称：定向增发组合** **模型构建思路：** 以定向增发（定增）的股东大会公告日为事件节点，进行事件驱动选股[35]。 **模型具体构建过程：** 报告提及该组合以股东大会公告日为时间节点，综合考虑市值因素、调仓周期以及对仓位的控制来构造组合[35]。具体公式和构建细节需参考其2023年11月26日的专题报告。 模型的回测效果 1. **PB-ROE-50组合**，本周超越基准收益率（中证500）为-0.02%[24]，本周超越基准收益率（中证800）为-0.19%[24]，本周超越基准收益率（全市场）为-0.75%[24]，今年以来超额收益率（中证500）为3.12%[24]，今年以来超额收益率（中证800）为17.02%[24]，今年以来超额收益率（全市场）为19.20%[24]，本周绝对收益率为-0.03%（中证500）/-0.39%（中证800）/-0.92%（全市场）[24]，今年以来绝对收益率为29.13%（中证500）/38.56%（中证800）/44.96%（全市场）[24] 2. **机构调研组合（公募调研选股）**，本周超越基准收益率（中证800）为-0.43%[26]，今年以来超额收益率（中证800）为18.56%[26]，本周绝对收益率为-0.64%[26]，今年以来绝对收益率为40.39%[26] 3. **机构调研组合（私募调研跟踪）**，本周超越基准收益率（中证800）为-1.92%[26]，今年以来超额收益率（中证800）为17.05%[26]，本周绝对收益率为-2.12%[26]，今年以来绝对收益率为38.60%[26] 4. **大宗交易组合**，本周超越基准收益率（中证全指）为-0.68%[30]，今年以来超额收益率（中证全指）为36.76%[30]，本周绝对收益率为-0.86%[30]，今年以来绝对收益率为66.32%[30] 5. **定向增发组合**，本周超越基准收益率（中证全指）为1.46%[36]，今年以来超额收益率（中证全指）为-6.90%[36]，本周绝对收益率为1.28%[36]，今年以来绝对收益率为13.22%[36] 量化因子与构建方式 1. **因子名称：单季度ROE同比** **因子构建思路：** 衡量公司最新单季度净资产收益率相对于去年同期的增长情况，反映盈利能力的改善趋势[12]。 **因子具体构建过程：** 报告未提供具体计算公式。 2. **因子名称：单季度ROE** **因子构建思路：** 衡量公司最新单季度的净资产收益率，反映当季的盈利能力[12]。 **因子具体构建过程：** 报告未提供具体计算公式。 3. **因子名称：市盈率因子** **因子构建思路：** 使用市盈率（PE）或其倒数衡量股票的估值水平，通常认为低估值股票未来收益更高[12]。 **因子具体构建过程：** 报告未提供具体计算公式。 4. **因子名称：市净率因子** **因子构建思路：** 使用市净率（PB）或其倒数衡量股票的估值水平，通常认为低估值股票未来收益更高[14]。 **因子具体构建过程：** 报告未提供具体计算公式。 5. **因子名称：标准化预期外收入** **因子构建思路：** 衡量公司营业收入超出市场预期的程度，通常认为超预期会带来正向股价反应[14]。 **因子具体构建过程：** 报告未提供具体计算公式。 6. **因子名称：经营现金流比率** **因子构建思路：** 衡量公司经营现金流与相关财务指标（如营业收入、总资产等）的比率，反映盈利质量和财务稳健性[14]。 **因子具体构建过程：** 报告未提供具体计算公式。 7. **因子名称：下行波动率占比** **因子构建思路：** 衡量股票下行风险的大小，通常认为下行波动率低的股票风险更小[16]。 **因子具体构建过程：** 报告未提供具体计算公式。 8. **因子名称：对数市值因子** **因子构建思路：** 使用公司市值的对数来衡量公司规模，是市值因子的常见表达形式[13]。 **因子具体构建过程：** 报告未提供具体计算公式。 9. **因子名称：残差波动率因子** **因子构建思路：** 衡量剔除市场（和行业）影响后的个股特异性波动率，通常认为低特质波动的股票风险更低[18]。 **因子具体构建过程：** 报告未提供具体计算公式。 10. **因子名称：非线性市值因子** **因子构建思路：** 捕捉市值因子中非线性的部分，即市值与收益关系并非完全线性[18]。 **因子具体构建过程：** 报告未提供具体计算公式。 11. **因子名称：估值因子（大类）** **因子构建思路：** 综合了多个估值类因子（如PE、PB等）的复合因子，代表整体的估值风格暴露[1][18]。 **因子具体构建过程：** 报告未提供具体构建方法。 12. **因子名称：盈利因子（大类）** **因子构建思路：** 综合了多个盈利类因子（如ROE、ROA等）的复合因子，代表整体的盈利质量风格暴露[1][18]。 **因子具体构建过程：** 报告未提供具体构建方法。 13. **因子名称：市值因子（大类）** **因子构建思路：** 代表公司规模大小的风格因子，通常小市值公司长期表现更优[1][18]。 **因子具体构建过程：** 报告未提供具体构建方法。 14. **因子名称：BP因子** **因子构建思路：** 即市净率（PB）的倒数，是常见的估值因子[21]。 **因子具体构建过程：** 报告未提供具体计算公式。 15. **因子名称：EP因子** **因子构建思路：** 即市盈率（PE）的倒数，是常见的估值因子[21]。 **因子具体构建过程：** 报告未提供具体计算公式。 16. **因子名称：净资产增长率因子** **因子构建思路：** 衡量公司净资产的增长速度，反映公司内生增长和积累能力[21]。 **因子具体构建过程：** 报告未提供具体计算公式。 17. **因子名称：净利润增长率因子** **因子构建思路：** 衡量公司净利润的增长速度，反映盈利的增长趋势[21]。 **因子具体构建过程：** 报告未提供具体计算公式。 18. **因子名称：每股净资产因子** **因子构建思路：** 即每股净资产（BPS），是基本面因子之一[21]。 **因子具体构建过程：** 报告未提供具体计算公式。 19. **因子名称：每股经营利润TTM因子** **因子构建思路：** 衡量公司过去十二个月每股经营利润，反映主营业务盈利能力[21]。 **因子具体构建过程：** 报告未提供具体计算公式。 20. **因子名称：5日动量因子** **因子构建思路：** 衡量股票过去5日的价格走势，属于短期动量因子[22]。 **因子具体构建过程：** 报告未提供具体计算公式。 21. **因子名称：1月动量因子** **因子构建思路：** 衡量股票过去1个月的价格走势，属于中期动量因子[22]。 **因子具体构建过程：** 报告未提供具体计算公式。 22. **因子名称：流动性因子** **因子构建思路：** 衡量股票的成交活跃度或换手率，通常与流动性溢价相关[21]。 **因子具体构建过程：** 报告未提供具体计算公式。 23. **其他单因子：** 报告还列出了大量其他因子，包括但不限于：大单净流入[13]、单季度EPS[13]、5日成交量的标准差[13]、早盘后收益因子[13]、市销率TTM倒数[13]、6日成交金额的移动平均值[13]、市盈率TTM倒数[13]、5分钟收益率偏度[13]、动量调整大单[13]、动量弹簧因子[13]、营业利润率TTM[13]、日内波动率与成交金额的相关性[13]、5日平均换手率[13]、EPTTM分位点[13]、单季度ROA[13]、单季度ROA同比[13]、ROE稳定性[13]、净利润率TTM[13]、6日成交金额的标准差[13]、单季度营业收入同比增长率[13]、总资产毛利率TTM[13]、标准化预期外盈利[13]、换手率相对波动率[13]、单季度总资产毛利率[13]、小单净流入[13]、动量调整小单[13]、5日反转[13]、单季度净利润同比增长率[13]、成交量的5日指数移动平均[13]、ROA稳定性[13]、毛利率TTM[13]、ROIC增强因子[13]、早盘收益因子[13]、净利润断层[13]、单季度营业利润同比增长率[13]、总资产增长率[13]。报告均未提供这些因子的具体构建公式。 因子的回测效果 **注：** 以下因子表现数据均为“最近1周”的收益，为剔除行业与市值影响后多头组合相对于基准指数的超额收益[12]。报告提供了沪深300、中证500、流动性1500三个股票池的因子表现，此处选取各股票池中本周表现最好和最差的几个因子作为示例。完整列表请参见报告图1、图2、图3[13][15][17]。 