风格因子表现概览 [page::0][page::2]

• 盈利、波动、动量因子的多头表现较好，非线性市值、估值、杠杆类因子的空头表现强势。

- 市场选股倾向于低估值高成长以及高波动的股票。

全市场及分指数因子多空收益跟踪 [page::3][page::4][page::5][page::6]

• 全市场基本面因子多空收益大多数为正向，技术类因子多数为正，长期动量为负。

- 沪深300中估值类因子表现突出，整体偏好低估值且业绩较好个股。

• 中证500侧重高估值高成长及技术因子正收益分布，GRU因子表现分化。

• 中证1000中静态财务因子表现强势，超预期增长因子为负，GRU因子持续良好表现。

GRU模型因子表现及多头策略组合 [page::3][page::7]

• GRU因子多空收益强势，barra5d模型年度累计超额收益高达7.75%。

- 多头组合相较中证1000指数实现显著超额收益，动量和波动类因子贡献明显。
| 策略因子名称 | 近一周 | 近一月 | 近三月 | 近六月 | 今年以来 |
|---------|-------|-------|-------|-------|-------|
| open1d | 0.06% | 1.99% | 5.73% | 2.77% | 6.76% |
| close1d | 0.58% | 3.62% | 5.20% | 4.06% | 6.16% |
| barra1d | 0.95% | 1.46% | 2.20% | 2.12% | 4.31% |
| barra5d | 0.69% | 3.06% | 5.71% | 5.09% | 7.75% |
| 多因子 | 0.13% | 1.27% | 3.94% | 5.24% | 2.61% |

风险提示 [page::1][page::7]

• 因子及模型风险包括因子失效和模型因市场变化导致失效风险。

- 实盘交易与回测假设的差异可能影响最终收益表现。

中邮证券《关注基本面支撑 高波风格占优 中邮因子周报20250615》深度分析报告

---

1. 元数据与报告概览

报告标题：《关注基本面支撑 高波风格占优 中邮因子周报20250615》
作者：肖承志（SAC编号 S1340524090001）、金晓杰
发布机构：中邮证券有限责任公司，中邮金工研究
发布日期：2025年6月16日
研究主题：本报告围绕A股市场的多种风格因子及基本面因子的表现变化，通过对全市场及沪深300、中证500、中证1000不同股池的因子多空收益跟踪，分析近期风格轮动和因子的有效性。此外，报告进一步跟踪策略组合的表现，重点关注GRU模型在组合构建中的应用效果。

核心论点：

• 近期市场多头更偏好盈利能力强、波动性较大的“高波风格”股票，基本面尤其是增长类财务因子表现较好。

- 估值、非线性市值及杠杆等因子则出现空头优势，反映市场对高估值和高杠杆股票的谨慎。

• GRU模型在全市场及多个股池中发挥积极作用，表现出色，尤其是barra5d模型表现强劲。

- 多头组合整体表现优异，超额收益明显，尤其是基于GRU建模的多头组合今年以来超额收益颇为显著。

• 风险提示主要集中于因子失效、模型失效以及实盘交易的风险。[page::0,1,8]

---

2. 深度逐节解读

2.1 风格因子跟踪分析

2.1.1 风格因子定义（图表1，页2）

本报告使用Barra风格因子框架，涵盖了Beta（历史系统风险）、市值（自然对数）、动量（历史超额收益率均值）、波动（综合考虑超额收益率波动率、累积收益离差及残差收益率波动率）、非线性市值（市值三次方）、估值（市净率倒数）、流动性（综合月、季、年换手率）、盈利（基于预测盈利/价格比、市现率、市盈率倒数等加权）、成长（包含短期及长期盈利增长率和营业收入增长率）、杠杆（市场杠杆率、账面杠杆、资产负债率加权）等因子。这个多维度的风格因子体系能够覆盖基本面、估值、市场情绪及价格动量等多个维度。

2.1.2 风格因子近期表现（图表2，页2）

• 本周盈利、波动、动量因子表现强劲，多头收益明显，显示市场偏好盈利能力强、价格波动性的股票。

- 估值、非线性市值和杠杆因子出现空头优势，表明低估值、低杠杆股票受青睐。

• 历史趋势表明，非线性市值和市值因子在中长期表现为负，反映了市场低市值或中市值股票表现相对较好。

- 估值因子近期一周收益为正，但长期趋势（3年及5年）为负，暗示市场估值调整。

此部分揭示了市场投资风格自盈利和动量向价值（低估值）因子进行了轮动的一部分调整，但仍然保持一定的高波动偏好。[page::2]

