国证2000指数增强策略
- 策略构建：基于大小盘选股逻辑差异，筛选适合微盘股的选股因子，针对国证2000指数成分股构建增强策略。
- 因子表现：技术、反转、特异波动率等因子在国证2000成分股上表现出色，合成大类因子提升效果显著。波动率因子通过回归求残差实现独立性，最终等权合成并行业市值中性化构建增强因子，IC均值12.80%，T统计量12.84。
- 策略跟踪：每月月底取因子值排名前10%股票等权构建多头组合，手续费率单边千分之二，样本内年化超额收益率14.05%，信息比率1.87。样本外7月超额收益-0.44%。
- 最新信号：最新持仓列表未提供具体内容。
基于多目标、多模型的机器学习指数增强策略
- 策略构建：采用GBDT和NN模型，不同特征数据集训练，多预测标签对比融合，构建GBDT+NN选股因子，在A股宽基指数上表现优异。
- 沪深300策略：样本外IC均值11.84%，多头年化超额收益率16.30%。本月IC-22.11%，多头超额收益-5.14%。策略年化超额收益率11.09%，超额最大回撤7.72%，本月超额收益-2.07%。
- 中证500策略：样本外IC均值9.96，多头年化超额收益率10.63%。本月IC-2.88%，多头超额收益0.82%。策略年化超额收益率11.21%，超额最大回撤7.72%，本月超额收益-0.48%。
- 中证1000策略：样本外IC均值13.72，多头年化超额收益率16.90%。本月IC5.93%，多头超额收益-1.73%。策略年化超额收益率16.57%，超额最大回撤7.52%，本月超额收益-0.57%。
基于红利风格择时+红利股优选的固收+策略
- 策略构建：使用经济增长和货币流动性等10个指标构建红利指数择时策略，相较于中证红利指数全收益有显著稳定性提升。AI模型在红利指数成分股内测试，因子表现较好，长期获得稳定超额收益。
- 选股策略：等权买入前十只股票今年以来收益率11.49%，夏普比率0.93，显著优于指数。
- 固收+组合：年化收益率7.58%，最大回撤4.93%，夏普比率2.23，优于固收+基准。
- 最新信号：8月仓位0%，经济增长和货币流动性指标多数给出空仓信号。8月策略持仓股票列表未提供具体内容。
风险提示
- 历史数据环境变化导致模型失效风险。
- 政策环境变化导致资产与风险因子关系失效风险。
- 市场环境变化导致资产同向大幅波动风险。
- 交易成本提高或其他条件改变导致策略收益下降风险。
