量化模型与因子总结 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[11][12] * **模型构建思路**：以多因子选股为主体，构建对标不同宽基指数的增强组合，力求稳定战胜各自基准[11] * **模型具体构建过程**：构建流程主要包括收益预测、风险控制和组合优化三部分[12]。具体步骤未在报告中详细展开。 2. **模型名称**：单因子MFE组合模型[15][42] * **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、风格暴露等约束下，构建最大化单因子暴露的组合[42] * **模型具体构建过程**：采用组合优化模型构建最大化单因子暴露组合[42]。具体步骤如下： 1. 设定约束条件，包括风格暴露、行业暴露、个股权重偏离、成分股内权重占比、个股权重上下限等[46]。例如，对于沪深300和中证500指数，控制MFE组合相对于基准在中信一级行业和市值风格因子上的相对暴露为0，个股相对于成分股最大偏离权重1%，成分股内权重占比100%[46] 2. 在每个月末，根据约束条件构建每个单因子的MFE组合[46] 3. 在回测期内根据各期MFE组合换仓，计算历史收益并按双边0.3%扣除交易费用，计算相对于基准的收益风险统计指标[46] * **模型评价**：该方法能更真实地反映因子在实际投资约束下的有效性，检验后认为“有效”的因子更可能在最终组合中发挥真实的收益预测作用[42] 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、分析师等维度出发，构造了30余个因子[16]。具体因子名称及计算方式如下[17]： 1. **因子名称**：BP * **因子构建思路**：估值类因子 * **因子具体构建过程**：净资产 / 总市值[17] 2. **因子名称**：单季EP * **因子构建思路**：估值类因子 * **因子具体构建过程**：单季度归母净利润 / 总市值[17] 3. **因子名称**：单季SP * **因子构建思路**：估值类因子 * **因子具体构建过程**：单季度营业收入 / 总市值[17] 4. **因子名称**：EPTTM * **因子构建思路**：估值类因子 * **因子具体构建过程**：归母净利润TTM / 总市值[17] 5. **因子名称**：SPTTM * **因子构建思路**：估值类因子 * **因子具体构建过程**：营业收入TTM / 总市值[17] 6. **因子名称**：EPTTM分位点 * **因子构建思路**：估值类因子 * **因子具体构建过程**：EPTTM在过去一年中的分位点[17] 7. **因子名称**：股息率 * **因子构建思路**：估值类因子 * **因子具体构建过程**：最近四个季度预案分红金额 / 总市值[17] 8. **因子名称**：一个月反转 * **因子构建思路**：反转类因子 * **因子具体构建过程**：过去20个交易日涨跌幅[17] 9. **因子名称**：三个月反转 * **因子构建思路**：反转类因子 * **因子具体构建过程**：过去60个交易日涨跌幅[17] 10. **因子名称**：一年动量 * **因子构建思路**：反转/动量类因子 * **因子具体构建过程**：近一年除近一月后动量[17] 11. **因子名称**：单季净利同比增速 * **因子构建思路**：成长类因子 * **因子具体构建过程**：单季度净利润同比增长率[17] 12. **因子名称**：单季营收同比增速 * **因子构建思路**：成长类因子 * **因子具体构建过程**：单季度营业收入同比增长率[17] 13. **因子名称**：单季营利同比增速 * **因子构建思路**：成长类因子 * **因子具体构建过程**：单季度营业利润同比增长率[17] 14. **因子名称**：SUE (标准化预期外盈利) * **因子构建思路**：成长类因子 * **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] 15. **因子名称**：SUR (标准化预期外收入) * **因子构建思路**：成长类因子 * **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] 16. **因子名称**：单季超预期幅度 * **因子构建思路**：成长类因子 * **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] 17. **因子名称**：单季ROE * **因子构建思路**：盈利类因子 * **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] 18. **因子名称**：单季ROA * **因子构建思路**：盈利类因子 * **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] 19. **因子名称**：DELTAROE * **因子构建思路**：盈利类因子 * **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] 20. **因子名称**：DELTAROA * **因子构建思路**：盈利类因子 * **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] 21. **因子名称**：非流动性冲击 * **因子构建思路**：流动性类因子 * **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] 22. **因子名称**：一个月换手 * **因子构建思路**：流动性类因子 * **因子具体构建过程**：过去20个交易日换手率均值[17] 23. **因子名称**：三个月换手 * **因子构建思路**：流动性类因子 * **因子具体构建过程**：过去60个交易日换手率均值[17] 24. **因子名称**：特异度 * **因子构建思路**：波动类因子 * **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] 25. **因子名称**：一个月波动 * **因子构建思路**：波动类因子 * **因子具体构建过程**：过去20个交易日日内真实波幅均值[17] 26. **因子名称**：三个月波动 * **因子构建思路**：波动类因子 * **因子具体构建过程**：过去60个交易日日内真实波幅均值[17] 27. **因子名称**：高管薪酬 * **因子构建思路**：公司治理类因子 * **因子具体构建过程**：前三高管报酬总额取对数[17] 28. **因子名称**：预期EPTTM * **因子构建思路**：分析师类因子 * **因子具体构建过程**：一致预期滚动EP[17] 29. **因子名称**：预期BP * **因子构建思路**：分析师类因子 * **因子具体构建过程**：一致预期滚动PB[17] 30. **因子名称**：预期PEG * **因子构建思路**：分析师类因子 * **因子具体构建过程**：一致预期PEG[17] 31. **因子名称**：预期净利润环比 * **因子构建思路**：分析师类因子 * **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] 32. **因子名称**：3个月盈利上下调 * **因子构建思路**：分析师类因子 * **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] 33. **因子名称**：三个月机构覆盖 * **因子构建思路**：分析师类因子 * **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. **国信金工沪深300指数增强组合**，本周超额收益0.24%，本年超额收益3.21%[5][14] 2. **国信金工中证500指数增强组合**，本周超额收益0.53%，本年超额收益-0.27%[5][14] 3. **国信金工中证1000指数增强组合**，本周超额收益1.63%，本年超额收益3.92%[5][14] 4. **国信金工中证A500指数增强组合**，本周超额收益0.40%，本年超额收益3.28%[5][14] 因子的回测效果 (基于单因子MFE组合) 报告分别以沪深300、中证500、中证1000、中证A500及公募重仓指数为选股空间，展示了各因子MFE组合在最近一周、最近一月、今年以来及历史年化等不同时间窗口的超额收益表现[18][21][23][25][27]。以下为各样本空间中部分因子的近期表现示例： **沪深300样本空间**[18]： 1. **单季SP因子**，最近一周超额收益1.33%，最近一月超额收益0.89%，今年以来超额收益0.63%，历史年化超额收益2.80% 2. **SPTTM因子**，最近一周超额收益1.11%，最近一月超额收益0.81%，今年以来超额收益0.60%，历史年化超额收益2.03% 3. **单季EP因子**，最近一周超额收益0.99%，最近一月超额收益1.48%，今年以来超额收益1.55%，历史年化超额收益5.37% **中证500样本空间**[21]： 1. **一个月波动因子**，最近一周超额收益1.57%，最近一月超额收益1.49%，今年以来超额收益-0.37%，历史年化超额收益0.80% 2. **三个月反转因子**，最近一周超额收益1.42%，最近一月超额收益-3.14%，今年以来超额收益-3.40%，历史年化超额收益-2.38% 3. **一个月反转因子**，最近一周超额收益1.19%，最近一月超额收益-0.32%，今年以来超额收益-1.67%，历史年化超额收益-1.60% **中证1000样本空间**[23]： 1. **一个月反转因子**，最近一周超额收益1.77%，最近一月超额收益-0.37%，今年以来超额收益-0.40%，历史年化超额收益-4.29% 2. **三个月反转因子**，最近一周超额收益1.56%，最近一月超额收益0.76%，今年以来超额收益1.70%，历史年化超额收益-1.95% 3. **非流动性冲击因子**，最近一周超额收益1.52%，最近一月超额收益2.73%，今年以来超额收益3.06%，历史年化超额收益2.48% **中证A500样本空间**[25]： 1. **一个月波动因子**，最近一周超额收益1.46%，最近一月超额收益1.50%，今年以来超额收益0.51%，历史年化超额收益0.95% 2. **单季EP因子**，最近一周超额收益1.29%，最近一月超额收益1.59%，今年以来超额收益0.63%，历史年化超额收益5.16% 3. **三个月换手因子**，最近一周超额收益1.21%，最近一月超额收益0.61%，今年以来超额收益0.49%，历史年化超额收益2.81% **公募重仓指数样本空间**[27]： 1. **一个月波动因子**，最近一周超额收益1.61%，最近一月超额收益1.18%，今年以来超额收益-0.43%，历史年化超额收益0.03% 2. **单季SP因子**，最近一周超额收益1.45%，最近一月超额收益1.56%，今年以来超额收益0.50%，历史年化超额收益1.98% 3. **SPTTM因子**，最近一周超额收益1.44%，最近一月超额收益1.09%，今年以来超额收益0.08%，历史年化超额收益0.76%

投资评级 - 维持“优于大市”评级 [1][4][7] 核心观点 - 报告认为，公司2025年第四季度业绩保持强劲增长，云业务收入增长尤为突出，同时公司计划在2026年大幅增加资本开支以支持AI和云业务发展 [1][2][3][4] - 基于云需求强劲和资本开支投入加速，报告上调了公司2026-2027年的收入和净利润预测，并新增了2028年的预测 [4] 业绩总览与财务表现 - **2025年第四季度业绩**：营收1138亿美元，同比增长18%；GAAP毛利率为60%；营业利润313亿美元，同比增长16%，营业利润率31.6%，同比小幅下降，主要因Waymo融资导致股权激励确认21亿美元计入研发费用；净利润345亿美元，同比增长30%，主要受股权投资收益影响 [2][13] - **谷歌服务业务**：收入959亿美元，同比增长14%，营业利润率42% [13] - 搜索广告收入631亿美元，同比增长17%，零售行业表现突出 [2][10][13] - YouTube广告收入114亿美元，同比增长9%，增长受2024年第四季度美国大选带来的高基数影响 [2][10][13] - 其他非广告业务（订阅、平台和设备）收入136亿美元，同比增长17% [13] - **谷歌云业务**：收入177亿美元，同比增长48%，环比继续强劲增长；营业利润率（OPM）提升至30.1%；未履行合同金额（Backlog）达到2400亿美元，同比增长158% [3][11][14] - **创新业务（Other Bets）**：收入3.7亿美元，同比下降8%，营业亏损35亿美元 [14] - **资本开支**：2025年第四季度资本开支为279亿美元，同比增长113%，其中约60%投入服务器，40%用于数据中心和网络设备；2025年全年资本开支914亿美元，符合指引；公司预计2026年资本开支将达到1750-1850亿美元，同比增长91%至102% [4][12] 业务亮点与进展 - **AI赋能广告业务**：体现在三个方面：1) 提升查询匹配度、排名准确性和广告质量，使搜索广告更具效果，AI Mode在美国推出后日均查询量翻倍；2) 在广告主工具中融入更多智能交互功能；3) 探索AI Mode盈利模式，如在AI回复下方测试投放广告 [2][10] - **云业务增长动力**：1) 年末新客户增长速度较第一季度翻倍；2) 2025年金额超过10亿美元的交易数量超过了此前三年的总和；3) 现有客户的支出规模较初始承诺超出30%；近75%的谷歌云客户使用了垂直优化的AI解决方案 [3][11] - **AI产品与生态进展**： - **Gemini模型**：2025年服务单位成本降低了78%；Gemini 3 Pro的日均token消耗是Gemini 2.5 Pro的3倍；API调用每分钟处理量从2025年第三季度的70亿增长至100亿 [4][28] - **AI编程平台**：Google Antigravity上线两个多月，周活跃用户（WAU）超过150万 [4][28] - **企业AI平台**：Gemini Enterprise已向2800多家公司售出超过800万个付费席位，2025年第四季度处理了超过50亿次客户互动，同比增长65% [4][28] - **Waymo**：2025年12月全自动驾驶里程突破2000万次，目前每周提供出行服务超40万次，服务区域持续拓展 [28] - **YouTube Shorts**：日均观看量超过2000亿次，在包括美国在内的多个国家，其每观看小时的营收已超过传统流式视频 [28] 财务预测 - **收入预测**：报告预测2026-2028年营业收入分别为4718亿美元、5433亿美元和6186亿美元，同比增长率分别为17.1%、15.1%和13.9% [4][6] - **净利润预测**：报告预测2026-2028年归母净利润分别为1454亿美元、1654亿美元和1877亿美元，同比增长率分别为10.0%、13.7%和13.5% [4][6] - **关键财务指标预测（2026E）**：每股收益（EPS）12.02美元，营业利润率（EBIT Margin）33.0%，净资产收益率（ROE）25.9%，市盈率（PE）28倍 [6][29]

投资评级 - 报告对谷歌(Alphabet)-A（GOOGL.O）维持“优于大市”评级 [1][4][7] 核心观点 - 报告核心观点认为，谷歌2025年第四季度业绩保持强劲增长，云收入表现突出，且公司计划在2026年大幅增加资本开支以支持AI和云业务发展 [1][4] - 基于云需求强劲和资本开支投入加速，报告上调了公司2026-2027年的收入和净利润预测，并新增了2028年预测 [4] 业绩总览 - 2025年第四季度，公司营收为1138亿美元，同比增长18% [2][13] - 当季GAAP毛利率为60%，营业利润为313亿美元，同比增长16%，营业利润率为31.6%，同比小幅下降，主要因Waymo融资导致21亿美元股权激励计入研发费用 [2][13] - 当季净利润为345亿美元，同比增长30%，主要受股权投资收益影响 [2][13] 广告业务 - 2025年第四季度，谷歌服务收入为959亿美元，同比增长14% [2][10][13] - 其中，搜索广告收入为631亿美元，同比增长17%，零售行业表现尤其突出 [2][10][13] - YouTube广告收入为114亿美元，同比增长9%，增长受2024年第四季度美国大选带来的高基数影响 [2][10][13] - AI从三个方面赋能广告业务：1) 提升查询匹配度、排名准确性和广告质量，使AI Mode在美国市场的日均查询量翻倍；2) 在广告主工具中融入更多智能交互功能；3) 探索AI Mode盈利模式，如在AI回复下方测试投放广告 [2][10][28] 云业务 - 2025年第四季度，谷歌云收入为177亿美元，同比增长48%，环比继续强劲增长 [3][11][14] - 当季云业务营业利润率（OPM）提升至30.1% [3][11][14] - 云业务未完成订单（Backlog）达到2400亿美元，同比增长158% [3][11] - 云业务增长动力包括：1) 年末新客户增长速度较第一季度翻倍；2) 2025年金额超10亿美元的交易数量超过了此前三年总和；3) 现有客户支出规模较初始承诺超出30% [3][11] - 近75%的谷歌云客户使用了垂直优化AI解决方案 [3][11] 资本开支与AI进展 - 2025年第四季度资本开支（CAPEX）为279亿美元，同比增长113%，其中约60%投入服务器，40%用于数据中心和网络设备 [4][12] - 2025年全年资本开支为914亿美元，符合指引；公司预计2026年资本开支将达到1750-1850亿美元，同比增长91%-102% [4][12] - AI产品进展显著：Gemini 3 Pro的日均token消耗是Gemini 2.5 Pro的3倍；AI编程平台Google Antigravity上线两个多月，周活跃用户（WAU）超过150万；企业AI平台Gemini Enterprise已向2800多家公司售出超800万个付费席位 [4][28] - 其他AI应用：AI Mode推出后在美国市场日均查询量翻倍，查询长度是传统搜索的3倍；Circle to Search功能已覆盖超5.8亿台安卓设备 [28] 财务预测 - 报告上调2026-2027年收入预测至4718亿和5433亿美元，上调幅度分别为5%和7%，并新增2028年收入预测6186亿美元 [4] - 报告上调2026-2027年净利润预测至1454亿和1654亿美元，上调幅度分别为10%和7%，并新增2028年净利润预测1877亿美元 [4] - 根据盈利预测表，2026-2028年预计营业收入增速分别为17.1%、15.1%、13.9%，归母净利润增速分别为10.0%、13.7%、13.5% [6] - 关键财务指标预测：2026-2028年每股收益（EPS）分别为12.02、13.67、15.52美元；毛利率预计为61%-62%；营业利润率（EBIT Margin）预计为33.0%-33.8% [6][29]

量化模型与构建方式 1. **模型名称：港股精选组合模型**[14][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[14][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. **基本面与技术面双层筛选**：对分析师推荐股票池中的股票，同时进行基本面和技术面两个维度的精选，具体筛选标准未在本文中详述，可参考其专题报告《基于分析师推荐视角的港股投资策略》[14][15]。 2. **因子名称：250日新高距离**[22] * **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，是识别创新高股票的基础指标[20][22]。 * **因子具体构建过程**：计算最新收盘价与过去250个交易日最高收盘价的相对距离。 * **公式**：$$250 日新高距离 = 1 - \frac{Close_t}{ts\_max(Close, 250)}$$ * **公式说明**：其中，$Close_t$为股票的最新收盘价，$ts\_max(Close, 250)$为过去250个交易日收盘价的最大值。若最新收盘价创出新高，则该因子值为0；若最新收盘价较新高回落，则该因子为正值，表示回落幅度[22]。 