量化模型与构建方式 1. **模型名称：港股精选组合模型**[13][15] * **模型构建思路：** 该模型旨在对分析师推荐股票池进行基本面和技术面的双层优选，挑选出同时具备基本面支撑和技术面共振的超预期股票，构建港股精选股票组合[13][15]。 * **模型具体构建过程：** 1. **构建分析师推荐股票池：** 以分析师上调盈利预测、分析师首次关注、分析师研报标题超预期事件作为分析师推荐事件，构建初始股票池[15]。 2. **基本面与技术面精选：** 对分析师推荐股票池中的股票，从基本面和技术面两个维度进行进一步筛选，具体筛选标准未在本文中详述，但提及可参考专题报告《基于分析师推荐视角的港股投资策略》[13][15]。 2. **因子名称：250日新高距离**[20] * **因子构建思路：** 用于量化股票价格接近其历史最高价的程度，作为判断股票是否“创新高”以及创新高后回落幅度的指标[18][20]。 * **因子具体构建过程：** 1. 计算过去250个交易日收盘价的最大值。 2. 使用最新收盘价与过去250日最高价计算距离。 3. 具体公式为： $$250 日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 其中，$Closet$为最新收盘价，$ts\_max(Close, 250)$为过去250个交易日收盘价的最大值[20]。 4. 若最新收盘价创出新高，则因子值为0；若最新收盘价较新高回落，则因子值为正值，表示回落幅度[20]。 3. **模型名称：平稳创新高股票筛选模型**[20][21] * **模型构建思路：** 根据分析师关注度、股价相对强弱、股价路径平稳性、创新高连续性等多个角度，在过去20个交易日创出过250日新高的股票池中，筛选出“平稳创新高”的股票[2][20]。 * **模型具体构建过程：** 1. **样本池：** 全部港股，但需剔除成立时间不超过15个月的股票[21]。 2. **分析师关注度筛选：** 过去6个月内，买入或增持评级的分析师研报不少于5份[21]。 3. **股价相对强弱筛选：** 过去250日涨跌幅位于样本池前20%[21]。 4. **股价平稳性筛选：** 在满足上述条件的股票池内，使用以下两个指标综合打分，取排名在前50%的股票（最少取50只）[21]。 * **价格路径平滑性：** 使用“股价位移路程比”指标，具体计算公式为： $$股价位移路程比 = \frac{过去120日涨跌幅绝对值}{过去120日日涨跌幅绝对值加总}$$ [20][21] * **创新高持续性：** 过去120日的250日新高距离在时间序列上的均值[21]。 5. **趋势延续性筛选：** 对经过上述步骤筛选后的股票，计算其过去5日的250日新高距离在时间序列上的均值，并取排序靠前的50只股票作为最终输出[21]。 模型的回测效果 1. **港股精选组合模型**[15][17] * **全样本（20100101-20250630）年化收益：** 19.11%[15] * **全样本相对恒生指数年化超额收益：** 18.48%[15] * **全样本信息比（IR）：** 1.22[17] * **全样本最大回撤：** 23.73%[17] * **本周（20251201-20251205）绝对收益：** 1.12%[1][15] * **本周相对恒生指数超额收益：** 0.24%[1][15] * **本年（20250102-20251205）绝对收益：** 62.49%[1][15] * **本年相对恒生指数超额收益：** 32.45%[1][15] 量化因子与构建方式 *（本报告中未提供除“250日新高距离”外其他独立因子的详细构建与测试，该因子已作为“平稳创新高股票筛选模型”的组成部分在模型部分描述）* 因子的回测效果 *（本报告中未提供独立因子的回测效果数据）*

量化模型与构建方式 1. 模型名称：国信金工指数增强组合模型 * **模型构建思路**：以多因子选股为主体，通过收益预测、风险控制和组合优化三个主要流程，构建对标不同基准指数的增强组合，旨在稳定战胜各自基准[11][12] * **模型具体构建过程**： 1. **收益预测**：基于多因子模型对股票未来收益进行预测[12] 2. **风险控制**：在组合优化过程中施加多种约束条件以控制风险[12] 3. **组合优化**：采用组合优化模型求解最优股票权重，具体优化模型未在报告中详细展开，但参考附录中的MFE组合优化模型，其通用形式可能包含最大化预期收益或控制风险等目标函数，并施加行业、风格、个股权重等约束[12][41] 2. 模型名称：单因子MFE（Maximized Factor Exposure）组合模型 * **模型构建思路**：为了在更贴近实际投资约束的条件下检验单因子的有效性，采用组合优化的方式，在控制行业暴露、风格暴露等实际约束的同时，最大化组合在目标因子上的暴露，从而构建MFE组合，并通过该组合相对于基准的收益表现来判断因子有效性[41] * **模型具体构建过程**： 1. 设定组合优化模型，目标函数为最大化单因子暴露[41] 2. 模型约束条件包括： * 组合相对于基准指数的风格暴露限制[41][42] * 组合相对于基准指数的行业偏离限制[41][42] * 个股相对于基准指数成分股的权重偏离限制[41][42] * 组合在基准成分股内权重的占比限制[41][42] * 禁止卖空及个股权重上限限制[41][42] * 权重和为1，即满仓运作[41][42] 3. 具体优化模型数学表达式如下： $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ 其中，`f`为因子取值向量，`w`为待求解的股票权重向量，`w_b`为基准指数成分股权重向量。`X`为风格因子暴露矩阵，`s_l`, `s_h`为风格暴露上下限。`H`为行业暴露矩阵，`h_l`, `h_h`为行业偏离上下限。`w_l`, `w_h`为个股权重偏离上下限。`B_b`为成分股标识向量，`b_l`, `b_h`为成分股内权重占比上下限。`l`为个股权重上限[41][42] 4. 实际操作中，为避免持仓过于集中，通常设置个股相对于其基准权重的最大偏离幅度为0.5%-1%[43] 5. 每月末根据约束条件为每个因子构建MFE组合，在回测期内换仓，计算扣除交易费用后的收益及风险指标[45] 3. 模型名称：公募重仓指数 * **模型构建思路**：为了测试因子在公募基金持仓风格下的有效性，通过汇总公募基金持仓信息，构建一个代表公募基金整体重仓股表现的指数，作为因子测试的新样本空间[43] * **模型具体构建过程**： 1. **选样空间**：选取普通股票型基金和偏股混合型基金，剔除规模小于五千万且上市不足半年的基金，若基金转型则使用转型后半年以上的数据[44] 2. **数据获取**：通过基金定期报告获取持股信息。