主动量化组合跟踪：6月机器学习红利股优选策略表现出色

国证2000指数增强策略：

• 合成因子在国证2000成分股中表现优异，IC均值12.05%，T统计量12.36。
• 6月因子表现承压，IC值为-7.35%，策略超额收益为-11.02%。
• 样本内年化超额收益率11.14%，信息比率1.39。
• 6月策略表现下滑，动量、价值因子拖累明显。

基于多目标、多模型的机器学习指数增强策略：

• 原GBDT+NN模型在近期失效，创新性加入Mamba-2模型提升表现。
• 改进模型在沪深300、中证500、中证1000成分股中样本外表现优异：
  • 沪深300：IC均值8.49%，多头年化超额收益率9.87%。
  • 中证500：IC均值8.39%，多头年化超额收益率10.01%。
  • 中证1000：IC均值11.65%，多头年化超额收益率16.02%。
• 6月策略表现承压：沪深300超额收益-0.11%，中证500超额收益-1.74%，中证1000超额收益-1.47%。

基于红利风格择时+红利股优选构建的固收+策略：

• 红利指数择时策略相较于中证红利指数全收益稳定性提升。
• 选股策略年化收益16.29%，夏普比率0.79。
• 固收+策略年化收益6.96%，最大回撤4.93%，夏普比率2.08。
• 6月选股策略收益率为-7.38%，中证红利全收益为-8.99%。
• 固收+策略超额收益率为0.30%，小幅跑赢基准。

风险提示：

• 模型失效风险、政策环境变化风险、市场环境变化风险、交易成本变化风险。