主动量化组合跟踪：2023年指数增强策略超额显著，四大量化组合12月均获正超额

根据提供的文字内容，以下是主要总结：

1. 绩优基金与调研事件的共振策略

• 共振效应的存在：通过分析，发现绩优基金的重仓股被调研时，这些股票往往具有更好的市场认可度，可能在未来获得更高的超额收益。
• 策略构建：构建了包含绩优基金重仓股与调研信息的共振股池，以及基于此股池的增强策略。
• 策略表现：
  • 共振股池相对于偏股混合型基金指数在样本内外都有明显的超额收益，但不显著。
  • 绩优重仓股与调研共振增强策略的年化收益率为25.24%，夏普比率为0.90，显著高于偏股混合型基金的同类策略。

2. 自主可控概念量化优选策略

• 量化投资机会：从择时、选股、选基三个维度挖掘自主可控概念下的量化投资机会。
• 有效因子：成长、质量、技术和动量因子在自主可控概念股中有预测收益的作用。
• 策略构建：构建了基于增强因子的自主可控概念量化优选策略，按照月度进行调仓，选取因子得分前20%的股票构建持仓组合。
• 策略表现：
  • 相比全概念等权基准，策略显示出明显的超额收益，年化收益率为34.82%，夏普比率为1.30。

3. 国证2000指数增强策略

• 策略构建：使用特定的因子体系构建指数增强策略，每月末调仓，构建基于增强因子的持仓组合。
• 因子跟踪：测试了不同因子在国证2000指数成分股上的表现，发现因子具有良好的预测效果。
• 策略表现：策略表现良好，特别是在样本外的策略表现优秀，12月超额收益为1.31%。

4. 基于多目标、多模型的机器学习指数增强策略

• 策略构建：采用GBDT和NN模型，结合多种特征数据集，构建机器学习选股因子，应用于沪深300、中证500、中证1000等指数增强策略。
• 策略表现：
  • 沪深300指数增强策略、中证500指数增强策略和中证1000指数增强策略的12月超额收益率分别为1.48%、1.00%和3.01%，表现出色。
  • 样本外策略表现同样优秀，12月超额收益为1.31%。

总结来说，这些策略通过不同维度的数据分析和模型构建，旨在提高投资组合的收益和风险调整后的回报。策略的表现从样本内到样本外都显示出了较好的性能，特别是在增强因子和机器学习模型的应用上取得了显著的超额收益。