量价事件信号转向绝对收益场景重构；实践线：风格轮动子模型与多子组合风险预算

0. 近月脉络

近月各家的研究主线正从”因子/信号的生产”逐步延伸到”应用与评价框架的再造”：此前已有因子拥挤度度量体系（兴业）、基金经理能力圈因子（国盛）、SmartBeta指数解构（申万）、ViT视觉大模型选股（申万）、AI智能体因子挖掘（广发）、GRU时序分域训练与三维动态仓位框架（申万、兴业）。本期国盛把事件簇研究的重心正式从”信号生产”转向”信号评价标准与策略构建方式”的重构，是这一脉络的自然延续。

1. 本期研究灵感 ⭐

灵感点1：量价事件信号的应用范式重构——从”相对收益+定期调仓”到”绝对收益+不定期调仓” ^[1]

• 灵感点：国盛金工把此前围绕高/低位放量事件簇构建的选股信号，从”相对基准的超额收益”场景整体迁移到”绝对收益”场景。组合层面改用”个股分仓、有进有出、日度调仓”的新通道方式（50个资金通道、触发正向信号即入、触发负向信号或连续5日无新正向信号即出、每日最多更换20%的通道）；信号筛选标准同步重构——不再看超额信息比率，而是以通道策略的年化收益与卡玛比率为核心做两段分时筛选，并改变以往正负向信号分开筛选的做法，改为在正向信号组合的基础上逐一加入负向信号做统一筛选。结果：中证800成分股内年化收益18.31%、波动8.76%、最大回撤7.28%、卡玛2.51，在2018年与2023-2024年指数大幅回调时有效规避了主要回撤。报告还做了两项关键归因：一是以”持有通道数/总通道数”作为仓位代理模拟，证明组合自带仓位择时属性（虽不增厚收益但显著降波动、降回撤）；二是用风格归因显示策略不在单一风格上持续暴露，时序信号会在风格回撤前自动调整风险暴露。
• 出处：国盛金工刘富兵/沈芷琦/赵博文团队——“量价淘金”选股因子系列研究第十八篇《量价事件驱动信号在股票绝对收益策略上的应用初探》。
• 启发 / 怎么用：这篇最有迁移价值的不是某个具体信号，而是”同一套信号、两套用法”的完整重构流程：相对收益框架下用超额信息比率筛信号、定期调仓；绝对收益框架下用卡玛比率筛信号、事件触发式调仓。它示范了”信号的评价标准必须与策略应用场景匹配”这一原则。可直接借鉴的三点：①把已有的其他事件类信号（涨停事件、龙虎榜、大宗交易）照此”个股分仓+事件驱动式调仓”的通道框架重做，检验其绝对收益潜力；②”正负向信号统一筛选”（负向信号以正向组合为基础做增量验证）比单独筛正、负向信号更贴近真实组合构建，可推广到任何多信号组合场景；③”持有通道数作为仓位择时代理”的收益拆解是普适的绩效归因手段。警惕点：策略交易胜率仅54.62%、盈亏比1.54，收益高度依赖少数大赔率交易，且满仓时间短导致资金使用率偏低，实盘需配合空仓资金管理方案。

灵感点2：实战框架——用”风格轮动子模型”治贝塔夏普偏低，用”多子组合分风险预算”替代单一优化器 ^[2]

• 灵感点：长江金工对景顺长城黎海威的访谈披露了一套可对照的方法论实践：①针对A股单一宽基贝塔夏普偏低（成长约0.2、红利低波最优约0.5，难达0.8-1）的痛点，选择在贝塔端做精细化轮动——实证比较后确定”风格轮动打底+行业轮动辅助+全市场选股”三层架构，风格库全部自主构建以规避公开标准化风格因子被ETF等工具产品定价导致的拥挤，自上而下宏观信号与自下而上估值/趋势/拥挤度打分双维度共振；②组合构建上用”多独立子组合+分风险预算+价差交易整合”替代传统的单一优化器——因为不同模型的预测周期从数日到数月、换手节奏差异大，统一优化器无法适配多周期预测模型；③模型体系坚持线性+非线性双轨并行（线性透明可归因但易被定价，非线性捕捉因子交互但复盘成本高），并把AI大模型的角色分为三层——效率工具、能力普惠（快速覆盖到70分水准）、协同投研（作为平级角色交叉验证与挑战模型结论）。
• 出处：长江证券金融工程——机构对话系列《景顺长城黎海威：双轮迭代多策略量化框架，风格轮动+机器学习力求打造高夏普组合》（基金经理实务分享，非研究报告）。
• 启发 / 怎么用：这篇的启发主要在框架层而非因子层。“贝塔端做精细化轮动以解决多头产品夏普瓶颈”——当阿尔法端边际挖掘变难时，把组合设计重心移向贝塔端的风险预算分配，这一视角对做产品方案的研究者有直接参考价值。“多子组合分风险预算”也是对”全局统一优化器”的现实替代：当预测周期异质、换手节奏冲突时，与其在单一优化器里强行调和，不如拆分风险预算、各自为政再整合，为”多周期预测模型如何共用一个组合”提供了工程解。自主构建风格因子以规避公开工具的拥挤，恰与近月各家热议的拥挤度度量（兴业因子拥挤度体系）形成呼应。注意：访谈内容无具体参数与回测细节，落地时需把”风格轮动”替换为可检验的量化模型，并以样本外数据验证其是否真正优于行业轮动。

3. 值得持续追踪的系列

• 国盛金工”量价淘金”选股因子系列：本期第十八篇 ^[1]，延续”事件簇”研究理念，重心从事件信号生产转向信号应用场景拓展（绝对收益策略），可关注后续是否将同类重构应用于其他事件簇（如流动性冲击、订单流事件）。
• 长江金工机构对话/基金经理访谈系列：本期连发景顺长城黎海威 ^[2]、建信赵云煜 ^[3] 两篇，前者涉及风格轮动子模型与多子组合风险预算，后者涉及动态因子加权机制（周度IC监控、自动剔除低效因子）及非线性因子加权、分域建模的迭代规划——公募量化团队如何把方法论落地为产品框架，值得持续跟踪。

附：补充信源

• ^[3] 长江金工 — 建信基金赵云煜访谈：描述了指增全流程自动化投研体系、约400个自研因子按周度IC监控动态加权、技术面因子占比超70%的因子结构，以及未来1-2年探索非线性因子加权与分域建模的方向。
• ^[4] 广发金工 — Alpha因子跟踪月报（2026年6月）：虽为因子表现跟踪，但可透视其因子库体系结构（基本面/Level-1/Level-2/机器学习/另类五类）与深度学习因子族（agru_dailyquote、DL_1、fimage）的表现分化——fimage月度RankIC高达11.16%但历史均值仅5.14%，提示新模型因子的时效性特征值得留意。

本报告为卖方金工研究的灵感摘录，方法与结论以各家原始报告为准，不构成投资建议。