金融工程专题：结合GRU空头结构的多维度沪深300增强策略

证券研究报告|金融工程专题2增强模型介绍：空头部分利用GRU模型基于日频量价信息对股票价格等时间序列数据进行预测；多头部分，对价量波动、价量趋势、基本面因子做PCA降维。过去对机器学习因子、低频基本面价量因子的关注更多在多头，但我们认为空头的收益在一定程度上可以补足多头的GRU模型空头因子增强：使用6个股票日行情（开盘价、最高价、最低价、收盘价、成交量、成交额）特征构建日度因子，基于G以对股票价格等时间序列数据进行预测。由于训练网络以及损失函数的构造相对简单，GRU因子多头超额收益不显著，但是空头。由于GRU多空收益偏向于空头收益占优价量低频因子：因子分两类，一类是在沪深300里面动、低换手、高下行方差比、低估值等。收益损失方差比因子空头和多头意味着缩量下跌的股票以及缩量上涨的股票，其多空收益较为明显。第二类是在中期反转叠加短期趋势的因子，在全部区间里面沪深300里面单调性并不明显，但是在2019、2020年表现相对优秀。利用PCA提取价量多因子主成分，价格波动保留第一主成分代表低波动低换手低估值、第二主成分代表损失方差相对收益方差更高的特征信息,价量趋势保留第一主成分代表短周期动量特征、第四主成分代表近3个月估值反转特征信息。基本面低频因子：筛选10个在沪深300相对有效的基本面因子。股利支付率、每股股利、每股留存收益、每股企业现金流越高，股票收益越高；周转率越高、固定资产比例越高，股票收益越高，说明300里面具有规模效应的龙头股票更站优势；分析师相较于60日收益上调的股票更有优势；经营活动现金流占比营收越高越好。利用PCA提取基本面多因子主成分，保留第一主成分代表高经营活动、第二主成分代表高分红和高现金流的特征信息。约束个股偏离的指数增强。将GRU因子与低频多因子一起应用到指数增强上面，控制个股偏离不超过1%。由于GRU多空收益较为偏向于空头收益占优，因此最终在300增强里仅对部分空头进行暴露，设置偏离度1%第三组偏离0.3倍。2016年3月2日至2024年11月22日，组合低频多因子和GRU因子，最终策略增强年化超额5.17%，信息比1.31，大部风险提示：本报告所有分析均基于公开信息，不构成任何投资建议；报告中采用的样本数据有限，存在样本不足以代表整体市场的风险，且数据处理统计方式可能存在误差；报告中结论均基于对历史客观数据的统计和分析，但过往数据并不代表未来表现；若市场环境或政策因素发生不利变化将可能造成行业发展表现不及预期；历3沪深300指数增强策略构建方式多头部分，对价量波动、价量趋势、基本面因子做PCA降维，价量波动因子保留代表低波动低换手低估值、代表损失方差相对收益方差更高的量趋势因子保留代表短周期动量特征、代表近3个月估值反转差更高的特征差更高的特征4资料来源：华福证券研究所绘制4机器学习部分放在空头评估上也有效果。过去我们对机器学习因子、低频基本面价量因子的关注更多在多头。但是我们认为空头的收益在一定程度上可以GRU多头空头净值：2017年55空头超额多头超额空头超额多头超额201626.10%2.26% 201753.55%-36.91%2018 .27%.24%2019 20202021 .49% % - .49%-15.65%43 .51%2022 .86%2023.57%. .0%2024.68%-1-1.72%556从功能上看，GRU模型是循环神经网络结构（RNN）的变体，可以对股票价格等时间序列数据进行预测。解决了传统RNN在处理长序列数据时从模型特点上看，GRU相较于LSTM的结构更为简单（只有两个门控结构：更新门和重置门，而没有单独的记忆单元），因此参数数量•相比于LSTM•相比于LSTM，GRU的结构更个门控结构：更新门和重置门，而没有单独的•参数数量较少，GRU模型在训练过程中收敛速度更快，但也可能带来过拟合的风险•解决了传统RNN在处理长序列数据时遇到的梯度消失和梯度爆炸问题。GRU通过引入门控机制来控制信息的流动，从而有效地捕捉7资料来源：华福证券研究所绘制7数据输入模型前，我们将基础特征滚动20日窗口构建数据集，数据序列长度为20。价格数据先除以最新收盘价标准化，最后做截面数据标准化处理；成交量1.输入数据：低频行情数据•数据滚动20日窗口取数据构建数据集，数据序列长度为20；•数据滚动20日窗口取数据构建数据集，数据序列长度为20；•成交量/额数据除以序列均值标准化，最后面板数据标准化；8资料来源：华福证券研究所绘制8滚动训练：每隔3个月以股票过去12个月）：）：预防过拟合：采取早停止（earlystop）机制，验证集的9资料来源：华福证券研究所绘制9将模型预测各股票收益率作为GRU单因子，从高到低分成10组。