量化模型与构建方式 1. 模型名称：风险溢价模型 * 模型构建思路：以十年期国债即期收益率作为无风险利率的参考，计算股票宽基指数相对于该无风险利率的风险溢价，用以衡量其相对投资价值和偏离情况[27]。 * 模型具体构建过程：风险溢价的计算公式为指数收益率减去无风险利率。在报告中，具体表现为各宽基指数的“当前风险溢价”值，该值应为指数自身的收益率（或隐含收益率，如市盈率倒数）与十年期国债即期收益率的差值[27][29]。模型通过计算该溢价的历史分位值、均值、波动率及标准差区间，来评估当前溢价在历史中所处的位置和极端程度[31]。 2. 模型名称：股债性价比模型 * 模型构建思路：通过比较股票估值隐含收益率与债券收益率之间的差异，构建股债性价比指标，以判断股票和债券资产的相对吸引力[41][43]。 * 模型具体构建过程：股债性价比定义为股票指数市盈率（PE-TTM）的倒数与十年期国债即期收益率之差[41]。计算公式可表示为： $股债性价比 = \frac{1}{PE-TTM} - R_f$ 其中，$R_f$ 代表十年期国债即期收益率。报告通过计算该指标近5年的历史分位值（如80%分位值为机会值，20%分位值为危险值）来评估当前市场的股债相对价值[43][44]。 3. 模型/因子名称：破净率 * 构建思路：通过统计市净率（PB）小于1的个股数量及其在指数成分股中的占比，来反映市场整体的估值态度和悲观程度[51]。 * 具体构建过程：对于每一个宽基指数，遍历其所有成分股。计算每只成分股的市净率（股价/每股净资产）。统计满足市净率 < 1 的个股数量，即为破净个股数。破净率计算公式为： $破净率 = \frac{破净个股数}{指数成分股总数} \times 100\%$ 该指标用于观察市场低估的普遍性[51][53]。 量化因子与构建方式 1. 因子名称：均线相对位置因子 * 因子构建思路：通过计算指数收盘价与不同周期移动平均线（MA）的比值或差值，来判断指数当前的趋势强度和相对于历史均值的偏离程度[15]。 * 因子具体构建过程：首先计算指数的5日（MA5）、10日（MA10）、20日（MA20）、60日（MA60）、120日（MA120）和250日（MA250）移动平均线。然后，计算收盘价相对于各条均线的百分比偏离，公式为： $vsMA_n = \frac{收盘价 - MA_n}{MA_n} \times 100\%$ 其中，$n$ 代表不同的均线周期（5, 10, 20, 60, 120, 250）[15]。 2. 因子名称：历史分位因子 * 因子构建思路：将当前各类指标（如PE-TTM、股息率、风险溢价）的数值置于其自身历史数据序列中，计算其所处的百分位位置，以评估当前值在历史中的相对水平[37][40][48]。 * 因子具体构建过程：以PE-TTM近5年历史分位值为例。首先，获取指数在过去5年（约1260个交易日）每个交易日的PE-TTM数据，形成一个时间序列。然后，将当前交易日的PE-TTM值与该历史序列进行比较。其分位值计算公式为： $分位值 = \frac{历史序列中低于当前值的样本数}{历史序列总样本数} \times 100\%$ 该因子同样应用于股息率、风险溢价等指标[40][49][31]。 3. 因子名称：收益分布形态因子（偏度与峰度） * 因子构建思路：通过计算指数日收益率分布的偏度和超额峰度，来描述收益分布的不对称性和尾部厚度，以捕捉市场情绪和极端风险的变化[22][24]。 * 因子具体构建过程：基于指数近一年的日收益率序列进行计算。 * 偏度 (Skewness)：衡量分布的不对称性。正偏态表示右尾较长，极端正收益较多；负偏态表示左尾较长，极端负收益较多[22]。计算公式为： $偏度 = \frac{E[(R-\mu)^3]}{\sigma^3}$ 其中，$R$为日收益率，$\mu$为序列均值，$\sigma$为标准差。 * 峰度 (Kurtosis)：报告中计算的是超额峰度，即峰度减去正态分布峰度3[24]。用于衡量分布峰部的陡峭程度和尾部的厚度。正值越大，表示收益率分布比正态分布更集中且尾部更厚。计算公式为： $超额峰度 = \frac{E[(R-\mu)^4]}{\sigma^4} - 3$ 报告通过比较当前偏度/峰度与近5年均值的差异（当前vs.近5年）来观察形态变化[24]。 4. 因子名称：股息率因子 * 因子构建思路：计算指数的股息率，即现金分红回报率，作为价值投资和红利投资风格的衡量指标，尤其在市场低迷或利率下行期受到关注[46]。 * 因子具体构建过程：指数股息率通常基于其成分股计算。报告中的“当前值”为指数整体的股息率，计算公式可理解为： $股息率 \approx \frac{\sum (成分股近12个月现金分红总额)}{\sum (成分股总市值)} \times 100\%$ 该因子用于跟踪指数的现金回报水平和估值状态[46][49]。 5. 因子名称：交易活跃度因子（换手率） * 因子构建思路：通过计算指数的换手率来衡量市场对该指数成分股的交易活跃程度和资金关注度[17]。 * 因子具体构建过程：报告给出了指数换手率的计算方式： $指数换手率 = \frac{\sum(成分股流通股本 \times 成分股换手率)}{\sum(成分股流通股本)}$ 该因子是成分股换手率按其流通股本加权的平均值[17]。 模型的回测效果 注：本报告为市场状态跟踪报告，未对上述模型进行历史回测并提供统一的绩效指标（如年化收益率、夏普比率、最大回撤等）。报告主要展示了各模型/因子在特定截止日（2026年4月2日）的输出结果和其在历史中的分位状态。 因子的回测效果 注：本报告为市场状态跟踪报告，未对上述因子进行因子测试并提供统一的因子IC、IR、多空收益等绩效指标。报告主要展示了各因子在特定截止日（2026年4月2日）的截面取值或时间序列值，以及其历史分位状态。