报告行业投资评级 未提及 报告的核心观点 - 上周美国新发43只ETF产品，年末发行速度提升，涵盖个股杠杆、数字货币、单因子、另类、股票多空等多种类型产品 [2][5] - 过去一周美国ETF流入超400亿美元，国内股票产品流入超300亿美元，资金风险偏好较高 [2][9] - 上周股票多空等另类策略产品表现较好，规模前十的另类策略产品中部分表现出色 [2][14] - 2025年10月美国非货币公募基金总量增加，11月25日 - 12月3日当周美国国内股票基金流出超150亿美元，混合产品流出，债券基金小幅流入 [2][15] 根据相关目录分别进行总结 美国ETF创新产品：多只量化增强产品发行 - 上周美国新发43只产品，年末发行加速，含6只个股杠杆、3只数字货币相关产品，其中USCF有原油和比特币混合的2倍杠杆产品，Simplify有美股+期货策略产品 [5][6] - Motley Fool发行3只单因子ETF，分别为创新成长、价值和动量，每只持仓约150只股票 [6] - 贝莱德量化团队发行另类产品，NEOS发行股票多空产品，Hedgeye的130/30产品采用多空策略 [7] - Global X发行黄金开采商ETF，Franklin Templeton发行主动与量化结合的小盘增强ETF [7] - Sterling Capital股票期权产品多头用量化选股策略，分析传统及AI预测因子 [7] - Columbia发行6只ETF，3只债券、3只股票，股票产品为量化增强策略，半年调仓 [8] 美国ETF动态 美国ETF资金：各类资产维持流入 - 过去一周美国ETF流入超400亿美元，国内股票产品流入超300亿美元 [9] - 贝莱德标普500 ETF流出，先锋产品流入超400亿美元，两者资金流向差异超800亿美元，罗素2000、高收益债ETF流入 [11] - 各标普500 ETF资金波动大，罗索2000 ETF持续流入，黄金重回流入 [13] 美国ETF表现：股票多空等另类策略表现较好 - 上周股票多空产品发行多，近两年期货复制、多种对冲基金策略复合产品增加 [14] - 美国规模前十的另类策略产品覆盖多种策略类型，道富多策略产品、Convergence股票多空产品表现最佳 [14] 近期美国普通公募基金资金流向 - 2025年10月美国非货币公募基金总量23.70万亿美元，较9月增加0.22万亿，10月标普500上涨2.27%，国内股票型产品规模升0.9%，赎回压力大 [15] - 11月25日 - 12月3日当周美国国内股票基金流出超150亿美元，混合产品持续流出，债券基金小幅流入 [15]

12月15日，外资私募腾胜投资在内地市场启动新一轮产品募资。 资事堂获悉，此次募集由中信证券、中金财富等头部券商渠道参与代销。这也是腾胜自11月初启动相关 产品发行以来，再一次面向市场的集中募资动作。 年底的私募市场，通常进入相对安静的阶段。 但就在多数机构忙着收官、复盘、放慢节奏的时候，一个意料之外的募资动作，在渠道端显露出不同寻 常的信号。 来自渠道的信息显示，一家顶级外资头部私募，借由王牌产品在内地市场的重新展开募集，一具举进入 百亿级外资私募机构的行列。 外资量化在中国，是否终于走过了试探阶段？ 01 年末募资 在外资私募的在岸展业路径中，渠道选择本身往往比募资节奏更具信息含量。与中信证券、中金财富这 类头部机构合作，几乎是多数外资资管机构进入中国市场的"标准动作"。 据悉，此次腾胜投资募集的产品以中证500指数增强策略为主体，同时配置少量商品期货CTA策略。 通俗理解，这种组合化设计的产品中，中证500指数增强可以被看作是底盘，CTA策略担当平滑收益的 角色。 可以看出，这家外资私募并不打算完全把客户资金带进高频博弈的节奏里，而是选择一种更慢一点的打 法，即指数负责收益方向，CTA负责缓冲。 限于信 ...

