1、我們國泰君安量化配置團隊在權益因子觀察周報中對公募指數增強基金業績、常用選股因子表現以及指數增強策略組合進行了跟蹤展示。本報告主要介紹使用基本面因子在中證500股票池中構建指數增強策略的具體過程。首先介紹常用的多因子模型框架。然后，對各類因子進行單因子測試，詳細展示近百個單因子在中證 500 指數成分股中的選股效果。最后，每類篩選出效果較好的因子，以類內等權、大類等權的方式計算因子總得分；在控制市值、行業中性和個股權重約束下，求解得分最大化股票權重構建指數增強組合；展示中證 500 指數增強策略的歷史表現，供投資者參考。多因子模型介紹多因子模型（Multiple-Factor Model, M

2、FM）屬于國內外主流量化選股模 型之一。使用多個因子預測股票未來收益，篩選預期收益較好的股票，以期戰勝基準指數。學術研究上，這類模型屬于資產定價理論，最早起 源于 CAPM 資產定價理論，1970 年羅斯提出 APT 多因素模型，該模型認為股票未來的收益可以用若干因素來解釋。但是并沒有指出哪些具體的因素。實證研究方面，1992 年 Fama 和 French 提出三因素模型，使用市場、市值、估值三個因子作為自變量解釋股票未來收益，效果不錯。 2015 年 Fama 和 French 從股利貼現模型出發，推導出與股票收益相關的因素，加入盈利和投資因子，提出五因子模型： = + 1( ) + 2

3、+ 3 + 4 + 5 + 其中，SMB 為市值因子收益率，HML 為估值因子收益率，RMW 為盈利因子收益率、CMA 為投資因子收益率。Fama 和 French 使用五因子模型分析了多種常見的市場異象，也研究了五因子模型在國際其他股票市場的效果。在目前實際投資研究過程中，多因子模型使用估值、盈利、成長、公司治理、價量（反轉、流動性、波動性等）、分析師預測、超預期等幾大類因子進行選股，構建一籃子股票的投資組合。多因子選股模型的體系廣義上講，一般由有三部分組成：收益預測模型、風險模型、交易成本模型。目前國內研究主要集中在前兩類模型，其中收益預測模型主要是通過多因子打分選股、量化模型預測收益率選

4、股，一般直接稱為多因子選股模型。多因子模型選股基礎性工作是各類單因子和大類因子選股效果的測試和跟蹤。多因子選股模型體系見下圖。圖 1：多因子選股模型體系數據來源：下面介紹本報告用到單因子測試、多因子加權、指數增強組合構建等內容。單因子測試對各類因子進行單個因子選股效果測試是多因子選股的基礎工作。下面介紹因子的數據處理方法、單因子選股測試的一般步驟。股票池與比較基準為了測試單個因子的選股效果，首先需要確定比較基準和股票池。不同股票池中，股票的風格分布特征會有所不同，因子的選股效果會略有區別。比如，滬深 300 以大盤藍籌為主，行業也多是分布在金融、周期性行業，選股邏輯與小盤股的投資邏輯明顯不同，

5、使用的因子也會不一樣。為了構建對應不同基準的選股策略，會對不同股票池進行單因子選股效果的測算，找出在特定股票池中選股效果較好的因子。初始股票池：選股日中證 500 指數成分股。為了使測試結果更符合實際投資過程，對無法交易的股票進行剔除：（1）剔除選股當日的 ST 股票；（2）剔除上市不滿半年的股票；（3）剔除選股日由于漲停、停牌等原因而無法買入的股票。數據處理在確定股票池之后，按照因子公式計算每只股票在因子 f 上的取值，一般稱為因子暴露（Factor Exposure）。對于因子原始值，一般需要進行去極值、標準化、缺失值填充、市值行業中性化等數據處理操作。去極值個別股票可能存在因子數據錯誤、

6、因子值過大過小等極端情況，為了保證數據質量，需要進行去極值操作。我們主要使用中位數去極值法，是針對 3 倍標準差法的改進，原因在于國內大部分股票因子值的分布并不服從正態分布，因此國內大多數研究采用此方法處理極值。標準化由于不同因子在量綱上存在差別，因此在因子加權、多元回歸中需要對單個因子在橫截面上進行標準化，從而讓不同因子的暴露度之間具有可比性。一般的標準化方法，將當期去極值后的因子值序列減去全部股票的均值、再除以其標準差，得到一個新的近似服從 N(0,1)分布的序列。缺失值處理對于個別股票的因子值缺失的情況，需要使用數據替代算法處理。由于不同因子可能在不同個股上存在缺失，如果不做處理則每個因

7、子選股的股票池并不完全相同，不同因子之間選股效果的可比性會受到影響。處理方法具體有全市場均值替代、行業均值替代、回歸方程估計多種方式。我們在本報告使用行業中值替代，當某只股票某個因子缺失時，考慮使用該行業的均值或中值替代。市值行業中性化處理對于選股而言，股票市值、行業差異較大，原始因子的選股效果受到市值、行業因素的影響。例如，不同行業、不同市值股票之際估值差別很大；以市盈率因子為例，按照分組法，低市盈率的一組主要是大市值的股票，行業多屬于銀行、周期性行業，市值、行業因素的直接影響低 PE分組的股票組合收益。目前使用最多的做法是對因子進行市值行業中性化處理。具體做法是：將每個股票標準化后的因子作

