量化因子与构建方式 1. 放量上涨因子 - **因子构建思路**: 根据日内分钟频收益率方向变化的时刻，将日内收益率序列合并为上涨下跌趋势段，对每一分钟判断当前时刻成交量与上一个趋势段的最后一分钟成交量的相对大小，划分为放量上涨、缩量上涨、放量下跌、缩量下跌四种状态[39][40][41] - **因子的公式**: $$ \text{若} V_{t} > V_{\text{max}} \text{，则为放量上涨} $$ 其中，$V_{t}$ 为当前分钟的成交量，$V_{\text{max}}$ 为上一个趋势段的最后一分钟成交量[39][40][41] - **文章对因子的评价**: 放量上涨状态能够捕捉主力资金拉升行为[73] - **因子的具体指标值**: IC均值为7.04%，Rank IC均值为9.63%，多空年化收益为35.80%，多空年化夏普比率为2.86，多头年化超额收益为11.05%[75] 2. 放量持续上涨因子 - **因子构建思路**: 按照日内分钟频收益率方向变化的时刻，将日内收益率序列合并为不同趋势段。对于每个趋势段内的每一分钟，比较其对应成交量与区间内每分钟对应成交量的相对大小，划分为放量持续上涨、平量持续上涨、缩量持续上涨、放量持续下跌、平量持续下跌、缩量持续下跌六种状态[41][42][43] - **因子的公式**: $$ \text{若} V_{t} > V_{\text{max}} \text{，则为放量持续上涨} $$ 其中，$V_{t}$ 为当前分钟的成交量，$V_{\text{max}}$ 为区间内分钟成交量最大值[41][42][43] - **文章对因子的评价**: 放量持续上涨状态能够捕捉主力资金拉升行为[73] - **因子的具体指标值**: IC均值为6.98%，Rank IC均值为9.28%，多空年化收益为35.84%，多空年化夏普比率为3.28，多头年化超额收益为10.79%[76][77] 3. 放量下跌因子 - **因子构建思路**: 同放量上涨因子，划分为放量下跌、缩量下跌四种状态[39][40][41] - **因子的公式**: $$ \text{若} V_{t} > V_{\text{max}} \text{，则为放量下跌} $$ 其中，$V_{t}$ 为当前分钟的成交量，$V_{\text{max}}$ 为上一个趋势段的最后一分钟成交量[39][40][41] - **文章对因子的评价**: 放量下跌状态能够捕捉主力资金出货行为[73] - **因子的具体指标值**: IC均值为5.35%，Rank IC均值为6.73%，多空年化收益为26.73%，多空年化夏普比率为2.52，多头年化超额收益为7.51%[75] 4. 放量持续下跌因子 - **因子构建思路**: 同放量持续上涨因子，划分为放量持续下跌、平量持续下跌、缩量持续下跌六种状态[41][42][43] - **因子的公式**: $$ \text{若} V_{t} > V_{\text{max}} \text{，则为放量持续下跌} $$ 其中，$V_{t}$ 为当前分钟的成交量，$V_{\text{max}}$ 为区间内分钟成交量最大值[41][42][43] - **文章对因子的评价**: 放量持续下跌状态能够捕捉主力资金出货行为[73] - **因子的具体指标值**: IC均值为4.66%，Rank IC均值为5.97%，多空年化收益为22.27%，多空年化夏普比率为2.23，多头年化超额收益为6.25%[76][77] 5. 主力波动率因子 - **因子构建思路**: 将"放量上涨"、"放量持续上涨"、"放量下跌"和"放量持续下跌"这4个状态波动率因子等权合成，得到主力波动率因子[113][114][115] - **因子的公式**: $$ \text{主力波动率因子} = \frac{1}{4} (\text{放量上涨因子} + \text{放量持续上涨因子} + \text{放量下跌因子} + \text{放量持续下跌因子}) $$ - **文章对因子的评价**: 主力波动率因子表现较好，多头年化超额收益9.96%，多空年化收益33.83%，多空年化夏普比率2.85[151][152] - **因子的具体指标值**: IC均值为6.75%，Rank IC均值为9.06%，多空年化收益为33.83%，多空年化夏普比率为2.85，多头年化超额收益为9.96%[151][152] 因子的回测效果 指标值 - **IC均值** - 放量上涨因子: 7.04%[75] - 放量持续上涨因子: 6.98%[76] - 放量下跌因子: 5.35%[75] - 放量持续下跌因子: 4.66%[76] - 主力波动率因子: 6.75%[151] - **Rank IC均值** - 放量上涨因子: 9.63%[75] - 放量持续上涨因子: 9.28%[76] - 放量下跌因子: 6.73%[75] - 放量持续下跌因子: 5.97%[76] - 主力波动率因子: 9.06%[151] - **多空年化收益** - 放量上涨因子: 35.80%[75] - 放量持续上涨因子: 35.84%[76] - 放量下跌因子: 26.73%[75] - 放量持续下跌因子: 22.27%[76] - 主力波动率因子: 33.83%[151] - **多空年化夏普比率** - 放量上涨因子: 2.86[75] - 放量持续上涨因子: 3.28[76] - 放量下跌因子: 2.52[75] - 放量持续下跌因子: 2.23[76] - 主力波动率因子: 2.85[151] - **多头年化超额收益** - 放量上涨因子: 11.05%[75] - 放量持续上涨因子: 10.79%[76] - 放量下跌因子: 7.51%[75] - 放量持续下跌因子: 6.25%[76] - 主力波动率因子: 9.96%[151]

