量化因子与构建方式 1 因子名称：盈利预期期限结构因子 因子构建思路：通过分析分析师对上市公司未来多年盈利预测的趋势（期限结构），将盈利预测数据与年度变量拟合斜率，量化分析师的乐观、中性或悲观预期[7] 因子具体构建过程： - 将未来年度（如第1年、第2年等）作为X轴，对应盈利预测值作为Y轴 - 对数据点进行线性回归，计算斜率： $\text{斜率} = \frac{n\sum xy - (\sum x)(\sum y)}{n\sum x^2 - (\sum x)^2}$ 其中，( x )为年度变量，( y )为盈利预测值，( n )为预测年度数 - 根据斜率正负和大小划分期限结构形态（向上倾斜/水平/向下倾斜）[7] 因子评价：历史表现稳定，能有效捕捉分析师预期差异[9] 2 因子名称：合成动量ff因子 因子构建思路：将盈利预期期限结构因子（动量ff）与传统分析师预期调升因子（如一致预期净利润3个月变化率）结合，提升稳定性和收益能力[11] 因子具体构建过程： - 标准化处理两个因子的数值 - 按一定权重线性合成（具体权重未披露）： $\text{合成动量ff} = w_1 \times \text{动量ff} + w_2 \times \text{预期调升因子}$ 因子评价：兼具高收益与稳定性，2021年后回撤显著改善[11] --- 因子的回测效果 1 盈利预期期限结构因子：累计IC表现稳定（图示趋势，无具体数值）[8][9] 2 合成动量ff因子：累计IC曲线优于传统预期调升因子（图示对比）[12] --- 量化模型与构建方式 1 模型名称：多指数选股组合模型 模型构建思路：基于合成动量ff因子在不同指数成分股中筛选排名靠前的股票构建组合[15] 模型具体构建过程： - 在沪深300、中证500、中证800、中证1000成分股中分别选取因子排名前50、50、100、100的股票 - 等权重配置，定期调仓（频率未明确）[15] --- 模型的回测效果 1 沪深300选股组合： - 2025年6月超额收益4.29% - 2025上半年累计超额收益5.36%[15] 2 中证500选股组合： - 2025年6月超额收益2.36% - 2025上半年累计超额收益3.76%[15] 3 中证800选股组合： - 2025年6月超额收益3.72% - 2025上半年累计超额收益5.55%[15] 4 中证1000选股组合： - 2025年6月超额收益1.69% - 2025上半年累计超额收益4.17%[15]