量化模型与构建方式 1. 模型名称：微盘股/茅指数轮动模型[2][19][25] * 模型构建思路：通过比较微盘股与茅指数的相对价值和短期动量，判断市场风格偏向，从而在两者之间进行轮动配置[19][25]。 * 模型具体构建过程： 1. 计算相对净值：计算微盘股指数与茅指数的相对净值（微盘股指数净值 / 茅指数净值）[25]。 2. 计算长期均线：计算该相对净值的243日移动平均线（年均线）[19][25]。 3. 计算短期动量：分别计算微盘股指数和茅指数过去20日收盘价的斜率（即线性回归的斜率系数，代表价格趋势）[19][25]。 4. 生成轮动信号： * 当微盘股/茅指数相对净值 高于 其243日均线时，模型倾向于投资微盘股[25]。 * 当微盘股/茅指数相对净值 低于 其243日均线时，模型倾向于投资茅指数[25]。 * 结合短期动量进行确认：当微盘股与茅指数的20日斜率方向相反，且其中一方为正时，选择投资斜率为正的指数[25]。 2. 模型名称：微盘股择时风控模型[19][25] * 模型构建思路：通过监控宏观流动性指标和市场情绪拥挤度，对微盘股板块进行中期风险控制，在风险过高时发出平仓信号[19][25]。 * 模型具体构建过程： 1. 选取风控指标： * 十年期国债到期收益率同比：计算当前十年期国债收益率相对于一年前同期的变化率[19][23]。 * 波动率拥挤度同比：计算微盘股波动率指标（具体计算未详述）相对于一年前同期的变化率[19][23]。 2. 设定风控阈值： * 十年期国债收益率同比的阈值为 30%[19][25]。 * 波动率拥挤度同比的阈值为 55%[19][25]。 3. 生成风控信号：当 任一指标 触及或超过其对应阈值时，模型发出平仓微盘股的信号[25]。 3. 模型名称：宏观择时模型[44][45] * 模型构建思路：基于经济增长和货币流动性等多个宏观维度的信号，综合判断中期权益资产（股票）的推荐配置仓位[44][45]。 * 模型具体构建过程：报告未详细描述该模型的具体构建公式和步骤，但指出其核心是基于动态宏观事件因子，细节可参考历史报告《Beta猎手系列：基于动态宏观事件因子的股债轮动策略》[44]。模型最终输出经济增长、货币流动性等维度的信号强度，并综合给出股票仓位建议[44][45]。 模型的回测效果 1. 宏观择时模型，2025年年初至今收益率为 14.59%，同期Wind全A收益率为 26.87%[44]。 量化因子与构建方式 1. 因子名称：一致预期因子[49][58][60] * 因子构建思路：使用分析师对未来盈利的一致预期数据，构建反映市场共识变化和预期的因子[58][60]。 * 因子具体构建过程：报告列出了该大类因子下的细分因子定义： * EPS_FTTM_Chg3M：未来12个月一致预期EPS过去3个月的变化率[60]。 * ROE_FTTM_Chg3M：未来12个月一致预期ROE过去3个月的变化率[60]。 * TargetReturn_180D：一致预期目标价相对于目前股价的收益率[60]。 2. 因子名称：成长因子[49][58][60] * 因子构建思路：使用公司财务数据的增长率指标，筛选出成长性较高的公司[58][60]。 * 因子具体构建过程：报告列出了该大类因子下的细分因子定义： * NetIncome_SQ_Chg1Y：单季度净利润同比增速[58]。 * OperatingIncome_SQ_Chg1Y：单季度营业利润同比增速[58]。 * Revenues_SQ_Chg1Y：单季度营业收入同比增速[60]。 3. 因子名称：质量因子[50][58][60] * 因子构建思路：使用盈利能力、运营效率等财务指标，筛选出基本面质量较高的公司[58][60]。 * 因子具体构建过程：报告列出了该大类因子下的细分因子定义： * ROE_FTTM：未来12个月一致预期净利润/股东权益均值[60]。 * OCF2CurrentDebt：过去12个月经营现金流净额/流动负债均值[60]。 * GrossMargin_TTM：过去12个月毛利率[60]。 * Revenues2Asset_TTM：过去12个月营业收入/总资产均值[60]。 4. 因子名称：价值因子[49][50][58] * 因子构建思路：使用价格与账面价值、盈利、收入等指标的比率，寻找估值相对较低的股票[58]。 * 因子具体构建过程：报告列出了该大类因子下的细分因子定义： * BP_LR：最新年报账面净资产/最新市值[58]。 * EP_FTTM：未来12个月一致预期净利润/最新市值[58]。 * SP_TTM：过去12个月营业收入/最新市值[58]。 * EP_FY0：当期年报一致预期净利润/最新市值[58]。 * Sales2EV：过去12个月营业收入/企业价值[58]。 5. 因子名称：技术因子[49][50][60] * 因子构建思路：基于价量数据，构建反映市场交易行为和技术形态的因子[60]。 * 因子具体构建过程：报告列出了该大类因子下的细分因子定义： * Volume_Mean_20D_240D：20日成交量均值/240日成交量均值[60]。 * Skewness_240D：240日收益率偏度[60]。 * Volume_CV_20D：20日成交量标准差/20日成交量均值[60]。 * Turnover_Mean_20D：20日换手率均值[60]。 6. 因子名称：波动率因子[49][50][60] * 因子构建思路：使用历史收益率波动率或模型残差波动率，衡量股票的风险水平[60]。 * 因子具体构建过程：报告列出了该大类因子下的细分因子定义： * Volatility_60D：60日收益率标准差[60]。 * IV_CAPM：CAPM模型残差波动率[60]。 * IV_FF：Fama-French三因子模型残差波动率[60]。 * IV_Carhart：Carhart四因子模型残差波动率[60]。 7. 因子名称：反转因子[50][60] * 因子构建思路：基于股票过去一段时间的收益率，认为过去表现差的股票未来可能反弹，而过去表现好的股票可能回调[60]。 * 因子具体构建过程：报告列出了该大类因子下的细分因子定义（排序方向为↓，即认为过去涨幅越小越好）： * Price_Chg20D：20日收益率[60]。 * Price_Chg40D：40日收益率[60]。 * Price_Chg60D：60日收益率[60]。 * Price_Chg120D：120日收益率[60]。 8. 因子名称：市值因子[50][58] * 因子构建思路：使用公司流通市值的对数，作为反映公司规模的因子[58]。 * 因子具体构建过程： * LN_MktCap：流通市值的对数[58]。 9. 因子名称：可转债正股一致预期因子[57][58] * 因子构建思路：从可转债对应的正股出发，使用预测正股的因子来构建可转债择券因子[57]。 * 因子具体构建过程：报告未给出具体公式，但指出其构建逻辑是从预测正股的因子衍生而来[57]。 10. 因子名称：可转债正股成长因子[57][58] * 因子构建思路：从可转债对应的正股出发，使用预测正股的因子来构建可转债择券因子[57]。 * 因子具体构建过程：报告未给出具体公式，但指出其构建逻辑是从预测正股的因子衍生而来[57]。 11. 因子名称：可转债正股财务质量因子[58] * 因子构建思路：从可转债对应的正股出发，使用预测正股的因子来构建可转债择券因子[57]。 * 因子具体构建过程：报告未给出具体公式，但指出其构建逻辑是从预测正股的因子衍生而来[57]。 12. 因子名称：可转债正股价值因子[58] * 因子构建思路：从可转债对应的正股出发，使用预测正股的因子来构建可转债择券因子[57]。 * 因子具体构建过程：报告未给出具体公式，但指出其构建逻辑是从预测正股的因子衍生而来[57]。 13. 因子名称：可转债估值因子[57][58] * 因子构建思路：直接从可转债自身的估值指标出发构建因子[57]。 * 因子具体构建过程：选取了 平价底价溢价率 作为转债估值因子[57]。平价底价溢价率 = (转债价格 - 纯债价值) / 转股价值，是衡量转债估值高低的重要指标。 因子的回测效果 （以下因子表现数据均为“上周”在“全部A股”股票池中的表现，除非特别说明）[50] 1. 一致预期因子，IC均值 3.13%，多空收益 -0.34%[50]。 2. 成长因子，IC均值 1.59%，多空收益 0.20%[50]。 3. 质量因子，IC均值 -0.44%，多空收益 -0.36%[50]。 4. 价值因子，IC均值 -14.02%，多空收益 -4.04%[50]。 5. 技术因子，IC均值 -9.05%，多空收益 -3.62%[50]。 6. 波动率因子，IC均值 -12.94%，多空收益 -3.99%[50]。 7. 反转因子，IC均值 -3.15%，多空收益 -2.46%[50]。 8. 市值因子，IC均值 -3.26%，多空收益 -0.47%[50]。