证券研究报告 · 金融工程 · 金工定期报告 金工定期报告 20240801 预期高股息组合跟踪-20240731 投资要点 ■ 预期高股息組合:东吴金工团队采用两阶段构建预期股息率指标,第一 阶段根据年报公告利润分配情况计算股息率,第二阶段利用历史分红与 基本面指标预测并计算股息率。进一步用两个短期影响股息率的重要因 素 -- 反转因子与盈利因子辅助筛选,利用在沪深 300 成份股中优选,构 建预期高股息组合。组合每期持仓股票 30 只，每月底调仓一次。 ■ 预期高股息组合 7月表现回顾:预期高股息组合在 2024年 7月持仓股 票的平均收益为 0.41%,组合跑赢沪深 300指数 0.98%,跑赢中证红利 指数 4.90%。 ■ 红利择时框架 2024年8月观点:继续看多红利。 | --- | --- | --- | --- | --- | --- | |-------|-----------|----------|--------------|----------|-------| | 序号 | 股票代码 | 股票简称 | 申万一级行业 | 建仓日期 | 权重 | | l | 000001.SZ | 平 ...

- 五维行业轮动模型简介：基于行业内部普遍存在的风格差异，利用风格指标对行业内部股票进行划分，通过构建行业内部离散指标与行业内部牵引指标合成行业最终因子。以东吴金工特色多因子划分标准对微观因子进行大类划分，最终得到五大类合成行业因子，构建以波动率、基本面、成交量、情绪、动量为基础的五维行业轮动模型[2][9] - 因子名称及构建思路： - 波动率因子：基于股票价格波动率构建[9] - 基本面因子：基于公司财务数据和基本面信息构建[9] - 成交量因子：基于股票成交量数据构建[9] - 情绪因子：基于市场情绪和投资者行为数据构建[9] - 动量因子：基于股票价格动量构建[9] - 因子的评价： - 动量因子与波动率因子近期表现最为优秀[10] - 因子的具体指标值： - 年化收益率： - 波动率因子：13.63%[26] - 基本面因子：8.85%[26] - 成交量因子：9.01%[26] - 情绪因子：9.28%[26] - 波动率： - 波动率因子：9.86%[26] - 基本面因子：11.36%[26] - 成交量因子：12.21%[26] - 情绪因子：13.15%[26] - 信息比率（IR）： - 波动率因子：1.38[26] - 基本面因子：0.78[26] - 成交量因子：0.74[26] - 情绪因子：0.71[26] - 胜率： - 波动率因子：61.40%[26] - 基本面因子：57.89%[26] - 成交量因子：59.65%[26] - 情绪因子：66.67%[26] - 最大回撤： - 波动率因子：9.82%[27] - 基本面因子：20.54%[27] - 成交量因子：17.51%[27] - 情绪因子：13.56%[27] - IC： - 波动率因子：0.07[27] - 基本面因子：-0.09[27] - 成交量因子：-0.07[27] - 情绪因子：0.04[27] - ICIR： - 波动率因子：1.08[27] - 基本面因子：-1.06[27] - 成交量因子：0.67[27] - 情绪因子：0.33[27] - RankIC： - 波动率因子：-0.08[27] - 基本面因子：0.05[27] - 成交量因子：-0.07[27] - 情绪因子：0.04[27] - RankICIR： - 波动率因子：-1.31[27] - 基本面因子：0.88[27] - 成交量因子：0.62[27]

