量化模型与因子总结 量化模型与构建方式 1. 模型名称：A股景气度高频指数模型[39] * 模型构建思路： 以上证指数归母净利润同比为Nowcasting目标，构建一个能够高频反映A股市场景气度的指数，用于判断景气周期的底部和上行趋势[39]。 * 模型具体构建过程： 报告未详细描述该指数的具体计算步骤和公式，仅说明其构建详情可参考另一篇报告《视角透析：A股景气度高频指数构建与观察》[39]。 2. 模型名称：A股情绪指数模型[42] * 模型构建思路： 基于市场波动率和成交额的变化方向来刻画市场情绪，通过将市场状态划分为四个象限来构造包含见底预警与见顶预警的情绪指数[42]。 * 模型具体构建过程： 1. 将市场状态根据波动率（价）和成交额（量）的变化方向划分为四个象限[42]。 2. 通过历史统计发现，只有“波动率上行-成交额下行”的区间为显著负收益，其余三个象限（波动上-成交上、波动下-成交上、波动下-成交下）均为显著正收益[42]。 3. 据此规律构建情绪指数，当波动率处于上行区间时，见底信号指向看空；当成交额处于上行区间时，见顶信号指向看多[43]。 4. 综合见底和见顶信号得出对市场的整体观点[46]。 3. 模型名称：主题挖掘算法模型[55] * 模型构建思路： 通过处理新闻和研报文本，提取主题关键词，挖掘主题与个股的关系，构建主题活跃周期和主题影响力因子，从而识别和推荐主题投资机会[55]。 * 模型具体构建过程： 报告未提供该算法的具体计算步骤和公式，仅概述了其包含文本处理、关键词提取、关系挖掘、周期构建和因子构建等多个维度[55]。 4. 模型名称：中证500增强组合模型[55] * 模型构建思路： 构建一个旨在持续跑赢中证500指数的投资组合[55]。 * 模型具体构建过程： 报告未披露该增强组合模型的具体因子构成、权重配置和优化方法[55][56]。 5. 模型名称：沪深300增强组合模型[61] * 模型构建思路： 构建一个旨在持续跑赢沪深300指数的投资组合[61]。 * 模型具体构建过程： 报告未披露该增强组合模型的具体因子构成、权重配置和优化方法[61][64]。 模型的回测效果 1. A股情绪指数模型，择时表现见报告图表21[52]。 2. 中证500增强组合模型，截至本周（2026年5月6日-5月8日），本周收益1.24%，跑输基准2.89%[55]。2020年至今，累计超额收益49.77%，最大回撤-10.90%[55]。 3. 沪深300增强组合模型，截至本周（2026年5月6日-5月8日），本周收益1.25%，跑输基准0.10%[61]。2020年至今，累计超额收益47.59%，最大回撤-5.86%[61]。 量化因子与构建方式 1. 因子体系：BARRA风格因子体系[67] * 因子构建思路： 参照BARRA因子模型，为A股市场构建一套包含十大类风格因子的分析体系，用于解释股票收益的来源和进行组合绩效归因[67]。 * 因子具体构建过程： 报告列出了十大类风格因子的名称，但未提供每个因子的具体计算公式[67]。十大类风格因子包括： 1. 市值（SIZE） 2. BETA 3. 动量（MOM） 4. 残差波动率（RESVOL） 5. 非线性市值（NLSIZE） 6. 估值（BTOP） 7. 流动性（LIQUIDITY） 8. 盈利（EARNINGS_YIELD） 9. 成长（GROWTH） 10. 杠杆（LVRG）[67] 因子的回测效果 1. 风格因子近期表现（截至报告本周）： * 纯因子收益表现： Beta因子超额收益较高，盈利因子呈较为显著的负向超额收益[68]。价值、盈利等因子表现不佳，高Beta、高动量股表现优异[68]。 * 因子暴露相关性（近一周）： 流动性因子分别与Beta、动量、残差波动率呈现明显正相关性；价值因子分别与Beta、残差波动率、流动性等因子呈现明显负相关性[68]。具体相关性矩阵见报告图表27和图表30[70][72]。 * 纯因子收益率： 见报告图表28[71]。 2. 行业因子近期表现（截至报告本周）： 保险、银行、交运等行业因子相对市场市值加权组合跑出较高超额收益，煤炭、化工等行业因子回撤较多[68]。行业纯因子收益率见报告图表29[71]。