8、為因變量，對對數市值和中信一級行業虛擬變量進行橫截面回歸，將回歸后的殘差作為每個股票因子值。一般認為，在全市場股票池中經過中性化處理后的因子，排除了市值和行業的影響，更好地反映因子的投資邏輯和選股效果。因子測試方法我們通過因子 IC 測試、分組回測、單因子組合優化等多種方式來考察因子收益預測的有效性與穩定性。因子 IC 測試因子的 IC 值是指第 T 期的因子值（因子中性化處理后殘差）x t與 T+1期的股票收益r t+1的相關系數Pearson 相關系數。此外，可以計算秩相關系數Spearman 相關系數，使用兩個變量的位次計算，是與因子分布無關。因子分組測試因子分組測試是根據因子值打分排序

9、分多組測試各組組合累計凈值表現。本報告我們采用分 10 組，周度定期調倉的方法進行測試。因子多空測試是分組測試中第一組與第十組多空強弱表現，多空測試與分組測試可以一并進行。主要考察以下績效指標：a)分組測試的累計收益率、最大回撤等；b)多頭、空頭組合的年化收益率、年化波動率、夏普比率、最大回撤等；c)多頭、空頭組合相對市場基準的超額年化收益率、超額年化波動率、信息比率、超額最大回撤等。分組測試操作方便，結果直觀，是使用最廣的一種單因子測試方法，可以分析因子分組后各組收益的單調性。單因子組合優化除了常用的 IC、分組測試以外，還可以使用組合優化的方式構建跟蹤基準指數的組合，考察因子的超額收益表現

10、。我們使用組合優化方式，添加多種約束條件，構建單因子的最大化股票得分組合，考察單因子的選股效果。具體每期的組合構建上，嚴格控制市值行業中性，并對個股權重進行約束，使用組合優化求解個股權重構建組合。組合優化參數設置上，對于中證 500 股票池，控制市值行業嚴格中性，設置個股權重偏離上限 1%和個股權重上限 1%。根據每周組合優化計算得到的股票名單和權重，對單因子選股組合進行歷史業績測算。計算組合的相對比較基準超額收益、最大回撤、超額收益信息比率等績效指標。多因子加權基于單因子測試結果，我們篩選每類因子中單因子表現較好的因子作為備選因子。每類因子都有多個候選因子進行單因子選股測試后，可能有多個因子

11、效果較好，此時需要考慮同一類中多個因子值或因子得分如何加權合成大類因子值或大類因子得分，對于第 k 類因子 ，由于同一類中因子的經濟學含義，投資邏輯比較趨同，相關性也較高，我們建議做等權合并處理。事實上每類內部也可以按照 IC 加權、IC_IR 加權等方式進行加權。除了每類選多個因子加權，也有每類只選效果最強的因子作為大類因子。為了選股效果的長期穩定，建議使用多個子因子加權合成大類因子。相關性處理合成大類因子以后，大類因子之間會有一定相關性。在加權時，因子共線性使得組合在某些因子上有重復的暴露，導致選股組合的表現受到影響。在多因子回歸，因子共線性會導致回歸模型基本假設不滿足，將使回歸模型評估失

12、真或者不準確。所以需要對相關性進行處理。常用分析相關性方式有計算相關系數矩陣、方差膨脹因子等。處理相關性的方法有：逐步回歸方式篩選因子、正交化方法使因子向量正交等。常用的正交化方法有施密特正交化、對稱正交、正則正交等。多因子加權在得到各大類復合因子,進行正交化處理后，也需要考慮大類因子如何加權選股。經常使用的加權方式有：因子等權加權，即每個因子分配相同的權重。這種加權方式較為簡單，但是沒有考慮因子有效性的差異。基本思想是平等看待每類因子代表的投資邏輯，不做有偏好和預測的主觀判斷。避免了數據過度擬合，忽略了因子預測能力的差別。IC 均值加權，是直接用各因子過去 T 期的因子 IC 的均值作為權重

13、。這種方式考慮了因子過去一段時間的有效性。IC_IR 加權，是以因子過去 T 期的因子 IC的均值除以其標準差作為當期因子 K 的權重。這種方式同時考慮了因子過去一段時間的有效性和穩定性。最優化復合 IR 加權。Qian(2006)提出以最大化復合因子 IC_IR 為目標函數，對因子權重進行組合優化計算因子權重方法。這種方法的優點是綜合考慮了過去一段時間的有效性、穩定性和相關性。加權后得到的復合因子測試方法與單因子測試相同，可以通過因子 IC 測試、分組測試、組合優化考察復合因子收益預測的有效性與穩定性。提升樹等機器學習模型對于因子加權，以往的常規做法是每類因子內部先加權，然后大類因子之間再做

14、加權，加權方式的選擇因人而異。近幾年的機器學習模型廣泛的應用于股票收益預測。實戰中應用較多、比較知名的是 Xgboost、 LightGBM、CatBoost 等提升樹模型。使用機器學習模型，可以將因子庫中大量的因子作為特征輸入，預測股票下期超額收益。其中提升樹模型與分組打分、線性加權相比，可以學習因子和下期收益之間的非線性關系，預測效果更好。Xgboost 和 LightGBM 都是梯度提升決策樹 GBDT的實現框架。GBDT (Gradient Boosting Decision Tree)的主要思想是利用一系列決策樹作為弱分類器，迭代訓練得到最優模型。GBDT 模型具有訓練效果好、不易過

