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[17] **模型构建思路**：通过将基金收益率与一系列基准指数进行一元线性回归，计算拟合优度（R²），以确定每只基金在特定时期内的业绩参考基准，从而对基金进行风格分类和评价[17]。 **模型具体构建过程**： 1. 确定22个基准指数作为自变量，基金收益率作为因变量[17][20]。 2. 对每只基金，逐个与每个基准指数进行一元线性回归，计算每一期的R²[17]。 3. 在每个月底，向前选取窗口期为6个月的基金收益率数据进行滚动窗口回归，得到每个基金随时间变化的R²矩阵[17]。 4. 选取最近6期R²的均值，将均值最大的R²所对应的基准指数，确定为该基金当期的业绩参考指数[17]。 2. **模型名称**：华福金工基金综合打分体系[41] **模型构建思路**：构建一个立体的基金评价体系，横向比较全市场胜率，纵向考察长期业绩、短期业绩及投资能力的变化趋势，对主动权益基金进行综合打分并划分等级[41]。 **模型具体构建过程**： 1. **横向比较**：根据基金相对其自适应基准（由前述评价模型确定）的长期超额收益胜率在全市场基金经理中的排名分档[41]。 2. **纵向考察**：兼顾长期与短期业绩，并考察基金经理获取超额收益（α）能力的变化趋势[41]。 3. **等级划分**：综合以上维度，将基金划分为不同等级[41]： * **AAA级（稳定alpha型）**：长期超额收益胜率排名前25%，α值较为分散且无下滑迹象[41]。 * **AA+级（α持续上升型）**：α值序列呈现稳健提升态势，胜率排名前25%[41][42]。 * **AA级（α择时型）**：胜率高，但α值相对不稳定[41]。 * **BB+级（逆风翻盘型）**：α值趋势持续上升，但胜率排名在前25%-50%之间[42]。 量化因子与构建方式 1. **因子名称**：基金相对单一指数拟合优度（R²）[32] **因子构建思路**：通过计算基金收益率与单一最相关基准指数回归的R²，来度量基金策略的集中度或多元化程度，进而判断市场整体热点情况[32]。 **因子具体构建过程**： 1. 对每只样本基金，使用前述“权益基金评价模型”确定其当期业绩参考指数[17]。 2. 计算该基金收益率与该特定指数收益率进行一元线性回归的R²[32]。 3. 计算所有样本基金该R²的平均值，作为衡量市场整体策略集中度的因子[32]。 模型的回测效果 （注：报告未提供模型历史回测的定量指标，如年化收益率、夏普比率、最大回撤等。仅展示了模型应用后的统计结果。） 因子的回测效果 1. **基金相对单一指数拟合优度（R²）因子**，2025年12月平均值：0.75[32]

量化模型与构建方式 1. **模型/因子名称**：长线重仓股识别模型[3][9] * **构建思路**：通过识别被基金连续多期重仓持有的个股，来捕捉基金经理的长期看好标的[9] * **具体构建过程**： 1. 数据准备：以主动管理型权益基金（普通股票型、偏股混合型、平衡混合型、灵活配置型；剔除量化基金）为样本，且要求基金规模超过2亿[14] 2. 定义规则：将连续4个或4个以上报告期出现在基金前十大重仓股列表中的个股，定义为该基金的“长线重仓股”[3][9] 3. 统计汇总：在特定报告期（如2025Q4），统计所有样本基金中，被定义为长线重仓股的个股，并计算持有该长线重仓股的基金总数[9][10] 2. **模型/因子名称**：长线持仓终止比例因子[14] * **构建思路**：通过计算基金终止对某只个股长线持仓的比例，来度量基金经理群体对该个股后市看法的转变程度[9][14] * **具体构建过程**： 1. 确定样本：选取在上一报告期（如2025Q3）长线重仓基金数超过20只的个股作为分析样本[3][14] 2. 计算指标：对于样本中的每只个股，计算其在当前报告期（如2025Q4）的“终止长线持仓比例”。具体公式如下： $$2025Q4终止长线持仓比例 = \frac{2025Q4终止长线重仓持有该个股的基金数量}{2025Q3长线重仓持有该个股的基金数量}$$[14] 其中，分子“2025Q4终止长线重仓持有该个股的基金数量”指的是在2025Q3将其视为长线重仓股，但在2025Q4的前十大重仓股中不再持有该个股的基金数量[14] 3. 衍生应用：将上述因子应用于行业层面。以申万一级行业为标准，汇总行业内所有个股的分子与分母，计算行业的终止长线持仓比例，用以观察基金经理对行业后市看法的变化[3][20][22] 模型/因子的回测效果 *本报告为基于持仓的统计分析报告，未提供模型或因子在历史时间序列上的回溯测试绩效指标（如年化收益率、夏普比率、信息比率IR、最大回撤等）。报告主要展示了特定时点（2025Q4）的截面统计结果[10][14][18][22]。*

