2024 年第二季度已经过去，主要股指悉数下跌，上证 50 指数跌幅最小，下跌 0.83%。万 得全 A 二季度下跌 5.32%，国证 2000 跌幅最大，季度下跌 11.89%。
从行业表现来看，二季度有 5 个中信一级行业正收益，其中银行上涨 7.59%，电力及公 用事业上涨 5.31%；消费者服务、综合二季度下跌超 20%。
接下来我们看一下不同类型基金的表现，其中在市场指数普跌的情况下，平衡混合型基 金表现最好，平均收益为 2.17%。
2024Q2 新成立公募基金 590 只，合计募集 4144.09 亿元，其中混合型 141 只，共募集 243.05 亿，债券型 218 只，共募集 3555.74 亿，股票型 231 只，共募集 345.31 亿。 北向资金今年共流入 224.31 亿，其中沪股通流入 707.50 亿，深股通流出 483.19 亿。
择时上，我们自 2019 年开始深耕于大盘择时，基于多维角度，创立了短期、中期、长期 的择时模型。我们认为市场择时一定不是单一模型可以实现的，在每个周期下，我们从 不同角度出发，又构建了次级别的策略。同一周期下策略或者不同周期下的策略可以进 行耦合与共振，这样才能做到攻守兼备。 在过去持续地对多周期择时模型进行深挖和完善，我们得到了丰富的研究成果：短期择 时体系有价量共振模型与低波之刃模型：其中价量共振模型主要作用在于跟踪趋势与捕 捉顶部的背离，低波之刃模型在于捕捉市场底部的反弹行情。中期择时体系主要有推波 助澜模型与月历效应模型：依赖涨跌停比率，构建推波助澜 V1 模型；挖掘更多信息，构 建推波助澜 V2 模型；提升权重股占比，基于自由流通市值加权，构建推波助澜 V3 模型。 月历效应模型是基于 A 股的春季躁动逻辑，基于中小盘指数构建的高胜率择时模型。长 期择时体系主要有动量摆动模型：动量摆动模型先判断个股，再合成指数信号。基于短 中长期各个周期模型，我们构造了综合兵器模型：综合兵器模型不仅利用多个版本的模 型，而且利用同一个模型下不同宽基指数的信号，各个模型拥有各自特色的逻辑去捕捉 市场的波段，将各个模型的信息充分汲取并且整合，最终实现了质的飞跃。
我们还基于特征收益分布，开发了特征龙虎榜机构模型，特征成交量模型。基于遗传规 划，开发了智能算法择时模型：目前拥有沪深 300 指数的短期择时模型与 GRASP(贪婪 自适应搜索)算法合成的中证 500 指数短期择时模型。 我们不仅在 A 股指数的量化择时模型有所建树，我们还在港股指数上，开发了相应的量 化择时模型，成交额倒波幅模型，在恒生指数与恒生中国企业指数的择时回溯结果表现 非常亮眼。
（一）短期择时模型
1、价量共振模型
价量共振模型的基础逻辑是当供不应求时，人潮汹涌，都要买进，成交量自然放大；反 之，供过于求，市场冷清无人，买盘稀少，成交量势必萎缩。华创金工探索的价量共振模 型是基于一类低延迟快速的均线 HMA 来量化成交量，结合价格指标，创设一个结合价 与量的新择时模型“价量共振择时模型”。价量共振择时模型，从初始的 V1 模型到更加 稳健的价量共振 V3 模型(价量共振 V1 模型的缺点就是会在放量下跌的市场中，发出错 误的买入信号。通过规避放量下跌产生的错误信号，形成价量共振 V3 模型)。
价量共振V3模型在上证指数自2005年1月4日至2024年07月03日，年化收益12.09%， 最大回撤 15.05%，胜率 63.7%，盈亏比 1.88，夏普比率 0.797，平均每年交易 10.3 次， 平均多头持有周期 5.9 交易日，历史回溯表现非常优秀。 价量共振 V3 模型在上证指数自 2024 年 01 月 01 日至 2024 年 07 月 03 日的绝对收益为 6.89%，最大回撤 4.76%，而上证指数今年以来绝对收益为 0.68%，最大回撤 8.93%。模 型表现超越了基准指数，价量共振模型今年的表现较为优秀。 价量共振 V3 模型在上证指数自 2024 年 4 月 1 日至 2024 年 7 月 03 日的绝对收益为 0.89%，最大回撤 0.68%，而上证指数自 2024 年 4 月 1 日至 2024 年 7 月 03 日的绝对收 益为-3.09%，最大回撤 7.10%。模型表现超越了基准指数，价量共振模型在二季度的表 现较为优秀。
2、低波之刃模型
一般来说，当价量共振模型空仓时候，市场处于一个缩量状态，缩量市场要么下跌，要 么震荡，因此低波之刃模型是在一个缩量并且震荡的市场下，获取多头波段收益。市场 在震荡的时候，不断洗筹，成交量逐渐萎缩，市场波动在逐渐降低，直到市场冷冷清清， 市场成交量与成交额降至冰点，才会有后续期待的反弹行情。低波之刃模型量化了市场 处于极端缩量和极端冷清的这种状态，并且能够把握后续的反弹行情。