第一组GRU因子分组多空累计净值从2015年12月2日至2024年GRU单因子分组净值 0GRU单因子分组：多空累计86420年化收益年化波动夏普比最大回撤卡尔玛第一第二第三第四第五第六第七第八第九第十资料来源：Wind，华福证券研究所对比GRU单因子分组年度收益表现，策略多头超GRU单因子有效性：月度IC、累计IC(HS300)8640-0.2-0.4mm月度ic右轴：累计ic460746072第一第二第三第四第五第六第七第八第九第十基准多头超额空头超额 . . . .43% .43% . 0.94%0.94%.. .47%.....-14-46.42%-46.42% .42% .42%-24%6.74%6.74%44%%% -16 %%4% . . -7.58%-7.58% . . 2.46%2.46%% .2.28%2.28%%2.27%2.27% %8.6%%6.86%6.86%% -14 资料来源：Wind，华福证券研究所，数据统计区间区间为2015年12月1日至2024年10月29日沪深300空头增强：控制个股偏离小于1.5%设置偏离度为1%，对最低的10%组（第一组）偏离1.5倍，第二组单纯靠空头，在1.5%的个股偏离约束下，基于GRU因子做沪深30......GRU单因子增强：年度收益对比...... GRU增强沪深300超额201616.88%12.95%3.49%2017.98%.37%132%2018.98%.98%2019.73%.10%264%2020 .14%2021.74%.34%170%2022542%2023194%2024.99%.99%%384%GRU单因子增强：收益对比年化收益年化波动夏普比最大回撤卡尔玛GRU增强6.84%18.75%沪深30045.60%超额偏离倍数0第1组第2组第3组第4组第5组第6组第7组第8组第9组第1GRU单因子沪深300增强（个股偏离1.5%）2016/3/22017/3/22018/3/22019/3/2右轴：超额累计净值基准净值1资料来源：Wind，华福证券研究所，数据统计区间为2016年3月2日至2024年11月22日方向用于衡量一只股票相对于市场或某一基准的表现动量类因子1DHILO（波幅中位数）通过每日波幅排序计算得出中位数技术指标类价值类因子VOL10（10日平均换手率）在特定时间段内，股票成交量占股票总流通股数的比例的平均值。换手率=（成交量/当日流通股股数）*100%情绪类因子VOL20（20日平均换手率）股票在过去一个月内的平均每日换手率，并取其自然对数对原始的换手率取自然对数后进行平均计算过往12个月中，市场组合日收益为负时，个股日收益标准差和市场组合日收益标准差之比通过计算超额日收益与换手率之间的关系来衡量超额流动性1方向LossVariance120类似于方差，但是主要衡量损失的表现GainLossVarianceRatio20通过比较正回报（收益）和负回报（损失）的方差来评估风险用于衡量资产回报分布不对称性GainLossVarianceRatio60GainLossVarianceRatio120实际波动率方向VSTD20(20日成交量标准差)考察成交量的波动程度情绪类因子专门测量股价是否已超出常态分布范动量类因子使用线性回归斜率来衡量股价的短期趋势衡量过去一年资产价格变化速度PEHist60(PE/过去三个月PE的均值)用于评估股票的估值水平Volatility(换手率相对波动率)衡量股票市场活跃度和价格波动性情绪类因子VDEA(计算VMACD因子的中间变量)深入分析市场趋势和价格波动衡量价格和成交量的动态变化TreynorRatio120(120日特诺雷比评估资产或投资组合的表现风险和收益类1资料来源：华福证券研究所绘制我们将前面提到的因子分两类，一类是在沪里面长期有效（单调性强）的因子。这一类%衡量非流动性冲击，类似于找出整体流动性%波幅中位数第一%第二%%第三8%%第四6%第五第六%%第七%%第八8%%%第九%%第十6% 超额流动也是衡量单位换手率对应的超额流动也是衡量单位换手率对应的收益率大小，衡量非流动性冲击120日平均换手率240日平均换手率月度换手率对数3个月换手率对数平均12个月换手率对数平均下跌波动超额流动第一4.854.38%4.38%4.89 %第二第三%%%%第四%%%%第五%%%%%%第六%%4%%第七%%%% %%第八20% %% %2.25%2.25%%第九 % % % % 第十%%%%%资料来源：Wind，华福证券研究所，数据统计区间为2016年2月1日至2024年11月29日空头和多头意味着缩量下跌的股票以及缩量第二类是在强趋势行情下有效的因子。