量化模型与构建方式 1. 模型名称：微盘股轮动策略[19][27] * 模型构建思路：通过比较微盘股与茅指数的相对强弱以及各自的短期动量，进行大小盘风格轮动配置[19][27]。 * 模型具体构建过程：该策略包含两个子策略，综合判断后决定配置方向。 * 子策略一（相对净值与动量）： 1. 计算微盘股指数与茅指数的相对净值（微盘股/茅指数）[27]。 2. 计算该相对净值的243日移动平均线（年均线）[19]。 3. 计算微盘股指数和茅指数各自的20日收盘价斜率（动量）[19]。 4. 生成信号：若相对净值高于其年均线，则初步倾向于投资微盘股，反之倾向于茅指数[27]。同时，结合20日斜率，当两者方向相反且一方为正时，选择投资斜率为正的指数[27]。 * 子策略二（M1轮动）： 1. 获取M1同比数据[37]。 2. 计算M1同比的6个月移动平均值[19]。 3. 生成信号：当M1的6个月移动平均值下行时，中期配置从微盘股切换至茅指数[19]。 2. 模型名称：微盘股择时风控模型[19][27] * 模型构建思路：通过监控与市场风险相关的宏观及市场指标，在指标触及阈值时发出平仓信号，以控制微盘股投资的中期系统性风险[19][27]。 * 模型具体构建过程： 1. 选取两个风控指标：十年期国债到期收益率同比、微盘股波动率拥挤度同比[19]。 2. 设定风控阈值：十年期国债收益率同比阈值为30%，波动率拥挤度同比阈值为55%[27]。 3. 生成信号：当任一指标触及或超过其对应阈值时，则发出平仓信号[27]。 3. 模型名称：宏观择时模型[50][51] * 模型构建思路：基于经济增长和货币流动性两个维度的宏观指标，动态调整权益资产（股票）的配置仓位[50][51]。 * 模型具体构建过程： 1. 信号维度：模型从经济增长和货币流动性两个层面进行观察[51]。 2. 信号生成：每个维度会生成一个信号强度（百分比形式），例如经济增长信号强度为50%，货币流动性信号强度为0%[51]。 3. 仓位合成：综合两个维度的信号，最终合成一个股票仓位建议比例（例如25%）[51]。具体合成方法需参考其历史研究报告《Beta 猎手系列：基于动态宏观事件因子的股债轮动策略》[50]。 量化因子与构建方式 1. 因子名称：一致预期因子[70][72] * 因子构建思路：基于分析师对未来盈利的一致预期数据构建因子，捕捉市场预期变化带来的alpha[70][72]。 * 因子具体构建过程：包含多个细分因子。 * EPS_FTTM_Chg3M：未来12个月一致预期EPS过去3个月的变化率[72]。 * ROE_FTTM_Chg3M：未来12个月一致预期ROE过去3个月的变化率[72]。 * TargetReturn_180D：一致预期目标价相对于目前股价的收益率[72]。 2. 因子名称：市值因子[70] * 因子构建思路：使用公司规模作为因子，通常小市值公司存在溢价效应[70]。 * 因子具体构建过程： * LN_MktCap：公司流通市值的自然对数[70]。 3. 因子名称：成长因子[70][72] * 因子构建思路：通过公司财务数据的增长率来度量公司的成长性[70][72]。 * 因子具体构建过程：包含多个细分因子。 * NetIncome_SQ_Chg1Y：单季度净利润同比增速[70]。 * OperatingIncome_SQ_Chg1Y：单季度营业利润同比增速[70]。 * Revenues_SQ_Chg1Y：单季度营业收入同比增速[72]。 4. 因子名称：反转因子[72] * 因子构建思路：利用股票价格的短期反转效应，即过去一段时间跌幅较大的股票未来可能反弹，涨幅较大的可能回调[72]。 * 因子具体构建过程：包含多个不同时间窗口的收益率。 * Price_Chg20D：20日收益率[72]。 * Price_Chg40D：40日收益率[72]。 * Price_Chg60D：60日收益率[72]。 * Price_Chg120D：120日收益率[72]。 5. 因子名称：质量因子[70][72] * 因子构建思路：通过盈利能力、运营效率、财务稳健性等指标筛选高质量公司[70][72]。 * 因子具体构建过程：包含多个细分因子。 * ROE_FTTM：未来12个月一致预期净利润/股东权益均值[70]。 * OCF2CurrentDebt：过去12个月经营现金流净额/流动负债均值[70]。 * GrossMargin_TTM：过去12个月毛利率[72]。 * Revenues2Asset_TTM：过去12个月营业收入/总资产均值[72]。 6. 因子名称：技术因子[72] * 因子构建思路：基于价量数据构建因子，捕捉市场交易行为中的规律[72]。 * 因子具体构建过程：包含多个细分因子。 * Volume_Mean_20D_240D：20日成交量均值/240日成交量均值[72]。 * Skewness_240D：240日收益率偏度[72]。 * Volume_CV_20D：20日成交量标准差/20日成交量均值[72]。 * Turnover_Mean_20D：20日换手率均值[72]。 7. 因子名称：价值因子[70] * 因子构建思路：寻找市场价格低于其内在价值的公司，常用估值比率衡量[70]。 * 因子具体构建过程：包含多个细分因子。 * BP_LR：最新年报账面净资产/最新市值[70]。 * EP_FTTM：未来12个月一致预期净利润/最新市值[70]。 * SP_TTM：过去12个月营业收入/最新市值[70]。 * EP_FY0：当期年报一致预期净利润/最新市值[70]。 * Sales2EV：过去12个月营业收入/企业价值[70]。 8. 因子名称：波动率因子[72] * 因子构建思路：利用股票波动率与未来收益之间的负相关关系（低波动异象）[72]。 * 因子具体构建过程：包含多个细分因子。 * Volatility_60D：60日收益率标准差[72]。 * IV_CAPM：CAPM模型残差波动率[72]。 * IV_FF：Fama-French三因子模型残差波动率[72]。 * IV_Carhart：Carhart四因子模型残差波动率[72]。 9. 因子名称：可转债正股价值因子[65][66] * 因子构建思路：从可转债对应的正股出发，将预测正股的价值因子应用于可转债择券[65]。 * 因子具体构建过程：报告未给出具体构建公式，但指出该因子是从预测正股的因子来构建可转债因子[65]。 10. 因子名称：可转债估值因子[65][66] * 因子构建思路：通过平价底价溢价率等指标衡量可转债自身的估值水平，用于择券[65]。 * 因子具体构建过程：报告明确提及选取了平价底价溢价率作为转债估值因子[65]。 模型的回测效果 1. 宏观择时模型，2026年年初至今收益率2.44%，同期Wind全A收益率-1.15%[50]。 因子的回测效果 （以下因子表现数据统计周期为“上周”，即报告发布前一周）[57] 1. 一致预期因子，全部A股IC均值-2.47%，多空收益-0.49%[57]。 2. 市值因子，全部A股IC均值-11.79%，多空收益0.29%[57]。 3. 成长因子，全部A股IC均值4.39%，多空收益0.00%[57]。 4. 反转因子，全部A股IC均值7.65%，多空收益1.34%[57]。 5. 质量因子，全部A股IC均值14.28%，多空收益2.18%[57]。 6. 技术因子，全部A股IC均值14.29%，多空收益2.38%[57]。 7. 价值因子，全部A股IC均值4.71%，多空收益-0.05%[57]。 8. 波动率因子，全部A股IC均值11.37%，多空收益1.38%[57]。