- 量化因子与构建方式 - **红利因子** - 构建思路：基于绩优基金持仓倾向的边际变化，研发了相应行业轮动模型并予以及时跟踪[153][154] - 评价：绩优基金超配的行业包括有色金属、煤炭、电力及公用事业、交通运输、石油石化、机械等，依旧维持在红利风格上的较高暴露度[153][154] - **动量因子** - 构建思路：基于绩优基金的行业轮动信号，研发了动量模型[153][154] - 评价：动量模型多头超额收益显著[153][154] - **景气度因子** - 构建思路：基于绩优基金的行业轮动信号，研发了景气度模型[153][154] - 评价：景气度模型多头超额收益显著[153][154] - 因子的回测效果 - **红利因子** - 近3月：收益率1.34%[469] - 近6月：收益率-1.65%[469] - 近1年：收益率4.10%[469] - 今年以来：收益率1.38%[469] - **动量因子** - 近3月：收益率1.56%[469] - 近6月：收益率0.99%[469] - 近1年：收益率0.04%[469] - 今年以来：收益率2.15%[469] - **景气度因子** - 近3月：收益率1.58%[469] - 近6月：收益率0.82%[469] - 近1年：收益率3.97%[469] - 今年以来：收益率3.92%[469]

总量研究 小市值风格明显，定增组合超额收益显著 ——量化组合跟踪周报 20240727 要点 量化市场跟踪 大类因子表现:本周全市场股票池中,估值因子表现良好,获取正收益 0.59%; 市值因子和非线性市值因子分别获取负收益-1.26%、-0.51%，市场表现为小市 值风格。残差波动率因子获取负收益-0.50%；其余风格因子表现一般。 单因子表现：沪深 300 股票池中，本周表现较好的因子有日内波动率与成交金 额的相关性(2.11%)、市净率因子(1.92%)、下行波动率占比(1.79%)。表现较差 的因子有 ROIC 增强因子(-1.49%)、单季度营业收入同比增长率(-1.36%)、单季 度 ROA 同比 (-1.34%)。 中证 500 股票池中，本周表现较好的因子有下行波动率占比(2.59%)、市净率因 子(2.01%)、日内波动率与成交金额的相关性 (1.74%)。表现较差的因子有单季 度 ROA 同比 (-2.61%)、5 日反转(-2.14%)、动量弹簧因子 (-1.95%)。 流动性 1500 股票池中，本周表现较好的因子有对数市值因子(1.69%)、下行波 动率占比(1.45%)、日内波动率 ...