动量趋势在全部区间里面沪深300里面单调性并不明77因子名称2019年超额2020年超额120日信息比率因子名称2019年超额2020年超额120日信息比率14.15%38.96%全部区间多空信息比全部区间超额信息比20日成交量标准差4%20日顺势指标 10日顺势指标4%5日顺势指标6日收盘价格线性回归系数4.25%4.25%4%过去1年的价格动量PE/过去三个月PE的均值换手率相对波动率计算VMACD因子的中间变% 20日收集派发指标120日特诺雷比率542154215日顺势指标6日收盘价格线性过去1年的价格动量PE/过去三个月换手率相对波动率计算VMACD因子的中间变量20日收集派发指标率第一4%4%4%第二 % .第三% 第四44%4%%第五%%4%4%%第六4%%第七%%第八%第九 . 第十% 44% 资料来源：Wind，华福证券研究所，数据统计区间为2016年2月1日至2024年11月29日504天相对强势10日平均换手率120日平均换手率20日平均换手率240日平均换手率月度换手率对数3个月换手率对数12个月换手率对数下跌波动超额流动120损失20日收益损失方差比60日收益损失方差比120日收益损失方实际波动率504天相对强势0.010.270.200.530.580.580.520.590.610.430.520.220.530.040.270.4070.210.030.060.0090.170.020.040.060.1310日平均换手率0.500.950.760.710.600.400.450.270.440.41120日平均换手率0.500.850.960.680.690.530.600.360.600.0520日平均换手率0.550.850.810.740.640.430.490.290.550.35240日平均换手率0.560.960.810.660.660.580.620.390.620.03月度换手率对数0.510.680.740.660.940.780.520.500.520.060.070.100.343个月换手率对数平均0.600.690.640.660.940.860.560.540.540.020.060.090.2612个月换手率对数平均0.400.530.430.580.780.860.540.630.510.040.15下跌波动0.550.600.490.620.520.560.540.310.650.050.260.410.24超额流动0.010.220.070.090.270.360.290.390.500.540.630.310.320.12120损失方差0.590.600.520.620.520.540.510.650.320.000.030.2520日收益损失方差比0.060.030.020.110.080.110.070.060.020.050.600.490.0960日收益损失方差比0.120.060.030.130.070.060.260.000.600.740.08120日收益损失方差比0.130.080.090.040.410.030.490.740.07实际波动率0.410.250.350.230.340.220.250.090.080.07资料来源：Wind，华福证券研究所，数据统计区间为2016年2月1日至2024年11月29日提取同一类别因子的前4个主成分提取同一类别因子的前4个主成分N+1月N+12月NN+1月N+12月N月N+13月提取同一类别因子的前4个主成分提取同一类别因子的前4个主成分通过滚动过去12个月提取同一类别因子的前4个通过滚动过去12个月提取同一类别因子的前4个主成分，避免因子之间高相关性F2因子：低收益相对金额比因子月度换手率对数3个月换手率对数平均下跌波动超额流动实际波动率F1因子：低波、低换手、相对低估值月度换手率对数3个月换手率对数平均下跌波动超额流动实际波动率2222因子名称f因子名称f1（反）f2f3f4504天相对强势11.14%-0.07%23.72%25.50%DHILO . 0.4 . %PSIndu . 0.3 . PCFIndu0.110日平均换手率 .120日平均换手率 . . 20日平均换手率 4% . 240日平均换手率 . . 月度换手率对数 0.74%3个月换手率对数平均12个月换手率对数平均下跌波动 . 0.04%超额流动 . 