量化模型与构建方式 1. 模型名称：三维择时框架（分歧度-流动性-景气度） - 模型构建思路：从市场分歧度、流动性、景气度三个维度刻画市场状态，综合判断市场处于上涨或下跌状态[9][14] - 模型具体构建过程：分别构建市场分歧度指数、市场流动性指数与A股景气度指数2.0，将三者组合形成三维择时框架，根据三个维度的变化趋势综合判定市场状态（上涨/下跌）[12][14][22] - 模型评价：当下流动性保持下行趋势，分歧度继续下行，景气度略有回升，三维择时框架为上涨状态；但技术形态上底部测试未放量、需求仍弱，尚不构成反转确认，后续大概率继续低位震荡筑底[9] 2. 模型名称：ETF热点趋势策略 - 模型构建思路：根据K线最高价与最低价的上涨或下跌形态筛选ETF，再结合支撑阻力因子与短期换手率变化构建风险平价组合[28] - 模型具体构建过程：第一步，根据K线的最高价与最低价的上涨或下跌形态，先选出最高价与最低价同时为上涨形态的ETF；第二步，根据最高价与最低价近20日回归系数的相对陡峭程度，构建支撑阻力因子，并选择因子多头组；第三步，在多头组中选择近5日换手率/近20日换手率最高（即短期市场关注度明显提升）的10只ETF；第四步，对这10只ETF构建风险平价组合[28] - 模型评价：组合2025年以来收益55.63%，相比沪深300指数的超额收益为51.31%，热点趋势捕捉效果较好[28] 3. 模型名称：四季均衡配置策略（高波版/低波版） - 模型构建思路：以分散风险为目的，核心哲学在于避免陷入"预测"困境，采用循环对冲设计，绕过宏观因素刻画直击资产波动进行长期收益平衡，无需杠杆、预测或宏观假设即可获取稳健绝对收益[41] - 模型具体构建过程：策略遵循三项基本原则：1）资产选择；2）风险调整；3）结构对冲，进行平衡配置后波动率被大幅熨平；采用循环对冲设计进行长期收益平衡；组合按风险水平分为高波版（四层结构化-股债金风险平价）和低波版（五层结构化-风险预算）[41][34][38] - 模型评价：无需杠杆、预测或宏观假设即可获取稳健绝对收益，并按风险水平区分高波与低波两类组合，风险收益特征清晰[41] 4. 模型名称：国联民生金工指数增强组合（沪深300/中证500/中证1000） - 模型构建思路：以经典线性多因子选股模型为核心，通过因子筛选、因子加权合成复合因子，并在风险约束下优化组合权重，构建相对基准指数的增强组合[51][54] - 模型具体构建过程：第一步，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；第二步，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；第三步，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，力求实现相对于基准指数的稳定超额收益[54] - 模型评价：以经典线性多因子模型为核心，流程规范，力求实现相对于基准指数的稳定超额收益[51][54] 模型的回测效果 1. 三维择时框架，当前状态为上涨状态[9] 2. ETF热点趋势策略，2025年以来收益55.63%，相比沪深300指数超额收益51.31%[28] 3. 四季均衡配置策略-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2.3；2026年以来收益率7.8%[41] 4. 四季均衡配置策略-低波版，截至2025年年化收益率8.8%，年平均最大回撤2.0%，夏普比率3.4；2026年以来收益率3.3%[41] 5. 沪深300指数增强组合，本周超额收益-1.9%，本月超额收益-3.8%，本年超额收益10.3%[51] 6. 中证500指数增强组合，本周超额收益0.4%，本月超额收益-0.4%，本年超额收益14.4%；自2016年1月1日以来年化超额收益13.5%，年化信息比2.74[51][58] 7. 中证1000指数增强组合，本周超额收益1.0%，本月超额收益1.3%，本年超额收益12.9%[51] 量化因子与构建方式 1. 因子名称：支撑阻力因子 - 因子构建思路：通过最高价与最低价近20日回归系数的相对陡峭程度刻画ETF价格的支撑阻力形态[28] - 因子具体构建过程：对ETF的最高价与最低价分别进行近20日回归，计算回归系数的相对陡峭程度，据此构建支撑阻力因子，并取因子多头组作为选样池[28] - 因子评价：作为热点趋势ETF策略的核心筛选因子，配合短期换手率提升指标可有效捕捉热点趋势[28] 2. 因子名称：预测股息率因子（dp_forecast） - 因子构建思路：以预测股息率衡量个股分红回报水平[48] - 因子具体构建过程：采用预测股息率作为因子值，除规模因子外均进行市值、行业中性化处理，按流通市值加权测算因子方向下前1/5组的多头收益[46][48] - 因子评价：本周表现最佳的因子，显示出稳健的选股能力[47] 3. 因子名称：过去四个季度已实施现金分红总额/当前市值因子（dp_historical） - 因子构建思路：以历史已实施现金分红总额与当前市值之比衡量股息回报[48] - 因子具体构建过程：因子值=过去四个季度已实施现金分红总额/当前市值，进行市值、行业中性化处理，按流通市值加权测算多头收益[46][48] - 因子评价：本周表现优异，显示出稳健的选股能力[47] 4. 