量化模型与因子总结 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价格距离过去250个交易日最高点的回落幅度，其理论基础在于研究表明股价接近52周（约250日）最高价时，未来收益往往更高，是动量与趋势跟踪策略的核心指标之一[11]。 * **因子具体构建过程**：对于每个标的（个股、指数等），计算其最新收盘价与过去250个交易日收盘价最大值的相对距离。具体公式如下： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 其中，$Closet$代表最新收盘价，$ts\_max(Close, 250)$代表过去250个交易日收盘价的最大值[11]。若最新收盘价创出新高，则该因子值为0；若价格从高点回落，则该因子为正值，表示回落的幅度[11]。 2. **模型名称：平稳创新高股票筛选模型**[27][29] * **模型构建思路**：该模型旨在从近期创出新高的股票中，进一步筛选出具有更强动量持续性的“平稳创新高”股票。其思路结合了分析师关注度、股价相对强弱、以及动量的时间序列特性（如路径平滑性、持续性），旨在规避“彩票型”股票，筛选出遵循平滑价格路径、动量效应可能更强大的标的[27]。 * **模型具体构建过程**：模型采用多步骤条件筛选法，在“过去20个交易日创出过250日新高”的股票池中进行[27]。 1. **分析师关注度筛选**：过去3个月内，获得“买入”或“增持”评级的分析师研报数量不少于5份[29]。 2. **股价相对强弱筛选**：过去250日涨跌幅位于全市场前20%[29]。 3. **股价平稳性筛选**：在满足上述条件的股票池内，使用以下两个指标综合打分，选取排名在前50%的股票[29]： * **价格路径平滑性**：使用股价位移路程比进行衡量。具体计算公式为：`过去120日涨跌幅的绝对值 / 过去120日日涨跌幅绝对值加总`[27]。该比值越接近1，表明价格路径越平滑。 * **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。该值越小，表明在考察期内股价越持续地接近或创出新高[29]。 4. **趋势延续性筛选**：在通过平稳性筛选的股票中，计算`过去5日的250日新高距离在时间序列上的均值`，并选取该值排序最靠前的50只股票作为最终输出[29]。 模型的回测效果 *本报告未提供量化模型（如平稳创新高股票筛选模型）的历史回溯测试绩效指标（如年化收益率、夏普比率、信息比率IR、最大回撤等）。报告内容主要为截至特定时点（2026年1月23日）的模型应用结果展示，而非历史回测统计[12][13][20][30]。* 因子的回测效果 *本报告未提供量化因子（如250日新高距离）的因子测试绩效指标（如IC值、ICIR、多空收益、分组收益等）。报告内容主要为截至特定时点（2026年1月23日）的因子截面数据展示[12][13][16]。*

量化模型与因子总结 量化模型与构建方式 1. **模型名称**：中长线资金增持重点规模ETF体量及成本线测算模型[7] **模型构建思路**：通过追踪中长线资金（如中央汇金、证金等）在特定宽基ETF上的历史净流入/流出数据，估算其累计持仓的加权平均成本线，并计算当前价格相对于成本线的安全垫[7][10] **模型具体构建过程**： * 数据来源：基于上市公司定期报告、基金定期报告等披露的十大流通股东及重仓股信息，识别中长线资金的持仓变动[10] * 识别净流入/流出轮次：报告识别了自2024年以来中长线资金通过宽基ETF进行的多轮大规模净流入操作，例如沪深300、中证1000等品种[3][7] * 计算加权平均成本线：对每一轮净流入，记录其买入期间的指数均价作为成本价。估算当前整体成本线时，采用买入金额加权平均的方法进行计算[7] * 计算安全垫：将当前指数价格与估算的加权平均成本线进行比较，计算（现价/成本线-1）作为安全垫，用以衡量当前价格相对于资金成本的盈亏位置[7] * 估算留存市值：考虑历史累计净买入与最新一轮（第六轮）的净流出，计算当前中长线资金在各类宽基ETF中的估算留存市值[7] 模型的回测效果 *注：本报告未提供模型在历史数据上的系统性回测绩效指标（如年化收益率、夏普比率、最大回撤等）。报告主要展示了基于历史净流入数据测算出的成本线、留存市值及安全垫等静态结果[7]。* 量化因子与构建方式 1. **因子名称**：宽基ETF单日净流入因子[5] **因子构建思路**：直接统计特定宽基ETF品种（如沪深300ETF、中证1000ETF等）在单个交易日的资金净流入（申购金额减去赎回金额）[5] **因子具体构建过程**：从市场数据（如Wind）获取各宽基ETF的每日份额变动及净值数据，计算单日净流入金额。