金股组合基本面股票池优势及超额收益表现 [page::2][page::3]

• 金股数量逐年上升，超过100只，覆盖28个一级行业，适合构建多样化股票组合。

- 自2017年以来，金股组合年化收益率为15.7%，收益波动比0.7，显著优于沪深300(12.7%)和中证500(0.4%)指数。

• 主要超额收益来源于2019年和2020年。

金股组合多维度划分表现差异 [page::3][page::4]

• 重复金股组合年化收益18.1%，优于新进金股组合13.5%。

| 指标 | 重复金股组合 | 新进金股组合 | 沪深300指数 | 中证500指数 |
|--------------|--------------|--------------|-------------|-------------|
| 年化收益率 | 18.1% | 13.5% | 12.7% | 0.4% |
| 年化波动率 | 23.4% | 22.1% | 19.7% | 23.3% |
| 收益波动比 | 0.77 | 0.61 | 0.65 | 0.02 |

• 多家推荐金股组合年化收益18.2%，显著高于单家推荐13.2%。

| 指标 | 多家推荐金股组合 | 单家推荐金股组合 | 沪深300指数 | 中证500指数 |
|--------------|------------------|------------------|-------------|-------------|
| 年化收益率 | 18.2% | 13.2% | 12.7% | 0.4% |
| 年化波动率 | 22.0% | 22.8% | 19.7% | 23.3% |
| 收益波动比 | 0.83 | 0.58 | 0.65 | 0.02 |

金股组合调仓及时性影响收益表现 [page::4]

• 调仓时点越早，金股组合年化收益率越高，收益波动比改善明显。

| 调仓时点 | 年化收益率 | 年化波动率 | 收益波动比 |
|------------|------------|------------|------------|
| 第1交易日 | 30.1% | 25.5% | 1.18 |
| 第2交易日 | 22.4% | 24.7% | 0.91 |
| 第3交易日 | 19.2% | 24.3% | 0.79 |
| 第4交易日 | 19.2% | 25.0% | 0.77 |
| 第5交易日 | 15.7% | 22.3% | 0.70 |

交易行为因子优化提升组合表现 [page::5]

| 交易行为因子 | 因子逻辑 |
|--------------|------------------------------|
| 聪明钱因子 | 通过分钟价量信息识别机构参与 |
| 理想振幅因子 | 股价波动水平的结构性差异 |
| 长端动量因子 | 低活跃度水平下的动量效应 |

• 因子优化组合年化收益率提升至20.6%，收益波动比提升至0.89。

| 指标 | 因子优化组合 | 原始组合 | 沪深300指数 | 中证500指数 |
|----------------|--------------|-----------|-------------|-------------|
| 年化收益率 | 20.6% | 15.7% | 12.7% | 0.4% |
| 年化波动率 | 23.2% | 22.3% | 19.7% | 23.3% |
| 收益波动比 | 0.89 | 0.70 | 0.65 | 0.02 |

行业优选提升金股组合表现 [page::6]

• 采用行业景气度模型剔除低景气行业股票，组合年化收益率提升至18.3%，收益波动比为0.77。

| 指标 | 行业优选组合 | 原始组合 | 沪深300指数 | 中证500指数 |
|------------|--------------|----------|-------------|-------------|
| 年化收益率 | 18.3% | 15.7% | 12.7% | 0.4% |
| 年化波动率 | 23.7% | 22.3% | 19.7% | 23.3% |
| 收益波动比 | 0.77 | 0.70 | 0.65 | 0.02 |

分析师历史推荐效果影响及最优分组研究 [page::7]

• 通过指标R评估分析师历史推荐效果，平均行业收益率分位值为56%。

- 按R值五分组构建金股组合，中间组表现最佳（第三组年化收益率25.5%，收益波动比0.98）。
| 指标 | 第一组 | 第二组 | 第三组 | 第四组 | 第五组 | 中证500指数 |
|--------------|--------|--------|--------|--------|--------|-------------|
| 年化收益率 | 11.6% | 18.2% | 25.5% | 18.9% | 10.1% | 0.4% |
| 年化波动率 | 22.5% | 23.8% | 26.1% | 24.4% | 22.5% | 23.3% |
| 收益波动比 | 0.52 | 0.77 | 0.98 | 0.77 | 0.45 | 0.02 |