低波之刃模型在上证 50 指数上自 2015 年 2 月 9 日以来至 2024 年 07 月 03 日，年化收益 4.57%，最大回撤 12.57%，胜率 58.7%，盈亏比 1.23，夏普比率 0.214，平均每年交易 16.4 次，平均多头持有周期 2.8 个交易日，历史回溯表现表明能够在市场处于震荡的情形下获 取极度萎缩后的反弹收益。 低波之刃模型在上证 50 指数自 2024 年 01 月 01 日至 2024 年 07 月 03 日的绝对收益为2.92%，最大回撤 4.88%。而上证 50 指数自 2024 年 01 月 01 日至 2024 年 07 月 03 日绝 对收益为 5.35%，最大回撤 5.70%。 低波之刃模型在上证 50 指数自 2024 年 04 月 01 日至 2024 年 07 月 03 日的绝对收益为3.69%，最大回撤 4.87%。而上证 50 指数自 2024 年 04 月 01 日至 2024 年 07 月 03 日绝 对收益为-1.09%，最大回撤 5.70%。
3、特征龙虎榜机构模型
股票龙虎榜作为投资者可以窥探顶级资金交易行为的主要渠道一直备受关注，市面上也 流传着很多有关龙虎榜的打板战法，但是龙虎榜本身包含的信息过于庞杂，上榜个体的 交易目的也互有不同，甚至很多游资席位上榜的目的就是为了拉高股价进行出售，由于 这些原因，使得龙虎榜数据并没有广泛的运用于量化投资领域。本文将从行为金融有限 注意力理论的角度对这部分数据进行切入，以龙虎榜中全部机构席位信息总和作为原料 进行加工，透过不同机构席位释放的干扰信号，探究机构席位资金出现极端行为时，宽 基指数所呈现的规律并构建相应的择时策略。 由于龙虎榜资金净流入强度指标期望收益分布图呈现出明显的非线性 V 字型，正收益来 自两端，负收益来自中间。因此择时模型的构造逻辑为做多两边做空中间，本文采用了 一类巧妙的建模方法，构建了沪深 300 指数相应的龙虎榜机构多空择时模型。 特征龙虎榜机构模型在沪深 300 指数上自 2013 年 01 月 01 日以来至 2024 年 07 月 03 日， 年化收益 16.61%，最大回撤 20.93%，胜率 58.6%，盈亏比 1.46，夏普比率 0.785，平均每年交易 17.8 次，平均多头持有周期 11.2 个交易日，空头持有期 6.4 个交易日。 特征龙虎榜机构模型在沪深 300 指数自 2024 年 01 月 01 日至 2024 年 07 月 03 日的绝对 收益为-7.12%，最大回撤 9.02%。而沪深 300 指数自 2024 年 01 月 01 日至 2024 年 07 月 03 日绝对收益为 2.28%，最大回撤 6.42%。 特征龙虎榜机构模型在沪深 300 指数自 2024 年 04 月 01 日至 2024 年 07 月 03 日的绝对 收益为-4.03%，最大回撤 6.48%。而沪深 300 指数自 2024 年 04 月 01 日至 2024 年 07 月 03 日绝对收益为-3.68%，最大回撤 6.42%。
4、特征成交量模型
成交量指的是一个时间单位内对某项交易成交的数量。当供不应求时，人潮汹涌，都要 买进，成交量自然放大；反之，供过于求，市场冷清无人，买盘稀少，成交量势必萎缩。 而将人潮加以数值化，便是成交量。A 股宽基指数有着明显的放量上涨，缩量下跌规律。 由于量能指标的期望收益分布呈现出明显的右偏 V 型形状，特征成交量模型采用了一类 巧妙的建模方法，将成交量建模趋于完善，开创性地挖掘成交量模型的缩量做空与地量 反弹，因此从成交量的特征分布进行切入，将市场划分为放量上涨区域，高位震荡区域， 缩量下跌区域，地量反弹区域。并构建相应的择时策略，在放量上涨区域做多，在缩量 下跌区域做空，在地量反弹区域中做多，在回溯中获得了远超宽基指数的择时收益。 特征成交量模型在万得全 A 指数上自 2004 年 1 月 2 日以来至 2024 年 07 月 03 日，年化 收益 27.57%，最大回撤 40.54%，胜率 55.3%，盈亏比 1.51，夏普比率 1.026，平均每年 交易 34.6 次，平均多头持有周期 5.2 个交易日，空头持有期 5.9 个交易日。 特征成交量模型在万得全 A 指数上自 2024 年 01 月 01 日至 2024 年 07 月 03 日的绝对收 益为 19.52%，最大回撤 7.04%。而全 A 指数今年以来 2024 年 1 月 1 日至 2024 年 07 月 03 日绝对收益为-7.50%，最大回撤 16.85%。模型今年以来的表现远超基准，表现非常 优秀。
特征成交量模型在万得全 A 指数上自 2024 年 04 月 01 日至 2024 年 07 月 03 日的绝对收 益为 7.68%，最大回撤 5.63%。而全 A 指数自 2024 年 04 月 1 日至 2024 年 07 月 03 日 绝对收益为-7.22%，最大回撤 8.76%。模型在二季度以来的表现远超基准，表现非常优 秀。
