量化因子与构建方式 单因子表现 - 因子名称：下行波动率占比 因子的构建思路：衡量股票收益的下行风险占比 因子具体构建过程：通过计算股票收益的下行波动率占总波动率的比例，剔除行业与市值影响后，构造多头组合相对于基准指数的超额收益[8][9] - 因子名称：成交量的5日指数移动平均 因子的构建思路：捕捉短期成交量变化趋势 因子具体构建过程：计算股票成交量的5日指数移动平均值，剔除行业与市值影响后，构造多头组合相对于基准指数的超额收益[8][9] - 因子名称：5日成交量的标准差 因子的构建思路：衡量短期成交量波动性 因子具体构建过程：计算股票成交量在过去5日内的标准差，剔除行业与市值影响后，构造多头组合相对于基准指数的超额收益[8][9] - 因子名称：市盈率TTM倒数 因子的构建思路：衡量股票的估值水平 因子具体构建过程：计算股票市盈率的TTM倒数，剔除行业与市值影响后，构造多头组合相对于基准指数的超额收益[11][12] - 因子名称：动量弹簧因子 因子的构建思路：捕捉股票价格的动量反转特性 因子具体构建过程：通过计算股票价格的动量弹簧特性，剔除行业与市值影响后，构造多头组合相对于基准指数的超额收益[14][15] 大类因子表现 - 因子名称：杠杆因子 因子的构建思路：衡量公司资产负债率对股票收益的影响 因子具体构建过程：通过计算公司杠杆率，剔除行业与市值影响后，构造多头组合相对于基准指数的超额收益[17] - 因子名称：Beta因子 因子的构建思路：衡量股票相对于市场的系统性风险 因子具体构建过程：通过计算股票的Beta值，剔除行业与市值影响后，构造多头组合相对于基准指数的超额收益[17] - 因子名称：盈利因子 因子的构建思路：衡量公司盈利能力对股票收益的影响 因子具体构建过程：通过计算公司盈利指标（如ROE、净利润率等），剔除行业与市值影响后，构造多头组合相对于基准指数的超额收益[17] 因子的回测效果 单因子表现 - 下行波动率占比：沪深300股票池最近1周收益1.26%[8][9] - 成交量的5日指数移动平均：沪深300股票池最近1周收益1.02%[8][9] - 5日成交量的标准差：沪深300股票池最近1周收益0.91%[8][9] - 市盈率TTM倒数：中证500股票池最近1周收益1.55%[11][12] - 动量弹簧因子：流动性1500股票池最近1周收益1.19%[14][15] 大类因子表现 - 杠杆因子：全市场股票池最近1周收益0.36%[17] - Beta因子：全市场股票池最近1周收益0.29%[17] - 盈利因子：全市场股票池最近1周收益0.27%[17] 量化组合与构建方式 PB-ROE-50组合 - 模型名称：PB-ROE-50组合 模型构建思路：基于市净率（PB）和净资产收益率（ROE）筛选股票 模型具体构建过程：选取PB和ROE指标排名前50的股票构建组合，按月调仓，剔除行业与市值影响后，计算超额收益[24][25] 大宗交易组合 - 模型名称：大宗交易组合 模型构建思路：基于大宗交易成交金额比率和成交金额波动率筛选股票 模型具体构建过程：选取大宗交易成交金额比率高、成交金额波动率低的股票，按月调仓，剔除行业与市值影响后，计算超额收益[29][30] 定向增发组合 - 模型名称：定向增发组合 模型构建思路：基于定向增发事件效应筛选股票 模型具体构建过程：以股东大会公告日为时间节点，综合考虑市值因素、调仓周期及仓位控制，构建组合，剔除行业与市值影响后，计算超额收益[34][35] 组合的回测效果 PB-ROE-50组合 - 中证500股票池本周超额收益-0.88%[24][25] - 中证800股票池本周超额收益-0.54%[24][25] - 全市场股票池本周超额收益-0.39%[24][25] 大宗交易组合 - 本周超额收益-0.14%[29][30] 定向增发组合 - 本周超额收益-1.44%[34][35]