根据提供的研报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. 增强策略ETF模型 - 模型构建思路：通过多因子选股和动态权重调整，对标的指数成分股进行增强，目标是超越基准指数的表现[26][27] - 模型具体构建过程： - 采用基本面、动量、波动率等因子进行股票筛选 - 对选中的股票进行优化配置，控制跟踪误差 - 定期调整组合权重以维持增强效果 - 模型评价：该模型在多数情况下能够取得稳定的超额收益，但在市场风格切换时可能表现不稳定[27] 2. 自由现金流因子模型 - 因子构建思路：通过筛选自由现金流稳定的公司，构建投资组合[31] - 因子具体构建过程： - 计算公司自由现金流： $FCF = 经营现金流 - 资本支出$ - 按自由现金流/市值比率排序选股 - 等权重配置入选股票 - 因子评价：该因子在长期投资中表现稳健，但短期可能受市场情绪影响[31] 模型的回测效果 1. 增强策略ETF模型 - 上周超额收益率中位数：0.36% - 2025年以来超额收益率中位数：1.29% - 近1年超额收益率中位数：4.52%[28] 2. 自由现金流因子模型 - 上周收益率：1.76%-3.04% - 近1年收益率：未提供具体数据[21] 量化因子与构建方式 1. SmartBeta因子 - 因子构建思路：通过特定规则筛选股票，构建非市值加权的投资组合[21] - 因子具体构建过程： - 按红利、低波动等特征筛选股票 - 采用等权重或优化权重配置 - 因子评价：在不同市场环境下表现差异较大[21] 2. 行业轮动因子 - 因子构建思路：捕捉不同行业板块的相对强弱变化[38] - 因子具体构建过程： - 计算各行业板块的动量指标 - 配置近期表现强势的行业 - 因子评价：在趋势明显的市场中表现优异[38] 因子的回测效果 1. SmartBeta因子 - 上周收益率：1.49%-3.04% - 融资净买入额：-0.20至-0.04亿元[21] 2. 行业轮动因子 - 金融地产板块上周收益率中位数：2.90% - 近1年收益率中位数：21.75%[38]