（二）中期择时模型
1、推波助澜模型
推波助澜 V1 模型：市场涨停个股较多的时候，市场人气旺盛，容易走出上涨行情；市场 跌停个股较多的时候，市场人气冷淡，容易走出下跌行情。基于经验设定涨跌停阈值为 9.5%，即个股涨幅大于 9.5%为涨停，个股涨幅小于-9.5%为跌停。定义涨停比率：宽基指 数单日涨幅大于 9.5%的成分股数量占其成分股总数的比率。定义跌停比率：宽基指数单 日跌幅大于9.5%(单日涨幅小于-9.5%)的成分股数量占其成分股总数的比率。推波助澜V1 模型是基于涨停比率与跌停比率构建的择时模型。 推波助澜 V2 模型：而涨停和跌停仅仅只是利用个股当日涨跌幅的信息，因此我们定义连 板比率，即连续涨停比率和连续跌停比率。连续涨停比率即宽基指数今日和昨日涨幅都 大于 9.5%的个股数量占其成分股总数的比率，同理，连续跌停比率即宽基指数今日和昨 日跌幅都大于 9.5%(涨幅小于-9.5%)的个股数量占其成分股总数的比率。类似涨跌停比率 剪刀差的定义，涨停比率-跌停比率，因此我们定义连板比率剪刀差：即连续涨停比率-连 续跌停比率。我们还定义了地天板比率和天地板比率，地天板比率即宽基指数今日地天 板走势的个股数量占其成分股总数的比率，天地板比率即宽基指数今日天地板走势的个 股数量占其成分股总数的比率。因此我们定义地天与天地板比率剪刀差：地天板比率-天 地板比率。推波助澜 V2 模型是基于涨跌停比率剪刀差、连板比率剪刀差、地天与天地板 比率剪刀差构建的择时模型。
推波助澜 V3 模型：A 股指数的行情主要依靠权重股来带动，纯粹使用涨跌停个股数量简 单加减不一定能真实反映 A 股的整体情绪，因此推波助澜 V1 模型与推波助澜 V2 模型 计算涨跌停比率剪刀差的方式可能有所弊端。因此定义了自由流通市值加权涨跌停比率 剪刀差、自由流通市值加权连板比率剪刀差、自由流通市值加权地天与天地板比率剪刀 差，最终得到推波助澜 V3 模型，因此推波助澜 V3 模型是涨跌停择时系列中最稳健的模 型。
推波助澜 V3 模型在沪深 300 指数上自 2009 年 10 月 09 日以来至 2024 年 07 月 03 日， 年化收益 10.39%，最大回撤 15.37%，胜率 57.1%，盈亏比 2.03，夏普比率 0.668，平均 每年交易 5.9 次，平均多头持有周期 14.4 个交易日。 推波助澜 V3 模型自 2024 年 01 月 01 日至 2024 年 07 月 03 日的绝对收益为-5.06%，最 大回撤 6.03%。而沪深 300 指数今年以来 2024 年 01 月 01 日至 2024 年 07 月 03 日的绝 对收益为 2.28%，最大回撤 6.42%。 推波助澜 V3 模型自 2024 年 04 月 01 日至 2024 年 07 月 03 日的绝对收益为-1.62%，最 大回撤 2.62%。而沪深 300 指数自 2024 年 04 月 01 日至 2024 年 07 月 03 日的绝对收益 为-3.68%，最大回撤 6.42%。模型表现超越了基准指数，表现较为优秀。
2、月历效应模型
月历效应模型是基于 A 股的春季躁动逻辑，基于中小盘指数构建的高胜率择时模型。 月历效应模型在中证 1000 指数上自 2005 年 01 月 04 日以来至 2024 年 07 月 03 日，年 化收益 9.78%，最大回撤 15.77%，胜率 100.0%，夏普比率 0.765，平均每年交易 1 次， 平均多头持有周期 16.4 个交易日，策略胜率极高，择时回溯结果非常优秀。 中证 1000 指数月历效应模型自 2024 年 01 月 01 日至 2024 年 07 月 03 日在中证 1000 指 数上的绝对收益为 13.78%，最大回撤 9.70%。而中证 1000 指数今年以来 2024 年 01 月 01 日至 2024 年 07 月 03 日的绝对收益为-16.87%，最大回撤 26.67%。模型表现非常优 秀。
（三）长期择时模型
长期模型，即动量摆动模型：单纯从大盘宽基指数去挖掘长期信号，容易产生较多的噪 音导致持有期限较为离散。而大盘宽基指数是由其成分股构建而成，成分股可获得的信 息相比于单个大盘宽基指数更为丰富，因此从逻辑上来讲，利用成分股构建的择时系统 应该要比利用单个大盘宽基指数构建的择时系统效果要更好，持有期集中度也会更强。 我们试图基于成分股信号加权进而构造一类平均持有期限较长的摆动系统，该系统能够 更为全面地反映市场运行的全貌，当摆动指标从下向上的时候做多，从上向下的时候平 仓。