若最新报告为半年报或年报，使用全部持仓；若为季报，则结合前期的半年报或年报信息构建持仓数据[44] 3. **指数构建**：将符合条件的所有基金持仓股票权重进行平均，得到公募基金平均持仓。将平均后的股票权重降序排序，选取累计权重达到90%的股票作为成分股，构建公募基金重仓指数[44] 量化因子与构建方式 报告从估值、反转、成长、盈利、流动性、公司治理、分析师等维度构造了30余个常见因子[16]。 1. 估值类因子 * **因子名称**：BP * **因子构建思路**：衡量公司的账面价值与市场价值的比率，属于价值型因子[17] * **因子具体构建过程**：净资产 / 总市值[17] * **因子名称**：单季EP * **因子构建思路**：使用单季度净利润衡量估值[17] * **因子具体构建过程**：单季度归母净利润 / 总市值[17] * **因子名称**：单季SP * **因子构建思路**：使用单季度营业收入衡量估值[17] * **因子具体构建过程**：单季度营业收入 / 总市值[17] * **因子名称**：EPTTM * **因子构建思路**：使用滚动净利润衡量估值[17] * **因子具体构建过程**：归母净利润TTM / 总市值[17] * **因子名称**：SPTTM * **因子构建思路**：使用滚动营业收入衡量估值[17] * **因子具体构建过程**：营业收入TTM / 总市值[17] * **因子名称**：EPTTM分位点 * **因子构建思路**：衡量当前估值在历史区间中的相对位置[17] * **因子具体构建过程**：EPTTM在过去一年中的分位点[17] * **因子名称**：股息率 * **因子构建思路**：衡量公司的现金分红回报[17] * **因子具体构建过程**：最近四个季度预案分红金额 / 总市值[17] 2. 反转类因子 * **因子名称**：一个月反转 * **因子构建思路**：捕捉短期价格反转效应[17] * **因子具体构建过程**：过去20个交易日涨跌幅[17] * **因子名称**：三个月反转 * **因子构建思路**：捕捉中期价格反转效应[17] * **因子具体构建过程**：过去60个交易日涨跌幅[17] * **因子名称**：一年动量 * **因子构建思路**：捕捉长期价格动量效应[17] * **因子具体构建过程**：近一年除近一月后动量[17] 3. 成长类因子 * **因子名称**：单季净利同比增速 * **因子构建思路**：衡量单季度净利润的同比增长情况[17] * **因子具体构建过程**：单季度净利润同比增长率[17] * **因子名称**：单季营收同比增速 * **因子构建思路**：衡量单季度营业收入的同比增长情况[17] * **因子具体构建过程**：单季度营业收入同比增长率[17] * **因子名称**：单季营利同比增速 * **因子构建思路**：衡量单季度营业利润的同比增长情况[17] * **因子具体构建过程**：单季度营业利润同比增长率[17] * **因子名称**：SUE（标准化预期外盈利） * **因子构建思路**：衡量实际盈利超出分析师一致预期的标准化幅度[17] * **因子具体构建过程**：（单季度实际净利润 - 预期净利润）/ 预期净利润标准差[17] * **因子名称**：SUR（标准化预期外收入） * **因子构建思路**：衡量实际收入超出分析师一致预期的标准化幅度[17] * **因子具体构建过程**：（单季度实际营业收入 - 预期营业收入）/ 预期营业收入标准差[17] * **因子名称**：单季超预期幅度 * **因子构建思路**：衡量实际盈利与预期盈利的比率[17] * **因子具体构建过程**：预期单季度净利润 / 财报单季度净利润[17] 4. 盈利类因子 * **因子名称**：单季ROE * **因子构建思路**：衡量单季度股东权益的盈利能力[17] * **因子具体构建过程**：单季度归母净利润 * 2 / （期初归母净资产 + 期末归母净资产）[17] * **因子名称**：单季ROA * **因子构建思路**：衡量单季度总资产的盈利能力[17] * **因子具体构建过程**：单季度归母净利润 * 2 / （期初归母总资产 + 期末归母总资产）[17] * **因子名称**：DELTAROE * **因子构建思路**：衡量净资产收益率的同比变化[17] * **因子具体构建过程**：单季度净资产收益率 - 去年同期单季度净资产收益率[17] * **因子名称**：DELTAROA * **因子构建思路**：衡量总资产收益率的同比变化[17] * **因子具体构建过程**：单季度总资产收益率 - 去年同期单季度总资产收益率[17] 5. 流动性类因子 * **因子名称**：非流动性冲击 * **因子构建思路**：衡量单位成交金额引起的价格冲击，反映流动性成本[17] * **因子具体构建过程**：过去20个交易日的日涨跌幅绝对值 / 成交额的均值[17] * **因子名称**：一个月换手 * **因子构建思路**：衡量短期交易活跃度[17] * **因子具体构建过程**：过去20个交易日换手率均值[17] * **因子名称**：三个月换手 * **因子构建思路**：衡量中期交易活跃度[17] * **因子具体构建过程**：过去60个交易日换手率均值[17] 6. 波动类因子 * **因子名称**：特异度 * **因子构建思路**：衡量股价波动中不能被常见风险因子（如Fama-French三因子）解释的部分[17] * **因子具体构建过程**：1 - 过去20个交易日Fama-French三因子回归的拟合度[17] * **因子名称**：一个月波动 * **因子构建思路**：衡量短期股价波动率[17] * **因子具体构建过程**：过去20个交易日日内真实波幅均值[17] * **因子名称**：三个月波动 * **因子构建思路**：衡量中期股价波动率[17] * **因子具体构建过程**：过去60个交易日日内真实波幅均值[17] 7. 公司治理类因子 * **因子名称**：高管薪酬 * **因子构建思路**：衡量公司高管的薪酬水平[17] * **因子具体构建过程**：前三高管报酬总额取对数[17] 8. 分析师类因子 * **因子名称**：预期EPTTM * **因子构建思路**：基于分析师一致预期的滚动市盈率倒数[17] * **因子具体构建过程**：一致预期滚动EP[17] * **因子名称**：预期BP * **因子构建思路**：基于分析师一致预期的市净率倒数[17] * **因子具体构建过程**：一致预期滚动PB[17] * **因子名称**：预期PEG * **因子构建思路**：结合成长性的估值指标[17] * **因子具体构建过程**：一致预期PEG[17] * **因子名称**：预期净利润环比 * **因子构建思路**：衡量分析师对未来盈利增长预期的变化[17] * **因子具体构建过程**：一致预期净利润 / 3个月前一致预期净利润[17] * **因子名称**：三个月盈利上下调 * **因子构建思路**：衡量过去一段时间内分析师盈利预测上调与下调的家数净差额[17] * **因子具体构建过程**：过去3个月内分析师（上调家数 - 下调家数）/ 总家数[17] * **因子名称**：三个月机构覆盖 * **因子构建思路**：衡量公司受机构关注的程度[17] * **因子具体构建过程**：过去3个月内机构覆盖数量[17] 模型的回测效果 1. 