根据研报内容，以下是关于量化模型和因子的总结： 量化模型与构建方式 1. **公募基金仓位测算模型**[20][21][22][23] * **模型构建思路**： 通过持股市值加权平均的方法，测算主动权益型基金和“固收+”基金的整体仓位水平，以监控市场资金动向和风险偏好[20][21][22][23] * **模型具体构建过程**： 首先，根据基金类型（如普通股票型、偏股混合型等）和特定条件（如成立时间、规模、历史仓位）筛选合格样本[23]；然后，对合格样本的仓位数据按其持股市值进行加权平均计算，得到市场整体平均仓位[23]；具体筛选门槛包括：成立期满两个季度、未到期、规模大于5000万元、过去四期平均仓位大于60%（主动权益型）或在10%-30%之间（“固收+”基金），并剔除不完全投资于A股的基金[23] 2. **主动权益产品风格仓位模型**[27][28][29] * **模型构建思路**： 将主动偏股型基金的持仓按市值规模（大、中、小盘）和价值/成长风格进行划分，计算各类风格的配置比例，以分析基金风格偏好变化[27][28][29] * **模型具体构建过程**： 基于基金的持仓数据，将股票划分为大盘成长、大盘价值、中盘成长、中盘价值、小盘成长、小盘价值等风格类别；然后，加总计算主动偏股型基金在所有样本中，对每个风格类别的持仓市值占比，得到各风格的仓位百分比[27][28][29] 3. **主动权益产品行业仓位模型**[30][31] * **模型构建思路**： 基于中信一级行业分类，测算主动权益型基金在各行业的配置比例及其变动趋势，以跟踪基金行业配置动向[30][31] * **模型具体构建过程**： 使用基金的持仓数据，计算其在中信各一级行业（如电子、医药、银行等）的持股市值；然后，以持股市值加权平均值的方式，计算所有样本基金在每个行业的配置比例，并与前一期数据比较得出变动情况[30][31] 4. **主力/主动资金流统计模型**[47][48] * **模型构建思路**： 根据同花顺对成交单的划分标准，统计不同规模资金（特大单、大单、中单、小单）在个股和行业层面的净流入/流出情况，以分析资金动向[47][48] * **模型具体构建过程**： 首先，定义资金类型标准：特大单（成交量≥20万股或金额≥100万元）、大单（6万股≤成交量<20万股或30万元≤金额<100万元）、中单（1万股≤成交量<6万股或5万元≤金额<30万元）、小单（成交量<1万股或金额<5万元）[47]；然后，分别计算每个交易日各只股票或每个行业在不同资金类型上的买入总额与卖出总额之差，得到净流入额；最后，按周度等时间窗口汇总统计[48] 模型的回测效果 * **公募基金仓位测算模型**：截至2025/9/26，主动权益型基金平均仓位为90.31%，其中普通股票型基金仓位92.51%，偏股混合型基金仓位91.14%，配置型基金仓位88.03%，“固收+”基金平均仓位23.27%[20] * **主动权益产品风格仓位模型**：截至2025/9/26，主动偏股型基金大盘成长仓位32.35%，大盘价值仓位9.73%，中盘成长仓位6.73%，中盘价值仓位8.35%，小盘成长仓位36.19%，小盘价值仓位6.64%[27] * **主动权益产品行业仓位模型**：截至2025/9/26，主动权益型基金配置比例上调较多的行业有电子（约18.72%）、传媒（约2.12%）、计算机（约4.43%）、银行（约3.29%）、机械（约5.41%）；配比下调较多的行业有基础化工（约3.89%）、通信（约7.39%）、农林牧渔（约1.41%）、房地产（约0.83%）、交通运输（约1.44%）[30] * **主力/主动资金流统计模型**：本周（2025/9/22-2025/9/26）主力资金净流入银行，流出电子、计算机；主动资金主买净额约-2688.64亿元，净流入银行，流出机械、医药[48]

量化模型与构建方式 1. 择时雷达六面图综合模型 - **模型名称**：择时雷达六面图综合模型 - **模型构建思路**：从流动性、经济面、估值面、资金面、技术面、拥挤度六个维度选取21个指标，综合生成[-1,1]之间的择时分数，概括为四大类（估值性价比、宏观基本面、资金&趋势、拥挤度&反转）[2][7] - **模型具体构建过程**： 1. 对每个维度下的指标分别计算分数（部分指标通过z-score、阈值判断或趋势比较等方式生成[-1,0,1]或连续分数） 2. 将六个维度的分数综合处理（具体方法未详细说明）生成最终择时分数 - **模型评价**：能够多维度刻画市场状态，提供综合择时观点 --- 量化因子与构建方式 1. 货币方向因子 - **因子构建思路**：判断货币政策方向，通过利率变化方向表征宽松或收紧[11] - **因子具体构建过程**： 选取央行货币政策工具利率与短端市场利率，计算其相较于90天前的平均变化方向： - 若 >0，判断货币政策宽松（分数=1） - 若 <0，判断货币政策收紧（分数=-1）[11] 2. 货币强度因子 - **因子构建思路**：表征短端市场利率相对于政策利率的偏离幅度，基于“利率走廊”概念[15] - **因子具体构建过程**： 计算偏离度： $$偏离度 = \frac{DR007}{7天逆回购利率} - 1$$ 对偏离度进行平滑与z-score处理，形成货币强度因子： - 若 < -1.5倍标准差，则未来120日分数=1 - 若 > 1.5倍标准差，则未来120日分数=-1[15] 3. 信用方向因子 - **因子构建思路**：表征商业银行对实体经济传导的松紧，使用中长期贷款指标[18] - **因子具体构建过程**： 计算中长期贷款过去十二个月增量，再计算同比： - 若信用方向因子相比三个月前上升，则分数=1 - 若下降，则分数=-1[18] 4. 信用强度因子 - **因子构建思路**：捕捉信用指标是否大幅超预期或不及预期[22] - **因子具体构建过程**： 计算： $$信用强度因子 = \frac{新增人民币贷款当月值 - 预期中位数}{预期标准差}$$ - 若 >1.5倍标准差，则未来60日分数=1 - 若 <-1.5倍标准差，则未来60日分数=-1[22] 5. 增长方向因子 - **因子构建思路**：基于PMI数据判断经济增长方向[25] - **因子具体构建过程**： 使用中采制造业PMI、中采非制造业PMI、财新制造业PMI，计算过去十二月均值，再计算同比： - 若相比三个月前上升，则分数=1 - 若下降，则分数=-1[25] 6. 增长强度因子 - **因子构建思路**：捕捉经济增长指标是否大幅超预期或不及预期[28] - **因子具体构建过程**： 计算PMI预期差： $$增长强度因子 = \frac{PMI - 预期中位数}{预期标准差}$$ - 若 >1.5倍标准差，则未来60日分数=1 - 若 <-1.5倍标准差，则未来60日分数=-1[28] 7. 通胀方向因子 - **因子构建思路**：判断通胀水平对货币政策的影响[32] - **因子具体构建过程**： 计算： $$通胀方向因子 = 0.5 \times CPI同比平滑值 + 0.5 \times PPI同比原始值$$ - 若相较于三个月前降低，则分数=1 - 若上升，则分数=-1[32] 8. 通胀强度因子 - **因子构建思路**：捕捉通胀指标是否大幅超预期或不及预期[35] - **因子具体构建过程**： 分别计算CPI与PPI预期差： $$预期差 = \frac{披露值 - 预期中位数}{预期标准差}$$ 取两者均值作为通胀强度因子： - 若 <-1.5倍标准差，则未来60日分数=1 - 若 >1.5倍标准差，则未来60日分数=-1[35] 9. 席勒ERP因子 - **因子构建思路**：计算经通胀调整的盈利估值指标，衡量权益性价比[38] - **因子具体构建过程**： 计算过去6年通胀调整后的平均盈利（席勒PE），再计算： $$席勒 ERP = \frac{1}{席勒 PE} - 10年期国债到期收益率$$ 对席勒ERP计算过去6年z-score作为分数[38] 10. PB因子 - **因子构建思路**：使用PB指标衡量估值水平[40] - **因子具体构建过程**： 对PB×(-1)计算过去6年z-score，1.5倍标准差截尾后标准化到±1之间得到分数[40] 11. AIAE因子 - **因子构建思路**：衡量全市场权益配置比例，反映市场风险偏好[44] - **因子具体构建过程**： 计算： $$AIAE = \frac{中证全指总流通市值}{中证全指总流通市值 + 实体总债务}$$ 对AIAE×(-1)计算过去6年z-score得到分数[44] 12. 两融增量因子 - **因子构建思路**：通过两融余额变化判断市场情绪[47] - **因子具体构建过程**： 计算融资余额-融券余额，再计算120日均增量与240日均增量： - 若120日均增量 > 240日均增量，则分数=1 - 若120日均增量 < 240日均增量，则分数=-1[47] 13. 成交额趋势因子 - **因子构建思路**：通过成交额均线距离判断市场热度[50] - **因子具体构建过程**： 计算对数成交额的均线距离： $$均线距离 = \frac{ma120}{ma240} - 1$$ - 若max(10)=max(30)=max(60)，则分数=1 - 若min(10)=min(30)=min(60)，则分数=-1[50] 14. 中国主权CDS利差因子 - **因子构建思路**：通过CDS利差变化判断外资流入意愿[53] - **因子具体构建过程**： 对平滑后CDS利差计算20日差分： - 若20日差分 <0，则分数=1 - 若20日差分 >0，则分数=-1[53] 15. 海外风险厌恶指数因子 - **因子构建思路**：通过花旗风险厌恶指数判断海外市场风险偏好[56] - **因子具体构建过程**： 对平滑后风险厌恶指数计算20日差分： - 若20日差分 <0，则分数=1 - 若20日差分 >0，则分数=-1[56] 16. 