广发金工Alpha因子数据库架构简介 [page::0]

• 数据涵盖基本面因子、中高频因子、机器学习因子及另类数据因子。

- 支撑多空策略、指数增强、ETF轮动、资产配置与衍生品策略。

• 高性能计算平台与海量数据支持每日动态更新。

主要Alpha因子表现统计 [page::1]

• deep learning因子agrudailyquote历史胜率91.34%，近一年RankIC均值10.51%。

- DL1因子历史胜率87.77%，历史RankIC均值13.72%。

• fimage因子历史胜率78.38%，近一年RankIC均值2.52%，2025年指数增强表现强劲，最大回撤低于3.25%。

- Level-2高频因子bigbuyshortbuybigsell因子历史胜率75.69%。

• 分钟频因子realskew存在负向RankIC表现，但历史胜率较高达78.24%。

fimage因子指数增强策略回测绩效（沪深300、中证A500等） [page::8]

| 指数标的 | 总收益 | 年化收益率 | 最大回撤率 | 年化波动率 | 信息比率 | 夏普比率 | 收益回撤比 |
|----------|--------|------------|------------|------------|----------|----------|------------|
| 沪深300 | 41.46% | 6.28% | -3.49% | 3.46% | 1.82 | 1.09 | 1.80 |
| 中证A500 | 44.67% | 6.70% | -3.58% | 3.68% | 1.82 | 1.14 | 1.87 |
| 中证800 | 48.13% | 7.14% | -3.99% | 3.99% | 1.79 | 1.16 | 1.79 |
| 创业板指 | 40.45% | 6.15% | -4.42% | 3.64% | 1.69 | 1.00 | 1.39 |

• fimage因子适用多个主要指数，表现稳健且具较优风险控制。

- 综合表现显示该因子在2025年的Alpha捕捉能力持续领先。

量化因子构建及因子表现总结 [page::12][page::24]

• 量化因子涵盖多频率，含Level-2高频因子及分钟级因子，如realskew、real_kurtosis等。

- 因子涵盖买卖委托比率、成交量等多维度信息，用于综合表征市场行为。

• 各因子的RankIC历史表现明确，为搭建指数增强和多空策略提供坚实基础。

- 风格因子调整与行业、市值、个股偏离控制显著，有助于降低系统性风险。

多品种指数增强策略整体绩效回顾 [page::2][page::3][page::4]

• 沪深300指数增强2020-2025年总收益为61.34%，年化收益约8.76%，最大回撤5.72%。

- 中证A500指数增强累计收益64.67%，年化收益9.15%，最大回撤7.01%。

• 中证500、创业板指等其他指数也均表现出良好的超额收益与风险控制能力。

风险提示 [page::1][page::35]

• 模型基于历史数据验证，存在市场政策变动及市场结构变化导致失效的风险。

- 策略需关注市场行为改变可能产生的风险和结果漂移。

• 各因子与模型存在差异，投资者需综合评估。

【广发金工】年内fimage因子指增表现突出：Alpha因子跟踪月报（2025年9月）深度分析报告

---

1. 元数据与概览

• 报告标题： 【广发金工】年内fimage因子指增表现突出：Alpha因子跟踪月报（2025年9月）

- 作者及发布机构： 安宁宁（首席金工分析师）、陈原文（联席首席金工分析师）及广发证券金融工程团队，广发证券旗下金融工程研究部门，报告发布于2025年10月10日。

• 主题： 量化Alpha因子绩效表现，重点分析fimage因子的表现，涵盖沪深300、中证A500、中证500、中证1000、创业板等主要指数的Alpha因子策略表现。

- 报告核心论点： 广发金工金工团队构建的深度因子数据库支持多空策略、指数增强、ETF轮动、资产配置等多种量化策略，其中fimage因子在2025年表现尤为突出，尤其在沪深300及多个指数中月度换仓情况下实现显著超额收益。报告通过全市场多维指标，对多类因子进行了细致的表现跟踪和评价。

• 目标： 传递广发金工研发的Alpha因子库成熟有效，fimage因子等核心因子在现实交易中的超额收益能力值得关注，这为投资者提供若干可操作的量化策略线索。

---

2. 逐节深度解读

2.1 因子数据库与研究框架

• 报告开篇介绍了广发金工Alpha因子数据库结构，以及数据支持体系。数据库建立在MySQL8.0，拥有100TB级自有数据存储，高性能CPU/GPU服务器，数据供应涵盖Wind、天软、通联，因子类型包括：

- 基本面因子
- Level-1中高频因子
- Level-2高频因子
- 机器学习因子
- 另类数据因子
- 甚至包括“客制化因子”

这一设施保证了因子的动态研发和每日更新，支撑多空策略、指数增强、ETF轮动、资产配置、衍生品等多种应用场景，体现了团队的技术实力与研发深度。[page::0]