核心观点 - 报告基于深度学习框架构建了AI驱动的低频指数增强策略，该策略通过整合多源特征的alpha信号和神经网络识别的风险信号，构建了针对多个核心指数的增强组合 [3][15] 本周市场指数表现 - 截至2025年11月28日当周，主要市场指数普遍上涨，其中上证指数上涨1.40%，深证成指上涨3.56%，沪深300指数上涨1.64% [8][9] - 细分指数中，中证2000指数表现最佳，周涨幅达4.99%，万得微盘股指数上涨5.72%；创业板指和科创50指数分别上涨4.54%和3.21% [9] - 行业层面，通信、电子、综合行业领涨，周收益率分别为8.70%、6.05%、4.43%；而石油石化、银行、煤炭行业表现较差，周收益率分别为-0.73%、-0.59%、-0.51% [9] - 市场整体成交活跃，中证全指日均成交额为16873.6亿元 [9] 指数增强基金绩效 - 本周（截至2025年11月28日）各指数增强基金的超额收益表现分化：沪深300指增基金超额收益中位数为0.12%，区间为-1.64%至1.93%；中证500指增基金超额收益中位数为-0.10%，区间为-2.32%至0.77%；中证1000指增基金超额收益中位数为0.20%，区间为-0.78%至1.28% [11][12] - 今年以来（截至2025年11月28日）各指增基金均取得显著正超额收益：沪深300指增基金超额收益中位数为1.92%，区间为-6.20%至10.98%；中证500指增基金超额收益中位数为2.67%，区间为-10.47%至12.80%；中证1000指增基金超额收益中位数为8.19%，区间为-3.05%至19.38% [12] 跟踪组合表现 - 策略核心是构建周度调仓、约束周单边换手率10%的低频指数增强组合，通过深度学习模型生成alpha信号，并利用神经网络识别风险信号进行组合优化 [15] 沪深300指数增强组合 - 截至2025年11月28日，该组合今年以来上涨24.6%，显著超越基准指数15.0%的涨幅，超额收益达9.5%；但本周组合上涨0.7%，略低于基准1.6%的涨幅，超额收益为-0.9% [19] - 历史回测显示（全样本期），组合年均收益为19.4%，超越基准指数（5.9%）13.5个百分点，月度胜率达78.3%，年化换手率为38.60倍 [20] 中证500指数增强组合 - 截至2025年11月28日，该组合今年以来上涨28.9%，超越基准指数22.8%的涨幅，超额收益为6.1%；本周组合上涨1.7%，低于基准3.1%的涨幅，超额收益为-1.4% [24] - 历史回测显示（全样本期），组合年均收益为24.1%，超越基准指数（7.7%）16.4个百分点，月度胜率达79.5%，年化换手率为39.98倍 [25] 中证A500指数增强组合 - 截至2025年11月28日，该组合今年以来上涨26.5%，超越基准指数18.1%的涨幅，超额收益为8.5%；本周组合上涨1.2%，低于基准2.2%的涨幅，超额收益为-1.0% [30] - 历史回测显示（全样本期），组合年均收益为18.9%，超越基准指数（3.6%）15.3个百分点，月度胜率达80.0%，年化换手率为32.65倍 [33] 中证1000指数增强组合 - 截至2025年11月28日，该组合今年以来上涨36.7%，大幅超越基准指数23.1%的涨幅，超额收益达13.6%；本周组合上涨2.9%，略低于基准3.8%的涨幅，超额收益为-0.9% [36] - 历史回测显示（全样本期），组合年均收益为30.9%，显著超越基准指数（7.3%）23.6个百分点，月度胜率高达86.7%，年化换手率为40.17倍 [37]

核心观点 - 报告基于深度学习框架构建了AI体系下的低频指数增强策略，该策略通过深度学习构建alpha和风险模型，组合周度调仓，约束周单边换手率10% [3][16] 本周市场指数表现 - 截至2025年11月21日当周，主要市场指数普遍下跌：上证指数下跌3.90%，深证成指下跌5.13%，沪深300指数下跌3.77% [8][9] - 行业表现分化显著：银行、传媒、食品饮料行业表现相对较好，周收益率分别为-0.89%、-1.25%、-1.44%；电力设备、综合、基础化工行业表现较差，周收益率分别为-10.54%、-9.18%、-7.47% [9] - 