价格趋势因子 - **因子构建思路**：通过均线距离判断价格趋势方向与强度[60] - **因子具体构建过程**： 计算均线距离： $$均线距离 = \frac{ma120}{ma240} - 1$$ - 趋势方向分数：若 >0则为1，否则为-1 - 趋势强度分数：若max(20)=max(60)则为1，若min(20)=min(60)则为-1 综合分数 = (趋势方向分数 + 趋势强度分数)/2[60] 17. 新高新低数因子 - **因子构建思路**：通过成分股新高新低个数判断市场反转信号[63] - **因子具体构建过程**： 计算中证800成分股过去一年新高数-新低数的ma20： - 若 >0，则分数=1 - 若 <0，则分数=-1[63] 18. 期权隐含升贴水因子 - **因子构建思路**：通过期权隐含升贴水判断市场情绪与拥挤度[66] - **因子具体构建过程**： 基于看涨看跌平价关系推导隐含升贴水： - 若50ETF近5日收益率<0且指标分位数<30%，则分数=1（持续20日） - 若50ETF近5日收益率>0且指标分位数>70%，则分数=-1（持续20日）[66] 19. 期权VIX指数因子 - **因子构建思路**：通过期权隐含波动率判断市场情绪[67] - **因子具体构建过程**： - 若50ETF近5日收益率<0且指标分位数>70%，则分数=1（持续20日） - 若50ETF近5日收益率>0且指标分位数>70%，则分数=-1（持续20日）[67] 20. 期权SKEW指数因子 - **因子构建思路**：通过期权隐含偏度判断市场情绪[72] - **因子具体构建过程**： - 若50ETF近5日收益率<0且指标分位数>70%，则分数=1（持续20日） - 若50ETF近5日收益率>0且指标分位数<30%，则分数=-1（持续20日）[72] 21. 可转债定价偏离度因子 - **因子构建思路**：通过可转债估值水平判断市场情绪[74] - **因子具体构建过程**： 计算： $$可转债定价偏离度 = \frac{转债价格}{模型定价} - 1$$ 对定价偏离度×(-1)计算过去3年z-score得到分数[74] --- 模型的回测效果 1. 择时雷达六面图综合模型 - 当前综合打分：-0.30分[2][7][9] --- 因子的回测效果 1. 货币方向因子 - 当前分数：1分[12] 2. 货币强度因子 - 当前分数：-1分[15] 3. 信用方向因子 - 当前分数：1分[19] 4. 信用强度因子 - 当前分数：0分[22] 5. 增长方向因子 - 当前分数：1分[26] 6. 增长强度因子 - 当前分数：-1分[29] 7. 通胀方向因子 - 当前分数：-1分[32] 8. 通胀强度因子 - 当前分数：0分[35] 9. 席勒ERP因子 - 当前分数：0.07分[42] 10. PB因子 - 当前分数：-0.46分[41] 11. AIAE因子 - 当前分数：-0.77分[44] 12. 两融增量因子 - 当前分数：1分[47] 13. 成交额趋势因子 - 当前分数：0分[50] 14. 中国主权CDS利差因子 - 当前分数：1分[54] 15. 海外风险厌恶指数因子 - 当前分数：-1分[57] 16. 价格趋势因子 - 当前分数：0分[62] 17. 新高新低数因子 - 当前分数：-1分[63] 18. 期权隐含升贴水因子 - 当前分数：-1分[66] 19. 期权VIX指数因子 - 当前分数：-1分[68] 20. 期权SKEW指数因子 - 当前分数：-1分[72] 21. 可转债定价偏离度因子 - 当前分数：-1.00分[74]

量化模型与构建方式 1. 风格因子模型 - **模型名称**：BARRA风格因子模型[16] - **模型构建思路**：参考BARRA因子模型构建10个风格因子，以捕捉A股市场的风格变化[16] - **模型具体构建过程**：通过细分因子合成大类风格因子，细分因子构造方式及大类因子合成方式见表3[16]。具体因子构建如下： - 估值因子=BP，其中BP（Book to Price）=归母股东权益/总市值[17] - 成长因子=（SGRO+EGRO）/2，其中： - SGRO（Sales growth）：过去五个财年年报的每股营业收入按时间进行回归，将回归系数（斜率）除以每股营业收入的平均值[17] - EGRO（Earnings growth）：过去五个财年年报的每股归母净利润按时间进行回归，将回归系数（斜率）除以每股归母净利润的平均值[17] - 盈利因子=（ETOP+CETOP）/2，其中： - ETOP（Earnings-to-price ratio）：归母净利润TTM/总市值[17] - CETOP（Cash earnings-to-price ratio）：经营活动产生的现金流量净额TTM/总资产[17] - 规模因子=LNCAP，其中LNCAP（Natural log of market cap）=总市值的对数[17] - Beta因子=BETA，将个股过去252个交易日的日收益率与中证全指日收益率进行半衰指数加权回归，半衰期为63个交易日，最终取回归系数作为BETA[17] - 动量因子=RSTR，其中RSTR（Relative strength）=过去504个交易日个股累计收益率，不含最近21个交易日，收益率序列使用半衰指数加权，半衰期为126个交易日[17] - 流动性因子=（STOM+STOQ+STOA）/3，其中： - STOM（Share turnover, one month）：个股过去1个月的换手率加总，之后取对数[17] - STOQ（Average share turnover, trailing 3 months）：个股过去3个月STOM的均值[17] - STOA（Average share turnover, trailing 12 months）：个股过去12个月STOM的均值[17] - 波动性因子=（DASTD+CMRA+HSIGMA）/3，其中： - DASTD（Daily standard deviation）：过去250个交易日个股相对于所有股票等权指数的超额收益率的标准差，计算标准差时使用半衰指数加权，半衰期为40个交易日[17] - CMRA（Cumulative range）：计算个股过去12个月内的累计对数收益率，将累计最高收益与累积最低收益做差[17] - HSIGMA（Historical sigma）：计算BETA时残差的标准差[17] - 非线性市值因子=NLSIZE，将股票总市值对数的三次方与对数市值进行加权最小二乘回归，其中权重为对数市值的平方根，最终取回归残差作为NLSIZE[17] - 杠杆因子=（MLEV+DTOA+BLEV）/3，其中： - MLEV（Market leverage）：非流动负债/总市值[17] - DTOA（Debt to assets）：总负债/总资产[17] - BLEV（Book leverage）：非流动负债/归属母公司股东权益[17] 2. 中性约束条件下最大化因子暴露组合构建方法 - **模型名称**：中性约束条件下最大化因子暴露组合[22][23] - **模型构建思路**：在确保投资组合相对基准指数在行业和风格暴露保持中性的基础上，最大化目标因子在组合中的暴露[23] - **模型具体构建过程**：参考附录中的具体构建方法[23] 量化因子与构建方式 1. 估值因子 1. **因子名称**：BP[22] - 因子构建思路：衡量账面价值与市场价值的比率[22] - 因子具体构建过程：归属母公司股东权益/总市值[22] - 参考方向：正向[22] 2. **因子名称**：单季度EP[22] - 因子构建思路：衡量单季度盈利与市值的比率[22] - 因子具体构建过程：单季度归母净利润/总市值[22] - 参考方向：正向[22] 3. **因子名称**：EP_TTM[22] - 因子构建思路：衡量滚动盈利与市值的比率[22] - 因子具体构建过程：归母净利润TTM/总市值[22] - 参考方向：正向[22] 4. **因子名称**：单季度SP[22] - 因子构建思路：衡量单季度营收与市值的比率[22] - 因子具体构建过程：单季度营业收入/总市值[22] - 参考方向：正向[22] 5. **因子名称**：SP_TTM[22] - 因子构建思路：衡量滚动营收与市值的比率[22] - 因子具体构建过程：营业收入TTM/总市值[22] - 参考方向：正向[22] 6. **因子名称**：单季度CFEV[22] - 因子构建思路：衡量单季度现金流与调整市值的比率[22] - 因子具体构建过程：单季度经营活动产生的现金流量净额/（市值+短期借款+长期借款+应付债券-货币资金）[22] - 参考方向：正向[22] 7. **因子名称**：CFEV_TTM[22] - 因子构建思路：衡量滚动现金流与调整市值的比率[22] - 因子具体构建过程：经营活动产生的现金流量净额TTM/（市值+短期借款+长期借款+应付债券-货币资金）[22] - 参考方向：正向[22] 2. 成长因子 8. **因子名称**：单季度净利润同比增速[22] - 因子构建思路：衡量单季度净利润同比增长情况[22] - 因子具体构建过程：单季度归母净利润同比增长率[22] - 参考方向：正向[22] 9. **因子名称**：单季度营业收入同比增速[22] - 因子构建思路：衡量单季度营业收入同比增长情况[22] - 因子具体构建过程：单季度营业收入同比增长率[22] - 参考方向：正向[22] 10. **因子名称**：单季度营业利润同比增速[22] - 因子构建思路：衡量单季度营业利润同比增长情况[22] - 因子具体构建过程：单季度营业利润同比增长率[22] - 参考方向：正向[22] 11. **因子名称**：标准化预期外盈利[22] - 因子构建思路：衡量盈利超出预期的程度[22] - 因子具体构建过程：（当前季度归母净利润-（去年同期单度归母净利润+过去8个季度单季归母净利润同比增长均值））/过去8个季度的单季度归母净利润同比增长值的标准差[22] - 参考方向：正向[22] 12. **因子名称**：标准化预期外收入[22] - 因子构建思路：衡量收入超出预期的程度[22] - 因子具体构建过程：（当前季度营业收入-（去年同期单度营业收入+过去8个季度单季度营业收入同比增长均值））/过去8个季度的单季度营业收入同比增长值的标准差[22] - 参考方向：正向[22] 13. **因子名称**：单季度ROE同比[22] - 因子构建思路：衡量单季度ROE同比变化[22] - 因子具体构建过程：ROE单季度同比变化[22] - 参考方向：正向[22] 14. **因子名称**：单季度ROA同比[22] - 因子构建思路：衡量单季度ROA同比变化[22] - 因子具体构建过程：ROA单季度同比变化[22] - 参考方向：正向[22] 3. 