量化模型与构建方式 1. 模型名称：三维择时框架[8][12][14] * 模型构建思路：通过构建分歧度、流动性和景气度三个维度的指标，综合判断市场整体趋势，进行择时判断[8][12][14]。 * 模型具体构建过程：报告未详细描述三个具体指标的构建公式，但描述了其综合应用逻辑。当流动性保持上行趋势，分歧度上行趋势斜率降低，景气度确认上行趋势时，模型判断市场转多[8]。 2. 模型名称：热点趋势ETF策略[29] * 模型构建思路：根据ETF的K线形态和短期市场关注度，筛选出处于上涨趋势且热度提升的ETF构建组合[29]。 * 模型具体构建过程： 1. 形态筛选：先选出最高价与最低价同时为上涨形态的ETF[29]。 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[29]。 3. 关注度筛选：在支撑阻力因子的多头组中，选择近5日换手率/近20日换手率最高的10只ETF，即短期市场关注度明显提升的标的[29]。 4. 组合构建：对筛选出的10只ETF构建风险平价组合[29]。 3. 模型名称：资金流共振策略[35][38] * 模型构建思路：结合融资融券资金流和主动大单资金流两种数据，寻找两种资金流产生共振效应的行业进行配置[35][38]。 * 模型具体构建过程： 1. 构建行业融资融券资金因子：将个股的融资净买入-融券净卖出在行业内加总，然后进行Barra市值因子中性化处理，取最近50日均值后的两周环比变化率[35]。 2. 构建行业主动大单资金因子：计算行业净流入数据，并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[35]。 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多头端行业（研究发现其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[35][38]。 4. 行业选择：选择主动大单资金流入分位高，且两融资金流入分位相对较低（避免负向剔除）的行业作为多头推荐[38][39]。 4. 模型名称：全天候配置策略[41][45][47] * 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[41]。 * 模型具体构建过程：报告提及了两种具体构建方式： 1. 高波版：采用“四层结构化-股债金风险平价”方法构建对冲构型[45]。 2. 低波版：采用“五层结构化-风险预算”方法构建对冲构型[47]。 （报告未提供具体的风险平价或风险预算计算公式） 5. 模型名称：经典线性多因子选股模型（指数增强策略）[61][63] * 模型构建思路：以多因子模型为核心，通过因子筛选、加权合成和组合优化，构建相对于基准指数的增强组合[61][63]。 * 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[63]。 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[63]。 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[63]。 模型的回测效果 1. 热点趋势ETF策略[29] * 2025年以来收益：65.81% * 2025年以来相对沪深300超额收益：39.98% 2. 资金流共振策略[35] * 2018年以来费后年化超额收益：12.3% * 信息比率(IR)：1.2 * 策略上周绝对收益：1.31% * 策略上周相对行业等权超额收益：0.18% 3. 全天候配置策略[51] * 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：6.2% * 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：2.0% 4. 指数增强策略[61][64][67][71] * 沪深300增强组合： * 本周超额收益：0.2% * 本月超额收益：3.3% * 本年超额收益：7.4% * 自2016年1月1日以来年化超额收益：9.3% * 自2016年1月1日以来年化信息比率(IR)：2.29 * 自2016年1月1日以来超额最大回撤：-5.3% * 中证500增强组合： * 本周超额收益：0.3% * 本月超额收益：1.2% * 本年超额收益：5.7% * 自2016年1月1日以来年化超额收益：13.4% * 自2016年1月1日以来年化信息比率(IR)：2.79 * 中证1000增强组合： * 本周超额收益：-0.2% * 本月超额收益：-2.5% * 本年超额收益：0.6% * 自2016年1月1日以来年化超额收益：16.4% * 自2016年1月1日以来年化信息比率(IR)：3.44 量化因子与构建方式 1. 风格因子：报告提及了流动性因子、贝塔因子、波动率因子，本周均录得正收益，表明市场呈现“高流动性高贝塔高波动率”的风格特征[54]。 2. Alpha因子（部分列举）[57][59][60]： * 因子名称：1年-1个月的收益率 (mom 1y 1m) * 因子构建思路：基于过去1年剔除最近1个月的收益率构建动量因子。 * 因子具体构建过程：报告未提供具体公式，但根据名称推断，计算公式可能为： $mom1y1m = R_{[t-252, t-21]}$ 其中，$R_{[t-252, t-21]}$ 表示从第t-252个交易日到第t-21个交易日的累计收益率（假设一年约252个交易日，一个月约21个交易日）。 * 因子名称：单季度营业收入同比增速 (yoy or q) * 因子构建思路：衡量公司最新单季度营业收入的同比增长情况。 * 因子名称：营业收入同比增速 (yoy or) * 因子构建思路：衡量公司营业收入的同比增长情况。 * 因子名称：十二个月残差动量 (specific mom12) * 因子构建思路：基于剔除市场、行业等共同因素后的残差收益构建的长期动量因子。 * 因子名称：评级上下调差/评级上下调和 (est num diff) * 因子构建思路：通过分析师评级上调与下调的家数差占总数和的比例，反映分析师一致预期的变化。 * 因子名称：近一个月一致预测净利润变化（FY1）占比 (mom1 np fy1) * 因子构建思路：衡量最近一个月内，分析师对未来一年（FY1）净利润一致预测值的变化幅度。 * 因子具体构建过程：报告给出了部分因子的计算公式，例如： $mom3\_np\_fy1 = \frac{(当前一致预测np\_FY1 - 3个月前一致预测np\_FY1)}{|3个月前一致预测np\_FY1|}$ $sue1 = \frac{净利润同比delta - 过去八个季度的净利润同比delta均值}{过去八个季度的净利润同比delta标准差}$ * 因子评价：报告指出，在大市值指数中动量因子和评级因子表现更突出；在小市值指数中，一致预测净利润变化占比因子表现更佳[60]。 因子的回测效果 （以下因子表现数据均截至2026年4月30日） 1. 风格因子本周收益[54]： * 流动性因子：4.05% * 贝塔因子：3.85% * 波动率因子：3.59% 2. Alpha因子近一周多头超额收益（全市场）[59]： * 1年-1个月的收益率 (mom 1y 1m)：2.55% * 单季度营业收入同比增速 (yoy or q)：1.27% * 营业收入同比增速 (yoy or)：1.22% * 每股营业收入同比增长率 (yoy orps)：1.10% * 流动负债同比增长 (cur liab yoy)：1.07% 3. Alpha因子最近一年在不同指数中的多头超额收益（部分列举）[60]： * 十二个月残差动量 (specific mom12)： * 沪深300中：40.52% * 中证500中：15.51% * 中证800中：31.30% * 中证1000中：15.79% * 1年-1个月的收益率 (mom 1y 1m)： * 沪深300中：30.77% * 中证500中：11.08% * 中证800中：31.47% * 中证1000中：20.99% * 评级上下调差/评级上下调和 (est num diff)： * 沪深300中：35.46% * 中证500中：8.55% * 中证800中：26.33% * 中证1000中：0.66% * 近一个月一致预测净利润变化（FY1）占比 (mom1 np fy1)： * 沪深300中：21.60% * 中证500中：22.57% * 中证800中：30.40% * 中证1000中：9.57% * 近三个月一致预测营业收入预期变化占比（FY1） (mom3 rev fy1)： * 沪深300中：29.91% * 中证500中：18.67% * 中证800中：30.55% * 中证1000中：22.14%