创业板指本周下跌6.15%，科创50指数下跌5.54%，北证50指数跌幅最大，达9.04% [9] 指数增强基金绩效 - 截至2025年11月21日当周，不同宽基指数增强基金超额收益中位数表现：沪深300指增为0.29%，中证500指增为0.39%，中证1000指增为0.24% [5][12] - 今年以来（截至2025年11月21日）指数增强基金超额收益中位数表现：沪深300指增为1.93%，中证500指增为2.99%，中证1000指增为7.30% [13] 跟踪组合表现（AI指数增强策略） - 策略核心方法：利用多源特征集合和堆叠多模型策略，通过异构网络的特征互补与集成算法的权重优化得到alpha信号；风险模型利用神经网络寻找长期IC均值为0且高R方的风险信号 [16] 沪深300指数增强组合 - 今年以来组合上涨23.7%，对比基准指数13.2%的涨幅，获得10.5%的超额收益；本周组合下跌3.7%，与基准指数（-3.8%）基本持平，超额收益为0.0% [5][20] - 历史表现显示策略持续有效，例如2020年超额收益达18.5%，2022年超额收益为13.9% [21] 中证500指数增强组合 - 今年以来组合上涨26.7%，对比基准指数19.1%的涨幅，获得7.7%的超额收益；本周组合下跌6.1%，略低于基准指数（-5.8%），超额收益为-0.3% [5][25] - 历史表现优异，例如2021年超额收益高达31.9% [26] 中证A500指数增强组合 - 今年以来组合上涨25.1%，对比基准指数15.6%的涨幅，获得9.5%的超额收益；本周组合下跌4.1%，优于基准指数（-4.3%），超额收益为0.1% [5][31] - 自2020年以来，该组合历年均实现正超额收益 [34] 中证1000指数增强组合 - 今年以来组合上涨32.9%，对比基准指数18.6%的涨幅，获得14.2%的超额收益，为各增强组合中最高；本周组合下跌6.2%，略低于基准指数（-5.8%），超额收益为-0.4% [5][37] - 历史超额收益显著，例如2019年和2020年超额收益均超过33% [38]

市场情绪与资金流向 - 相比年初对量化策略的狂热追捧，当前资金方态度更趋理性，部分资金开始寻求确定性更强的方向，如红利资产 [3] - 临近年末，资金较为谨慎，新增资金有限，部分机构资金进入年底结算期，资金从高位板块切换至低位估值洼地，其中很大一部分流向红利板块 [4] - 上证指数4000点成为短期压力位 [4] 红利资产的属性与配置价值 - 红利股被视为天然避险选择，因其提供更高的分红收益和稳定现金流，为持仓提供安全垫 [5] - 能提供稳定高分红的公司通常估值较低、现金流稳定，基本面有支撑，在市场下跌时更抗跌 [5] - 在市场震荡或下跌行情中，资金会流向红利板块避险，例如去年9月24日前市场低迷时期 [5] - 红利股基本面良好，偏大盘价值风格，可对冲偏进攻型风格，尤其是对主流量化选股策略在小市值风格上的暴露进行有效平衡 [6] - 红利资产可作为对冲工具，帮助平衡持仓风格特征，规避未来市场风格轮动导致的大幅回撤 [6] 行业轮动与市场环境 - 当前行业轮动强度指标自今年6月科技成长主导行情后持续走低，已处于历史低位 [6] - 对比历史，后续行情有望走向分化、轮动加强，这将凸显红利的配置价值 [8] - 板块轮动加速是避险情绪抬升的体现，在不确定市场中，资金倾向于寻找确定性更高的资产 [8] - 许多持有偏小微盘风格量化选股持仓的投资人，正寻求配置红利策略以实现"杠铃型"配置结构 [8] 红利策略的具体案例与特征 - 红利指增策略在全市场筛选大几百只高分红的股票组成选股池，再通过量化模型筛选约300只分红稳定股票持有 [8] - 策略换手率为年化双边50-60倍，长期赚取稳定分红收益及企业稳定盈利带来的持续超额 [9] 红利资产的催化因素 - 从AH股溢价结构看，传统红利行业（如银行、能源、交运）的A股溢价率普遍低于成长板块，H股折价幅度收窄至历史低位，市场预期AH溢价指数未来回升将带来估值修复和价格上涨 [10] - 今年"反内卷"政策持续推进，产能调控和行业优化供给结构，直接利好高股息的传统行业龙头 [10] 长期配置视角 - 尽管红利策略在成长风格占优时可能跑输市场，但在震荡、下跌行情或成长板块估值过高时，其防御属性和配置价值无可替代 [11] - 长期来看，私募投资人在追求收益的诉求中，越来越关注降低波动（"降波"） [11]