动量摆动模型在中证 500 指数上自 2008 年 06 月 02 日以来至 2024 年 07 月 03 日，年化 收益 7.29%，最大回撤 42.44%，胜率 57.9%，盈亏比 1.98，夏普比率 0.307，平均每年交 易 1.3 次，平均多头持有周期 88.6 个交易日。 动量摆动模型在中证 500 指数上自 2024 年 1 月 1 日至 2024 年 07 月 03 日的绝对收益为 -7.91%，最大回撤 11.25%。而中证 500 指数今年以来 2024 年 1 月 1 日至 2024 年 07 月 03 日绝对收益为-9.22%，最大回撤 17.55%。 动量摆动模型在中证 500 指数上自 2024 年 04 月 01 日至 2024 年 07 月 03 日的绝对收益 为-9.08%，最大回撤 11.62%。而中证 500 指数自 2024 年 04 月 01 日至 2024 年 07 月 03 日绝对收益为-9.08%，最大回撤 11.62%。
（四）综合择时模型
基于短中长期各个周期模型，我们构造了综合兵器模型：综合兵器模型不仅利用多个版 本的模型，而且利用同一个模型下不同宽基指数的信号，各个模型拥有各自特色的逻辑 去捕捉市场的波段。综合兵器 V3 模型，将短期价量共振模型与低波之刃模型，中期推波 助澜模型与月历效应模型，长期动量摆动模型，利用不同周期模型的信号进行融合，将 多维度的信息进行结合增强，形成更强的综合兵器模型，最终实现了质的飞跃。 综合兵器 V3 模型在沪深 300 指数上自 2015 年 02 月 09 日以来至 2024 年 07 月 03 日，年化收益 34.41%，最大回撤 17.06%，胜率 57.8%，盈亏比 1.89，夏普比率 1.388，平均 每年交易 35.8 次，平均多头持有周期 6.8 个交易日，平均空头持有周期 7.3 个交易日。 综合兵器 V3 在沪深 300 指数上自 2024 年 1 月 1 日至 2024 年 07 月 03 日绝对收益为 1.65%，最大回撤 9.55%。而沪深 300 指数 2024 年 1 月 1 日至 2024 年 07 月 03 日绝对收 益为 2.28%，最大回撤 6.42%。 综合兵器 V3 在沪深 300 指数上自 2024 年 4 月 1 日至 2024 年 07 月 03 日绝对收益为5.71%，最大回撤 9.52%。而沪深 300 指数自 2024 年 4 月 1 日至 2024 年 07 月 03 日绝对 收益为-3.68%，最大回撤 6.42%。
（五）智能算法择时模型
1、沪深 300 指数择时模型
沪深 300 指数智能择时模型是基于遗传规划算法对宽基指数择时因子进行挖掘。遗传规 划基本思想和遗传算法一致，即模拟生物进化过程中自然选择以及遗传过程中复制、交 叉和变异等过程。与生物种群类似，算法由一个初始种群开始，利用指定算法选择配对 交叉产生后代，并在遗传过程中模拟基因的变异进而获得包含新基因特征的种群，在遗 传过程中计算每个个体的适应度，并通过适应度来寻求最优个体。遗传规划不同于其他 机器学习的黑箱模式，其可以获得显式的表达式，这在后续从逻辑角度解读算式以及过 拟合检验等方面都具有无可比拟的优势。 沪深 300 指数智能择时模型在沪深 300 指数上自 2014 年 01 月 02 日以来至 2024 年 7 月 03 日，年化收益 37.21%，最大回撤 22.03%，胜率 58.9%，盈亏比 2.11，夏普比率 1.618， 平均每年交易 28.6 次，平均多头持有周期 7.7 日，平均空头持有周期 6.4 个交易日，择时 绝对收益远超沪深 300 指数本身。
沪深 300 指数智能择时模型在沪深 300 指数上自 2024 年 1 月 1 日至 2024 年 7 月 03 日绝 对收益为-10.58%，最大回撤 13.93%。沪深 300 指数自 2024 年 1 月 1 日至 2024 年 7 月 03 日绝对收益为 2.28%，最大回撤 6.42%。 沪深 300 指数智能择时模型在沪深 300 指数上自 2024 年 4 月 1 日至 2024 年 7 月 03 日绝 对收益为-5.23%，最大回撤 9.85%。沪深 300 指数自 2024 年 4 月 1 日至 2024 年 7 月 03 日绝对收益为-3.68%，最大回撤 6.42%。
2、中证 500 指数择时模型
