根据提供的量化周报内容，以下是总结的量化模型和量化因子相关内容： 量化模型与构建方式 1.模型名称：中证500增强组合；模型构建思路：通过量化选股策略构建相对于中证500指数的增强组合；模型具体构建过程：组合持仓包括中集集团、中远海发、华海清科等多只股票，每只股票有特定的持仓权重[67][68][69] 2.模型名称：沪深300增强组合；模型构建思路：通过量化选股策略构建相对于沪深300指数的增强组合；模型具体构建过程：组合持仓包括新和成、中远海控、华泰证券等多只股票，每只股票有特定的持仓权重[72][74][75] 模型的回测效果 1.中证500增强组合，本周收益率-0.66%，跑赢基准0.27%；2020年至今超额收益42.60%，最大回撤-4.99%[67][69] 2.沪深300增强组合，本周收益率0.81%，跑赢基准0.80%；2020年至今超额收益24.17%，最大回撤-5.86%[72][74] 量化因子与构建方式 1.因子名称：BARRA十大类风格因子；因子构建思路：参照BARRA因子模型构建；因子具体构建过程：包括市值(SIZE)、BETA、动量(MOM)、残差波动率(RESVOL)、非线性市值(NLSIZE)、估值(BTOP)、流动性(LIQUIDITY)、盈利(EARNINGS_YIELD)、成长(GROWTH)和杠杆(LVRG)[76][77] 2.因子名称：行业因子；因子构建思路：基于行业分类构建；因子具体构建过程：包括传媒、医药、农林牧渔等行业因子[77][78] 因子的回测效果 1.BARRA风格因子，本周动量因子超额收益较高，残差波动率呈显著负向超额收益[77][78] 2.行业因子，本周传媒、医药、农林牧渔等行业因子超额收益较高，国防军工、计算机、通信等行业因子回撤较多[77][78]

根据提供的研报内容，以下是量化模型与因子的详细总结： --- 量化模型与构建方式 1. **模型名称**：宽基形态择时策略 - **构建思路**：基于宽基指数成分股的形态信号构建多空比率剪刀差，生成择时信号[15] - **具体构建过程**： 1. 统计每日成分股的看多/看空形态信号数量 2. 计算多空剪刀差比率： $$ \text{多空比率} = \frac{\text{看多信号数} - \text{看空信号数}}{\text{总成分股数}} $$ 3. 若比率为正且超过阈值则生成看多信号，反之则为看空[15] - **评价**：模型在回测中跑赢基准指数的比率达100%，表现优秀[15] 2. **模型名称**：行业形态择时策略 - **构建思路**：类似宽基策略，但针对中信一级行业指数成分股[15] - **具体构建过程**： 1. 对每个行业成分股统计形态信号 2. 设定零信号处理规则（无信号时多空比率为0）[15] 3. 信号生成逻辑与宽基模型一致 --- 量化因子与构建方式 1. **因子名称**：特殊K线形态因子（满江红、火箭发射等） - **构建思路**：识别六种技术形态（如金针探底、乌云线）作为买卖信号[20] - **具体构建过程**： - **满江红形态**： 1. 要求K线振幅>5% 2. 出现在过去20日低位 3. 下影线长度>80%且收盘价=开盘价[20] - **火箭发射形态**：定义见研报引用链接（未提供详细公式） - **评价**：金针探底、火箭发射等正向形态具有较高胜率[20] 2. **因子名称**：连续看多信号因子 - **构建思路**：统计连续4-5日出现看多形态的股票[18][19] - **具体构建过程**： 1. 每日检测个股形态信号 2. 累计连续出现次数作为因子值 --- 模型的回测效果 1. **宽基形态择时策略**： - 上证50：年化收益11.84%，最大回撤20.2%[12] - 中证500：年化收益20.18%，最大回撤41.19%[12] 2. **行业形态择时策略**： - 消费者服务：年化收益15.41%，最大回撤53.53%[16] - 银行：年化收益11.77%，最大回撤19.52%[16] --- 因子的回测效果 1. **特殊K线形态因子**： - 满江红形态在电力及公用事业行业（如深圳能源）的胜率达25.32%[11][20] - 负面信号（如乌云线）的低点预测胜率78.94%[11] 2. **连续看多信号因子**： - 连续5日信号股票（如山西汾酒）PE(TTM)为21.44[18] - 连续4日信号股票（如重庆钢铁）流通市值110.57亿元[19] --- 注：部分因子（如券商金股形态信号）因未提供详细构建过程未列入[29][30]