国信金工指数增强组合模型 * **沪深300指数增强组合**：本周超额收益0.68%，本年超额收益18.98%[5][14] * **中证500指数增强组合**：本周超额收益0.13%，本年超额收益7.30%[5][14] * **中证1000指数增强组合**：本周超额收益0.77%，本年超额收益15.97%[5][14] * **中证A500指数增强组合**：本周超额收益0.87%，本年超额收益9.47%[5][14] 2. 公募基金指数增强产品（整体表现） * **沪深300指数增强产品**：最近一周超额收益中位数0.18%，最近一月0.51%，最近一季0.58%，今年以来3.04%[2][32] * **中证500指数增强产品**：最近一周超额收益中位数0.38%，最近一月0.58%，最近一季1.31%，今年以来4.24%[2][35] * **中证1000指数增强产品**：最近一周超额收益中位数0.54%，最近一月0.77%，最近一季2.06%，今年以来9.87%[2][37] * **中证A500指数增强产品**：最近一周超额收益中位数0.16%，最近一月0.32%，最近一季0.62%[3][40] 因子的回测效果 以下为各因子在对应样本空间中构建的MFE组合，在“最近一周”、“最近一月”、“今年以来”、“历史年化”四个时间窗口下的超额收益表现[18][20][22][24][26]。 1. 沪深300样本空间因子表现[18][19] * **单季ROE**：1.15%， 1.73%， 19.60%， 5.10% * **三个月机构覆盖**：0.89%， 1.58%， 11.22%， 3.09% * **EPTTM**：0.70%， 0.77%， 6.35%， 4.39% * **单季EP**：0.66%， 0.84%， 7.59%， 5.17% * **高管薪酬**：0.62%， 0.57%， 3.83%， 3.14% * **单季ROA**：0.61%， 0.92%， 13.26%， 3.88% * **预期EPTTM**：0.59%， 0.97%， 7.03%， 3.88% * **三个月盈利上下调**：0.58%， 0.38%， 8.70%， 5.25% * **SPTTM**：0.45%， 0.82%， -0.91%， 2.15% * **单季SP**：0.38%， 0.67%， -0.49%， 2.95% * **标准化预期外收入(SUR)**：0.37%， 0.55%， 10.80%， 4.67% * **DELTAROE**：0.37%， 0.42%， 15.04%， 4.34% * **股息率**：0.36%， 0.65%， 4.10%， 3.73% * **预期PEG**：0.31%， 0.38%， 9.79%， 3.52% * **标准化预期外盈利(SUE)**：0.30%， 0.32%， 9.49%， 4.03% * **预期BP**：0.24%， 0.89%， 0.39%， 3.01% * **三个月波动**：0.23%， 1.45%， -2.17%， 1.80% * **BP**：0.23%， 0.83%， -1.27%， 2.64% * **特异度**：0.21%， 0.44%， 2.28%， 0.13% * **单季营利同比增速**：0.18%， -0.74%， 11.99%， 3.41% * **一年动量**：0.15%， -0.73%， 0.97%， 2.47% * **一个月波动**：0.13%， 1.31%， -1.07%， 0.99% * **DELTAROA**：0.10%， -0.23%， 13.08%， 4.69% * **三个月换手**：0.09%， 0.74%， -4.92%， 2.33% * **三个月反转**：0.07%， 0.70%， 0.44%， 0.31% * **单季净利同比增速**：0.01%， -0.71%， 12.29%， 3.80% * **一个月换手**：-0.11%， 0.27%， -5.26%， 1.30% * **非流动性冲击**：-0.16%， 0.10%， -1.78%， 0.21% * **单季超预期幅度**：-0.28%， -0.22%， 8.76%， 3.85% * **单季营收同比增速**：-0.36%， -0.88%， 17.82%， 4.66% * **预期净利润环比**：-0.37%， -0.75%， 3.94%， 1.50% * **EPTTM一年分位

量化模型与构建方式 1. **模型名称**：优秀基金业绩增强组合[4][13] **模型构建思路**：将对标基准从宽基指数转变为主动股基，在借鉴优秀基金持仓的基础上，采用量化方法进行增强，以达到优中选优的目的[4][50]。 **模型具体构建过程**： * **基金优选**：对基金进行优选，并对收益类因子进行分层中性化处理，以解决市场风格突变时的反转问题和持股风格集中化问题[50]。 * **构建基准组合**：根据优选基金的补全持仓，构建优选基金持仓组合，该组合能较好地跟踪主动股基中位数走势[50]。 * **组合优化增强**：以业绩分层视角下的优选基金持仓为选股空间和对标基准，采用组合优化的方法，控制组合与优选基金持仓在个股偏离、行业偏离及风格上的偏离，构建最终组合[51]。 2. **模型名称**：超预期精选组合[5][13] **模型构建思路**：筛选超预期事件股票池，然后对池内股票进行基本面和技术面两个维度的精选，挑选出同时具备基本面支撑和技术面共振的股票构建组合[5][56]。 **模型具体构建过程**： * **筛选股票池**：以研报标题出现“超预期”与分析师全线上调净利润为条件，筛选出超预期事件股票池[5][56]。 * **双层优选**：对超预期股票池中的股票，进行基本面和技术面两个维度的精选[5][56]。 3. **模型名称**：券商金股业绩增强组合[6][13] **模型构建思路**：以券商金股股票池为选股空间和约束基准，通过组合优化控制与基准在个股、风格上的偏离，构建增强组合[6]。 **模型具体构建过程**： * **确定基准**：以券商金股股票池为选股空间和对标基准[6][61]。 * **组合优化**：采用组合优化的方式，控制组合与券商金股股票池在个股、风格上的偏离，构建最终组合[6]。 