质量因子 15. **因子名称**：单季度ROE[22] - 因子构建思路：衡量单季度净资产收益率[22] - 因子具体构建过程：单季度归母净利润/归属母公司股东权益[22] - 参考方向：正向[22] 16. **因子名称**：单季度ROA[22] - 因子构建思路：衡量单季度总资产收益率[22] - 因子具体构建过程：单季度归母净利润/总资产[22] - 参考方向：正向[22] 17. **因子名称**：单季度毛利率[22] - 因子构建思路：衡量单季度毛利率水平[22] - 因子具体构建过程：（单季度营业收入-单季度营业成本）/单季度营业收入[22] - 参考方向：正向[22] 18. **因子名称**：单季度营业利润率[22] - 因子构建思路：衡量单季度营业利润率水平[22] - 因子具体构建过程：单季度营业利润/单季度营业收入[22] - 参考方向：正向[22] 19. **因子名称**：单季度净利润率[22] - 因子构建思路：衡量单季度净利润率水平[22] - 因子具体构建过程：单季度归母净利润/单季度营业收入[22] - 参考方向：正向[22] 20. **因子名称**：盈余质量[22] - 因子构建思路：衡量盈余质量[22] - 因子具体构建过程：（经营活动现金流量净额-营业利润）/总资产[22] - 参考方向：正向[22] 21. **因子名称**：流动比率[22] - 因子构建思路：衡量流动性风险[22] - 因子具体构建过程：流动资产/流动负债[22] - 参考方向：正向[22] 4. 规模因子 22. **因子名称**：对数市值[22] - 因子构建思路：衡量公司规模[22] - 因子具体构建过程：总市值的对数[22] - 参考方向：负向[22] 5. 反转因子 23. **因子名称**：20日反转[22] - 因子构建思路：衡量短期反转效应[22] - 因子具体构建过程：个股过去20个交易日收益率[22] - 参考方向：负向[22] 24. **因子名称**：60日反转[22] - 因子构建思路：衡量中期反转效应[22] - 因子具体构建过程：个股过去60个交易日收益率[22] - 参考方向：负向[22] 6. 动量因子 25. **因子名称**：60日动量[22] - 因子构建思路：衡量中期动量效应[22] - 因子具体构建过程：个股过去60个交易日（排除近20日）收益率[22] - 参考方向：正向[22] 26. **因子名称**：240日动量[22] - 因子构建思路：衡量长期动量效应[22] - 因子具体构建过程：个股过去240个交易日（排除近20日）收益率[22] - 参考方向：正向[22] 27. **因子名称**：盈余公告前隔夜动量[22] - 因子构建思路：衡量盈余公告前的隔夜动量效应[22] - 因子具体构建过程：个股盈余公告前20个交易日的隔夜收益[22] - 参考方向：正向[22] 28. **因子名称**：盈余公告次日开盘跳空超额[22] - 因子构建思路：衡量盈余公告次日的开盘跳空效应[22] - 因子具体构建过程：个股盈余公告次日开盘价/昨日收盘价-中证全指次日开盘价/昨日收盘价[22] - 参考方向：正向[22] 7. 流动性因子 29. **因子名称**：20日换手率[22] - 因子构建思路：衡量短期换手率水平[22] - 因子具体构建过程：个股过去20个交易日换手率的平均值[22] - 参考方向：负向[22] 30. **因子名称**：60日换手率[22] - 因子构建思路：衡量中期换手率水平[22] - 因子具体构建过程：个股过去60个交易日换手率的平均值[22] - 参考方向：负向[22] 31. **因子名称**：20日换手率波动[22] - 因子构建思路：衡量短期换手率波动[22] - 因子具体构建过程：个股过去20个交易日换手率的标准差[22] - 参考方向：负向[22] 32. **因子名称**：60日换手率波动[22] - 因子构建思路：衡量中期换手率波动[22] - 因子具体构建过程：个股过去60个交易日换手率的标准差[22] - 参考方向：负向[22] 33. **因子名称**：20日非流动性冲击[22] - 因子构建思路：衡量短期非流动性冲击[22] - 因子具体构建过程：个股过去20个交易日的收益率绝对值/过去20日成交额的均值[22] - 参考方向：正向[22] 34. **因子名称**：60日非流动性冲击[22] - 因子构建思路：衡量中期非流动性冲击[22] - 因子具体构建过程：个股过去60个交易日的收益率绝对值/过去60日成交额的均值[22] - 参考方向：正向[22] 8. 波动性因子 35. **因子名称**：20日收益率标准差[22] - 因子构建思路：衡量短期收益波动[22] - 因子具体构建过程：个股过去20个交易日的日收益率标准差[22] - 参考方向：负向[22] 36. **因子名称**：60日收益率标准差[22] - 因子构建思路：衡量中期收益波动[22] - 因子具体构建过程：个股过去60个交易日的日收益率标准差[22] - 参考方向：负向[22] 37. **因子名称**：20日特异度[22] - 因子构建思路：衡量短期特异度[22] - 因子具体构建过程：个股过去20个交易日的日收益与Fama-French三因子回归的拟合度[22] - 参考方向：负向[22] 38. **因子名称**：60日特异度[22] - 因子构建思路：衡量中期特异度[22] - 因子具体构建过程：个股过去60个交易日的日收益与Fama-French三因子回归的拟合度[22] - 参考方向：负向[22] 39. **因子名称**：20日三因子模型残差波动率[22] - 因子构建思路：衡量三因子模型残差的短期波动[22] - 因子具体构建过程：个股过去20个交易日的日收益对Fama-French三因子回归的残差的标准差[22] - 参考方向：负向[22] 40. **因子名称**：120日三因子模型残差波动率[22] - 因子构建思路：衡量三因子模型残差的中期波动[22] - 因子具体构建过程：个股过去120个交易日的日收益对Fama-French三因子回归的残差的标准差[22] - 参考方向：负向[22] 41. **因子名称**：240日三因子模型残差波动率[22] - 因子构建思路：衡量三因子模型残差的长期波动[22] - 因子具体构建过程：个股过去240个交易日的日收益对Fama-French三因子回归的残差的标准差[22] - 参考方向：负向[22] 9. 分红因子 42. **因子名称**：股息率[22] - 因子构建思路：衡量分红收益[22] - 因子具体构建过程：最近4个季度分红/总市值[22] - 参考方向：正向[22] 10. 公司治理因子 43. **因子名称**：前五大股东持股比例[22] - 因子构建思路：衡量股权集中度[22] - 因子具体构建过程：前五大股东持股比例合计[22] - 参考方向：正向[22] 44. **因子名称**：前十大股东持股比例[22] - 因子构建思路：衡量股权集中度[22] - 因子具体构建过程：前十大股东持股比例合计[22] - 参考方向：正向[22] 11. 技术因子 45. **因子名称**：20日成交额[22] - 因子构建思路：衡量短期成交活跃度[22] - 因子具体构建过程：过去20个交易日日均成交额[22] - 参考方向：负向[22] 46. **因子名称**：60日成交额[22] - 因子构建思路：衡量中期成交活跃度[22] - 因子具体构建过程：过去60个交易日日均成交额[22] - 参考方向：负向[22] 47. **因子名称**：60日偏度[22] - 因子构建思路：衡量中期收益偏度[22] - 因子具体构建过程：过去60个交易日日度收益率数据计算的偏度[22] - 参考方向：负向[22] 48. **因子名称**：240日偏度[22] - 因子构建思路：衡量长期收益偏度[22] - 因子具体构建过程：过去240个交易日日度收益率数据计算的偏度[22] - 参考方向：负向[22] 49. **因子名称**：20日成交量变异系数[22] - 因子构建思路：衡量短期成交量波动[22] - 因子具体构建过程：过去20个交易日成交量的标准差/过去20个交易日成交量均值[22] - 参考方向：负向[22] 50. **因子名称**：60日成交量变异系数[22] - 因子构建思路：衡量中期成交量波动[22] - 因子具体构建过程：过去60个交易日成交量的标准差/过去60个交易日成交量均值[22] - 参考方向：负向[22] 51. **因子名称**：20日成交量比率[22] - 因子构建思路：衡量

根据您提供的研报内容，经过全面梳理，总结如下： 量化模型与构建方式 1. **模型/因子名称**：行业拥挤度模型[3][17] **构建思路**：使用马氏距离来衡量行业指数在价格和成交金额变动上的综合偏离程度，以识别短期交易过热或过冷的行业[3][17] **具体构建过程**： 1. 选取各行业指数最近一周的价格变动数据和成交金额变动数据作为两个特征维度[3] 2. 计算所有行业这两个特征维度所构成数据集的协方差矩阵 3. 对于每一个行业，计算其价格变动和成交金额变动向量到数据集中心点（假设为均值向量）的马氏距离，公式为： $$D_M(\vec{x}) = \sqrt{(\vec{x} - \vec{\mu})^T \Sigma^{-1} (\vec{x} - \vec{\mu})}$$ 其中，$\vec{x}$ 代表某个行业的价格与成交金额变动向量，$\vec{\mu}$ 代表所有行业变动的均值向量，$\Sigma$ 代表所有行业变动的协方差矩阵[17] 4. 将结果绘制在散点图上（价格变动为X轴，成交金额变动为Y轴），并绘制出置信水平为99%的椭圆边界[17] 5. 位于第一象限且椭圆外的点被视为短期显著拥挤的行业（价量齐升且偏离度过大）[17] 模型的回测效果 （报告中未提供行业拥挤度模型的具体回测指标数值） 量化因子与构建方式 （报告中未涉及其他独立的量化因子构建） 因子的回测效果 （报告中未提供任何因子的具体回测指标数值） **注**：本报告核心内容为市场数据描述与复盘，仅包含一个用于衡量行业拥挤度的模型，未涉及其他量化因子或模型的构建与测试[1][2][3][8][9][12][13][14][17]