核心观点 - 报告核心观点为在当前市场主线不明朗的背景下，建议增配大盘价值风格，并聚焦于TMT（科技、媒体、通信）和周期性行业进行配置 [3] - 行业轮动模型已迭代至双周频率，结合量价、基本面、情绪面因子以应对多样化市场环境，2025年以来表现优于多个基准指数 [4][5] - 风格轮动模型优选指数为中证500和沪深300，兼顾中盘成长与大盘价值风格特征 [3][35] 市场环境回顾 - 截至2025年10月31日，A股月度总成交额为36.78万亿元，日均成交额较上月下降10.49%，交投活跃度略有回落 [12] - 近一月个股收益离散度为2.41%，较前一月小幅下降，但高于近半年中位水平 [12] - 行业轮动速度接近历史平均水平，风格轮动速度较上月大幅提高，显著高于2015年以来平均水平 [12] - 2025年10月因子不稳定程度突破5月以来低位，高于历史均值，市场风格波动增加，对量化选股策略影响中性偏负面 [18] 行业指数表现 - 截至2025年10月31日，煤炭、钢铁、有色金属等19个行业净值上升，煤炭行业涨幅最为突出，达10.02% [23] - 科技等板块跌幅居前，传媒、美容养护、汽车行业分别收跌6.04%、3.84%和3.58% [23] - 宽基指数中仅北证50、上证50及中证2000收涨，分别上涨3.54%、0.76%和0.34%；科创100、科创50指数领跌，小微盘风格领先 [23] 行业轮动模型优化与配置建议 - 行业轮动模型频率从月度进化为双周，构建了包括成交均价因子、行业动量alpha因子等六个因子的复合模型 [4][26] - 模型采用“大类等权、小类等权”的复合方式配置量价、基本面、情绪因子 [27][29] - 截至2025年11月07日，模型优选行业为非银金融、钢铁、传媒、有色金属、环保及通信 [30] - 非银金融、钢铁、有色金属、通信主要由基本面驱动，传媒受情绪和量价双重驱动，环保主要由量价驱动 [3][30] - 建议构建的行业ETF组合包括易方达沪深300非银ETF、国泰中证钢铁ETF、广发中证传媒ETF、南方中证申万有色金属ETF、南方中证长江保护主题ETF、国泰中证全指通信设备ETF，各占16.67%权重 [3][34] 风格轮动模型与指数增强基金 - 截至2025年10月31日，风格轮动模型优选指数为中证500和沪深300 [3][35] - 中证500在宏观因子上表现突出，体现宏观环境对中盘成长风格的偏好；沪深300受宏微观因子共同驱动，在质量因子、动量因子及货币供应方面表现亮眼 [3][35][36] - 建议关注中证500和沪深300指数增强型基金，包括国泰海通中证500A、博道中证500指数增强A、招商中证500指数增强A、中银沪深300指数增强A、汇添富沪深300基本面增强A [5][39] 模型历史表现与特色 - 行业轮动模型长期表现稳健，除2023年外均能维持相较行业均值的正超额收益 [5][42] - 2025年行业轮动模型跑赢行业等权、wind全A、沪深300、中证500和中证800等基准指数，超额收益分别为16.21%、7.97%、18.04%、6.24%、15.01% [42] - 风格轮动模型近1年、3年、5年胜率分别维持在83.33%、69.44%、71.67% [6][43] - 模型设计特色包括因子暴力衍生、筛选ICIR高且单调性强的因子、采用等权配置、引入宏观因子以及考虑产品可落地性 [40][41]

核心观点 - 报告基于深度学习框架构建了AI体系下的低频指数增强策略，涵盖沪深300、中证500和中证1000指数增强组合 [3] - 策略在alpha维度利用多源特征集合和堆叠多模型策略，在风险维度利用神经网络寻找长期IC均值为0且高R方的风险信号 [15] - 截至2025年11月7日，各指数增强组合均实现了显著的超额收益：沪深300增强组合超额收益9.5%，中证500增强组合超额收益7.3%，中证1000增强组合超额收益14.4% [5] 本周市场指数表现 - 截至2025年11月7日当周，上证指数上涨1.08%，深证成指上涨0.19%，沪深300指数上涨0.82%，红利指数和万得微盘股指数表现亮眼，分别上涨2.23%和3.44% [5][8][9] - 