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）三个宏观指标构建中证红利相对于万得全A的超额收益择时模型[8] - 模型具体构建过程： 1. 对10年期美债收益率计算60日与250日均线，当60日均线上穿250日均线时触发看多信号 2. 对国内M2同比和M1-M2剪刀差分别计算3月均线与12月均线，当3月均线上穿12月均线时判断为上行趋势 3. 综合三个指标的信号方向（美债看多、国内流动性看空）形成最终择时观点 - 模型评价：2010年以来年化收益8.25%，但2025年出现-5.28%回撤，显示宏观环境变化对模型效果的冲击[8] 2. 模型名称：红利估值回归模型 - 模型构建思路：通过PETTM百分位与历史收益的统计关系预测未来收益[18][20] - 模型具体构建过程： 1. 采用权重因子加权调整中证红利PETTM估值 2. 计算近三年/五年PETTM百分位 3. 建立线性回归方程： $y = -0.2791x + 0.2641$ 其中y为未来一年绝对收益，x为PETTM百分位[22] 4. 相对估值模型将中证红利PETTM除以万得全A PETTM，构建类似回归方程[28] 3. 模型名称：价量回归模型 - 模型构建思路：结合价格均线突破权重与成交拥挤度预测收益[23][29] - 模型具体构建过程： 1. 价格维度：计算120日均线上成分股权重合计，建立回归方程： $y = -0.2387x + 0.2133$ 其中y为未来一年绝对收益，x为均线上权重占比[25] 2. 成交维度：计算近三年成交额百分位，建立回归方程： $y = -0.3852x + 0.3443$ 相对成交额模型额外计算中证红利/万得全A成交额比率[34] 4. 因子名称：红利风格暴露因子 - 因子构建思路：标准化季度股息率因子，计算偏股型基金前十大重仓的红利暴露度[35] - 因子具体构建过程： 1. 对每只股票计算标准化股息率 2. 按基金持仓加权汇总暴露度 3. 历史数据显示暴露度与中证红利收益呈正相关[37][38] 模型与因子的回测效果 1. 中证红利超额收益择时模型 - 年化收益8.25%（2010-2025）[8] - 2025年收益-5.28%[8] 2. 估值回归模型 - 绝对PETTM模型：近三年百分位96.93%时预测未来一年收益-0.65%[18] - 相对PETTM模型：76.50%百分位时预测超额收益0.95%[20] 3. 价量回归模型 - 价格维度：58.44%权重在120日均线上时预测收益7.38%[23] - 成交维度：76.64%成交百分位时预测收益4.91%[29] - 相对成交维度：6.54%百分位时预测一月超额收益0.78%[30] 4. 红利50优选组合 - 近一年绝对收益12.03%，超额3.31%[45] - 2022年以来累计超额22.83%[45] 5. 红利风格暴露因子 - 2024Q4暴露度0.45，创2019年新高[35] - 与中证红利收益相关系数0.39-0.45[36]