2.2 全市场因子表现跟踪（页3）

• 基本面因子多空收益整体为正，尤其是增长类和超预期增长类因素表现最为突出，强调市场对业绩增长超预期的公司给予的溢价。

- 静态财务因子多空收益未表现出明显优势，意味着静态指标无法捕捉涨幅。

• 技术类因子大多数呈正，长期动量呈现负向，反映市场短期动量有效，但长期动量效应减弱或逆转。

- 波动类因子的多空收益为正，说明高波动股票近期更受资金青睐。

• GRU因子整体表现正向，barra5d模型尤其强势，表明深度学习模型能够捕捉复杂因子效应并带来超额收益。

关键数据解读（图表3-5，页3）：

• 市盈率、市净率、ROE及ROA增长等财务因子近一周及今年以来大多呈现正收益，显示基本面驱动明显。

- 动量因子的短期表现优于长期动量，波动因子在近期表现中占优，符合高波风格观点。

• GRU的不同训练目标表现均较好，尤其是close1d和barra5d模型，支持多模型融合提升效果。

此部分显示了整体多因子框架的有效性及基于机器学习的因子改进方向。[page::3]

2.3 沪深300成分股因子表现（页4）

• 估值因子表现更为显著，市场偏好低估值且业绩良好的大盘蓝筹股。

- 技术因子也普遍为正，多空收益显著，尤其是波动因子的收益突出，高波动大盘股受益明显。

• GRU模型中，close1d模型多空收益表现最好，说明对大盘蓝筹预测效果较优。

技术类因子的细节（图表7，页4）显示，中位数离差和波动性指标中长期走势呈现负趋势，暗示近期市场波动趋缓；而动量类指标短期表现较强。整体市场对成长性及高波动股票仍有偏好。

综合来看，大盘股票选择更强调估值修复以及波动中能抓住机会。[page::4]

2.4 中证500成分股因子表现（页5）

• 基本面因子多空收益表现积极，静态财务因子尤为显著，表明中盘成长股基本面较为坚实。

- 技术因子多数呈正，长期波动和中位数离差呈负，多数动量和短期波动因子表现良好。

• GRU因子表现分化，barra1d和open1d模型回撤明显，但close1d模型强势，凸显不同模型对中盘股票风格捕捉能力差异。

如图表10-12，营业利润率与ROE超预期增长对收益贡献明显，说明盈利能力强劲且业绩超预期中盘股获得溢价。此处暗示静态指标及盈利质量仍是一大选股核心。[page::5]

2.5 中证1000成分股因子表现（页6）

• 基本面因子表现出现明显分化，静态财务因子多空收益表现强势，增长类其次，超预期增长类财务因子表现为负，暗示市场对小盘股短期业绩超预期敏感度降低。

- 技术因子多数为正表现，长期动量和波动呈现负向，短期动量及波动表现良好，说明市场对小盘股的短期波动及动量效应更敏感。

• GRU因子整体表现良好，barra5d组合强势，说明其在捕捉小盘股特性方面展现优势。

图表13-15显示，市销率、营业利润率、ROE相关的指标对收益贡献不一，提示投资者需要平衡估值与基本面的判断。技术角度，波动控制和动量策略仍有可操作空间。[page::6]

---

3. 策略组合表现跟踪（页6-7）

• 选股池：万得全A，剔除ST、停牌及上市不满120日股票。

- 业绩基准：以中证1000指数为基准比较。

• 调仓频率：月度调仓。

- 交易成本：双边手续费万3，个股权重上限千2，风格及行业偏离严格控制。

多头组合表现（图表15-16，页7）：

• GRU多头组合表现良好，超额收益区间为0.06%-0.95%，其中barra5d模型今年以来累计超额收益达7.75%。

- 多因子组合本周表现较弱，相对中证1000指数仅超额0.13%。

• 超额净值走势图显示，从2019年起复合增长强劲，特别是barra5d模型持续领先。

此部分显示了深度学习模型在实盘组合中的落地潜力，模型驱动选股策略在未来投资中仍具较强吸引力。[page::6,7]

---

4. 风险提示（页7）

• 因子失效风险：历史因子基于过去数据统计，未来市场变化可能导致因子失效甚至反向。

- 模型失效风险：模型训练基于历史逻辑，未来市场结构变动可能令模型表现下降。

• 实盘交易风险：回测基于理想条件，真实交易中环境复杂，滑点、流动性等可能影响结果。

风险说明明确指向量化、机器学习策略固有的模型风险，提示投资者谨慎解读。[page::7]

