量化模型与构建方式 1. 模型名称：股指分红点位测算模型[41][42][44] * 模型构建思路： 精确预测股指期货合约存续期内，其标的价格指数因成分股分红除息导致的点位自然下滑，以准确计算期货合约的升贴水幅度[12][41] * 模型具体构建过程： 模型核心是计算从当前时刻t到期货合约到期日T期间，指数所有成分股分红所导致的总分红点数。具体流程如下[41][42][44]： 1. 数据准备： 获取指数成分股列表及精确的日度权重数据（非月末估算值）[47][48]。 2. 个股分红金额判断： * 若公司已公布分红金额，则直接采用[44][49]。 * 若未公布，则需预测。分红金额由预测的净利润乘以预测的股息支付率得到，即：分红金额 = 净利润 × 股息支付率[49]。 3. 净利润预测： 采用基于历史净利润分布的动态预测法[52]。 * 若公司已发布年报、快报或业绩预告，直接采用其数据（业绩预告取上下限均值）[50]。 * 若未发布，则根据其历史季度盈利分布稳定性进行分类预测：盈利稳定的公司按历史规律预测；盈利不稳定的公司采用上年同期值[52]。 4. 股息支付率预测：[53][55] * 若公司去年分红，则采用去年股息支付率。 * 若去年不分红，则采用最近3年股息支付率平均值。 * 若从未分红，则默认今年不分红。 * 若预测值>100%，进行截尾处理。 5. 除息日预测： 采用基于历史间隔天数稳定性的线性外推法[53][58]。 * 若已公布除息日，直接采用。 * 若未公布，则根据公司是否已发布预案、所处阶段（预案/决案），利用历史公告日到除息日的间隔天数的稳定性进行线性外推预测。 * 若无可靠历史数据，则根据日历采用默认日期（7月31日、8月31日或9月30日）[58]。 6. 计算总分红点数： 汇总所有在(t, T]期间内有除息日的成分股的分红贡献。单个成分股的分红点数为：$\text{分红点数} = \sum_{n=1}^{N} \left[ \frac{\text{成分股分红金额}}{\text{成分股总市值}} \times \text{成分股权重} \times \text{指数收盘价} \right]$ 其中要求个股除权除息日满足 $t < \tau_n \leq T$[41]。 模型的回测效果 1. 股指分红点位测算模型，2023年预测误差：上证50指数和沪深300指数误差约5点，中证500指数误差约10点[63] 2. 股指分红点位测算模型，2024年预测误差：上证50指数和沪深300指数误差约5点，中证500指数误差约10点[63] 量化因子与构建方式 1. 因子名称：年化已实现股息率[3][17] * 因子构建思路： 计算指数中已实施现金分红的成分股所带来的股息收益占指数市值的比例[17] * 因子具体构建过程： $\text{已实现股息率} = \sum_{i=1}^{N_1} \left[ \frac{\text{成分股i已分红金额}}{\text{成分股i总市值}} \times \text{成分股权重} \right]$ 其中，$N_1$ 代表指数中已现金分红的公司数量[17] 2. 因子名称：年化剩余股息率[3][17] * 因子构建思路： 计算指数中尚未进行现金分红的成分股，其预测分红金额所带来的股息收益占指数市值的比例[17] * 因子具体构建过程： $\text{剩余股息率} = \sum_{j=1}^{N_2} \left[ \frac{\text{成分股j预测分红金额}}{\text{成分股j总市值}} \times \text{成分股权重} \right]$ 其中，$N_2$ 代表指数中尚未现金分红的公司数量[17] 因子的回测效果 1. 年化已实现股息率因子，截至2025/9/10取值：上证50指数 2.15%[3][17]，沪深300指数 1.75%[3][17]，中证500指数 1.14%[3][17]，中证1000指数 0.85%[3][17] 2. 年化剩余股息率因子，截至2025/9/10取值：上证50指数 0.61%[3][17]，沪深300指数 0.45%[3][17]，中证500指数 0.17%[3][17]，中证1000指数 0.10%[3][17]