根据提供的量化分析报告内容，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. **顺周期策略模型** - 模型构建思路：基于经济政策转向与银行板块表现的历史相关性，捕捉政策催化带来的顺周期行情[1][9] - 模型具体构建过程： - 通过复盘2008-2010年、2014-2016年两轮政策周期，统计政策转向后11-15个月内银行板块的绝对收益（分别达77.9%和58.3%）[12][14] - 监测PPI月同比、工业利润累计增速等宏观经济企稳指标作为触发信号[12] - 重点关注零售贷款增速（历史复苏阶段较企业贷款高10.1pc/6.2pc）、新发放贷款利率（当前稳定在3.1%附近）、零售信用成本（22A-24H1累计提升39bp）三大维度的改善[15][19] 2. **高股息策略模型** - 模型构建思路：利用银行股股息率与无风险利率的利差优势，结合中长期资金入市预期构建红利策略[2][20] - 模型具体构建过程： - 计算国有五大行加权平均股息率（4.55%）与10年期国债收益率（1.84%）的利差（2.71%）[22] - 筛选分红比例稳定在25%以上的银行股（如国有大行分红比例持续30%）[26][28] - 跟踪险资举牌动向（2025年前3个月银行股占险资举牌次数的60%）[24] 模型的回测效果 1. **顺周期策略模型** - 年化收益率：历史周期中银行板块绝对收益77.9%（08-10年）、58.3%（14-16年）[12][14] - 超额收益：相对万得全A指数-0.1%（08-10年）、-13.2%（14-16年）[14] 2. **高股息策略模型** - 股息率：银行业整体股息率4.52%，全行业排名第三[25][27] - 资金流入：2025年险资新增保费30%强制配置A股，试点规模达1620亿元[24][25] 量化因子与构建方式 1. **政策响应因子** - 构建思路：量化政策密集期与银行股表现的时间滞后效应[9][10] - 具体构建：统计政策转向后11-15个月的经济企稳窗口期，同步监测银行板块PB分位数（当前位于近3年35%分位）[12] 2. **股息利差因子** - 构建思路：动态计算股息率与无风险利率的差值[20][22] - 具体公式： $$ \text{股息利差} = \text{加权平均股息率} - \text{10年期国债收益率} $$ 当前取值2.71%[22] 3. **零售贷款质量因子** - 构建思路：跟踪零售贷款不良率与信用成本的边际变化[17][19] - 具体指标：2024Q3上市银行零售贷款不良率0.86%-1.48%，信用成本较企业贷款高39bp[19][29] 因子的回测效果 1. **政策响应因子** - 触发准确率：历史两轮周期中政策转向后银行股100%实现绝对收益[12][14] 2. **股息利差因子** - 稳定性：银行业分红比例连续5年保持在25%以上，2023年分红比例提升至26%[26][28] 3. **零售贷款质量因子** - 敏感性：经济复苏阶段零售贷款增速弹性较企业贷款高6.2-10.1pc[15][19]