15、擬合等優點。下面簡要介紹 Xgboost 和 LightGBM。XGBoost（eXtreme Gradient Boosting）是華盛頓大學陳天奇開發是目前使用最多的大規模并行開源 Boosting tree 工具包。在數據科學方面，有大量的 Kaggle 選手選用 XGBoost 進行數據挖掘比賽，是各大數據科學比賽的必殺武器；在工業界大規模數據方面，XGBoost 的分布式版本有廣泛的可移植性，支持在 Hadoop、Dask 等各個分布式環境上運行，使得它可以很好地解決工業界大規模數據的問題。LightGBM（Light Gradient Boosting Machine)是微軟亞洲研

16、究院分布式機器學習工具包（DMTK）團隊開源的基于決策樹算法的分布式梯度提升框架。相對于 XGBoost，LightGBM 在很多方面表現更為優秀，主要的改進有：基于 Histogram 的決策樹算法、直方圖做差加速、單邊梯度采樣 GOSS、互斥特征捆綁算法、直接支持類別特征(Categorical Feature)、帶深度限制的 Leaf-wise 的葉子生長策略、高效并行、Cache 命中率優化等。從實驗數據上看，LightGBM 比 XGBoost 快將近 10 倍，內存占用率大約只有 1/6，并且準確率也有提升。構建指數增強組合基于多因子模型的指數增強組合構建。我們首先對于不同的寬基指

17、數，篩選出適用的有效因子。其次，每周計算成分股因子值，并對因子進行 去極值、標準化、缺失值填充、市值行業中性化處理。然后，按照各類 因子邏輯，將股票池股票因子值排序，計算各類因子得分 Score（分位數），對因子得分等權加權每只股票的最終得分。最后，使用多因子模型計算得到每周末股票的得分或預期收益率rT 1 、股票協方差矩陣 i 。最后代入下面的組合優化模型，在控制跟蹤誤差、行業暴露、風格暴露等約束條件下，以最大化股票組合得分 或最大化預期1Nii收益1r T 1 * w為目標，求解組合股票的權重w * ： +1 11. . = 1（1） , = 1, . . . , （2） , = 1, .

18、 . . , （3）基準指數 （4） 2 = （5）1| | （6）1基準指數 0.8（7）| 1| （8）公式（2）為個股上下限約束：主要是不能賣空、避免某些個股權重過高。對于中證 500 指數增強組合，設置個股權重上下限為0%,1%。公式（3）為個股權重相對基準指數偏離約束：主要是控制個股權重偏離程度。公式（4）為跟蹤誤差約束：對于指數增強策略，可以設置目標跟蹤誤差。由于個股、行業權重設置嚴格，此約束未使用。公式（5）為行業權重約束：可以按照基準中行業的權重設置行業偏離約束，也可以自行確定某些行業暴露程度。一般按照中信一級行業分類嚴格控制行業中性。公式（6）為因子暴露約束：控制某些風格因子

19、上暴露，主要是控制市值上暴露。目前主要設置市值中性約束。公式（7）為成分股權重約束：對于指數增強產品，指數成分股及備選股的權重不少于80%。在本報告只考慮中證 500 指數成分股內選股，相當于設置參數為 100%。公式（8）為換手率約束：對于換手率較高的選股策略，可以通過這個約束達到控制交易成本的目的。基本面因子的換手率不高，目前沒有做控制。指數增強策略組合構建和測試。根據每周組合優化計算得到的股票名單和權重，對選股組合進行歷史業績回溯。計算選股組合的累計收益、相對比較基準超額收益、最大回撤、超額收益的 IR、勝率等指標。中證 500 內選用因子介紹我們對因子庫的因子在中證 500指數成分股內

20、進行歷史回測，篩選出效果較好的因子。我們對這些因子劃分為 11 個類別，分別為北上資金、超預期（傳統）、成長、分析師、超預期（分析師）、總量、估值、超預期衍生（估值）、盈利、超預期衍生（盈利）、價量因子。其中業績超預期邏輯的因子有四類，超預期（傳統）為采用凈利潤、營業收入計算的傳統 SUE 因子；超預期衍生（估值）、超預期衍生（盈利）是估值、盈利因子帶入 SUE 公式計算得到；超預期（分析師）因子是基于分析師預測數據計算，體現超預期邏輯的因子。業績超預期邏輯的因子的詳細介紹參見報告基于 PEAD 效應的超預期因子選股效果如何 權益配置因子研究系列 01 _20220601。大類因子權重分配上，

21、除了北上資金和總量因子權重為 5%，其他大類因子權重為 10%，大類因子內部權重也使用等權加權方式。整體而言，四類超預期因子的總權重達到 40%。等權加權方式簡單直接，基本思想是相對平等看待每類因子代表的投資邏輯，不做有偏好和預測的主觀判斷，避免了數據過度擬合。具體見下圖。圖 2：中證 500 股票池內選用的大類因子及權重分配數據來源：我們對中證 500 指數成分股內各類因子，采用因子 IC、分組測試、組合優化等方式進行單因子測試。每周進行調倉操作，分組測試按因子值從小到大排序分 10 組，分別為 t0、t1、t2、t8、t9 組，每組 50 只股票。計算分組收益、多頭組超額收益、組合優化超額

