根据研报内容，以下是关于量化模型和因子的总结： 量化因子与构建方式 1. Barra风格因子[14] 因子构建思路：采用经典的Barra风险模型框架，构建多个维度（如市场、估值、盈利等）的风格因子，用于描述股票的风险收益特征[14] 因子具体构建过程： - Beta因子：历史beta - 市值因子：总市值取自然对数 - 动量因子：历史超额收益率序列均值 - 波动因子： - 非线性市值因子：市值风格的三次方 - 估值因子：市净率倒数 - 流动性因子： - 盈利因子： - 成长因子： - 杠杆因子： 2. 技术类因子[19][26][30] 因子构建思路：基于股价和交易量数据构建动量、波动率等技术指标因子 因子具体构建过程： - 20日动量因子：基于20日价格变化的动量指标 - 60日动量因子：基于60日价格变化的动量指标 - 120日动量因子：基于120日价格变化的动量指标 - 20日波动因子：基于20日价格波动率 - 60日波动因子：基于60日价格波动率 - 120日波动因子：基于120日价格波动率 - 中位数离差因子：价格相对于中位数的偏离程度 3. 基本面因子[22][26][29] 因子构建思路：基于财务报表数据构建估值、盈利、成长等基本面指标 因子具体构建过程： - 估值类因子：市盈率、市销率等估值指标 - 盈利类因子：ROE、ROA、营业利润率等盈利能力指标 - 成长类因子：ROC增长、ROA增长、营业利润增长等成长性指标 - 超预期增长类因子：ROC超预期增长、ROA超预期增长、净利润超预期增长等 - 静态财务因子：营业周转率等静态财务指标 量化模型与构建方式 1. GRU模型[20][32] 模型构建思路：使用门控循环单元（GRU）神经网络预测股票收益，基于不同训练目标构建多个模型变体 模型具体构建过程： - close1d模型：预测未来一日close to close收益的GRU模型 - open1d模型：预测未来一日open to open收益的GRU模型 - barra1d模型：基于Barra因子体系预测收益的GRU模型 - barra5d模型：基于Barra因子体系预测5日收益的GRU模型 2. 多因子模型[32] 模型构建思路：综合多个有效因子构建复合多因子选股模型 模型的回测效果 1. GRU模型多头组合表现[33] - open1d模型：近一周超额0.68%，近一月-1.02%，近三月-2.91%，近六月2.05%，今年以来4.85% - close1d模型：近一周超额1.29%，近一月-2.29%，近三月-6.21%，近六月0.42%，今年以来1.44% - barra1d模型：近一周超额-0.17%，近一月0.42%，近三月1.64%，近六月3.68%，今年以来5.22% - barra5d模型：近一周超额1.60%，近一月-2.60%，近三月-5.71%，近六月0.56%，今年以来3.45% 2. 多因子组合表现[33] - 近一周超额1.35%，近一月-0.76%，近三月-2.34%，近六月-1.07%，今年以来0.88% 因子的回测效果 1. 技术类因子多空收益表现[19][26][30] - 20日动量因子：全市场近一周-1.61%，中证500近一周-3.50%，中证1000近一周-2.35% - 60日动量因子：全市场近一周-3.11%，中证500近一周-3.51%，中证1000近一周-3.74% - 120日动量因子：全市场近一周-2.86%，中证500近一周-3.81%，中证1000近一周-3.46% - 20日波动因子：全市场近一周-3.10%，中证500近一周-3.97%，中证1000近一周-4.54% - 60日波动因子：全市场近一周-2.78%，中证500近一周-2.30%，中证1000近一周-3.90% - 120日波动因子：全市场近一周-1.93%，中证500近一周-3.38%，中证1000近一周-4.01% 2. 基本面因子多空收益表现[22][26][29] - 估值类因子：沪深300内多数表现为负向，如市盈率因子近一周-1.62% - 盈利类因子：沪深300内ROE因子近一周-0.86%，ROA因子近一周-0.71% - 成长类因子：沪深300内ROC增长因子近一周0.68%，ROA增长因子近一周0.82% - 超预期增长类因子：沪深300内ROC超预期增长近一周-0.25%，净利润超预期增长近一周0.68%
中邮因子周报：价值风格占优，风格切换显现-20251013
中邮证券·2025-10-13 16:31