量化模型与构建方式 1. 哑铃型配置策略 (Barbell Strategy) * 模型构建思路：一种资产配置策略，旨在通过同时配置风格迥异的资产来平衡组合的风险与收益。具体为：一端配置具备高景气与高弹性的科技成长资产以捕捉上行机会，另一端配置以红利与自由现金流为核心的稳健资产作为组合的“压舱石”，从而在把握结构性机会的同时提升组合整体的稳健性[22]。 * 模型具体构建过程：该策略本身是一个配置框架，其具体实现依赖于下文的三个细分选股策略（自由现金流策略、红利策略、成长策略）来构建组合的两端。报告指出，这三个细分策略之间的相关性较低（现金流策略与成长策略超额收益相关系数为0.19，红利策略与成长策略为0.02，现金流策略与红利策略为0.39），符合哑铃策略对资产低相关性的要求[45]。 2. 基于自由现金流的主动量化选股策略 * 因子/策略构建思路：以自由现金流为核心，筛选现金流质量高的公司作为基础股票池，并在此基础上引入估值、质量、红利与动量四个维度进行增强，旨在挖掘具备持续分红能力和内在价值的“廉价”优质公司[27][29]。 * 因子/策略具体构建过程： 1. 样本空间处理：剔除上市不足一年的新股、ST/*ST股票、过去三个月存在风险警示的股票，以及综合金融、银行、非银金融、房地产行业的股票[29]。 2. 现金流及盈利质量初筛： * 保留自由现金流为正、企业价值为正且过去五年经营活动现金流净额均为正的股票[29]。 * 剔除盈利质量位于样本空间后20%的个股。盈利质量计算公式为： $盈利质量 = \frac{经营活动产生的现金流量净额_{TTM} - 营业利润_{TTM}}{总资产}$[29] 3. 自由现金流精选：从估值、质量和增长三个维度构建自由现金流因子：FCFF/EV (TTM)、FCFF/EBITDA (TTM) 及 FCFF (TTM)增长率。对这三个因子进行市值行业中性化处理后，等权加总形成综合自由现金流因子，筛选得分前50%的个股形成基础股票池[29]。 4. 四维度增强：在基础股票池中，进一步引入估值、质量（ROE及ROE稳定性）、红利和动量四类因子进行筛选，最终形成投资组合[29]。 3. 高分红精选组合选股策略 * 因子/策略构建思路：以股息率作为核心选股指标，通过多步骤筛选避免陷入“股利波动陷阱”和“低估值陷阱”，构建具备持续高分红能力且基本面稳健的投资组合[33][35]。 * 因子/策略具体构建过程： 1. 构建高股息基础股票池：在每个中信一级行业中，由高到低选出股息率排名前20%的公司[35]。 2. 避免股利波动陷阱：从基础股票池中，选出过去三年股息率平均值大于2%，且股息率标准差小于2%的公司[35]。 3. 避免低估值陷阱： * 选取当前单季度ROE大于等于去年同期单季度ROE的公司[35]。 * 选取分析师一致预期未来复合增长率大于0的公司[35]。 4. 构建最终组合：在剩余股票池中，按照股息率从高到低选取排名前30的公司构成最终组合[35]。 4. 技术面精选成长预期组合 * 因子/策略构建思路：分两步构建成长组合。首先基于公司当前成长性指标筛选出未来具备高增长潜力的股票池（成长预期组合），然后在此基础上引入量价技术因子进行二次精选，以提升组合的股价表现[39][41]。 * 因子/策略具体构建过程： 1. 成长预期组合构建： * 净利润增长基础股票池：选出最新单季度净利润同比增长的公司[41]。 * 盈利质量与上行优选：剔除单季度ROE后20%的公司，再优选单季度ROE斜率前50%的公司[41]。 * 形成成长预期组合：根据SUE（未预期盈余）指标选出排名前30%的公司，形成成长预期组合[41]。 2. 技术面精选： * 利好确认：根据盈余公告次日的超额收益，选出最高的前100只股票[41]。 * 技术面筛选：根据换手率均线标准差指标，选出前30只股票构成最终的技术面精选成长预期策略组合[41]。 