4. **模型名称**：成长稳健组合[7][13] **模型构建思路**：采用“先时序、后截面”的方式构建成长股二维评价体系，旨在高效获取成长股在利好事件触发前后超额收益释放最强烈的阶段收益[7][66]。 **模型具体构建过程**： * **筛选股票池**：以研报标题出现“超预期”及业绩大增为条件筛选成长股股票池[7]。 * **时序分档**：根据距离正式财报预约披露日的间隔天数进行分档，优先选择距离财报预约披露日较近的股票[7][66]。 * **截面精选**：当样本数量较多时，采用多因子打分精选优质个股[7]。 * **组合构建与风控**：构建100只股票等权组合，并引入弱平衡机制、跃迁机制、缓冲机制和风险规避机制以降低换手、规避风险[66]。 模型的回测效果 1. **优秀基金业绩增强组合** * 全样本区间（2012.1.4-2025.6.30）年化收益（考虑仓位及交易费用）：20.31%[52][55] * 全样本区间相对偏股混合型基金指数年化超额收益：11.83%[52][55] * 2025年（截至2025.12.5）绝对收益（考虑仓位）：25.64%[2][14] * 2025年（截至2025.12.5）相对偏股混合型基金指数超额收益：-4.78%[2][14] * 2025年（截至2025.12.5）在主动股基中排名分位点：54.37%[2][14] 2. **超预期精选组合** * 全样本区间（2010.1.4-2025.6.30）年化收益（考虑仓位及交易费用）：30.55%[57][59] * 全样本区间相对偏股混合型基金指数年化超额收益：24.68%[57][59] * 2025年（截至2025.12.5）绝对收益（考虑仓位）：40.76%[2][14] * 2025年（截至2025.12.5）相对偏股混合型基金指数超额收益：10.35%[2][14] * 2025年（截至2025.12.5）在主动股基中排名分位点：26.09%[2][14] 3. **券商金股业绩增强组合** * 全样本区间（2018.1.2-2025.6.30）年化收益（考虑仓位及交易费用）：19.34%[62][65] * 全样本区间相对偏股混合型基金指数年化超额收益：14.38%[62][65] * 2025年（截至2025.12.5）绝对收益（考虑仓位）：34.55%[2][14] * 2025年（截至2025.12.5）相对偏股混合型基金指数超额收益：4.14%[2][14] * 2025年（截至2025.12.5）在主动股基中排名分位点：36.29%[2][14] 4. **成长稳健组合** * 全样本区间（2012.1.4-2025.6.30）年化收益（考虑仓位及交易费用）：35.51%[67][70] * 全样本区间相对偏股混合型基金指数年化超额收益：26.88%[67][70] * 2025年（截至2025.12.5）绝对收益（考虑仓位）：49.66%[3][14] * 2025年（截至2025.12.5）相对偏股混合型基金指数超额收益：19.24%[3][14] * 2025年（截至2025.12.5）在主动股基中排名分位点：15.36%[3][14]

量化模型与构建方式 1. **模型名称：250日新高距离模型**[11] * **模型构建思路**：该模型基于动量效应和趋势跟踪理论，通过计算当前价格与过去一段时间内最高价格的相对距离，来衡量股票、指数或行业接近其历史高点的程度，以此作为市场趋势强弱的指标[11]。 * **模型具体构建过程**：对于任意标的（个股、指数、行业指数等），在时间点t，计算其250日新高距离。具体公式如下： $$250日新高距离 = 1 - \frac{Close_t}{ts\_max(Close, 250)}$$ 其中，\(Close_t\) 代表最新收盘价，\(ts\_max(Close, 250)\) 代表过去250个交易日收盘价的最大值[11]。若最新收盘价创出新高，则分子分母相等，该值为0；若价格从高点回落，则该值为正，数值越大表示回落幅度越大[11]。 2. **模型名称：平稳创新高股票筛选模型**[26][28] * **模型构建思路**：该模型旨在从创新高的股票中，进一步筛选出具备更强动量持续性的股票。其思路结合了分析师关注度、股价相对强度，并特别强调了股价路径的平稳性（平滑动量）和创新高的持续性，以过滤掉波动剧烈或动量可能衰竭的标的[26][28]。 * **模型具体构建过程**：该模型是一个多步骤的筛选流程，具体步骤如下： 1. **初选股票池**：筛选出上市满15个月，且在过去20个交易日内创出过250日新高的股票[19]。 2. **分析师关注度筛选**：要求过去3个月内，获得“买入”或“增持”评级的分析师研报不少于5份[28]。 3. **股价相对强弱筛选**：要求过去250日涨跌幅位于全市场前20%[28]。 4. **股价平稳性与创新高持续性综合筛选**：在满足上述条件的股票池内，使用两个指标进行综合打分，并选取排名在前50%的股票[28]。 * **价格路径平滑性指标**：股价位移路程比。计算公式为：过去120日涨跌幅的绝对值 / 过去120日日涨跌幅绝对值加总[26]。该值越小，表明价格路径越平滑。 * **创新高持续性指标**：过去120日的250日新高距离在时间序列上的均值[28]。该值越小，表明在考察期内越持续地接近或创出新高。 5. **趋势延续性筛选**：对经过上一步筛选的股票，计算其过去5日的250日新高距离在时间序列上的均值，并选取该值排序靠前的50只股票作为最终的“平稳创新高股票”[28]。 量化因子与构建方式 1. **因子名称：250日新高距离因子**[11] * **因子构建思路**：作为动量因子的一种具体形式，该因子通过度量价格接近历史高点的程度，来捕捉资产的趋势强度。理论基础包括George (2004)的52周高价效应、欧奈尔CANSLIM体系中的“领头羊”原则以及米勒维尼对“52周新高”的关注[11]。 * **因子具体构建过程**：与上述模型构建过程相同，对于单个股票i，在时间点t，计算其因子值： $$250日新高距离_i = 1 - \frac{Close_{i,t}}{ts\_max(Close_i, 250)}$$ 其中，\(Close_{i,t}\) 是股票i在t时刻的收盘价，\(ts\_max(Close_i, 250)\) 是股票i过去250个交易日收盘价的最大值[11]。该因子值为0表示创出新高，为正值表示从高点回落。 2. **因子名称：价格路径平滑性因子**[26] * **因子构建思路**：该因子基于“温水煮青蛙”效应和平滑动量收益更高的研究结论，通过比较股价的净位移与总波动路程，来刻画股价上涨过程的平稳程度，避免选择那些通过短期剧烈波动（类似彩票型股票）实现上涨的标的[26]。 * **因子具体构建过程**：对于股票i，在时间点t，计算过去120个交易日的价格路径平滑性。