因子名称：股息率因子（dividend_yield_ratio） - 因子构建思路：以股息率衡量个股分红回报水平[48] - 因子具体构建过程：采用股息率作为因子值，进行市值、行业中性化处理，按流通市值加权测算多头收益[46][48] - 因子评价：本周表现优异，显示出稳健的选股能力[47] 5. 因子名称：EBIT/EV因子（ebit_to_ev） - 因子构建思路：以息税前利润与企业价值之比衡量估值性价比[48] - 因子具体构建过程：因子值=息税前利润EBIT/企业价值EV，其中EV=fl-fa+cap，进行市值、行业中性化处理，按流通市值加权测算多头收益[46][48] 6. 因子名称：EBITDA/EV因子（ebitda_to_ev） - 因子构建思路：以EBITDA与企业价值之比衡量估值性价比[48] - 因子具体构建过程：因子值=EBITDA/EV，其中EV=fl-fa+cap，进行市值、行业中性化处理，按流通市值加权测算多头收益[46][48] 7. 因子名称：收益率波动率因子（return_std_6m/return_std_12m/return_std_3m） - 因子构建思路：以近6个月、12个月、3个月日收益率的波动率（标准差）衡量个股波动特征[48] - 因子具体构建过程：分别计算近6个月、近12个月、近3个月日收益率的标准差作为因子值，进行市值、行业中性化处理，按流通市值加权测算多头收益[46][48] 8. 因子名称：换手率类因子（turnover_mean_6m/turnover_std_6m/turnover_mean_3m/swap_3m） - 因子构建思路：以平均换手率、换手率标准差及换手率对数衡量交易活跃度[48] - 因子具体构建过程：turnover_mean_6m为近6个月平均换手率；turnover_std_6m为近6个月换手率的标准差；turnover_mean_3m为近3个月平均换手率；swap_3m为近63交易日平均换手率的自然对数；均进行市值、行业中性化处理，按流通市值加权测算多头收益[46][48] 9. 因子名称：市盈率倒数类因子（ep_fy1/ep_fttm/ep/ep_fy2/ep_de/est_ep） - 因子构建思路：以不同口径的市盈率倒数衡量估值水平[48] - 因子具体构建过程：ep_fy1为基于FY1一致预期盈利的市盈率倒数；ep_fttm为基于FTTM滚动盈利的市盈率倒数；ep为市盈率倒数；ep_fy2为基于FY2一致预期盈利的市盈率倒数；ep_de为扣除非经常损益的净利润TTM/总市值；est_ep为一致预期市盈率倒数；均进行市值、行业中性化处理，按流通市值加权测算多头收益[46][48] 10. 因子名称：3月最高价/3月最低价因子（close_max_div_min_3m） - 因子构建思路：以3月最高价与3月最低价之比衡量价格区间特征[48] - 因子具体构建过程：因子值=3月最高价/3月最低价，进行市值、行业中性化处理，按流通市值加权测算多头收益[46][48] 11. 因子名称：营业收入-生产成本-销售费用-管理费用/EV因子（sale_m_cost_oper_ad_to_ev） - 因子构建思路：以经营利润与企业价值之比衡量经营效率与估值性价比[48] - 因子具体构建过程：因子值=(营业收入-生产成本-销售费用-管理费用)/EV，进行市值、行业中性化处理，按流通市值加权测算多头收益[46][48] 12. 因子名称：预期股息率动量因子（mom3_dps_fy1/mom1_dps_fy1） - 因子构建思路：以一致预测股息率的变化幅度衡量预期分红改善[50] - 因子具体构建过程：mom3_dps_fy1=(当前一致预测dps_FY1-3个月前一致预测dps_FY1)/3个月前一致预测dps_FY1绝对值；mom1_dps_fy1=(当前一致预测dps_FY1-1个月前一致预测dps_FY1)/1个月前一致预测dps_FY1绝对值；进行市值、行业中性化处理，按流通市值加权测算多头收益[46][50] 13. 因子名称：预期ROE动量因子（mom1_roe_fy1） - 因子构建思路：以一致预测ROE的变化幅度衡量盈利预期改善[50] - 因子具体构建过程：mom1_roe_fy1=(当前一致预测roe_FY1-1个月前一致预测roe_FY1)/1个月前一致预测roe_FY1绝对值，进行市值、行业中性化处理，按流通市值加权测算多头收益[46][50] 14. 因子名称：营业利润TTM/销售费用TTM因子（oper_salesexp） - 因子构建思路：以营业利润与销售费用之比衡量经营效率[50] - 因子具体构建过程：因子值=营业利润TTM/销售费用TTM，进行市值、行业中性化处理，按流通市值加权测算多头收益[46][50] 15. 因子名称：评级上下调差因子（est_num_diff） - 因子构建思路：以评级上调与下调之差衡量分析师预期变化[50] - 因子具体构建过程：因子值=评级上下调差/评级上下调和，进行市值、行业中性化处理，按流通市值加权测算多头收益[46][50] 16. 