量化选股策略周报总结（20170723）
核心内容
本报告由兴业证券分析师任瞳、徐寅撰写，研究助理胡顺泰、周靖明协助。报告重点分析了近期量化选股策略的表现，并对市场风格及策略推荐进行了说明。主要内容包括：
- 多头策略与增强策略的表现分析
- 各量化选股策略的历史及样本外跟踪表现
- 本周推荐的RV量化选股策略
- 各策略的详细说明及投资组合构成
主要观点
市场风格偏向价值
上周市场行情分化，主流指数涨跌不一，沪深300指数领涨，创业板指跌幅较大。市场风格偏向价值股，预计美联储7月将维持利率不变，加息概率仅为12%。此外，英国GDP、美国GDP和通胀数据等将发布，整体市场环境趋于稳定。
策略表现
- 多头策略中，RV量化选股策略表现突出，全周涨幅达3.23%。
- 增强策略中，多因子300选股300增强策略以0.89%的超额收益领先。
- 本周推荐表现稳健的RV量化选股策略。
交易活跃度与融资余额
上周两市成交活跃度有所增加，日均成交约为4903亿。融资余额略有下降，截至7月20日为8793亿元。
关键信息
多头策略表现
| 策略名称 |
总收益率 |
年化收益率 |
年化波动率 |
Sharpe比率 |
最大回撤率 |
胜率 |
| RV量化选股策略 |
3475.77% |
33.19% |
32.42% |
1.02 |
71.74% |
57.91% |
| SA量化选股策略 |
2240.35% |
35.10% |
32.87% |
1.07 |
68.33% |
57.93% |
| “3+2”量化选股策略 |
7227.60% |
41.07% |
29.54% |
1.39 |
60.80% |
58.17% |
| VG量化选股策略 |
7504.80% |
41.49% |
32.08% |
1.29 |
63.36% |
58.86% |
| GM量化选股策略 |
5753.84% |
38.56% |
34.09% |
1.13 |
65.70% |
59.72% |
| VGS_TB量化选股策略 |
11886.72% |
46.75% |
32.17% |
1.45 |
66.66% |
59.16% |
增强策略表现
| 策略名称 |
总收益率 |
年化收益率 |
年化波动率 |
Sharpe比率 |
最大回撤率 |
胜率 |
| RV300选股300增强策略 |
140.49% |
8.73% |
3.94% |
2.22 |
4.43% |
56.68% |
| Smart Alpha 全A选股500增强策略 |
410.93% |
16.84% |
4.86% |
3.46 |
5.11% |
59.94% |
| Smart Alpha 500选股500增强策略 |
187.58% |
10.61% |
4.09% |
2.59 |
3.56% |
57.78% |
| 多因子全A选股500增强策略 |
798.86% |
23.31% |
5.31% |
4.39 |
7.24% |
61.12% |
| 多因子500选股500增强策略 |
228.12% |
12.01% |
3.58% |
3.35 |
4.26% |
59.03% |
| 多因子300选股300增强策略 |
167.26% |
9.83% |
4.69% |
2.10 |
5.50% |
56.40% |
策略说明
RV量化选股策略
- 构建时间：2013年12月
- 核心逻辑：选择分析师一致推荐且安全边际较高的股票
- 因子构成：风险调整的分析师评级（50%）与未来12个月预期市盈率（50%）
- 多头策略：每个中信一级行业选择RV综合分数最高的股票，等权组合
- 增强策略：在沪深300成分股内选择RV综合分数前30%的股票，行业等权组合
SA量化选股策略
- 构建时间：2016年4月
- 核心逻辑：基于SmartAlpha因子进行选股
- 因子构成：通过机器学习算法，从33个传统因子中选择20个最具区分能力的因子
- 多头策略：选择SA因子排名前30%的股票，等权组合
“3+2”量化选股策略
- 构建时间：2014年初
- 核心逻辑：结合长期盈利、中期业绩增长和市场面数据
- 筛选步骤：
- 长期盈利与成长能力筛选：选择过去五年扣非后ROE、营业收入同比增长率、扣非后净利润同比增长率
- 中期业绩增速筛选：选择最近一个季度营业收入和净利润同比增长率均大于15%的股票
- 市场面共振筛选：选择日均成交金额最小的20只股票，等权组合
VG量化选股策略
- 构建时间：2015年12月
- 核心逻辑：价值成长风格均衡，结合交易行为因子
- 因子构成：
- 价值因子（BP_LR, EP_Fwd12M, SP_TTM等）
- 成长因子（Earnings_SQ_YoY, SaleEarnings_SQ_YoY, Sales_SQ_YoY等）
- 交易行为因子（Volume20D_240D, TSKEW_20D, VolumeCV_20D等）
- 多头策略：剔除特别处理及上市时间不满90天的股票，选择VG因子排名前20%的股票，等权组合
GM量化选股策略
- 构建时间：2015年12月
- 核心逻辑：成长动量风格均衡的小盘股策略
- 因子构成：
- 成长因子（Earnings_SQ_YoY, SaleEarnings_SQ_YoY, Sales_SQ_YoY等）
- 动量因子（Momentum_1M, Momentum_3M, Momentum_60M等）
- 多头策略：剔除特别处理及上市时间不满90天的股票，选择GM因子排名最高的股票，等权组合
VGS_TB量化选股策略
- 构建时间：2015年12月
- 核心逻辑：价值、成长、情绪、交易行为因子均衡
- 因子构成：
- 价值因子（BP_LR, EP_Fwd12M, SP_TTM等）
- 成长因子（Earnings_SQ_YoY, SaleEarnings_SQ_YoY, Sales_SQ_YoY等）
- 情绪因子（EPSChange_FY0_1M, RatingChange_3M, TargetReturn等）
- 交易行为因子（Volume20D_240D, TSKEW_20D, VolumeCV_20D等）
- 多头策略：剔除特别处理及上市时间不满90天的股票，选择VGS_TB因子排名前30%的股票，等权组合
Smart Alpha 增强策略
- 构建时间：2015年9月
- 核心逻辑：基于机器学习的SmartAlpha动态选股模型
- 因子构成：从33个传统因子中选择20个最具区分能力的因子，合成SA因子
- 多头策略：
- 全A选股500增强策略：选择SA因子排名前10%的股票，行业等权组合
- 500选股500增强策略：选择SA因子排名前10%的股票，行业等权组合
多因子增强策略
- 构建时间：2015年初
- 核心逻辑：使用VGS_TB因子进行选股
- 多头策略：
- 全A选股500增强策略：选择VGS_TB因子排名前10%的股票，行业等权组合
- 500选股500增强策略：选择VGS_TB因子排名前30%的股票，行业等权组合
- 300选股300增强策略：选择VGS_TB因子排名前20%的股票，行业等权组合
投资推荐
本周推荐表现稳健的RV量化选股策略，因其在多头策略中涨幅最大，且具有较高的超额收益能力。
附录：投资组合构成
RV量化选股策略最新投资组合
SA量化选股策略最新投资组合
“3+2”量化选股策略最新投资组合
VG量化选股策略最新投资组合
GM量化选股策略最新投资组合
VGS_TB量化选股策略最新投资组合
投资评级说明
- 行业评级：基于行业股票指数与恒生指数的相对表现
- 推荐：相对表现优于市场
- 中性：相对表现与市场持平
- 回避：相对表现弱于市场
- 公司评级：基于公司股价与恒生指数的相对表现
- 买入：相对大盘涨幅大于15%
- 持有：相对大盘涨幅在5%~15%之间
- 中性：相对大盘涨幅在-5%~5%之间
- 减持：相对大盘涨幅小于-5%
