根据研报内容，现对其中涉及的量化模型与因子进行总结如下： 量化模型与构建方式 1. 模型名称：扩散指数模型-首次阈值法（左侧交易）[4][5][41] * 模型构建思路：基于微盘股扩散指数进行左侧交易，当指数首次触及预设的风险阈值时触发交易信号[5][41] * 模型具体构建过程：该模型的核心是监测微盘股扩散指数的数值。当扩散指数在特定观察日收盘时达到或超过预设的阈值（例如0.925），则模型会发出空仓信号。具体而言，该模型于2025年11月14日收盘时，因扩散指数收于0.925而触发了空仓信号[5][41] 2. 模型名称：扩散指数模型-延迟阈值法（右侧交易）[4][5][44][46] * 模型构建思路：基于微盘股扩散指数进行右侧交易，在指数确认突破阈值后给予交易信号，相较于首次阈值法有所延迟[5][44][46] * 模型具体构建过程：该模型同样监测微盘股扩散指数，但在信号触发机制上更为谨慎。它要求指数在首次触及阈值后，在后续的某个交易日收盘时确认该水平（例如收于0.8975），才正式发出交易信号。具体而言，该模型于2025年11月17日收盘时，因扩散指数收于0.8975而给予了空仓信号[5][46] 3. 模型名称：扩散指数模型-双均线法（自适应交易）[4][5][47] * 模型构建思路：采用两条移动平均线来判断微盘股扩散指数的趋势，从而自适应地产生交易信号[5][47] * 模型具体构建过程：该模型通过计算扩散指数的两条不同周期的移动平均线（具体周期未在报告中明确给出），并根据两条均线的相对位置（例如短期均线上穿长期均线为看多信号，反之为看空信号）来生成交易指令。具体而言，该模型于2025年10月13日收盘时给予了看多的信号[5][47] 4. 模型名称：小市值低波50策略[7][16][33] * 模型构建思路：在万得微盘股指数的成分股中，结合市值和波动率两个因子，筛选出50只股票构建投资组合[7][16][33] * 模型具体构建过程：该策略的构建过程分为两步。首先，确定股票池为万得微盘股指数(8841431.WI)的成分股。其次，在该股票池内，同时使用“小市值”和“低波动”两个标准进行筛选，优选同时满足条件的50只股票。组合每双周调仓一次。交易成本假设为双边千分之三[7][16][33] 模型的回测效果 1. 小市值低波50策略，2024年收益7.07%，超额收益-2.93%（基准为万得微盘股指数）；2025年至今（YTD）收益63.78%，本周超额收益-2.23%[7][16][33] 量化因子与构建方式 1. 因子名称：对数市值因子[16][31] * 因子构建思路：使用股票总市值的自然对数来衡量公司规模大小[16][31] * 因子具体构建过程：对于每只股票，计算其总市值的自然对数。公式为： $因子值 = \ln(总市值)$ 其中，总市值单位为亿元[16][31] 2. 因子名称：非线性市值因子[16][31] * 因子构建思路：通过对市值进行非线性变换，以捕捉市值因子中可能存在的非线性效应[16][31] * 因子具体构建过程：报告未详细说明其具体构建公式，但指出其本周表现与对数市值因子完全相同（rankIC均为0.225），可能为对数市值因子的某种非线性变形[16][31] 3. 因子名称：贝塔因子[4][16][31] * 因子构建思路：衡量股票收益率相对于市场基准收益率（通常为市场指数）的敏感度，即系统性风险[4][16][31] * 因子具体构建过程：通过线性回归模型计算，因变量为股票的历史收益率，自变量为市场基准的历史收益率。回归系数即为贝塔值。公式可表示为： $R_{i,t} = \alpha_i + \beta_i R_{m,t} + \epsilon_{i,t}$ 其中，$R_{i,t}$ 是股票i在t期的收益率，$R_{m,t}$ 是市场组合在t期的收益率，$\beta_i$ 即为所求的贝塔因子值[4][16][31] 4. 因子名称：未复权股价因子[4][16][31] * 因子构建思路：直接使用股票的未复权价格作为因子，可能用于捕捉低价股效应[4][16][31] * 因子具体构建过程：直接取用股票的未复权收盘价作为因子值[4][16][31] 5. 