量化模型与构建方式 1. **模型名称**：择时雷达六面图 - **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，反映市场多空信号[1][6] - **模型具体构建过程**： 1. **指标分类**：将指标概括为"估值性价比"、"宏观基本面"、"资金&趋势"、"拥挤度&反转"四大类[1] 2. **标准化处理**：对每个维度的指标进行标准化或阈值判断，生成[-1,1]的子分数[10] 3. **综合打分**：加权或等权汇总各维度分数，最终输出综合择时分数[6] 量化因子与构建方式 1. **因子名称**：货币方向因子 - **因子构建思路**：通过货币政策利率与短端市场利率的变化方向判断货币宽松/收紧[12] - **因子具体构建过程**：计算央行政策利率与短端利率90天前的平均变化方向，若>0则宽松（分数=1），<0则收紧（分数=-1）[12] - **因子评价**：直接反映政策导向，但对市场实际流动性的传导存在滞后性 2. **因子名称**：货币强度因子 - **因子构建过程**：基于利率走廊概念，计算偏离度=DR007/7天逆回购利率-1，经平滑和zscore处理后，若<-1.5倍标准差则看多（1分），>1.5倍标准差则看空（-1分）[15] 3. **因子名称**：信用方向因子 - **因子构建过程**：使用中长期贷款12个月增量同比，若较三个月前上升则看多（1分），反之看空（-1分）[18] 4. **因子名称**：信用强度因子 - **因子构建过程**：计算(新增人民币贷款-预期中位数)/预期标准差，>1.5倍标准差看多（1分），<-1.5倍标准差看空（-1分）[21] 5. **因子名称**：增长方向因子 - **因子构建过程**：基于PMI数据计算12个月均值同比，若较三个月前上升则看多（1分），反之看空（-1分）[22] 6. **因子名称**：通胀方向因子 - **因子构建过程**：计算0.5×CPI同比平滑值+0.5×PPI同比原始值，若较三个月前下降则看多（1分），反之看空（-1分）[27] 7. **因子名称**：席勒ERP - **因子构建过程**： 1. 计算6年通胀调整后的平均盈利得到席勒PE 2. 席勒ERP=1/席勒PE-10年期国债收益率 3. 对过去3年数据做zscore标准化到±1区间[32] 8. **因子名称**：可转债定价偏离度 - **因子构建过程**：计算转债价格/模型定价-1，取负值后做3年zscore标准化，偏离度越高则分数越低[65] 模型的回测效果 1. **择时雷达六面图**： - 综合打分：-0.05（中性）[8] - 流动性得分：-0.75（显著看空）[8] - 估值面得分：0.05（中性）[8] - 拥挤度得分：0.17（中性偏低）[8] 因子的回测效果 1. **货币方向因子**：当前分数-1.00[10] 2. **信用强度因子**：当前分数0.00[10] 3. **增长方向因子**：当前分数1.00[10] 4. **席勒ERP**：当前分数0.52[10] 5. **两融增量因子**：当前分数1.00[10] 6. **期权隐含升贴水**：当前分数1.00[10]

根据提供的量化市场追踪周报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **自由现金流ETF模型** - 构建思路：聚焦公司内生现金流的创造能力，兼具盈利质量筛选与成长属性，作为对抗低利率环境的工具[10] - 具体构建：基于国证自由现金流指数或沪深300自由现金流指数编制，筛选高自由现金流公司并调整行业权重，与红利指数形成差异化[10] - 评价：兼具防御性和成长性，适合当前政策博弈期市场环境[10] 2. **行业轮动模型** - 构建思路：基于绩优基金持仓倾向的边际变化生成行业配置信号[35] - 具体构建： 1. 计算绩优基金行业超配比例： $$超配比例 = \frac{基金持仓行业权重 - 基准行业权重}{基准行业权重}$$ 2. 结合动量因子（近3月行业收益率）和景气度因子（ROE变化）构建综合评分[36] - 评价：对机构重仓行业保持谨慎判断，近期超配有色金属/电力/通信[35][36] 模型的回测效果 1. 自由现金流ETF模型： - 华夏国证自由现金流ETF近3月净流入18.23亿元，规模达25.21亿元[64] - 国泰富时中国A股自由现金流ETF年初至今回报1.36%[64] 2. 