“金股组合的量化方案”研究报告详尽分析

---

一、元数据与报告概览

报告标题： “金股组合的量化方案”
作者及研究团队： 开源证券金融工程研究团队，首席分析师魏建榕及多名分析师与研究员
发布日期： 2021年4月26日
主题： 以券商“金股”推荐组合为基础，结合量化技术构建强化的量化投资组合，分析其超额收益表现及相关优化方案。
核心论点与目标：

• “金股组合”作为基本面选股的集中体现，自2017年以来展现了较为优异的超额收益。

- 报告通过多维度分组（重复金股/新进金股、多家推荐/单家推荐）、调仓时点、交易行为因子优化、行业轮动优化以及分析师历史推荐效果分组等多角度，深入挖掘组合的收益表现差异与提升途径。

• 目标是证明基于主动基本面选股的“金股组合”可通过量化手段实现“青出于蓝而胜于蓝”的增强效果。

- 风险提示明确指出基于历史数据，未来市场环境可能变化，模型效果不可保证。[page::0,1,2]

---

二、逐节深度解读

1. 金股组合超额收益表现优异

关键论点：
从2017年起，金股组合的月度明细显示其股票数量广泛且覆盖28个一级行业，具备构建指数化量化组合的条件。最关键的是，金股组合自7年运行显示了显著超额收益，年化收益达15.7%，而同期沪深300指数和中证500指数分别为12.7%和0.4%。收益波动比为0.7，高于沪深300的0.65，表现稳健且优于中证500的0.02。超额收益尤其来自2019和2020年两年，凸显了金股组合的有效选股力和市场表现。[page::2,3]

逻辑与假设：

• 成份股权重基于推荐数量，体现基本面共识强度。

- 组合调仓时间设计为每月第五个交易日后开盘，考虑了推荐信息滞后，保持保守。

• 以沪深300和中证500为基准，体现整体市场及中型股市场表现对比，增强结论稳健性。

2. 多维度划分金股组合收益表现

关键论点：

• 按“重复金股”（前月已在组合）和“新进金股”划分，重复金股年化收益18.1%，新进为13.5%，重复持有的个股表现更优，或表明市场对这些股票认知渐深、业绩兑现稳定。

- 按推荐来源“多家推荐”和“单家推荐”划分，多家推荐的年化收益高达18.2%，单家推荐13.2%。多家支持体现了更强选股共识与市场关注度，收益表现更佳。[page::3,4]

推理与说明：

• 多方共识与持有稳定性显著提升投资组合表现。

- 市场对重复金股的跟踪效应使得它们的风险溢价更容易被捕捉。

3. 金股组合获取及时性影响组合收益

论点与数据：
组合调仓时点由每月第1至第5交易日，调仓越早，收益表现越好。第1交易日调仓年化收益达30.1%，第5交易日为15.7%，说明信息越快越能捕获市场波动带来的超额收益。波动率整体维持在22%-25%左右，收益波动比从1.18降至0.70。调仓提早带来的增益明显。[page::4]

关键推理：

• 市场是信息敏感的，及早获得并依据金股组合调整持仓能抓取更多的市场机遇，体现了信息时效性的关键意义。

4. 交易行为因子优化提升收益

方法及核心内容：
基于量化因子投资思想，引入“聪明钱因子”“理想振幅因子”和“长端动量因子”对原金股组合权重重新优化。

• 聪明钱因子：监测机构投资者参与度。

- 理想振幅因子：通过价格振幅揭示结构差异信息。

• 长端动量因子：结合低活跃度与动量效应。

优化后组合年化收益明显提升至20.6%，收益波动比增至0.89，显著优于原始组合的15.7%和0.70，说明行为因子有助于捕捉市场短期的超额收益，增加活跃资金的权重配置。[page::5]

5. 行业优选后组合表现提升

由于金股多基于个股选取，报告引入行业景气度模型，每月筛除相对表现靠后的10个行业。

• 行业景气度评分基于一级行业景气度模型。

- 剔除低景气行业后的组合年化收益由15.7%提升至18.3%，收益波动比提升0.07至0.77。
说明行业轮动模型辅助筛选能够提升组合整体收益及风险调整后表现。[page::6]

