根据提供的量化分析报告内容，以下是关于量化模型和因子的详细总结： 量化模型与构建方式 1. 模型名称：小盘风格因子三标尺模型 模型构建思路：通过因子赔率、因子动量和因子拥挤度三个维度对小盘风格进行择时判断[20][23] 模型具体构建过程： - 因子赔率：计算多空两组的估值价差，即因子多空两组BP中位数的比率 - 因子动量：计算因子过去12个月的ICIR - 因子拥挤度：计算多空两组的换手率比率、波动率比率和beta比率的等权平均 - 得分标准化：采用滚动六年窗口，λ=0.995的衰减系数加权构建均值和标准差 - 最终打分：将指标得分划分为-2/-1/0/+1/+2五档，三个标尺得分加总为最终打分[23] 模型评价：该模型能够有效预警小盘风格的系统性风险，如2023年底的综合负分准确预警了后续回撤[21][24] 2. 模型名称：T-M模型（Treynor-Mazuy模型） 模型构建思路：用于分析基金的选股和择时能力[65] 模型具体构建过程： $R_{p}-R_{f}=\alpha+\beta_{1}\big(R_{m}-R_{f}\big)+\beta_{2}\big(R_{m}-R_{f}\big)^{2}+\varepsilon_{p}$ 其中α衡量选股能力，β₂衡量择时能力，β₁衡量系统风险，市场基准采用万得全A等权指数[65][66] 模型评价：该模型能够有效区分基金的选股能力和市场时机把握能力[66] 量化因子与构建方式 1. 因子名称：小盘风格因子 因子构建思路：捕捉小盘股相对于大盘股的长期定价误差带来的超额收益[7][30] 因子具体构建过程： - 通过中证1000/沪深300的相对收益构建多空组合 - 结合GK模型拆解小盘股的收益来源（估值变化贡献年化19.1%）[7][8] - 验证其在信用扩张阶段（阶段1）的弹性优势（年化收益达40%+）[19][22] 因子评价：小盘因子在流动性宽松环境下表现突出，但需警惕拥挤度风险[24][26] 2. 因子名称：量化交易活跃度因子 因子构建思路：利用量化交易在小盘股中的信息优势捕捉Alpha[11][13] 因子具体构建过程： - 按量化交易参与度将股票分为5组（QT1-QT5） - QT5组（最高活跃度）未来两周超额收益显著（见图表3）[13][14] 因子评价：该因子在小盘股中效果更显著，验证了量化策略的信息优势[11] 模型的回测效果 1. 小盘风格因子三标尺模型： - 2023年底预警时赔率-1.0σ/趋势1.1σ/拥挤度1.4σ[21] - 当前（2025/7/4）赔率-0.6σ/趋势1.1σ/拥挤度0.6σ[24] 2. T-M模型： - 易方达易百智能量化策略A选股能力年化9.02%[67] - 系统风险系数0.91[67] 因子的回测效果 1. 小盘风格因子： - 中证1000指增产品年化超额11.51%（300指增仅3.61%）[30][31] - 信用扩张阶段年化收益超40%[22] 2. 量化交易活跃度因子： - QT5组相对基准周度超额0.82%（统计显著）[13] 注：报告未提供部分因子的具体计算公式和完整参数，已根据可获取信息最大限度还原模型架构[1][5]