量化模型与构建方式 1. 模型名称：东方A股因子风险模型(DFQ-2020) - 模型构建思路：基于风格类风险因子构建多因子模型，用于解释股票收益的风险来源[14] - 模型具体构建过程： - 包含10类风格因子（如Size、Beta、Trend等），每类因子由多个子因子合成[14] - 因子计算示例： - Size因子：总市值对数 - Beta因子：贝叶斯压缩后的市场Beta - Trend因子：通过指数加权移动平均比率计算，如 $Trend\_120 = \frac{EWMA(halflife=20)}{EWMA(halflife=120)}$ - Volatility因子：包含5个子因子，如过去243天的标准波动率、FF3特质波动率等[14] - 模型评价：覆盖市场主要风险维度，因子定义清晰且具有经济逻辑 2. MFE组合构建模型 - 构建思路：通过组合优化最大化单因子暴露，同时控制行业、风格等约束[54] - 具体构建过程： - 目标函数：最大化因子暴露 $max\ f^{T}w$ - 约束条件包括： - 风格暴露限制 $s_{l}\leq X(w-w_{b})\leq s_{h}$ - 行业偏离限制 $h_{l}\leq H(w-w_{b})\leq h_{h}$ - 换手率约束 $\Sigma|w-w_{0}|\leq to_{h}$[54] - 模型评价：更贴近实际投资约束，能有效检验因子在复杂条件下的表现 --- 量化因子与构建方式 1. 因子名称：单季ROE - 构建思路：反映公司当期净资产收益率，属于盈利类因子[19] - 具体构建： $Quart\_ROE = \frac{单季净利润*2}{期初净资产+期末净资产}$[19] 2. 因子名称：一个月反转 - 构建思路：捕捉短期价格反转效应[19] - 具体构建：过去20个交易日涨跌幅的相反数 3. 因子名称：标准化预期外盈利（SUE） - 构建思路：衡量盈利超预期程度[19] - 具体构建： $SUE = \frac{单季实际净利-预期净利}{预期净利标准差}$ 4. 因子名称：特异度（IVR_1M） - 构建思路：反映个股收益脱离市场共同因素的程度[19] - 具体构建： $IVR\_1M = 1 - R^2_{FF3}$（Fama-French三因子回归拟合度） --- 模型回测效果 1. DFQ-2020风格因子表现（中证全指样本） - Liquidity因子：近一周收益5.44%，近一年年化33.79%[11] - Size因子：近一周收益-5.96%，历史年化-29.56%[11] 2. MFE组合模型 - 沪深300增强产品：近一周超额收益中位数-0.07%，最高0.47%[47] - 中证1000增强产品：今年以来超额收益中位数3.28%，最高9.18%[53] --- 因子回测效果 1. 沪深300样本空间 - 预期PEG因子：近一周收益0.88%，近一年年化2.96%[22] - 单季ROE因子：近一周收益0.86%，历史年化4.25%[22] 2. 中证1000样本空间 - 一个月反转因子：近一周收益1.03%，近一年年化-10.62%[32] - 特异度因子：近一周收益0.76%，历史年化4.98%[32] 3. 创业板指样本空间 - 标准化预期外盈利：近一周收益16.09%，近一年年化32.15%[39] - 3个月盈利上下调：近一周收益-3.87%，历史年化-12.03%[39] --- 附录：MFE组合构建细节 - 优化变量：$w$为股票权重向量，$w_b$为基准权重[54] - 行业约束：$B_b$为成分股0-1矩阵，限制成分股权重占比[57] - 换仓频率：月末调仓，双边交易成本0.3%[58]