摘要：基于公募重仓的“黑白马股”因子专题（优化版2.0）中银金工多因子选股系列（十一）我们基于公募重仓数据集构建了多因子选股策略，本文采用因子分域方法将分组收益呈现“U型效应”的因子进行复合重构。经过回测，模型在沪深300、中证500和中证1000范围内，均能获得稳健的超额收益。研究发现与类别定义：公募持仓占比时序因子分组超额收益在各股指中呈现出“U型”效应：即公募重仓持仓占比较高（1-3组）和持仓占比较低（8-10组）均存在显著的正超额收益，该效应在中证500和中证1000中尤为突出。定义公募重仓股中持仓占比高的股票为白马股，该类股票特征为市场机构认可度高，机构资金往往呈现“抱团效应”，持股集中度相对较高；定义公募重仓股中持仓占比较低，或者首次纳入的股票为黑马股。该类股票特征为刚受到部分机构关注，或者机构整体关注度较低, 未形成广泛的共识，持股集中度相对较低。研究思路与因子构建：对公募持仓占比时序因子“U型”两端进行分域建模。首先将持仓占比时序因子按分位数排序，对于公募白马股，将小于0.5的因子rank值赋值为0，仅保留高持仓占比部分的因子值；对于公募黑马股，将大于0.5的因子rank值赋值为0，仅保留低持仓占比部分的因子值，保证后续分域选股的纯粹性。随后分别对白马股因子和黑马股因子进行重构。白马股因子重构思路：对于持仓占比高的白马股，机构资金呈现聚集效应，容易造成持仓进一步集中，在这种情况下我们首先考虑对分域后的白马股因子结合低换手因子规避“机构抱团”。除了量价层面的因素，我们从基本面角度出发找到了经典的代理变量——盈余动量因子。通过盈余公告发布后市场对公司业绩的反应（如价格漂移）来优选出未来具有潜在上涨动力的股票。黑马股因子重构思路：对于持仓占比低的黑马股，当前关注度不高，在新的行情孕育之际，通过对分域后的黑马股因子叠加边际加仓因子识别公募基金本期加仓的股票，捕捉“机会异动”。 除了量价层面的因素，通过PB-ROE排序差测算股票估值与盈利之间的匹配情况，寻找出被市场低估的股票，等待黑马股估值修复或盈利提升带来的收益。策略表现优异：对行业市值中性化后的“黑白马”因子等权rank复合，通过因子复合将“U型”效应转为单调性。策略整体表现优异，在沪深300中，多头年化超额8.7%，年化超额夏普比0.91，卡玛比率0.71；在中证500中，多头年化超额11.0%，年化超额夏普比1.31，卡玛比率0.84；在中证1000中，多头年化超额16.2%，年化超额夏普比1.75，卡玛比率1.50。风险提示：本报告基于历史数据进行测试，历史回测结果不代表未来收益，投资者应注意基于历史数据建模的失效风险。