根据提供的金融工程周报内容，以下是关于量化模型和因子的总结： 量化模型与构建方式 1. 模型名称：港股精选组合模型 - **模型构建思路**：基于分析师推荐事件构建股票池，再结合基本面和技术面指标进行双重筛选，旨在选出具备基本面支撑和技术面共振的超预期股票[14][15] - **模型具体构建过程**： 1. **事件筛选**：选取分析师上调盈利预测、分析师首次关注、分析师研报标题超预期事件作为分析师推荐事件[15] 2. **股票池构建**：基于分析师推荐事件构建初始股票池[15] 3. **双重筛选**： - 基本面筛选：具体筛选标准未详细说明[15] - 技术面筛选：具体筛选标准未详细说明[15] 4. **组合构建**：通过上述筛选流程最终形成港股精选股票组合[15] - **模型评价**：该模型在回测期间表现优异，年化收益19.11%，相对恒生指数超额收益达到18.48%[15] 2. 因子名称：250日新高距离因子 - **因子构建思路**：通过计算当前价格与250日最高价的距离来度量股票的创新高情况，用于识别趋势强度[20][22] - **因子具体构建过程**： 计算公式为： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 其中： - $Closet$ 为最新收盘价 - $ts\_max(Close, 250)$ 为过去250个交易日收盘价的最大值[22] - **因子评价**：该因子能有效识别接近新高的股票，这类股票往往表现出更强的动量效应[20] 3. 因子名称：股价路径平滑性因子 - **因子构建思路**：通过位移路程比来衡量股价走势的平稳性，筛选出趋势更加稳定的股票[23] - **因子具体构建过程**：使用股价位移路程比作为衡量指标，具体计算公式未明确给出[23] 4. 因子名称：创新高持续性因子 - **因子构建思路**：通过计算过去120日内250日新高距离的时间序列均值，评估股票创新高的持续能力[23] - **因子具体构建过程**：计算过去120日的250日新高距离在时间序列上的均值[23] 5. 因子名称：趋势延续性因子 - **因子构建思路**：通过近期5日的250日新高距离均值来捕捉短期趋势延续性[23] - **因子具体构建过程**：计算过去5日的250日新高距离在时间序列上的均值[23] 模型的回测效果 港股精选组合模型绩效表现[19] - **绝对收益**：19.11% - **超额收益**：18.48% - **相对最大回撤**：23.73% - **信息比率(IR)**：1.22 - **跟踪误差**：14.55% - **收益回撤比**：0.78 分年度绩效表现（2010-20250630）[19] 各年度具体指标包括：绝对收益、恒生指数收益、超额收益、相对最大回撤、信息比、跟踪误差、收益回撤比、最大回撤起始日和截止日 因子的回测效果 平稳创新高股票筛选效果[22][23][28] 通过综合运用250日新高距离、股价路径平滑性、创新高持续性和趋势延续性等因子，筛选出的平稳创新高股票在医药、周期、科技、消费和制造板块表现出色，其中： - 医药板块：14只股票入选 - 周期板块：11只股票入选 - 科技板块：8只股票入选 - 消费板块：6只股票入选 - 制造板块：4只股票入选 具体个股包括华虹半导体、药明生物、药明合联等，这些股票在过去250日内涨幅显著，多数超过100%，部分甚至达到1000%以上[28]

根据提供的研报内容，以下是关于量化模型和因子的详细总结。 量化模型与构建方式 1. 模型名称：国信金工指数增强模型 **模型构建思路**：以多因子选股为主体，通过收益预测、风险控制和组合优化三个主要流程，构建对标不同基准指数（沪深300、中证500、中证1000、中证A500）的增强组合，目标是稳定战胜各自基准[11][12] **模型具体构建过程**：模型构建主要包括以下步骤： 1. **收益预测**：基于多因子模型进行股票收益预测 2. **风险控制**：控制组合相对于基准指数的风险暴露 3. **组合优化**：通过优化算法确定最终股票权重，最大化预期收益同时控制风险 具体优化模型如下： $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ 其中： - $f$ 为因子取值向量 - $w$ 为待求解的股票权重向量 - $w_b$ 为基准指数成分股权重向量 - $X$ 为风格因子暴露矩阵 - $H$ 为行业暴露矩阵 - $s_l$, $s_h$ 为风格因子相对暴露上下限 - $h_l$, $h_h$ 为行业偏离上下限 - $w_l$, $w_h$ 为个股权重偏离上下限 - $B_b$ 为成分股标识向量 - $b_l$, $b_h$ 为成分股权重占比上下限 - $l$ 为个股权重上限 约束条件包括控制风格暴露、行业偏离、个股权重偏离、成分股权重占比等[42][43] 2. 模型名称：单因子MFE组合 **模型构建思路**：采用组合优化方式，在控制行业暴露、风格暴露等实际约束条件下，检验单因子的有效性，通过构建最大化单因子暴露组合（MFE组合）来评估因子表现[42] **模型具体构建过程**：构建过程如下： 1. 设定MFE组合的约束条件，包括风格暴露、行业暴露、个股权重偏离、成分股权重占比等 2. 每个月末，根据约束条件构建每个单因子的MFE组合 3. 在回测期内根据各期MFE组合换仓，计算历史收益并扣除交易费用 4. 计算MFE组合相对于基准的收益风险统计指标 对于不同基准指数，约束条件设置不同： - 沪深300和中证500：控制行业相对暴露为0，市值风格因子相对暴露为0，个股最大偏离权重1%，成分股权重占比100% - 公募重仓指数：个股最大偏离权重0.5%，行业、市值因子保持中性[46] 量化因子与构建方式 研报中涉及30余个因子，分为估值、反转、成长、盈利、流动性、波动、公司治理、分析师等维度[16][17] 1. 估值类因子 **因子名称**：BP **因子构建思路**：衡量公司净资产与总市值的比率 **因子具体构建过程**：BP = 净资产/总市值[17] **因子名称**：单季EP **因子构建思路**：衡量单季度净利润与总市值的比率 **因子具体构建过程**：单季EP = 单季度归母净利润/总市值[17] **因子名称**：单季SP **因子构建思路**：衡量单季度营业收入与总市值的比率 **因子具体构建过程**：单季SP = 单季度营业收入/总市值[17] **因子名称**：EPTTM **因子构建思路**：衡量滚动净利润与总市值的比率 **因子具体构建过程**：EPTTM = 归母净利润TTM/总市值[17] **因子名称**：SPTTM **因子构建思路**：衡量滚动营业收入与总市值的比率 **因子具体构建过程**：SPTTM = 营业收入TTM/总市值[17] **因子名称**：EPTTM一年分位点 **因子构建思路**：衡量当前EPTTM在过去一年中的相对位置 **因子具体构建过程**：计算EPTTM在过去一年中的分位点[17] **因子名称**：股息率 **因子构建思路**：衡量公司分红能力 **因子具体构建过程**：股息率 = 最近四个季度预案分红金额/总市值[17] 2. 反转类因子 **因子名称**：一个月反转 **因子构建思路**：衡量短期价格反转效应 **因子具体构建过程**：一个月反转 = 过去20个交易日涨跌幅[17] **因子名称**：三个月反转 **因子构建思路**：衡量中期价格反转效应 **因子具体构建过程**：三个月反转 = 过去60个交易日涨跌幅[17] **因子名称**：一年动量 **因子构建思路**：衡量长期价格动量效应 **因子具体构建过程**：一年动量 = 近一年除近一月后动量[17] 3. 成长类因子 **因子名称**：单季净利同比增速 **因子构建思路**：衡量单季度净利润同比增长情况 **因子具体构建过程**：单季净利同比增速 = 单季度净利润同比增长率[17] **因子名称**：单季营收同比增速 **因子构建思路**：衡量单季度营业收入同比增长情况 **因子具体构建过程**：单季营收同比增速 = 单季度营业收入同比增长率[17] **因子名称**：单季营利同比增速 **因子构建思路**：衡量单季度营业利润同比增长情况 **因子具体构建过程**：单季营利同比增速 = 单季度营业利润同比增长率[17] **因子名称**：SUE **因子构建思路**：衡量盈利超预期程度 **因子具体构建过程**：SUE = (单季度实际净利润-预期净利润)/预期净利润标准差[17] **因子名称**：SUR **因子构建思路**：衡量收入超预期程度 **因子具体构建过程**：SUR = (单季度实际营业收入-预期营业收入)/预期营业收入标准差[17] **因子名称**：单季超预期幅度 **因子构建思路**：衡量盈利超预期幅度 **因子具体构建过程**：单季超预期幅度 = 预期单季度净利润/财报单季度净利润[17] 4. 盈利类因子 **因子名称**：单季ROE **因子构建思路**：衡量单季度净资产收益率 **因子具体构建过程**：单季ROE = 单季度归母净利润*2/(期初归母净资产+期末归母净资产)[17] **因子名称**：单季ROA **因子构建思路**：衡量单季度总资产收益率 **因子具体构建过程**：单季ROA = 单季度归母净利润*2/(期初归母总资产+期末归母总资产)[17] **因子名称**：DELTAROE **因子构建思路**：衡量ROE的变化情况 **因子具体构建过程**：DELTAROE = 单季度净资产收益率-去年同期单季度净资产收益率[17] **因子名称**：DELTAROA **因子构建思路**：衡量ROA的变化情况 **因子具体构建过程**：DELTAROA = 单季度总资产收益率-去年同期单季度总资产收益率[17] 5. 