量化模型与因子总结 量化因子与构建方式 一、 分析师超预期因子 1. 因子名称：净利润_FY1_最近年报、净利润_FY2_最近年报、净利润_FY3_最近年报、ROE_FY1_最近年报、ROE_FY2_最近年报、ROE_FY3_最近年报[30] 2. 因子构建思路：计算分析师一致预期数据（净利润、ROE）相对于最新财报的同比增速，以捕捉分析师预期相对于已实现业绩的超预期程度[8][30] 3. 因子具体构建过程： * 对于每个预测年报期（FY1， FY2， FY3），计算一致预期净利润或ROE相对于最新财报的同比增速[30] * 对于非年报的最新财报期，先计算其相对去年同期的同比增速，再以此增速外推估计当前年报数据[30] * 个股因子计算完成后，按以下流程聚合为行业/指数因子[30][32]： 1. 对全市场有分析师因子的个股做截面去异常值标准化 2. 对三级行业内无分析师因子的个股，以该三级行业中位数填充 3. 对二级行业内仍无分析师因子的个股，以该二级行业中位数填充 4. 对一级行业内仍无分析师因子的个股，以该一级行业中位数填充 5. 以行业个股权重，对填充后的个股因子值加权求和，得到最终行业/指数因子 4. 因子评价：主要以分析师预期年报的增速较为有效，而相对同比外推的最新年报同比相对无效[36] 二、 分析师预期增长因子 1. 因子名称：EPS增长_FY1、ROE增长_FY1、EPS增长_FY2、ROE增长_FY2、EPS增长_FY12、ROE增长_FY12[30] 2. 因子构建思路：计算分析师一致预期数据（EPS、ROE）自身的环比变化，以捕捉分析师预期的调整方向和强度[8][30] 3. 因子具体构建过程： * FY1/FY2增长因子：计算过去4个月相对过去2-6个月，在FY1或FY2年报下的一致预期净利润或ROE的环比变化[30] * FY12增长因子：将FY1预期增长和FY2预期增长，按照距离下个年报期的时间长度进行加权合成[30] * 个股因子计算完成后，采用与“分析师超预期因子”相同的五步流程聚合为行业/指数因子[30][32] 4. 因子评价：不同年报期、不同维度的表现较为相近，但在时序上稳定性较弱，超额收益主要集中在2019年至2021年，2022年至2024年失效明显[37] 三、 分析师驱动因子 1. 因子名称：收益_3、超额收益_3、收益_5、超额收益_5、收益_10、超额收益_10、换手_3、相对换手_3、换手_5、相对换手_5、换手_10、相对换手_10[30] 2. 因子构建思路：捕捉分析师首次覆盖后，个股在量价上的表现情况，反映分析师行为对市场的驱动作用[8][30] 3. 因子具体构建过程： * 收益类因子：计算分析师首次覆盖后，个股未来3、5、10个交易日的收益率或相对沪深300的超额收益率[30] * 换手类因子：计算分析师首次覆盖后，个股未来3、5、10个交易日的平均换手率，或相对于过去20个交易日平均换手率的相对换手率[30] * 个股因子计算完成后，采用与“分析师超预期因子”相同的五步流程聚合为行业/指数因子[30][32] 4. 因子评价：主要以换手率、短期窗口（未来3、5个交易日）维度较为有效，收益率维度整体无效[43] 四、 合成因子（大类因子与加权模型） 1. 模型/因子名称：等权合成因子、剔除等权合成因子、排序等权合成因子、剔除排序等权合成因子、剔除夏普加权合成因子[10][61][65] 2. 模型构建思路：将分析师因子与已有的景气、拥挤度、动量等大类因子结合，通过不同的时序加权方法合成综合打分，以改进轮动效果并试图解决Beta维度收益来源单一、打分信息磨损的问题[58][59][71] 3. 模型具体构建过程： * 大类因子构成：共六大类因子，每类内部因子等权合成[58] * 分析师预期：ROE_FY2_FY1， 净利润_FY2_FY1 * 分析师驱动：换手_3， 换手_5 * 景气：ROE_同比（整体法计算指数ROE单季度同比相减） * 拥挤度：活跃换手_20_1（过去20日成交最活跃的20%时间段成交额/总成交额的240日滚动分位数） * 长期动量：活跃动量_240（过去240日成交额最高的15%时间段收益平均） * 短期动量：夏普比动量_10（过去10日收益平均/收益波动率） * 加权合成方法： 1. 等权：各大类因子在标准化后等权相加[61] 2. 剔除等权：剔除过去12个月因子分组回测超额收益为负的大类因子后，余下因子标准化等权[61] 3. 排序等权：根据过去12个月因子分组回测超额收益对大类因子排序，根据排序对标准化后的因子加权求和[65] 4. 剔除排序加权：剔除过去12个月超额收益为负的大类因子后，余下因子按超额收益排序并依序加权[65] 5. 剔除夏普加权：剔除过去12个月超额收益为负的大类因子后，余下因子按超额收益夏普比加权[65] 4. 模型评价：排序等权合成因子在回测区间表现最好，能在一定程度上提高最终打分的精确度[78] 因子的回测效果 （注：以下指标均为分组回测（第1组相对等权基准）的全区间风险指标，月频调仓[28]） 一、 行业轮动（申万一级行业） 1. 