根据研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. 模型名称：中证红利超额收益择时策略 模型构建思路：基于全球流动性（10年期美债收益率）、内部流动性（国内M2同比）、国内经济预期（M1-M2同比剪刀差）三个维度构建中证红利相对于万得全A的超额收益择时策略[7] 模型具体构建过程： - 美债收益率维度：当10年期美债收益率60日均线上穿250日均线时，模型给出看多红利信号[7] - M2同比维度：M2同比数据回升时看多红利[7] - M1-M2剪刀差维度：剪刀差回升时看多红利[7] 模型评价：策略自2010年以来超额收益择时年化收益为8.17%[7] 2. 模型名称：红利50优选组合 模型构建思路：在高股息收益基础上，叠加线性多因子模型增强资本利得收益，并采用Barra风格因子约束组合风格暴露[43] 模型具体构建过程： - 参考三维红利超额择时模型观点 - 在保证大红利风格不漂移前提下细调红利风格暴露度[43] 量化因子与构建方式 1. 因子名称：PETTM估值因子 因子构建思路：采用权重因子加权方式对中证红利指数PETTM估值进行调整，适配其股息率加权特性[17] 因子具体构建过程： - 计算中证红利PETTM绝对估值及近三年百分位 - 计算中证红利PETTM相对估值（除以万得全A PETTM）及近三年百分位[17][19] 因子评价：绝对估值与未来一年收益负相关（相关性-29.38%），相对估值与超额收益负相关（相关性-30.60%）[17][19] 2. 因子名称：价格反转因子 因子构建思路：通过计算位于120日均线之上的成分股权重合计，捕捉短期反转效应[21] 因子具体构建过程： - 统计中证红利成分股中位于半年均线上方的权重占比 - 计算该占比与未来一年绝对收益的关系[21] 3. 因子名称：成交拥挤度因子 因子构建思路：通过成交额百分位识别交易过热/过冷状态[27][29] 因子具体构建过程： - 计算中证红利绝对成交额近三年百分位 - 计算中证红利相对成交额（除以万得全A成交额）近三年百分位[27][29] 模型的回测效果 1. 中证红利超额收益择时策略： - 年化收益：8.17%[7] - 2025年超额择时收益：-6.96%[7] 2. 红利50优选组合： - 近一年绝对收益：8.34%[44] - 近一年超额收益：2.76%[44] - 近三月绝对收益：-1.49%[44] - 近三月超额收益：-1.14%[44] 因子的回测效果 1. PETTM估值因子： - 绝对PETTM近三年百分位：93.99%（预测未来一年绝对收益0.27%）[17] - 相对PETTM近三年百分位：65.95%（预测未来一年超额收益2.45%）[19] 2. 价格反转因子： - 120日均线上权重合计：54.23%（预测未来一年绝对收益8.35%）[21] 3. 成交拥挤度因子： - 绝对成交额百分位：69.83%（预测未来一年绝对收益7.40%）[27] - 相对成交额百分位：0.40%（预测未来一月超额收益0.90%）[29] 4. 资金流因子： - 偏股型公募基金红利暴露度：0.45（创2019年以来新高）[33] - 红利ETF近一月净流入：19.95亿元[34]