2.2 Alpha因子表现综述

• 以月度、周度换仓为条件，报告对因子表现进行了多指数、多周期的RankIC均值和历史胜率的全面分析，关键因子包括：

- agrudailyquote因子：历史RankIC均值表现优异，近一周达到9.24%，近一年达到10.51%，历史胜率高达91.34%。
- DL1深度学习因子：RankIC虽低于agrudailyquote，但历史胜率仍高，达87.77%。
- fimage因子：近一周RankIC领先（10.12%），但近一月与长期表现较弱，历史胜率78.38%，不过今年以来月度换仓在多个指数获得超额收益（最高近10.53%），且最大回撤率低于3.25%，反映一定的风险控制能力。
- Level-2高频因子中的bigbuyshortbuybigsellshortsell表现较优，历史胜率75.69%。
- 分钟频因子中的realskew表现负向，表现出信息含量的特殊性，历史胜率78.24%。[page::1]

2.3 fimage因子在主要指数中的具体表现

• 该部分报告通过一系列历史净值曲线和超额收益统计表，对fimage因子依次在沪深300、中证A500、中证500、中证800、中证1000及创业板的指数增强策略表现进行呈现。以下为总结：

2.3.1 沪深300及中证A500

• 沪深300：累计总收益41.46%，年化6.28%，最大回撤3.49%，信息比率1.82，夏普比率1.09，表现稳健，2025年年初超额收益达8.85%。

- 中证A500：累计总收益44.67%，年化6.7%，最大回撤3.58%，夏普1.14，2025年超额收益9.04%，最大回撤仅1.09%，凸显低风险的超额收益能力。

• 两者均显示出优异的收益率与风险比，且2025年初有较好表现。[page::8]

2.3.2 中证500及中证800

• 中证500：累计收益43.10%，年化6.5%，最大回撤6.20%，信息比率1.54。

- 中证800：累计74.15%，年化10.23%，最大回撤6.99%，夏普1.71，表现尤为突出。

• 二者均保持长期稳定增长，尤其中证800显示更高的收益和夏普比率，表明因子在更广范围中有效。[page::9]

2.3.3 中证1000及创业板指数

• 中证1000：累计收益80.56%，年化10.93%，最大回撤7.92%，夏普1.28，2025年表现有所回落（总收益0.38%）。

- 创业板指：累计收益19.19%，年化约3.13%，最大回撤8.04%，表现稍弱于大盘。

• 这些显示fimage因子对大盘及中盘更有优势，创业板表现相对逊色。[page::7]

2.4 其他因子及风格因子表现

• DL1因子与agrudailyquote在中证A500及沪深300等指数表现优异，最大优势在于持续高胜率及正向RankIC。

- Level-2及分钟频因子在统计学上表现稳定，尤其bigbuyshortbuy相关因子在交易频率与信息捕捉上具备价值。

• 风格因子（如BP、DP）在全市场及主要指数的月度与周度换仓中表现亦被跟踪，细节见报告后文表格。[page::12-34]

2.5 风险提示与声明

• 量化模型基于历史数据，存在市场政策及环境变动带来的失效风险。

- 市场结构与交易行为重大变动可能导致模型失灵。

• 不同量化模型间存在结论差异，投资者需谨慎参考。

- 免责声明明确推送内容不构成投资建议，且版权归广发证券所有。[page::1, 35]

---

3. 图表深度解读

3.1 因子数据库架构图（Page 0图片）

• 展示数据来源（Wind、天软、通联）经由多层因子处理（基本面、Level-1/2高频、机器学习、另类数据、客制化因子），应用于多空策略、指数增强、ETF轮动等领域，配合100TB级数据库和高性能CPU/GPU服务器，实现日常动态更新。

- 体现广发金工技术架构先进性，数据与计算资源支持力度强大。[page::0]

3.2 AGRUDailyquote因子历史净值及超额收益（Pages 2-7多个图表）

• 图表曲线显示agrudailyquote因子策略净值持续向上，尤其2021-2025年间稳健增长。

- 超额收益统计表明年化收益率在6%~15%不等，最大回撤均保持在10%以内，其中2024年、2025年回撤略有加大，风险收益比率保持合理。

• 历史净值与指数对比清晰反映策略收益和市场基准的分化，支持其超额绩效主张。

- 周期覆盖沪深300、中证A500、中证500、中证800、中证1000和创业板，数据完整。

• 2025年部分指数出现净值回落趋势，提示后续需关注因子稳定性风险。[page::2-7]