3. **模型名称：平稳创新高股票筛选模型**[22][23] * **模型构建思路**：在近期创过新高的股票池中，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，筛选出趋势更为健康、平稳的创新高股票[3][22]。 * **模型具体构建过程**：采用多步骤分层筛选法。 1. **样本池**：全部港股，但剔除成立时间不超过15个月的股票[23]。 2. **分析师关注度筛选**：要求过去6个月内，获得买入或增持评级的分析师研报不少于5份[23]。 3. **股价相对强弱筛选**：要求过去250日涨跌幅位于全样本池的前20%[23]。 4. **股价平稳性综合打分**：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，并取排名在前50%的股票（最少取50只）[23]。 * **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：$$股价位移路程比 = \frac{|过去120日涨跌幅|}{过去120日日涨跌幅绝对值加总}$$[22][23] * **创新高持续性**：计算过去120日内的“250日新高距离”在时间序列上的均值[23]。 5. **趋势延续性筛选**：计算过去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只股票作为最终的“平稳创新高股票”[23]。 模型的回测效果 1. **港股精选组合模型**，全样本回测区间（20100101-20251231）年化收益**19.08%**，相对恒生指数年化超额收益**18.06%**，信息比(IR)**1.19**，相对最大回撤**23.73%**，跟踪误差**14.60%**，收益回撤比**0.76**[15][19]。 * 分年度绩效详见报告表1，例如：2019年绝对收益**42.85%**，超额收益**33.78%**，信息比(IR)**2.23**；2020年绝对收益**66.59%**，超额收益**70.00%**，信息比(IR)**2.60**[19]。 量化因子与构建方式 *(本报告中未对单个因子的IC、IR等独立表现进行详细测试与评价，仅将其作为模型构建的组成部分)* 因子的回测效果 *(本报告中未提供独立因子的回测效果指标)*

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步骤，构建对标不同宽基指数的增强组合，力求稳定战胜基准[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的未来收益进行预测。报告中未详细说明具体使用的因子合成方法，但跟踪了30余个单因子的表现[11][16]。 2. **风险控制**：在组合优化过程中，控制组合相对于基准指数的风格暴露、行业暴露、个股权重偏离等风险敞口[12]。 3. **组合优化**：采用组合优化模型求解最优的股票权重。目标函数为最大化预期收益（或最小化风险），并施加一系列实际投资约束[12]。 2. 模型名称：单因子MFE组合模型 * **模型构建思路**：为了在更接近实际投资的约束条件下检验单因子的有效性，构建最大化单因子暴露组合。该方法控制了行业、风格等暴露，使得检验后认为“有效”的因子更可能在最终组合中发挥真实的收益预测作用[42]。 * **模型具体构建过程**：采用组合优化模型构建特定基准指数下的因子MFE组合，具体步骤如下[42][43][46]： 1. **设定优化问题**：优化模型的目标是最大化组合在单个因子上的暴露，同时满足一系列约束条件。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： * $f$ 为股票的因子值向量。 * $w$ 为待求解的股票权重向量。 * $w_b$ 为基准指数成分股的权重向量。 * $X$ 为股票对风格因子的暴露矩阵。 * $s_l$, $s_h$ 为风格因子相对暴露的下限及上限。 * $H$ 为股票的行业暴露矩阵（One-hot编码）。 * $h_l$, $h_h$ 为组合行业偏离的下限及上限。 * $w_l$, $w_h$ 为个股权重相对于基准权重偏离的下限及上限。 * $B_b$ 为个股是否属于基准指数成分股的0-1向量。 * $b_l$, $b_h$ 为成分股内权重的下限及上限。 * $l$ 为个股权重上限。 * $\mathbf{1}^{T}w = 1$ 表示权重和为1，即满仓运作。 2. **设置约束参数**：对于不同基准指数设置具体约束参数。例如，对于沪深300和中证500指数，控制MFE组合相对于基准在中信一级行业和市值风格因子上的相对暴露为0，个股相对于成分股最大偏离权重1%，成分股内权重占比100%[46]。 3. **月度换仓**：在每个月末，根据上述优化模型和约束条件，为每个单因子构建其MFE组合[46]。 4. **回测计算**：在回测期内根据各期MFE组合进行换仓，计算历史收益，并按双边0.3%扣除交易费用，最终计算MFE组合相对于基准的收益风险指标[46]。 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池（“机构风格”）中的有效性，利用公募基金的定期报告持仓信息，构建一个模拟公募整体重仓股走势的指数，作为新的因子测试样本空间[44]。 * **模型具体构建过程**： 1. **确定样本基金**：选取普通股票型基金和偏股混合型基金，剔除基金整体规模小于五千万且上市时间不足半年的基金。若基金存在转型，则使用转型后半年以上的基金[45]。 2. **获取持仓数据**：通过基金的定期报告获取持股信息。若最新报告为半年报或年报，则使用全部持仓；若为季报，则需结合前期的半年报或年报信息来构建持仓数据[45]。 3. **计算平均持仓**：将所有符合条件的基金持仓股票权重进行平均，得到公募基金的平均持仓信息[45]。 4. **选取成分股**：将平均后的股票权重由高到低排序，选取累计权重达到90%的股票作为成分股，以此构建公募基金重仓指数[45]。 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，构建并跟踪了30余个常见选股因子[16]。以下是因子列表及其计算方式： 1. **因子名称**：BP * **因子构建思路**：估值因子，衡量公司净资产与市值的比率。 * **因子具体构建过程**：净资产 / 总市值[17]。 2. **因子名称**：单季EP * **因子构建思路**：估值因子，衡量单季度盈利与市值的比率。 * **因子具体构建过程**：单季度归母净利润 / 总市值[17]。 3. **因子名称**：单季SP * **因子构建思路**：估值因子，衡量单季度营收与市值的比率。 * **因子具体构建过程**：单季度营业收入 / 总市值[17]。 4. **因子名称**：EPTTM * **因子构建思路**：估值因子，衡量滚动盈利与市值的比率。 * **因子具体构建过程**：归母净利润TTM / 总市值[17]。 