根据提供的研报内容，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. Sharpe风格模型 - 构建思路：基于William F. Sharpe（1992）的七因子模型（大盘成长、大盘价值、中盘成长、中盘价值、小盘成长、小盘价值、债券）分析基金风格暴露[46] - 具体构建：通过二次规划求解基金在各风格因子的权重，约束条件根据基金类型设定[46] - 模型评价：有效识别基金中小盘价值风格偏好，但债券仓位可能因低波动特性被高估[46][47] 2. Barra-CNE5模型 - 构建思路：基于个股Barra风格暴露加权计算基金整体风格倾向[47] - 具体构建：使用半年报/年报持仓数据，对非线性市值、流动性、估值等因子进行加权计算[47] - 模型评价：精准捕捉基金低估值偏好和流动性暴露特征[47][50] 3. Brinson归因模型 - 构建思路：分解超额收益为配置收益、选股收益和交互项[44] - 具体构建：$R_p - R_b = \sum_{i=1}^n (w_{pi} - w_{bi}) \times R_{bi} + \sum_{i=1}^n w_{bi} \times (R_{pi} - R_{bi}) + \sum_{i=1}^n (w_{pi} - w_{bi}) \times (R_{pi} - R_{bi})$ 其中$R_p$为组合收益，$R_b$为基准收益，$w_{pi}$和$w_{bi}$分别为组合和基准在行业$i$的权重[44] - 模型评价：验证了基金经理在通信、医药等行业的选股能力[44][45] 模型回测效果 1. Sharpe模型 - 中小盘价值暴露：持续高于基准（2022-2025年）[46] - 债券因子误判：拟合权重15% vs 实际持仓0%[46] 2. Barra-CNE5模型 - 流动性暴露：长期正暴露（22H1-24H2）[50] - 估值暴露：加权市净率持续低于同类均值[50] 3. Brinson模型 - 通信行业超额收益：2024H1达3.11%[44] - 配置收益贡献：占超额收益主要部分[44] 量化因子与构建方式 1. 流动性因子 - 构建思路：反映基金对高流动性个股的偏好[47] - 具体构建：基于Barra流动性指标（如换手率、交易量）加权持仓[47] 2. 估值因子 - 构建思路：捕捉低估值选股特征[47] - 具体构建：使用加权市净率（持仓股市净率按权重计算）[50] 因子回测效果 1. 流动性因子 - 正暴露稳定性：连续6期正暴露（22H1-24H2）[50] 2. 估值因子 - 市净率水平：2024H2为1.8x（同期偏股混合基金平均2.5x）[50]