分析师超预期因子 * 净利润_FY2_FY1：超额收益8.47%， 超额最大回撤-11.51%， IR 0.80， 月胜率56.82%， 盈亏比1.88[35] * 净利润_FY3_FY2：超额收益6.26%， 超额最大回撤-17.92%， IR 0.58， 月胜率56.82%， 盈亏比1.56[35] * ROE_FY2_FY1：超额收益8.81%， 超额最大回撤-11.05%， IR 0.85， 月胜率60.23%， 盈亏比1.87[35] * ROE_FY3_FY2：超额收益4.22%， 超额最大回撤-14.50%， IR 0.43， 月胜率48.86%， 盈亏比1.37[35] 2. 分析师预期增长因子 * EPS增长_FY1：超额收益4.39%， 超额最大回撤-21.40%， IR 0.49， 月胜率57.95%， 盈亏比1.44[37] * ROE增长_FY1：超额收益4.45%， 超额最大回撤-22.08%， IR 0.50， 月胜率55.68%， 盈亏比1.45[37] * EPS增长_FY2：超额收益3.91%， 超额最大回撤-26.37%， IR 0.43， 月胜率50.00%， 盈亏比1.42[37] * ROE增长_FY2：超额收益4.69%， 超额最大回撤-29.47%， IR 0.50， 月胜率54.55%， 盈亏比1.49[37] * EPS增长_FY12：超额收益4.51%， 超额最大回撤-26.51%， IR 0.50， 月胜率56.82%， 盈亏比1.45[37] * ROE增长_FY12：超额收益3.07%， 超额最大回撤-27.48%， IR 0.35， 月胜率54.55%， 盈亏比1.32[37] 3. 分析师驱动因子 * 换手_3：超额收益5.11%， 超额最大回撤-17.77%， IR 0.50， 月胜率56.82%， 盈亏比1.40[42] * 换手_5：超额收益4.31%， 超额最大回撤-19.17%， IR 0.43， 月胜率57.95%， 盈亏比1.33[42] * 换手_10：超额收益2.50%， 超额最大回撤-20.23%， IR 0.25， 月胜率53.41%， 盈亏比1.18[42] 二、 ETF轮动（跟踪指数池） 1. 分析师超预期因子 * 净利润_FY2_FY1：超额收益6.17%， 超额最大回撤-15.98%， IR 0.63， 月胜率55.17%， 盈亏比1.54[46] * 净利润_FY3_FY2：超额收益4.28%， 超额最大回撤-20.73%， IR 0.41， 月胜率51.72%， 盈亏比1.31[46] * ROE_FY2_FY1：超额收益6.26%， 超额最大回撤-14.15%， IR 0.65， 月胜率58.62%， 盈亏比1.57[46] * ROE_FY3_FY2：超额收益4.35%， 超额最大回撤-16.28%， IR 0.46， 月胜率54.02%， 盈亏比1.39[46] 2. 分析师预期增长因子 * EPS增长_FY2：超额收益4.32%， 超额最大回撤-18.72%， IR 0.61， 月胜率50.57%， 盈亏比1.59[51] * ROE增长_FY2：超额收益2.89%， 超额最大回撤-16.70%， IR 0.43， 月胜率45.98%， 盈亏比1.41[51] * EPS增长_FY12：超额收益3.00%， 超额最大回撤-20.48%， IR 0.44， 月胜率51.72%， 盈亏比1.37[51] * ROE增长_FY12：超额收益2.44%， 超额最大回撤-17.68%， IR 0.38， 月胜率49.43%， 盈亏比1.34[51] 3. 分析师驱动因子 * 换手_3：超额收益5.58%， 超额最大回撤1-8.47%， IR 0.49， 月胜率56.32%， 盈亏比1.43[55] * 换手_5：超额收益5.31%， 超额最大回撤-18.57%， IR 0.46， 月胜率55.17%， 盈亏比1.41[55] * 换手_10：超额收益4.16%， 超额最大回撤-18.67%， IR 0.37， 月胜率54.02%， 盈亏比1.31[55] 模型的回测效果 （注：以下为合成因子分组回测的全区间及分年度风险指标） 一、 排序等权合成因子（表现最佳） 1. 行业轮动 * 全区间：超额年化收益12.04%， 超额最大回撤-15.97%， IR 1.06， 月胜率63.95%， 盈亏比2.35[80] * 分年度表现稳定，但2022、2023年较弱（2022年超额0.90%， IR 0.11； 2023年超额-3.03%， IR -0.32）[80] 2. ETF轮动 * 全区间：超额年化收益9.49%， 超额最大回撤-9.95%， IR 0.92， 月胜率59.30%， 盈亏比2.07[80] * 分年度表现稳定，但2022、2023年较弱（2022年超额-3.83%， IR -0.62； 2023年超额1.71%， IR 0.23）[80] 二、 其他合成因子（行业轮动全区间） 1. 等权合成因子：超额收益11.11%， 超额最大回撤-15.97%， IR 0.97， 月胜率63.22%， 盈亏比2.20[75] 2. 剔除夏普加权合成因子：超额收益9.63%， 超额最大回撤-14.40%， IR 0.84， 月胜率59.77%， 盈亏比1.97[75] 3. 剔除排序加权合成因子：超额收益9.19%， 超额最大回撤-26.04%， IR 0.82， 月胜率52.87%， 盈亏比1.89[75] 4. 剔除等权合成因子：超额收益6.97%， 超额最大回撤-27.31%， IR 0.64， 月胜率52.87%， 盈亏比1.64[75]