根据提供的研报内容，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. 模型名称：期权PCR择时策略[5][73] - **模型构建思路**：该策略基于期权持仓量PCR（Put/Call Ratio）这一市场情绪指标进行择时，逻辑结合了顺趋势（PCR上行提示情绪较好）和反趋势（PCR较低指示情绪低点未来可能反转）两种模式[5][73] - **模型具体构建过程**：策略的具体构建方法参考了另一篇专题报告《捕捉情绪拐点—衍生品市场指标如何驱动权益投资》(2024-12-12)[73]，报告中未提供更详细的构建公式和参数说明 模型的回测效果 1. 期权PCR择时策略（上证50）[80] - 收益：14.20% - 最大回撤：24.96% - 年化波动率：18.33% - 胜率：50.58% - 卡尔玛比率：0.57 - 夏普比率：0.76 2. 期权PCR择时策略（沪深300）[79] - 收益：19.13% - 最大回撤：23.42% - 年化波动率：19.03% - 胜率：51.24% - 卡尔玛比率：0.82 - 夏普比率：0.97 量化因子与构建方式 1. 因子名称：期权持仓量PCR[65][73] - **因子构建思路**：PCR（Put/Call Ratio）是衡量市场情绪的指标，通过计算看跌期权持仓量与看涨期权持仓量的比值来反映市场多空力量对比[65][73] - **因子具体构建过程**：PCR = 看跌期权持仓量 / 看涨期权持仓量[65]，该比值上升代表市场情绪相对较好，下降则可能预示情绪转弱 2. 因子名称：股指期货基差比例[18][23] - **因子构建思路**：通过计算期货价格与对应现货指数价格的相对差异，反映市场对未来走势的预期和情绪[18][23][25] - **因子具体构建过程**：基差比例 = （期货价格 / 对应指数 - 1）[23]，该指标为正值表示升水（看涨情绪），负值表示贴水（可能预示悲观或流动性紧张）[25] 3. 因子名称：期权隐含波动率（VIX）[51][53] - **因子构建思路**：VIX指数反映市场对未来30天股市波动性的预期，是衡量市场恐慌情绪的重要指标[51] - **因子具体构建过程**：基于期权市场价格计算得出的波动率指数，数值越高代表市场预期的未来波动越大，恐慌情绪越强[51][53] 因子的回测效果 *注：报告中主要展示了基于PCR因子构建的策略回测结果，未单独提供各因子的IC值、IR等传统因子测试指标[79][80]*

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. **模型名称：华福金工权益基金评价模型**[16][46] * **模型构建思路**：通过将基金收益率与一系列基准指数进行滚动窗口回归，选取拟合优度最高的指数作为基金的业绩参考基准，从而对基金进行风格分类和评价[16][46] * **模型具体构建过程**： 1. 选取22个基准指数作为自变量，基金收益率作为因变量[16][19] 2. 在每个月底，对每只基金逐个与基准指数进行一元线性回归，计算R²（拟合优度）[16] 3. 回归窗口期为6个月，进行滚动窗口回归，得到每个基金的R²时间序列矩阵[16] 4. 选取近6期R²的均值最大的那个指数，作为该基金当期的业绩参考指数[16] 5. 基金评价部分：基于上述方法确定的基准，计算基金的alpha（超额收益）和胜率[46][47] 6. 根据alpha的稳定性、趋势以及胜率在全市场的分位数，对基金进行综合打分并划分等级（如AAA, AA+, AA, BB+）[46][47] * **模型评价**：该模型能够形成立体的、面向所有主动权益基金的综合打分体系，有助于识别具有持续超额收益能力的基金[46] 模型的回测效果 1. **华福金工权益基金评价模型**，基金评级分布（2025年10月）：AAA级基金38只，AA+级基金81只，AA级基金175只，BB+级基金262只，其他基金2361只，有评分基金总计2917只[48][50] 2. **华福金工权益基金评价模型**，不同风格分类下绩优基金占比（2025年10月）：价值类基金绩优率23%，中小盘类基金绩优率最高（具体数值未列出），其余基金绩优率均较上月有所提升[50] 量化因子与构建方式 1. **因子名称：基金风格分类因子**[16][22] * **因子构建思路**：基于基金收益率与不同风格基准指数的相关性，将基金划分为大盘、中小盘、价值、成长、板块主题等风格类别[16][22] * **因子具体构建过程**： 1. 