量化模型与构建方式 1. 模型名称：量化大势研判框架 - 模型构建思路：基于资产的内在属性和产业生命周期的变化，提出五种风格阶段（外延成长、质量成长、质量红利、价值红利、破产价值），通过全局比较优势资产的特征属性，判断未来市场的主流风格[5][6] - 模型具体构建过程： 1. 从产业周期出发，将股票资产划分为五种风格阶段 2. 通过g>ROE>D的优先级，考察资产的成长性、盈利能力和估值水平 3. 采用资产优势差（类似因子择时中的Spread）来刻画头部资产的趋势变化，计算方式为：在截面上对所有行业进行排名并五等分，取第一组和第五组的中位数相减[5][17] 4. 根据主流资产（实际增速资产、预期增速资产、盈利资产）和次级资产（质量红利、价值红利、破产价值）的优先级，进行资产配置[7] - 模型评价：该框架自2009年以来年化收益率达26.33%，对A股风格轮动具有较好的解释能力，但在部分年份（如2011、2012、2014、2016）效果有限[13][14] --- 量化因子与构建方式 1. 因子名称：预期成长因子（gf） - 因子的构建思路：基于分析师对行业未来净利润增速的预期，选择预期增速最高的行业进行配置[6][25] - 因子具体构建过程： 1. 收集分析师对行业未来净利润增速的预期数据 2. 计算行业预期净利润增速的优势差（△gf），即第一组和第五组的中位数相减 3. 按照△gf的高低进行行业排序，选择预期增速最高的行业[19][25] - 因子评价：策略在2019年以来超额显著，尤其在2014-2015年期间表现较好[25] 2. 因子名称：实际成长因子（g） - 因子的构建思路：基于行业的业绩动量（△g），选择超预期的行业进行配置[6][26] - 因子具体构建过程： 1. 计算行业的业绩动量（△g），即净利润增速的变化 2. 采用因子sue（标准化意外收益）、sur（意外收益率）、jor（盈利修正）对行业进行筛选 3. 按照△g的高低进行行业排序，选择超预期的行业[17][26] - 因子评价：策略长期超额显著，尤其在成长风格占优的环境下表现突出[26] 3. 因子名称：盈利能力因子（ROE） - 因子的构建思路：基于PB-ROE框架，选择高ROE且估值较低的行业进行配置[6][29] - 因子具体构建过程： 1. 计算行业的PB-ROE回归残差 2. 按照残差的高低进行行业排序，选择高ROE且估值较低的行业[29] - 因子评价：策略在2016-2020年超额显著，但2021年以来表现较弱[29] 4. 因子名称：质量红利因子（DP+ROE） - 因子的构建思路：基于股息率（DP）和ROE的综合得分，选择得分最高的行业进行配置[6][32] - 因子具体构建过程： 1. 计算行业的DP和ROE 2. 对DP和ROE进行加权打分 3. 按照综合得分的高低进行行业排序，选择得分最高的行业[32] - 因子评价：策略在2016年、2017年和2023年超额显著[32] 5. 因子名称：价值红利因子（DP+BP） - 因子的构建思路：基于股息率（DP）和账面市值比（BP）的综合得分，选择得分最高的行业进行配置[6][35] - 因子具体构建过程： 1. 计算行业的DP和BP 2. 对DP和BP进行加权打分 3. 按照综合得分的高低进行行业排序，选择得分最高的行业[35] - 因子评价：策略在2009年、2017年和2021-2023年超额显著[35] 6. 因子名称：破产价值因子（PB+SIZE） - 因子的构建思路：基于市净率（PB）和市值（SIZE）的综合得分，选择得分最低的行业进行配置[6][37] - 因子具体构建过程： 1. 计算行业的PB和SIZE 2. 对PB和SIZE进行加权打分 3. 按照综合得分的高低进行行业排序，选择得分最低的行业[37] - 因子评价：策略在2015-2016年和2021-2023年超额显著[37] --- 因子的回测效果 1. 预期成长因子 - 年化收益率：未明确提及 - 历史表现：2019年以来超额显著，2014-2015年期间表现较好[25] 2. 实际成长因子 - 年化收益率：未明确提及 - 历史表现：长期超额显著，尤其在成长风格占优的环境下表现突出[26] 3. 盈利能力因子 - 年化收益率：未明确提及 - 历史表现：2016-2020年超额显著，2021年以来表现较弱[29] 4. 质量红利因子 - 年化收益率：未明确提及 - 历史表现：2016年、2017年和2023年超额显著[32] 5. 价值红利因子 - 年化收益率：未明确提及 - 历史表现：2009年、2017年和2021-2023年超额显著[35] 6. 破产价值因子 - 年化收益率：未明确提及 - 历史表现：2015-2016年和2021-2023年超额显著[37]