0.8120损失方差0.60.820日收益损失方差比0.460日收益损失方差比 0.4120日收益损失方差比 0.4实际波动率 .4% 资料来源：Wind，华福证券研究所，数据统计区间为2016年2月1日至2024年11月29日但F1因子空头相对沪深300从超额收益上看在2019低波低换手类的第一个主成分因子多头、空头32.5210.50——第一第十基准年化收益年化波动夏普比最大回撤卡尔玛14.64%年化收益年化波动夏普比最大回撤卡尔玛14.64%0.6928.40%0.36 17.11%0.3829.30%0.22 18.43%0.3435.55%0.18 18.96%0.5927.41%0.41 19.91%0.4136.18%0.23 21.54%0.1045.78%0.05 22.61%0.0246.30%0.01 23.87%-0.0960.81%-0.04 25.52%-0.1657.95%-0.07第一第二6.5第三6.3第四0%第五8.2第六2.1第七0.5第八 3%第九 9%第十6%31.13%-0.2767.68%-0.12低波低换手类的第一个主成分因子空头超额沪深3001.951.751.551.351.150.950.750.55资料来源：Wind，华福证券研究所，数据统计区间为2016年2月1日至2024年11月29日低波低换手类别的第一个主成分单因子月度IC均值-8.35%，除2从因子分组年度收益表现上，对比第一组和基准收益，2019低波低换手类的第一个主成分单因子累计IC情况020.1...低波低换手类的第一个主成分单因子：分组年度收益表.1... 第一第二第三第四第五第六第七第八第九第十基准超额201617.49%24.88%21.80%20.67%18.48%23.96%11.53%6.43%-0.85%5.91%12.36%5.13%20172626 .12%.16%4%232320202%.48%.74%5.40%6.43%22227%3.76%20188.51%6.79%-23.46%3.78%2.56%4.52% 9.24% 7.01% 5.94%11.22%20192%2828%41414545.35%3838363637375757.24%3737.12%3737.10%26.86%2020.01%9.04%.7%7%20%4%6565.41%34% .37%2828 .10%28.11%2021368%2.66%340%.37%-.88%407%.32%42%.38%.34%16.72%2022322%.90%.53%8.94%.29%7.67%6.19%3.01%2.09%2.26%.48%2023.12%.21%.05%.21%.33%3.93%6.78%6.85%.70%1.73%.52%2024 .37 .37% .5 .50%5%4%- 8%0.58%.38%6.16% 15%14.22%资料来源：Wind，华福证券研究所，数据统计区间为2016年2月1日至2024年11月29日低波低换手类别的第二个主成分单因子分组单调性较强，但是从多头相该因子主要捕捉损失方差相对于收益方差较高的股票，结合了20日、60、低波低换手类的第二个主成分多头净值32.5210.50第十基准...低波低换手类的第二个主成分分组：收益表...年化收益年化波动夏普比最大回撤卡尔玛第一42%第二42.82%第三第四第五4.%第六第七第八第九第十低波低换手类的第二个主成分多头超额2.5210.5资料来源：Wind，华福证券研究所，数据统计区间为2016年2月1日至2024年11月29日低波低换手类别的第二个主成分单因子月度IC均值7.97%，除2019年从因子分组年度收益表现上，对比第十组和沪深300基准收益，20低波低换手类的第二个主成分因子累计IC情况0-0.2-0.4-0.6-0.886420月度ic右轴：累计ic.31.253.低波低换手类的第二个主成分因子：分组年度收益表现.31.253.第一第二第三第四第五第六第七第八第九第十基准超额20169.18%11.61%11.32%11.10%15.49%19.99%4.54%23.14%24.10%17.77%12.36%4.82%2017.28%.75%51%.18%46%.73%%.25%.25%.47%%20188 8.78%.38% .29%.47%.08%.42%.82%.81%.88%.63%.94%1 