6. 分析师历史推荐效果分组

分析师的选股能力存在分化，基于过去12个月的金股当月同行业收益分位值均值定义分析师推荐效果指标R。

• R值分布均值为56%，大部分集中于40%~70%。

- 将样本按R值分五组，观察其年化收益表现，中间组（第三组）表现最佳，年化收益25.5%，收益波动比0.98。

• R最高组并非表现最优，显示历史表现最好的分析师当月推荐未必最佳，稳健的历史表现更为关键。

数据体现了分析师能力与选股表现的复杂关系，也提示基于历史推荐稳健度定性分组更有效。[page::6,7]

7. 风险提示

报告强调所有测算基于历史数据，未来市场可能发生不可预知因素的变化，模型表现存在不确定性与风险，提醒投资者谨慎对待结果。[page::0,7]

---

三、图表深度解读

图1（页2）：金股数量逐年上升

• 图表展现了2017年1月至2021年3月期间，月度金股数量的增加趋势，2021年已接近300只，确保样本充足，有利于构建多样化组合。

- 趋势表明分析师推荐活跃，覆盖广泛，增强金股池代表性。

• 结合文本，说明金股组合的构建有良好的数据基础。[page::2]

图2（页2）：28个一级行业覆盖度较高

• 大部分月份覆盖27-28个一级行业，显示行业分布均匀。

- 表明金股推荐具备较强的行业广度，避免行业集中风险。

• 这为后续量化优化（行业轮动筛选）提供基础。

[page::2]

图3（页2）：金股组合与基准指数比较超额收益

• 金股组合净值及相对沪深300和中证500的超额收益同时显示增长趋势，尤其2019和2020年表现突出。

- 金股组合收益线高于沪深300和中证500，灰色与黄色指数表现疲软。

• 右轴的超额收益柱形图多为正，支持超额收益观点。

[page::2]

表1（页3）：净值指标详细对比

| | 金股组合 | 沪深300指数 | 中证500指数 |
|---------------|----------|-------------|-------------|
| 年化收益率 | 15.7% | 12.7% | 0.4% |
| 年化波动率 | 22.3% | 19.7% | 23.3% |
| 收益波动比 | 0.70 | 0.65 | 0.02 |

• 量化指标直观体现金股组合的风险调整后回报优于市场主流指数。[page::3]

图4与表2（页3）：重复金股组合表现

• 图4显示重复金股组合的累计净值明显高于新进金股组合及两个指数。

- 表2数据显示重复金股年化收益18.1%、收益波动比0.77，新进金股13.5%、收益波动比0.61，重复金股的稳健性和收益性更优。[page::3]

图5与表3（页4）：多家推荐金股组合表现

• 多家推荐金股净值曲线明显领先单家推荐及基准指数，伴有更稳定的波动。

- 表3中多家推荐组合年化收益18.2%，波动率22.0%，收益波动比0.83，单家推荐组合收益13.2%，波动率22.8%，收益波动比0.58，显示多家推荐更优。[page::4]

图6与表4（页4）：调仓时点对收益影响

• 图6多条收益曲线显示第1交易日调仓领先其他时点，净值增长突出。

- 表4中年化收益率从第1日30.1%递减到第5日15.7%，收益波动比从1.18下降至0.70，强调及早调仓价值。[page::4]

表5（页5）：交易行为因子说明

| 因子名称 | 因子逻辑 | 相关报告 |
|----------------|------------------------|-------------------------------|
| 聪明钱因子 | 识别机构参与交易的多寡 | 《聪明钱因子模型的2.0版本》 |
| 理想振幅因子 | 不同价态下波动的结构差异 | 《振幅因子的隐藏结构》 |
| 长端动量因子 | 低活跃度的动量效应 | 《A股市场中如何构造动量因子？》|

• 因子体现从交易行为层面量化市场活跃度与动量，注重从量价信息挖掘alpha。[page::5]

图7与表6（页5）：因子优化组合表现

• 因子优化组合净值全程领先原始金股组合，右轴的超额收益条形多数为正。

- 表6揭示年化收益率提升至20.6%，收益波动比0.89，均优于原组合，显示数据驱动的权重优化有效提升了超额收益。[page::5]

图8与表7（页6）：行业优选组合表现

• 图8显示行业优选组合的净值及超额收益领先原始组合，走势连续性强。

- 表7年化收益率提升至18.3%，收益波动比0.77，证明基于行业景气度调整组合配置增强收益表现。[page::6]

