根据提供的研报内容，以下是关于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：社融自下而上预测框架 模型构建思路：通过拆分社融各子项，结合经济逻辑、高频数据和季节性特征进行预测[7] 模型具体构建过程： - 人民币贷款（企业贷款+居民短贷）：以PMI与唐山钢厂产能利用率为自变量，对信贷大月和小月分别进行滚动回归预测[8] - 居民中长贷：根据商品房销售代理指标与居民中长贷的三阶段特点进行预测[8] - 企业票据融资：以转贴现利率为外生变量，使用5年窗口的滚动自回归进行预测[8] - 政府债券：通过高频跟踪发行到期数据，调整口径差异（月末新发债券计入下月）[8] - 企业债券：使用5年窗口的滚动回归重新配权，降低口径差异[8] - 外币贷款：采用过去3个月均值平滑预测[8] - 信托贷款：跟踪集合信托与单一信托的披露数据近似预测[8] - 委托贷款：使用过去12个月均值预测，基建相关增量额外判断[8] - 未贴现银行承兑汇票：因高频数据停更，采用过去三年同期平均值估计[8] - 非金融企业股票融资：扣除金融企业部分后，汇总IPO、增发等月频净融资数据[8] - 贷款核销：直接采用去年同期值（季末效应显著）[8] - 存款类金融机构资产支持证券：改用信贷ABS净融资高频跟踪（2023年12月起）[8] 模型评价：自下而上的拆分方法能更精准捕捉社融总量与结构变化，但对高频数据口径差异较敏感[7][8] 模型的回测效果 1. 社融预测模型： - 2025年3月新增社融预测值5.68万亿元（实际同比+0.85万亿元）[16] - 社融TTM环比预测2.42%，存量同比增速8.37%[16] - 人民币贷款预测3.78万亿元（企业贷款+居民短贷3.37万亿元，居民中长贷0.34万亿元）[16] - 政府债券净融资预测1.53万亿元（同比+1.06万亿元）[16] 量化因子与构建方式 （注：报告中未明确提及独立因子构建，仅模型内涉及部分代理变量如PMI、转贴现利率等，故本部分跳过） 关键数据引用来源 - 模型框架与构建逻辑[7][8] - 预测结果与历史对比数据[16]