由于在沪深 300 指数择时模型的单个因子挖掘时，我们对表达式的层数以及参数设置进 行了限制，这种限制对于因子的逻辑解读和防止过拟合都具有较强的帮助，但由于表达 式复杂度的限制，单个因子都只能对部分行情进行捕捉而在其他行情中只能表现平平。 在因子信号叠加后，我们会发现，一部分因子给出的信号会趋同，另一部分因子给出的 信号会矛盾，如果只是进行简单的信号叠加会造成部分行情中风险暴露加剧，部分行情 中少数真理被大量谬误所吞没的情况。因此中证 500 指数智能择时模型采用了 GRASP(贪 婪自适应搜索)算法思想进行因子组合，让整个组合的内部逻辑是清晰可控的。 中证 500 指数智能择时模型在中证 500 指数上自 2014 年 01 月 02 日以来至 2024 年 7 月 3 日，年化收益 51.74%，最大回撤 43.42%，胜率 62.9%，盈亏比 2.43，夏普比率 1.941， 平均每年交易 23.5 次，平均多头持有周期 9.6 个交易日，平均空头持有周期 6.8 个交易 日，择时绝对收益远超中证 500 指数本身。 中证 500 指数智能择时模型在中证 500 指数上自 2024 年 01 月 01 日至 2024 年 7 月 3 日 绝对收益为 14.80%，最大回撤 12.25%。而中证 500 指数自 2024 年 01 月 01 日至 2024 年 7 月 3 日绝对收益为-9.22%，最大回撤 17.55%。模型今年表现远超基准，表现非常优 秀。 中证 500 指数智能择时模型在中证 500 指数上自 2024 年 04 月 01 日至 2024 年 7 月 3 日绝对收益为-10.03%，最大回撤 11.27%。而中证 500 指数自 2024 年 04 月 01 日至 2024 年 7 月 3 日绝对收益-9.08%，最大回撤 11.62%。
（六）港股指数择时模型
1、成交额倒波幅模型
在港股成交指标的选择上，成交额指标比成交量指标更具备说服力，因此我们在港股择 时模型一般都选择成交额指标而非成交量指标作为基础指标。如果需要寻找的基础指标 既能发现趋势，但是最终择时收益又能显著超越标的本身，那么该基础指标必须具备一 定的价格领先作用。于是我们想到了成交额和 VHSI 恒生波幅指数(港版的恐慌指数)，结 合发现趋势与领先的特点，我们构建一个趋势指标，叫成交额倒波幅指标，市场在上涨 的时候指标值较大，市场在下跌的时候指标值较小，定义成交额倒波幅指标=港股成交额 /VHSI^(α)，α=2.5。最终成交额倒波幅择时模型的构建方式与 A 股特征成交量指标类 似，做多趋势上涨区间，做空趋势下跌区间，做多超跌反弹区间。 成交额倒波幅模型在恒生指数上自 2004 年 01 月 02 日以来至 2024 年 07 月 03 日，年化 收益 10.49%，最大回撤 51.08%，胜率 50.5%，盈亏比 1.56，夏普比率 0.423，平均每年 交易 15.2 次，平均多头持有周期 19.5 个交易日，平均空头持有周期 11.4 个交易日，择时 绝对收益超过恒生指数本身。 成交额倒波幅模型在恒生指数上自 2024 年 1 月 1 日至 2024 年 07 月 03 日绝对收益为8.75%，最大回撤 18.09%。而恒生指数自 2024 年 1 月 1 日至 2024 年 07 月 03 日表现为 绝对收益为 7.09%，最大回撤 10.88%。 成交额倒波幅模型在恒生指数上自 2024 年 4 月 1 日至 2024 年 07 月 03 日绝对收益为 6.18%，最大回撤 9.78%。而恒生指数自 2024 年 4 月 1 日至 2024 年 07 月 03 日表现为绝 对收益为 6.18%，最大回撤 9.78%。
（七）择时收益小结
从择时收益上讲，2024 年第二个季度择时模型总体表现尚可。 价量共振模型，特征成交量模型，推波助澜 V3 模型在今年第二个季度的表现较为优秀。 价量共振 V3 模型在上证指数自 2024 年 4 月 1 日至 2024 年 7 月 03 日的绝对收益为 0.89%，最大回撤 0.68%，而上证指数自 2024 年 4 月 1 日至 2024 年 7 月 03 日的绝对收 益为-3.09%，最大回撤 7.10%。模型表现超越了基准指数，价量共振模型在二季度的表现 较为优秀。 特征成交量模型在万得全 A 指数上自 2024 年 04 月 01 日至 2024 年 07 月 03 日的绝对收 益为 7.68%，最大回撤 5.63%。而全 A 指数自 2024 年 04 月 1 日至 2024 年 07 月 03 日绝 对收益为-7.22%，最大回撤 8.76%。特征成交量模型在二季度以来的表现远超基准，表现 非常优秀。 推波助澜 V3 模型自 2024 年 04 月 01 日至 2024 年 07 月 03 日的绝对收益为-1.62%，最 大回撤 2.62%。而沪深 300 指数自 2024 年 04 月 01 日至 2024 年 07 月 03 日的绝对收益 为-3.68%，最大回撤 6.42%。模型表现超越了基准指数，表现较为优秀。