22、收益等績效指標考察因子表現。回測日期區間為 2010 年 1 月至 2021 年 12 月，2022 年以來為樣本外；由于篇幅限制，展示因子績效合并兩個時間段。北上資金因子北上資金作為機構資金 “聰明的錢”的代表，其資金的進出包含獨特的 Alpha 信息。我們在報告20220610_如何基于北向資金構建行業輪動策略行業配置研究系列 03中對行業的北向因子有詳細介紹，個股的計算方法類似，感興趣的投資者可參考。北上資金因子列表經過歷史回測篩選，我們選擇北上資金的 4 個因子用于中證 500 內選股。北向資金因子的整體權重為 5%，每個單因子權重為 1.25%。具體指標和計算方法如下表：表 1：中證

23、 500 股票池 北上資金因子列表因子名方向計算方法因子權重5 日持股比例變動越大越好持股比例減去 5 日前持股比例1.2500%60 日持股比例變動越大越好持股比例減去 60 日前持股比例1.2500%5 日凈流入越大越好5 日凈流入金額1.2500%60 日凈流入越大越好60 日凈流入金額1.2500%數據來源：中證 500 指數成分股內，北上資金的 4 個因子相關系數的平均值和因子IC 的相關系數如下。北上資金因子 相關系數平均值5日持股比例變動5日凈流入60日持股比例變動60日凈流入5日持股比例變動1.000.920.270.260.260.275日凈流入0.921.0060日持股比例

24、變動0.270.260.260.271.000.9060日凈流入0.901.00表 2：中證 500 內 北上資金相關系數的平均值數據來源：Wind，北上資金因子5日持股比例變動5日凈流入60日持股比例變動60日凈流入5日持股比例變動1.000.940.410.410.390.405日凈流入0.941.0060日持股比例變動0.410.390.410.401.000.9460日凈流入1.00表 3：中證 500 內 北上資金 IC 的相關系數數據來源：Wind，北上資金單因子測試結果北上資金因子的分組測試具體結果和單因子組合優化的績效指標如下。單因子組合優化下，超額收益為 9%-10%，最大回

25、撤為-3-4%，信息比率為 2.4-2.8。多頭組單因子組合優化組合優化北上資金因子空頭組超 超額收益 超額收益 超額收益 超額收益 多空收 超額收益 超額收益 超額收益 超額收益5日持股比例變動5日凈流入60日持股比例變動60日凈流入額收益0.55%-0.09%-1.87%-4.50%最大回撤 波動率 信息比率 益最大回撤 波動率 信息比率14.10%13.66%12.53%12.17%-7.42%-10.16%-6.00%-5.68%6.26%6.78%6.01%6.50%2.252.012.081.8713.55%13.74%14.40%16.67%9.17%9.96%9.00%9.45

26、%-3.62%-3.93%-3.91%-3.32%3.54% 2.593.52% 2.833.68% 2.453.71% 2.55IC1.73%1.59%1.66%1.91%RankIC 周度雙邊2.06%1.96%1.55%1.76%換手率67.02%67.30%25.14%25.14%表 4：中證 500 股票池 北上資金因子 主要績效指標數據來源：Wind，。測試區間：2017.04-2022.07。分組 年化超額收益北上資金因子t0t1t2t3t4t5t6t7t8t9多空收益5日持股比例變動0.55%-1.54%-2.54%-2.44%-4.61%-7.72%-3.80%2.11%9.

27、58%14.10%13.55%5日凈流入-0.09%-0.05%-2.78%-3.02%-5.57%-6.64%-2.76%1.66%8.97%13.66%13.74%60日持股比例變動-1.87%-4.91%-5.39%-0.42%-2.59%-3.60%-1.41%1.18%10.04%12.53%14.40%60日凈流入-4.50%-4.18%-3.28%-2.46%-4.68%-0.61%-0.38%0.60%10.38%12.17%16.67%表 5：中證 500 股票池 北上資金因子 分組年化超額收益數據來源：Wind，。測試區間：2017.04-2022.07。中證 500 指數

28、成分股內，4 個北上資金因子的多頭組超額收益和單因子組合優化超額收益曲線如下。圖 3：中證 500 股票池 北上資金因子 多頭組圖 4：中證 500 股票池 北上資金因子 組合優化超額收益曲線超額收益曲線數據來源：Wind，測試區間：2017.04-2022.07。數據來源：Wind，測試區間：2017.04-2022.07。北上資金復合因子績效表現中證 500 股票池內，北上資金復合因子多頭組年化超額收益 13.99%，超額最大回撤-4.29%，信息比率 2.33；空頭組年化超額-6.32%，多空年化收益 20.31%。北上資金復合因子組合優化的年化超額收益 10.8%，超額收益最大回撤-3

