绩优重仓股与调研共振增强策略
　　在每一个构建时间点，我们首先通过基金Alpha因子筛选出绩优基金,然后根据绩优基金计算其穿透重仓股股池，之后将透重仓股股池与调研数据相结合，选出过去一个季度被调研过的重仓股而得到绩优基金重仓股与调研共振股池。共振股池收益对比偏股混合型基金指数超额收益并不明显，但相对于各类宽基指数超额显著。
　　从绩优重仓股与调研共振增强策略的净值表现可以看出，相比已经具有较高超额的绩优基金重仓股等权基准，策略优势十分明显。从指标上来看，策略的年化收益率为18.75%，夏普比率为0.63，而每年均能跑赢偏股混合型基金指数的重仓股等权的年化收益率仅为14.01%，夏普比率为0.50。策略上月超额收益率为-5.50%，未能跑赢等权基准收益，随着A股市场未来潜在的上升潜力，共振效应带来的收益可能更加明显，策略表现有望提升。
　　自主可控概念量化优选策略
　　通过对5大类因子进行测试并结合基本面财务指标的逻辑筛选判断，我们发现成长、质量、技术和动量大类的因子在自主可控概念股中都对收益有一定预测作用。在构建策略时，我们按照月度进行调仓，每月末最后一个交易日选取排名前因子得分前20%的股票，然后以等权方式构建持仓组合，手续费取千分之三。然后我们将全部自主可控指数成分股等权构建基准组合，每月最后一个交易日再平衡。回测样本内时间段为2018年1月1日至2024年7月1日。策略6月超额收益率为-5.7%，未能跑赢自主可控概念等权基准，6月份市场情绪稳定，交易逻辑逐渐向基本面因素恢复，未来策略有望进一步提升。
　　国证2000指数增强策略
　　包括技术、反转、特异波动率等在内的因子在国证2000指数成分股上均有出色表现，我们所合成的各个大类因子也基本都起到了很好的提升效果。6月该因子表现突出，IC值2.67%。样本外整体策略表现良好，6月策略的超额收益为-0.58%。
　　基于多目标、多模型的机器学习指数增强策略
　　根据国金金融工程团队发布的《基于多目标、多模型的机器学习指数增强策略》，考虑到AI各类算法在量化领域具有较强的适用性，同时也越来越受到A股众多投资者的关注。我们选取了GBDT和NN两大类结构具有一定差异的模型，选取不同的特征数据集进行分别训练，并使用多种预测标签进行对比并融合，最终构建出的GBDT+NN机器学习选股因子在A股各类宽基指数上表现优异。
　　为贴合交易实际，我们构建了基于GBDT+NN因子的机器学习模型的指数增强策略，通过对投资组合的跟踪误差进行控制，最大化因子暴露。回测区间自2015年2月1日开始，假定手续费率单边千二，每月月初调仓。沪深300指数增强策略、中证500指数增强策略和中证1000指数增强策略6月超额收益率分别为1.43%、2.11%和-0.12%。后续随着市场恢复正常，超额收益有望进一步提升。
　　风险提示
　　以上结果通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险