最新择时信号： 短期：成交量模型中性。低波动模型中性。智能 300 模型中性，智能 500 模型看空。特征龙虎榜机构模型看多。特征成交量模型看空。 中期：涨跌停模型中性。形态剪刀差择时模型中性。月历效应模型中性。 长期：动量模型所有宽基指数看多。 综合：综合兵器 V3 模型看空。综合国证 2000 模型看空。 从择时模型角度看，绝大多数信号中性或看空，后市或倾向于震荡偏空的行情。
大师系列作为最为经典的量化选股策略，在我们之前的研究中就有了很多的积累，我们 网站中一共监控了 33 个大师系列的策略。其中，价值型大师策略共 19 篇，成长型大师 策略共 6 篇，综合型大师策略共 8 篇。
2024 年我们推荐的大师策略分别是：“惠特尼·乔治小型价值股投资法”、“福斯特佛 莱斯积极成长选股策略”、“CANSLIM 投资法”。其中，“惠特尼·乔治小型价值股投资 法”、“福斯特佛莱斯积极成长选股策略”策略在今年表现最好，因此下面我们对其选股方 法进行整理。
（一）惠特尼·乔治小型价值股投资法
惠特尼·乔治是华尔街著名的投资基金经理。由于钟情于小盘股且业绩表现突出，乔治在 2011 年 1 月被《财智月刊》评为美国小盘股基金“最佳基金经理”。惠特尼·乔治小型价 值股投资法从股票风格、公司运营状况和市场估值水平三个方面进行选股，关注公司的 负债水平、自由现金流、总资产报酬率和资本报酬率。经过量化后的惠特尼乔治小型价 值股投资法则非常明确，且均以市场均值作为参考阈值而没有加入过多的主观判断。惠 特尼·乔治小型价值股投资法的选股数量较少，且存在长期无持股的情况。在行业上，由于偏好小盘股，所以过去策略对银行、非银、钢铁、采掘、食品饮料、通信 6 个行业没 有入选股票，其主要指标如下： 总市值小于全市场平均市值； 产权比率（负债总额与所有者权益总额的比率）小于全市场平均值； 每股企业自由现金流量大于市场平均值； 累计三年总资产报酬率大于市场平均值； 累计三年投入资本回报率大于市场平均值； 最近四季度市盈率小于市场平均值； 最近一季度市净率小于市场平均值； 最近四季度市销率小于市场平均值；
策略 2024 年至今（2024.6.30）收益-14.53%，偏股混合型基金指数 2024 年至今收益-5.33%， 策略相对收益-9.2%。策略在今年回撤相对较大，主要因为策略偏好小市值个股，所有个 股市值均不超过 100 亿。
（二）福斯特佛莱斯积极成长选股策略
福斯特·佛莱斯是白兰地基金创始人，他对成长股选择给出了 7 方面要求：1、高盈利成长 率 2、高盈利能力 3、健全的资产负债表 4、正面的盈利惊喜 5、高质量的盈利水平 6、公 司正面的内部动力 7、独立的产业基本面研究。我们根据其投资思想，以及结合中国市场 的实际情况，我们选取 6 方面的因子，来实现积极成长选股策略，具体标准如下： 预估税前净利成长率>20%； 营业利润率>10%； 负债比例低<30%； 最近一季税前利润 > 预估税前利润；最近四季主营业务利润占税前利润比率>80%； 市盈率<25。
历史净值走势
该策略在历史的表现非常稳健，2013 年至 2024 年 6 月底策略年化收益 13.3%，基准年化 2.4%，策略阿尔法 11.1%，最大回撤 45.1%。
策略2024年至今（2024.6.30）收益10.22%，偏股混合型基金指数2024年至今收益-5.33%， 策略相对收益 15.55%。
（三）CANSLIM 基本面选股
威廉·欧奈尔的 CANSLIM 选股法则本质是一个挑选成长性股票的投资策略，其中每个英 文字母都代表一个择股的维度。
长期跟踪下来，CANSLIM 策略在 A 股非常有效。2013 年 1 月至今（2024 年 6 月 30 日） 策略年化收益 14.5%，策略最大回撤 45.9%发生在 2015 年期间。2024 年至今（2024 年 6 月 30 日）策略收益 5.8%，相对偏股混合型基金指数超额收益 11.13%。
（四）CANSLIM2.0 基本面选股
近年来随着上市公司越来越多，A 股市场的上市公司数据已超过 4000 多家，即使是大型 机构投资者也难以对所有的个股进行深度覆盖。A 股市场也越来越有效，很多个股在业 绩预报快报时提交给市场一份亮眼的业绩预报、快报，市场的关注度突增，资金也会不 吝惜短期的冲击成本选择大量涌入。拉长时间周期来看这些个股今年的涨幅也都远超所 在行业的基准，故我们将个股的业绩预报、快报数据纳入到原有的选股框架中。 另外，为了更丰富我们的投资框架，我们在原有的三个维度（成长、动量、机构认可度） 上增加了一致预期的维度。
历史净值走势
2013 年 01 月 01 日至今（2024 年 6 月 30 日）策略在此期间年化收益率 25.9%，基准（中 证 500）年化收益率 3.8%，阿尔法 12.1%，最大回撤 57.4%发生于 2015 年。2024 年至今 （2024 年 6 月 30 日）策略收益 16.4%，相对偏股混合型基金指数超额收益 21.73%。