使用华福金工权益基金评价模型，为每只基金确定其业绩参考指数[16] 2. 根据业绩参考指数所属的预定义分类（大盘、中小盘、价值、成长、板块主题），将基金划入对应的风格类别[16][19][22] 因子的回测效果 1. **基金风格分类因子（价值类）**，2025年10月收益表现：样本数14只，最大值5.6%，0.75分位数3.9%，中位数3.7%，0.25分位数3.5%，最小值3.1%[22][23] 2. **基金风格分类因子（中小盘类）**，2025年10月收益表现：样本数195只，最大值6.3%，0.75分位数0.3%，中位数-1.1%，0.25分位数-2.4%，最小值-9.0%[22][23] 3. **基金风格分类因子（成长类）**，2025年10月收益表现：样本数444只，最大值8.2%，0.75分位数-1.2%，中位数-2.8%，0.25分位数-4.2%，最小值-10.5%[22][23] 4. **基金风格分类因子（大盘类）**，2025年10月收益表现：样本数82只，最大值2.2%，0.75分位数0.4%，中位数-0.1%，0.25分位数-0.9%，最小值-3.6%[22][23] 5. **基金风格分类因子（板块主题类）**，2025年10月收益表现：样本数39只，最大值3.1%，0.75分位数0.7%，中位数-0.1%，0.25分位数-2.3%，最小值-6.0%[22][23]

根据研报内容，本次任务主要涉及对指数调整事件的预测和影响分析，并未涉及传统意义上的量化模型或量化因子。报告的核心是应用指数编制规则进行成分股调整预测，并构建了一个“冲击系数”来衡量指数基金调仓对股价的潜在影响。 量化模型与构建方式 1. **模型/因子名称**：冲击系数 [6][9][10] * **构建思路**：该系数用于衡量因被动指数基金调仓（买入调入股票，卖出调出股票）对个股产生的价格冲击程度和持续时间，其核心思想是资金流动相对于股票流动性的比例 [6][9] * **具体构建过程**：冲击系数的计算公式如下 [6][9]： $$冲击系数 = \frac{被动买入金额 - 被动卖出金额}{日均成交额}$$ 其中： * `被动买入金额` = 跟踪该指数的被动基金总规模 × 股票在该指数中的估算权重 [5][6] * `被动卖出金额` = 跟踪该指数的被动基金总规模 × 股票在原指数中的权重（对于从其他指数调入的股票，此项可能不为零）[6][10] * `日均成交额` 为特定时间区间内的日均成交额，例如2025年8月1日至2025年10月31日 [9] * **模型评价**：该系数提供了一个量化视角来评估指数调整事件可能带来的短期交易机会或风险 [6] 模型的回测效果 报告未提供冲击系数模型的历史回测效果指标（如年化收益率、夏普比率、信息比率IR、最大回撤等）。 量化因子与构建方式 报告未涉及传统意义上的选股或定价阿尔法因子（如价值、动量、质量等因子）的构建。 因子的回测效果 报告未提供任何量化因子的测试结果（如IC值、ICIR、因子收益率、多空收益等）。 指数调整预测结果（基于规则的应用） 报告基于各指数的官方编制方案，预测了多个指数的成分股调整名单及对应的冲击系数估算值 [5][10][16][18][20]。 1. **沪深300指数预测调整** [5][7] * 预测调入股票包括：安克创新、光启技术、宁波港、三安光电、华电新能、国联民生、东山精密、上海电气、瑞芯微、胜宏科技、指南针 [5][7] * 冲击系数较高的股票有：光启技术(1.89)、宁波港(1.89)、安克创新(1.77) [7] 2. **中证500指数预测调整** [10][11][15] * 预测调整50只成分股，调入股票包括：申能股份、电投能源、苏泊尔、正邦科技等 [10][11] * 冲击系数较高的股票有：申能股份(2.38)、电投能源(2.28)、苏泊尔(2.00) [11] 3. **上证50指数预测调整** [18][19] * 预测调整4只成分股，调入股票为：上汽集团、工业富联、中科曙光、北方稀土 [18][19] * 冲击系数从大到小依次为：上汽集团(1.03)、工业富联(0.60)、中科曙光(0.42)、北方稀土(0.22) [19] 4. **科创50指数预测调整** [20][21] * 预测调整2只成分股，调入股票为：翱捷科技-U、盛科通信-U [20][21] * 冲击系数分别为：翱捷科技-U(1.17)、盛科通信-U(0.89) [21]