196%201936.82%3749.13%26%42.93%44.46%.86%.81%.81%.10%.34%202021%2523%50.60%29%.58%.54%.67%.10%.04%2021.63%27%.36%29%3..62%08%709%68%.34%.76%2022.08%.24%.70%.13%.66%.55%.55%.34%.96%03%.26%6%2023.58%-1.73%.56%22%47%53%.69%.00%.50%.86%.73%9%202433%4.7%88%71%.55%%.17%.17%.46%5%4.66%资料来源：Wind，华福证券研究所，数据统计区间为2016年2月1日至2024年11月29日在2019-2020年这种市场趋势比较强5037835037832019年超额2020年超额2019年超额2020年超额120日信息比率%%20日成交量标准差20日顺势指标% 10日顺势指标5日顺势指标6日收盘价格线性回归系数4.25%4.25%过去1年的价格动量PE/过去三个月PE的均值换手率相对波动率计算VMACD因子的中间变量%20日收集派发指标120日特诺雷比率..-.-...-.-..因子名称f1f2f3f4（反）120日信息比率.05%.05%20日成交量标准差4..92%.77%20日顺势指标.93%.93%.51%10日顺势指标.85%49%5日顺势指标47.33%6日收盘价格线性回归系数.40%.40%.02%过去1年的价格动量.72%.77%PE/过去三个月PE的均值44%.97%换手率相对波动率...80%.10%计算VMACD因子的中间变量.32%.99%.33%20日收集派发指标...89%.34%120日特诺雷比率.20%差性回归系数过去1年的价格动量换手率相对波动率计算VMACD因子的中间变量标率100.00%-5.40%-16.49%-12.01%-9.00%-19.59%58.21%-4.57%-10.43%-3.47%-23.77%9.83%9.83%-5.40%100.00%4.83%-0.27%-2.30%-0.22%-10.61%2.39%21.81%25.38%2.82%-0.54%-0.54%-16.49%4.83%100.00%82.59%59.42%35.07%-17.86%6.85%17.48%18.20%31.44%-1.55%-1.55%-12.01%-0.27%82.59%100.00%79.33%37.05%-12.40%4.76%9.10%7.91%21.86%-0.91%-0.91%-9.00%-2.30%59.42%79.33%100.00%31.45%-8.13%3.24%2.57%1.77%14.80%-0.51%-0.51%6日收盘价格线性回归系数6日收盘价格线性回归系数过去1年的价格动量-19.59%58.21%-0.22%-10.61%35.07%-17.86%37.05%-12.40%31.45%-8.13%100.00%-8.49%-8.49%100.00%2.88%-5.13%-5.13%8.96%8.96%5.45%1.49%-3.44%39.86%-17.76%-2.49%-2.49%17.28%PE/过去三个月PE的均值PE/过去三个月PE的均值-4.57%2.39%6.85%4.76%3.24%2.88%-5.13%100.00%2.44%3.42%5.63%-0.49%-0.49%换手率相对波动率换手率相对波动率-10.43%21.81%17.48%9.10%2.57%8.96%5.45%2.44%100.00%19.22%7.22%-0.75%-0.75% 计算VMACD因子的中间变量-3.47%25.38%18.20%7.91%1.77%1.49%-3.44%3.42%19.22%100.00%6.55%-0.41%-0.41%-23.77%2.82%31.44%21.86%14.80%39.86%-17.76%5.63%7.22%6.55%100.00%-3.71%-3.71%9.83%9.83%-0.54%-0.54%-1.55%-1.55%-0.91%-0.91%-0.51%-0.51%-2.49%-2.49%17.28%17.28%-0.49%-0.49%-0.75%-0.75%-0.41%-0.41%-3.71%-3.71%100.00%100.00%资料来源：Wind，华福证券研究所，数据统计区间为2016年2月1日至2024年11月29日年化收益夏普比年化波动卡尔玛年化收益夏普比年化波动卡尔玛第一第一 最大回撤第二%21.32%0.1841.32%第三20.83%-0.04 最大回撤第二%21.32%0.1841.32%第三20.83%-0.0444.14%第四20.43%0.2832.8第五%20.81%0.1837.8第六20.53%0.0735.3第七20.52%0.1435.9第八 20.93%0.3229.33%第九0.77%20.93%0.0440.14%第十 