量化因子与构建方式 1. 因子名称：估值偏离EPD因子 - 构建思路：结合布林带均值回复策略与基本面估值修复逻辑，利用PE指标的均值回复特性构建[7][12] - 具体构建过程： 1. 计算个股PE相对于其历史均值的偏离程度 2. 通过布林带上下轨确定偏离阈值，捕捉异常估值 3. 公式：$EPD = \frac{PE_t - \mu_{PE}}{\sigma_{PE}}$，其中$\mu_{PE}$为滚动窗口PE均值，$\sigma_{PE}$为滚动标准差[7] - 因子评价：对短期估值偏离敏感，但易受个股估值逻辑突变影响 2. 因子名称：缓慢偏离EPDS因子 - 构建思路：在EPD基础上剔除估值逻辑突变的个股（用信息比率代理逻辑稳定性）[7][12] - 具体构建过程： 1. 计算个股信息比率IR，衡量其估值逻辑稳定性 2. 对EPD因子加权调整：$EPDS = EPD \times (1 - w_{IR})$，$w_{IR}$为IR的归一化权重[7] - 因子评价：降低噪声但保留核心均值回复特性 3. 因子名称：估值异常EPA因子 - 构建思路：在EPDS基础上剔除Beta、成长/价值风格的影响[7][12] - 具体构建过程： 1. 对EPDS因子进行横截面回归，剥离市场Beta、估值（BP）、成长（GP）等风格因子 2. 取残差作为EPA因子：$EPA = EPDS - (\beta \cdot MKT + \gamma_1 \cdot BP + \gamma_2 \cdot GP)$[7] - 因子评价：纯净的估值异常捕捉能力，逻辑鲁棒性显著提升 --- 因子回测效果 （2010/02-2025/03全市场测试，5分组多空对冲）[8][12] | 因子 | 年化收益 | 年化波动 | IR | 月度胜率 | 最大回撤 | |-------------|----------|----------|------|----------|----------| | EPD | 17.83% | 10.02% | 1.78 | 71.43% | 8.93% | | EPDS | 16.38% | 5.73% | 2.86 | 79.12% | 3.10% | | EPA | 17.40% | 5.11% | 3.40 | 81.32% | 3.12% | 2025年3月单月表现：EPA因子多头收益1.52%，空头收益-1.26%，多空收益2.78%[15] --- 补充说明 - 历史回测差异：2010/01-2022/05测试中EPA因子IR达3.76，胜率86.99%，显示近期波动略有增大[7] - 因子层级关系：EPA为EPDS的纯净版，EPDS为EPD的稳定版，形成递进优化链条[7][12]