量化模型与构建方式 1 PB-ROE-50 组合 - **模型名称**：PB-ROE-50 组合[23] - **模型构建思路**：基于市净率（PB）和净资产收益率（ROE）两个基本面指标进行选股，旨在挑选出估值合理且盈利能力强的股票[23] - **模型具体构建过程**：该组合的具体构建过程未在报告中详细阐述，但明确指出其核心是结合PB和ROE指标进行选股[23] 2 机构调研组合 - **模型名称**：机构调研组合[25] - **模型构建思路**：根据公募基金和私募基金的调研活动来构建选股策略，跟踪机构调研行为以挖掘潜在投资机会[25] - **模型具体构建过程**：报告提及了公募调研选股策略和私募调研跟踪策略，但未详细说明其具体的构建步骤和规则[25] 3 大宗交易组合 - **模型名称**：大宗交易组合[29] - **模型构建思路**：基于“高成交、低波动”原则，通过分析大宗交易数据来构建选股组合，认为大宗交易背后蕴含超额信息[29] - **模型具体构建过程**：组合根据“大宗交易成交金额比率”越高、“6日成交金额波动率”越低的准则进行月频调仓[29] 具体构建方法可参考2023年8月5日的报告《提炼大宗交易背后蕴含的超额信息——量化选股系列报告之十一》[29] 4 定向增发组合 - **模型名称**：定向增发组合[35] - **模型构建思路**：以定向增发事件作为驱动，在再融资政策收紧的背景下，分析定增事件效应并构建投资组合[35] - **模型具体构建过程**：以股东大会公告日为时间节点，综合考虑市值因素、调仓周期以及仓位控制来构造组合[35] 具体方法详见2023年11月26日报告《多角度解析定向增发中的投资机会——量化选股系列报告之十二》[35] 模型的回测效果 1 PB-ROE-50 组合业绩表现 - **中证500股票池**：本周超越基准收益率1.00%，今年以来超额收益率3.16%，本周绝对收益率0.96%，今年以来绝对收益率32.03%[24] - **中证800股票池**：本周超越基准收益率0.48%，今年以来超额收益率16.96%，本周绝对收益率1.07%，今年以来绝对收益率41.77%[24] - **全市场股票池**：本周超越基准收益率-2.00%，今年以来超额收益率19.87%，本周绝对收益率-1.38%，今年以来绝对收益率48.96%[24] 2 机构调研组合业绩表现 - **公募调研选股策略**：本周超越基准收益率0.00%，今年以来超额收益率12.56%，本周绝对收益率0.58%，今年以来绝对收益率36.44%[26] - **私募调研跟踪策略**：本周超越基准收益率-1.96%，今年以来超额收益率15.09%，本周绝对收益率-1.38%，今年以来绝对收益率39.50%[26] 3 大宗交易组合业绩表现 - **大宗交易组合**：本周超越基准收益率1.08%，今年以来超额收益率36.00%，本周绝对收益率1.71%，今年以来绝对收益率69.00%[30] 4 定向增发组合业绩表现 - **定向增发组合**：本周超越基准收益率1.93%，今年以来超额收益率-2.27%，本周绝对收益率2.57%，今年以来绝对收益率21.45%[36] 量化因子与构建方式 1 大类因子 - **估值因子**：本周在全市场股票池中获取正收益0.40%[18] - **市值因子**：本周在全市场股票池中获取负收益-0.72%，市场表现为小市值风格[18] - **非线性市值因子**：本周在全市场股票池中获取负收益-0.40%[18] - **动量因子**：本周在全市场股票池中获取负收益-0.79%，市场表现为反转效应[18] - **Beta因子**：本周在全市场股票池中获取负收益-0.43%[18] 2 单因子（列举部分） 报告在沪深300、中证500和流动性1500股票池中跟踪了大量单因子的表现[12][14][16] 因子方向包括正向和负向，收益为剔除行业与市值影响后多头组合相对于基准指数的超额收益[12] 例如市盈率TTM倒数、市净率因子、总资产毛利率TTM等[13][15][17] 因子的回测效果 1 沪深300股票池因子表现（部分因子） - **市盈率TTM倒数**：最近1周收益3.05%，最近1月收益8.84%，最近1年收益5.38%，最近10年收益58.36%[13] - **市盈率因子**：最近1周收益2.30%，最近1月收益6.90%，最近1年收益-5.53%，最近10年收益18.98%[13] - **市净率因子**：最近1周收益2.06%，最近1月收益5.65%，最近1年收益-4.89%，最近10年收益34.98%[13] - **总资产毛利率TTM**：最近1周收益-2.11%，最近1月收益-5.93%，最近1年收益7.00%，最近10年收益-15.93%[13] 2 