29、.12%，信息比率 2.98，周度雙邊換手率 50.82%。等權合成的北上資金復合因子多頭組超額收益曲線、單因子組合優化超額收益曲線如下。圖 5：中證 500 股票池 北上資金復合因子 分組超額圖 6：中證 500 股票池 北上資金復合因子 組合收益曲線優化收益曲線數據來源：Wind，測試區間：2017.04-2022.07。數據來源：Wind，測試區間：2017.04-2022.07。超預期（傳統）因子我們參照學術文獻中研究 PEAD 效應使用的超預期 SUE 指標，使用多種類型的凈利潤、營業收入代入公式計算超預期（傳統）因子。對于股票 i，SUE 是單季度預期外收益（ , (,)）除以預期

30、外收益的標準差，公式為：,= , (,),其中，,是公司 i 在 q 季度的實際收益，(,)是 q 季度的預期收益，,是過去 4 個季度預期外收益的標準差。超預期（傳統）因子列表經過歷史回測篩選，我們選擇超預期（傳統）的 8 個因子用于中證 500內選股，超預期（傳統）因子的權重為 10%，每個單因子權重為 1.25%。具體指標和計算方法如下表：表 6：中證 500 股票池 超預期（傳統）因子列表因子名方向計算方法因子權重標準化預期外單季度扣非凈利潤越大越好將單季度扣非凈利潤代入 SUE 公式計算1.2500%標準化預期外單季度扣非凈利潤-帶漂移項越大越好將單季度扣非凈利潤代入 SUE-帶漂移

31、項公式計算1.2500%標準化預期外單季度毛利潤-帶漂移項越大越好將單季度毛利潤代入 SUE-帶漂移項公式計算1.2500%標準化預期外單季度毛利潤越大越好將單季度毛利潤代入 SUE 公式計算1.2500%標準化預期外單季度歸母凈利潤-帶漂移項越大越好將單季度歸母凈利潤代入 SUE-帶漂移項公式計算1.2500%標準化預期外單季度歸母凈利潤越大越好將單季度歸母凈利潤代入 SUE 公式計算1.2500%標準化預期外單季度營業收入-帶漂移項越大越好將單季度營業收入代入 SUE-帶漂移項公式計算1.2500%標準化預期外單季度營業收入越大越好將單季度營業收入代入 SUE 公式計算1.2500%數據來

32、源：超預期因子 相關系數平均值標準化預期外單季度歸母凈利潤標準化預期外單季度歸母凈利潤-帶漂移項標準化預期外單季度扣非凈利潤標準化預期外單季度扣非凈利潤-帶漂移項標準化預期外單季度毛利潤標準化預期外單季度毛利潤-帶漂移項標準化預期外單季度營業收入標準化預期外單季度營業收入-帶漂移項標準化預期外單季度歸母凈利潤1.000.910.560.490.420.370.410.700.62標準化預期外單季度歸母凈利潤-帶漂移項0.911.000.470.540.350.600.67標準化預期外單季度扣非凈利潤0.560.471.000.890.630.570.710.62標準化預期外單季度扣非凈利潤-帶

33、漂移項0.490.540.891.000.560.640.630.70標準化預期外單季度毛利潤0.420.350.630.561.000.860.580.51標準化預期外單季度毛利潤-帶漂移項0.370.410.570.640.630.861.000.510.58標準化預期外單季度營業收入0.700.600.710.580.511.000.90標準化預期外單季度營業收入-帶漂移項0.620.670.620.700.510.580.901.00超預期（傳統）因子相關系數的平均值和因子 IC 的相關系數如下。表 7：中證 500 內 超預期（傳統）因子 相關系數的平均值數據來源：Wind，超預期因

34、子標準化預期外單季度歸母凈利潤標準化預期外單季度歸母凈利潤-帶漂移項標準化預期外單季度扣非凈利潤標準化預期外單季度扣非凈利潤-帶漂移項標準化預期外單季度毛利潤標準化預期外單季度毛利潤-帶漂移項標準化預期外單季度營業收入標準化預期外單季度營業收入-帶漂移項標準化預期外單季度歸母凈利潤1.000.930.750.670.640.550.560.820.75標準化預期外單季度歸母凈利潤-帶漂移項0.931.000.660.700.520.740.78標準化預期外單季度扣非凈利潤0.750.661.000.910.800.720.840.75標準化預期外單季度扣非凈利潤-帶漂移項0.670.700.9

35、11.000.700.770.750.80標準化預期外單季度毛利潤0.640.520.560.800.701.000.880.770.67標準化預期外單季度毛利潤-帶漂移項0.550.720.770.750.881.000.680.71標準化預期外單季度營業收入0.820.740.840.770.681.000.92標準化預期外單季度營業收入-帶漂移項0.750.780.750.800.670.710.921.00表 8：中證 500 內 超預期（傳統）因子IC 的相關系數數據來源：Wind，超預期（傳統）單因子測試結果超預期（傳統）因子的分組測試具體結果和單因子組合優化的績效指標如下。單因子

36、組合優化下，超額收益為 9%-11%，最大回撤為-8-10%，信息比率為 1.8-2.5。多頭組單因子組合優化組合優化超預期因子標準化預期外單季度歸母凈利潤標準化預期外單季度歸母凈利潤-帶漂移項標準化預期外單季度扣非凈利潤標準化預期外單季度扣非凈利潤-帶漂移項標準化預期外單季度毛利潤標準化預期外單季度毛利潤-帶漂移項標準化預期外單季度營業收入標準化預期外單季度營業收入-帶漂移項空頭組超 超額收益 超額收益 超額收益 超額收益 多空收 超額收益 超額收益 超額收益 超額收益額收益-6.06%-5.78%-7.17%-5.44%-6.78%-6.39%-6.13%-5.51%最大回撤 波動率 信息