5. **因子名称**：SPTTM * **因子构建思路**：估值因子，衡量滚动营收与市值的比率。 * **因子具体构建过程**：营业收入TTM / 总市值[17]。 6. **因子名称**：EPTTM分位点 * **因子构建思路**：估值因子，衡量当前滚动估值在历史区间中的位置。 * **因子具体构建过程**：EPTTM在过去一年中的分位点[17]。 7. **因子名称**：股息率 * **因子构建思路**：估值因子，衡量公司分红回报率。 * **因子具体构建过程**：最近四个季度预案分红金额 / 总市值[17]。 8. **因子名称**：一个月反转 * **因子构建思路**：反转因子，捕捉短期价格反转效应。 * **因子具体构建过程**：过去20个交易日涨跌幅[17]。 9. **因子名称**：三个月反转 * **因子构建思路**：反转因子，捕捉中期价格反转效应。 * **因子具体构建过程**：过去60个交易日涨跌幅[17]。 10. **因子名称**：一年动量 * **因子构建思路**：动量因子，捕捉中长期价格动量效应。 * **因子具体构建过程**：近一年除近一月后动量[17]。 11. **因子名称**：单季净利同比增速 * **因子构建思路**：成长因子，衡量单季度净利润增长。 * **因子具体构建过程**：单季度净利润同比增长率[17]。 12. **因子名称**：单季营收同比增速 * **因子构建思路**：成长因子，衡量单季度营业收入增长。 * **因子具体构建过程**：单季度营业收入同比增长率[17]。 13. **因子名称**：单季营利同比增速 * **因子构建思路**：成长因子，衡量单季度营业利润增长。 * **因子具体构建过程**：单季度营业利润同比增长率[17]。 14. **因子名称**：SUE * **因子构建思路**：成长因子，衡量盈利超预期程度。 * **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]。 15. **因子名称**：SUR * **因子构建思路**：成长因子，衡量营收超预期程度。 * **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]。 16. **因子名称**：单季超预期幅度 * **因子构建思路**：成长因子，衡量盈利实际值与预期值的比率。 * **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]。 17. **因子名称**：单季ROE * **因子构建思路**：盈利因子，衡量单季度净资产收益率。 * **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]。 18. **因子名称**：单季ROA * **因子构建思路**：盈利因子，衡量单季度总资产收益率。 * **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]。 19. **因子名称**：DELTAROE * **因子构建思路**：盈利因子，衡量净资产收益率的同比变化。 * **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]。 20. **因子名称**：DELTAROA * **因子构建思路**：盈利因子，衡量总资产收益率的同比变化。 * **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]。 21. **因子名称**：非流动性冲击 * **因子构建思路**：流动性因子，衡量单位成交额引起的价格冲击。 * **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]。 22. **因子名称**：一个月换手 * **因子构建思路**：流动性因子，衡量短期交易活跃度。 * **因子具体构建过程**：过去20个交易日换手率均值[17]。 23. **因子名称**：三个月换手 * **因子构建思路**：流动性因子，衡量中期交易活跃度。 * **因子具体构建过程**：过去60个交易日换手率均值[17]。 24. **因子名称**：特异度 * **因子构建思路**：波动因子，衡量公司特质风险。 * **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]。 25. **因子名称**：一个月波动 * **因子构建思路**：波动因子，衡量短期价格波动。 * **因子具体构建过程**：过去20个交易日日内真实波幅均值[17]。 26. **因子名称**：三个月波动 * **因子构建思路**：波动因子，衡量中期价格波动。 * **因子具体构建过程**：过去60个交易日日内真实波幅均值[17]。 27. **因子名称**：高管薪酬 * **因子构建思路**：公司治理因子，衡量高管激励水平。 * **因子具体构建过程**：前三高管报酬总额取对数[17]。 28. **因子名称**：预期EPTTM * **因子构建思路**：分析师因子，衡量一致预期滚动估值。 * **因子具体构建过程**：一致预期滚动EP[17]。 29. **因子名称**：预期BP * **因子构建思路**：分析师因子，衡量一致预期滚动市净率。 * **因子具体构建过程**：一致预期滚动PB[17]。 30. **因子名称**：预期PEG * **因子构建思路**：分析师因子，衡量成长性估值。 * **因子具体构建过程**：一致预期PEG[17]。 31. **因子名称**：预期净利润环比 * **因子构建思路**：分析师因子，衡量盈利预期环比变化。 * **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]。 32. **因子名称**：三个月盈利上下调 * **因子构建思路**：分析师因子，衡量盈利预期的调整方向。 * **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]。 33. **因子名称**：三个月机构覆盖 * **因子构建思路**：分析师因子，衡量机构关注度。 * **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0.24%，本年超额收益3.21%[5][14]。 * 中证500指数增强组合：本周超额收益0.53%，本年超额收益-0.27%[5][14]。 * 中证1000指数增强组合：本周超额收益1.63%，本年超额收益3.92%[5][14]。 * 中证A500指数增强组合：本周超额收益0.40%，本年超额收益3.28%[5][14]。 因子的回测效果 报告分别以**沪深300、中证500、中证1000、中证A500、公募重仓指数**为样本空间，构建单因子MFE组合，并给出了各因子在“最近一周”、“最近一月”、“今年以来”和“历史年化”四个时间窗口下的超额收益表现[15][18][20][22][24][26]。