中证500股票池因子表现（部分因子） - **市盈率TTM倒数**：最近1周收益2.71%，最近1月收益7.16%，最近1年收益-0.03%，最近10年收益45.90%[15] - **市净率因子**：最近1周收益2.07%，最近1月收益4.41%，最近1年收益-6.49%，最近10年收益48.83%[15] - **市盈率因子**：最近1周收益1.74%，最近1月收益5.59%，最近1年收益-2.56%，最近10年收益25.32%[15] - **总资产毛利率TTM**：最近1周收益-2.13%，最近1月收益-4.89%，最近1年收益0.13%，最近10年收益17.65%[15] 3 流动性1500股票池因子表现（部分因子） - **市盈率TTM倒数**：最近1周收益1.74%，最近1月收益3.82%，最近1年收益-0.37%，最近10年收益59.73%[17] - **市盈率因子**：最近1周收益1.68%，最近1月收益3.19%，最近1年收益-3.03%，最近10年收益41.51%[17] - **市净率因子**：最近1周收益1.34%，最近1月收益4.18%，最近1年收益-4.58%，最近10年收益77.40%[17] - **早盘后收益因子**：最近1周收益-3.00%，最近1月收益-1.10%，最近1年收益12.49%，最近10年收益69.92%[17]

根据研报内容，总结如下： 量化模型与构建方式 1. **模型名称：港股精选组合模型**[14][15] * **模型构建思路**：该模型旨在对分析师推荐股票池进行基本面和技术面的双层优选，挑选出同时具备基本面支撑和技术面共振的超预期股票[14][15] * **模型具体构建过程**：首先，以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，构建初始的分析师推荐股票池[15]；接着，对该股票池中的股票进行基本面和技术面两个维度的精选，最终构建出港股精选股票组合[14][15] 2. **因子名称：平稳创新高股票筛选因子**[20][22][23] * **因子构建思路**：基于动量效应和趋势跟踪策略的有效性，从创出250日新高的股票中，根据分析师关注度、股价相对强弱、股价路径平稳性、创新高连续性等角度筛选出趋势更为稳健的“平稳创新高”股票[20][22][23] * **因子具体构建过程**： * **样本池**：全部港股，但需剔除成立时间不超过15个月的股票[23] * **核心指标**：250日新高距离，用于量化创新高情况，其计算公式为： $$250\ 日新高距离 = 1 - \frac{Close_t}{ts\_max(Close, 250)}$$ 其中，`Close_t` 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]；若最新收盘价创出新高，则该值为0；若股价回落，则为正值，表示回落幅度[22] * **筛选条件**（在“过去20个交易日创出过250日新高的股票池”中应用）[22][23]： 1. **分析师关注度**：过去6个月内，发布买入或增持评级的分析师研报不少于5份[23] 2. **股价相对强弱**：过去250日涨跌幅位于全样本池的前20%[23] 3. **股价平稳性**：在满足上述条件的股票池内，使用以下两个指标综合打分，选取排名前50%的股票（最少取50只）[23]： * **价格路径平滑性（位移路程比）**：具体计算为 `过去120日涨跌幅绝对值 / 过去120日日涨跌幅绝对值加总`[22][23] * **创新高持续性**：过去120日的250日新高距离在时间序列上的均值[23] 4. **趋势延续性**：在满足股价平稳性条件的股票中，选取“过去5日的250日新高距离在时间序列上的均值”排序靠前的50只股票[23] 模型的回测效果 1. **港股精选组合模型**[15][18][19] * 回测区间：20100101-20250630[15] * 年化收益：19.11%[15][19] * 超额收益（相对恒生指数）：18.48%[15][19] * 信息比率（IR）：1.22[19] * 跟踪误差：14.55%[19] * 收益回撤比：0.78[19] * 最大回撤：23.73%[19] 因子的回测效果 *（注：研报中未提供“平稳创新高股票筛选因子”独立的量化回测绩效指标，如IC、IR等，仅展示了应用该因子筛选出的具体股票列表及其板块分布）[23][26]*