因子名称：过去一年波动率因子[16][31] * 因子构建思路：计算股票过去一年日收益率的年化标准差，用以衡量股票的历史风险或波动程度[16][31] * 因子具体构建过程：计算股票过去约250个交易日（一年）日收益率的标准差，然后进行年化。公式为： $波动率 = \sqrt{252} \times \sqrt{\frac{1}{N-1} \sum_{t=1}^{N} (r_t - \bar{r})^2}$ 其中，$r_t$ 为日收益率，$\bar{r}$ 为日收益率的均值，N为交易日的数量[16][31] 6. 因子名称：过去10天收益率因子[16][31] * 因子构建思路：计算股票过去10个交易日的累计收益率，作为短期动量或反转效应的代理变量[16][31] * 因子具体构建过程：因子值为过去10个交易日（包含当日）的累计收益率。公式为： $因子值 = \frac{P_t}{P_{t-9}} - 1$ 其中，$P_t$ 为当前收盘价，$P_{t-9}$ 为10个交易日前的收盘价[16][31] 7. 因子名称：动量因子[16][31] * 因子构建思路：衡量股票在过去特定时期内的价格趋势，通常用于捕捉动量效应[16][31] * 因子具体构建过程：报告未明确其具体计算窗口，但通常为过去一段时间（如11个月至1个月前）的累计收益率，以排除近期反转效应[16][31] 8. 因子名称：杠杆因子[4][16][31] * 因子构建思路：衡量公司的财务杠杆水平，通常使用资产负债率等指标[4][16][31] * 因子具体构建过程：报告未给出具体计算公式，通常可能为总资产除以净资产，或总负债除以总资产等[4][16][31] 9. 因子名称：单季度净利润增速因子[16][31] * 因子构建思路：衡量公司最新单季度净利润相对于去年同期的增长情况，反映公司近期的盈利增长能力[16][31] * 因子具体构建过程：因子值为（本期单季度净利润 - 上年同期单季度净利润） / |上年同期单季度净利润|。公式为： $因子值 = \frac{NP_{t} - NP_{t-4}}{|NP_{t-4}|}$ 其中，$NP_{t}$ 为本期单季度净利润，$NP_{t-4}$ 为上年同期的单季度净利润[16][31] 10. 因子名称：标准化预期盈利因子[16][31] * 因子构建思路：使用分析师的预期盈利数据，并经过标准化处理（如除以总资产或总市值），以衡量公司的估值或盈利预期[16][31] * 因子具体构建过程：报告未给出具体构建方法，可能为预期每股收益（EPS）除以当前股价，或预期净利润除以总市值等[16][31] 11. 因子名称：自由流通比例因子[4] * 因子构建思路：使用自由流通股本占总股本的比例作为因子，可能与流动性或市场关注度相关[4] * 因子具体构建过程：因子值为自由流通股本 / 总股本[4] 12. 因子名称：成交额因子[4] * 因子构建思路：使用股票的成交金额作为因子，通常作为流动性或关注度的度量[4] * 因子具体构建过程：直接取用股票的日成交额或一段时间内的平均成交额作为因子值[4] 13. 因子名称：流动性因子[4] * 因子构建思路：衡量股票的流动性，可能基于价量关系构建，如Amihud非流动性指标的反向[4] * 因子具体构建过程：报告未给出具体构建方法[4] 14. 因子名称：股息率因子[4] * 因子构建思路：使用股票的股息率作为因子，属于盈利类因子[4] * 因子具体构建过程：因子值为每股股息 / 每股股价[4] 15. 因子名称：非流动性因子[4] * 因子构建思路：衡量股票的非流动性程度，通常与流动性因子相反，可能基于Amihud指标等[4] * 因子具体构建过程：报告未给出具体构建方法[4] 16. 因子名称：pe_ttm倒数因子[4] * 因子构建思路：使用市盈率（TTM）的倒数作为因子，属于估值类因子，也称为盈利收益率[4] * 因子具体构建过程：因子值为1 / 市盈率（TTM）[4] 17. 因子名称：单季度净资产收益率因子[4] * 因子构建思路：使用单季度的净资产收益率（ROE）作为因子，衡量公司当季的盈利能力[4] * 因子具体构建过程：因子值为单季度净利润 / 当期平均净资产[4] 18. 