公式为： $$单日净流入金额_t = (基金份额_t - 基金份额_{t-1}) \times 基金单位净值_t$$ 其中，`t`代表当前交易日[5]。 2. **因子名称**：中长线资金持仓行业集中度因子[9] **因子构建思路**：通过汇总中长线资金（中央汇金、证金等）在所有股票上的持仓，计算其在不同行业的持股市值占比，以观察其行业配置偏好[9] **因子具体构建过程**： * 数据整合：从定期报告中提取中长线资金对个股的持仓数据[10] * 行业归类：将持仓个股按其所属行业进行分类（如银行、非银金融等）[9] * 计算行业占比：汇总每个行业的持股市值，并计算其占总持股市值的比例[9] * 报告显示，截至25Q3，中长线资金重仓行业前五分别为：银行(37%)、非银金融(19%)、食品饮料(5%)、建筑装饰(4%)、公用事业(4%)[9] 因子的回测效果 *注：本报告未提供上述因子在选股或择时策略中的有效性测试结果（如IC、IR、多空收益等）。报告主要利用这些因子进行现状描述和统计，例如展示2026年以来宽基ETF的净流出情况，或中长线资金的历史持仓结构[3][5][7][9]。*

量化模型与因子总结 量化因子与构建方式 1. **因子名称：连阴连阳天数因子**[12] * **因子构建思路**：通过计算指数K线连续为阴线或阳线的天数，来捕捉市场的短期动量或反转趋势。[12] * **因子具体构建过程**：对于每个交易日，从当日开始向前回溯，若指数日收益率连续为正，则连阳天数累加；若连续为负，则连阴天数累加（以负数表示）。当收益率符号改变时，计数重置。最终输出一个代表连续天数的数值，正数表示连阳，负数表示连阴。[12] 2. **因子名称：均线突破因子**[15][16] * **因子构建思路**：通过比较指数收盘价与不同周期的移动平均线（MA）的位置关系，来判断指数短期、中期和长期的趋势强度。[15][16] * **因子具体构建过程**：首先计算指数收盘价的5日、10日、20日、60日、120日、250日简单移动平均线（MA）。然后计算收盘价相对于各条均线的百分比偏离度。公式为： $$ vsMA_N = (Close / MA_N - 1) \times 100\% $$ 其中，$Close$为当日收盘价，$MA_N$为N日移动平均线。该值大于0表示收盘价位于均线之上，反之则在均线之下。[16] 3. **因子名称：近N日高位/低位突破因子**[15][16] * **因子构建思路**：通过判断指数收盘价是否突破过去一段时期（如250个交易日）的最高价或最低价，来识别趋势的延续或极端状态。[15][16] * **因子具体构建过程**：计算指数在过去250个交易日内的最高收盘价（近250日高位）和最低收盘价（近250日低位）。然后计算收盘价相对于这两个极值的百分比偏离度。公式为： $$ vsHigh_{250} = (Close / High_{250} - 1) \times 100\% $$ $$ vsLow_{250} = (Close / Low_{250} - 1) \times 100\% $$ 其中，$High_{250}$和$Low_{250}$分别代表近250日最高收盘价和最低收盘价。收盘价创出新高时，$vsHigh_{250}$为0%。[16] 4. **因子名称：收益分布形态因子（偏度与峰度）**[24][25] * **因子构建思路**：通过计算指数日收益率分布的偏度（Skewness）和超额峰度（Excess Kurtosis），来量化收益分布的不对称性和尾部风险特征。[24][25] * **因子具体构建过程**：基于指数过去一段时期（如近一年）的日收益率序列，计算其偏度和峰度。报告中使用的峰度为超额峰度，即在计算峰度后减去正态分布的峰度值3。偏度为正表示分布右偏（极端正收益更多），为负表示左偏（极端负收益更多）。峰度值越大，表示收益率分布更集中，尾部更薄；负的峰度值表示分布比正态分布更平坦。[24][25] 5. **因子名称：风险溢价因子**[27][31] * **因子构建思路**：计算股票指数预期收益率与无风险收益率之差，作为投资者承担市场风险所要求的额外回报，用于衡量市场的相对投资价值。[27][31] * **因子具体构建过程**：使用指数的市盈率倒数（1/PE-TTM）作为股票预期收益率的代理变量，减去十年期国债即期收益率作为无风险利率，得到风险溢价。公式为： $$ 风险溢价 = \frac{1}{PE\_TTM} - R_f $$ 其中，$PE\_TTM$为指数滚动市盈率，$R_f$为十年期国债即期收益率。