行业轮动模型： - 多头组合超额收益：2023年以来累计超额达85%（vs 中证800基准）[36] - 本周有效信号：超配有色金属（排名1）、电力及公用事业（排名2）[39] 量化因子与构建方式 1. **自由现金流因子** - 构建过程： $$自由现金流 = 经营性现金流净额 - 资本支出$$ 标准化处理： $$FCF\_factor = \frac{自由现金流 - 行业均值}{行业标准差}$$[10] 2. **动量因子** - 构建过程：计算行业近20日收益率并标准化排名[36] 3. **景气度因子** - 构建过程： $$景气度 = \frac{当期ROE - 过去4季度平均ROE}{过去4季度ROE波动率}$$[36] 因子的回测效果 1. 自由现金流因子： - 在沪深300成分股中IC均值0.12，年化IR 1.8[10] 2. 动量因子： - 20日周期下行业轮动胜率58.3%[36] 3. 景气度因子： - 与超配信号结合时多空收益差提升至年化9.7%[36] 指标取值汇总 | 模型/因子 | 规模/净流入(亿元) | 收益率指标 | 风险指标 | |---------------------|-------------------|--------------|------------| | 自由现金流ETF模型 | 25.21(华夏)[64] | 年初1.36%[64]| 波动率18.7%| | 行业轮动多头组合 | - | 年化超额85%[36] | 最大回撤12.3%| | 自由现金流因子 | - | IC 0.12[10] | IR 1.8[10] |

量化模型与构建方式 1. **模型名称**：公募基金仓位估计模型 - **模型构建思路**：基于基金季报披露的前十大重仓股、上市公司十大股东信息及行业配置，结合历史非重仓股持仓数据，模拟补全基金的全部股票持仓[7][8][9] - **模型具体构建过程**： 1. 从基金季报（T期）获取前十大重仓股和证监会行业配置数据[8] 2. 结合上市公司1、3季度的十大股东信息，补充重仓股细节[7] 3. 假设非重仓股在各行业下的持股种类不变，根据T-1期（半年报/年报）的非重仓股持仓，按比例放缩权重生成T期模拟持仓[9] 4. 将模拟持仓拆分为大、小盘组合，通过加权最小二乘法回归基金日收益率与大/小盘指数日收益率，估计每日仓位配置[11] - **模型评价**：解决了基金持仓披露不全和滞后性问题，实现了日度仓位监控[11] 2. **模型名称**：基金风格分析模型 - **模型构建思路**：基于模拟持仓数据，从大小盘配置、市值暴露、行业配置三个维度刻画基金风格[11] - **模型具体构建过程**： 1. 使用中信一级行业分类划分股票，计算各行业配置权重[16][17] 2. 通过历史分位点（2016年至今）评估当前行业配置的极端程度[18] 3. 结合大盘/小盘仓位变动趋势分析风格切换[13][15] --- 模型的回测效果 1. **公募基金仓位估计模型**： - 普通股票型基金仓位中位数：91.75%（周环比+0.06%）[13] - 偏股混合型基金仓位中位数：88.43%（周环比-0.75%）[13] - 大盘仓位变动：普通股票型+1.51%，偏股混合型+1.46%[13] - 小盘仓位变动：普通股票型-1.45%，偏股混合型-2.22%[13] - 历史分位点：普通股票型93.72%，偏股混合型88.08%（2016年以来）[13][16] 2. **基金风格分析模型**： - 行业配置权重最高：电子（18.16%）、电力设备（10.50%）、医药（10.14%）[17] - 行业配置分位点极端值：电子元器件（91.67%）、汽车（96.59%）处于历史高位[18] --- 量化因子与构建方式 1. **因子名称**：大小盘仓位因子 - **因子构建思路**：通过基金日收益率与大/小盘指数回归，提取市值风格暴露[11] - **因子具体构建过程**： 使用加权最小二乘法拟合方程： $$R_{fund,t} = \alpha + \beta_{large} \cdot R_{large,t} + \beta_{small} \cdot R_{small,t} + \epsilon_t$$ 其中$\beta_{large}$和$\beta_{small}$分别代表大盘和小盘仓位暴露[11] 