以下是各样本空间中，在“最近一周”窗口下表现最好和最差的部分因子及其超额收益值： 1. 沪深300样本空间[18] * **表现较好因子**：单季SP (1.33%)、SPTTM (1.11%)、单季EP (0.99%) * **表现较差因子**：单季营利同比增速 (-0.34%)、3个月盈利上下调 (-0.30%)、一年动量 (-0.23%) 2. 中证500样本空间[21] * **表现较好因子**：一个月波动 (1.57%)、三个月反转 (1.42%)、一个月反转 (1.19%) * **表现较差因子**：单季营收同比增速 (-1.09%)、一年动量 (-0.69%)、单季ROE (-0.57%) 3. 中证1000样本空间[23] * **表现较好因子**：一个月反转 (1.77%)、三个月反转 (1.56%)、非流动性冲击 (1.52%) * **表现较差因子**：单季营收同比增速 (-1.91%)、标准化预期外收入 (-1.52%)、单季ROA (-1.26%) 4. 中证A500样本空间[25] * **表现较好因子**：一个月波动 (1.46%)、单季EP (1.29%)、三个月换手 (1.21%) * **表现较差因子**：一年动量 (-0.91%)、单季营收同比增速 (-0.70%)、3个月盈利上下调 (-0.39%) 5. 公募重仓指数样本空间[27] * **表现较好因子**：一个月波动 (1.61%)、单季SP (1.45%)、SPTTM (1.44%) * **表现较差因子**：单季营收同比增速 (-1.25%)、一年动量 (-0.96%)、单季营利同比增速 (-0.85%)

报告核心观点 - 国信金工推出的四大主动量化策略组合，其业绩基准并非传统的宽基指数，而是以公募主动股基（以偏股混合型基金指数为代表）为对标目标，旨在稳定战胜主动股基中位数[12] - 在报告统计周期内（截至2026年2月6日），四大组合本年（2026.1.5-2026.2.6）均跑赢了偏股混合型基金指数（收益率为4.75%），实现了显著的超额收益[13][16] - 从在主动股基中的排名来看，四大组合本年表现均位于市场前列，其中成长稳健组合和超预期精选组合表现尤为突出，排名分位点分别为8.73%和9.41%[1][2][13] 组合近期表现一览 - **本周表现（2026.2.2-2026.2.6）**：市场整体下跌，股票收益中位数为-0.47%，主动股基收益中位数为-2.06%[2][42]。四大组合绝对收益均为负，但均战胜了偏股混合型基金指数（-2.39%），其中超预期精选组合超额收益最高，为1.10%[1][13][16] - **本年表现（2026.1.5-2026.2.6）**：股票收益中位数为4.50%，主动股基收益中位数为4.18%[2][42]。四大组合绝对收益在6.17%至10.88%之间，均大幅超越基准指数[1][2][13] - **具体组合表现**： - 优秀基金业绩增强组合：本周绝对收益-2.39%，超额收益0.00%；本年绝对收益6.17%，超额收益1.42%，在主动股基中排名32.03%分位点（1192/3721）[1][13] - 超预期精选组合：本周绝对收益-1.29%，超额收益1.10%；本年绝对收益10.59%，超额收益5.84%，在主动股基中排名9.41%分位点（350/3721）[1][13] - 券商金股业绩增强组合：本周绝对收益-2.27%，超额收益0.12%；本年绝对收益8.94%，超额收益4.19%，在主动股基中排名15.59%分位点（580/3721）[1][13] - 成长稳健组合：本周绝对收益-1.79%，超额收益0.60%；本年绝对收益10.88%，超额收益6.12%，在主动股基中排名8.73%分位点（325/3721）[2][13][38] 各策略简介与历史绩效 - **优秀基金业绩增强组合**：策略核心是从对标宽基指数转向对标主动股基，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[3][43]。历史回测（2012.1.4-2025.12.31）显示，组合年化收益达21.40%，相较偏股混合型基金指数年化超额9.85%，大部分年度业绩排名在股基前30%[45][48] - **超预期精选组合**：策略以研报标题超预期与分析师全线上调净利润为条件筛选股票池，再进行基本面和技术面双层精选，构建组合[4][49]。历史回测（2010.1.4-2025.12.31）显示，组合年化收益达31.11%，相较偏股混合型基金指数年化超额23.98%，每年业绩排名均位于主动股基前30%[50][53] - **券商金股业绩增强组合**：策略以券商金股股票池为基础，通过组合优化控制与基准在个股和风格上的偏离，旨在获取稳定超额收益[5][54]。历史回测（2018.1.2-2025.12.31）显示，组合年化收益为21.71%，相对偏股混合型基金指数年化超额14.18%，每年业绩排名基本位于主动股基前30%[55][58] - **成长稳健组合**：策略采用“先时序、后截面”的二维评价体系，聚焦成长股在财报披露前超额收益释放的“黄金期”，并引入多种机制控制风险[6][59]。历史回测（2012.1.4-2025.12.31）显示，组合年化收益达36.34%，相较偏股混合型基金指数年化超额26.33%，各年度业绩排名基本位于股基前30%[60][63] 市场环境监控 - **股票与基金收益分布**：本周（2026.2.2-2026.2.6）市场下跌面广，44%的股票上涨，56%的股票下跌；仅19%的主动股基上涨，81%下跌[2][42]。本年（2026.1.5-2026.2.6）市场整体表现积极，71%的股票上涨，87%的主动股基上涨[2][42] - **收益分布数据**：本周股票收益中位数为-0.47%，主动股基收益中位数为-2.06%；本年股票收益中位数为4.50%，主动股基收益中位数为4.18%[42]

核心观点 - 报告核心结论：近期北向资金可能小幅净流出，港股市场资金面显示“稳定型外资”流入与“灵活型外资”流出并存，而亚太及美欧市场资金流向呈现分化，日本持续吸引外资流入，印度则出现外资流出 [1] A股市场资金流向 - 最近一周（2026年2月2日至2月6日）北向资金估算净流出82亿元人民币，较前一周（净流出9亿元）净流出规模扩大 [1][10] - 同期，灵活型外资估算净流入8亿元人民币，但净流入规模较前一周的25亿元有所收窄 [1][10] - 陆股通成交活跃的个股包括：中际旭创（双向成交总金额247亿元，占其当周交易金额的10%）、宁德时代（215亿元，占16%）、天孚通信（197亿元，占15%） [1][10] 港股市场资金流向 - 最近一周（2026年1月28日至2月3日）港股市场合计录得资金净流入161亿港元 [2][13] - 资金构成呈现分化：稳定型外资净流入120亿港元，而灵活型外资净流出66亿港元 [1][2][13] - 南向资金（港股通）净流入60亿港元，中国香港或大陆本地资金净流入52亿港元 [2][13] - 行业层面：外资主要流入有色金属、ETF、医药生物等行业；港股通资金则主要流入银行、软件服务、硬件设备等行业 [2][13] 亚太市场资金流向 - **日本股市**：截至2026年1月26日当周，海外投资者净流入1870亿日元，前一周流入2128亿日元，自2023年以来累计净流入达11.9万亿日元 [2][15] - **印度股市**：2026年1月，海外机构投资者净流出39.8亿美元，流出规模较前一月的25.2亿美元有所扩大，自2020年以来累计净流入为83亿美元 [2][15] 美欧市场资金流向 - **美国股市**：2025年12月，全球共同基金净流入美国权益市场322亿美元，较前一月92亿美元的流入规模大幅增加，自2020年以来累计净流入达7237亿美元 [3][18] - **欧洲股市**：2025年12月，全球共同基金净流入英国、德国、法国权益市场的资金分别为17.4亿美元、9.7亿美元和21.6亿美元，前一月分别为5.5亿美元、11.7亿美元和14亿美元 [3][18]

量化模型与因子总结 量化因子与构建方式 1. **因子名称：250日新高距离**[11] * **因子构建思路**：该因子用于衡量当前价格相对于过去一段时间内最高价格的回落幅度，是趋势跟踪和动量策略的核心指标。其理论基础在于，价格接近历史高点的股票往往表现出更强的动量效应，未来收益可能更高[11]。 * **因子具体构建过程**： 1. 计算过去250个交易日（约一年）的收盘价最大值。 2. 用最新收盘价除以该最大值。 3. 用1减去该比值，得到“250日新高距离”。 具体公式如下： $$250 日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 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[11]。 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，表示回落幅度[11]。 2. **因子/模型名称：平稳创新高股票筛选模型**[25][27] * **模型构建思路**：该模型旨在从近期创出新高的股票中，进一步筛选出价格路径相对平滑、趋势延续性好的股票。其理论基础是研究显示，遵循平滑价格路径的高动量股收益，相较遵循跳跃价格路径的高动量股收益更高[25]。 * **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**：筛选出过去20个交易日创出过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[27]。 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%[27]。 4. **股价平稳性与持续性综合筛选**：在满足上述条件的股票池内，使用以下两个指标综合打分，并选取排名在前50%的股票[27]。 * **价格路径平滑性**：使用“股价位移路程比”指标。该指标的计算公式在报告中以图示形式给出，但未列出具体公式，其核心思想是衡量价格变动的平滑程度[25][27]。 * **创新高持续性**：使用过去120日的250日新高距离在时间序列上的均值[27]。 5. **趋势延续性筛选**：计算过去5日的250日新高距离在时间序列上的均值，并最终选取该指标排序靠前的50只股票作为“平稳创新高股票”[27]。 模型的回测效果 *本报告未提供量化模型（如选股模型或组合策略）的历史回测绩效指标（如年化收益率、夏普比率、信息比率IR、最大回撤等）。报告内容主要为特定时点（2026年2月6日）的截面数据统计和股票列表展示。* 因子的回测效果 *本报告未提供量化因子（如“250日新高距离”）的因子测试结果（如IC值、ICIR、多空收益、分组收益等）。报告内容主要为该因子在特定时点（2026年2月6日）于不同市场维度（指数、行业、个股）的截面取值情况。* 因子在特定时点的截面取值 1. **250日新高距离因子** * **主要宽基指数取值（2026年2月6日）**：上证指数 2.39%，深证成指 3.69%，沪深300 3.07%，中证500 5.29%，中证1000 4.95%，中证2000 3.67%，创业板指 4.48%，科创50 8.58%[12][32]。 * **中信一级行业指数取值（较近，2026年2月6日）**：纺织服装 0.35%，石油石化 2.83%，建材 2.16%，轻工制造 1.15%，机械 3.20%[13][32]。 * **中信一级行业指数取值（较远，2026年2月6日）**：银行、综合金融、医药、食品饮料、农林牧渔行业指数距离250日新高较远[13][32]。 * **概念指数取值（较近，2026年2月6日）**：万得微盘股日频等权、家居用品、HJT电池、新能源、光伏、石油天然气、造纸等概念指数距离250日新高较近[15][32]。 2. **平稳创新高股票筛选模型输出结果** * **筛选结果（2026年2月6日）**：模型最终输出50只股票，例如明阳智能、环旭电子、亨通光电等[28][33]。具体列表包含股票代码、名称、行业、细分板块、流通市值、最近创新高日期、250日新高距离、过去250日涨跌幅、过去20日涨跌幅、过去3个月推荐研报数量等信息[31]。

量化模型与因子总结 量化因子与构建方式 1. **因子名称：250日新高距离**[11] * **因子构建思路**：该因子用于衡量当前价格相对于过去一段时间内最高价格的回落幅度，是趋势跟踪和动量策略的核心指标。其理论基础在于，研究表明股价接近其52周（或250日）最高价时，未来收益往往更高[11]。 * **因子具体构建过程**：对于每个标的（个股、指数或行业指数），计算其最新收盘价与过去250个交易日最高收盘价之间的相对距离。具体公式如下： $$250 日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 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]。若最新收盘价创出新高，则该因子值为0；若价格从高点回落，则该因子为正值，表示回落的幅度[11]。 2. **模型名称：平稳创新高股票筛选模型**[25][27] * **模型构建思路**：该模型旨在从近期创出新高的股票中，进一步筛选出价格路径相对平滑、趋势延续性好的“平稳创新高”股票。其依据是学术研究发现，遵循平滑价格路径的高动量股收益，相较遵循跳跃价格路径的高动量股收益更高[25]。 * **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[27]。 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%[27]。 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[27]： * **价格路径平滑性**：使用股价位移路程比进行衡量。