- 当前偏股混合型基金仓位为86.93%，相比上季度减少1.28%[4] - 普通股票型基金仓位为88.7%，相比上季度减少1.27%[4] - 灵活配置型和平衡混合型基金仓位分别为76.93%和52.49%，均有所减少[4] - 计算机、国防军工、电子、商贸零售、消费者服务五个行业的当前估值(PETTM)最高[5] - 煤炭行业估值处于其历史95%分位数以上[5] - 纺织服装、综合金融、食品饮料行业目前的估值分位数处于2019年以来较低水平[5] - 公募基金权益十大重仓股总规模减少915亿，规模增加最多的行业为电子、通信、电力及公用事业[6] - 规模减少最多的行业为食品饮料、医药、电力设备及新能源[6] - 公募基金重仓的行业分别为电子、医药、食品饮料、电力设备及新能源，四个行业的十大重仓股持仓规模均在1000亿以上[7] - 宁德时代取代贵州茅台成为偏股主动型基金配置最多的个股，持有481.54亿[8] - 贵州茅台持有440.44亿，立讯精密持有334.14亿[8] - 增持最多的个股为水晶光电、生益电子和金盘科技，分别增持11.62%、10.62%和10.44%[8] - 百亿基金持有规模最大的top5名单为贵州茅台、五粮液、泸州老窖、山西汾酒、恒瑞医药[9] - 持有规模变化最多的为比亚迪，规模增加8.65亿[9] - 巨星科技和福能股份分别增加了8.31亿和6.35亿[9] - 偏股主动型基金共持有港股规模达1937亿，相比上季度增加362亿[10] - 腾讯控股占比达19.41%，中国海洋石油占比达11.55%[10] - QDII基金持有最多的港股为腾讯控股、阿里巴巴-SW、中国海洋石油，持有规模分别为25.71亿、19.24亿、14.84亿[10]

开源证券 2024年07月19日 公募基金持仓参考价值再思考 | --- | --- | |----------------------------------------|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | 金融工程研究团队 | | | 魏建榕（首席分析师） | 魏建榕（分析师）蒋娟（联系人) | | 证书编号：S0790519120001 | weijianrong@kysec.cnjiangtao@kysec.cn | | 张 翔(分析师)证书编号：S0790520110001 | 证书编号：S0790519120001证书编号： S0790123070037● 主动权益基金整体选股能力与投资行为分析自 2018年以来,主动权益基金发展迅猛,尽管 ...

量化模型与构建方式 1. 模型名称：红利组合模型 - **模型构建思路**：通过构建红利组合，超越中证红利全收益指数的表现[3] - **模型具体构建过程**：红利组合模型通过选择高质量红利和微盘红利资产，构建一个相对纯粹红利资产更具超额收益的组合[3] - **模型评价**：红利组合模型在市场情绪影响下表现出色，能够在一定程度上跑赢中证红利全收益指数[3] 2. 模型名称：医药增强组合模型 - **模型构建思路**：通过增强医药板块的投资组合，期望在医药相关政策变化中获得超额收益[3] - **模型具体构建过程**：医药增强组合模型通过选择具有创新药表现活跃的医药资产，构建一个增强型的医药投资组合[3] - **模型评价**：医药增强组合模型在上周表现平淡，未能跑出超额收益[3] 模型的回测效果 1. 红利组合模型 - **超额收益**：红利组合相较于中证红利全收益跑出超额收益[3] 2. 医药增强组合模型 - **超额收益**：医药增强组合未能跑出超额收益[3] 量化因子与构建方式 1. 因子名称：红利质量因子 - **因子的构建思路**：通过选择高质量红利资产，提升组合的收益表现[3] - **因子具体构建过程**：红利质量因子通过筛选具有稳定且高红利支付能力的公司股票，构建一个高质量红利资产组合[3] - **因子评价**：红利质量因子在市场回调中表现出色，能够提供超额收益[3] 2. 因子名称：微盘红利因子 - **因子的构建思路**：通过选择市值较小但红利支付能力强的公司股票，提升组合的收益表现[3] - **因子具体构建过程**：微盘红利因子通过筛选市值较小但具有高红利支付能力的公司股票，构建一个微盘红利资产组合[3] - **因子评价**：微盘红利因子在市场回调中表现出色，能够提供超额收益[3] 因子的回测效果 1. 红利质量因子 - **超额收益**：红利质量因子在市场回调中表现出色，能够提供超额收益[3] 2. 微盘红利因子 - **超额收益**：微盘红利因子在市场回调中表现出色，能够提供超额收益[3]