（五）形态识别选股
市场上各种选股策略层出不穷，追本溯源，不外乎基于股票基本面或者量价技术面的投资策略。形态识别是典型的技术面投资策略，也是所有分析方法中最基本最重要的方法， 并且形态识别大体也可分为两类，包括持续形态和反转形态识别。我们目前参考投资大 师威廉·欧奈尔的投资策略，参考其著作《笑傲股市》中的选股方法，在 A 股市场上复现 其书中杯柄形态和双底形态，每周推荐形态突破的个股组合。 策略回测结果等详细内容可参考报告《华创金工形态选股系列之一：基于杯柄形态的识 别与交易探索》、《华创金工形态选股系列之二：基于双底形态的识别与交易探索》。
1 杯柄形态识别
形态介绍
杯柄形态(Cup-with-a-handle)是一个牛性的持续形态。正如它的名字所示，这个形态有两 个部分：杯和柄。其中杯是在一段上涨后形成，看起来像个圆形底，当杯子的部分完成 后，出现一段盘整行情，这就是柄。当柄这段盘整行情被突破后，价格将延续此前的上 涨趋势。换句话说，杯柄形态是一种在上升趋势中显示买入信号的技术模型，股价先由 高位回落，然后再从低位反弹到高位，形成杯形，然后再由高位下跌后迅速反弹，形成 杯柄。通常杯子的底部应该有些圆弧，看起来像 U 字，而非急拉的 V 形，这样就是一个 筑底的时间。随后探底洗出一些投机者，所以在后面的上攻中，卖压不重。当然也有一 些股票不做杯柄，直接拉升，就是我们所说的圆弧底形态。
2 双底形态识别
形态介绍
“双重底”形态同杯柄形态一样也是一个牛性的持续形态。该形态看起来很像英文字母 “W”。它虽然不如杯柄形态常见，但也能经常看到。与传统的双底形态不同在于，《笑傲 股市》一书中介绍的双底形态同其杯柄形态一样均是在上涨的趋势中进行辨别，也就是 说在 W 形态的出现前期有一段明显的上涨行情。
华创金工的行业轮动模型是基于基金仓位测算结果来构建的： 以公募基金为代表的机构投资者在市场的话语权逐渐提升，近三年来尤其如此，我们认 为其表现在两点：1. 机构投资者拥有更为强大的投研力量及更为及时的信息渠道。2. 机 构投资者的资金量较大，对市场的影响较散户更强。既然如此，我们可以假设公募基金 在行业配置上存在一定的 alpha，并根据这一猜想构建行业轮动信号。
参考 2022 年 3 月 11 日《市场多久能反弹？—市场底部反弹特征梳理》报告，我们认为， 可以从九个维度对市场底部进行判断与反弹时点把握： 1、低价股比例：逻辑是牛市消灭仙股，熊市产生仙股。 2、破净股比例：打折促销，领先指标。 3、M2/总市值中位数：相当于每一元的市值，有多少 M2 支撑和刺激？可以理解为“施 肥率”。 4、PE 中位数和十年国债收益率倒数：比较股票和国债收益率的高低，经典的股债轮 动指标。 5、全市交易额有没有触底？：全市场人气。 6、个股流动性有没有触底？：大底中大部分个股流动性枯竭。 7、区间最大跌幅的中位数：大底是跌出来的，大底的水准是高点腰斩、再腰斩。 8、人气指标：次新股的破发率。 9、全市场的估值：底部一般全市场估值低，各个行业也一片惨淡，几无例外。
（一）低价股比例
低价股比例为（股价<2）的比例，从指标来看，市场大底判断不用着急，可耐心等待拐 点。在大底走出来的过程中，一定有明确拐点。在 2008 年是同步指标，而 2012 年、2014 年，低价股比例下降是领先指标。目前来看，该指标在高位，表明市场出现转多信号。
（二）破净股比例
破净股比例与低价股比例逻辑相似，当市场上涨时，破净股比例基本没有超过 2%，目前 最新比例为 12.6%，位于高位，属于上升通道。
（三）M2/总市值中位数
在指标选择上使用总市值中位数来避免大市值股票对指标影响太大，而 M2/总市值中位 数指标实际上衡量的是，货币投放与资本市场市值成长的关系。在下跌 行情中，M2/总市值中位数与大盘基本呈现负相关的走势，这一点在本次回调中也能够得 到验证。并且我们可以发现在指标的拐点同样是市场走势的拐点。由于 M2 数据公布的 滞后性，无法判断当前指标的情况，但我们仍然可以通过关注该指标把握市场的走势， 从已有数据来看，目前 M2/总市值中位数走势保持向上，建议继续关注指标之后的发展。
（四）PE 中位数和十年国债收益率倒数的比较
作为经典的股债轮动的量化方法，该模型经常作为长期股债轮动的基础模型之一。
（五）全市场成交额
从成交额的统计结果来看，历史每次大底时的成交额相比之前高点的成交额占比均不足 50%，当前的成交额 5828.97 亿（2024.7.3），当前的市场整体成交额已处于较为冷情的 状态。
（六）个股成交的冷淡