公式表达为： $$价格路径平滑性_i = \frac{|R_{i, t-119:t}|}{\sum_{k=t-119}^{t} |r_{i,k}|}$$ 其中，\(R_{i, t-119:t}\) 表示股票i从t-119日到t日的累计涨跌幅（位移），\(r_{i,k}\) 表示股票i在第k日的日收益率。分母是过去120日每日收益率绝对值的总和（路程）[26]。因子值越小，表明股价路径越平滑。 3. **因子名称：创新高持续性因子**[28] * **因子构建思路**：该因子用于衡量一只股票在较长时间窗口内维持强势（接近新高）的状态是否具有持续性，而不仅仅是短暂突破。持续的强势可能意味着更稳固的趋势。 * **因子具体构建过程**：对于股票i，在时间点t，计算其过去120个交易日内每日的250日新高距离，然后求这些距离值的时序均值。 $$创新高持续性_i = \frac{1}{120} \sum_{k=t-119}^{t} (1 - \frac{Close_{i,k}}{ts\_max(Close_i, 250)_{截至k日}})$$ 该均值越小，说明股票在考察期内越持续地保持在历史高点附近[28]。 4. **因子名称：趋势延续性因子**[28] * **因子构建思路**：该因子用于捕捉股票在近期（短期）内维持强势趋势并可能继续向上的状态，是动量效应的短期度量。 * **因子具体构建过程**：对于股票i，在时间点t，计算其过去5个交易日内每日的250日新高距离，然后求这些距离值的时序均值。 $$趋势延续性_i = \frac{1}{5} \sum_{k=t-4}^{t} (1 - \frac{Close_{i,k}}{ts\_max(Close_i, 250)_{截至k日}})$$ 该均值越小，说明股票在近期越持续地接近或创出新高，短期趋势延续性越强[28]。 模型的回测效果 *注：本报告未提供基于历史数据的模型回测绩效指标（如年化收益率、夏普比率、最大回撤等）。报告主要展示了截至特定时点（2025年12月5日）的模型应用结果和截面数据[12][19][29]。* 因子的回测效果 *注：本报告未提供因子IC、IR、多空收益等历史回测绩效指标。报告主要展示了截至特定时点（2025年12月5日）的因子截面计算和应用结果[12][19][29]。*

投资评级 - 行业投资评级：优于大市（维持）[2] 核心观点 - 我国金融体系正显著呈现“大央行”特征，中国人民银行通过流动性操作和宏观审慎管理深刻重塑资产管理行业生态，强化对金融市场定价权的引导[4] - 金融机构格局面临结构性力量重构：大型商业银行市场定价影响力将持续增强，而公募基金及中小银行定价权有所削弱[4] - 2026年权益市场慢牛格局底层逻辑稳固，居民资产配置“存款搬家”趋势预计将持续，潜在迁入资管产品和直接入市规模约4-5万亿元[4] - 保险资金和理财资金均有动力增加对国内权益资产配置，叠加人民币资产国际化进程，资产管理行业将迎来新的战略发展机遇[4] 央行银行篇：大央行时代 - 央行引入7天逆回购利率作为核心政策利率，构建宽度显著收窄至70BP的新利率走廊机制，调控更为灵活直接[12] - 央行通过国债买卖操作直接锚定长债价格，从2024年7月的“应急干预”发展为“常态调控”，机制成熟化与政策协同深化[13] - 央行通过定向操作引导大行及政策性银行行为，并优化一级交易商考评办法，强化其逆周期责任，以提升大行债券定价权[21] - 大型商业银行凭借低负债成本及系统重要性地位，债券投资增速明显提升，市场定价权增强[32][35] - 中小银行因监管指导及自身风险，债券投资趋于收敛，转向表外资管和财富代销业务，行业合并加快，截至2025年11月底已有406家银行注销[48][51][63] 银行理财篇：多资产逐鹿 - 传统储蓄利率持续走低推动居民资金转向银行理财，理财产品存续规模持续增长，推测实际规模约33万亿元[66][67][70][72] - 新发理财产品业绩比较基准虽持续下行，但仍远高于存款利率，银行在营销端加大支持以壮大中收业务[75][77] - 银行理财目标客群风险偏好较低，产品存款化现象突出，资产配置中对银行存款比例增加[83] - 低利率环境下，银行理财通过多资产配置平衡风险与收益，中低波“固收+”产品持续带来增量，例如招银理财“全+福”系列累计募集规模突破3700亿元，部分产品年化收益率达7.49%[84][86][90] - 理财机构积极搭建多策略库，涵盖权益、固收、另类等资产，并寻找匹配“固收+”的合适资金来源与工具[92][95][99] 保险资管篇：浮动化负债 - 分红险凭借“低保底+高浮动”特点成为应对利率下行周期的关键产品，可分配盈余的70%分配给保单持有人，有效降低险企刚性兑付成本[108][109][111] - 2025年前三季度资本市场反弹带动上市险企投资收益率显著改善，例如新华保险总投资收益率达8.6%，同比增长1.8个百分点[122][123] - 险资持续加大FVOCI权益类资产配置力度，截至2025年三季度末，部分险企配置比例较2024年中期增长超过1个百分点，后续权益类资产仍有增配空间[123][126][127] - 部分险企探索新准则下另类投资策略，如设立私募证券投资基金投资高分红股票，或挖掘长期股权投资机遇以平滑收益波动[137] - 中小保险机构风险暴露加速，行业尾部风险持续出清，非上市险企将自2026年起执行新会计准则[146] 证券基金篇：多谱系共舞 - 证券公司金融投资资产中OCI权益投资占比逐步提升，成为重要扩表方向[148][151] - 公募基金被动化趋势显著，截至当前股票ETF占股票基金规模比重约45%，被动型基金占比约60%[158][159] - 证监会发布《推动公募基金高质量发展行动方案》，改革基金公司绩效考核机制，强化业绩比较基准约束，并推行浮动管理费率，引导行业从规模扩张转向质量提升[162][163][166] - 主动股基行业配置存在显著差异，对银行与非银金融欠配程度分别达8.09和4.10个百分点，而对电子、医药生物超配程度分别达7.30和5.31个百分点[169] - 多资产指数投资策略预计在2026年取得突破，国内混合型基金及FOF基金的发展体现了投资者对多资产投资的较强需求[171][176]

