根据研报内容，以下是量化模型与因子的详细总结： 量化因子与构建方式 1. 因子名称：Trend风格因子 - 构建思路：捕捉市场趋势持续性，通过不同时间窗口的指数加权移动平均比率衡量趋势强度[16] - 具体构建： - Trend_120 = EWMA(halflife=20)/EWMA(halflife=120) - Trend_240 = EWMA(halflife=20)/EWMA(halflife=240) 其中EWMA为指数加权移动平均，halflife为半衰期参数[16] - 因子评价：反映市场对趋势策略的偏好，近期表现突出[11][13] 2. 因子名称：PB_ROE_排序差因子 - 构建思路：结合估值与盈利质量，通过市净率与ROE的排序差异捕捉相对低估机会[20] - 具体构建： $PB\_ROE\_RANK = Rank(PB) - Rank(ROE)$ 其中Rank为全市场排序分位数[20] - 因子评价：在中证1000样本中表现最佳，体现中小盘股估值修复逻辑[36] 3. 因子名称：预期PEG因子 - 构建思路：衡量成长性与估值匹配度，反向指标[20] - 具体构建： $TTM\_FPEG = \frac{一致预期滚动PE}{个股滚动净利复合增长率}$ 采用分析师一致预期数据[20] - 因子评价：在中证全指样本中表现最优，反映市场对确定性成长的溢价[47] 4. 因子名称：DELTAROA因子 - 构建思路：跟踪企业总资产收益率的变化，捕捉盈利改善信号[20] - 具体构建： $DELTAROA = ROA_{t} - ROA_{t-4}$ 采用单季同比变化计算[20] - 因子评价：在创业板指样本中领跑，体现业绩反转效应[42] 5. 因子名称：标准化预期外盈利(SUE) - 构建思路：量化盈利超预期程度，反映基本面惊喜[20] - 具体构建： $SUE = \frac{单季实际净利-预期净利}{预期净利标准差}$ 采用分析师预期标准差标准化[20] - 因子评价：在中证1000样本中表现强劲，信息比率达8.25%[36] 因子回测效果 | 因子名称 | 最近一周 | 最近一月 | 今年以来 | 近1年年化 | 历史年化 | |------------------------|----------|----------|----------|------------|----------| | Trend风格因子[13] | 2.26% | 2.98% | -3.81% | 24.24% | 14.10% | | PB_ROE_排序差[36] | 1.38% | 2.31% | 2.77% | 0.85% | 10.84% | | 预期PEG[47] | 1.79% | 3.62% | 8.72% | 4.95% | 1.18% | | DELTAROA[43] | 2.75% | 10.46% | 17.77% | 53.15% | 6.74% | | 标准化预期外盈利[36] | 1.36% | 2.88% | 7.62% | 0.15% | 8.72% | 量化模型 1. 模型名称：MFE组合优化模型 - 构建思路：在控制风格/行业暴露约束下最大化单因子暴露，更贴近实际组合构建场景[61] - 具体构建： $\begin{array}{ll} \max & f^{T}w \\ s.t. & s_{l}\leq X(w-w_{b})\leq s_{h} \\ & h_{l}\leq H(w-w_{b})\leq h_{h} \\ & w_{l}\leq w-w_{b}\leq w_{h} \\ & b_{l}\leq B_{b}w\leq b_{h} \\ & 0\leq w\leq l \\ & 1^{T}w=1 \\ & \Sigma|w-w_{0}|\leq to_{h} \end{array}$ 其中$f$为因子向量，$w$为权重，约束包括风格暴露$X$、行业暴露$H$、换手率$to_h$等[61] - 模型评价：解决了传统IC检验与实战脱节的问题，支持多约束条件下的因子有效性验证[61] 模型回测效果 | 指数增强产品 | 最近一周超额收益 | 今年以来超额收益 | |--------------------|------------------|------------------| | 沪深300增强[53] | 0.82%/-0.45% | 8.53%/-1.49% | | 中证500增强[59] | 1.83%/-0.48% | 8.85%/-1.90% | | 中证1000增强[60] | 1.03%/-0.46% | 13.10%/0.70% |