根据提供的研报内容，总结如下： 量化模型与构建方式 1. 模型名称：指数成分股调整预测模型[12] * 模型构建思路：根据中证指数公司发布的指数编制规则，对主流指数（如沪深300、中证500）在定期调整窗口期（5月和11月）的成分股调入调出名单进行预测[2][12] * 模型具体构建过程：预测过程严格遵循中证指数公司的官方编制方案，主要步骤包括： 1. 确定样本空间：样本空间由满足以下条件的证券构成：非ST、*ST沪深A股和红筹企业发行的存托凭证；科创板证券、创业板证券上市时间超过一年；其他证券上市时间超过一个季度，除非该证券自上市以来日均总市值排在前30位[12] 2. 沪深300指数选样方法： * 对样本空间内证券按照过去一年的日均成交金额由高到低排名，剔除排名后50%的证券[12] * 对样本空间内剩余证券，按照过去一年的日均总市值由高到低排名，选取前300名的证券作为指数样本[12] 3. 中证500指数选样方法： * 在样本空间中剔除沪深300指数样本以及过去一年日均总市值排名前300的证券[12] * 对样本空间内剩余证券按照过去一年的日均成交金额由高到低排名，剔除排名后20%的证券[12] * 对样本空间内剩余证券，按照过去一年的日均总市值由高到低排名，选取前500名的证券作为指数样本[12] 4. 应用缓冲区规则： * 沪深300指数缓冲区规则：日均总市值排名在前240名的候选新样本优先进入；日均总市值排名在前360名的老样本优先保留[12] * 中证500指数缓冲区规则：日均成交金额排名在样本空间的剩余证券（剔除沪深300指数样本及过去一年日均总市值排名前300的证券后）前90%的老样本可参与下一步日均总市值排名；日均总市值排名在前400名的候选新样本优先进入；日均总市值排名在前600名的老样本优先保留[12] 2. 模型名称：事件收益分析模型[23] * 模型构建思路：统计分析指数成分股在调入或调出事件发生前后相对于指数本身的超额收益表现，以揭示事件带来的收益特征[4][23] * 模型具体构建过程：为了贴近当前市场表现，统计了2020年以来所有调整周期内沪深300指数和中证500指数样本在调入或调出前后各60个交易日相对于指数本身的累计超额收益[23] 计算累计超额收益的典型方法是：首先计算个股和对应指数在事件窗口期内的日收益率，然后计算个股日收益率与指数日收益率的差值，即日超额收益，最后将窗口期内的日超额收益累加得到累计超额收益 模型的回测效果 1. 事件收益分析模型，在调整日前，调入样本累计超额收益为正，调出样本累计超额收益为负[23][25][26][29] 在调整日后，中证500指数调入样本累计超额收益呈现为负[25][29] 量化因子与构建方式 1. 因子名称：调入调出事件因子[4][23] * 因子构建思路：基于指数成分股调整事件构建因子，捕捉因指数基金调仓等行为带来的股价短期动量效应[4][23] * 因子具体构建过程：该因子为二元因子，对于在预测窗口期内被预测为将调入特定指数的股票，赋予正向因子值（例如1）；对于被预测为将调出特定指数的股票，赋予负向因子值（例如-1）；其他股票因子值为0[2][12][13][16] 因子的核心在于对调入调出事件的准确预测 因子的回测效果 1. 调入调出事件因子，表现出显著的事件效应：调入事件在调整日前具有正超额收益，调出事件在调整日前具有负超额收益[4][23]