量化模型与构建方式 1. **模型/因子名称：250日新高距离**[11] * **构建思路**：该指标用于衡量当前价格距离过去250个交易日最高点的回落幅度，以量化个股、行业或指数的“创新高”状态。其理论基础在于，研究表明价格接近历史高点的资产未来往往有更好的表现[11]。 * **具体构建过程**：对于任一标的（个股、行业指数、宽基指数），计算其最新收盘价与过去250个交易日收盘价最高值的相对距离。 * 计算公式为： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ * 其中，`Closet` 代表最新收盘价，`ts_max(Close, 250)` 代表过去250个交易日收盘价的最大值[11]。 * 若最新收盘价创出250日新高，则分子等于分母，该值为0；若价格从高点回落，则该值为正，表示回落的百分比幅度[11]。 2. **模型名称：平稳创新高股票筛选模型**[26][28] * **构建思路**：该模型旨在从近期创过新高的股票中，进一步筛选出具备更强动量持续性的股票。其思路结合了分析师关注度、股价相对强度、以及动量在时间序列上的平滑性（而非跳跃性）[26]。研究指出，遵循平滑价格路径的高动量股收益更高[26]。 * **具体构建过程**：这是一个多步骤的筛选模型，具体流程如下： 1. **初选股票池**：筛选出上市满15个月，且在过去20个交易日内曾创出250日新高的股票[19]。 2. **分析师关注度筛选**：要求过去3个月内，获得“买入”或“增持”评级的分析师研报不少于5份[28]。 3. **股价相对强弱筛选**：要求过去250日涨跌幅位于全市场所有股票的前20%[28]。 4. **股价平稳性与创新高持续性综合打分**：在满足上述条件的股票池内，使用以下两个指标进行综合打分，并选取排名在前50%的股票[28]。 * **价格路径平滑性**：使用股价位移路程比指标，计算公式为 `过去120日涨跌幅的绝对值 / 过去120日日涨跌幅绝对值加总`[26]。该值越小，表明股价路径越平滑。 * **创新高持续性**：使用过去120日内的250日新高距离在时间序列上的均值[28]。该值越小，表明股票在近期持续接近或创出新高。 5. **趋势延续性筛选**：对经过第4步筛选的股票，计算其过去5日的250日新高距离在时间序列上的均值，并选取该值排序最靠前的50只股票作为最终的“平稳创新高股票”[28]。 模型的回测效果 *本报告未提供模型（如平稳创新高股票筛选模型）的历史回测绩效指标（如年化收益率、夏普比率、最大回撤等）。报告主要展示了特定时点（2025年12月5日）的截面筛选结果和应用示例[29][32]。* 量化因子与构建方式 1. **因子名称：价格路径平滑性（位移路程比）**[26] * **构建思路**：该因子用于度量股价上涨过程的平稳程度，避免因短期剧烈波动（跳跃）带来的干扰。研究认为平滑的动量获得的关注更少，因而持续性可能更强[26]。 * **具体构建过程**：计算过去一定期间（报告中为120日）的总涨幅绝对值与期间内每日涨跌幅绝对值总和的比值。 * 计算公式为： $$价格路径平滑性 = \frac{|P_{t} - P_{t-n}|}{\sum_{i=1}^{n} |R_{t-i+1}|}$$ * 其中，`|P_t - P_{t-n}|` 是过去n日（如120日）的股价净变化绝对值（位移），`∑|R|` 是同期每日收益率绝对值的总和（路程）。该比值越小，表明股价路径越平滑[26]。 2. **因子名称：创新高持续性**[28] * **构建思路**：该因子用于衡量股票在近期持续保持强势、接近或创出新高的状态，而非仅仅在某一时点偶然创新高。 * **具体构建过程**：计算股票在过去一段时间（报告中为120日）内，其每日的“250日新高距离”的平均值[28]。该均值越低，说明股票在观察期内越持续地接近其250日高点。 3. **因子名称：趋势延续性**[28] * **构建思路**：该因子用于捕捉短期内的强势延续状态，筛选那些近期（如过去5日）持续保持强劲上涨趋势的股票。 * **具体构建过程**：计算股票在过去较短周期（报告中为5日）内，其每日的“250日新高距离”的平均值[28]。在筛选过程中，选取该平均值最小的股票，代表其短期趋势延续性最好。 因子的回测效果 *本报告未提供单个因子（如价格路径平滑性、创新高持续性等）的独立历史回测绩效指标（如IC值、IR、多空收益等）。报告重点在于阐述因子的构建逻辑并将其应用于复合筛选模型中[26][28]。*

投资评级 - 报告对兴发集团的投资评级为“优于大市”（维持）[2][3][21] 核心观点 - 兴发集团与比亚迪全资孙公司签署协议，由后者委托加工8万吨/年磷酸铁锂产品，协议期限2年并可续约1年，此举将促进公司磷酸铁锂产能释放并增厚利润[1][3][4] - 在储能及新能源汽车需求强劲的背景下，磷酸铁锂价格和利润有望修复，公司作为拥有“磷矿石-磷酸-磷酸铁-磷酸铁锂”全产业链的企业将受益[3][5][10] - 维持公司2025-2027年盈利预测，预计归母净利润分别为19.06亿元、21.54亿元、23.33亿元，对应摊薄EPS为1.73元、1.95元、2.11元，当前股价对应PE为18.9倍、16.7倍、15.4倍[3][21] 合作协议分析 - 合作协议有助于公司新能源板块产能充分释放，积累生产技术和经验，拓展客户资源，提升市场地位[4] - 2025年1-9月，公司新能源板块收入占总收入比重约为3%[4] 行业需求与前景 - 政策驱动新型储能装机规模快速增长，到2027年全国新型储能装机规模目标为1.8亿千瓦以上，较2025年上半年增长89.65%，较2024年底增长144%[5] - 锂离子电池（主要为磷酸铁锂电池）是新型储能主流技术，截至2024年底占已投产装机的96.4%；2024年全国锂离子电池总产量达11.7亿千瓦时，同比增长24%，行业总产值超过1.2万亿元[5] - 2025年9月我国新能源汽车产量158万辆，占汽车产量比重已达49%；同期国内动力电池销量中磷酸铁锂电池占比73%，已成为主流动力电池[6] - 截至2025年10月，我国磷酸铁锂产能达595万吨/年，1-10月累计产量298万吨，同比增长47.1%；截至2025年12月8日，磷酸铁锂动力型、储能型均价分别为4.1万元/吨、3.78万元/吨，价格自9月触底后持续小幅上涨[10] 公司主营业务分析 - **磷矿石业务**：磷矿石价格高位运行，湖北市场30%品位磷矿石船板含税价1040元/吨，公司拥有磷矿资源储量约3.95亿吨，设计产能585万吨/年，远期权益产能有望达1000万吨/年以上[12] - **草甘膦业务**：截至2025年12月5日，华东地区95%草甘膦原粉市场价为2.58万元/吨，较3月上旬上涨2600元/吨，行业反内卷工作推进有望带动价格中枢上移[13] - **有机硅业务**：行业达成减产30%共识并联合挺价，截至2025年12月5日，华东地区有机硅DMC参考价1.37万元/吨，较11月上旬上涨2700元/吨，涨幅24.55%[14] - **新材料业务**：公司二甲基亚砜产能规模达6万吨/年为全球最大，2025年上半年相关子公司实现营业收入3.23亿元，净利润1.06亿元，净利润率32.76%[15] 财务与估值 - 报告提供了公司2025-2027年详细的财务预测，包括利润表、资产负债表和现金流量表[25] - 与可比公司（湖北宜化、扬农化工）相比，兴发集团在2025年预测PE为13.7倍，低于部分同行，总市值为359亿元[22]