24.15%0.1841.95%基准18.82%0.1845.60%超额0.83%13.95%0.062动量趋势类的第一个主成分多头净值2.5210.50第十基准动量趋势类的第一个主成分暴露动量趋势类的第一个主成分多头超额资料来源：Wind，华福证券研究所，数据统计区间为2016年2月1日至2024年11月29日动量趋势类的第一个主成分因子在2018年、2022年至202动量趋势类的第一个主成分因子累计IC情况0.50-0.510.50-0.5-1.5mn月度ic右轴：累计ic1.791.1动量趋势类的第一个主成分因子：分组年度收1.791.1 第一第二第三第四第五第六第七第八第九第十基准超额201623.21%23.85%21.64%22.11%17.50%15.01%15.29%12.38%-1.06%0.53%12.36%-10.53%20174..60%.95%23%.14%.14%%.00%2018 .24%.62%.85%.67%.05%.10%.02%.40%.47% .52%.94%2019.28%%.09%.46%3.90%2020.38%.33%.33%%.78%.26%.26%%.87%%3.01%2021.28%75%.13%.77%85%%071%3.34%.47%2022.77%.35%.51%1.39%.00%.94%.77%.96%.20%2.26%1.37%2023.35%.68%.56%-.24%58%.44%.04%.07%55%21%.73% 2024%2.52%.52%.06%.26%26%93%.56%.89%资料来源：Wind，华福证券研究所，数据统计区间为2016年2月1日至2024年11月29日年化收益年化波动24.42%21.27%20.00%20.31%19.65%年化收益年化波动24.42%21.27%20.00%20.31%19.65%19.56%20.16%20.31%21.87%23.91%第一64%第二%第三4.第四第五05%第六49%第七第八第九76%第十68%基准3.18.82%0.1845.60%0.07超额 .86%13.93%-0.4250.45%-0.122020年超额收益突出，虽然其他区间表现一般，对夏普比最大回撤卡尔玛0.3544.41%0.190.1242.32%0.060.2234.93%0.120.1535.80%0.090.0540.53%0.030.2839.22%0.140.1937.01%0.100.1838.54%0.10夏普比最大回撤卡尔玛0.3544.41%0.190.1242.32%0.060.2234.93%0.120.1535.80%0.090.0540.53%0.030.2839.22%0.140.1937.01%0.100.1838.54%0.100.0339.37%0.02-0.1153.59%-0.0512%80%69%37%.动量趋势类的第四个主成分多头空头净值2.5 1.5 0.50——第一第十基准动量趋势类的第四个主成分暴露120%100%80%60%40%20%0%-20%动量趋势类的第四个主成分空头超额资料来源：Wind，华福证券研究所，数据统计区间为2016年2月1日至2024年11月29日从因子分组年度收益表现上，对比第十组和沪深300基准收益，趋势因子的F4主成分在2020年、2021年有较为突出的收益，0-0.2-0.4动量趋势类的第四个主成分因子累计IC情况10.50-0.5-1.5月度ic——右轴：累计ic6216211 第一第二第三第四第五第六第七第八第九第十基准超额201610.96%9.99%11.96%18.00%0.20%20.04%20.29%28.63%15.40%14.25%12.36%-1.39%2017120.92%3.54%2.70%7.11%3.29%882018 - -- - - - - 30.19% 26.29% 28.71% 34.03% 25.94%0.46%2019220.68%4%%47.86%7.86%% 20208538.10%8.10%202124.88%8.07%4.62%5.29%0.77%5.34%342022---------4.85%--16.77%--19.00%--13.12%24.87%--22.26%20232.90%8.60%0.43%--8.72%7.59%4.41%19.26%11.73%20242.18%2.56%3.60%-15.66%-4.15%资料来源：Wind，华福证券研究所，数据统计区间为2016年2月1日至2024年11月29日动量趋势因子F1代表短期动量，动量趋势因子F4的反向2016年2月1日至2024年11月29日，合7.74%，夏普比0.33，相较于沪深动量趋势类PCA第一和第四主成分合成：多头净值2.5 