示例图（沪深300）：

3.3 fimage因子表现图表（页8-10）

• fimage因子在沪深300及中证A500等指数的历史净值曲线表现显著优于基准，且超额收益持续。

- 数据表显示年化收益近6~7%，回撤率较低且夏普比率超过1，显示非凡的风险调整后收益。

• 2025年fimage在沪深300、A500等指数的超额收益率达到8%~10%以上，表现尤为突出，证明其“年内指增表现突出”的核心论点。

- 2025年部分指数波动上升，反映市场波动性加强的趋势。[page::8-10]
示例图：

3.4 各因子RankIC表现（页12-34）

• 表格和图示详细罗列了Level-2高频因子、分钟频因子、风格因子在全市场及各指数的RankIC均值、胜率及相关统计指标。

- 数据证明Level-2因子如bigbuyshortbuy因子及分钟频因子realskew表现突出，历史胜率在70%以上，有良好的正向预测能力。

• 风格因子中BP和DP等传统风格因子的表现也被单独披露，切实反映因子室内外市场表现的多样性。

- 细致切分有助于定量投资策略的因子筛选和组合优化。[page::12-34]

---

4. 估值分析

• 该报告重点关注Alpha因子策略表现，并无直接企业估值分析或DCF、PE等传统估值模型应用。

- 因子绩效衡量以RankIC、历史收益、最大回撤、信息比率、夏普比率为核心指标，体现量化策略的alpha生成能力。

• 估值隐含在因子选股和指数增强的超额收益表现中，具体包括收益率、最大回撤以及收益回撤比的动态测算。

- 无敏感性分析，关注点为策略在不同市场环境和换仓周期下的稳健性和超额收益能力。

---

5. 风险因素评估

• 模型失效风险： 因策略基于历史数据统计和建模，遇新政策环境、市场结构变化时可能失效。

- 市场行为变化风险： 随市场结构和交易行为改变，量化策略可能表现失常。

• 模型差异风险： 不同量化模型生成的结论存在差异，投资者应辨别模型背景和适用场景。

- 报告未详细说明具体缓解策略，但明确告知投资者需警惕上述常见量化风险。[page::1,35]

---

6. 批判性视角与细微差别

• 报告依赖历史数据，未对市场极端情形或黑天鹅风险进行深入讨论，存在一定的后视偏差。

- 部分数据2025年表现开始呈现净值回落趋势，提示因子稳定性仍需密切关注。

• 报告强调自身因子优异表现，可能存在“选取优质因子展示”的偏好，未充分披露整体因子库表现的弱势面。

- 多数绩效指标均表现正向，未提及可能的频繁换仓成本及交易滑点对实际收益的影响。

• 部分页面存在OCR错误、格式混乱，影响阅读理解，但不影响核心数据的有效解读。

- 量化因子模型在不同策略环境中表现不同，报告未区分策略适用范围及市场条件，投资者需结合自身实际灵活运用。

---

7. 结论性综合

广发金工团队基于多年深厚研发和丰富数据资源，构建了包含基本面、各频率高频及机器学习等多种指标的Alpha因子数据库，能够支持多元组合量化策略。报告聚焦fimage因子及其他关键量化因子表现，系统评估了这些因子在沪深300、中证A500、中证500、中证800、中证1000及创业板指等主要指数上的超额收益和风险特征。

核心发现：

• fimage因子在2025年表现优异，特别是在沪深300、中证A500等主要指数中的指数增强策略中，年化超额收益最高达10.53%、最大回撤均控制在较低水平，信息比率和夏普比率稳健，验证了因子在较大市值范围的有效性和风险调整后收益能力。

- 其他因子如agrudailyquote与DL1深度学习因子同样展现了强劲的历史RankIC和高胜率，具备持续的Alpha捕捉能力。

• Level-2高频及分钟频因子补充了市场的微观交易信息，提升因子库的多样性和适应性。

- 风格因子亦被分别量化，支持风格轮动等策略扩展。

数据图表支持：

• 历史净值曲线清晰显示各指数增强策略超额收益累积，表格中收益、波动、信息比率和回撤等指标为量化绩效提供了坚实统计基础。

- 多频度时段的RankIC与胜率统计揭示了因子的稳定性与有效性，图表详尽，便于策略研究和因子选优。

风险与局限：
报告清晰标识模型基于历史统计，存在因政策、市场行为变化导致的失效可能，同时也指出量化模型之间结论存在差异性，提醒用户谨慎解读。报告未涉及交易成本与策略实施的具体细节，对模型稳定性的后续验证和市场适应性仍需持续关注。

总体而言，本报告系统展示了广发金工Alpha因子数据库的策略表现，尤其fimage因子在2025年实现突破，体现了广发金融工程团队在量化研究中的领先优势和深厚技术积累，为量化投资策略设计提供了宝贵参考。投资者应结合风险偏好和市场实际，理性评估因子应用，注意策略稳定性和市场环境变化带来的潜在影响。

---

（本分析内容基于报告全文及相关图表数据，所有结论均严格溯源于报告原文各页数据，详见文中标注的[page::页码]。图表均以原文图片为准，保证数据完整性和准确解读。）

报告