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：预期高股息组合模型[3][8] * 模型构建思路：该模型旨在构建一个高股息股票组合，其核心是预测股票的预期股息率，而非仅依赖历史股息率。模型采用两阶段方法构建预期股息率指标，并辅以反转因子和盈利因子进行辅助筛选，最终在沪深300成份股中优选个股构建组合。[3][8] * 模型具体构建过程： 1. 确定股票池：以沪深300指数成份股为初选池，剔除其中处于停牌或涨停状态的股票。[9] 2. 应用辅助筛选因子： * 剔除高动量股：剔除股票池中短期动量最高的20%股票，即21日累计涨幅最高的20%个股。此步骤旨在应用反转因子，避开近期涨幅过大的股票。[13] * 剔除盈利下滑股：剔除股票池中盈利下滑的个股，即单季度净利润同比增长率小于0的股票。此步骤旨在应用盈利因子，确保公司基本面健康。[13] 3. 排序与最终选股：在完成上述筛选的剩余股票池中，按照计算出的“预期股息率”进行降序排序，选取排名最高的30只股票。[9] 4. 组合构建：对最终选出的30只股票采用等权重方式构建投资组合。组合每月底调仓一次。[3][8] 2. 模型名称：红利择时框架[23][25] * 模型构建思路：该模型是一个多因子合成信号模型，用于判断对红利策略（如中证红利指数）的整体市场时机（看多或看空）。它综合了来自通胀、流动性、利率和市场情绪四个类别的五个单因子信号。[23][25] * 模型具体构建过程： * 模型包含五个单因子信号，每个信号根据其预设的宏观经济或市场状况方向，输出看多（信号值为1）或看空（信号值为0）红利的观点。[23][25] * 单因子列表： * 通胀因子：PPI同比（高/低位），方向为正向（+），即PPI处于高位时看多红利。[25] * 流动性因子1：M2同比（高/低位），方向为负向（-），即M2处于高位时看空红利。[25] * 流动性因子2：M1-M2剪刀差（高/低位），方向为负向（-），即剪刀差处于高位时看空红利。[25] * 利率因子：美国10年期国债收益率（高/低位），方向为正向（+），即美债收益率处于高位时看多红利。[25] * 市场情绪因子：红利股成交额占比（上/下行），方向为负向（-），即占比处于上行趋势时看空红利。[25] * 合成信号：将上述五个单因子信号合成为一个综合信号，用于给出最终的择时观点。[23][25] 模型的回测效果 1. 预期高股息组合模型[11] * 回测区间：2009年2月2日至2017年8月31日（103个自然月）[11] * 基准对比：沪深300全收益指数[11] * 累计收益：358.90%[11] * 累计超额收益：107.44%[11] * 年化超额收益：8.87%[11] * 超额收益滚动一年最大回撤：12.26%[11] * 月度超额胜率：60.19%[11] 2. 预期高股息组合模型 (近期表现)[14] * 观察期间：2025年11月[14] * 基准对比1：沪深300指数[14] * 组合月收益：0.70%[14] * 基准月收益：-2.37%[14] * 相对基准超额收益：3.08%[14] * 基准对比2：中证红利指数[14] * 基准月收益：-1.61%[14] * 相对基准超额收益：2.31%[14] 3. 红利择时框架[23][25] * 最新观点时间：2025年12月[23] * 合成信号值：0 (代表看空红利)[23][25] * 模型观点：对中证红利指数持谨慎态度[3][23] 量化因子与构建方式 1. 因子名称：预期股息率因子[3][8][14] * 因子构建思路：该因子旨在预测股票未来可能实现的股息率，而非使用历史数据。构建分为两个阶段，第一阶段基于已公告的分红方案，第二阶段基于历史分红和基本面指标进行预测。[3][8][14] * 因子具体构建过程：报告未提供具体的计算公式和预测模型细节，但明确了构建逻辑分为两阶段： * 第一阶段：对于已经发布年报并公告利润分配方案的股票，直接根据其公告内容计算股息率。[3][8] * 第二阶段：对于尚未公告分红的股票，利用其历史分红数据结合基本面指标来预测并计算股息率。[3][8] 2. 因子名称：反转因子 (用于辅助筛选)[3][8][13][14] * 因子构建思路：该因子基于短期价格动量反转效应，认为近期涨幅过高的股票后续表现可能不佳，因此在筛选高股息股票时将其剔除。[3][13][14] * 因子具体构建过程：计算股票过去21个交易日的累计收益率。在模型应用中，直接剔除累计收益率排名最高的20%的股票。[13] 3. 因子名称：盈利因子 (用于辅助筛选)[3][8][13][14] * 因子构建思路：该因子用于识别盈利能力出现下滑的公司，确保所选高股息股票具有稳定的盈利基础。[3][13][14] * 因子具体构建过程：使用单季度净利润同比增长率。在模型应用中，直接剔除该增长率小于0的股票。[13] 4. 因子名称：红利择时框架下的单因子[23][25] * 因子构建思路：这些因子均为宏观经济或市场情绪指标，通过判断其处于历史相对高位或低位，或者处于上行/下行趋势，来产生对红利资产的观点。[23][25] * 因子具体构建过程：报告未提供每个因子的具体量化阈值或计算方法，但列出了因子的名称、对红利资产影响的方向（+表示正向，-表示负向）以及信号生成逻辑（高/低位或上/下行）。[25] * PPI同比（高/低位）[25] * M2同比（高/低位）[25] * M1-M2剪刀差（高/低位）[25] * 美国10年期国债收益率（高/低位）[25] * 红利股成交额占比（上/下行）[25] 因子的回测效果 （报告未提供单个因子的独立测试结果，如IC值、IR值等。因子效果体现在其参与构建的组合模型整体回测表现中。）