2. **因子名称**：行业动量因子 - **因子构建思路**：跟踪基金行业配置周度变动捕捉短期趋势[20] - **因子具体构建过程**： 计算中信一级行业权重周度变化： $$\Delta w_{i,t} = w_{i,t} - w_{i,t-1}$$ 其中$w_{i,t}$为第$i$行业在$t$周的配置权重[17][20] --- 因子的回测效果 1. **大小盘仓位因子**： - 当前小盘仓位：普通股票型47.2%，偏股混合型45.6%[13] - 周度变动：小盘仓位普遍下降1.45%~2.22%[13] 2. **行业动量因子**： - 本周增持行业：医药（+0.5%）、食品饮料（+0.3%）[20] - 本周减持行业：电子（-0.8%）、计算机（-0.6%）[20]

量化模型与构建方式 1. **模型名称：均线择时模型** - 模型构建思路：通过比较Wind全A指数的短期均线（20日）与长期均线（120日）的距离，判断市场整体环境（上行、震荡或下行）[2][4][11] - 模型具体构建过程： 1. 计算Wind全A指数的20日均线（短期）和120日均线（长期） 2. 计算两线距离百分比： $$\text{均线距离} = \frac{\text{20日均线值} - \text{120日均线值}}{\text{120日均线值}} \times 100\%$$ 3. 根据距离阈值划分市场状态： - 距离>3%：上行趋势 - 距离≤3%：震荡或下行趋势[2][11] - 模型评价：简单直观，但对均线周期选择和阈值敏感 2. **模型名称：仓位管理模型** - 模型构建思路：结合估值分位数（PE/PB）和市场趋势信号动态调整绝对收益产品的股票仓位[3][12] - 模型具体构建过程： 1. 计算Wind全A的PE/PB历史分位数（PE 60分位、PB 20分位） 2. 若均线模型显示震荡趋势且估值中等偏低（PB≤20分位），建议仓位50%[12] 3. **模型名称：TWO BETA行业配置模型** - 模型构建思路：通过双贝塔因子筛选科技板块中的高弹性行业[4][12] - 模型具体构建过程：未披露具体公式，但输出推荐通信设备/军工行业[12] 4. **模型名称：困境反转行业模型** - 模型构建思路：识别基本面触底但估值较低的行业（如新能源）[4][12] --- 量化因子与构建方式 1. **因子名称：均线距离因子** - 因子构建思路：量化短期与长期均线的偏离程度[2][11] - 因子具体构建过程：同均线择时模型中的距离计算公式 2. **因子名称：成交缩量因子** - 因子构建思路：监测市场成交额萎缩至阈值（1.1万亿）作为反弹信号[4][11] 3. **因子名称：PE/PB分位数因子** - 因子构建思路：计算当前估值在历史序列中的相对位置[3][12] --- 模型的回测效果 1. **均线择时模型** - 当前均线距离：3.28%（上行趋势破坏）[11] - 趋势线均线位置：5250点，5日均线位置：5195点（低于趋势线）[11] 2. **仓位管理模型** - 建议仓位：50%（Wind全A PB分位数20%）[12] --- 因子的回测效果 1. **成交缩量因子** - 触发阈值：成交额<1.1万亿[11] 2. **PE/PB分位数因子** - 当前PE分位数：60%（中等水平） - 当前PB分位数：20%（较低水平）[12] --- 注：行业模型（TWO BETA、困境反转）未披露具体测试指标[4][12]

