综述：本文立足于定量分析，旨在构建一个基于净值数据的框架，涵盖收益、风险、风险调整收益以及选股与择时能力四个关键维度。通过对这些因子在超额收益预测中的有效性进行检验，本文进一步利用排序打分法、Lasso、Ridge回归、随机森林和XGBoost五种量化模型，以筛选出表现优异的基金。此外，本报告还采用回归分析方法，对基金的收益与Barra风险模型进行了归因分析，评估基金的持仓风格和行业偏好。
　　因子有效性检测：对单因子进行RankIC&ICIR检测和多空分层检测。其中收益类、收益风险调整类因子整体效果较强，年化收益率较高；风险类因子除最大回撤和下行波动率外其他因子预测效果不显著，选股择时能力类因子类中评断基金选股能力的因子预测能力较强，评断基金择时能力的因子预测效果不显。因子多空分层中表现最好因子为H-M模型alpha因子，单因子年化收益率为8.56%，夏普率为1.9。
　　基金优选模型：构建排序打分法、Lasso回归、Ridge、随机森林和XGBoost五种量化模型以筛选基金。五种模型中除随机森林模型外超额年化收益方面均超过样本池内所有基金等权超额收益，其中排序打分法表现最优，模型年化超额收益为18.75%。
　　风险提示：权益收益率失真、模型/方法/参数失效、数据和回测区间有效。