从行业表现看，电力设备、煤炭、石油石化行业涨幅居前，周收益率分别为4.98%、4.52%、4.47%；美容护理、计算机、医药生物行业表现较差，周收益率分别为-3.10%、-2.54%、-2.40% [9] - 主要宽基指数中，中证2000指数今年以来上涨33.35%，创业板指上涨49.80%，北证50指数本周下跌3.79% [9] 指数增强基金绩效 - 截至2025年11月7日当周，沪深300指数增强基金超额收益中位数为-0.22%，中证500指数增强基金超额收益中位数为0.04%，中证1000指数增强基金超额收益中位数为-0.32% [5][11] - 今年以来，中证1000指数增强基金表现最佳，超额收益中位数达7.60%，最小值为-3.74%，最大值为19.18% [12] - 中证500指数增强基金今年以来超额收益中位数为2.49%，沪深300指数增强基金今年以来超额收益中位数为1.62% [12] 跟踪组合表现 - 策略组合采用周度调仓，约束周单边换手率为10%，通过组合优化勾连深度学习alpha信号与风险信号 [15] - 沪深300指数增强组合全样本年化超额收益为13.6%，跟踪误差4.6%，月度胜率78.0% [20] - 中证500指数增强组合全样本年化超额收益为16.8%，跟踪误差4.9%，月度胜率79.3% [25] - 中证1000指数增强组合全样本年化超额收益为24.0%，跟踪误差5.5%，月度胜率86.6% [31]

核心观点 - 报告基于深度学习框架构建了针对沪深300、中证500和中证1000指数的增强策略，其AI体系下的低频策略在长期展现出显著的超额收益 [4][16] - 尽管长期超额收益显著，但本周（截至2025-10-24）主要指数增强策略的超额收益普遍出现回撤，其中沪深300指增组合超额收益为-1.0% [6] - 本周市场整体上涨但成交量萎缩，通信、电子等行业领涨，而指数增强基金的中位数超额收益表现分化，中证1000指增基金表现相对较好 [6][9][10][13] 本周市场指数表现 - 截至2025-10-24，本周主要市场指数普遍上涨：上证指数上涨2.88%，深证成指上涨4.73%，沪深300指数上涨3.24%，创业板指涨幅达8.05% [6][9][10] - 市场呈现缩量上涨态势，本周中证全指日均成交额为17,475.9亿元 [10] - 行业表现分化显著，通信、电子、电力设备行业周收益率分别为11.55%、8.49%、4.90%，表现最好；农林牧渔、食品饮料行业表现较差，周收益率分别为-1.36%、-0.95% [10] 指数增强基金绩效 - 本周（截至2025-10-24）指数增强基金超额收益中位数表现：沪深300指增基金为-0.08%，中证500指增基金为0.02%，中证1000指增基金为0.29% [6][13] - 今年以来（截至2025-10-24）指数增强基金超额收益中位数表现：沪深300指增基金为1.66%，中证500指增基金为2.65%，中证1000指增基金为8.77%，显示小盘股增强策略超额收益更显著 [14] - 中证1000指增基金今年以来的超额收益最大值达到19.27%，显著高于沪深300指增的13.40%和中证500指增的13.78% [14] 跟踪组合表现（策略框架） - 策略核心是使用深度学习框架构建alpha和风险模型，形成AI驱动的低频指数增强策略，组合周度调仓并约束周单边换手率为10% [16] - alpha模型利用多源特征集合和堆叠多模型策略，通过异构网络特征互补与集成算法优化得到alpha信号；风险模型利用神经网络寻找长期IC均值为0且高R方的风险信号 [16] 沪深300指数增强组合 - 截至2025-10-24，今年以来沪深300指数增强组合上涨26.5%，超越基准指数18.4%的涨幅，累计超额收益达8.1% [6][20] - 但本周组合表现落后于基准，沪深300指数上涨3.2%，而增强组合仅上涨2.3%，导致本周超额收益为-1.0% [6][20] - 全样本历史数据显示，该组合自2019年以来年均超额收益为13.5%，月度胜率达77.8%，跟踪误差为4.6% [21] 中证500指数增强组合 - 截至2025-10-24，今年以来中证500指数增强组合上涨33.2%，超越基准指数26.8%的涨幅，累计超额收益为6.4% [6][24] - 