37、比率 益最大回撤 波動率 信息比率15.75%13.72%15.20%15.61%14.16%13.88%14.77%13.86%-8.49%-9.76%-8.92%-8.98%-7.89%-8.59%-10.76%-10.35%6.44%6.37%6.20%6.22%6.31%6.45%6.35%6.18%2.452.162.452.512.242.152.332.2421.81%19.50%22.37%21.05%20.94%20.28%20.90%19.37%12.33%10.30%11.94%10.25%10.05%8.95%11.84%10.46%-8.32%-9.25%-8.16%

38、-10.44%-9.24%-8.27%-9.09%-10.74%4.80% 2.574.70% 2.194.75% 2.514.70% 2.184.79% 2.104.74%1.894.80% 2.464.71% 2.22IC2.87%2.44%2.87%2.47%2.59%2.28%2.89%2.46%RankIC 周度雙邊3.40%2.69%3.36%2.58%2.89%2.15%3.26%2.51%換手率13.46%13.56%11.96%12.11%11.48%11.93%12.55%12.90%表 9：中證 500 股票池 超預期（傳統）因子 主要績效指標數據來源：Wind，。測試區

39、間：2010.01-2022.07。分組 年化超額收益超預期因子標準化預期外單季度歸母凈利潤標準化預期外單季度歸母凈利潤-帶漂移項標準化預期外單季度扣非凈利潤標準化預期外單季度扣非凈利潤-帶漂移項標準化預期外單季度毛利潤標準化預期外單季度毛利潤-帶漂移項標準化預期外單季度營業收入標準化預期外單季度營業收入-帶漂移項t0t1t2t3t4t5t6t7t8t9-6.06%-5.78%-7.17%-5.44%-6.78%-6.39%-6.13%-5.51%-7.69%-3.32%-5.94%-4.75%-4.25%-2.52%-8.04%-5.07%-4.79%-5.49%-4.68%-1.93%-4

40、.16%-0.81%-3.78%-2.95%-3.53%-4.19%-2.23%-3.25%-2.09%-0.65%-3.08%-3.13%-1.24%-0.89%-1.97%-0.69%-1.51%-2.45%-0.92%-0.63%-0.40%1.22%0.66%1.00%0.90%-0.84%-0.05%0.50%4.59%4.80%2.25%1.62%2.88%3.18%2.77%3.98%8.41%5.62%7.91%5.48%6.48%3.72%7.39%4.41%10.90%9.58%11.87%7.45%9.65%7.67%12.86%9.70%多空收益15.75%21.81%

41、13.72%19.50%15.20%22.37%15.61%21.05%14.16%20.94%13.88%20.28%14.77%20.90%13.86%19.37%表 10：中證 500 股票池 超預期（傳統）因子 分組年化超額收益數據來源：Wind，。測試區間：2010.01-2022.07。中證 500 股票池內，8 個超預期（傳統）因子的多頭組超額收益和單因子組合優化超額收益曲線如下。圖 7：中證 500 股票池 超預期（傳統）因子 多頭組圖 8：中證 500 股票池 超預期（傳統）因子 組超額收益曲線合優化超額收益曲線數據來源：Wind，測試區間：2010.01-2022.07。數

42、據來源：Wind，測試區間：2010.01-2022.07。超預期（傳統）復合因子績效表現中證 500 股票池內，超預期（傳統）復合因子多頭組年化超額收益 16.22%，超額最大回撤-9.97%，信息比率-0.1；空頭組年化超額-8.27%，多空年化 收益 24.49%。超預期（傳統）復合因子組合優化的年化超額收益 12.73%，超額收益最大回撤-8.53%，信息比率 2.63，周度雙邊換手率 11.74%。等 權合成的超預期（傳統）復合因子多頭組超額收益曲線、單因子組合優 化超額收益曲線如下。圖 9：中證 500 股票池 超預期（傳統）復合因子分組 圖 10：中證 500 股票池 超預期（傳

43、統）復合因子超額收益曲線組合優化收益曲線數據來源：Wind，測試區間：2010.01-2022.07。數據來源：Wind，測試區間：2010.01-2022.07。成長因子我們基于凈利潤、營業收入計算常用的增長率因子；同時使用 ROA、ROE計算 ROA 變動、ROE 變動衡量股票的成長性。成長因子列表經過歷史回測篩選，我們選擇成長的 8 個因子用于中證 500 內選股，估值因子的整體權重為 10%，每個單因子權重為 1.25%。具體指標和計算方法如下表：表 11：中證 500 股票池 成長因子列表因子名方向計算方法因子權重單季度扣非凈利潤同比增長率越大越好單季度扣非凈利潤同比增長率1.250

44、0%單季度扣非 ROA 變動越大越好單季度扣非 ROA 減去去年同期1.2500%單季度扣非 ROE 變動越大越好單季度扣非 ROE 減去去年同期1.2500%單季度歸母凈利潤同比增長率越大越好單季度歸母凈利潤同比增長率1.2500%單季度歸母 ROA 變動越大越好單季度歸母 ROA 減去去年同期1.2500%單季度歸母 ROE 變動越大越好單季度歸母 ROE 減去去年同期1.2500%單季度營業利潤同比增長率越大越好單季度營業利潤同比增長率1.2500%單季度營業收入同比增長率越大越好單季度營業收入同比增長率1.2500%數據來源：成長因子相關系數的平均值和因子 IC 的相關系數如下。表 1