同时，计算该风险溢价在近1年、近5年历史数据中的分位值，以判断当前风险溢价的相对水平。[31] 6. **因子名称：估值分位因子（PE-TTM）**[39][42][44] * **因子构建思路**：将指数当前的滚动市盈率（PE-TTM）置于其历史序列中，计算其所处的百分比位置，以判断当前估值的高低。[39][42][44] * **因子具体构建过程**：首先获取指数当前的PE-TTM值。然后，分别计算该值在近1年和近5年历史PE-TTM序列中的分位值（Percentile）。例如，近5年分位值为100%表示当前估值处于近5年最高水平。[42][44] 7. **因子名称：股债性价比因子**[46] * **因子构建思路**：比较股票市场与债券市场的相对吸引力，通常用股票收益率（市盈率倒数）与债券收益率之差来表示。[46] * **因子具体构建过程**：该因子构建过程与风险溢价因子相同，即： $$ 股债性价比 = \frac{1}{PE\_TTM} - R_f $$ 其中$R_f$为十年期国债即期收益率。报告通过观察该值相对于其历史分位数（如80%分位为机会值，20%分位为危险值）的位置来判断股债资产的相对配置价值。[46] 8. **因子名称：股息率因子**[48][53] * **因子构建思路**：计算指数成分股的现金分红回报率，作为价值投资和红利策略的参考指标。[48][53] * **因子具体构建过程**：指数股息率为其成分股股息率的加权平均。报告展示了当前股息率及其在近1年、近5年以及全部历史数据中的分位值，用于评估当前股息率在历史上的相对水平。[53] 9. **因子名称：破净率因子**[54][57] * **因子构建思路**：计算指数中市净率（PB）小于1的个股数量占比，反映市场整体的估值悲观程度或极端低估情况。[54][57] * **因子具体构建过程**：对于指数中的每一个成分股，判断其市净率是否小于1。破净率即为市净率小于1的个股数量除以指数总成分股数量。公式为： $$ 破净率 = \frac{Count(PB < 1)}{Total Count} \times 100\% $$ 该值越高，表明市场整体估值越低。[57] 因子的回测效果 （注：本报告为市场数据跟踪报告，主要展示各宽基指数在不同因子上的截面取值和状态描述，并未提供基于这些因子的选股模型回测结果，如多空组合收益、IC、IR等。因此，此处列出报告截止日（2026年1月22日）各主要宽基指数在关键因子上的具体取值。） 1. **连阴连阳天数因子**：上证50日K连阴天数为5天[12]；中证500、中证1000、中证2000、中证全指、创业板指日K连阳天数均为2天[12]。 2. **均线突破因子**：创业板指收盘价高于其5日均线（vsMA5为0.3%）[16]；中证500收盘价高于其所有列示均线，且相对于MA60偏离度达13.2%[16]。 3. **近250日高位突破因子**：中证500与中证2000收盘价均触及其近250日高位（vs近250日高位为0.0%）[15][16]。 4. **收益分布形态因子**：当前峰度负偏离最大的是创业板指（当前vs.近5年为-2.82），最小的是中证500（-1.58）[24][25]。当前负偏态最大的是创业板指（当前vs.近5年为-0.68），最小的是中证500（-0.43）[24][25]。 5. **风险溢价因子**：当前风险溢价最高的是创业板指（1.00%），最低的是上证50（-0.47%）[31]。近5年分位值最高的是创业板指（76.75%）和中证2000（76.35%），最低的是上证50（30.32%）[31]。 6. **估值分位因子（PE-TTM）**：近5年历史分位值最高的是中证500和中证1000（均为100.0%），较低的是创业板指（63.47%）和上证50（81.74%）[42][44]。 7. **股债性价比因子**：所有指数当前股债性价比均未高于其近5年80%分位（机会值）；中证500和中证全指低于其近5年20%分位（危险值）[46]。 8. **股息率因子**：当前股息率最高的是上证50（3.27%），最低的是中证2000（0.69%）[53]。近5年历史分位值较高的是创业板指（57.85%）和沪深300（37.02%），较低的是中证2000（0.41%）和中证500（3.39%）[53]。 9. **破净率因子**：当前破净率最高的是上证50（24.0%），最低的是中证2000（2.3%）[57]。

