量化模型与构建方式 1. 模型名称：股指分红点位测算模型[38][39] * 模型构建思路：为了准确计算股指期货的升贴水，需要精确估计从当前时刻到期货合约到期日之间，指数成分股分红除息导致价格指数点位自然下滑的总点数[12][38]。该模型通过精细化处理成分股权重、分红金额、除息日等关键变量来实现预测[12][38]。 * 模型具体构建过程： 1. 核心公式：假设当前日期为t，期货合约到期日为T，指数有N个成分股。第n个成分股的除息日为τ_n (t < τ_n ≤ T)，则期间的分红点数计算公式为： $分红点数 = \sum_{n=1}^{N} \frac{成分股分红金额}{成分股总市值} \times 成分股权重 \times 指数收盘价$[38] 2. 数据获取与估计流程：首先获取指数成分股及其日度权重[44][46]。对于每只成分股： * 若已公布分红金额和除息日，则直接采用[42]。 * 若未公布分红金额，则需估计。分红金额 = 净利润 × 股息支付率[47]。净利润的估计采用“基于历史净利润分布的动态预测法”：根据公司是否已披露年报/快报/预告，以及其历史季度盈利分布的稳定性，选择直接采用披露数据、按历史分布规律预测或采用上年同期值[49]。股息支付率的估计规则为：若去年分红则采用去年值；若去年不分红则采用最近3年均值；若从未分红则默认不分红；对预测值大于100%的情况进行截尾处理[50][53]。 * 若未公布除息日，则采用“基于历史间隔天数稳定性的线性外推法”进行预测：根据公司是否已公布分红预案、所处阶段（预案/决案），判断历史从预案/股东大会公告日到除息日的间隔天数是否稳定，选择采用线性外推或历史日期；若无可靠历史日期，则根据预测时间点设置默认日期（如7月31日、8月31日等）[51][56]。 2. 模型名称：成分股权重日度估算模型[45] * 模型构建思路：由于主流数据通常只提供月末指数权重，为在非月末日更精细地刻画个股权重变化，需要对权重进行估算[45]。 * 模型具体构建过程：假设最近一次公布权重日期为t_0，该日成分股n的权重为w_{n0}。从t_0到当前日期t期间，个股n的非复权涨跌幅为r_n，则当前日期的估算权重W_{n,t}为： $W_{n,t}={\frac{w_{n0}\times(1+r_{n})}{\sum_{i=1}^{N}w_{i0}\times(1+r_{i})}}$[45] * 模型评价：该方法在指数成分股未发生调整、解禁、配股等特殊事件时有效，但存在偏差风险[46]。报告中后续采用了更精确的中证指数公司日度收盘权重数据来替代此估算方法[46]。 量化因子与构建方式 1. 因子名称：已实现股息率与剩余股息率[17] * 因子构建思路：将指数成分股按本年度是否已完成现金分红分为两类，分别计算其股息率，以衡量分红进度和未来分红潜力[17]。 * 因子具体构建过程： 1. 已实现股息率：计算本年度已现金分红的成分股，其分红总额占指数总市值的比例[17]。 2. 剩余股息率：计算本年度尚未现金分红的成分股，其预测分红总额占指数总市值的比例[17]。 （注：报告中提及了计算公式但原文公式部分显示为乱码，根据文字描述总结其构建逻辑） 2. 因子名称：行业股息率中位数[15] * 因子构建思路：统计各行业内已公布分红预案的个股的股息率，取中位数，用于横向比较不同行业的股息回报水平[15]。 * 因子具体构建过程：对于每个行业，计算该行业内所有已公布分红预案的个股的“预案分红金额/当前总市值”，然后取这些股息率的中位数[15]。 模型的回测效果 1. 股指分红点位测算模型 * 预测误差（2024年）：对上证50和沪深300指数的预测误差基本在5个点左右；对中证500和中证1000指数的预测误差基本在10个点左右[61]。 * 预测误差（2025年）：对上证50和沪深300指数的预测误差基本在5个点左右；对中证500和中证1000指数的预测误差基本在10个点左右[61]。 * 股指期货股息点预测效果（2024-2025年）：对上证50、沪深300、中证500及中证1000股指期货主力合约的预测股息点与实际股息点对比显示，模型具有较好的预测准确性[61]。 因子的回测效果 1. 行业股息率中位数因子 * 因子取值（截至2026年4月29日）：银行、煤炭和钢铁行业的股息率排名前三[2][15]。 2. 已实现股息率与剩余股息率因子 * 因子取值（截至2026年4月29日）： * 上证50指数：已实现股息率 0.00%，剩余股息率 2.41%[3][17]。 * 沪深300指数：已实现股息率 0.10%，剩余股息率 1.79%[3][17]。 * 中证500指数：已实现股息率 0.03%，剩余股息率 1.02%[3][17]。 * 中证1000指数：已实现股息率 0.02%，剩余股息率 0.83%[3][17]。