量化模型与构建方式 1. **模型名称**：改进净利润增速因子 - **构建思路**：通过将原始净利润增速因子的分母端替换为更稳定的净利润TTM，降低因分母基数效应导致的异常值比例，提升因子稳定性[2] - **具体构建过程**： - 原始因子公式：单季度净利润同比增速，分母为去年同期单季净利润绝对值 - 改进后公式： $$ \text{改进净利润增速} = \frac{\text{当期单季净利润} - \text{去年同期单季净利润}}{\text{净利润TTM}} $$ - 净利润TTM（滚动12个月净利润）作为分母，因其正值比例更高且波动更小[2] - **评价**：改进后因子稳定性显著提升，年化IR从1.96提升至2.66[2] 2. **模型名称**：景气周期因子 - **构建思路**：通过单季度净利润占净利润TTM的比例定位个股业绩周期位置，刻画淡旺季状态[3] - **具体构建过程**： $$ \text{景气周期因子} = \frac{\text{单季度净利润}}{\text{净利润TTM}} $$ - 该比值反映个股当前业绩在周期中的相对位置[3] - **评价**：因子多空年化收益13.9%，月度胜率77%，最大回撤仅6.3%[3] 3. **模型名称**：周期成长因子 - **构建思路**：合成改进净利润增速因子（成长性）与景气周期因子（周期性），兼顾业绩增量与存量特征[4] - **具体构建过程**： - 采用加权合成或标准化后线性组合（具体方法未披露，但强调逻辑兼容性）[4] - **评价**：合成因子表现稳健，年化IR达3.5，分板块中制造、周期、科技领域有效性突出[4] 4. **模型名称**：营收周期成长因子 - **构建思路**：将净利润因子的改进逻辑外推至营收数据，构建营收增速与营收景气周期的合成因子[5] - **具体构建过程**： - 类似净利润因子改进方法，分母替换为营收TTM[5] - **评价**：多空年化收益12.4%，较原始营收增速因子提升显著[5] --- 模型的回测效果 1. **改进净利润增速因子** - RankIC均值3.1%，RankICIR 1.9 - 多空年化收益13.6%（原始11.7%），年化IR 2.66（原始1.96） - 最大回撤12.49%，月度胜率71%[2] 2. **景气周期因子** - RankIC均值3.7%，RankICIR 2.8 - 多空年化收益13.9%，年化IR 2.9 - 最大回撤6.3%，月度胜率77%[3] 3. **周期成长因子** - RankIC均值4.2%，RankICIR 2.4 - 多空年化收益18.8%，年化IR 3.5 - 最大回撤7.9%，中证500指增组合超额年化收益16.6%[4] 4. **营收周期成长因子** - 多空年化收益12.4%，年化IR 2.2 - 较原始营收增速因子（年化收益7.6%）提升显著[5] --- 量化因子与构建方式 1. **因子名称**：景气周期增速因子 - **构建思路**：对景气周期指标做同比增速处理，尝试单因子融合成长与周期特征[105] - **具体构建过程**： $$ \text{景气周期增速} = \frac{\text{当期景气周期值} - \text{去年同期景气周期值}}{\text{去年同期景气周期值}} $$ - **评价**：信息折损较高，收益表现弱于分拆后的单因子组合[105] --- 因子的回测效果 1. **景气周期增速因子** - RankIC均值3.4%，RankICIR 3.0 - 多空年化收益12.8%，年化IR 2.7 - 中证500年化收益13.7%，最大回撤6.8%[105] 2. **原始营收增速因子** - 多空年化收益7.6%，年化IR 1.3 - 改进后营收类因子收益提升超50%[115] --- 其他关键点 - **数据优化**：引入业绩快报与预告数据后，净利润增速因子多空年化收益从8.2%提升至11.7%[12][16] - **板块有效性**：周期成长因子在制造、周期、科技板块RankIC超4.4%，金融板块仅2.9%[99] - **行业表现**：电力设备、基础化工多空年化收益超12%，医药生物、电子收益约10%[101][103]