量化模型与因子总结 量化因子与构建方式 股票市场中观因子 1. **因子名称**：大小盘风格[11] * **因子构建思路**：衡量市场整体风格是偏向大盘股还是小盘股[10]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常使用市值加权指数（如沪深300）与等权指数或小盘股指数的相对强弱或收益率差来度量[10][11]。 2. **因子名称**：价值成长风格[11] * **因子构建思路**：衡量市场整体风格是偏向价值股还是成长股[10]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常使用价值指数与成长指数的相对强弱或收益率差来度量[10][11]。 3. **因子名称**：大小盘风格波动[11] * **因子构建思路**：衡量大小盘风格收益差的波动水平，反映风格切换的剧烈程度[10]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常计算大小盘风格因子（如上述大小盘风格因子）的滚动标准差[10][11]。 4. **因子名称**：价值成长风格波动[11] * **因子构建思路**：衡量价值成长风格收益差的波动水平，反映风格切换的剧烈程度[10]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常计算价值成长风格因子（如上述价值成长风格因子）的滚动标准差[10][11]。 5. **因子名称**：行业指数超额收益离散度[11] * **因子构建思路**：衡量各行业指数相对于市场基准的超额收益的分散程度，反映行业表现的差异性[10]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常计算各行业超额收益的横截面标准差[10][11]。 6. **因子名称**：行业轮动度量[11] * **因子构建思路**：衡量行业轮动的速度[10]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常基于行业收益率排名的变动率或相关性进行度量[10][11]。 7. **因子名称**：成分股上涨比例[11] * **因子构建思路**：衡量特定指数（如沪深300、中证500）内上涨股票的数量占比，反映市场的赚钱效应和广度[10]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常计算指数成分股中当日（或周期内）收益率为正的股票数量占总成分股数量的比例[10][11]。 8. **因子名称**：前100个股成交额占比[11] * **因子构建思路**：衡量市场成交额向头部个股集中的程度，即个股成交集中度[10]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常计算全市场（或特定板块）成交额排名前100的个股的成交额之和，除以全市场（或该板块）总成交额[10][11]。 9. **因子名称**：前5行业成交额占比[11] * **因子构建思路**：衡量市场成交额向头部行业集中的程度，即行业成交集中度[10]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常计算全市场中成交额排名前5的行业的成交额之和，除以全市场总成交额[10][11]。 10. **因子名称**：指数波动率[11] * **因子构建思路**：衡量市场整体的波动水平，作为市场活跃度和风险的一个指标[10]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常计算主要市场指数（如上证综指、沪深300等）的已实现波动率或历史波动率[10][11]。 11. **因子名称**：指数换手率[11] * **因子构建思路**：衡量市场整体的交易活跃度[10]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常计算全市场或主要指数的总成交额与总流通市值的比率[10][11]。 商品市场中观因子 12. **因子名称**：趋势强度[28] * **因子构建思路**：衡量商品期货价格趋势的强弱程度[23]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常基于价格时间序列计算，如使用移动平均线斜率、唐奇安通道突破或特定时间窗口内的累计收益率等[23][28]。 13. **因子名称**：市场波动水平[28] * **因子构建思路**：衡量商品期货市场的波动率水平[23]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常计算商品指数或主力合约价格的已实现波动率或历史波动率[23][28]。 