本周中证500指数上涨3.5%，增强组合上涨3.0%，本周超额收益为-0.5% [6][24] - 全样本历史数据显示，该组合自2019年以来年均超额收益为16.8%，月度胜率达79.0%，跟踪误差为4.9% [25] 中证1000指数增强组合 - 截至2025-10-24，今年以来中证1000指数增强组合上涨38.3%，显著超越基准指数24.5%的涨幅，累计超额收益高达13.8%，为三个策略中最高 [6][31] - 本周表现与基准持平，中证1000指数上涨3.3%，增强组合同样上涨3.3%，本周超额收益为0.0% [6][31] - 全样本历史数据显示，该组合自2019年以来年均超额收益达24.0%，月度胜率为86.4%，在所有策略中历史表现最优异 [32]

根据研报内容，以下是关于量化模型和因子的总结： 量化模型与构建方式 1. 成交量模型 - **模型构建思路**：基于市场成交量的变化来判断短期市场走势[9] - **模型具体构建过程**：通过分析宽基指数的成交量变化情况，构建短期择时信号[9] - **模型评价**：作为短期择时模型，对市场流动性变化较为敏感[9] 2. 低波动率模型 - **模型构建思路**：利用市场波动率特征进行择时判断[9] - **模型具体构建过程**：监测市场波动率水平，当波动率处于低位时给出相应信号[9] - **模型评价**：在低波动环境下对市场风险有较好的预警作用[9] 3. 特征龙虎榜机构模型 - **模型构建思路**：基于龙虎榜机构资金流向构建特征因子[9] - **模型具体构建过程**：跟踪机构资金在龙虎榜上的买卖行为，分析其对市场的影响[9] 4. 特征成交量模型 - **模型构建思路**：结合成交量特征进行市场判断[9] - **模型具体构建过程**：分析成交量的异常变化和模式特征[9] 5. 智能算法沪深300模型 - **模型构建思路**：应用智能算法对沪深300指数进行择时[9] - **模型具体构建过程**：采用机器学习等智能算法分析沪深300指数的价量特征[9] 6. 智能算法中证500模型 - **模型构建思路**：应用智能算法对中证500指数进行择时[9] - **模型具体构建过程**：采用机器学习等智能算法分析中证500指数的价量特征[9] 7. 涨跌停模型 - **模型构建思路**：通过涨跌停板数量变化进行中期择时[12] - **模型具体构建过程**：监控市场涨跌停个股数量和比例的变化趋势[12] 8. 月历效应模型 - **模型构建思路**：基于日历效应进行市场判断[12] - **模型具体构建过程**：分析特定时间周期（如月份）的历史表现规律[12] 9. 长期动量模型 - **模型构建思路**：利用长期动量效应进行择时[13] - **模型具体构建过程**：跟踪指数的长期价格动量趋势[13] - **模型评价**：对长期市场趋势有较好的把握能力[13] 10. A股综合兵器V3模型 - **模型构建思路**：综合多因子多周期的复合择时模型[14] - **模型具体构建过程**：集成短期、中期、长期多个模型的信号进行综合判断[14] 11. A股综合国证2000模型 - **模型构建思路**：专门针对国证2000指数的综合择时模型[14] - **模型具体构建过程**：结合多种择时方法对国证2000指数进行研判[14] 12. 成交额倒波幅模型 - **模型构建思路**：基于成交额与波动率倒数的关系进行港股择时[15] - **模型具体构建过程**：分析成交额与波动率的相对关系变化[15] 13. 形态学择时模型 - **模型构建思路**：基于技术形态识别进行择时判断[41] - **模型具体构建过程**：识别杯柄形态、双底形态等经典技术形态，监控其突破情况[44][45][48][49] - **模型评价**：对个股和指数的技术形态突破有较好的跟踪能力[41] 14. VIX指数监控模型 - **模型构建思路**：通过波动率指数判断市场情绪和风险[37] - **模型具体构建过程**：根据公开披露的VIX计算方法，复现VIX指数并进行日常监控[37] - **模型评价**：与中证指数公司历史VIX指数的相关系数达到99.2%，具有较高的准确性[37] 模型的回测效果 形态学模型表现 - **双底形态组合**：本周下跌-2.06%，相对上证综指跑赢1.37%，2020年12月31日至今累计上涨28.91%，跑赢上证综指18.88%[41] - **杯柄形态组合**：本周下跌-5.45%，相对上证综指跑输-2.02%，2020年12月31日至今累计上涨62.41%，跑赢上证综指52.38%[41] 大师策略监控 - 平台共监控33个大师系列策略，其中价值型19篇、成长型6篇、综合型8篇，用于发现组合暴露因子和设置标准[35] 量化因子与构建方式 1. 