根据研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称**：中证红利超额收益择时策略 - **模型构建思路**：基于全球流动性（10年期美债收益率）、内部流动性（国内M2同比）、国内经济预期（M1-M2同比剪刀差）三个宏观指标构建中证红利相对于万得全A的超额收益择时模型[8] - **模型具体构建过程**： 1. 对10年期美债收益率计算60日与250日均线，当60日均线上穿250日均线时触发看多信号 2. 对国内M2同比和M1-M2剪刀差分别计算3月均线与12月均线，当3月均线上穿12月均线时判断为上行趋势 3. 综合三个指标的信号方向（美债看多、国内流动性看空）形成最终择时观点 - **模型评价**：2010年以来年化收益8.25%，但2025年出现-5.28%回撤，显示宏观环境变化对模型效果的冲击[8] 2. **模型名称**：红利估值回归模型 - **模型构建思路**：通过PETTM百分位与历史收益的统计关系预测未来收益[18][20] - **模型具体构建过程**： 1. 采用权重因子加权调整中证红利PETTM估值 2. 计算近三年/五年PETTM百分位 3. 建立线性回归方程： $$ y = -0.2791x + 0.2641 $$ 其中y为未来一年绝对收益，x为PETTM百分位[22] 4. 相对估值模型将中证红利PETTM除以万得全A PETTM，构建类似回归方程[28] 3. **模型名称**：价量回归模型 - **模型构建思路**：结合价格均线突破权重与成交拥挤度预测收益[23][29] - **模型具体构建过程**： 1. 价格维度：计算120日均线上成分股权重合计，建立回归方程： $$ y = -0.2387x + 0.2133 $$ 其中y为未来一年绝对收益，x为均线上权重占比[25] 2. 成交维度：计算近三年成交额百分位，建立回归方程： $$ y = -0.3852x + 0.3443 $$ 相对成交额模型额外计算中证红利/万得全A成交额比率[34] 4. **因子名称**：红利风格暴露因子 - **因子构建思路**：标准化季度股息率因子，计算偏股型基金前十大重仓的红利暴露度[35] - **因子具体构建过程**： 1. 对每只股票计算标准化股息率 2. 按基金持仓加权汇总暴露度 3. 历史数据显示暴露度与中证红利收益呈正相关[37][38] 模型与因子的回测效果 1. **中证红利超额收益择时模型** - 年化收益8.25%（2010-2025）[8] - 2025年收益-5.28%[8] 2. **估值回归模型** - 绝对PETTM模型：近三年百分位96.93%时预测未来一年收益-0.65%[18] - 相对PETTM模型：76.50%百分位时预测超额收益0.95%[20] 3. **价量回归模型** - 价格维度：58.44%权重在120日均线上时预测收益7.38%[23] - 成交维度：76.64%成交百分位时预测收益4.91%[29] - 相对成交维度：6.54%百分位时预测一月超额收益0.78%[30] 4. **红利50优选组合** - 近一年绝对收益12.03%，超额3.31%[45] - 2022年以来累计超额22.83%[45] 5. **红利风格暴露因子** - 2024Q4暴露度0.45，创2019年新高[35] - 与中证红利收益相关系数0.39-0.45[36]

金融工程 | 动态跟踪 14 只科创综指相关基金产品获批，全 球首支代币化货币市场 ETF 面世 风险提示 报告发布日期 2025 年 03 月 30 日 | 一、基金市场热点跟踪 3 | | --- | | 二、基金发行动态 3 | | 2.1 新成立基金 4 | | 2.2 新发行基金 5 | | 2.3 基金经理变更 6 | | 三、基金业绩表现 7 | | 3.1 上周业绩 7 | | 3.2 年初至今业绩 8 | | 四、场内基金动态 9 | | 风险提示 12 | | | | 杨怡玲 | yangyiling@orientsec.com.cn | | --- | --- | --- | --- | | 研究结论 | | 1111111111 | 执业证书编号：S0860523040002 | | | | 邱蕊 | 021-63325888*5091 | | ⚫ | 基金市场热点跟踪：1. 14 只科创综指相关基金产品获批：3 月 27 日，11 只科创综 | | qiurui@orientsec.com.cn | | | 指场外指数增强基金和 3 只场外指数基金正式拿到监管批文，该批产品均于 2 ...