因子名称：一致预期EPS动量因子（mom_est_eps/mom3_eps_fy1） - 因子构建思路：以一致预期EPS相对上期的变化衡量盈利预期动量[50] - 因子具体构建过程：mom_est_eps为一致预期EPS动量（当前一致预测EPS相对上期的变化）；mom3_eps_fy1=(当前一致预测eps_FY1-3个月前一致预测eps_FY1)/3个月前一致预测eps_FY1绝对值；进行市值、行业中性化处理，按流通市值加权测算多头收益[46][50] 17. 因子名称：反转因子（ideal_reversal） - 因子构建思路：以每笔成交前十的交易日累计涨跌幅减去成交后十的交易日累计涨跌幅衡量反转特征[50] - 因子具体构建过程：因子值=每笔成交前十的交易日累计涨跌幅减去成交后十的交易日累计涨跌幅，进行市值、行业中性化处理，按流通市值加权测算多头收益[46][50] - 因子评价：在小市值指数中表现更佳，中证500中超额收益达13.76%[49] 18. 因子名称：基金持股占流通股比值因子（io_to_float_a_share） - 因子构建思路：以基金持股占个股流通股比值衡量机构持仓水平[50] - 因子具体构建过程：根据基金年报和半年报披露持股数统计，基金总持股数占个股流通股比值，进行市值、行业中性化处理，按流通市值加权测算多头收益[46][50] 19. 因子名称：基金持股占净值比均值因子（mean_stkvaluetonav） - 因子构建思路：以基金持股占净值比均值衡量机构持仓水平[50] - 因子具体构建过程：根据基金年报和半年报披露持股数统计，基金持股占净值比均值，进行市值、行业中性化处理，按流通市值加权测算多头收益[46][50] 20. 因子名称：风格因子（市值、贝塔、动量、波动率、非线性市值、价值、流动性、盈利收益率、成长、杠杆） - 因子构建思路：从Barra风格维度刻画市场风格特征[45] - 因子具体构建过程：按市值、贝塔、动量、波动率、非线性市值、价值、流动性、盈利收益率、成长、杠杆等维度构建风格因子，统计其截面收益与时序收益[45] - 因子评价：本周市场呈现"高价值高盈利收益率高杠杆"的风格特征[44] 因子的回测效果 1. 预测股息率因子（dp_forecast），近一周多头超额3.66%，近一个月多头超额6.67%，近一年多头超额7.63%；沪深300中多头超额21.26%，中证500中8.33%，中证800中15.43%，中证1000中8.22%[48][50] 2. 过去四个季度已实施现金分红总额/当前市值因子（dp_historical），近一周多头超额3.58%，近一个月多头超额6.38%，近一年多头超额2.69%[48] 3. 股息率因子（dividend_yield_ratio），近一周多头超额3.46%，近一个月多头超额7.15%，近一年多头超额2.13%；沪深300中多头超额10.35%，中证500中9.17%，中证800中11.34%，中证1000中8.09%[48][50] 4. EBIT/EV因子（ebit_to_ev），近一周多头超额3.22%，近一个月多头超额5.83%，近一年多头超额0.76%[48] 5. 近6个月日收益率波动率因子（return_std_6m），近一周多头超额2.99%，近一个月多头超额8.35%，近一年多头超额-3.39%[48] 6. EBITDA/EV因子（ebitda_to_ev），近一周多头超额2.94%，近一个月多头超额5.93%，近一年多头超额-4.50%[48] 7. 近12个月日收益率波动率因子（return_std_12m），近一周多头超额2.85%，近一个月多头超额8.24%，近一年多头超额-4.03%[48] 8. 近6个月平均换手率因子（turnover_mean_6m），近一周多头超额2.83%，近一个月多头超额6.94%，近一年多头超额0.87%[48] 9. 近6个月换手率标准差因子（turnover_std_6m），近一周多头超额2.79%，近一个月多头超额6.91%，近一年多头超额4.23%；沪深300中多头超额12.13%，中证500中8.48%，中证800中11.80%，中证1000中8.13%[48][50] 10. 市盈率倒数fy1因子（ep_fy1），近一周多头超额2.77%，近一个月多头超额5.10%，近一年多头超额2.36%；沪深300中多头超额12.15%，中证500中11.94%，中证800中11.41%，中证1000中8.48%[48][50] 11. 近3个月日收益率波动率因子（return_std_3m），近一周多头超额2.75%，近一个月多头超额8.33%，近一年多头超额-2.00%[48] 12. 市盈率倒数fttm因子（ep_fttm），近一周多头超额2.70%，近一个月多头超额4.83%，近一年多头超额2.43%；沪深300中多头超额11.42%，中证500中11.21%，中证800中11.89%，中证1000中7.66%[48][50] 13. 市盈率倒数因子（ep），近一周多头超额2.70%，近一个月多头超额5.51%，近一年多头超额1.52%；沪深300中多头超额12.04%，中证500中9.50%，中证800中12.38%，中证1000中8.52