量化模型与构建方式 1. 模型名称：沪深300指数增强组合 - 模型构建思路：通过增强组合策略，获取超额收益[91] - 模型具体构建过程：基于沪深300指数，采用多因子选股策略，构建增强组合[91] - 模型评价：该模型在今年以来表现出色，超额收益显著[91] 2. 模型名称：中证500指数增强组合 - 模型构建思路：通过增强组合策略，获取超额收益[91] - 模型具体构建过程：基于中证500指数，采用多因子选股策略，构建增强组合[91] - 模型评价：该模型在今年以来表现出色，超额收益显著[91] 3. 模型名称：中证1000指数增强组合 - 模型构建思路：通过增强组合策略，获取超额收益[91] - 模型具体构建过程：基于中证1000指数，采用多因子选股策略，构建增强组合[91] - 模型评价：该模型在今年以来表现出色，超额收益显著[91] 4. 模型名称：中证2000指数增强组合 - 模型构建思路：通过增强组合策略，获取超额收益[91] - 模型具体构建过程：基于中证2000指数，采用多因子选股策略，构建增强组合[91] - 模型评价：该模型在今年以来表现出色，超额收益显著[91] 5. 模型名称：“预期惯性”组合 - 模型构建思路：通过分析师预期与动量、估值之间的关系，构建预期类因子[130] - 模型具体构建过程：基于分析师预期数据，构建预期惯性因子，进行多空对冲和多头超额策略[130] - 模型评价：该模型在今年以来表现出色，净值稳定向上[130] 模型的回测效果 1. 沪深300指数增强组合 - 8月绝对收益：-3.09%[100] - 8月超额收益：0.12%[100] - 今年以来绝对收益：3.58%[100] - 今年以来超额收益：6.48%[100] - 最近一年绝对收益：-8.60%[100] - 最近一年超额收益：7.43%[100] 2. 中证500指数增强组合 - 8月绝对收益：-3.10%[100] - 8月超额收益：0.30%[100] - 今年以来绝对收益：-7.92%[100] - 今年以来超额收益：5.14%[100] - 最近一年绝对收益：-17.37%[100] - 最近一年超额收益：4.25%[100] 3. 中证1000指数增强组合 - 8月绝对收益：-3.98%[100] - 8月超额收益：-0.16%[100] - 今年以来绝对收益：-18.08%[100] - 今年以来超额收益：2.04%[100] - 最近一年绝对收益：-25.22%[100] - 最近一年超额收益：1.54%[100] 4. 中证2000指数增强组合 - 8月绝对收益：-2.62%[100] - 8月超额收益：0.30%[100] - 今年以来绝对收益：-23.08%[100] - 今年以来超额收益：2.57%[100] - 最近一年绝对收益：-21.61%[100] - 最近一年超额收益：3.84%[100] 5. “预期惯性”组合 - 8月绝对收益：-1.97%[100] - 8月超额收益：1.43%[100] - 今年以来绝对收益：-16.50%[100] - 今年以来超额收益：-3.44%[100] - 最近一年绝对收益：-23.61%[100] - 最近一年超额收益：-1.99%[100] 量化因子与构建方式 1. 因子名称：适度冒险因子 - 因子的构建思路：基于成交量激增时刻的alpha信息[114] - 因子具体构建过程：通过高频数据计算成交量激增时刻的alpha信息，并进行月度频率平滑处理[114] - 因子评价：该因子在月度频率上有较为出色的选股能力[114] 2. 因子名称：完整潮汐因子 - 因子的构建思路：基于个股成交量的潮汐变化[114] - 因子具体构建过程：通过高频数据计算个股成交量的潮汐变化，并进行月度频率平滑处理[114] - 因子评价：该因子在月度频率上有较为出色的选股能力[114] 3. 因子名称：勇攀高峰因子 - 因子的构建思路：基于个股波动率的变动[114] - 因子具体构建过程：通过高频数据计算个股波动率的变动，并进行月度频率平滑处理[114] - 因子评价：该因子在月度频率上有较为出色的选股能力[114] 4. 因子名称：球队硬币因子 - 因子的构建思路：基于个股动量效应的识别[114] - 因子具体构建过程：通过日频数据计算个股动量效应，并进行月度频率平滑处理[114] - 因子评价：该因子在月度频率上有较为出色的选股能力[114] 5. 因子名称：云开雾散因子 - 因子的构建思路：基于波动率的波动率与投资者模糊性厌恶[114] - 因子具体构建过程：通过高频数据计算波动率的波动率，并进行月度频率平滑处理[114] - 因子评价：该因子在月度频率上有较为出色的选股能力[114] 6. 因子名称：飞蛾扑火因子 - 因子的构建思路：基于个股股价跳跃及其对振幅因子的改进[114] - 因子具体构建过程：通过高频数据计算个股股价跳跃，并进行月度频率平滑处理[114] - 因子评价：该因子在月度频率上有较为出色的选股能力[114] 7. 因子名称：草木皆兵因子 - 因子的构建思路：基于显著效应、极端收益扭曲决策权重[114] - 因子具体构建过程：通过高频数据计算显著效应和极端收益，并进行月度频率平滑处理[114] - 因子评价：该因子在月度频率上有较为出色的选股能力[114] 8. 因子名称：水中行舟因子 - 因子的构建思路：基于个股成交额的市场跟随性[114] - 因子具体构建过程：通过高频数据计算个股成交额的市场跟随性，并进行月度频率平滑处理[114] - 因子评价：该因子在月度频率上有较为出色的选股能力[114] 9. 因子名称：花隐林间因子 - 因子的构建思路：基于推动个股价格变化的因素分解[114] - 因子具体构建过程：通过高频数据计算推动个股价格变化的因素，并进行月度频率平滑处理[114] - 因子评价：该因子在月度频率上有较为出色的选股能力[114] 10. 因子名称：待著而救因子 - 因子的构建思路：基于大单成交后的跟随效应[114] - 因子具体构建过程：通过高频数据计算大单成交后的跟随效应，并进行月度频率平滑处理[114] - 因子评价：该因子在月度频率上有较为出色的选股能力[114] 11. 因子名称：综合量价因子 - 因子的构建思路：将