2025年金融工程专题报告：红利增强策略表现优异，衍生品择时信号出现空头—周报2025年6月20日

1. 主动量化策略跟踪：红利增强策略表现突出

1.1主动量化策略简介

截至目前，国联民生金工主动量化团队研发并持续跟踪以下量化策略。

绝对收益策略： 1. 期权增强策略：依靠统计套利获取趋势收益，利用期权控制组合风险。 2. 多维度择时策略：通过宏观、中观、微观经济环境，日内高频衍生品趋势合成归 一化择时信号，构建多维度择时策略。

相对收益策略： 3. 行业轮动策略：通过信用及企业盈利构建经济四象限，开发包括一致预期景气、 超越预期盈利、龙头效应、行业估值泡沫、反转因子、动量因子、拥挤度、通胀 beta 在内的多维度行业风格因子，构建了适用于 A 股市场的行业轮动策略。 4. 可转债随机森林：利用随机森林这一机器学习方法，以决策树为基础筛选出每期 具有超额收益潜力的标的。构建高胜率可转债择券策略。 5. 增强策略：对特色选股因子和分域因子复合后，采用均值方差模型进行组合优 化，限制行业暴露，构建红利增强策略、价值中性策略、成长中性策略。

1.2主动量化策略绩效统计

本周主动量化策略表现优异，红利增强策略和期权增强策略分别实现了 1.65%和 1.02%的超额收益。

2. 多维度择时模型：宏观 Logit 预测值持续上行， 模型保持多头信号

2.1多维度择时模型合成

2.1.1 宏观、微观、中观、衍生品四维度择时

根据宏观、微观、中观信号将 A 股划分为 9 个状态，分别对应多空信号形成三维 大周期择时信号，在此基础上叠加股指期货基差产生的衍生品信号，合成四维度非线 性择时模型。

2.1.2 多维度择时模型最新信号

目前宏观环境预测值继续上行，中观景气度处于上行区间，对应三维度择时模型 中的 3-1 状态，多头；最新基于中证 500 股指期货基差衍生品信号为-0.15；最终合 成多维度择时信号为多头（0.85）。

2.2宏观信号

从短期货币流动性、长端利率、信用、经济增长以及汇率五个维度刻画宏观环境 运行状态。

2.2.1 当前宏观变量变化

截至 2025 年 6 月 20 日，短期国债收益率下行、人民币汇率指数上行。

2.2.2 最新 Logit 预测结果

宏观状态事件预测模型最新 Logit 预测值为 0.717，上月末值为 0.698。宏观环 境 Logit 较上周五有所上升。

2.3中观景气度 2.0：景气指数有所下降

2.3.1 行业景气指数构建

一个行业的收入与产品的定价逻辑及公开市场的交易量相关，盈利能力则牵涉 到成本与价格的差异。我们对公司的运营情况进行准确无误的追踪难度较高，实际预 测中只能通过识别主营业务，然后通过追踪主营业务的营收和成本情况来监控其整 体的景气度情况。我们通过以下步骤来对行业基本面进行刻画： 基于产业链系统分析，追踪上下游行业部门； 对行业进行财务指标分解，挖出可追踪的重点指标； 重构一套行业的景气度追踪框架。

2.3.2 中观景气指数 2.0 合成

得到各行业景气指数之后，计算上证指数每日各行业市值权重，按此权重加权各 行业景气指数合成关于上证指数的新景气指数 2.0。

截至 2025 年 6 月 20 日，当前景气指数为 0.248，本周高频企业盈利指数较上周 有所下降。

2.3.3 分行业景气度一览

截至 2025 年 6 月 20 日，分行业景气度预测值前三的行业依次为旅游及景区、有色 金属、种植业；景气度预测值后三的行业依次为光伏设备、煤炭、钢铁。 本周景气度预测值较上周百分比增幅前三的行业为传媒、酒店餐饮、动物保健 II； 景气度预测值较上周百分比降幅前三的行业为渔业、交通运输、钢铁。

2.4微观结构：本周大盘宽基指数结构风险有所下降

2.4.1 微观结构风险刻画指标

以估值、风险溢价、波动率以及流动性四类均值回复性较强的因子刻画各宽基指 数的微观结构风险。

2.4.2 本周宽基指数结构风险均有所下降

A 股整体结构性风险系数([0,1]范围取值)恢复至平稳位置，本周沪深 300 估值 有所上升，中证全指、中证 500、中证 1000 估值有所下降。中证 500 当下结构风险 较高。

2.5衍生品择时信号：IC 信号出现空头

股指期货基差与指数自身的相关性趋势可以反映市场的情绪变化，基于此相关 性进行分组测试，构建日频择时信号。 截至 2025 年 6 月 20 日，基于中证 500 股指期货基差构建的衍生品择时信号本 周保持在-1.0 到-0.8 之间；以沪深 300 股指期货基差构建的衍生品择时信号在本周 内信号保持在-0.6 到-0.2 之间。

3. Barra 风格因子表现与资金流：本周分析师预 期因子表现较好

3.1 Barra CNE6 模型简介

Barra CNE6 模型包括 9 个一级风格因子和 20 个二级风格因子：规模（市值、 非线性市值）、波动性（BETA、残差波动率）、流动性（流动性）、动量（短期反转、 季节、行业动量、动量）、质量（杠杆、盈利变动率、盈利质量、盈利能力、投资质 量）、价值（价值、盈利、长期反转）、成长（成长）、分析师预期（分析师预期）、红 利（红利）。通过计算各个风格因子近期收益，评估不同因子在近期市场中的表现， 为因子组合优化和投资策略调整提供依据。