5. 期权备兑策略 (Covered Call / Buy-Write) * 模型构建思路：一类以获取稳定现金流为核心目标的投资策略。通过持有标的资产（如ETF）现货多头的同时，卖出相应的看涨期权，收取权利金来增厚组合收益，平滑净值曲线，但会牺牲标的资产大幅上涨的潜在收益[63][65]。 * 模型具体构建过程： 1. 建立标的资产（如沪深300ETF）的现货多头仓位[63]。 2. 针对持有的现货头寸，卖出相应数量的近月看涨期权（通常选择平值或轻度虚值期权）[65]。 3. 策略最大收益为：$看涨期权行权价 − 标的资产买入价格 + 所收取的期权权利金$[63] 4. 策略最大亏损为：$标的资产买入价格 − 所收取的期权权利金$[63] 5. 期权到期后，进行展期操作，即平仓旧期权并卖出新的看涨期权，以持续获取权利金收入[65]。 6. 策略单期收益可分解为：$R_{t, t+1} = \underbrace{\Delta S_{t, t+1}}_{现货涨跌} + \underbrace{D_{t, t+1}}_{股息} + \underbrace{P_{t}}_{权利金} + \underbrace{G_{t, t+1}}_{期权被执行损益}$[65] 模型的回测效果 1. 基于自由现金流的主动量化选股策略 * 全样本期（2014年以来）年化收益：32.28%[30][32] * 全样本期相对中证500年化超额收益：26.68%[30][32] * 全样本期信息比率 (IR)：2.42[30][32] * 全样本期月度胜率：74.31%[32] 2. 高分红精选组合选股策略 * 全样本期（2014年以来）年化收益：25.32%[38] * 全样本期相对中证红利年化超额收益：16.42%[37][38] * 全样本期信息比率 (IR)：2.42[38] * 全样本期月度胜率：74.31%[38] 3. 技术面精选成长预期组合 * 全样本期（2012年以来）年化收益：40.00%[42][44] * 全样本期相对中证500年化超额收益：32.13%[42][44] * 全样本期信息比率 (IR)：2.91[42][44] * 全样本期月度胜率：80.36%[44] 量化因子与构建方式 1. 自由现金流因子 * 因子构建思路：从估值、质量和增长三个维度综合评估公司的自由现金流状况，旨在识别出自由现金流充沛、质量高且具备增长潜力的公司[29]。 * 因子具体构建过程：构建三个子因子：FCFF/EV (TTM)（估值维度）、FCFF/EBITDA (TTM)（质量维度）、FCFF (TTM)增长率（增长维度）。对这三个子因子分别进行市值和行业中性化处理，然后采用等权加总的方式融合形成综合自由现金流因子[29]。 2. 盈利质量因子 * 因子构建思路：用于衡量公司盈利的“含金量”，识别利润中现金收入占比高、受盈余管理影响小的公司[29]。 * 因子具体构建过程：计算公式为： $盈利质量 = \frac{经营活动产生的现金流量净额_{TTM} - 营业利润_{TTM}}{总资产}$[29] 该因子值越高，表明公司盈利质量越好。 3. 股息率因子 * 因子构建思路：作为红利策略的核心选股指标，直接衡量公司的现金分红回报水平[33][35]。 * 因子具体构建过程：使用常规的股息率计算方法，即每股股息除以每股股价。在构建策略时，进一步使用了过去三年股息率平均值和标准差来筛选分红稳定的公司[35]。 4. 成长预期因子 (SUE) * 因子构建思路：通过未预期盈余来捕捉公司的成长惊喜，市场对正面盈余意外的公司通常会给予积极反应[41]。 * 因子具体构建过程：报告中使用SUE指标来筛选成长预期组合，具体为在盈利质量筛选后的股票池中，选出SUE排名前30%的公司[41]。