1.5 0.50第十基准动量趋势类的第一和第四个主成分合成：分组收 年化收益年化波动夏普比最大回撤卡尔玛 第一1.33%22.85%0.0647.84%0.03第二0.91%21.15%0.0449.98%0.02第三0.49%20.73%0.0243.68%0.01第四20.91%20.50%20.48%20.84%20.75%20.82%23.46%20.3332.34%37.90%34.16%36.12%33.59%35.44%39.65%0.16第五.85%0.08第六1.86%0.05第七.85%0.08第八 .81%0.08第九%0.13第十7.74%0.20基准37%18.82%0.1845.60%0.07超额4.23%4.23%12.99%0.3318.41%0.23动量趋势类PCA第一和第四主成分合成：多头超额1.61.51.41.31.21.1 0.90.8资料来源：Wind，华福证券研究所，数据统计区间为2016年2月1日至2024年11月29日动量趋势类的第一和第四主成分合成因子在2018年、20动量趋势类的第一和第四主成分合成因子累计IC情况0-0.2-0.4-0.6-0.810.50-0.5-1.5mn月度ic——右轴：累计ic第..830..199..动量趋势类的第一和第四主成分合成因子：分组年度收益表现对比第..830..199..第一二第三第四第五第六第七第八第九第十基准超额2016% %% 20173.39%%2018 11.61%2019%%.02%28.98%5.99%202040%% 43%.90%29.42%.10%11.17%2021130%20222.26%20236.22%17.2024934%资料来源：Wind，华福证券研究所，数据统计区间为2016年2月1日至2024年11月29日筛选在沪深300相对有效的基本面因子10个股票收益越高，说明300里面具有规模效应的龙头股票更00因子名称定义类别方向DividendPS每股股利数据直接取自财报；若某公司在过去连续两年均未分红，该公司不计算此指标每股指标类1RetainedEarningsPS每股留存收益公司保留下来用于再投资或未来使用的利润，按每股计算的数值1EnterpriseFCFPS每股企业自由现金流量用于衡量公司每股能够产生的自由现金流量1TA2EV资产总计与企业价值之比用于衡量公司的总资产与其企业价值之间的关系价值类因子DAREV分析师盈利预测变化分析师盈利预测变化，相比于60个交易日前动量类因子1NetProfitGrowRate5Y净利润5年复合增长率净利润5年复合增长率=(结束年净利润/起始年净利润)的成长类因子CurrentAssetsTRate流动资产周转率流动资产周转率=营业收入（TTM）/流动资产合计质量类因子1FixAssetRatio固定资产比率固定资产比率=(固定资产+工程物资+在建工程)/总资产1CFO2EV经营活动产生的现金流量净额与企业价值之比计算方法:经营活动产生的现金流量净额÷企业价值1DividendPaidRatio股利支付率当净利润TTM为负或者过去两年公司无现金分红时，该值不计算155资产总计与企业价值之比每股企业自由现金流量分析师盈利预测变化净利润5年复合增每股股利资产总计与企业价值之比每股企业自由现金流量分析师盈利预测变化净利润5年复合增每股股利每股留存收益流动资产周转率固定资产比率股利支付率第一5第二 第三 第四 第五%第六 %第七 %%第八第九%第十 资料来源：Wind，华福证券研究所，数据统计区间为2016年2月1日至2024年11月29日每股股利每股股利每股留存收益每股企业自由现金流量资产总计与企业价值之比分析师盈利预测变化每股股利每股留存收益每股企业自由现金流量资产总计与企业价值之比分析师盈利预测变化资料来源：Wind，华福证券研究所，数据统计区间为2016年2月1日至2024年11月29日基本面类的第一主成分因子主要代表（经营活动现金流-总资产）/企业价值，因子TA2EV=总资产/企业价值=总资产/（长期借款+短期借款+总市值-现金及现金等价物）。