流动性类因子 **因子名称**：非流动性冲击 **因子构建思路**：衡量价格冲击成本 **因子具体构建过程**：非流动性冲击 = 过去20个交易日的日涨跌幅绝对值/成交额的均值[17] **因子名称**：一个月换手 **因子构建思路**：衡量短期换手率 **因子具体构建过程**：一个月换手 = 过去20个交易日换手率均值[17] **因子名称**：三个月换手 **因子构建思路**：衡量中期换手率 **因子具体构建过程**：三个月换手 = 过去60个交易日换手率均值[17] 6. 波动类因子 **因子名称**：特异度 **因子构建思路**：衡量个股特异性风险 **因子具体构建过程**：特异度 = 1-过去20个交易日Fama-French三因子回归的拟合度[17] **因子名称**：一个月波动 **因子构建思路**：衡量短期波动率 **因子具体构建过程**：一个月波动 = 过去20个交易日日内真实波幅均值[17] **因子名称**：三个月波动 **因子构建思路**：衡量中期波动率 **因子具体构建过程**：三个月波动 = 过去60个交易日日内真实波幅均值[17] 7. 公司治理因子 **因子名称**：高管薪酬 **因子构建思路**：衡量公司治理水平 **因子具体构建过程**：高管薪酬 = 前三高管报酬总额取对数[17] 8. 分析师类因子 **因子名称**：预期EPTTM **因子构建思路**：衡量一致预期滚动EP **因子具体构建过程**：基于分析师一致预期数据计算[17] **因子名称**：预期BP **因子构建思路**：衡量一致预期滚动PB **因子具体构建过程**：基于分析师一致预期数据计算[17] **因子名称**：预期PEG **因子构建思路**：衡量一致预期PEG比率 **因子具体构建过程**：基于分析师一致预期数据计算[17] **因子名称**：预期净利润环比 **因子构建思路**：衡量预期净利润变化情况 **因子具体构建过程**：预期净利润环比 = 一致预期净利润/3个月前一致预期净利润[17] **因子名称**：三个月盈利上下调 **因子构建思路**：衡量分析师盈利预测调整情况 **因子具体构建过程**：三个月盈利上下调 = 过去3个月内分析师(上调家数-下调家数)/总家数[17] **因子名称**：三个月机构覆盖 **因子构建思路**：衡量机构关注度 **因子具体构建过程**：三个月机构覆盖 = 过去3个月内机构覆盖数量[17] **因子名称**：标准化预期外盈利 **因子构建思路**：衡量盈利超预期程度（标准化） **因子具体构建过程**：基于实际盈利与预期盈利的差异计算[17] **因子名称**：标准化预期外收入 **因子构建思路**：衡量收入超预期程度（标准化） **因子具体构建过程**：基于实际收入与预期收入的差异计算[17] 模型的回测效果 1. 国信金工指数增强模型 - 沪深300指数增强组合：本周超额收益-0.17%，本年超额收益16.49%[5][14] - 中证500指数增强组合：本周超额收益0.26%，本年超额收益8.94%[5][14] - 中证1000指数增强组合：本周超额收益0.91%，本年超额收益17.72%[5][14] - 中证A500指数增强组合：本周超额收益-0.21%，本年超额收益9.06%[5][14] 因子的回测效果 1. 沪深300样本空间中因子表现（最近一周）[19] - 单季超预期幅度：0.55% - 单季营收同比增速：0.48% - 单季ROE：0.42% - 一个月换手：0.24% - 非流动性冲击：0.22% - 标准化预期外收入：0.20% - 一个月波动：0.19% - 三个月机构覆盖：0.17% - 三个月波动：0.10% - DELTAROA：0.05% - SPTTM：0.03% - 股息率：0.02% - 单季ROA：-0.01% - 高管薪酬：-0.02% - 特异度：-0.07% - EPTTM一年分位点：-0.09% - 三个月换手：-0.09% - 预期PEG：-0.19% - 三个月盈利上下调：-0.22% - DELTAROE：-0.23% - 预期EPTTM：-0.29% - 一年动量：-0.37% - 标准化预期外盈利：-0.37% - 一个月反转：-0.37% - 单季EP：-0.45% - EPTTM：-0.48% - 单季SP：-0.50% - 三个月反转：-0.52% - 单季营利同比增速：-0.52% - 单季净利同比增速：-0.54% - BP：-0.66% - 预期净利润环比：-0.68% - 预期BP：-0.77% 2. 中证500样本空间中因子表现（最近一周）[21] - 三个月换手：1.34% - 单季营收同比增速：1.28% - EPTTM一年分位点：0.97% - DELTAROE：0.91% - 单季EP：0.90% - EPTTM：0.65% - 单季ROE：0.47% - 单季超预期幅度：0.39% - 股息率：0.32% - 三个月机构覆盖：0.29% - 预期净利润环比：0.28% - 预期PEG：0.26% - 高管薪酬：0.25% - 单季ROA：0.23% - 预期EPTTM：0.22% - BP：0.17% - 一个月换手：0.10% - 非流动性冲击：0.05% - 预期BP：0.05% - 三个月反转：-0.05% - 三个月波动：-0.09% - 特异度：-0.28% - 一个月波动：-0.35% - 标准化预期外盈利：-0.40% - 单季营利同比增速：-0.44% - 单季SP：-0.50% - 单季净利同比增速：-0.52% - 一个月反转：-0.52% - DELTAROA：-0.57% - 三个月盈利上下调：-0.64% - SPTTM：-0.85% - 标准化预期外收入：-1.16% - 一年动量：-1.45% 3. 中证1000样本空间中因子表现（最近一周）[23] - 三个月机构覆盖：1.30% - 单季ROE：1.20% - 高管薪酬：1.06% - 单季ROA：1.04% - 预期PEG：1.01% - EPTTM：0.97% - 三个月反转：0.92% - 单季EP：0.82% - 三个月波动：0.76% - 单季营收同比增速：0.69% - 单季超预期幅度：0.56% - 一个月换手：0.47% - 一个月波动：0.47% - 特异度：0.28% - 预期BP：0.26% - EPTTM一年分位点：0.23% - 股息率：0.22% - 三个月换手：0.22% - 单季SP：0.21% - 三个月盈利上下调：0.20% - 预期EPTTM：0.16% - 标准化预期外收入：0.14% - 非流动性冲击：0.13% - BP：0.01% - DELTAROE：-0.06% - SPTTM：-0.07% - 一个月反转：-0.12% - 标准化预期外盈利：-0.27% - 单季净利同比增速：-0.30% - 单季营利同比增速：-0.31% - 预期净利润环比：-0.34% - DELTAROA：-0.37% - 一年动量：-0.64% 4. 中证A500样本空间中因子表现（最近一周）[25] - 单季营收同比增速：0.47% - EPTTM一年分位点：0.46% - 单季ROE：0.30% - 非流动性冲击：0.26% - 特异度：0.24% - 单季超预期幅度：0.23% - 高管薪酬：0.20% - 预期EPTTM：0.01% - 单季ROA：-0.06% - BP：-0.15% - 预期PEG：-0.18% - 三个月机构覆盖：-0.21% - 预期BP：-0.23% - 一个月换手：-0.24% - 一个月反转：-0.28% - 三个月波动：-0.29% - EPTTM：-0.34% - 三个月换手：-0.35% - 三个月盈利上下调：-0.39% - 单季EP：-0.40% - SPTTM：-0.48% - 一个月波动：-0.50% - 单季SP：-0.51% - 标准化预期外收入：-0.59% - 单季营利同比增速：-0.62% - 三个月反转：-0.65% - 标准化预期外盈利：-0.69% - 单季净利同比增速：-0.95% - 预期净利润环比：-1.01% - 股息率：-1.02% - DELTAROE：-1.13% - DELTAROA：-1.18% - 一年动量：-1.27% 5. 公募重仓指数样本空间中因子表现（最近一周）[27] - 高管薪酬：表现较好 - 单季ROE：表现较好 - 三个月机构覆盖：表现较好 - 一年动量：表现较差 - 预期净利润环比：表现较差 - 预期EPTTM：表现较差

