量化模型与构建方式 1. 模型名称：基于CJPY的多因子打分分组回测模型[85] * 模型构建思路：利用CJPY工具包提供的数据接口，实现从数据提取、因子计算、组合构建到绩效回测的完整流程，为因子研究和选股回测提供一站式闭环解决方案[13][85][92]。 * 模型具体构建过程： 1. 数据准备：使用CJPY的get_factor_data()函数，批量提取全市场股票在多个调仓日期的多个因子数据（如估值、成长等因子）[58][63]。 2. 因子处理：对提取的因子数据进行标准化、缺失值处理等。 3. 组合构建：在每个调仓日，对股票池内的股票进行多因子综合打分，并根据得分进行分组（例如分为5组），构建投资组合（如买入得分最高的一组股票）[85]。 4. 回测执行：使用CJPY的Backtest类进行回测。将包含调仓日期、股票代码、权重和组合名称的持仓明细表（port）传入run()方法，设定回测起止日期，即可计算组合净值[84][85]。 * 模型评价：该模型展示了CJPY工具包在基础投研工作中的实用性，接口简单，数据提取速度快，能够一站式完成从数据到回测的流程，适合非复杂场景的快速验证[13][85][92]。 量化因子与构建方式 1. 因子名称：PETTM（市盈率TTM）[58] * 因子构建思路：作为常见的估值指标，用于衡量股票价格相对于其过去十二个月每股收益的水平。 * 因子具体构建过程：通过CJPY的get_factor_data()函数直接提取，因子名称为“PETTM”。该因子是天软默认因子库中已定义的常见估值指标[58][90]。 2. 因子名称：PBLF（市净率LF）[58] * 因子构建思路：作为常见的估值指标，用于衡量股票价格相对于其最新财报每股净资产的水平。 * 因子具体构建过程：通过CJPY的get_factor_data()函数直接提取，因子名称为“PBLF”。该因子是天软默认因子库中已定义的常见估值指标[58][90]。 3. 因子名称：PCFTTM（市现率TTM）[63] * 因子构建思路：作为估值指标的补充，用于衡量股票价格相对于其过去十二个月经营现金流量的水平。 * 因子具体构建过程：通过CJPY的get_factor_data()函数直接提取，因子名称为“PCFTTM”。该因子是天软默认因子库中已定义的常见估值指标[63][90]。 4. 因子名称：流通市值[63] * 因子构建思路：作为常见的规模因子，用于衡量公司的流通盘大小。 * 因子具体构建过程：通过CJPY的get_factor_data()函数直接提取，因子名称为“流通市值”。该因子是天软默认因子库中已定义的日行情指标[63][90]。 5. 因子名称：自定义因子（示例：因子X）[66][68][70] * 因子构建思路：当默认因子库不满足研究需求时，用户可以利用天软TSL表达式自行构建新因子，体现了CJPY工具强大的扩展能力[11][23][66]。 * 因子具体构建过程： 1. 编写因子公式：使用天软TSL语言编写因子计算表达式。例如，一个简单的自定义因子“因子X”的公式可以写为 "1"[68][70]。更复杂的因子公式可利用天软函数和局部变量，例如计算扣非归母净利润TTM在3年前的值：'Last12MData(PreviousReportDateEx(rdate, 3, 0),42017)'，其中rdate是当前可用的最新报告期[73]。 2. 构建因子库字典：将因子名称与对应的因子公式组成字典，例如 {"因子X": "1"}[68][70]。 3. 调用提取：在get_factor_data()函数中，通过factors参数指定自定义因子名称，并通过repo参数传入自定义因子库字典，即可提取该因子的数据[66][68]。 * 因子评价：自定义因子功能极大地扩展了CJPY的数据服务能力，允许研究人员将新的想法快速实现并纳入统一的数据调用框架，是进行原创性因子研究的关键工具[11][23][90]。 模型的回测效果 本报告未提供基于CJPY多因子打分分组回测模型的具体回测绩效指标（如年化收益率、夏普比率、最大回撤、信息比率IR等）数值。 因子的回测效果 本报告未提供PETTM、PBLF、PCFTTM、流通市值及自定义因子等单个因子的具体测试结果（如IC、IR、多空收益、分组收益等）数值。