量化模型与构建方式 1. 模型名称：竞争优势组合模型[12] * 模型构建思路：基于竞争壁垒分析框架，将行业分类并识别具有不同竞争特性的企业，聚焦于“壁垒护盾型”行业中的主导或合作共赢企业，以及非壁垒行业中的高效运营企业，构建投资组合[12]。 * 模型具体构建过程： 1. 行业分类：将行业细致分类为“壁垒护盾型”、“竞争激烈型”、“稳中求进型”和“寻求突破型”[12]。 2. 选股逻辑： * 在“壁垒护盾型”行业中，识别能够长期维持市场领导地位的“唯一主导”企业，以及能够通过合作维持高利润率的“合作共赢”企业[12]。 * 在非“壁垒护盾型”行业中，发掘通过高效管理和成本控制实现优异运营表现的“高效运营”企业[12]。 3. 组合构建：将“壁垒护盾型”行业中的“唯一主导+合作共赢”组合与无壁垒保护行业中的“高效运营”组合结合，得到“竞争优势”组合[13]。 2. 模型名称：安全边际组合模型[17] * 模型构建思路：通过计算个股的盈利能力价值作为安全边际，在具有综合竞争优势的股票池内，选择安全边际最大的标的构建组合，以捕捉企业内在价值与市场价值之间的差距[17]。 * 模型具体构建过程： 1. 股票池：基于综合竞争优势筛选股票池[17]。 2. 价值计算：计算个股的盈利能力价值作为其安全边际的度量[17]。 3. 组合构建：在股票池内选择安全边际最大的前50只股票[17]。 4. 权重设置：采用股息率加权的方式最大化组合的安全边际[17]。 5. 调仓频率：每年于5月1日、9月1日及11月1日进行组合调整[19]。 3. 模型名称：红利低波季调组合模型[23] * 模型构建思路：优化传统红利策略，避免陷入“高股息陷阱”。通过预测股息率并结合负向清单（如剔除股价表现极端、负债率异常的标的）来筛选标的，注重公司盈利的可持续性和长期价值[23]。 * 模型具体构建过程： 1. 股息率筛选：不单纯追求最高股息率，报告指出股息率次高组拥有相对最高的胜率[23]。 2. 陷阱规避：通过股息率本身的预测加以规避“高股息陷阱”[23]。 3. 负向清单：考虑诸如剔除股价表现极端、负债率异常的标的等负向清单制度[23]。 4. 模型名称：AEG估值潜力组合模型[27][30] * 模型构建思路：基于超额收益增长（AEG）模型，寻找市场尚未充分认识到其增长潜力的公司。首先用AEG_EP因子初选，再结合股利再投资比率进行二次筛选[27][30]。 * 模型具体构建过程： 1. 因子构建：使用AEG_EP因子。AEG模型的核心公式用于计算权益价值，其中远期市盈率（V0/E1）等于正常市盈率加上增长溢价[27]。 * 超额收益增长（AEG）定义为带息收益超过机会成本的部分： $A E G=Y_{t}-N_{t}=(E_{t}+r*D P S_{t-1})-(1+r)*E_{t-1}$ * 基于AEG的估值公式为： {{\frac{V_{0}}{E_{1}}=\frac{1}{r}+\frac{1}{r}*\frac{\left(\frac{A E G_{2}}{1+r}+\frac{A E G_{3}}{(1+r)^{2}}+\frac{A E G_{4}}{(1+r)^{3}}+\cdots\right)}}{{E_{1}}}}} * 若无超额收益增长，则正常市盈率为： ${\frac{V_{0}}{E_{1}}}={\frac{1}{r}}$ 其中，E为盈利，V为市值，r为要求回报率，DPS为每股股利[27]。 2. 组合构建： * 首先用AEG_EP因子选取排名前100的股票[30]。 * 然后从中选择股利再投资比率高的前50只股票构建最终组合[30]。 5. 模型名称：中证800现金牛组合模型[34][35] * 模型构建思路：通过CFOR（自由现金流回报率）分析体系，深入评估企业的盈利能力和资产的现金生成效率，筛选出高质量、现金流稳定的“现金牛”公司[34]。 * 模型具体构建过程： 1. 股票池构建： * 构建两个高质量股票池的并集： * 池A（非金融）：要求自由现金利润比率、经营资产回报率、净利润率、总资产周转率的稳定性，由高到低均位于中信一级行业40%分位数以上[35]。 * 池B（金融）：在全A金融板块内，选择ROE位于40%分位数以上的股票[35]。 2. 最终筛选：在合并后的高质量股票池中，进一步结合低波、低估值以及SUE（未预期盈余）因子进行筛选，得到最终持仓[35]。 6. 模型名称：困境反转组合模型[41] * 模型构建思路：利用库存周期刻画公司的困境反转，同时考虑景气加速恢复和定价错误的估值回归，旨在捕捉估值提升带来的收益，作为景气度投资策略的互补[41]。 * 模型具体构建过程： 1. 刻画困境：利用库存周期来刻画公司所处的困境阶段[41]。 2. 因子叠加：结合反映景气加速恢复和定价错误的估值回归的相关因子[41]。 3. 标准化与选股：将相关因子标准化后叠加，选择综合得分最高的50只股票构建组合[41]。 模型的回测效果 （以下为各模型自2019年以来的回测表现，指标口径一致） 1. 竞争优势组合模型，年化收益18.97%，夏普比率0.90，IR 0.09，最大回撤-19.32%，卡玛比率0.98[16] 2. 安全边际组合模型，年化收益21.72%，夏普比率1.08，IR 0.16，最大回撤-16.89%，卡玛比率1.29[22] 3. 红利低波季调组合模型，年化收益16.52%，夏普比率0.99，IR 0.16，最大回撤-21.61%，卡玛比率0.76[24] 4. AEG估值潜力组合模型，年化收益23.72%，夏普比率1.09，IR 0.14，最大回撤-24.02%，卡玛比率0.99[32] 5. 中证800现金牛组合模型，年化收益13.20%，夏普比率0.66，IR 0.10，最大回撤-19.80%，卡玛比率0.67[37] 6. 困境反转组合模型，年化收益23.57%，夏普比率0.95，IR 0.15，最大回撤-33.73%，卡玛比率0.70[43] 量化因子与构建方式 1. 因子名称：AEG_EP因子[27][30] * 因子构建思路：基于超额收益增长（AEG）模型构建的估值因子，用于识别那些带息收益增长超过机会成本、即具有增长潜力的公司[27]。 * 因子具体构建过程：该因子源于AEG估值模型。首先计算超额收益增长（AEG），然后将其用于推导远期市盈率中的增长溢价部分。AEG_EP因子 likely 是某种形式的盈利价格比与AEG增长预期的结合，具体用于从全市场股票中筛选出AEG模型下估值具有潜力的标的[27][30]。报告明确指出首先使用该因子进行初选[30]。 2. 因子名称：CFOR体系相关因子（自由现金利润比率、经营资产回报率）[34][35] * 因子构建思路：通过拆解现金流量回报率（CFOR），从自由现金流和资产现金生成效率的角度评估企业经营质量和稳定性，补充传统杜邦分析的不足[34]。 * 因子具体构建过程：CFOR体系包含两个关键维度： * 自由现金利润比率：衡量企业将经营活动产生的现金流转化为净利润的能力[34]。 * 经营资产回报率：衡量企业资产的现金生成效率[34]。 在“现金牛”组合模型中，这两个比率的稳定性被用作筛选非金融行业高质量公司的重要标准[35]。 3. 因子名称：困境反转相关因子[41] * 因子构建思路：用于刻画公司困境反转、景气加速恢复以及定价错误的估值回归的多类因子[41]。 * 因子具体构建过程： 1. 库存周期因子：用于定量刻画公司所处的困境阶段[41]。 2. 景气加速恢复因子：用于识别基本面景气度正在或即将改善的公司[41]。 3. 估值回归因子：用于识别当前价格相对于其基本面存在定价错误（低估）、有估值修复潜力的公司[41]。 最终，将这些因子标准化后叠加，得到综合得分[41]。