量化模型与构建方式 1. 国信金工指数增强模型 - **模型名称**：国信金工指数增强模型[12] - **模型构建思路**：以多因子选股为主体，构建对标不同基准指数（沪深300、中证500、中证1000、中证A500）的增强组合，力求稳定战胜基准[11] - **模型具体构建过程**：构建流程主要包括收益预测、风险控制和组合优化三块[12] 2. 因子MFE组合构建模型 - **模型名称**：最大化单因子暴露组合（MFE组合）[42] - **模型构建思路**：在满足各种实际约束条件下检验因子有效性，采用组合优化方式检验控制行业暴露、风格暴露等约束后的单因子有效性[42] - **模型具体构建过程**：采用组合优化模型构建因子的MFE组合，目标函数为最大化单因子暴露，约束条件包括组合在风格因子上的偏离度、行业偏离度、个股权重偏离度、成分股权重占比控制、个股权重上下限控制等[42][43] - **优化模型公式**： $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$[42] 3. 公募重仓指数构建模型 - **模型名称**：公募重仓指数构建模型[44] - **模型构建思路**：以公募基金持股信息构建公募重仓指数，测试因子在"机构风格"下的有效性[44] - **模型具体构建过程**：通过基金定期报告获取持股信息，将符合条件的基金持仓股票权重平均获得公募基金平均持仓信息，选取累计权重达到90%的股票作为成分股构建指数[45] 量化因子与构建方式 估值类因子 1. **因子名称**：BP[17] - **因子构建思路**：衡量净资产与总市值的比值[17] - **因子具体构建过程**：净资产/总市值[17] 2. **因子名称**：单季EP[17] - **因子构建思路**：衡量单季度归母净利润与总市值的比值[17] - **因子具体构建过程**：单季度归母净利润/总市值[17] 3. **因子名称**：单季SP[17] - **因子构建思路**：衡量单季度营业收入与总市值的比值[17] - **因子具体构建过程**：单季度营业收入/总市值[17] 4. **因子名称**：EPTTM[17] - **因子构建思路**：衡量滚动归母净利润与总市值的比值[17] - **因子具体构建过程**：归母净利润TTM/总市值[17] 5. **因子名称**：SPTTM[17] - **因子构建思路**：衡量滚动营业收入与总市值的比值[17] - **因子具体构建过程**：营业收入TTM/总市值[17] 6. **因子名称**：EPTTM分位点[17] - **因子构建思路**：衡量EPTTM在过去一年中的相对位置[17] - **因子具体构建过程**：EPTTM在过去一年中的分位点[17] 7. **因子名称**：股息率[17] - **因子构建思路**：衡量分红收益水平[17] - **因子具体构建过程**：最近四个季度预案分红金额/总市值[17] 反转类因子 8. **因子名称**：一个月反转[17] - **因子构建思路**：衡量短期价格反转效应[17] - **因子具体构建过程**：过去20个交易日涨跌幅[17] 9. **因子名称**：三个月反转[17] - **因子构建思路**：衡量中期价格反转效应[17] - **因子具体构建过程**：过去60个交易日涨跌幅[17] 10. **因子名称**：一年动量[17] - **因子构建思路**：衡量长期价格动量效应[17] - **因子具体构建过程**：近一年除近一月后动量[17] 成长类因子 11. **因子名称**：单季净利同比增速[17] - **因子构建思路**：衡量单季度净利润同比增长情况[17] - **因子具体构建过程**：单季度净利润同比增长率[17] 12. **因子名称**：单季营收同比增速[17] - **因子构建思路**：衡量单季度营业收入同比增长情况[17] - **因子具体构建过程**：单季度营业收入同比增长率[17] 13. **因子名称**：单季营利同比增速[17] - **因子构建思路**：衡量单季度营业利润同比增长情况[17] - **因子具体构建过程**：单季度营业利润同比增长率[17] 14. **因子名称**：SUE[17] - **因子构建思路**：衡量盈利超预期程度[17] - **因子具体构建过程**：（单季度实际净利润-预期净利润）/预期净利润标准差[17] 15. **因子名称**：SUR[17] - **因子构建思路**：衡量营收超预期程度[17] - **因子具体构建过程**：（单季度实际营业收入-预期营业收入）/预期营业收入标准差[17] 16. **因子名称**：单季超预期幅度[17] - **因子构建思路**：衡量盈利超预期幅度[17] - **因子具体构建过程**：预期单季度净利润/财报单季度净利润[17] 盈利类因子 17. **因子名称**：单季ROE[17] - **因子构建思路**：衡量单季度净资产收益率[17] - **因子具体构建过程**：单季度归母净利润*2/（期初归母净资产+期末归母净资产）[17] 18. **因子名称**：单季ROA[17] - **因子构建思路**：衡量单季度总资产收益率[17] - **因子具体构建过程**：单季度归母净利润*2/（期初归母总资产+期末归母总资产）[17] 19. **因子名称**：DELTAROE[17] - **因子构建思路**：衡量净资产收益率变化[17] - **因子具体构建过程**：单季度净资产收益率-去年同期单季度净资产收益率[17] 20. **因子名称**：DELTAROA[17] - **因子构建思路**：衡量总资产收益率变化[17] - **因子具体构建过程**：单季度总资产收益率-去年同期单季度总资产收益率[17] 流动性类因子 21. **因子名称**：非流动性冲击[17] - **因子构建思路**：衡量流动性冲击程度[17] - **因子具体构建过程**：过去20个交易日的日涨跌幅绝对值/成交额的均值[17] 22. **因子名称**：一个月换手[17] - **因子构建思路**：衡量短期换手率水平[17] - **因子具体构建过程**：过去20个交易日换手率均值[17] 23. **因子名称**：三个月换手[17] - **因子构建思路**：衡量中期换手率水平[17] - **因子具体构建过程**：过去60个交易日换手率均值[17] 波动类因子 24. **因子名称**：特异度[17] - **因子构建思路**：衡量特异性风险[17] - **因子具体构建过程**：1-过去20个交易日Fama-French三因子回归的拟合度[17] 25. **因子名称**：一个月波动[17] - **因子构建思路**：衡量短期波动率[17] - **因子具体构建过程**：过去20个交易日日内真实波幅均值[17] 26. **因子名称**：三个月波动[17] - **因子构建思路**：衡量中期波动率[17] - **因子具体构建过程**：过去60个交易日日内真实波幅均值[17] 公司治理类因子 27. **因子名称**：高管薪酬[17] - **因子构建思路**：衡量公司治理水平[17] - **因子具体构建过程**：前三高管报酬总额取对数[17] 分析师类因子 28. **因子名称**：预期EPTTM[17] - **因子构建思路**：衡量一致预期滚动EP[17] - **因子具体构建过程**：一致预期滚动EP[17] 29. **因子名称**：预期BP[17] - **因子构建思路**：衡量一致预期滚动PB[17] - **因子具体构建过程**：一致预期滚动PB[17] 30. **因子名称**：预期PEG[17] - **因子构建思路**：衡量一致预期PEG[17] - **因子具体构建过程**：一致预期PEG[17] 31. **因子名称**：预期净利润环比[17] - **因子构建思路**：衡量预期净利润环比变化[17] - **因子具体构建过程**：一致预期净利润/3个月前一致预期净利润[17] 32. **因子名称**：三个月盈利上下调[17] - **因子构建思路**：衡量分析师盈利预测调整[17] - **因子具体构建过程**：过去3个月内分析师（上调家数-下调家数）/总家数[17] 33. **因子名称**：三个月机构覆盖[17] - **因子构建思路**：衡量机构关注度[17] - **因子具体构建过程**：过去3个月内机构覆盖数量[17] 模型的回测效果 1. **沪深300指数增强模型**，本周超额收益-0.17%，本年超额收益16.49%[5][14] 2. **中证500指数增强模型**，本周超额收益0.26%，本年超额收益8.94%[5] 3. **中证1000指数增强模型**，本周超额收益0.91%，本年超额收益17.72%[1][5][14] 4. **中证A500指数增强模型**，本周超额收益-0.21%，本年超额收益9.06%[5] 因子的回测效果 沪深300样本空间中因子表现 1. **单季超预期幅度因子**，最近一周0.55%，最近一月1.62%，今年以来8.41%，历史年化3.99%[19] 2. **单季营收同比增速因子**，最近一周0.48%，最近一月2.34%，今年以来17.35%，历史年化4.94%[19] 3. **单季ROE因子**，最近一周0.42%，最近一月2.94%，今年以来15.41%，历史年化4.92%[19] 4. **BP因子**，最近一周-0.66%，最近一月-2.15%，今年以来-4.88%，历史年化2.30%[19] 5. **预期净利润环比因子**，最近一周-0.68%，最近一月0.24%，今年以来3.35%，历史年化1.73%[19] 6. **预期BP因子**，最近一周-0.77%，最近一月-2.05%，今年以来-3.76%，历史年化2.78%[19] 中证500样本空间中因子表现 1. **三个月换手因子**，最近一周1.34%，最近一月-0.63%，今年以来-6.97%，历史年化4.43%[21] 2. **单季营收同比增速因子**，最近一周1.28%，最近一月2.58%，今年以来15.18%，历史年化3.81%[21] 3. **EPTTM一年分位点因子**，最近一周0.97%，最近一月-2.17%，今年以来1.06%，历史年化5.31%[21] 4. **一年动量因子**，最近一周-1.45%，最近一月-2.12%，今年以来4.58%，历史年化2.89%[21] 5. **标准化预期外收入因子**，最近一周-1.16%，最近一月-0.01%，今年以来9.36%，历史年化6.42%[21] 6. **SPTTM因子**，最近一周-0.85%，最近一月1.06%，今年以来-3.58%，历史年化2.66%[21] 中证1000样本空间中因子表现 1. **三个月机构覆盖因子**，最近一周1.30%，最近一月0.52%，今年以来5.98%，历史年化7.22%[23] 2. **单季ROE因子**，最近一周1.20%，最近一月1.70%，今年以来-0.61%，历史年化7.62%[23] 3. **高管薪酬因子**，最近一周1.06%，最近一月2.26%，今年以来9.53%，历史年化3.89%[23] 4. **一年动量因子**，最近一周-0.64%，最近一月2.35%，今年以来-2.44%，历史年化-0.61%[23] 5. **DELTAROA因子**，最近一周-0.37%，最近一月-1.09%，今年以来9.58%，历史年化7.85%[23] 6. **预期净利润环比因子**，最近一周-0.34%，最近一月-1.24%，今年以来3.32%，历史年化4.82%[23] 中证A500样本空间中因子表现 1. **单季营收同比增速因子**，最近一周0.47%，最近一月1.15%，今年以来15.65%，历史年化2.96%[25] 2. **EPTTM一年分位点因子**，最近一周0.46%，最近一月-1.26%，今年以来3.09%，历史年化2.87%[25] 3. **单季ROE因子**，最近一周0.30%，最近一月1.68%，今年以来13.78%，历史年化3.35%[25] 4. **一年动量因子**，最近一周-1.27%，最近一月-0.75%，今年以来1.91%，历史年化1.45%[25] 5. **DELTAROA因子**，最近一周-1.18%，最近一月-1.03%，今年以来12.78%，历史年化4.68%[25] 6. **DELTAROE因子**，最近一周-1.13%，最近一月-1.38%，今年以来13.84%，历史年化4.39%[25] 公募重仓指数样本空间中因子表现 1. **高管薪酬因子**，最近一周表现较好[27] 2. **单季ROE因子**，最近一周表现较好[27] 3. **三个月机构覆盖因子**，最近一周表现较好[27] 4. **一年动量因子**，最近一周表现较差[27] 5. **预期净利润环比因子**，最近一周表现较差[27] 6. **预期EPTTM因子**，最近一周表现较差[27]

