量化选股策略周报总结（20170924）
核心内容概述
本报告总结了近期量化选股策略的表现及推荐，分析了市场风格与策略收益之间的关系，并提供了各策略的历史及样本外跟踪表现。分析师团队包括胡顺泰、任瞳和徐寅，报告重点推荐了VGS_TB量化选股策略，因其近期表现稳健。
市场表现
- 上周市场行情分化：主流指数涨跌不一，中小板指数领涨0.49%，沪深300微涨0.17%，上证综指和创业板指数分别下跌0.03%和0.49%，中证500跌幅较大，为0.76%。
- 成交量与融资余额：两市日均成交约为5239亿元，融资余额略有上升，截至9月21日为9952亿元。
- 市场风格：略偏向价值型股票。
投资要点
- 多头策略表现：VGS_TB策略涨幅最大，上涨0.35%。
- 增强策略表现：多因子全A选股500增强策略表现突出，全周超额收益达0.70%，居榜首。
策略表现
多头策略
| 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 |
3698.60% |
33.31% |
32.23% |
1.03 |
71.74% |
57.87% |
| SA量化选股策略 |
2360.91% |
35.08% |
32.64% |
1.07 |
68.33% |
57.82% |
| “3+2”量化选股策略 |
8003.10% |
41.53% |
29.39% |
1.41 |
60.80% |
58.13% |
| VG量化选股策略 |
7961.67% |
41.48% |
31.88% |
1.30 |
63.36% |
58.78% |
| GM量化选股策略 |
6143.37% |
38.65% |
33.89% |
1.14 |
65.70% |
59.63% |
| VGS_TB量化选股策略 |
12881.68% |
46.90% |
31.98% |
1.47 |
66.66% |
59.24% |
增强策略
| 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 |
138.11% |
8.49% |
3.92% |
2.16 |
4.43% |
56.43% |
| SmartAlpha全A选股500增强策略 |
406.28% |
16.45% |
4.86% |
3.39 |
6.25% |
59.67% |
| 多因子全A选股500增强策略 |
822.44% |
23.19% |
5.30% |
4.38 |
7.24% |
61.06% |
本周推荐
- 推荐策略：VGS_TB量化选股策略，因其近期表现稳健，适合当前市场风格。
策略说明
RV量化选股策略
- 构建时间：2013年12月
- 策略逻辑：基于分析师评级与预期市盈率，等权合成RV综合分数，选择各行业最高分数股票等权组合。
- 因子处理：剥离市值和行业风险，等权合成价值因子与分析师评级。
SA量化选股策略
- 构建时间：2016年4月
- 策略逻辑：基于SmartAlpha因子，每月月底选择排名前30的股票构建等权组合。
- 因子来源：机器学习算法生成的SmartAlpha因子，基于传统因子池。
“3+2”量化选股策略
- 构建时间：2014年初
- 策略逻辑：结合长期、中期、短期基本面与市场面指标，形成成长与市场面共振的选股策略。
- 筛选步骤：
- 长期盈利与成长能力筛选（过去五年数据）
- 中期业绩增速筛选（最近季度数据）
- 市场面共振筛选（日均成交金额）
VG量化选股策略
- 构建时间：2015年12月
- 策略逻辑：价值成长风格均衡，结合交易行为因子。
- 因子合成：
- 价值因子（BP_LR, EP_Fwd12M, SP_TTM等，等权合成）
- 成长因子（Earnings_SQ_YoY, SaleEarnings_SQ_YoY, Sales_SQ_YoY等，等权合成）
- 交易行为因子（Volume20D_240D, TSKEW_20D, VolumeCV_20D等，等权合成）
- 选股逻辑：在每个行业选择VG因子排名前20%的股票，再根据交易行为因子排名前30%的股票等权组合。
GM量化选股策略
- 构建时间：2015年12月
- 策略逻辑：成长与动量风格均衡的小盘股策略。
- 因子合成：
- 成长因子（Earnings_SQ_YoY, SaleEarnings_SQ_YoY, Sales_SQ_YoY等，等权合成）
- 动量因子（Momentum_1M, Momentum_3M, Momentum_60M等，等权合成）
- 选股逻辑：选择成长与动量因子合成的GM因子排名前10%的股票，按行业等权组合。
VGS_TB量化选股策略
- 构建时间：2015年12月
- 策略逻辑：价值、成长与情绪风格均衡，结合交易行为因子。
- 因子合成：
- 价值因子（BP_LR, EP_Fwd12M, SP_TTM等，等权合成）
- 成长因子（Earnings_SQ_YoY, SaleEarnings_SQ_YoY, Sales_SQ_YoY等，等权合成）
- 情绪因子（EPSChange_FY0_1M, RatingChange_3M, TargetReturn等，等权合成）
- 交易行为因子（Volume20D_240D, TSKEW_20D, VolumeCV_20D等，等权合成）
- 选股逻辑：选择VGS_TB因子排名前30%的股票，等权组合。
SmartAlpha增强策略
- 构建时间：2015年9月
- 策略逻辑：基于机器学习中的AdaBoost算法，构建非线性的SmartAlpha动态选股模型。
- 因子来源：基于传统因子池中的33个因子，选择区分能力最强的20个因子合成SA因子。
- 选股逻辑：
- SmartAlpha全A选股500增强策略：在每个行业中选择SA因子排名前10%的股票，按中证500权重加权。
- SmartAlpha500选股500增强策略：在中证500成分股中选择SA因子排名前10%的股票，按中证500权重加权。
多因子增强策略
- 构建时间：2015年初
- 策略逻辑：基于VGS_TB因子构建的多因子选股策略。
- 选股逻辑：
- 多因子全A选股500增强策略：在每个行业中选择VGS_TB因子排名前10%的股票，按中证500权重加权。
- 多因子500选股500增强策略：在中证500成分股中选择VGS_TB因子排名前30%的股票，按中证500权重加权。
- 多因子300选股300增强策略：在沪深300成分股中选择VGS_TB因子排名前20%的股票，按沪深300权重加权。
附录：投资组合明细
RV量化选股策略
SA量化选股策略
VGS_TB量化选股策略
策略说明
- RV量化选股策略：基于分析师评级与预期市盈率，等权合成RV综合分数，选择各行业最高分数股票等权组合。
- SA量化选股策略：基于SmartAlpha因子，每月月底选择排名前30的股票构建等权组合。
- “3+2”量化选股策略：结合长期、中期、短期基本面与市场面指标，形成成长与市场面共振的选股策略。
- VG量化选股策略：价值成长风格均衡，结合交易行为因子。
- GM量化选股策略：成长与动量风格均衡的小盘股策略。
- VGS_TB量化选股策略：价值、成长与情绪风格均衡，结合交易行为因子。
- SmartAlpha增强策略：基于机器学习中的AdaBoost算法，构建非线性的SmartAlpha动态选股模型。
- 多因子增强策略：基于VGS_TB因子构建的多因子选股策略。
投资评级说明
- 行业评级：以行业股票指数相对同期上证综指/深圳成指的涨跌幅为基准，分为推荐、中性、回避。
- 公司评级：以公司股价相对同期上证综指/深圳成指的涨跌幅为基准，分为买入、增持、中性、减持。
联系信息
地址信息
- 地址：上海浦东新区长柳路36号兴业证券大厦12层（200135）
- 传真：021-68583167