---

5. 图表深度解读

图表2 风格因子多空收益【页2】

• 显示近一周至五年不同风格因子的多空收益和趋势。

- 盈利、波动和动量因子近一周收益分别为约1.01%、0.97%和0.38%，均为多头收益，呈现短期强势。

• 非线性市值、估值、杠杆因子长期呈现负向收益，说明市场倾向避开这类高风险或高估值股票。

- 趋势线形象化显示波动和盈利因子近年向上，估值因子表现波动较大。

该图明确体现“高波动盈利股占优”这一核心结论。[page::2]

图表3-5 全市场因子表现【页3】

• 财务因子如roa、roe超预期增长均表现正向，但静态指标如roe、roa有少量负收益，凸显增长动能引导多头收益。

- 技术因子长期动量为负而短中期动量正，波动指标短期收益更好。

• GRU模型close1d和barra5d表现领先，收益超过3%以上，表明深度学习模型捕获的因子信息价值高。

该系列图表强化了基本面与技术面结合的选股价值逻辑。[page::3]

图表6-8 沪深300因子表现【页4】

• 基本面估值因子表现突出（市销率、市盈率负向多空收益高），技术面波动因子贡献明显。

- 技术因子中，120日动量和波动呈现不同趋势，短期波动优势明显。

• GRU中的close1d模型表现突出，显示大盘股票短期预测效果佳。

该图表支持“沪深300中低估值、高动量波动股优”的结论。[page::4]

图表9-12 中证500因子表现【页5】

• 静态基本面因子表现稳定，增长因子稍弱，但超预期增长因子表现积极。

- 技术因子的中位数离差和长期波动呈负面收益，暗示波动降低或市场恐慌缓解。

• GRU模型表现较为分化，无模型全面领先。

图表反映中盘股选择需综合增长与估值权衡。[page::5]

图表13-15 中证1000因子表现【页6】

• 静态财务指标如市销率表现明显正向，但超预期因子负收益，短期表现弱于中长期。

- 技术因子20日动量和波动展示活跃短期交易特征。

• GRU模型barra5d和close1d表现最佳，展现对小市值个股捕捉力。

该图体现市场对小盘股的短期波动交易特征偏好。[page::6]

图表15-16 多头组合表现【页7】

• 多头组合各模型近一周至今年以来均实现正超额收益，特别是barra5d模型表现突出。

- 超额净值曲线体现长期稳健的收益积累效果。

该图确认了通过因子模型构造的多头组合优于基准的投资价值。[page::7]

---

6. 批判性视角与细微差别

• 报告整体保持客观的数据呈现，强调因子和模型多空收益的多维表示，体现研究的严谨性。

- 但不同股池间因子表现分化明显，反映市场结构对因子策略的影响需被更多关注，模型通用性或有局限。

• 报告虽指出风险，但未详细说明模型调参、市场极端事件对组合的冲击效果，缺少对极端风险下策略表现的情境分析。

- GRU深度学习模型表现亮眼，但对模型训练细节、数据预处理、过拟合风险未做展开说明，略显粗略。

• 技术类因子的负向长期动量表现虽被呈现，但对潜在原因缺乏深入探讨。

建议研究中进一步对模型的稳健性测试和因子协同效应进行更细致的解析。

---

7. 结论性综合

本报告通过多角度分析体现了当前A股市场以“高盈利、高波动”为主的风格占优特征，基本面因子中的增长类与超预期增长表现尤为突出，估值因子表现出价值修复的效果，尤其是在大盘（沪深300）股池中，低估值的优良业绩股票受到投资者青睐。技术面因素中，短中期动量和波动依然是重要的alpha来源，但长期动量表现趋弱，显示短期波动性交易活跃。

GRU深度学习模型在多个股池（全市场、沪深300、中证500、中证1000）内均展现较强的多空收益能力，尤其是barra5d模型表现持续强势，表明机器学习技术在因子选股领域的有效性和潜力。策略组合在实盘跟踪中取得了明显的超额收益，验证了模型的实战应用价值。

风险提示合理并全面覆盖因子失效、模型失效和实盘交易风险，提醒投资者关注策略的历史依赖性及市场结构变化带来的不确定性。

总体而言，报告展现了中邮证券在因子研究和机器学习应用方面的前沿水平，结合多因子基本面和技术面指标，为市场投资提供了系统性、有针对性的策略指引，重点推荐关注基本面支撑且具备高波动特征的股票，以期把握市场核心的风格轮动机会。[page::0~7]

---

参考图表展示（示例）

• 

-

• 

-

总结：本报告从基础因子定义出发，通过全市场及不同市值股池的因子多空收益跟踪，结合深度学习模型应用，全面展现了因子选股的现状与未来趋势，具备较高的参考价值和实操指导意义。

报告