报告行业投资评级 - 银行业投资评级：优于大市 [1][6] 报告核心观点 - 2026年银行业净息差降幅将大幅收敛，并大概率成为此轮净息差下行周期的尾声 [2][4][66] - 货币政策将保持“合理充裕+相机抉择”的总基调，预计LPR下降10bps，降准50bps [3][67] - 投资聚焦两条主线：净息差率先迎来拐点的优质个股及股息率具有吸引力的基本面稳健个股 [4] 净息差底线思维和水平测算 - 目前大行净息差底线水平约1.2%~1.3%，已处于底线附近，不具备进一步大幅下降的空间 [1][13] - 净息差维持合理水平是守住经济增长和金融稳定的必要条件，基于资本平衡、盈亏平衡及风险定价机制 [1][25][27] - “十五五”期间名义GDP增速预计为6.0%~6.9%，M2增速需维持在7.0%~8.0%，银行业总资产扩张速度约6.0%~7.0% [1][30][34] - 大行ROE需保持在7%~8%以支撑资产扩张，据此测算净息差底线约1.2%~1.3% [1][42] 2026年净息差测算 - 若不考虑LPR下降，2026年贷款利率预计下降约24bps，存款利率下降约14~17bps，净息差收窄约2~5bps [2][43][66] - 若LPR下降10bps且存款挂牌利率不变，净息差同比下降约5~8bps [2][82] - 净息差下降主要受重定价因素（拖累约0.7bps）、新发放贷款利率（拖累约8.8bps）及债务置换（拖累约6bps）影响 [44][47][57][58] - 存款成本下降主要来自到期存款利率调降及期限结构优化，可提振净息差约10~13bps [43][60][61] 2026年货币政策展望 - 货币政策总基调为“合理充裕+相机抉择”，是战略适配、现实约束和工具支撑综合考量的最优选择 [3][67] - 预计LPR下降10bps，更大幅度降息需经济复苏受阻等数据触发；若LPR降幅扩大，存款挂牌利率可能同步调降以稳定净息差 [3][68][72] - 基础货币缺口约2.7~3.0万亿元，预计通过降准50bps释放约1万亿元资金，广义再贷款和国债买卖投放约1.5~2.0万亿元 [3][74][76] - 国债买卖工具将常态化，成为未来弥补货币缺口的重要工具 [3][80] 投资建议 - 主线一：聚焦净息差率先迎来拐点的优质个股及改善幅度较大的低估值个股，重点推荐宁波银行、常熟银行，积极关注长沙银行、渝农商行 [4][83] - 主线二：从绝对收益角度布局股息率具有吸引力的基本面稳健个股，重点推荐招商银行、工商银行、江苏银行 [4][83] - 重点公司盈利预测显示，招商银行2026年预计EPS为6.05元，宁波银行为4.64元，工商银行为0.98元 [5]

核心观点 - 海外科技巨头2025年第三季度业绩普遍超预期，云业务加速增长，资本开支持续高增，AI投入成为核心驱动力[7][8] - 互联网行业AI赋能效应显著，广告与云业务增长加速，预计四季度外卖业务投入边际缓和，当前被视为布局良机[13][15] - 折叠自行车作为高景气新消费赛道，呈现高增长与破圈趋势，中国市场集中度高且龙头优势明显，全球渗透率提升空间广阔[17][18][19] 计算机行业投资策略 - 微软FY26Q1营收776.7亿美元，同比+18%，净利润277.5亿美元，同比+12%，智能云板块增速28%[7] - 谷歌FY25Q3收入1023.46亿美元，同比+15.95%，云业务收入151.57亿美元，同比+33.51%[7] - 亚马逊FY25Q3收入1801.69亿美元，同比+13%，AWS收入330.06亿美元，同比+20%，为2023年以来单季度最高增速[7] - 海外大厂资本开支高增长，微软支出349亿美元，谷歌239.53亿美元，Meta 193.74亿美元，亚马逊342亿美元同比+61%[8] 北交所市场月报 - 北证50指数11月累计下跌12.32%，北证专精特新指数下跌13.44%，上市公司总市值8271.55亿元，环比下降10.2%[9][11] - 11月北交所成交金额3767.78亿元，环比上升3.1%，两融余额日均值77.89亿元，环比上升2.35%[10] - 北证50指数市盈率43.07倍，处于近两年67.98%分位数，市净率8.89倍，处于近两年75.21%分位数[10][11] - 11月新增上市公司5家，包括丹娜生物、中诚咨询等，新股申购4家，发行上市审核动态更新99家次[9][12] 互联网行业投资策略 - 11月恒生科技指数下跌5.2%，纳斯达克互联网指数下跌3.5%，个股中京东健康、美团、网易表现较好[13] - AI驱动互联网巨头业绩释放，腾讯广告业务加速增长，阿里云本季度增速提升至34%[15] - 预计四季度外卖大战投入力度边际缓和，阿里、美团和京东外卖亏损有望收窄，推荐关注阿里巴巴、腾讯控股[15] - 全球AI技术持续迭代，谷歌发布Gemini 3 Pro，OpenAI推出GPT-5.1，腾讯混元图像3.0上线[14] 折叠自行车行业专题 - 2019-2024年全球折叠自行车零售额复合增速20.7%，零售量复合增速13.1%，全球销量渗透率仅2.1%[17] - 中国市场2019-2024年零售额从4亿增长至18亿，CAGR+35.1%，呈现高增长态势[17] - 行业竞争格局高度集中，前五大公司市场份额合计73.7%，其中大行零售额份额36.5%，Brompton份额25.7%[18] - 行业增长驱动力包括便携性、场景多元化扩展及消费群体破圈，抖音搜索热度持续攀升[18] - 全球市场前五大公司零售量份额19.4%，零售额份额12.0%，大行零售量份额6.2%排名第一[19] 金融市场数据 - 2025年12月4日上证综指收盘3875.79点，跌0.05%，深证成指涨0.39%，科创50指数涨1.36%[2] - 机器人产业链概念表现突出，电子、国防军工、机械等行业涨幅居前[21] - 商品期货中锡涨3.01%，铜涨2.18%，玉米涨0.79%，螺纹钢涨0.33%[25] - 11月PPI同比下降2.9%，CPI同比99.4，M1同比-0.0%，新增人民币贷款5216亿元[26]

