量化模型与构建方式 1. 模型名称：微盘股轮动策略[2][18][25] * 模型构建思路：通过结合相对净值趋势和短期价格动量，在微盘股指数和茅指数之间进行轮动配置，以捕捉大小盘风格切换的收益[25]。 * 模型具体构建过程： 1. 子策略一：相对净值与动量轮动 * 计算微盘股指数与茅指数的相对净值。 * 当相对净值高于其243日移动平均线时，倾向于投资微盘股；反之则投资茅指数[25]。 * 同时，计算微盘股指数和茅指数各自的20日收盘价斜率（动量）。 * 当两个指数的20日斜率方向相反且一方为正时，选择投资斜率为正的指数[25]。 2. 子策略二：M1轮动 * 跟踪M1同比指标的6个月移动平均值。 * 当该移动平均值下行时，中期配置从微盘股切换至茅指数[2][18]。 3. 综合策略：综合两个子策略的信号，决定最终的配置方向（微盘股、茅指数或均衡配置）[2][18]。 2. 模型名称：微盘股择时风控模型[18][25] * 模型构建思路：通过监控宏观流动性指标和市场波动率拥挤度，对微盘股板块进行中期风险预警，在风险过高时发出平仓信号[18][25]。 * 模型具体构建过程： 1. 设定两个风控指标及其阈值： * 十年期国债到期收益率同比，风控阈值为30%[18][25]。 * 微盘股波动率拥挤度同比，风控阈值为55%[18][25]。 2. 若任一指标触及或超过其对应阈值，则对微盘股发出平仓（或降低仓位）信号[25]。 3. 模型名称：宏观择时模型[45][46] * 模型构建思路：基于经济增长和货币流动性等多个宏观维度的动态事件因子，构建股债轮动策略，给出中期的权益资产配置仓位建议[45]。 * 模型具体构建过程：模型具体细节未在本文中详述，需参考作者于2022年12月9日发布的研究报告《Beta 猎手系列：基于动态宏观事件因子的股债轮动策略》[45]。本文仅给出了模型的最新输出信号：4月份经济增长层面信号强度为50%，货币流动性层面信号强度为0%，综合得出的股票推荐仓位为25%[45][46]。 模型的回测效果 1. 宏观择时模型，2026年年初至今收益率为2.44%，同期Wind全A收益率为-1.15%，超额收益为3.59%[45]。 量化因子与构建方式 1. 因子名称：一致预期因子[51][61][64] * 因子构建思路：使用分析师对未来业绩的一致预期数据，捕捉市场对上市公司未来盈利能力的共识变化[51][64]。 * 因子具体构建过程：报告中列出了多个细分一致预期因子，包括： * EPS_FTTM_Chg3M：未来12个月一致预期EPS过去3个月的变化率[64]。 * ROE_FTTM_Chg3M：未来12个月一致预期ROE过去3个月的变化率[64]。 * TargetReturn_180D：一致预期目标价相对于目前股价的收益率[64]。 2. 因子名称：市值因子[51][61] * 因子构建思路：通常以市值的对数作为因子值，小市值股票历史上长期存在溢价效应[61]。 * 因子具体构建过程：使用LN_MktCap，即上市公司流通市值的自然对数[61]。 3. 因子名称：成长因子[51][61][64] * 因子构建思路：通过公司财务数据的增长率来衡量公司的成长性[64]。 * 因子具体构建过程：报告中列出了多个细分成长因子，例如： * NetIncome_SQ_Chg1Y：单季度净利润同比增速[64]。 * OperatingIncome_SQ_Chg1Y：单季度营业利润同比增速[64]。 * Revenues_SQ_Chg1Y：单季度营业收入同比增速[64]。 4. 因子名称：反转因子[51][61][64] * 因子构建思路：认为过去一段时间跌幅较大的股票未来可能反弹，而涨幅过大的股票可能回调，即“追跌杀涨”[64]。 * 因子具体构建过程：使用过去不同时间窗口的收益率作为因子，例如： * Price_Chg20D：20日收益率[64]。 * Price_Chg60D：60日收益率[64]。 * Price_Chg120D：120日收益率[64]。 5. 因子名称：质量因子[61][64] * 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优质公司[64]。 * 因子具体构建过程：报告中列出了多个细分质量因子，例如： * ROE_FTTM：未来12个月一致预期净利润/股东权益均值[64]。 * GrossMargin_TTM：过去12个月毛利率[64]。 * Revenues2Asset_TTM：过去12个月营业收入/总资产均值[64]。 6. 因子名称：技术因子[61][64] * 因子构建思路：基于价量数据构建，反映市场交易行为特征[64]。 * 因子具体构建过程：报告中列出了多个细分技术因子，例如： * Volume_Mean_20D_240D：20日成交量均值/240日成交量均值[64]。 * Skewness_240D：240日收益率偏度[64]。 * Turnover_Mean_20D：20日换手率均值[64]。 7. 因子名称：价值因子[51][61][64] * 因子构建思路：寻找市场价格低于其内在价值的股票，常用估值比率衡量[64]。 * 因子具体构建过程：报告中列出了多个细分价值因子，例如： * BP_LR：最新年报账面净资产/最新市值（市净率倒数）[61]。 * EP_FTTM：未来12个月一致预期净利润/最新市值（预期市盈率倒数）[61]。 * SP_TTM：过去12个月营业收入/最新市值（市销率倒数）[61]。 8. 因子名称：波动率因子[61][64] * 因子构建思路：认为历史波动率较低的股票未来可能有更好表现（低波动效应）[64]。 * 因子具体构建过程：报告中列出了多个细分波动率因子，例如： * Volatility_60D：60日收益率标准差[64]。 * IV_CAPM：CAPM模型残差波动率[64]。 * IV_FF：Fama-French三因子模型残差波动率[64]。 9. 因子名称：可转债正股一致预期因子[60] * 因子构建思路：将用于股票选股的一致预期因子逻辑应用于可转债对应的正股，用以预测正股走势从而择券[60]。 * 因子具体构建过程：未在报告中详细说明，但指出是从预测正股的因子来构建可转债因子[60]。 10. 因子名称：可转债估值因子[60] * 因子构建思路：通过平价底价溢价率等指标衡量可转债本身的估值水平[60]。 * 因子具体构建过程：报告中明确提及的因子是平价底价溢价率，但未给出具体计算公式[60]。 因子的回测效果 （以下数据均基于“上周”和“今年以来”两个时间窗口，在全部A股、沪深300、中证500、中证1000四个股票池中的表现）[52] 1. 一致预期因子，上周IC均值（全部A股）7.61%，今年以来IC均值（全部A股）2.32%；上周多空收益（全部A股）1.49%，今年以来多空收益（全部A股）8.57%[52]。 2. 市值因子，上周IC均值（全部A股）9.68%，今年以来IC均值（全部A股）1.22%；上周多空收益（全部A股）-0.39%，今年以来多空收益（全部A股）-7.24%[52]。 3. 成长因子，上周IC均值（全部A股）-5.83%，今年以来IC均值（全部A股）1.66%；上周多空收益（全部A股）-0.83%，今年以来多空收益（全部A股）8.26%[52]。 4. 反转因子，上周IC均值（全部A股）-4.85%，今年以来IC均值（全部A股）-1.01%；上周多空收益（全部A股）-2.34%，今年以来多空收益（全部A股）-15.39%[52]。 5. 质量因子，上周IC均值（全部A股）-7.97%，今年以来IC均值（全部A股）-0.10%；上周多空收益（全部A股）-1.78%，今年以来多空收益（全部A股）-0.71%[52]。 6. 技术因子，上周IC均值（全部A股）6.12%，今年以来IC均值（全部A股）4.68%；上周多空收益（全部A股）0.53%，今年以来多空收益（全部A股）-0.71%[52]。 7. 价值因子，上周IC均值（全部A股）-7.15%，今年以来IC均值（全部A股）2.01%；上周多空收益（全部A股）-2.13%，今年以来多空收益（全部A股）-6.41%[52]。 8. 波动率因子，上周IC均值（全部A股）未提供，今年以来IC均值（全部A股）4.52%；上周多空收益（全部A股）未提供，今年以来多空收益（全部A股）-0.29%[52]。