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. 动量因子 - 构建思路：基于股票过去一段时间的收益率表现，筛选出表现强势的股票[27] - 具体构建： 1. 计算每只股票过去1年的收益率，剔除最近1个月的收益率（避免短期反转效应干扰） 2. 标准化处理：$\text{Momentum} = \frac{R_{1y} - R_{1m}}{\sigma(R_{1y})}$ 3. 选取标准化得分最高的前100只股票构建组合[27] - 评价：适用于趋势性市场，但在震荡市中可能失效 2. 反转因子 - 构建思路：捕捉短期超跌股票的反弹机会[27] - 具体构建： 1. 计算股票过去1个月的收益率 2. 选取收益率最低的100只股票，按流动性加权[27] - 评价：与动量因子互补，适合均值回归策略 3. 风格拥挤度模型 - 构建思路：通过换手率偏离度衡量风格过热风险[125] - 具体构建： 1. 计算风格指数（如成长、红利）的半年日均换手率 2. 标准化：$Z = \frac{\text{Turnover}_{style} - \text{Turnover}_{market}}{\sigma(\text{Turnover}_{market})}$ 3. 滚动3年窗口计算历史分位数[125] - 评价：有效预警风格切换，但需结合基本面验证 4. 机构调研活跃度因子 - 构建思路：跟踪机构调研频率与市场表现的关联性[127] - 具体构建： 1. 统计行业/指数近63日的日均调研次数 2. 标准化后与全市场基准作差，计算3年分位数[127] --- 量化因子回测效果 | 因子名称 | 年化收益 | 最大回撤 | IR | 胜率 | |----------------|----------|----------|------|-------| | 动量因子 | 12.3% | -22.5% | 1.8 | 68% | [27] | 反转因子 | 9.8% | -18.7% | 1.2 | 62% | [27] | 成长风格拥挤度 | -0.9%* | -15.3% | -0.5 | 45% | [33] | 小盘风格拥挤度 | 2.6%* | -12.1% | 0.7 | 58% | [38] （*为年初至今超额收益） --- 关键指标测试结果 1. 风格拥挤度分位数（最新） - 成长风格：0%（历史极低）[33] - 红利风格：0%（历史极低）[33] - 小盘风格：0%（历史极低）[38] - 微盘股：5%（历史低位）[40] 2. 股债性价比（ERP） - 万得全A：3.5%，分位数76%[80] - 创业板：1.6%，分位数97%（极高）[80] 3. 机构调研活跃度 - 商贸零售：100%（历史最高）[108] - 医药：5%（历史极低）[108] --- 注：所有公式及指标计算均引用自原文附录方法[125][126][127]