根据提供的研报内容，以下是关于量化模型和因子的详细总结： 量化模型与构建方式 1. 模型名称：优秀基金业绩增强组合 - **模型构建思路**：从对标宽基指数转变为对标主动股基，在借鉴优秀基金持仓的基础上，采用量化方法进行增强，以达到优中选优的目的[4][52] - **模型具体构建过程**： 1. 对基金进行优选：对基金收益类因子进行分层中性化处理，以解决市场风格突变时的反转问题和持股风格集中化问题[52] 2. 构建优选基金持仓组合：根据业绩分层优选基金的补全持仓构建组合，该组合能较好地跟踪股基中位数的走势[52] 3. 构建增强组合：以业绩分层视角下的优选基金持仓为选股空间和对标基准，采用组合优化的方法控制组合与优选基金持仓在个股偏离、行业偏离及风格上的偏离，最终构建优秀基金业绩增强组合[53] 2. 模型名称：超预期精选组合 - **模型构建思路**：以研报标题超预期与分析师全线上调净利润为条件筛选超预期事件股票池，接着对超预期股票池进行基本面和技术面两个维度的精选，挑选出同时具备基本面支撑和技术面共振的超预期股票[5][58] - **模型具体构建过程**： 1. 筛选股票池：以研报标题出现“超预期”与分析师全线上调净利润为条件，筛选出超预期事件股票池[5][58] 2. 双层优选：对筛选出的股票池，从基本面和技术面两个维度进行精选[5][58] 3. 构建组合：将精选出的股票构建成超预期精选股票组合[5][58] 3. 模型名称：券商金股业绩增强组合 - **模型构建思路**：以券商金股股票池为选股空间和约束基准，采用组合优化的方式控制组合与券商金股股票池在个股、风格上的偏离[6][63] - **模型具体构建过程**： 1. 确定选股空间：使用券商金股股票池作为基础的选股范围和对标基准[6][63] 2. 组合优化：采用组合优化的方法，控制最终构建的组合与券商金股股票池在个股和风格上的偏离[6][63] 3. 构建组合：通过优化过程，构建出券商金股业绩增强组合[6][63] 4. 模型名称：成长稳健组合 - **模型构建思路**：采用“先时序、后截面”的方式，构建成长股二维评价体系，以研报标题超预期及业绩大增为条件筛选成长股股票池，根据距离正式财报预约披露日的间隔天数进行分档优选，并采用多因子打分精选优质个股[7][68] - **模型具体构建过程**： 1. 筛选股票池：以研报标题出现“超预期”和上市公司“业绩预增”为条件，筛选出成长股股票池[7][68] 2. 时序分档：根据上市公司距离正式财报预约披露日的间隔天数对股票池进行分档，优先选择距离财报预约披露日较近的股票[7][68] 3. 截面精选：当样本数量较多时，采用多因子打分的方法进一步精选优质个股[7][68] 4. 引入风控机制：引入了弱平衡机制、跃迁机制、缓冲机制和风险规避机制以降低组合换手、规避组合风险[68] 5. 构建组合：最终构建包含100只股票的等权组合[7] 模型的回测效果 1. 优秀基金业绩增强组合 - **全样本区间（2012.1.4-2025.6.30）**： - 年化收益（考虑仓位及交易费用）：20.31%[54] - 相较偏股混合型基金指数年化超额：11.83%[54] - **2025年本周（2025.9.22-2025.9.26）**： - 绝对收益（考虑仓位）：0.35%[2][16][24] - 相对偏股混合型基金指数超额收益：-0.12%[2][16][18][24] - **2025年本年（2025.1.2-2025.9.26）**： - 绝对收益（考虑仓位）：28.00%[2][16][24] - 相对偏股混合型基金指数超额收益：-4.08%[2][16][18][24] - 在主动股基中排名分位点：54.37%[2][16][24] - 在主动股基中排名：1886/3469[2][16] 2. 超预期精选组合 - **全样本区间（2010.1.4-2025.6.30）**： - 年化收益（考虑仓位及交易费用）：30.55%[59] - 相较偏股混合型基金指数年化超额：24.68%[59] - **2025年本周（2025.9.22-2025.9.26）**： - 绝对收益（考虑仓位）：0.70%[2][16][32] - 相对偏股混合型基金指数超额收益：0.23%[2][16][18][32] - **2025年本年（2025.1.2-2025.9.26）**： - 绝对收益（考虑仓位）：46.54%[2][16][32] - 相对偏股混合型基金指数超额收益：14.47%[2][16][18][32] - 在主动股基中排名分位点：20.61%[2][16][32] - 在主动股基中排名：715/3469[2][16] 3. 券商金股业绩增强组合 - **全样本区间（2018.1.2-2025.6.30）**： - 年化收益（考虑仓位及交易费用）：19.34%[64] - 相较偏股混合型基金指数年化超额：14.38%[64] - **2025年本周（2025.9.22-2025.9.26）**： - 绝对收益（考虑仓位）：-0.54%[2][16][39] - 相对偏股混合型基金指数超额收益：-1.01%[2][16][18][39] - **2025年本年（2025.1.2-2025.9.26）**： - 绝对收益（考虑仓位）：33.26%[2][16][39] - 相对偏股混合型基金指数超额收益：1.19%[2][16][18][39] - 在主动股基中排名分位点：43.07%[2][16][39] - 在主动股基中排名：1494/3469[2][16] 4. 成长稳健组合 - **全样本区间（2012.1.4-2025.6.30）**： - 年化收益（考虑仓位及交易费用）：35.51%[69] - 相较偏股混合型基金指数年化超额：26.88%[69] - **2025年本周（2025.9.22-2025.9.26）**： - 绝对收益（考虑仓位）：0.26%[3][16][47] - 相对偏股混合型基金指数超额收益：-0.22%[3][16][18][47] - **2025年本年（2025.1.2-2025.9.26）**： - 绝对收益（考虑仓位）：51.84%[3][16][47] - 相对偏股混合型基金指数超额收益：19.77%[3][16][18][47] - 在主动股基中排名分位点：15.31%[3][16][47] - 在主动股基中排名：531/3469[3][16]

量化模型与构建方式 1. 模型名称：期现对冲策略（连续对冲策略）[47][48] 模型构建思路：通过持有标的指数全收益指数作为现货端，同时做空股指期货合约进行对冲，利用基差收敛特性获取收益[47][48] 模型具体构建过程：回测区间为2022年7月22日至2025年9月26日[48]。现货端持有对应标的指数的全收益指数，并使用70%资金[48]。期货端做空与现货端金额相同名义本金的股指期货合约，占用剩余30%资金，每次调仓后根据产品净值重新计算现货及期货端数量[48]。调仓规则为连续持有季月或当月合约，直至该合约离到期剩余不足2日，在当日以收盘价进行平仓，并同时以当日收盘价继续卖空下一季月或当月合约[48]。不考虑交易过程中的手续费、冲击成本以及期货合约的不可无限细分性质[48] 2. 模型名称：期现对冲策略（最低贴水策略）[47][49] 模型构建思路：通过选择年化基差贴水幅度最小的合约进行开仓，以优化对冲成本[49] 模型具体构建过程：回测区间为2022年7月22日至2025年9月26日[49]。现货端持有对应标的指数的全收益指数，并使用70%资金[49]。期货端做空与现货端金额相同名义本金的股指期货合约，占用剩余30%资金，每次调仓后根据产品净值重新计算现货及期货端数量[49]。调仓规则为调仓时，对当日所有可交易期货合约的年化基差进行计算，选择年化基差贴水幅度最小的合约进行开仓[49]。同一合约持有8个交易日之后或该合约离到期剩余不足2日，才能进行选择新合约（排除剩余到期日不足8日的期货合约），每次选择后，即使选择结果为持有原合约不变，仍继续持有8个交易日[49]。不考虑交易过程中的手续费、冲击成本以及期货合约的不可无限细分性质[49] 3. 因子名称：分红调整年化基差[22] 因子构建思路：在分析合约基差时，需要剔除指数成分股分红的影响，以更真实地反映市场情绪和期货合约的定价[22] 因子具体构建过程：首先计算预期分红调整后的基差，公式为 预期分红调整后的基差 = 实际基差 + 存续期内未实现的预期分红 [22]。然后将基差进行年化处理，公式为 年化基差 = (实际基差 + (预期)分红点位)/指数价格 × 360/合约剩余天数 [22] 4. 