3.2 Barra CNE6 因子表现

2025 年 6 月 16 日至 2025 年 6 月 20 日，分析师预期因子表现较好，质量因子表 现较差。本月质量因子表现较好，最近一年动量（反转）因子和质量因子表现较好。

3.3资金流和定量配置信号：两融资金本周累计净流入 47.89 亿 元

两融资金从 2023 年 7 月至 2025 年 6 月 20 日，净流入近 4753.83 亿元；2025 年 6 月 16 日至 2025 年 6 月 20 日累计净流入 47.89 亿元。

4. 行业轮动跟踪：配置种植业、银行、酒店餐饮、 食品饮料、照明设备 II

4.1行业表现和因子表现

4.1.1 行业表现

备注：报告中，“6 月”指 2025 年 6 月 1 日至 2025 年 6 月 30 日的交易日。 如下图所示 6 月以来，目前主要领涨的行业为：通信设备、风电设备、银行；主 要领跌行业为白色家电、美容护理、食品饮料。

4.1.2 因子表现

我们对行业轮动因子的收益率进行跟踪，其中历史年化收益率的计 算区间为 2017 年 4 月至 2025 年 6 月 20 日。

2022 年 1 月 2 日至 2025 年 6 月 20 日，整个区间内，龙头因子、景气度因子表 现较好。

4.2组合绩效回顾

4.2.1 当月和当年组合绩效

2025 年 6 月基准收益率为-1.16%，无剔除版因子轮动行业增强收益为 0.96%，超额为 2.13%。双剔除版因子轮动行业增强收益为-0.09%，超额为 1.07%。 2023年1月1日至2025年6月20日基准收益率为1.01%，无剔除版收益29.56%， 超额 28.55%。双剔除版收益 50.62%，超额为 49.61%。

4.3配置种植业、银行、酒店餐饮、食品饮料、照明设备 II

4.3.1 行业最新截面权重

为无剔除版本的最新截面行业权重，以及剔除拥挤度高和绝对估值泡 沫高的行业权重。

4.4国联民生行业轮动策略 2.0

4.4.1 策略简介

通过信用及企业盈利构建经济四象限。分别为[企业盈利上行，信用上行]、[企业盈利上行，信用下行]、[企业盈利下行，信用上行]、[企业盈利下行，信用下行]。 并构建多维度行业风格因子，包括一致预期景气、超越预期盈利、龙头效应、行 业估值泡沫、反转因子、动量因子、拥挤度、通胀 beta。在四个象限分别对各因子 进行有效性检验。 基于四个经济象限的因子轮动并配置相应的高预期收益行业以此构建了适用于 A 股市场的行业轮动策略。

5. 遗传规划指增跟踪：中证 1000 指数增强模型本 周超额收益 0.79%

5.1沪深 300 指数增强

沪深 300 遗传规划选股模型构建方法如下： 1.股票池：沪深 300 成分股。 2.训练集（样本内）：2016 年 1 月 1 日-2020 年 12 月 31 日 3.因子：由遗传规划因子挖掘模型挖掘 2000 个初始种群、5 代、7 轮得到的 102 个因子加权复合组成。 4.策略：每周最后一个交易日选择模型得分最高的每个行业内的前 10%的股票构 建多头组合，以下周第一个交易日开盘价买入，周频调仓，交易成本为双边千三。

截至 2025 年 6 月 20 日，沪深 300 选股因子年化超额收益率 18.66%，夏普率 1.00。今年以来超额收益率 0.22%。本周模型收益率-0.36%，超额收益率 0.10%。

5.2中证 500 指数增强

中证 500 遗传规划选股模型构建方法如下： 1.股票池：中证 500 成分股。 2.训练集（样本内）：2016 年 1 月 1 日-2020 年 12 月 31 日 3.因子：由遗传规划因子挖掘模型挖掘 2000 个初始种群、5 代、8 轮得到的 189 个因子加权复合组成。 4.策略：每周最后一个交易日选择模型得分最高的每个行业内的前 10%的股票构 建多头组合，以下周第一个交易日开盘价买入，周频调仓，交易成本为双边千三。

截至 2025 年 6 月 20 日，中证 500 选股因子年化超额收益率 12.53%，夏普率 0.73。今年以来超额收益率 3.71%。本周模型收益率-1.88%，超额收益率-0.13%。

5.3中证 1000 指数增强

中证 1000 遗传规划选股模型构建方法如下： 1.股票池：中证 1000 成分股。 2.训练集（样本内）：2016 年 1 月 1 日-2020 年 12 月 31 日 3.因子：由遗传规划因子挖掘模型挖掘 2000 个初始种群、5 代、4 轮得到的 564 个因子加权复合组成。 4.策略：每周最后一个交易日选择模型得分最高的每个行业内的前 10%的股票构 建多头组合，以下周第一个交易日开盘价买入，周频调仓，交易成本为双边千三。

截至 2025 年 6 月 20 日，中证 1000 选股因子年化超额收益率 19.47%，夏普率 0.85。今年以来超额收益率 4.74%。本周模型收益率-0.95%，超额收益率 0.79%。

5.4中证全指指数增强

中证全指遗传规划选股模型构建方法如下： 1.股票池：中证全指成分股。 2.训练集（样本内）：2016 年 1 月 1 日-2020 年 12 月 31 日 3.因子：由遗传规划因子挖掘模型挖掘 2000 个初始种群、5 代、10 轮得到的 709 个因子加权复合组成。 4.策略：每周最后一个交易日选择模型得分最高的每个行业内的前 10%的股票构 建多头组合，以下周第一个交易日开盘价买入，周频调仓，交易成本为双边千三。

截至 2025 年 6 月 20 日，中证全指选股因子年化超额收益率 24.81%，夏普率 1.22。今年以来超额收益率 7.03%。本周模型收益率-0.73%，超额收益率 0.48%。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）