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. **模型名称：国信金工指数增强组合模型**[11] * **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的增强组合，力求稳定战胜各自基准[10] * **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[11] 2. **模型名称：单因子MFE组合模型**[38][39][42] * **模型构建思路**：采用组合优化的方式，在满足实际投资约束条件（如控制行业暴露、风格暴露等）下，检验单因子的有效性，使检验后认为"有效"的因子更可能在最终组合中发挥真实的收益预测作用[38] * **模型具体构建过程**：采用组合优化模型来构建最大化单因子暴露组合（Maximized Factor Exposure Portfolio，简称MFE组合）[38] 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，wb为基准指数成分股权重向量[38][39] 约束条件包括： * 组合在风格因子上的偏离度（X为风格因子暴露矩阵，sl, sh为偏离上下限）[39] * 组合相对于基准指数的行业偏离（H为行业暴露矩阵，hl, hh为偏离上下限）[39] * 个股权重相对于基准指数的偏离（wl, wh为偏离上下限）[39] * 组合在基准成分股内的权重占比控制（Bb为成分股标识向量，bl, bh为占比上下限）[39] * 卖空限制和个股权重上限控制[39] * 权重和为1的满仓运作约束[39] 构建过程为：每月末根据约束条件构建每个单因子的MFE组合，在回测期内换仓并计算收益，按双边0.3%扣除交易费用后，计算相对于基准的收益风险指标[42] 对于不同基准指数，约束参数设置不同，例如对中证500和沪深300控制行业和市值暴露为0，个股最大偏离权重1%[42] 3. **模型名称：公募重仓指数模型**[40][41] * **模型构建思路**：以公募基金的持股信息构建指数，测试因子在"机构风格"下的有效性，从而更精确判断因子对公募持仓池的选股有效性[40] * **模型具体构建过程**：选样空间为普通股票型基金和偏股混合型基金（剔除规模小于五千万且上市不足半年的基金）[41] 通过基金定期报告获取持股信息，对符合条件的基金计算平均持仓权重[41] 将股票按平均权重降序排序，选取累计权重达到90%的股票作为成分股来构建公募基金重仓指数[41] 模型的回测效果 1. **国信金工指数增强组合模型**，本周超额收益0.01%，本年超额收益18.92%（沪深300增强）[13] 2. **国信金工指数增强组合模型**，本周超额收益-0.26%，本年超额收益7.89%（中证500增强）[13] 3. **国信金工指数增强组合模型**，本周超额收益-0.63%，本年超额收益16.63%（中证1000增强）[13] 4. **国信金工指数增强组合模型**，本周超额收益0.20%，本年超额收益9.84%（中证A500增强）[13] 量化因子与构建方式 报告中详细列出了因子库，包含估值、反转、成长、盈利、流动性、公司治理、分析师等维度的30余个因子[15][16] 以下为部分因子示例： 1. **因子名称：BP**[16] * **因子构建思路**：属于估值类因子 * **因子具体构建过程**：净资产/总市值[16] 2. **因子名称：EPTTM**[16] * **因子构建思路**：属于估值类因子 * **因子具体构建过程**：归母净利润TTM/总市值[16] 3. **因子名称：一个月反转**[16] * **因子构建思路**：属于反转类因子 * **因子具体构建过程**：过去20个交易日涨跌幅[16] 4. **因子名称：一年动量**[16] * **因子构建思路**：属于动量类因子 * **因子具体构建过程**：近一年除近一月后动量[16] 5. **因子名称：单季净利同比增速**[16] * **因子构建思路**：属于成长类因子 * **因子具体构建过程**：单季度净利润同比增长率[16] 6. **因子名称：单季ROE**[16] * **因子构建思路**：属于盈利类因子 * **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）[16] 7. **因子名称：非流动性冲击**[16] * **因子构建思路**：属于流动性类因子 * **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[16] 8. **因子名称：三个月波动**[16] * **因子构建思路**：属于波动类因子 * **因子具体构建过程**：过去60个交易日日内真实波幅均值[16] 9. **因子名称：高管薪酬**[16] * **因子构建思路**：属于公司治理类因子 * **因子具体构建过程**：前三高管报酬总额取对数[16] 10. **因子名称：预期EPTTM**[16] * **因子构建思路**：属于分析师类因子 * **因子具体构建过程**：一致预期滚动EP[16] 因子的回测效果 因子的回测效果体现在不同样本空间（沪深300、中证500、中证1000、中证A500、公募重仓指数）下，其单因子MFE组合在不同时间窗口（最近一周、最近一月、今年以来、历史年化）的超额收益表现[17][18][19][20][21][22][23][24][25][26] 具体数值详见原文图表，此处不一一列举。

根据研报内容，本报告主要对各类公募量化基金（如指数增强基金、主动量化基金、市场中性基金）的业绩进行统计和展示，并未涉及具体的量化模型或量化因子的构建、测试与评价。报告的核心是基金产品的业绩回顾与分析[1][2][3][9][10][11][13][14][16][18][19][20][21][24][26][27][28][29][30]。 因此，报告中**没有**涉及以下内容： * 量化模型或量化因子的名称 * 量化模型或量化因子的构建思路与具体过程 * 量化模型或量化因子的评价 * 量化模型或量化因子的测试结果（如IC、IR、多空收益等） 报告内容集中于公募量化基金的整体业绩表现，包括不同时间窗口下的收益、超额收益、跟踪误差、最大回撤等指标的统计分布和净值走势图[10]。

根据研报内容，总结如下： 量化模型与构建方式 1. **模型名称：期现对冲策略（连续对冲）**[46] * **模型构建思路**：通过做空股指期货合约来对冲持有现货（指数全收益）的风险，旨在获取相对稳定的收益[46] * **模型具体构建过程**： * **现货端**：持有对应标的指数的全收益指数[47] * **期货端**：做空与现货端名义本金相同的股指期货合约[47] * **资金分配**：现货端使用70%资金，期货端占用剩余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[47] * **调仓规则**：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[47] * **回测区间**：2022年7月22日至2025年11月7日[47] * **备注**：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[47] 2. **模型名称：期现对冲策略（最低贴水）**[48] * **模型构建思路**：在期现对冲的基础上，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[48] * **模型具体构建过程**： * **现货端与期货端设置**：与连续对冲策略相同（持有全收益指数，70%资金用于现货，30%用于期货，等额名义本金对冲）[48] * **调仓规则**：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。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[48] * **回测区间**：2022年7月22日至2025年11月7日[48] * **备注**：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] 3. **因子名称：分红调整年化基差**[20] * **因子构建思路**：为了准确分析股指期货合约的基差，需要剔除指数成分股分红对合约价格的影响，从而得到反映市场真实情绪和资金成本的基差水平[20] * **因子具体构建过程**： * 首先计算预期分红调整后的基差：`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`[20] * 然后对调整后的基差进行年化处理：`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`[20] * 公式说明：`实际基差`为合约收盘价与标的指数收盘价的差值；`(预期)分红点位`为合约存续期内指数成分股预计分红的点数总和；`指数价格`为标的指数收盘价；`合约剩余天数`为当前日期距合约到期日的天数[20] 4. **因子名称：信达波动率指数 (Cinda-VIX)**[64] * **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，开发能够准确反映市场对未来波动性预期的指数[64] * **因子评价**：可以反应期权市场投资者对标的资产未来波动的预期，而VIX又具有期限结构，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[64] 5. **因子名称：信达偏度指数 (Cinda-SKEW)**[72] * **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，来衡量市场对标的资产未来收益分布（特别是尾部风险）的预期[72] * **因子评价**：能够洞察市场对标的资产未来潜在风险的忧虑，当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][73] 模型的回测效果 * **IC（中证500）对冲策略表现**（回测区间：2022年7月22日至2025年11月7日）[50] * **当月连续对冲模型**：年化收益-3.20%，波动率3.84%，最大回撤-10.25%，净值0.8990，年换手次数12，2025年以来收益-5.55%[50] * **季月连续对冲模型**：年化收益-2.20%，波动率4.76%，最大回撤-8.34%，净值0.9297，年换手次数4，2025年以来收益-2.43%[50] * **最低贴水策略模型**：年化收益-1.69%，波动率4.56%，最大回撤-7.97%，净值0.9459，年换手次数16.80，2025年以来收益-3.29%[50] * **指数表现（对比基准）**：年化收益4.78%，波动率21.05%，最大回撤-31.46%，净值1.1651，2025年以来收益32.13%[50] * **IF（沪深300）对冲策略表现**（回测区间：2022年7月22日至2025年11月7日）[55] * **当月连续对冲模型**：年化收益0.43%，波动率2.93%，最大回撤-3.95%，净值1.0141，年换手次数12，2025年以来收益-0.93%[55] * **季月连续对冲模型**：年化收益0.72%，波动率3.28%，最大回撤-4.03%，净值1.0237，年换手次数4，2025年以来收益0.39%[55] * **最低贴水策略模型**：年化收益1.18%，波动率3.05%，最大回撤-4.06%，净值1.0391，年换手次数14.96，2025年以来收益0.55%[55] * **指数表现（对比基准）**：年化收益3.07%，波动率17.08%，最大回撤-25.59%，净值1.1039，2025年以来收益22.47%[55] * **IH（上证50）对冲策略表现**（回测区间：2022年7月22日至2025年11月7日）[59] * **当月连续对冲模型**：年化收益1.09%，波动率3.01%，最大回撤-4.22%，净值1.0361，年换手次数12，2025年以来收益0.53%[59] * **季月连续对冲模型**：年化收益1.99%，波动率3.41%，最大回撤-3.75%，净值1.0668，年换手次数4，2025年以来收益1.74%[59] * **最低贴水策略模型**：年化收益1.72%，波动率3.02%，最大回撤-3.91%，净值1.0574，年换手次数15.57，2025年以来收益1.62%[59] * **指数表现（对比基准）**：年化收益1.99%，波动率16.12%，最大回撤-22.96%，净值1.0667，2025年以来收益16.40%[59] * **IM（中证1000）对冲策略表现**（回测区间：2022年7月22日至2025年11月7日）[61] * **当月连续对冲模型**：年化收益-6.26%，波动率4.75%，最大回撤-14.00%，净值0.8282，年换手次数12，2025年以来收益-11.46%[61] * **季月连续对冲模型**：年化收益-4.58%，波动率5.78%，最大回撤-12.63%，净值0.8437，年换手次数4，2025年以来收益-6.32%[61] * **最低贴水策略模型**：年化收益-4.20%，波动率5.54%，最大回撤-11.11%，净值0.8620，年换手次数15.72，2025年以来收益-6.70%[61] * **指数表现（对比基准）**：年化收益1.16%，波动率25.53%，最大回撤-41.60%，净值0.9490，2025年以来收益30.10%[61] 因子的回测效果 * **Cinda-VIX 