14. **因子名称**：市场流动性[28] * **因子构建思路**：衡量商品期货市场的流动性状况[23]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常使用成交量、持仓量或买卖价差等指标进行度量[23][28]。 15. **因子名称**：期限结构（基差动量）[28] * **因子构建思路**：通过商品期货合约的基差（现货价格与期货价格之差，或近月合约与远月合约价格之差）变动来反映市场对未来供需的预期变化[23]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常计算基差（或近远月价差）在一段时间内的变化率[23][28]。 期权市场因子 16. **因子名称**：隐含波动率[31] * **因子构建思路**：衡量市场对未来标的资产价格波动的预期，是期权定价的核心参数[31]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常通过将期权市场价格代入B-S等定价模型反推得出，常使用平值期权或特定行权价期权的隐含波动率[31]。 17. **因子名称**：波动率偏度（看涨/看跌期权偏度）[31] * **因子构建思路**：衡量不同行权价的期权隐含波动率构成的曲线形态，反映市场对极端涨跌风险的定价差异和情绪[31]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常计算虚值看涨期权与虚值看跌期权的隐含波动率之差，或观察波动率微笑曲线的倾斜程度[31]。 可转债市场因子 18. **因子名称**：百元转股溢价率[33] * **因子构建思路**：衡量可转债市场价格相对于其转股价值的溢价程度，是评估可转债估值高低的核心指标之一[33]。 * **因子具体构建过程**：报告未详细说明具体构建公式，标准公式为： $$百元转股溢价率 = \frac{可转债价格 - 转股价值}{转股价值} \times 100\%$$ 其中，转股价值 = (100 / 转股价) × 正股价格[33]。 19. **因子名称**：纯债溢价率（按平价底价溢价率分组）[33] * **因子构建思路**：衡量可转债的债性，即其价格相对于其纯债价值的溢价程度，常用于对偏债型可转债进行估值分析[33]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常公式为： $$纯债溢价率 = \frac{可转债价格 - 纯债价值}{纯债价值} \times 100\%$$ 其中，纯债价值是将可转债视为普通债券，用未来现金流按相应信用等级的贴现率折现计算得出[33]。 20. **因子名称**：低转股溢价率转债占比[33] * **因子构建思路**：衡量市场中转股溢价率处于低水平的可转债数量占比，反映市场对正股上涨预期的强弱以及转债的股性活跃度[33]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常设定一个转股溢价率阈值（如10%或20%），统计全市场（或样本池）中转股溢价率低于该阈值的可转债数量，再除以可转债总数量[33]。 21. **因子名称**：可转债市场成交额[33] * **因子构建思路**：衡量可转债市场的整体交易活跃度[33]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常为全市场所有可转债的日成交金额之和[33]。 因子的回测效果 （注：本报告为市场跟踪周报，主要展示各因子在特定报告期（2026.01.12-01.16）的取值方向或状态，而非长期历史回测的统计指标（如IC、IR、夏普比率等）。因此，以下为各因子在报告期内的表现描述。） 1. **大小盘风格因子**，风格偏向小盘[10][11] 2. **价值成长风格因子**，风格偏向成长[10][11] 3. **大小盘风格波动因子**，波动上升[10][11] 4. **价值成长风格波动因子**，波动上升[10][11] 5. **行业指数超额收益离散度因子**，离散度上升[10][11] 6. **行业轮动度量因子**，轮动速度下降[10][11] 7. **成分股上涨比例因子**，上涨比例下降（特指沪深300、中证500指数）[10][11] 8. **前100个股成交额占比因子**，集中度基本持平[10][11] 9. **前5行业成交额占比因子**，集中度小幅上升[10][11] 10. **指数波动率因子**，波动率下降（除中证1000外）[10][11] 11. **指数换手率因子**，换手率上升[10][11] 