45、2：中證 500 內 成長因子 相關系數的平均值成長因子 相關系數平均值單季度歸母ROA變動單季度歸母ROE變動單季度歸母凈利潤同比增長率單季度扣非ROA變動單季度扣非ROE變動單季度扣非凈利潤同比增長率單季度營業利潤同比增長率單季度營業收入同比增長率單季度歸母ROA變動1.000.910.720.750.610.550.390.410.510.530.240.270.28單季度歸母ROE變動0.911.000.550.61單季度歸母凈利潤同比增長率0.720.751.000.460.490.570.67單季度扣非ROA變動0.610.550.460.491.000.900.680.720.5

46、60.590.330.360.340.36單季度扣非ROE變動0.550.610.901.00單季度扣非凈利潤同比增長率0.390.410.570.680.721.000.72單季度營業利潤同比增長率0.510.530.670.560.590.721.00單季度營業收入同比增長率0.240.270.280.330.360.340.361.00數據來源：Wind，成長因子單季度歸母ROA變動單季度歸母ROE變動單季度歸母凈利潤同比增長率單季度扣非ROA變動單季度扣非ROE變動單季度扣非凈利潤同比增長率單季度營業利潤同比增長率單季度營業收入同比增長率單季度歸母ROA變動1.000.950.800.

47、770.740.760.590.600.660.680.35單季度歸母ROE變動0.951.000.830.720.41單季度歸母凈利潤同比增長率0.800.831.000.640.680.730.760.800.800.47單季度扣非ROA變動0.770.740.720.640.681.000.940.700.740.43單季度扣非ROE變動0.760.941.000.48單季度扣非凈利潤同比增長率0.590.600.730.760.801.000.820.530.54單季度營業利潤同比增長率0.660.680.800.700.740.821.00單季度營業收入同比增長率0.350.410.

48、470.430.480.530.541.00表 13：中證 500 內 成長因子 IC 的相關系數數據來源：Wind，成長單因子測試結果成長因子的分組測試具體結果和單因子組合優化的績效指標如下。單因子組合優化下，超額收益為 6%-10%，最大回撤為-8-11%，信息比率為 1.3-2.2。多頭組單因子組合優化組合優化成長因子單季度歸母ROA變動單季度歸母ROE變動單季度歸母凈利潤同比增長率單季度扣非ROA變動單季度扣非ROE變動單季度扣非凈利潤同比增長率單季度營業利潤同比增長率 單季度營業收入同比增長率空頭組超 超額收益 超額收益 超額收益 超額收益 多空收 超額收益 超額收益 超額收益 超額

49、收益額收益-6.39%-8.25%-9.92%-9.13%-9.67%-8.57%-9.16%-8.13%最大回撤 波動率 信息比率 益最大回撤 波動率 信息比率12.10%10.93%9.52%11.63%12.46%9.28%6.71%6.28%-9.25%-11.47%-10.43%-8.66%-10.43%-12.09%-12.00%-13.71%6.54%6.71%7.01%6.48%6.64%7.23%7.10%7.04%1.851.631.361.791.881.280.950.8918.50%19.18%19.44%20.76%22.13%17.84%15.87%14.42%8

50、.55%9.13%8.61%9.57%10.65%9.24%8.70%6.64%-8.79%-8.99%-8.53%-8.28%-8.71%-8.86%-9.20%-11.76%4.83% 1.774.86% 1.884.85% 1.774.78% 2.004.75% 2.244.87% 1.904.87% 1.794.93%1.35IC2.44%2.56%2.51%2.69%2.78%2.50%2.50%1.84%RankIC 周度雙邊2.84%3.04%2.95%2.89%3.05%2.94%2.89%2.19%換手率13.27%13.25%13.52%11.99%12.09%11.99%

51、12.71%11.87%表 14：中證 500 股票池 成長因子 主要績效指標數據來源：Wind，。測試區間：2010.01-2022.07。3.%3.4.3.3.2%14.4%6.281%5.04%7.54%.6494%03%.89%1-4.15%.34%-5.13%-8單季度營業收入同比增長率7%15.8%6.713.18%19%7.27%.6525%2.35%-2.82%-3.31%.67%-7.16%-9單季度營業利潤同比增長率4%17.8%9.28%0.4211%7.28%.6607%0.56%-2.82%-5.00%.54%-6.57%-8單季度扣非凈利潤同比增長率22.132.4

52、6%1%0.5818%5.52%.452.44%.84%-0-1.38%-2.23%.78%-6.67%-9單季度扣非ROE變動6%20.7%1.631%0.0412%8.02%.740.18%0.12%-3.80%-1.80%.55%-4.13%-9單季度扣非ROA變動4%19.4%9.52%8.705%8.83%.882.54%.49%-0-2.51%-5.15%.94%-4.92%-9單季度歸母凈利潤同比增長率8%19.1%0.931%1.2918%7.4.43%32.17%2.10%-1.14%-6.03%.47%-6.25%-8單季度歸母ROE變動0%18.5%2.101%9.968

