量化模型与构建方式 1. 模型名称：量化大势研判行业配置策略 模型构建思路： 基于产业生命周期理论，将股票资产划分为五种风格阶段，通过全局比较不同风格下资产的优势（“有没有好资产”）和估值（“贵不贵”），自下而上地判断未来市场的主流风格并进行行业配置[6]。 模型具体构建过程： 1. 资产分类： 将股票资产（以中信二三级行业为标的，整理合并为202个）根据产业生命周期划分为五种风格：外延成长、质量成长、质量红利、价值红利、破产价值[6]。 2. 资产比较框架： 遵循 g > ROE > D 的优先级顺序[1][6]。主流资产（实际增速资产 g、预期增速资产 gf、盈利资产 ROE）优先比较，只有当主流资产均无优势时，才考虑次级资产（质量红利、价值红利、破产价值），次级资产的优先级由拥挤度确定[10]。 3. 优势判断： * 对于预期成长 (gf)：比较分析师预期增速 (g_fttm) 的高低，计算其优势差 (Δgf)[7][23]。优势差计算类似于因子择时中的 Spread，即头部资产与尾部资产在特定指标上的差值[23]。 * 对于实际成长 (g)：比较业绩动量 (Δg)，即净利润增速 (g_ttm) 的变化[7][27]。 * 对于盈利能力 (ROE)：在 PB-ROE 框架下，比较估值水平的高低[7]。 * 对于质量红利：采用 DP+ROE 综合打分[44]。 * 对于价值红利：采用 DP+BP 综合打分[47]。 * 对于破产价值：采用 PB+SIZE 综合打分（取最低）[50]。 4. 行业选择： 在每月确定的占优风格下，根据该风格的筛选逻辑（如预期增速最高、PB-ROE 残差最低等），选取排名前5的细分行业[17]。 5. 组合构建： 将选出的行业以等权重方式进行配置[17]。 2. 因子名称：预期净利润增速 (g_fttm) 因子构建思路： 基于分析师对未来盈利的一致预期，衡量资产的成长潜力，用于筛选预期成长风格的资产[7][37]。 因子具体构建过程： 报告未给出具体计算公式，但指出该因子为行业层面的分析师预期净利润增速[25]。通常构建方式为汇总行业内个股的分析师一致预期净利润增速，并进行行业加权平均。 3. 因子名称：净利润增速 (g_ttm) 及变化 (Δg) 因子构建思路： 基于历史财务数据，衡量资产的实际成长性及其动量，用于筛选实际成长风格的资产[7][38]。 因子具体构建过程： 报告未给出具体计算公式，但指出 g_ttm 为行业净利润增速，Δg 为其变化值，用于表征业绩动量[27]。通常 g_ttm 为行业最近12个月净利润的同比增速，Δg 为其环比或历史变化。 4. 因子名称：超预期因子 (sue, sur, jor) 因子构建思路： 衡量公司实际财报业绩相对于市场预期的偏离程度，用于捕捉业绩惊喜，是实际成长策略的具体因子[38]。 因子具体构建过程： 报告未给出具体计算公式和说明。通常 SUE (Standardized Unexpected Earnings) 为标准化意外盈余，SUR 可能为收入惊喜，JOR 含义不明。 5. 因子名称：PB-ROE 回归残差 因子构建思路： 在盈利能力 (ROE) 策略中，用于筛选高 ROE 但估值 (PB) 相对较低的资产，即寻找盈利能力强且估值合理的标的[41]。 因子具体构建过程： 报告未给出具体计算公式。通常构建方式为：在横截面上对 PB 和 ROE 进行回归（如 PB = α + β * ROE + ε），取回归残差 ε。残差为负表示相对于其 ROE 水平，该资产的 PB 估值较低。 6. 因子名称：股息率 (dp) 因子构建思路： 衡量资产的现金分红回报，是红利类策略（质量红利、价值红利）的核心因子[44][47]。 因子具体构建过程： 报告未给出具体计算公式。通常为每股股息除以股价。 7. 因子名称：市净率倒数 (bp) 因子构建思路： 衡量资产的账面价值低估程度，是价值红利策略的因子之一[47]。 因子具体构建过程： 报告未给出具体计算公式。通常为每股净资产除以股价，即市净率 (PB) 的倒数。 8. 因子名称：市净率 (pb) 因子构建思路： 衡量资产的估值水平，在破产价值策略中，低 PB 是重要筛选标准[50]。 因子具体构建过程： 报告未给出具体计算公式。通常为股价除以每股净资产。 9. 因子名称：规模 (size) 因子构建思路： 衡量资产的市值大小，在破产价值策略中，与小市值因子结合使用[50]。 因子具体构建过程： 报告未给出具体计算公式。通常为总市值或流通市值的对数。 模型的回测效果 1. 量化大势研判行业配置策略，年化收益 27.81% (2009年以来)[17]，2009年超额收益 51% [20]，2010年超额收益 14% [20]，2011年超额收益 -11% [20]，2012年超额收益 0% [20]，2013年超额收益 36% [20]，2014年超额收益 -4% [20]，2015年超额收益 16% [20]，2016年超额收益 -1% [20]，2017年超额收益 27% [20]，2018年超额收益 7% [20]，2019年超额收益 8% [20]，2020年超额收益 44% [20]，2021年超额收益 38% [20]，2022年超额收益 62% [20]，2023年超额收益 10% [20]，2024年超额收益 52% [20]，2025年超额收益 14% [20]，2026年2月超额收益 1% [20]。 因子的回测效果 (注：报告未提供单个因子的独立测试结果（如IC、IR等），仅提供了基于该因子构建的策略历史表现定性描述。) 1. 预期成长策略 (基于g_fttm)，历史表现：2019年以来超额显著，2014-2015年期间也有较高超额[37]。 2. 实际成长策略 (基于sue, sur, jor)，历史表现：长期超额都较为显著，在成长风格占优环境下尤其突出[38]。 3. 盈利能力策略 (基于PB-ROE残差)，历史表现：2016年-2020年超额较为显著，2021年-2024年上半年持续较弱[41]。 4. 质量红利策略 (基于dp, roe)，历史表现：2016年、2017年、2023年超额较为显著[44]。 5. 价值红利策略 (基于dp, bp)，历史表现：2009年、2017年、2021-2023年超额较为显著[47]。 6. 破产价值策略 (基于pb, size)，历史表现：2015-2016年、2021-2023年超额较为显著[50]。