1. **单季度ROE同比因子**，最近1周收益（沪深300）为2.31%[13] 2. **单季度ROE因子**，最近1周收益（沪深300）为1.81%[13] 3. **市盈率因子**，最近1周收益（沪深300）为1.51%[13]，最近1周收益（流动性1500）为1.44%[17] 4. **总资产增长率因子**，最近1周收益（沪深300）为-1.28%[13] 5. **单季度营业利润同比增长率因子**，最近1周收益（沪深300）为-0.83%[13] 6. **市净率因子**，最近1周收益（中证500）为1.78%[15]，最近1周收益（流动性1500）为1.17%[17] 7. **标准化预期外收入因子**，最近1周收益（中证500）为1.74%[15] 8. **经营现金流比率因子**，最近1周收益（中证500）为1.28%[15] 9. **单季度净利润同比增长率因子**，最近1周收益（中证500）为-1.19%[15]，最近1周收益（流动性1500）为-1.00%[17] 10. **单季度ROA同比因子**，最近1周收益（中证500）为-0.98%[15] 11. **下行波动率占比因子**，最近1周收益（流动性1500）为1.24%[17] 12. **单季度营业收入同比增长率因子**，最近1周收益（流动性1500）为-0.82%[17] 13. **估值因子（大类）**，最近1周收益（全市场）为0.27%[18] 14. **盈利因子（大类）**，最近1周收益（全市场）为0.25%[18] 15. **市值因子（大类）**，最近1周收益（全市场）为-0.91%[18] 16. **非线性市值因子（大类）**，最近1周收益（全市场）为-0.51%[18] 17. **残差波动率因子（大类）**，最近1周收益（全市场）为-0.44%[18]

报告核心观点 - 国信金工主动量化策略以公募主动股基为业绩基准，旨在战胜主动股基中位数，其包含的四个组合在2025年均取得了显著的超额收益，其中成长稳健组合表现最为突出[12][13] 国信金工主动量化策略近期表现 - 本周（2025.12.15-2025.12.19），股票收益中位数为0.45%，55%的股票上涨，主动股基收益中位数为-0.60%，37%的基金上涨，呈现“股强基弱”格局[2][47] - 本年（2025.1.2-2025.12.19），股票收益中位数为21.39%，80%的股票上涨，主动股基收益中位数为27.91%，97%的基金上涨[2][47] - 优秀基金业绩增强组合本周绝对收益-0.12%，相对偏股混合型基金指数超额收益0.49%，本年绝对收益28.19%，相对基准超额收益-2.35%，在3469只主动股基中排名第1681位（48.46%分位点）[1][15] - 超预期精选组合本周绝对收益-1.06%，相对基准超额收益-0.45%，本年绝对收益40.29%，相对基准超额收益9.76%，在主动股基中排名第942位（27.15%分位点）[1][15] - 券商金股业绩增强组合本周绝对收益-0.99%，相对基准超额收益-0.38%，本年绝对收益35.38%，相对基准超额收益4.85%，在主动股基中排名第1199位（34.56%分位点）[1][15] - 成长稳健组合本周绝对收益0.73%，相对基准超额收益1.34%，本年绝对收益50.88%，相对基准超额收益20.34%，在主动股基中排名第504位（14.53%分位点），表现最佳[2][15][43] 各量化组合策略简介 - 优秀基金业绩增强组合：策略从对标宽基指数转变为对标主动股基，在借鉴优秀基金持仓的基础上，采用量化方法进行增强，以达到优中选优的目的[3][48] - 超预期精选组合：以研报标题超预期与分析师全线上调净利润为条件筛选股票池，再对股票池进行基本面和技术面两个维度的精选，构建组合[4][54] - 券商金股业绩增强组合：以券商金股股票池为选股空间和约束基准，采用组合优化的方式控制组合与基准在个股、风格上的偏离[5][59] - 成长稳健组合：采用“先时序、后截面”的方式构建成长股二维评价体系，优先选择距离财报预约披露日较近的股票，并采用多因子打分精选个股，构建100只股票等权组合[6][64] 各量化组合长期历史绩效 - 优秀基金业绩增强组合在2012.1.4-2025.6.30区间内，考虑仓位及交易费用后年化收益达20.31%，相较偏股混合型基金指数年化超额11.83%，大部分年度业绩排名在股基前30%[50][53] - 