图9（页7）：分析师推荐效果R分布

• R值呈单峰分布，平均为56%，大部分分析师推荐效果处于40%-70%，说明分析师推荐表现呈一定区间分布，不极端。[page::7]

图10与表8（页7）：分析师推荐效果分组表现

• 不同分组净值曲线表现，第三组最佳，中间稳健群体的超额收益明显。

- 表8中第三组年化收益25.5%，收益波动比0.98显著优于最优组及低组，反映较好但非极端表现更稳定，优化配置建议差异化考量分析师能力。[page::7]

---

四、估值与方法论分析

本报告核心不涉及传统个股估值模型（DCF、市盈率倍数等），而是通过构建量化组合进行回测分析，以“金股组合”为基础聚焦统计学上的超额收益与风险调整表现。

• 采用推荐数量加权模型，结合交易行为因子优化权重。

- 以行业景气度为行业轮动的筛选模型。

• 通过历史收益数据计算年化收益率、年化波动率及收益波动比（相当于夏普比率的简化表述）等指标比较不同策略表现。

- 分析师推荐效果指标R为行业内收益率分位均值，体现分析师选股能力。
方法侧重于量化组合策略效果与风险控制，潜在局限是基于历史数据，未深入个股基本面具体估值。[page::0-7]

---

五、风险因素评估

报告列示风险：

• 主要风险来源于基于历史数据的模型测试，未来市场环境、行情结构、资金结构可能发生不可预期的变化，从而影响模型效果。

- 报告未细化风险缓解，但提示投资者需警惕模型基于历史的局限性。

• 由于市场效率和信息延迟，调仓时点的不同带来收益差异，存在市场获取信息的速度和成本风险。

- 分析师能力存在波动，可能导致部分选股表现不及预期。

• 因子模型优化可能在不同市场环境下失效。

整体风险意识表达充分，提醒谨慎。[page::0,7]

---

六、审慎视角与细微差别

• 报告多处对“金股组合”的正面表现着墨，核心观点倾向于肯定其超额效果，缺乏对可能负面表现或异常期的深入分析。

- 分析师推荐效果中发现最佳表现并非理论上最强分析师的分组，反映市场非完全理性，值得关注其背后原因。

• 组合调仓时点差异带来极大收益差异，实务中获取更早数据可能存在操作和成本障碍，实际收益可能受限。

- 没有对因子优化的稳定性（如跨市场或跨时期）提供更多解释。

• 行业轮动模型剔除的行业选取仅基于景气度排名，未明示景气度计算具体指标，可能影响模型透明度。

- 对于潜在的数据滞后、费用成本、交易摩擦等现实因素未深入探讨。
报告整体数据充分，但部分假设需要投资者结合实际考量。

---

七、结论性综合

本报告系统地利用“金股组合”这一由券商分析师推荐的基本面精选股票池，结合量化方法开发出多个增强策略，表现出色地验证了“金股组合”作为优质基本面股票池的有效性。

• 核心发现涵盖：

- 自2017年以来金股组合整体年化收益15.7%，显著优于沪深300和中证500。
- 重复持有的金股和多家推荐的金股组合在收益和风险调整后表现明显优越。
- 组合调仓时间越早，收益越好，认知了信息即时性的重要性。
- 通过交易行为因子如聪明钱因子、理想振幅因子和长端动量因子优化权重，年化收益提升到20.6%，增强了组合的超额收益。
- 利用行业景气度模型剔除景气度靠后的行业，组合综合表现进一步提升。
- 分析师推荐效果指标中，历史推荐表现中间的分析师组合表现更稳健，达到25.5%的年化收益。

• 图表支撑：各图表直观展示了组合构建、行业分布、收益及超额收益曲线及策略分组表现，定量指标形成支撑体系。

- 风险提示：强调历史数据基础下的模型局限及未来市场不确定性。

报告整体展现了“金股组合”在主动选股领域结合量化手段实现“青出于蓝而胜于蓝”的策略效果，为投资者提供了基于基本面与行为因子融合的创新资产配置思路。[page::0-7]

---

以上为“金股组合的量化方案”报告的详尽分析解读，覆盖作者的论点、数据、预测、风险及关键图表的说明，专业且全面，帮助读者深刻把握该量化策略的内涵与投资应用价值。

报告