位移为过去120日的涨跌幅绝对值，路程为过去120日日涨跌幅绝对值的加总[25]。 * **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[27]。 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只股票作为最终输出[27]。 模型的回测效果 *本报告未提供量化模型（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、信息比率IR等）。报告内容主要为截至特定时点（2026年2月6日）的截面数据展示和名单筛选[12][13][15][19][20][28]。* 因子的回测效果 *本报告未提供量化因子（如250日新高距离）的因子测试结果（如IC值、IR、多空收益、分组收益等）。报告内容主要为该因子在特定时点（2026年2月6日）于不同标的（指数、行业、个股）上的截面取值[12][13][15][31]。* 因子在特定时点的截面取值（截至2026年2月6日） 1. **250日新高距离因子** * **主要宽基指数取值**： * 上证指数: 2.39%[12] * 深证成指: 3.69%[12] * 沪深300指数: 3.07%[12] * 中证500指数: 5.29%[12] * 中证1000指数: 4.95%[12] * 中证2000指数: 3.67%[12] * 创业板指: 4.48%[12] * 科创50指数: 8.58%[12] * **部分中信一级行业指数取值（较近与较远）**： * 纺织服装: 0.35%[13] * 石油石化: 2.83%[13] * 建材: 2.16%[13] * 轻工制造: 1.15%[13] * 机械: 3.20%[13] * 银行: 距离250日新高较远[13] * 综合金融: 距离250日新高较远[13] * 医药: 距离250日新高较远[13] * 食品饮料: 距离250日新高较远[13] * 农林牧渔: 距离250日新高较远[13] * **部分概念指数取值（较近）**：万得微盘股日频等权、家居用品、HJT电池、新能源、光伏、石油天然气、造纸等概念指数距离250日新高较近[15]。 * **部分个股取值（来自平稳创新高股票列表）**： * 百龙创园(605016.SH): 0.0%[31] * 富特科技(301607.SZ): 0.0%[31] * 环旭电子(601231.SH): 0.0%[31] * 中国巨石(600176.SH): 0.0%[31] * 华锐精密(688059.SH): 0.0%[31] * 模塑科技(000700.SZ): 0.2%[31] * 亨通光电(600487.SH): 1.7%[31] * 桐昆股份(601233.SH): 1.9%[31] * 恒立液压(601100.SH): 1.2%[31]

量化模型与因子总结 量化因子与构建方式 1. **因子名称：封板率** * **因子构建思路：** 通过计算当日最高价涨停且最终收盘也涨停的股票数量占所有最高价涨停股票数量的比例，来衡量涨停板的封板强度和市场追涨情绪[15]。 * **因子具体构建过程：** 1. 筛选上市满3个月以上的股票[11][15]。 2. 找出在当日盘中最高价曾达到涨停价的股票集合。 3. 在上述集合中，进一步筛选出收盘价仍为涨停价的股票。 4. 计算封板率，公式为： $$封板率 = \frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$ * **因子评价：** 该因子是衡量市场短期情绪和资金博弈热度的重要指标，较高的封板率通常意味着涨停板质量较高，抛压较小[15]。 2. **因子名称：连板率** * **因子构建思路：** 通过计算连续两日收盘涨停的股票数量占前一日所有收盘涨停股票数量的比例，来度量市场涨停效应的持续性[15]。 * **因子具体构建过程：** 1. 筛选上市满3个月以上的股票[11][15]。 2. 确定前一日（T-1日）收盘涨停的股票集合。 3. 在上述集合中，筛选出当日（T日）收盘也涨停的股票。 4. 计算连板率，公式为： $$连板率 = \frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$ 3. **因子名称：大宗交易折价率** * **因子构建思路：** 通过计算大宗交易成交总额相对于这些股份当日市值的折价（或溢价）幅度，来反映大额资金交易的意愿和情绪，通常折价表示卖出方有较强的减持意愿[24]。 * **因子具体构建过程：** 1. 获取当日所有大宗交易的成交数据，包括每笔交易的成交金额和成交股数[24]。 2. 计算每笔大宗交易股份的当日市值（通常使用当日收盘价乘以成交股数）。 3. 汇总所有大宗交易的成交总金额和对应股份的总市值。 4. 计算整体折价率，公式为： $$折价率 = \frac{大宗交易总成交金额}{当日成交份额的总市值} - 1$$ 结果为负表示折价，为正表示溢价[24]。 4. **因子名称：股指期货年化贴水率** * **因子构建思路：** 将股指期货主力合约价格与现货指数价格之间的基差，进行年化处理，以标准化衡量股指期货的升贴水程度，反映市场对未来走势的预期和对冲成本的高低[26]。 * **因子具体构建过程：** 1. 选定标的指数（如上证50、沪深300等）及其对应的股指期货主力合约[26]。 2. 计算基差：基差 = 期货价格 - 现货指数价格[26]。 3. 获取该主力合约的剩余交易日数。 4. 计算年化贴水率，公式为： $$年化贴水率 = \frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ 结果为负表示年化贴水，为正表示年化升水[26]。 因子的回测效果 （注：本报告为市场数据日报，未提供因子的长期历史回测绩效指标，如IC、IR、多空收益等。报告仅提供了特定日期的因子取值或近期统计值，具体如下：） 1. **封板率因子**，2026年02月05日取值为77%[15] 2. **连板率因子**，2026年02月05日取值为17%[15] 3. **大宗交易折价率因子**，2026年02月04日取值为9.61%[24]；近半年以来平均取值为6.96%[24] 4. **股指期货年化贴水率因子** * **上证50股指期货**，2026年02月05日取值为+0.78%（升水）[26]；近一年以来中位数为+0.63%（升水）[26] * **沪深300股指期货**，2026年02月05日取值为-1.12%（贴水）[26]；近一年以来中位数为-3.79%（贴水）[26] * **中证500股指期货**，2026年02月05日取值为-3.18%（贴水）[26]；近一年以来中位数为-11.15%（贴水）[26] * **中证1000股指期货**，2026年02月05日取值为-3.50%（贴水）[26]；近一年以来中位数为-13.61%（贴水）[26]