因子取值**（截至2025年11月7日）[64] * **上证50VIX_30**：18.55[64] * **沪深300VIX_30**：19.17[64] * **中证500VIX_30**：26.21[64] * **中证1000VIX_30**：23.84[64] * **Cinda-SKEW 因子取值**（截至2025年11月7日）[73] * **上证50SKEW**：103.82[73] * **沪深300SKEW**：108.08[73] * **中证500SKEW**：101.38[73] * **中证1000SKEW**：106.80[73] * **分红调整年化基差因子取值**（截至2025年11月7日，当季合约）[4][21][28][33][39] * **IC（中证500）**：-9.74%[4][21] * **IF（沪深300）**：-2.96%[4][28] * **IH（上证50）**：-0.24%[4][33] * **IM（中证1000）**：-12.49%[4][39]

根据提供的金融工程日报内容，该报告主要描述了市场表现、情绪和资金流向等市场监测指标，并未涉及具体的量化模型或量化因子的构建、测试与分析。报告内容属于市场数据统计和描述性分析范畴[2][6][7][10][14][15][18][20][23][24][27][29][31][33][36][37]。 因此，本总结中“量化模型与构建方式”及“模型的回测效果”部分，“量化因子与构建方式”及“因子的回测效果”部分均无相关内容可提供。

根据提供的研报内容，以下是关于量化模型和因子的总结： 量化因子与构建方式 **1 因子名称：250日新高距离**[11] - **因子构建思路**：该因子用于衡量当前股价相对于过去250个交易日最高价的回落幅度，是动量效应和趋势跟踪策略的核心指标[11] - **因子具体构建过程**：具体计算方法是使用最新收盘价除以过去250个交易日收盘价的最大值，然后用1减去该比值[11] $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 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[11] 当最新收盘价创出新高时，该因子值为0；当股价从高点回落时，该因子为正值，表示回落幅度[11] **2 因子名称：平稳创新高股票筛选因子**[25][27] - **因子构建思路**：基于研究表明遵循平滑价格路径的高动量股收益优于跳跃价格路径的高动量股，该复合因子从多个维度筛选具有持续平稳创新高特征的股票[25][27] - **因子具体构建过程**：构建过程包含多个筛选步骤： 1. 初选股票池：在过去20个交易日创出过250日新高的股票中筛选[27] 2. 分析师关注度筛选：过去3个月买入或增持评级的分析师研报不少于5份[27] 3. 股价相对强弱筛选：过去250日涨跌幅位于全市场前20%[27] 4. 股价平稳性综合打分：在满足上述条件的股票池内，用以下两个指标综合打分，取排名在前50%的股票[27] 5. 价格路径平滑性指标：股价位移路程比[27] 6. 创新高持续性指标：过去120日的250日新高距离在时间序列上的均值[27] 7. 趋势延续性筛选：过去5日的250日新高距离在时间序列上的均值，取排序靠前的50只[27] 模型的回测效果 *注：报告中未提供具体的模型回测效果指标值* 因子的回测效果 **1 250日新高距离因子应用效果**[19][20] - 在全市场监测中，截至2025年11月7日，共1018只股票在过去20个交易日间创出250日新高[19] - 按行业分布：创新高个股数量最多的是机械(140只)、基础化工(110只)、电子行业(99只)[19] - 按行业占比：创新高个股数量占比最高的是煤炭(52.78%)、有色金属(52.42%)、钢铁行业(39.62%)[19] - 按板块分布：周期板块创新高股票319只(占比28.46%)、制造板块301只(占比19.33%)、科技板块259只(占比18.36%)[20] - 按指数分布：中证500和沪深300指数中创新高个股占比均为22.00%，中证1000指数占比18.70%，中证2000指数占比18.15%[20] **2 平稳创新高股票筛选因子应用效果**[28] - 通过该复合因子筛选出了50只平稳创新高的股票，包括香农芯创、中际旭创、源杰科技等[28] - 按板块分布：周期板块入选21只，科技板块入选16只[28] - 细分行业分布：周期板块中有色金属行业创新高最多，科技板块中电力设备及新能源行业创新高最多[28]