因子名称：Cinda-VIX[65] 因子构建思路：借鉴海外经验，并结合我国场内期权市场的实际情况，开发能够准确反映我国市场波动性的VIX指数，以反应期权市场投资者对标的资产未来波动的预期[65] 因子具体构建过程：基于信达金工衍生品研究报告系列四《挖掘期权市场中隐含的市场情绪》中的算法[65]。VIX具有期限结构，可以反应投资者对同一个标的资产在未来不同期限内的波动预期[65] 5. 因子名称：Cinda-SKEW[71] 因子构建思路：通过捕捉不同行权价格期权隐含波动率（IV）的偏斜特征，以衡量市场对标的资产未来收益分布的预期，洞察市场对尾部风险的忧虑[71] 因子具体构建过程：SKEW指标捕捉了不同行权价格期权隐含波动率（IV）的偏斜特征[71]。当市场对下跌的担忧超过对上涨的预期时，波动率偏斜呈现负值；反之则为正值[71]。SKEW指数超过100，通常意味着投资者对市场未来可能出现的大幅下跌风险的担忧加剧[72] 模型的回测效果 1. IC当月连续对冲模型，年化收益-3.04%，波动率3.88%，最大回撤-9.47%，净值0.9066，年换手次数12，2025年以来收益-4.80%[51] 2. IC季月连续对冲模型，年化收益-2.11%，波动率4.79%，最大回撤-8.34%，净值0.9346，年换手次数4，2025年以来收益-1.94%[51] 3. IC最低贴水策略模型，年化收益-1.43%，波动率4.61%，最大回撤-7.97%，净值0.9553，年换手次数17.00，2025年以来收益-2.35%[51] 4. IF当月连续对冲模型，年化收益0.47%，波动率2.96%，最大回撤-3.95%，净值1.0149，年换手次数12，2025年以来收益-0.84%[56] 5. IF季月连续对冲模型，年化收益0.66%，波动率3.32%，最大回撤-4.03%，净值1.0211，年换手次数4，2025年以来收益0.12%[56] 6. IF最低贴水策略模型，年化收益1.24%，波动率3.09%，最大回撤-4.06%，净值1.0399，年换手次数15.11，2025年以来收益0.62%[56] 7. IH当月连续对冲模型，年化收益1.04%，波动率3.05%，最大回撤-4.22%，净值1.0334，年换手次数12，2025年以来收益0.26%[60] 8. IH季月连续对冲模型，年化收益1.93%，波动率3.45%，最大回撤-3.75%，净值1.0627，年换手次数4，2025年以来收益1.33%[60] 9. IH最低贴水策略模型，年化收益1.68%，波动率3.06%，最大回撤-3.91%，净值1.0542，年换手次数15.74，2025年以来收益1.30%[60] 10. IM当月连续对冲模型，年化收益-6.18%，波动率4.77%，最大回撤-14.00%，净值0.8340，年换手次数12，2025年以来收益-10.69%[62] 11. IM季月连续对冲模型，年化收益-4.51%，波动率5.80%，最大回撤-12.63%，净值0.8580，年换手次数4，2025年以来收益-5.63%[62] 12. IM最低贴水策略模型，年化收益-4.07%，波动率5.56%，最大回撤-11.11%，净值0.8704，年换手次数15.81，2025年以来收益-5.76%[62] 因子的回测效果 1. Cinda-VIX因子，截至2025年9月26日，30日上证50VIX取值19.19，沪深300VIX取值19.09，中证500VIX取值28.46，中证1000VIX取值26.08[65] 2. Cinda-SKEW因子，截至2025年9月26日，上证50SKEW取值100.47，沪深300SKEW取值104.24，中证500SKEW取值102.07，中证1000SKEW取值103.14[72]

量化模型与构建方式 量化因子与构建方式 1. **因子名称**：理想反转因子[5][39] **因子构建思路**：A股反转之力的微观来源是大单成交，通过每日平均单笔成交金额的大小，可以切割出反转属性最强的交易日[5][39] **因子具体构建过程**： （1）对选定股票，回溯取其过去20日的数据[41] （2）计算该股票每日的平均单笔成交金额（成交金额/成交笔数）[41] （3）单笔成交金额高的10个交易日，涨跌幅加总，记作 M_high[41] （4）单笔成交金额低的10个交易日，涨跌幅加总，记作 M_low[41] （5）理想反转因子 M = M_high–M_low[41] （6）对所有股票，都进行以上操作，计算各自的理想反转因子 M[41] 2. **因子名称**：聪明钱因子[5][40] **因子构建思路**：从分钟行情数据的价量信息中，可以识别出机构参与交易的多寡，进而构造出跟踪聪明钱的因子[5][40] **因子具体构建过程**： （1）对选定股票，回溯取其过去10日的分钟行情数据[40] （2）构造指标 $$S_t = |R_t| / (V_t)^{0.25}$$，其中 $$R_t$$ 为第t分钟涨跌幅，$$V_t$$ 为第t分钟成交量[40] （3）将分钟数据按照指标 $$S_t$$ 从大到小进行排序，取成交量累积占比前20%的分钟，视为聪明钱交易[40] （4）计算聪明钱交易的成交量加权平均价VWAPsmart[42] （5）计算所有交易的成交量加权平均价VWAPall[42] （6）聪明钱因子 $$Q = VWAP_{smart} / VWAP_{all}$$[40] 3. **因子名称**：APM因子[5][41] **因子构建思路**：在日内的不同时段，交易者的行为模式不同，反转强度也相应有所不同[5][41] **因子具体构建过程**： （1）对选定股票，回溯取其过去20日数据，记逐日隔夜的股票收益率为 $$r_{night}$$，隔夜的指数收益率为 $$R_{night}$$；逐日下午的股票收益率为 $$r_{afternoon}$$，下午的指数收益率为 $$R_{afternoon}$$[41] （2）将得到的40组隔夜与下午(r,R)的收益率数据进行回归：$$r = \alpha + \beta R + \epsilon$$，得到残差项[41] （3）以上得到的40个残差中，隔夜残差记为 $$\epsilon_{night}$$，下午残差记为 $$\epsilon_{afternoon}$$，进一步计算每日隔夜与下午残差的差值 $$\delta_t = \epsilon_{night} - \epsilon_{afternoon}$$[41] （4）构造统计量stat来衡量隔夜与下午残差的差异程度，计算公式如下（$$\mu$$ 为均值，$$\sigma$$ 为标准差）：$$\mathrm{stat}={\frac{\mu(\delta_{t})}{\sigma(\delta_{t})/{\sqrt{N}}}}$$[43] （5）为了消除动量因子影响，将统计量stat对动量因子进行横截面回归：$$stat = \alpha + \beta \cdot Ret20 + \epsilon$$，其中Ret20为股票过去20日的收益率，代表动量因子[44] （6）将回归得到的残差值 $$\epsilon$$ 作为APM因子[44] 4. **因子名称**：理想振幅因子[5][46] **因子构建思路**：基于股价维度可以对振幅进行切割，不同价态下振幅因子所蕴含的信息存在结构性差异[5][46] **因子具体构建过程**： （1）对选定股票，回溯取其最近20个交易日数据，计算股票每日振幅（最高价/最低价-1）[46] （2）选择收盘价较高的25%有效交易日，计算振幅均值得到高价振幅因子V_high[46] （3）选择收盘价较低的25%有效交易日，计算振幅均值得到低价振幅因子V_low[46] （4）将高价振幅因子V_high与低价振幅因子V_low作差，得到理想振幅因子V = V_high - V_low[46] 5. **因子名称**：交易行为合成因子[31] **因子构建思路**：将多个交易行为因子进行加权合成，以获取更稳健的表现[31] **因子具体构建过程**： （1）因子值处理：将理想反转、聪明钱、APM、理想振幅因子在行业内进行因子去极值与因子标准化[31] （2）因子权重：滚动选取过去12期因子ICIR值作为权重[31] （3）加权合成：使用上述权重对标准化后的因子值进行加权，形成交易行为合成因子[31] 模型的回测效果 1. **理想反转因子**，IC均值-0.050[6][15]，rankIC均值-0.060[6][15]，信息比率2.46[6][15]，多空对冲月度胜率77.4%[6][15]，2025年9月多空对冲收益-0.42%[7][15]，近12个月多空对冲月度胜率58.3%[7][15] 2. **聪明钱因子**，IC均值-0.037[6][18]，rankIC均值-0.061[6][18]，信息比率2.70[6][18]，多空对冲月度胜率81.8%[6][18]，2025年9月多空对冲收益0.30%[7][18]，近12个月多空对冲月度胜率83.3%[7][18] 3. **APM因子**，IC均值0.029[6][22]，rankIC均值0.034[6][22]，信息比率2.29[6][22]，多空对冲月度胜率76.4%[6][22]，2025年9月多空对冲收益1.68%[7][22]，近12个月多空对冲月度胜率50.0%[7][22] 4. **理想振幅因子**，IC均值-0.053[6][26]，rankIC均值-0.073[6][26]，信息比率2.98[6][26]，多空对冲月度胜率83.2%[6][26]，2025年9月多空对冲收益0.40%[7][26]，近12个月多空对冲月度胜率66.7%[7][26] 5. **交易行为合成因子**，IC均值0.066[6][31]，rankIC均值0.091[6][31]，多空对冲信息比率3.23[6][31]，多空对冲月度胜率82.1%[6][31]，多头对冲组均值年化收益率8.39%[31]，收益波动比2.67[31]，月度胜率79.1%[31]，2025年9月多空对冲收益0.57%[7][31]，近12个月多空对冲月度胜率75.0%[7][31]；在国证2000中信息比率2.79[31]，在中证1000中信息比率2.67[31]，在中证800中信息比率1.02[31]