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. 模型名称：多维度指数打分模型 模型构建思路：综合历史业绩、一致预期和微观交易结构三个维度对标的指数进行打分，筛选得分靠前的指数对应的基金产品[10] 模型具体构建过程： - 历史业绩维度：计算ROE_TTM环比变动、营业利润TTM环比增长率、归母净利润TTM环比增长率，加权合成历史业绩得分[12] - 一致预期维度：对指数成分股的一致预期净利润和ROE按流通市值加权合成，计算环比变化反映预期景气度边际变化[13] - 微观交易结构维度：在夏普比率基础上剥离区间最大涨幅，计算6个月和12个月动量延续性因子[14] 2. 因子名称：历史业绩因子组 因子构建思路：通过财务指标环比变动捕捉指数的基本面改善趋势[12] 因子具体构建过程： - ROE_TTM环比变动：$\Delta ROE = \frac{ROE_{t} - ROE_{t-1}}{|ROE_{t-1}|}$ - 营业利润TTM环比增长率：$\Delta OP = \frac{OP_{t} - OP_{t-1}}{|OP_{t-1}|}$ - 归母净利润TTM环比增长率：$\Delta NP = \frac{NP_{t} - NP_{t-1}}{|NP_{t-1}|}$ 3. 因子名称：一致预期因子组 因子构建思路：通过分析师预期数据合成指数层面的景气度变化指标[13] 因子具体构建过程： - 流通市值加权合成预期ROE变化：$\Delta EROE = \sum_{i=1}^{n} (w_i \cdot \frac{EROE_{i,t} - EROE_{i,t-1}}{|EROE_{i,t-1}|})$ - 流通市值加权合成预期净利润变化：$\Delta ENP = \sum_{i=1}^{n} (w_i \cdot \frac{ENP_{i,t} - ENP_{i,t-1}}{|ENP_{i,t-1}|})$ 4. 因子名称：动量延续性因子 因子构建思路：改进夏普比率以剔除极端涨幅干扰，衡量动量的可持续性[14] 因子具体构建过程： - 调整后夏普比率：$AdjSharpe = \frac{R_p - R_f}{\sigma_p} - \lambda \cdot MaxReturn$ 其中$MaxReturn$为区间最大单日涨幅，$\lambda$为衰减系数 模型的回测效果 1. 多维度指数打分模型： - 2025年前4个月组合收益-5.86%，跑赢创业板指但跑输沪深300[18] - 历史年化超额收益8.2%，最大回撤22.3%[17] 因子的回测效果 1. 历史业绩因子组： - ROE_TTM环比变动IC均值0.32，RankIC均值0.28 - 营业利润增长率IC均值0.29 2. 一致预期因子组： - 预期ROE变化IC均值0.25，月频胜率63% 3. 动量延续性因子： - 6个月动量延续性因子ICIR 1.85 - 12个月动量延续性因子ICIR 2.10 模型评价 1. 多维度指数打分模型：通过多因子正交化有效降低波动，但依赖分析师预期数据可能产生滞后性[10][14] 2. 动量延续性因子：相比传统动量因子更抗反转，但在市场风格突变时可能失效[14]