CFO2EV：经营活动现金流/企业价值年化收益年化波动夏普比最大回撤卡尔玛第一2.02%20.66%0.1044.72%0.05第二-1.27%22.21%-0.0645.38%21.79%-0.0139.92%21.30%0.0640.44%21.53%0.2137.73%20.65%0.1141.25%第三-0.15%0.00第四0.03第五0.12第六2.30%0.06第七-0.32%20.00%-0.0249.61%20.39%0.2736.61%21.08%0.2046.89%20.11%0.6636.33%第八 0.15第九 0.09第十0.37基准3.37%18.82%0.1845.60%超额 8.70%1.1012.34%0.78基本面类的第一主成分因子多头净值3.532.5210.50第十基准基本面类的第一主成分因子暴露0基本面类的第一主成分因子多头净值2.552.352.151.951.751.551.351.150.95资料来源：Wind，华福证券研究所，数据统计区间为2016年2月1日至2024年11月29日基本面类的第一个主成分因子月度IC均值4.13%，在2016年至202.15..从因子分组年度收益表现上，对比第十组和沪深300基准收.15..基本面类的第一个主成分因子累计IC情况0.40.20-0.2-0.4mn月度ic——右轴：累计ic6543210基本面类的第一个主成分因子：分组年度收益第第一第二第三第四第五第六第七第八第九第201617.45%3.80%6.57%7.30%11.20%19.46%20.12%17.11%1十基准超额201759%47%39%1424%%2018 -31-33-252019.82%.16%27.21%484.30%202049.38%.96%30.35%20214.75%25%93%114%4.86%20221202353%-2024527%42%44%114.38%资料来源：Wind，华福证券研究所，数据统计区间为2016年2月1日至2024年11月29日.年化收益年化波动夏普比最大回撤卡尔玛.年化收益年化波动夏普比最大回撤卡尔玛 第一第二第三第四第五第六第七第八第九第十 每股股利85%每股留存收益每股企业自由现金流量47%资产总计与企业价值之比分析师盈利预测变化03%净利润5年复合增长率-流动资产周转率固定资产比率31%88%经营活动产生的现金流量净额与企业价值之比74%09%股利支付率221基本面类的第二主成分因子多头净值3210第十基准基本面类的第二主成分因子暴露80%60%40%20%0%-20%-40%基本面类的第二主成分因子多头超额1.551.451.351.251.151.050.95资料来源：Wind，华福证券研究所，数据统计区间为2016年2月1日至2024年11月29日基本面类的第二个主成分因子月度IC均值2.从因子分组年度收益表现上，对比第十组和沪深300收益，在2016年、2017年、2019年、2022基本面类的第二个主成分因子累计IC情况0.40.20-0.2-0.43.532.5210.50-0.5月度ic——右轴：累计ic.733.基本面类的第二个主成分因子：分组年度收益.733.第一第二第三第四第五第六第七第八第九第十基准超额2016.22%.30%90%7% 72%.20%.14.14%%.36%10.87%201793%.08%.56%.56%3%7%73%.56%.12%.12%22%23%2018 .79%.13% .60%1.73% .21%.90%.93%-22.36%.05%.50% .94%-0.77%20192028%%.22%.79%%.16%.49%37202025%.22%2222.12%88%.80%2828%--11.16%202130%81%.64%.64%28%91%.74%.62%.01%.34%--11.27%2022-.63%.69%.71%.91%1.93%-23.76%.80%.83%2.26%2023.63%.02%55%.47%.41%.58%.12%.64%.76%.73%14.84%2024644%99%29%.23%0%.42%9%-5.05%资料来源：Wind，华福证券研究所，数据统计区间为2016年2月1日至2024年11月29日基本面PCA、量价PCA主成分因子相关性基本面f1（高经营现金流）价量趋势f4（中短期反转）价量f1(低波动)价量f2（高损失方差基本面f1（高经营现金流）价量趋势f4（中短期反转）价量f1(低波动)价量f2（高损失方差比）价量f1(低波动)价量f2（高损失方差比）基本面f1（高经营现金流）价量f1(低波动)价量f2（高损失方差比）基本面f1（高经营现金流）基本面f2（高分红）价量趋势f1（短期动量）价量趋势f4（中短期反转）资料来源：Wind，华福证券研究所，数据统计区间为2016年2月1日至2024年11月29日第一第二第三第四第五第六第七第八第九第十第一第二第三第四第五第六第七第八第九第十201614.25%10.22%9.50%20.65%19.82%