量化模型与构建方式 1. **模型名称**：封板率计算模型[17] **模型构建思路**：通过计算当日最高价涨停且收盘涨停的股票数量与最高价涨停股票总数的比例，来衡量市场涨停股的封板质量与资金封板意愿[17] **模型具体构建过程**：首先，筛选出上市满3个月以上的股票。然后，在交易日T日，找出所有盘中最高价达到涨停价的股票。最后，计算这些股票中，收盘价也维持在涨停价的股票所占的比例。具体公式为： $$封板率=\frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$[17] 2. **模型名称**：连板率计算模型[17] **模型构建思路**：通过计算连续两日收盘涨停的股票数量占前一日所有涨停股票数量的比例，来度量市场涨停效应的持续性[17] **模型具体构建过程**：首先，筛选出上市满3个月以上的股票。在交易日T日，找出所有在T-1日收盘涨停的股票。然后，计算这些股票中，在T日收盘也涨停的股票所占的比例。具体公式为： $$连板率=\frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$[17] 3. **模型名称**：大宗交易折价率计算模型[26] **模型构建思路**：通过比较大宗交易成交总额与按当日市价计算的成交份额总市值，计算折价率，以反映大资金交易的折让程度和市场情绪[26] **模型具体构建过程**：首先，获取当日所有大宗交易的成交数据，包括每笔交易的成交价格和成交数量。然后，计算这些成交份额按当日收盘价（或成交均价）计算的总市值。最后，用大宗交易总成交金额除以该总市值并减1，得到整体折价率。具体公式为： $$折价率=\frac{大宗交易总成交金额}{当日成交份额的总市值}-1$$[26] 4. **模型名称**：股指期货年化贴水率计算模型[28] **模型构建思路**：将股指期货主力合约与现货指数之间的基差进行年化处理，以标准化衡量期货合约的升贴水程度，便于跨期比较[28] **模型具体构建过程**：首先，计算股指期货主力合约价格与其标的现货指数价格的差值，即基差（期货价格 - 现货价格）。然后，将基差除以现货指数价格，得到相对基差。最后，将此相对基差乘以年化因子（250天除以合约剩余交易日数），得到年化贴水率。具体公式为： $$年化贴水率=\frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$[28] **模型评价**：该指标综合反映了金融市场利率、股市分红、微观资金成本、套利力量、市场情绪等多方面因素，其变化能体现市场对未来走势的预期，并直接影响股指对冲的成本[28] 量化因子与构建方式 1. **因子名称**：昨日涨停股今日收益因子[14] **因子构建思路**：追踪前一日涨停的股票在次日的开盘至收盘的收益率表现，用于观察涨停股的赚钱效应和接力情绪[14] **因子具体构建过程**：首先，在交易日T-1日，筛选出上市满3个月以上且收盘涨停的股票。然后，计算这些股票在T日的收盘收益率。具体计算为每只股票在T日的（收盘价/开盘价 - 1），再求所有符合条件的股票收益率的平均值或中位数[14] 2. **因子名称**：昨日跌停股今日收益因子[14] **因子构建思路**：追踪前一日跌停的股票在次日的开盘至收盘的收益率表现，用于观察极端抛压后的市场修复或继续下跌的动能[14] **因子具体构建过程**：首先，在交易日T-1日，筛选出上市满3个月以上且收盘跌停的股票。然后，计算这些股票在T日的收盘收益率。具体计算为每只股票在T日的（收盘价/开盘价 - 1），再求所有符合条件的股票收益率的平均值或中位数[14] 3. **因子名称**：两融余额占比因子[22] **因子构建思路**：计算融资融券余额占A股总流通市值的比例，用以衡量杠杆资金在市场中的整体规模和重要性[22] **因子具体构建过程**：在交易日T日，获取市场的融资余额与融券余额之和，即两融余额。同时，获取A股市场的总流通市值。最后，计算两融余额占总流通市值的百分比[22] 4. **因子名称**：两融交易占比因子[22] **因子构建思路**：计算融资买入额与融券卖出额之和占市场总成交额的比例，用以衡量杠杆交易的活跃度[22] **因子具体构建过程**：在交易日T日，获取市场的融资买入总额与融券卖出总额，求和得到两融交易总额。同时，获取A股市场的总成交额。最后，计算两融交易总额占总成交额的百分比[22] 5. **因子名称**：ETF折溢价因子[23] **因子构建思路**：通过计算ETF场内交易价格与其IOPV（基金份额参考净值）的偏离度，捕捉市场短期情绪和套利机会[23] **因子具体构建过程**：首先，筛选日成交额超过100万元的境内股票型ETF。对于单只ETF，计算其当日场内成交均价（或收盘价）与当日IOPV的差值，再除以IOPV得到折溢价率。正值代表溢价，负值代表折价[23] 6. **因子名称**：机构调研热度因子[30] **因子构建思路**：统计近期对上市公司进行调研的机构数量，作为衡量机构关注度的代理指标[30] **因子具体构建过程**：对于每只股票，统计其在过去7个自然日内，接受机构调研或举行分析师会议的机构家数。家数越多，代表机构关注度越高[30] 7. **因子名称**：龙虎榜机构净流入因子[36] **因子构建思路**：根据龙虎榜披露的机构专用席位买卖数据，计算单日对个股的净买入金额，反映机构资金的短期动向[36] **因子具体构建过程**：对于登上龙虎榜的个股，汇总当日所有机构专用席位的买入总额与卖出总额，计算净额（买入总额 - 卖出总额）[36] 8. **因子名称**：龙虎榜陆股通净流入因子[37] **因子构建思路**：根据龙虎榜披露的陆股通席位买卖数据，计算单日对个股的净买入金额，反映北向资金的短期动向[37] **因子具体构建过程**：对于登上龙虎榜的个股，汇总当日所有陆股通席位的买入总额与卖出总额，计算净额（买入总额 - 卖出总额）[37] 模型的回测效果 1. 封板率计算模型，2025年12月4日指标值为58%[17] 2. 连板率计算模型，2025年12月4日指标值为19%[17] 因子的回测效果 1. 昨日涨停股今日收益因子，2025年12月4日指标值为-0.28%[14] 2. 昨日跌停股今日收益因子，2025年12月4日指标值为-4.67%[14] 3. 两融余额占比因子，截至2025年12月3日指标值为2.6%[22] 4. 两融交易占比因子，截至2025年12月3日指标值为9.6%[22] 5. ETF折溢价因子，2025年12月3日，科创100ETF富国溢价0.63%，A500增强ETF基金折价0.53%[23] 6. 大宗交易折价率因子，近半年平均指标值为6.43%，2025年12月3日指标值为7.92%[26] 7. 股指期货年化贴水率因子，近一年中位数：上证50为0.68%，沪深300为3.53%，中证500为11.15%，中证1000为13.58%[28]。2025年12月4日指标值：上证50为4.69%（近一年24%分位），沪深300为7.98%（近一年23%分位），中证500为9.59%（近一年62%分位），中证1000为11.05%（近一年68%分位）[28] 8. 机构调研热度因子，近一周（截至2025年12月4日），长安汽车被101家机构调研[30] 9. 龙虎榜机构净流入因子，2025年12月4日，净流入前十名包括和而泰、初灵信息等[36] 10. 龙虎榜陆股通净流入因子，2025年12月4日，净流入前十名包括和而泰、航天环宇等[37]