因子名称：成长因子[31] * 因子构建思路：综合衡量公司的成长性，可能由多个成长类指标合成[31] * 因子具体构建过程：报告未给出具体构建方法[31] 19. 因子名称：盈利因子[31] * 因子构建思路：综合衡量公司的盈利能力，可能由多个盈利类指标合成[31] * 因子具体构建过程：报告未给出具体构建方法[31] 20. 因子名称：10天自由流通市值换手率因子[31] * 因子构建思路：计算过去10天的自由流通市值换手率，作为短期流动性的度量[31] * 因子具体构建过程：因子值为过去10天日均成交额 / 自由流通市值[31] 21. 因子名称：10天总市值换手率因子[31] * 因子构建思路：计算过去10天的总市值换手率，作为流动性的度量[31] * 因子具体构建过程：因子值为过去10天日均成交额 / 总市值[31] 22. 因子名称：pb倒数因子[31] * 因子构建思路：使用市净率（PB）的倒数作为因子，属于估值类因子[31] * 因子具体构建过程：因子值为1 / 市净率[31] 23. 因子名称：残差波动率因子[31] * 因子构建思路：衡量股票收益率中不能被市场因子解释的部分（残差）的波动率，代表特异风险[31] * 因子具体构建过程：通过回归模型（如市场模型）计算残差序列，然后计算残差序列的标准差[31] 因子的回测效果 1. 对数市值因子，本周rankIC值0.225，历史平均rankIC值-0.034[16][31] 2. 非线性市值因子，本周rankIC值0.225，历史平均rankIC值-0.034[16][31] 3. 贝塔因子，本周rankIC值0.083，历史平均rankIC值0.003[16][31] 4. 未复权股价因子，本周rankIC值0.065，历史平均rankIC值-0.017[16][31] 5. 过去一年波动率因子，本周rankIC值0.06，历史平均rankIC值-0.033[16][31] 6. 过去10天收益率因子，本周rankIC值-0.226，历史平均rankIC值-0.061[16][31] 7. 动量因子，本周rankIC值-0.196，历史平均rankIC值-0.006[16][31] 8. 杠杆因子，本周rankIC值-0.114，历史平均rankIC值-0.005[16][31] 9. 单季度净利润增速因子，本周rankIC值-0.11，历史平均rankIC值0.019[16][31] 10. 标准化预期盈利因子，本周rankIC值-0.104，历史平均rankIC值0.013[16][31] 11. 自由流通比例因子，本周rankIC值0.138，历史平均rankIC值-0.012[4] 12. 成交额因子，本周rankIC值0.116，历史平均rankIC值-0.081[4] 13. 流动性因子，本周rankIC值0.075，历史平均rankIC值-0.041[4] 14. 股息率因子，本周rankIC值0.064，历史平均rankIC值0.022[4] 15. 非流动性因子，本周rankIC值-0.161，历史平均rankIC值0.039[4] 16. pe_ttm倒数因子，本周rankIC值-0.138，历史平均rankIC值0.016[4] 17. 单季度净资产收益率因子，本周rankIC值-0.089，历史平均rankIC值0.021[4] 18. 成长因子，本周rankIC值0.031，历史平均rankIC值0.011[31] 19. 盈利因子，本周rankIC值0.022，历史平均rankIC值0.021[31] 20. 10天自由流通市值换手率因子，本周rankIC值-0.019，历史平均rankIC值-0.006[31] 21. 10天总市值换手率因子，本周rankIC值-0.02，历史平均rankIC值-0.005[31] 22. pb倒数因子，本周rankIC值-0.033，历史平均rankIC值0.012[31] 23. 残差波动率因子，本周rankIC值-0.041，历史平均rankIC值-0.002[31]