资金流向因子 - **因子构建思路**：基于主力资金净流向构建行业轮动因子[16] - **因子具体构建过程**：跟踪各行业主力资金净流入流出情况，识别资金聚集效应[16] 2. 分析师预期因子 - **因子构建思路**：利用分析师一致预期变化构建因子[20] - **因子具体构建过程**：计算分析师上调/下调个股比例，反映市场预期变化[20] 3. 基金仓位因子 - **因子构建思路**：基于基金仓位变化构建市场情绪因子[21][22] - **因子具体构建过程**：监控股票型基金和混合型基金的仓位变动及行业配置变化[21][22] 4. 超低配因子 - **因子构建思路**：利用基金超配低配情况构建行业配置因子[29][30] - **因子具体构建过程**：分析基金仓位与市值占比的差异，计算超低配比例及历史分位数[29][30] 因子的回测效果 基金仓位因子表现 - **股票型基金总仓位**：97.46%，较上周增加144个bps[21][23] - **混合型基金总仓位**：95.41%，较上周增加154个bps[21] - **机构加仓行业**：电子连续4周加仓，家电获得最大加仓[24] - **机构减仓行业**：电力设备及新能源与通信获得最大减仓，通信连续3周减仓[24] 行业推荐因子 - 下周推荐行业：综合、综合金融、纺织服装、钢铁、非银行金融[25][74]

核心观点 - 报告核心观点为指数增强策略超额收益在本周止跌反弹，尤其以中证1000指数增强表现最为亮眼 [1][6] - 策略基于深度学习框架构建AI体系下的低频指数增强模型，通过组合优化勾连深度学习alpha信号与风险信号 [4][18] 本周市场指数表现 - 截至2025-09-26，本周主要市场指数普遍上涨，上证指数上涨0.21%，深证成指上涨1.06%，沪深300上涨1.07%，科创50表现亮眼，上涨6.47% [9][10] - 行业表现分化显著，电力设备、有色金属、电子行业领涨，周收益率分别为3.86%、3.52%、3.51%；社会服务、综合、商贸零售行业表现较差，周收益率分别为-5.92%、-4.61%、-4.32% [10] 指数增强基金绩效 - 截至2025-09-26，本周中证1000指数增强基金超额收益表现最佳，中位数达0.46%，最小值为-0.34%，最大值为1.69% [14][15] - 相比之下，沪深300与中证500指数增强基金本周超额收益中位数分别为-0.22%和-0.05% [14][15] - 从今年以来表现看，中证1000指数增强基金超额收益中位数高达7.34%，显著优于沪深300的1.16%和中证500的1.34% [15] 跟踪组合表现（沪深300指数增强） - 截至2025-09-26，今年以来沪深300指数增强组合上涨22.8%，超越基准指数15.6%的涨幅，超额收益为7.2%；本周组合上涨1.2%，超额收益为0.1% [22][23] - 全样本期内（2019年以来），该组合年化超额收益为13.5%，月度胜率达78.8%，跟踪误差为4.5% [23] 跟踪组合表现（中证500指数增强） - 截至2025-09-26，今年以来中证500指数增强组合上涨29.8%，超越基准指数26.5%的涨幅，超额收益为3.3%；本周组合上涨1.3%，超额收益为0.3% [27][28] - 全样本期内（2019年以来），该组合年化超额收益为16.5%，月度胜率达80.0%，跟踪误差为4.8% [28] 跟踪组合表现（中证1000指数增强） - 截至2025-09-26，今年以来中证1000指数增强组合表现突出，上涨35.1%，超越基准指数24.2%的涨幅，超额收益达10.9%；本周基准指数下跌0.5%，但组合逆势上涨0.2%，超额收益为0.8% [33][34] - 全样本期内（2019年以来），该组合年化超额收益高达23.9%，月度胜率达86.3%，跟踪误差为5.4% [34]