根据提供的研报内容，以下是关于量化模型和因子的总结。 量化模型与构建方式 1. 模型名称：股指分红点位测算模型[13][42] * 模型构建思路：该模型旨在精确测算股指期货合约存续期内，其标的指数因成分股分红除息而导致的理论点位自然滑落值（即分红点数），以更准确地计算股指期货的升贴水幅度[13][42] * 模型具体构建过程：模型的核心是计算从当前时刻（t）到期货合约到期日（T）之间，所有成分股除息所带来的指数点位影响总和[42] 具体构建流程如下[43]： * 步骤1：获取基础数据。获取指数成分股列表、指数收盘价、成分股总市值等可直接获取的准确数据[45] * 步骤2：确定成分股权重。为精确计算，模型采用中证指数公司每日披露的日度收盘权重数据，而非基于月末权重的估算值，以确保权重的准确性[46][47] 若需估算，公式为： $W_{n,t}={\frac{w_{i0}\times(1+r_{n})}{\sum_{i=1}^{N}w_{i0}\times(1+r_{n})}}$ 其中，W_{n,t} 为当前日期t的估算权重，w_{i0} 为最近一次指数公司公布权重日（t_0）的权重，r_n 为个股从t_0到t期间的非复权涨跌幅[46] * 步骤3：预测个股分红金额。对于每只成分股，若已公布分红金额则直接采用，否则需进行预测。分红金额由净利润和股息支付率决定：分红金额 = 净利润 × 股息支付率[48] * 净利润预测：采用基于历史净利润分布的动态预测法[51] 若公司已公布年报、快报或业绩预告，则直接采用（业绩预告取上下限均值）；若未公布，则根据其历史季度盈利分布稳定性进行分类预测：对于盈利分布稳定的公司，按其历史规律预测；对于不稳定的公司，使用上年同期盈利作为预测值[49][51] * 股息支付率预测：采用历史数据平均法。若去年分红，则用去年股息支付率；若去年不分红，则用最近3年平均；若从未分红，则默认今年不分红；当预测值大于100%时进行截尾处理[52][54] * 步骤4：预测除息日。采用基于历史间隔天数稳定性的线性外推法[52] 若公司已公布除息日，则直接采用[57] 否则： * 若未公布分红预案，则参考去年或前年的分红日期，但需判断其合理性（如是否在当前日期之前或距离太近）[57] * 若已公布预案，则根据其所处分红阶段（预案或决案），判断过去三年从相应公告日到除息日的间隔天数是否稳定。若稳定，则用该平均间隔天数与今年公告日进行线性外推；若不稳定，则参考历史分红日期[57] * 若无合适的历史日期参考，则根据预测时间点设置默认日期（7月31日、8月31日或9月30日）[57] * 步骤5：计算总分红点数。汇总所有满足条件（除息日介于t和T之间）的成分股分红对指数的影响，核心公式为： 分红点数 = Σ [ (成分股分红金额 / 成分股总市值) × 成分股权重 × 指数收盘价 ][42] * 模型评价：该模型对股指分红点位的测算具有较好的预测准确性，尤其对于上证50和沪深300指数效果更佳[62] 量化因子与构建方式 1. 因子名称：股息率[3][16] * 因子构建思路：通过计算上市公司预案分红金额与其当前总市值的比率，来衡量股票的现金分红回报水平[16] * 因子具体构建过程：因子计算基于已披露的分红预案。对于单只股票，其股息率因子的计算公式为： 个股股息率 = 预案分红金额 / 当前总市值[16] 在行业层面，通过对行业内已公布预案股票的个股股息率进行统计，得到行业中位数等统计值用于比较[3][16] 模型的回测效果 1. 股指分红点位测算模型： * 预测误差（2023年）：对上证50指数和沪深300指数的预测误差基本在5个点左右，对中证500指数的预测误差基本稳定在10个点左右[62] * 预测误差（2024年）：对上证50指数和沪深300指数的预测误差基本在5个点左右，对中证500指数的预测误差基本稳定在10个点左右[62] * 预测准确性：模型对于上证50、沪深300及中证500股指期货合约的预测股息点与实际股息点相比，具有较好的预测准确性，其中上证50和沪深300股指期货的预测效果最好，中证500股指期货的偏离度稍大[62] 因子的回测效果 1. 股息率因子： * 行业排名（截至2025年10月14日）：各行业已公布分红预案股票的股息率中位数排名中，煤炭、银行和钢铁行业的股息率排名前三[3][16]