量化模型与构建方式 1. 模型名称：三维择时框架[10][14][16][18] * 模型构建思路：通过构建分歧度、流动性、景气度三个维度的指标来综合判断市场趋势，进行择时[10][14][16]。 * 模型具体构建过程：报告未详细说明三个具体指标的构建公式，但描述了其应用逻辑。模型通过观察分歧度、流动性、景气度三个指标的趋势变化（上行或下行）来形成综合的市场判断[10][14][16][18]。 2. 模型名称：热点趋势ETF策略[33][34][35] * 模型构建思路：基于ETF价格形态和短期市场关注度（换手率）来筛选并构建ETF投资组合[33]。 * 模型具体构建过程： 1. 形态筛选：根据K线的最高价与最低价的上涨或下跌形态，先选出最高价与最低价同时为上涨形态的ETF[33]。 2. 构建支撑阻力因子：根据最高价与最低价近20日回归系数的相对陡峭程度，构建支撑阻力因子[33]。 3. 关注度筛选：选择支撑阻力因子多头组中，近5日换手率/近20日换手率最高（即短期市场关注度明显提升）的10只ETF[33]。 4. 组合构建：对筛选出的10只ETF构建风险平价组合[33]。 3. 模型名称：资金流共振策略[38][41][42] * 模型构建思路：结合融资融券资金流和主动大单资金流，寻找两种资金流产生共振效应的行业进行配置[38][41][42]。 * 模型具体构建过程： 1. 构建行业融资融券资金因子：定义融资融券资金流为融资净买入减去融券净卖出（个股加总）。对该资金流进行Barra市值因子中性化处理，然后取最近50日均值，并计算其两周环比变化率[42]。 2. 构建行业主动大单资金因子：对行业主动大单净流入进行最近一年成交量时序中性化处理，然后排序并取最近10日均值[42]。 3. 策略合成：在主动大单因子的头部打分行业内，剔除融资融券因子的头部行业（研究发现融资融券因子多头端在不同市场状态下有稳定的负向超额收益），以提高策略稳定性。进一步剔除大金融板块后，形成最终推荐行业组合[42]。 4. 模型名称：全天候配置策略[47][49][51][53][55][57] * 模型构建思路：通过资产选择、风险调整和结构对冲三项原则，构建分散化的投资组合，绕过宏观预测，追求长期稳健的绝对收益[47]。 * 模型具体构建过程：报告提及采用“循环对冲设计对冲构型”，但未给出具体对冲公式。策略根据风险水平分为两个版本： * 高波版：采用“四层结构化-股债金风险平价”方法构建组合[51][52]。 * 低波版：采用“五层结构化-风险预算”方法构建组合[53][55]。 5. 模型名称：经典线性多因子选股模型（指数增强策略）[68][71] * 模型构建思路：以多因子选股模型为核心，通过因子筛选、加权合成Alpha得分，并在风险约束下优化组合权重，以获取相对于基准指数的稳定超额收益[68][71]。 * 模型具体构建过程： 1. 因子筛选：每年末，基于因子值之间的相关系数以及Rank ICIR指标，优选有效因子[71]。 2. 因子加权：每月末，对入选因子进行正交处理，并采用Rank ICIR加权方式合成复合因子，将其作为个股的Alpha得分[71]。 3. 组合优化：在给定风险约束条件下，以最大化复合因子暴露为目标，求解股票的最优权重，分别构建以沪深300、中证500和中证1000为基准的增强组合[71]。 模型的回测效果 1. 热点趋势ETF策略：2025年以来收益61.52%，相比沪深300指数的超额收益为37.74%[33] 2. 资金流共振策略：2018年以来费后年化超额收益12.3%，信息比率(IR)1.2[42] 3. 全天候配置策略（高波版）：截至2025年，年化收益率11.8%，年平均最大回撤3.6%，夏普比率1.9；2026年以来收益率5.8%[47][58] 4. 全天候配置策略（低波版）：截至2025年，年化收益率6.7%，年平均最大回撤2.0%，夏普比率2.4；2026年以来收益率1.8%[47][58] 5. 沪深300指数增强组合：自2016年1月1日以来，年化超额收益9.3%，年化信息比(IR)2.28，超额最大回撤-5.3%[72]；本周超额收益0.8%，本月超额收益2.7%，本年超额收益为6.7%[68] 6. 中证500指数增强组合：自2016年1月1日以来，年化超额收益13.3%，年化信息比(IR)2.78[77]；本周超额收益-0.2%，本月超额收益0.5%，本年超额收益为4.8%[68] 7. 