53、%7.6.06%236%0.06%-4.45%-2.29%.85%-6.39%-6單季度歸母ROA變動多空收益t9t8t7t6t5t4t3t2t1t0成長因子分組 年化超額收益表 15：中證 500 股票池 成長因子 分組年化超額收益數據來源：Wind，。測試區間：2010.01-2022.07。中證 500 股票池內，8 個成長因子的多頭組超額收益和單因子組合優化超額收益曲線如下。圖 11：中證 500 股票池 成長因子 多頭組圖 12：中證 500 股票池 成長因子 組合優化超額收益曲線超額收益曲線數據來源：Wind，測試區間：2010.01-2022.07。數據來源：Wind，測試區間：

54、2010.01-2022.07。成長復合因子績效表現中證 500 股票池內，成長復合因子多頭組年化超額收益 13.11%，超額最大回撤-9.58%，信息比率 1.99；空頭組年化超額-12.8%，多空年化收益 25.91%。成長復合因子組合優化的年化超額收益 10.88%，超額收益最大回撤-7.53%，信息比率 2.23，周度雙邊換手率 11.85%。等權合成的成長復合因子多頭組超額收益曲線、單因子組合優化超額收益曲線如下。圖 13：中證 500 股票池 成長復合因子 分組超額收益圖 14：中證500股票池 成長復合因子組合優化收曲線益曲線數據來源：Wind，測試區間：2010.01-2022

55、.07。數據來源：Wind，測試區間：2010.01-2022.07。分析師因子我們基于朝陽永續分析師預測數據，計算分析師覆蓋度、分析師預測市盈率、分析師預測 ROE 等常用的分析師類因子。分析師因子列表經過歷史回測篩選，我們選擇分析師的 13 個因子用于中證 500 內選股。分析師因子的整體權重為 10%，每個單因子權重為 0.77%。具體指標和計算方法如下表：表 16：中證 500 股票池 分析師因子列表因子名方向計算方法因子權重分析師覆蓋度越大越好過去 90 日覆蓋報告數量0.7692%分析師預測 BPROE 分位數越大越好過去 90 日分析師預測 BP 分位數+ROE 分位數0.769

56、2%分析師盈利預測標準差越小越好過去 90 日分析師預測凈利潤的標準差0.7692%分析師預測 EP越大越好過去 90 日分析師預測凈利潤/總市值0.7692%分析師預測 PEG越大越好（過去 90 日分析師預測凈利潤/總市值）*過去 90 日凈0.7692%利潤增長率分析師預測 ROE越大越好過去 90 日分析師預測凈利潤/股東權益0.7692%分析師預測目標價收益率越大越好過去 90 日分析師預測目標價/當前股價-10.7692%過去 90 日機構最新盈利預測調整幅度越大越好過去 90 日機構預測凈利潤調賬幅度加權平均0.7692%分析師預測 SP20 日變化越大越好過去 90 日分析師預

57、測 SP20 日變化0.7692%分析師預測 EP20 日變化越大越好過去 90 日分析師預測 EP20 日變化0.7692%分析師預測凈利潤增長率 FY1越大越好過去 90 日分析師預測凈利潤增長率 FY10.7692%分析師預測 EPG 分位數（FY1）越大越好過去 90 日分析師預測 EP 分位數+g（FY1）分位數0.7692%分析師預測 EPG 分位數（FY2）越大越好過去 90 日分析師預測 EP 分位數+g（FY2）分位數0.7692%數據來源：分析師因子 相關系數平均值分析師覆蓋度分析師盈利預測標準差分析師預測BPROE分位數分析師預測EP分析師預測EP20日變化分析師預測EP

58、G分位數（FY1）分析師預測EPG分位數（FY2）分析師預測PEG分析師預測ROE分析師預測SP20日變化分析師預測凈利潤增長率 FY1分析師預測目標價收益率過去90日機構最新盈利預測調整幅度分析師覆蓋度1.000.030.160.140.010.080.100.050.230.020.000.04-0.060.06-0.01-0.01-0.10分析師盈利預測標準差0.031.00-0.17-0.12-0.03-0.05-0.020.09-0.19分析師預測BPROE分位數0.160.14-0.17-0.121.000.860.140.140.570.600.510.530.210.230.1

59、60.510.500.080.070.230.250.230.140.140.170.120.130.15分析師預測EP0.861.00分析師預測EP20日變化0.01-0.030.140.141.000.230.210.110.54分析師預測EPG分位數（FY1）0.080.100.05-0.05-0.020.570.510.600.530.230.210.161.000.890.690.430.380.080.080.060.030.510.470.160.190.150.250.220.17分析師預測EPG分位數（FY2）0.891.000.76分析師預測PEG0.090.210.230

60、.690.761.000.180.41分析師預測ROE0.23-0.190.510.500.110.430.380.181.000.300.100.16分析師預測SP20日變化0.020.000.080.070.540.080.080.060.031.000.040.210.02分析師預測凈利潤增長率FY10.040.06-0.06-0.01-0.100.230.250.230.510.470.410.300.041.000.050.33分析師預測目標價收益率0.140.140.170.160.190.150.100.210.051.000.02過去90日機構最新盈利預測調整幅度-0.010.