证书编号: S0880522040001 公募指数增强基金表现。就至2024年７月12日,沪深300增强基金本年收益排名前三的是易方达沪深300精选增强A（010736.OF）、东方沪深300指数增强 A（016204.OF）、删华沪深300指数增强A（005870.OF）超额分别为14.52%、9.22%、6.64%。中证500增强基金本年排名前三的是中邮中证500指数增 强A（590007.OF）、长信中证500指数增强A（004945.OF）、招商中证500增强集略ETF（561950.SH),超额分别为11.73%、9.16%、9.14%。中证 1000增强基金本年排名前三的是博时中证1000指数增强A（016936.OF）、长信中证1000指数增强A（018013.OF）、申万菱信中证1000指数增强 A（017067.OF）超 外 ） 10.28%、 9.46%， 国 2000增强基金本年排名前三的是招商国证2000指数增强A（018786.OF）、 景 2000指数增强A（019013.OF）、汇添富国证2000指数增强A（019318.OF）超额分别为10.56%、6.92%、5.61%。 单 ...

量化模型与构建方式 模型名称：市场监测模型 - **模型构建思路**：通过监测市场的资金流动、交易活跃度和市场预期，分析市场当前所处状态[2] - **模型具体构建过程**： 1. **资金层面**：监测权益类公募基金股票仓位、新发权益类基金规模、北向资金流入流出、融资融券余额等多个方面[15] 2. **交易层面**：分析行业间收益分化程度和资金分化程度，使用行业日均换手率的标准差作为代理变量衡量行业间资金面的分化程度[109][122] 3. **预期层面**：监测主流宽基指数和行业的一致预期净利润两年复合增长率及其环比变化、PE(TTM)分位数及其变化[144] - **模型评价**：该模型通过多维度监测市场状态，能够较全面地反映市场的变化和趋势[2] 模型的回测效果 - **市场监测模型** - **上证50**：本周预期增速0.07%，本周PE近五年分位数64.27%，近五年分位数环比6.04%[146] - **沪深300**：本周预期增速0.02%，本周PE近五年分位数36.72%，近五年分位数环比6.27%[146] - **中证500**：本周预期增速0.05%，本周PE近五年分位数24.49%，近五年分位数环比3.22%[146] - **中证1000**：本周预期增速-0.25%，本周PE近五年分位数35.34%，近五年分位数环比24.75%[146] - **创业板指**：本周预期增速-0.08%，本周PE近五年分位数28.29%，近五年分位数环比1.16%[146] - **万得全A**：本周预期增速2.23%，本周PE近五年分位数14.88%，近五年分位数环比6.44%[146] 量化因子与构建方式 因子名称：行业间收益分化因子 - **因子的构建思路**：通过行业间收益率的标准差衡量行业间收益的分化程度[110] - **因子具体构建过程**： 1. 计算各行业的周度收益率 2. 计算各行业周度收益率的标准差，作为行业间收益分化程度的代理变量[121] - **因子评价**：该因子能够有效反映行业间收益的差异，适用于分析市场的收益分布情况[121] 因子名称：行业间资金分化因子 - **因子的构建思路**：通过行业日均换手率的标准差衡量行业间资金面的分化程度[122] - **因子具体构建过程**： 1. 计算各行业的日均换手率 2. 计算各行业日均换手率的标准差，作为行业间资金分化程度的代理变量[124] - **因子评价**：该因子能够有效反映行业间资金的流动情况，适用于分析市场的资金分布情况[124] 因子的回测效果 - **行业间收益分化因子** - 本周行业间收益率的标准差为2.28%，较上周上行0.61%[121] - **行业间资金分化因子** - 本周各行业日均换手率的标准差为0.56%，与上周相比小幅上升0.03%[124]