超预期精选组合在2010.1.4-2025.6.30区间内，考虑仓位及交易费用后年化收益达30.55%，相较偏股混合型基金指数年化超额24.68%，每年业绩排名均在主动股基前30%[55][57] - 券商金股业绩增强组合在2018.1.2-2025.6.30区间内，考虑仓位及交易费用后年化收益为19.34%，相对偏股混合型基金指数年化超额14.38%，每年业绩排名均在主动股基前30%[60][63] - 成长稳健组合在2012.1.4-2025.6.30区间内，考虑仓位及交易费用后年化收益达35.51%，相较偏股混合型基金指数年化超额26.88%，各年度业绩排名基本在股基前30%[65][68]

为响应国家"人工智能+"行动计划，把握全球金融科技融合浪潮，北京基金小镇、北京中关村学院与中 关村人工智能研究院联合共建的"AI+金融"创新实验室已正式挂牌。 项目开创性地采用"完全公益、全程免费"的培养模式，不向学员收取任何费用，并提供必要的学习与生 活保障。同时为优秀团队提供百万元级实盘资金支持，助力学员在真实市场中锤炼能力、验证策略、创 造价值。 项目由清华大学交叉信息研究院长聘教授、博士生导师李建担任总指导，汇聚清北、北航、港科大等学 者，以及头部券商专家、百亿私募创始人、知名量化基金经理等业界实战导师，打造理论深度与实战经 验并重的教学体系。优秀团队将获得百万元级实盘资金支持；设立多项荣誉与现金激励，并提供进 入"AI+金融"创新实验室人才库机会、头部机构专属实习推荐及就业内推，以及创业项目股权投资、公 司落地、人才落户、住房保障等一站式孵化支持。 项目设置"量化策略实盘"与"金融科技项目研发"双路径培养模式，学员可结合自身兴趣与专长选择方 向。培养周期为期7个月，包括2个月集中授课与项目开发、5个月实盘验证或项目深化。课程涵盖量化 投资全景图谱，从金融数据的结构化处理与清洗，到经典多因子模型的构建 ...

以下文章来源于排排私募汇 ，作者山枫 排排私募汇 . 私募排排网出品。专注深度对话私募管理人，直击私募核心策略。用客观数据说话，以专业视角解读。在这里，读懂私募，把握投资先机。 （↑ ↑ ↑ 点击图片订阅专栏） 栏目介绍 「私募深观察」 聚焦于管理规模中等私募管理人，通过深度解析，致力于呈现其发展路径与投资内核，记录这些私募中坚力量在投研体 系、风控流程与团队建设上的特色与亮点，为读者提供多样的观察视角。 本期观察——翰荣投资。 私募排排网数据显示，截至2025年11月底， 在20-50亿规模的量化私募中，翰荣投资符合排名的3只产品今年来平均收益达***%，位列 量化私募榜榜首。 （ 点此查看收益 ） 截至11月底， 翰荣投资旗下产品"翰荣安晟进取一号B类份额"今年来超额收益达***%，位列"量化选股"产品超额收益榜十强。 （ 点此 查看收益 ） 私 募 深 观 察 0 1 公司概况 深圳翰荣私募证券基金管理有限公司专注于量化投资，利用数理统计、机器学习等方法建立力争在市场中可持续稳定战胜基准指数的量化投资策 略，致力于为机构和个人投资者提供专业的资产管理服务。公司团队核心成员毕业于卡内基梅隆大学、复旦大学、 ...

宜宾双雄的繁荣表象 最近参加"第十九届上市公司价值论坛"的调研活动让我感触颇深。漫步在五粮液生态园区，浓郁的酒香中我看到的不仅是传统产业的辉煌，更是一个数据驱 动的现代企业。作为量化投资者，我更关注的是那些隐藏在表象之下的数字真相。 五粮液年产10万吨纯粮固态原酒的生产能力和100万吨原酒的储存能力令人惊叹。但更让我感兴趣的是他们运用大数据、人工智能赋能全产业链的做法。这 与我十年来使用量化系统的理念不谋而合——数据才是市场最诚实的语言。 四川时代的智能制造车间同样令人印象深刻。"1秒产出一个电芯"的高速生产模式背后，是精准的数据控制和优化。作为量化投资者，我深知这种数据驱动 的生产方式与资本市场的运作何其相似。 消息面背后的数据真相 市场总是充斥着各种消息，特别是在"外部杠杆行情"时期。每天都有数不清的消息解释着每只股票的涨跌，散户们疲于奔命地追逐这些信息碎片。但作为一 个量化投资者，我发现这往往导致两种典型错误： 第一种是"张冠李戴"。股价和消息互相影响形成反身性效应，导致强者恒强。多数散户将股价上涨归因于消息面刺激，却忽视了机构资金早已布局的事实。 第二种是"错进错出"。当股价开始均值回归时，散户又简单 ...