量化模型与构建方式 1. 模型名称：红利50优选组合 模型构建思路：该组合在高股息收益的基础上，叠加线性多因子模型进一步增强组合资本利得收益，并采用Barra风格因子约束组合风格暴露。同时，参考三维红利超额择时模型的观点，细调红利风格暴露度，利用择时进一步增厚收益[43] 模型具体构建过程： - 首先，选择高股息收益的股票作为基础组合 - 其次，通过线性多因子模型（如动量、估值、质量等因子）对组合进行增强 - 最后，使用Barra风格因子对组合的风格暴露进行约束，确保组合风格不漂移 模型评价：该模型在保证红利风格的基础上，通过多因子增强和择时策略，进一步提升了组合的收益表现[43] 2. 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）和国内经济预期（国内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： - 使用10年期美债收益率作为全球流动性指标 - 使用国内M2同比作为内部流动性指标 - 使用国内M1-M2同比剪刀差作为国内经济预期指标 - 通过回归模型计算中证红利相对于万得全A的超额收益 模型评价：该策略自2010年以来年化收益为8.04%，但在2025年超额择时收益为-8.33%，表现有所波动[7] 模型的回测效果 1. 红利50优选组合 - 近一年绝对收益：10.20% - 近一年超额收益：2.36% - 近三月绝对收益：-1.33% - 近三月超额收益：-0.56%[44] 2. 中证红利超额收益择时策略 - 2025年超额择时收益：-8.33%[7] 量化因子与构建方式 1. 因子名称：股息率因子 因子构建思路：通过标准化每个季报期截面的A股股息率，形成股息率因子，用于计算偏股型公募基金的红利风格暴露度[33] 因子具体构建过程： - 收集每个季报期的A股股息率数据 - 对股息率进行标准化处理，形成股息率因子 - 使用该因子计算偏股型公募基金的红利风格暴露度 因子评价：该因子能够有效衡量基金在红利风格上的暴露程度，帮助投资者了解基金的红利配置情况[33] 2. 因子名称：相对PETTM因子 因子构建思路：通过计算中证红利PETTM估值与万得全A PETTM估值的比值，衡量中证红利的相对估值水平，并预测其未来一年的超额收益[20] 因子具体构建过程： - 计算中证红利的PETTM估值 - 计算万得全A的PETTM估值 - 将两者相除，得到相对PETTM因子 - 通过回归模型预测未来一年的超额收益 因子评价：该因子在相对估值处于低位时，能够提供较为可观的超额收益赔率，但在高位时需警惕超额收益回撤的风险[20] 因子的回测效果 1. 股息率因子 - 2024Q4红利风格暴露度：0.45[33] 2. 相对PETTM因子 - 近三年相对PETTM百分位：57.54% - 未来一年超额收益预测：3.23%[21]