中证1000指数增强组合：自2016年1月1日以来，年化超额收益16.5%，年化信息比(IR)3.46[80]；本周超额收益-1.1%，本月超额收益-2.0%，本年超额收益为1.2%[68] 量化因子与构建方式 1. 因子名称：风格因子（流动性、贝塔、波动率）[61] * 因子构建思路：报告提及市场呈现“高流动性高贝塔高波动率”的风格特征，但未给出这三个风格因子的具体构建公式[61]。 2. 因子名称：1年-1个月的收益率 (mom 1y 1m)[64][66] * 因子构建思路：动量因子，衡量过去1年剔除最近1个月后的收益率表现[64][66]。 3. 因子名称：单季度营业收入同比增速 (yoy or q)[64][66] * 因子构建思路：成长因子，衡量公司最近一个季度营业收入的同比增长情况[64][66]。 4. 因子名称：营业收入同比增速 (yoy or)[66] * 因子构建思路：成长因子，衡量公司营业收入的同比增长情况[66]。 5. 因子名称：十二个月残差动量 (specific mom12)[66][67] * 因子构建思路：动量因子，衡量剔除市场、行业等共同因素后的个股特异性收益在过去12个月的表现[66][67]。 6. 因子名称：评级上下调差/评级上下调和 (est num diff)[67] * 因子构建思路：情绪/预期因子，通过分析师评级上调与下调的家数差占总数和的比例，反映市场对个股的一致预期变化[67]。 7. 因子名称：近一个月一致预测净利润变化（FY1）占比 (mom1 np fy1)[67] * 因子构建思路：预期修正因子，衡量最近一个月内分析师对该公司未来一年(FY1)净利润一致预测值的变化幅度[67]。公式为： $(当前一致预测np FY1 - 1个月前一致预测np FY1) / |1个月前一致预测np FY1|$[67] 8. 因子名称：近三个月一致预测净利润预期变化占比（FY1） (mom3 np fy1)[67] * 因子构建思路：预期修正因子，衡量最近三个月内分析师对该公司未来一年(FY1)净利润一致预测值的变化幅度[67]。公式为： $(当前一致预测np FY1 - 3个月前一致预测np FY1) / |3个月前一致预测np FY1|$[67] 9. 因子名称：近三个月一致预测营业收入预期变化占比（FY1） (mom3 rev fy1)[67] * 因子构建思路：预期修正因子，衡量最近三个月内分析师对该公司未来一年(FY1)营业收入一致预测值的变化幅度[67]。公式为： $(当前一致预测rev FY1 - 3个月前一致预测rev FY1) / |3个月前一致预测rev FY1|$[67] 因子的回测效果 （注：以下因子表现数据为截至2026年4月17日的近期表现，部分为近一周多头超额收益，部分为最近一年在不同指数内的多头超额收益） 1. 流动性因子：本周实现4.05%的正收益[61] 2. 贝塔因子：本周录得3.85%的正收益[61] 3. 波动率因子：本周录得3.59%的正收益[61] 4. 1年-1个月的收益率 (mom 1y 1m)：近一周多头超额收益2.55%[64][66]；最近一年在沪深300中多头超额收益30.77%，在中证800中为31.47%，在中证1000中为20.99%[67] 5. 单季度营业收入同比增速 (yoy or q)：近一周多头超额收益1.27%[64][66] 6. 营业收入同比增速 (yoy or)：近一周多头超额收益1.22%[66] 7. 十二个月残差动量 (specific mom12)：近一周多头超额收益0.94%[66]；最近一年在沪深300中多头超额收益40.52%，在中证800中为31.30%[67] 8. 评级上下调差/评级上下调和 (est num diff)：最近一年在沪深300中多头超额收益35.46%[67] 9. 近一个月一致预测净利润变化（FY1）占比 (mom1 np fy1)：最近一年在中证500中多头超额收益22.57%[67] 10. 近三个月一致预测净利润预期变化占比（FY1） (mom3 np fy1)：最近一年在沪深300中多头超额收益34.07%，在中证800中为33.56%[67] 11. 近三个月一致预测营业收入预期变化占比（FY1） (mom3 rev fy1)：最近一年在中证1000中多头超额收益22.14%[67]