对应上面一个维度，对个股的成交额进行分析。通过上面分析每当市场大底时刻伴随着 成交额的萎缩，进行简单的测算，08 年个股成交额低于 100 万/天，按照 M2 增速，对应 到 2012 年该标准就从 100 万/天提到 208 万/天，对应到 2016 年为 336 万/天，2018 年为 400 万/天，按照 M2 增速，到现在就应该是 643 万/天。 2008 年 10 月 31 低于 100 万/天的个股比例是 7%，2012 年 11 月 30 日低于 208 万的个股 比例是 9.33%，2016 年 1 月 27 日低于 336 万的个股比例是 10.23%，2018 年 10 月 18 日 低于 336 万的个股比例是 7.12%，现在低于 675 万/天的个股比例只有 5.58%。可以看出 当前市场个股的交易状态已相对冷清。
（七）个股区间最大跌幅中位数
整体来看 23 年虽然大盘指数均出现不同程度的下跌，但小微盘股表现非常突出。万得微 盘股指数逆势上涨 49.88%，中证 2000 上涨 5.57%，而中证 1000 下跌 6.27%、沪深 300 下跌 11.38%，市场的分化非常严重。进入到 24 年后市场风格发生巨大反转，小盘股与微 盘股短期出现大幅的回撤，而大盘股相对表现较稳定。
（八）次新股的破发率
回顾过去 15 年与 18 年大跌前后与次新股破发率的关系，当整 体大盘走势向下时候，次新股破发率会不断攀升直至阶段峰值，随后随着破发率的逐渐 降低，大盘整体也会迎来复苏，并且破发率有一定的领先性。从 23 年 3 月份起到 24 年 2 月，破发率逐步攀升，在 2024.2.5 日达到最大值 85.46%，尽管之后破发率有所回落， 但整体依旧处于较高水平，建议继续关注相关指标后市的发展。
（九）估值分位数差
从分位数的角度上来看，市场大底往往是行业 90 分位数与市场 90 分位数差的阶段性低 谷，这意味着市场上高估值的板块越来越少。在市场回调逐渐筑底的过程中，高估值板 块的溢价逐渐回归市场均值。该效应在 18 年尤为明显，可以看到在分位数差完成筑底的 之后的不久，市场便引来了一波反弹。 在 23 年以来该指标长期一直处于横盘状态，尽管 0.9 分位数行业指标出现了小幅的波动， 但指标的变化仍不明显。后续仍需持续关注分位数差，如若底部筑成，行情仍可期。
2024 年第二季度已经过去，主要股指悉数下跌，上证 50 指数跌幅最小，下跌 0.83%。万 得全 A 二季度下跌 5.32%，国证 2000 跌幅最大，季度下跌 11.89%。 从择时收益上讲，2024 年第二个季度择时模型总体表现尚可。 价量共振模型，特征成交量模型，推波助澜 V3 模型在今年第二个季度的表现较为优秀。 价量共振 V3 模型在上证指数自 2024 年 4 月 1 日至 2024 年 7 月 03 日的绝对收益为 0.89%，最大回撤 0.68%，而上证指数自 2024 年 4 月 1 日至 2024 年 7 月 03 日的绝对收 益为-3.09%，最大回撤 7.10%。模型表现超越了基准指数，价量共振模型在二季度的表现 较为优秀。 特征成交量模型在万得全 A 指数上自 2024 年 04 月 01 日至 2024 年 07 月 03 日的绝对收 益为 7.68%，最大回撤 5.63%。而全 A 指数自 2024 年 04 月 1 日至 2024 年 07 月 03 日绝 对收益为-7.22%，最大回撤 8.76%。特征成交量模型在二季度以来的表现远超基准，表现 非常优秀。 推波助澜 V3 模型自 2024 年 04 月 01 日至 2024 年 07 月 03 日的绝对收益为-1.62%，最 大回撤 2.62%。而沪深 300 指数自 2024 年 04 月 01 日至 2024 年 07 月 03 日的绝对收益 为-3.68%，最大回撤 6.42%。模型表现超越了基准指数，表现较为优秀。
从择时模型角度看，绝大多数信号中性或看空，后市或倾向于震荡偏空的行情。 基于行业轮动模型分析：2024 年三季度我们看好：非银行金融、交通运输、通信。 福斯特佛莱斯积极成长选股策略 2024 年至今收益 10.22%，偏股混合型基金指数 2024 年 至今收益-5.33%，策略相对收益 15.55%。 年初至今，A 股市场经历了较大幅度的调整。我们认为可以从以下九个维度判断市场底 部：低价股比例、破净股比例、M2/总市值中位数、PE 中位数和十年国债收益率倒数、全市交易额、个股流动性、区间最大跌幅的中位数、次新股的破发率、全市场的估值角 度判断市场，当下市场大概率仍处于底部震荡或者底部筑底过程。 在 2024 年 Q3，我们将继续砥砺前行，开发更多优秀策略。
（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。）
