量化模型与构建方式 1. 国企基本面因子选股模型 * 模型名称：国企基本面因子选股模型 * 模型构建思路：首先将国企样本池按行业逻辑划分为红利型和成长型两大类，然后根据行业类型选择不同的基本面因子进行打分，最后综合通用因子和行业特色因子得分得到总分，并以此构建选股组合[3][5][6][7][10]。 * 模型具体构建过程： 1. 样本池构建：采用中证国企指数（000955.CSI）的所有成分股，以及北交所中上市满6个月、且公司属性为中央国有企业或地方国有企业的股票作为国企样本池[3]。 2. 行业分类：依据ZX三级行业逻辑，将所有行业划分为红利型（包括资源品、公用事业、房地产、银行、证券、其他）和成长型（包括先进制造、软件服务和消费）两大类[3][4]。 3. 因子选择与打分： * 通用因子：基于“一利五率”央企业绩考核指标和国企分红特征，选择股息率（TTM）、资产负债率、ROE（TTM）、营业现金比率、全员劳动生产率等因子[5][6]。 * 行业特色因子：根据行业特征选择不同的因子。例如，红利型行业中的资源品关注ROIC环比增量、毛利率等；银行关注资本充足率、拨备覆盖率环比增量等；成长型行业中的先进制造关注研发支出/营业总收入、EBIT_TTM环比增速等[6][8][10]。 4. 因子权重调整：考虑到红利风格是国企的重要特征，对所有行业均上调股息率因子权重（红利型行业权重为4，成长型行业权重为2）。对于成长型行业，将资产负债率权重下调为0.5。其他所有因子权重为1[10]。 5. 得分计算：对权重调整后的因子得分求平均值，分别得到通用因子得分和行业特色因子得分。最后，两项得分按通用因子得分30%、行业特色因子得分70%的权重加总并进行归一化处理，得到百分制总分[10][11]。 6. 组合构建：选择总分前N（N=50）的个股，并根据基本面因子得分的三次方分配权重，权重计算公式为： $w_{i}={\frac{s c o r e_{i}^{3}}{\sum_{i=1}^{N}s c o r e_{i}^{3}}}$ [11] 2. 科技主题基本面因子选股模型 * 模型名称：科技主题基本面因子选股模型 * 模型构建思路：首先定义科技股样本池，并根据现金流特征划分企业生命周期（剔除震荡期和衰退期）。然后针对成长期和成熟期公司，分别选取通用因子和特色因子进行打分，并通过研发费用乘数调整总分，最终构建选股组合[19][20][21][22][23]。 * 模型具体构建过程： 1. 样本池构建：同时满足两个条件：1）所属SW三级行业属于电子、通信、计算机、电力设备、国防军工、传媒、医药、机械等的部分行业；2）最近一年研发费用占营业收入比例超过5%，或研发人员数量占员工总数超过10%[19][20][21]。 2. 生命周期划分：采用Dickinson（2011）的方法，以调整后的经营、投资、融资现金流正负组合，将企业划分为引入期、成长期、成熟期、震荡期、衰退期。本策略从引入期、成长期和成熟期股票中选股，并将引入期和成长期统称为成长期[21][22][23]。 3. 因子选择：分为通用因子和特色因子。通用因子包括毛利率环比增量、归母净利润成长能力、累计独立获得的发明专利数量、供应链因子（前5大供应商与客户金额占比合计）、平均距离因子。特色因子则根据生命周期阶段不同而有所侧重，例如成长期关注管理费用/营业总收入环比增量、研发费用折旧摊销占比环比增量、资产负债率；成熟期关注应收账款周转率、研发费用直接投入占比环比增量、PB-ROE[24][28]。 4. 单因子打分：在同一时间截面上，正向因子按从低到高计算因子值在截面上的分位数，负向因子按从高到低计算因子值在截面上的分位数，分位数取值在0-100之间。成长期与成熟期股票分开排序[24]。 5. 总分计算：首先，将5个通用因子和3个特色因子的得分，按以下公式计算初始总分： $\mathbb{E}^{\mathbb{A}}\mathcal{H}=\frac{1}{5}M e a n(S_{i})+\frac{M e a n(S_{i})}{S t d(S_{i})}$ 其中，$S_i$表示某一股票8项因子的得分。该公式旨在选出各方面表现较为均衡的个股[26][27]。 6. 研发费用乘数调整：为体现对高研发行业的偏重，用研发费用乘数调整总分。研发费用乘数计算公式为：研发费用乘数 = 0.9 + 0.2 × Normalization( √( (研发费用/总市值)_行业 / (研发费用/总市值)_全A ) )，使得乘数取值范围在0.9-1.1之间。调整后总分 = 总分 × 研发费用乘数[28][29]。 7. 组合构建：选择总分前50的个股，并按其基本面因子得分计算权重，权重计算公式为： $w e i g h t_{i}={\frac{s c o r e_{i}}{\sum_{i=1}^{50}s c o r e_{i}}}$ [30] 3. 