量化模型与构建方式 1. 模型名称：中性约束条件下最大化因子暴露组合 - 模型构建思路：在确保投资组合相对基准指数在行业和风格暴露保持中性的基础上，最大化目标因子在组合中的暴露[20] - 模型具体构建过程： 1. 股票池筛选：剔除上市时间不满1年的新股及存在风险警示的股票[44] 2. 因子中性化：对单因子进行行业、风格（规模、估值、成长）相关性中性化处理[45] 3. 组合优化：通过线性规划或二次规划方法，在行业和风格中性约束下最大化因子暴露[20] - 模型评价：有效控制行业和风格风险，聚焦因子纯收益 量化因子与构建方式 1. 因子名称：估值因子（BP） - 因子构建思路：衡量公司账面价值与市值的比率，捕捉低估值股票的超额收益[15] - 因子具体构建过程： $BP = \frac{\text{归属母公司股东权益}}{\text{总市值}}$ 数据来源为财报归母股东权益和最新市值[15] - 因子评价：长期有效但易受市场风格切换影响 2. 因子名称：成长因子（SGRO+EGRO） - 因子构建思路：综合营业收入和净利润增长率，反映公司成长性[15] - 因子具体构建过程： $SGRO = \text{每股营业收入回归斜率}/\text{均值}$ $EGRO = \text{每股归母净利润回归斜率}/\text{均值}$ 使用过去5个财年年报数据线性回归[15] 3. 因子名称：波动性因子（DASTD+CMRA+HSIGMA） - 因子构建思路：通过历史波动率、累计收益范围及残差波动衡量股票风险[15] - 因子具体构建过程： $DASTD = \text{半衰加权超额收益标准差（半衰期40天）}$ $CMRA = \text{12个月累计最高收益-最低收益}$ $HSIGMA = \text{BETA回归残差标准差}$[15] 4. 因子名称：标准化预期外盈利 - 因子构建思路：衡量盈利超预期程度，标准化处理增强可比性[19] - 因子具体构建过程： $\text{标准化预期外盈利} = \frac{\text{实际盈利-预期盈利}}{\text{历史盈利波动标准差}}$ 预期盈利基于去年同期值+过去8季度增长均值[19] 模型的回测效果 1. 中性约束组合（沪深300）： - 近一周超额收益：单季度EP（1.21%）、BP（1.14%）、EP_TTM（1.09%）[22] - 近一月超额收益：单季度EP（3.85%）、EP_TTM（3.44%）、单季度ROE（2.99%）[22] 2. 中性约束组合（中证500）： - 近一周超额收益：单季度ROE（1.43%）、单季度ROE同比（1.18%）、EP_TTM（0.92%）[27] - 近一月超额收益：单季度ROE同比（3.41%）、单季度ROE（3.03%）、单季度EP（2.95%）[27] 因子的回测效果 1. BP因子： - 全市场Rank IC：近一周16.15%、近十年年化3.72%[45] - 沪深300多空收益：近一周1.14%、近十年年化3.68%[22] 2. 240日三因子模型残差波动率： - 全市场Rank IC：近一周13.84%、近十年年化3.97%[45] - 中证1000超额收益：近一周-0.24%[37] 3. 60日动量因子： - 全市场Rank IC：近一周11.67%、近十年年化-0.42%[45] - 沪深300超额收益：近一周0.17%、近一年-5.03%[22] 4. 标准化预期外盈利： - 中证1000超额收益：近一周0.91%、近十年年化7.84%[37] - 全市场Rank IC：近一周6.15%、近十年年化2.08%[45] 风格因子表现 - Beta因子：近一周多空收益-2.89%，反映低Beta股票占优[17] - 波动性因子：近一周多空收益-2.31%，低波动资产受青睐[17] - 估值因子：近一周多空收益1.90%，防御特征显著[17]