消费主题基本面因子选股模型 * 模型名称：消费主题基本面因子选股模型 * 模型构建思路：首先定义并细分消费股样本池（分为日常制造型、可选制造型、日常服务型、可选服务型）。然后选取通用因子和分域特色因子进行打分，最后在基本面总分基础上引入市销率（PS）乘数调整权重，构建选股组合[38][39][40][46]。 * 模型具体构建过程： 1. 样本池构建与分域：筛选出业务/产品/服务直接to C的申万三级行业作为消费股样本池。并按日常消费/可选消费、制造业/服务业两个维度，将消费股细分为日常制造型、可选制造型、日常服务型、可选服务型4大类[38][39]。 2. 因子选择：分为通用因子和特色因子。通用因子包括成长盈利现金流复合因子、经营现金流/营业收入、Wind ESG管理实践得分、Wind ESG争议事件得分、经济不确定性敏感度因子（abs_epu_beta）、应收账款周转率环比增量。特色因子则根据细分域选择，例如日常制造型关注市占率，可选制造型关注研发费用/总市值，日常服务型关注有形资产/负债环比增量，可选服务型关注直接营销投入占比和预收账款+合同负债同比增速[40][41]。 3. 单因子打分：通用因子在整个样本池内排序打分；特色因子仅在细分域内排序打分。正向因子按从低到高计算分位数，负向因子按从高到低计算分位数，分位数取值0-100[41]。 4. 得分计算：对每只个股，计算其通用因子得分（成长盈利现金流复合因子权重为2，其他通用因子权重为1）和特色因子得分（各特色因子权重为1）。然后，通用因子得分与特色因子得分按2:1的比例加权得到基本面总分[42][43]。 5. 市销率乘数调整：为在基本面选股基础上兼顾估值，引入市销率（PS， TTM）乘数调整总分。首先将PS因子值转化为正数并计算乘数： $P S_{\_}M u l t i p l i e r_{i}={\frac{1}{P S_{i}-M i n(P S_{i})+1}}$ 然后，调整后总分 = 基本面总分 × PS乘数[46][47]。 6. 组合构建：选择调整后总分前50的个股，并按其调整后总分计算权重，权重计算公式为： $w e l g h t_{i}={\frac{S c o r e_{i}^{a d j}}{\sum_{i=1}^{50}S c o r e_{i}^{a d j}}}$ [48] 模型的回测效果 1. 国企基本面因子选股多头策略 * 回测区间：2019年12月31日至2025年12月31日，每月末调仓，不考虑交易费用[12]。 * 年化收益率：22.93%[12][15] * 年化波动率：20.85%[15] * Sharpe比率：1.0961[12][15] * Calmar比率：0.9963[12][15] * 最大回撤：-23.01%[12][15] * 年化超额收益率（vs 中证国企指数）：18.34%[12][15] * 超额收益Sharpe比率：1.5709[12][15] * 超额收益Calmar比率：1.4118[12][15] * 超额收益最大回撤：-12.99%[12][15] 2. 科技主题基本面因子选股多头策略 * 回测区间：2019年12月31日至2025年12月31日，每月末调仓，不考虑交易费用[31]。 * 年化收益率：30.61%[31][34] * 年化波动率：27.61%[34] * Sharpe比率：1.1070[31][34] * Calmar比率：0.8962[31][34] * 最大回撤：-34.16%[31][34] * 月度胜率：65.28%[34] * 年化超额收益率（vs 科技股样本池平均收益）：10.98%[31][34] * 超额收益Sharpe比率：1.4966[31][34] * 超额收益Calmar比率：1.2670[31][34] * 超额收益最大回撤：-8.66%[31][34] 3. 消费主题基本面因子选股多头策略 * 回测区间：2019年12月31日至2025年12月31日，每月末调仓，不考虑交易费用[49]。 * 年化收益率：24.86%[49][52] * 年化波动率：22.99%[52] * Sharpe比率：1.0825[49][52] * Calmar比率：1.0197[49][52] * 最大回撤：-24.38%[49][52] * 月度胜率：68.06%[52] * 年化超额收益率（vs 50%中证主要消费+50%中证可选消费）：21.02%[49][52] * 超额收益Sharpe比率：1.0807[49][52] * 超额收益Calmar比率：0.4505[49][52] * 超额收益最大回撤：-46.66%[49][52]