12. **趋势强度因子**，贵金属、能化板块趋势强度上升，其他板块下降[23][28] 13. **市场波动水平因子**，黑色、能化板块波动率下降，其他板块基本持平[23][28] 14. **市场流动性因子**，贵金属、能化板块流动性下降，其他板块上升[23][28] 15. **期限结构（基差动量）因子**，贵金属、农产品板块基差动量上升，其他板块下降[23][28] 16. **隐含波动率因子**，上证50与中证1000隐含波动率从高点回落[31] 17. **波动率偏度因子**，看涨期权偏度下降，看跌期权偏度上升；中证1000看跌期权偏度仍为负值[31] 18. **百元转股溢价率因子**，出现小幅调整（止住上升势头）[33] 19. **纯债溢价率因子**，偏债型分组继续上升[33] 20. **低转股溢价率转债占比因子**，重新抬升[33] 21. **可转债市场成交额因子**，继续保持较高水平[33]

量化模型与因子总结 量化模型与构建方式 本报告为市场数据跟踪报告，未涉及具体的量化预测或选股模型，因此无量化模型部分。 量化因子与构建方式 报告中对多个市场指标进行了跟踪和计算，这些指标可视为观察市场状态或构建因子的基础元素。以下是报告中涉及的主要因子及其构建方式： 1. **因子名称：均线突破因子** * **因子构建思路**：通过比较指数收盘价与不同周期移动平均线（MA）的位置关系，判断短期市场趋势和动量强度[15]。 * **因子具体构建过程**：计算指数收盘价相对于各周期移动平均线的百分比偏离度。具体公式为： $$ vsMA_N = \frac{Close - MA_N}{MA_N} \times 100\% $$ 其中，$Close$ 代表指数当日收盘价，$MA_N$ 代表N日移动平均线（报告中N取5, 10, 20, 60, 120, 250）[16]。同时，报告也计算了收盘价相对于近250交易日最高价和最低价的偏离度，构建思路类似[16]。 2. **因子名称：价格高位突破因子** * **因子构建思路**：识别指数是否突破近期价格区间的高点，作为市场强势和动量延续的信号[15]。 * **因子具体构建过程**：记录指数在过去250个交易日内的最高价（近250日高位）。计算当日收盘价与该最高价的差值或比率，判断是否创出新高。报告中，中证500收盘价等于其近250日高位，即实现突破[16]。 3. **因子名称：收益分布形态因子（偏度与峰度）** * **因子构建思路**：通过计算指数日收益率序列的偏度和峰度，刻画收益分布的不对称性和尖峰厚尾特征，以评估市场风险结构[23]。 * **因子具体构建过程**： * **偏度 (Skewness)**：衡量收益率分布的不对称性。正偏态表示极端正收益情形增加，负偏态反之[23]。报告对比了当前偏度与近5年历史偏度。 * **峰度 (Kurtosis)**：衡量收益率分布的尖峭程度。报告中的计算减去了3（正态分布峰度），因此“峰度负偏离”表示当前分布比近5年历史分布或正态分布更平坦[24]。峰度越大，说明收益率分布更集中[23]。 4. **因子名称：风险溢价 (Risk Premium)** * **因子构建思路**：计算股票指数预期收益率超过无风险利率的部分，用以衡量市场风险补偿和投资价值[26]。 * **因子具体构建过程**：以十年期国债即期收益率作为无风险利率的参考。风险溢价通常计算为指数市盈率倒数（E/P）与无风险利率之差。报告给出了各宽基指数的当前风险溢价具体数值，并计算了其在近1年、近5年历史序列中的分位值[30]。 5. **因子名称：股债性价比 (Equity Bond Yield Gap)** * **因子构建思路**：比较股票市场与债券市场的相对吸引力，常用指标是股票市场收益率（如E/P）与长期国债收益率之差[45]。 * **因子具体构建过程**：报告中使用各指数市盈率（TTM）的倒数与十年期国债即期收益率之差作为股债性价比指标[45]。并设置了基于近5年数据的80%分位值（机会值）和20%分位值（危险值）作为参考阈值[45]。 6. **因子名称：估值分位因子 (PE-TTM Percentile)** * **因子构建思路**：将指数当前市盈率（TTM）置于其历史时间序列中，观察其所处的百分比位置，以判断估值相对高低[38]。 * **因子具体构建过程**：计算指数当前PE-TTM在指定历史窗口（如近1年、近5年、全历史）内的分位值。公式本质上是计算历史数据中小于等于当前值的样本比例[41][42]。 7. **因子名称：股息率 (Dividend Yield)** * **因子构建思路**：衡量上市公司现金分红回报率的指标，是高股息投资风格的核心因子[47]。 * **因子具体构建过程**：报告列出了各宽基指数的当前股息率数值，并计算了其在近1年、近5年及全历史中的分位值，以评估其相对水平[52]。 8. **因子名称：破净率 (Price-to-Book Ratio < 1 Percentage)** * **因子构建思路**：计算市净率（PB）小于1的个股数量占指数成分股总数的比例，反映市场整体的低估程度或悲观情绪[53][55]。 * **因子具体构建过程**：统计指数成分股中，股价低于每股净资产的个股数量，再除以成分股总数，得到破净率[56]。破净率越高，表明市场低估越普遍[55]。 因子的回测效果 本报告主要为截面数据展示和历史对比，未提供基于这些因子的分层回测、多空组合收益等量化回测结果。报告中所列“测试结果”实为各因子在特定时点（2026年1月21日）对于不同宽基指数的截面取值和与历史区间的比较，具体如下： 1. **均线突破因子**：各宽基指数 vsMA5、vsMA10 等具体百分比数值[16] 2. **价格高位突破因子**：中证500 vs近250日高位为0.0%，表示触及高点；其他指数均为负值，表示未突破[16] 3. **收益分布形态因子**： * **峰度偏离**：创业板指当前峰度较近5年峰度负偏离最大（-2.71），中证500负偏离最小（-1.63）[24] * **偏度偏离**：创业板指当前偏度较近5年偏度负偏离最大（-0.66），中证500负偏离最小（-0.43）[24] 4. **风险溢价因子**： * **当前值**：中证500最高（1.11%），上证50最低（-0.12%）[30] * **近5年分位值**：中证500最高（84.37%），上证50最低（45.40%）[30] 5. **股债性价比因子**：没有指数高于其近5年80%分位（机会值），中证500和中证全指低于其近5年20%分位（危险值）[45] 6. **估值分位因子 (PE-TTM)**： * **近5年分位值**：中证500最高（100.0%），创业板指最低（62.4%）[41][42] * **当前值 vs 近1年均值±1倍标准差**：中证500当前值超出近1年均值+1倍标准差12.34%，创业板指超出2.92%[42] 7. **股息率因子**： * **当前值**：上证50最高（3.26%），中证2000最低（0.70%）[52] * **近5年分位值**：创业板指最高（58.18%），中证2000最低（1.32%）[4][52] 8. **破净率因子**：上证50最高（24.0%），中证2000最低（2.5%）[4][56]

量化模型与构建方式 1. 模型名称：CCBA/CCB定价模型[6][21] 模型构建思路：基于可转债的赎回概率调整进行定价，用于衡量转债的理论价值[6] 模型具体构建过程：报告未详细描述CCBA/CCB模型的具体构建公式和步骤，但指出其用于计算转债的理论定价，并在此基础上计算定价偏离度[6][21] 2. 模型名称：CCB_out定价模型[21] 模型构建思路：在CCB定价模型的基础上，进一步考虑退市风险，以得到更稳健的理论定价[21] 模型具体构建过程：报告未详细描述CCB_out模型的具体构建公式和步骤，但指出其用于计算定价偏离度[21] 3. 模型名称：转债&股债组合轮动策略（择时策略）[2][10] 模型构建思路：基于转债市场整体估值（定价偏离度）的高低，在转债资产和股债组合之间进行动态资产配置，估值低估时超配转债，反之超配股债组合[2][10] 模型具体构建过程： a. 计算市场定价偏离度[10]。 b. 计算Z值：$$Z值 = \frac{定价偏离度}{过去3年标准差}$$[10] c. 对Z值按照±1.5倍标准差进行截尾处理[10]。 d. 计算分数：将截尾后的Z值除以-1.5得到分数[10]。 e. 确定权重：转债权重 = 50% + 50% × 分数，剩余仓位配置股债组合（50% 7-10Y国债 + 50% 中证1000全收益指数）[2][10]。 4. 模型名称：收益分解模型[16] 模型构建思路：将转债的收益拆解为债底收益、股票拉动收益和转债估值收益三个部分，以分析收益来源[16] 模型具体构建过程：报告未详细描述该模型的具体构建公式和步骤，但指出其基于专题报告《可转债定价模型与应用》[16] 模型的回测效果 1. 转债&股债组合轮动策略，报告指出该策略能够实现稳定的超额收益[2][10]，但未提供具体的量化指标值。 量化因子与构建方式 1. 因子名称：定价偏离度（基于CCBA/CCB模型）[6] 因子构建思路：通过比较转债市场价格与其理论模型定价的差异，来衡量转债估值的高低[6] 因子具体构建过程：$$定价偏离度 = \frac{转债价格}{CCBA模型定价} - 1$$[6] 因子评价：该指标用于判断转债市场整体估值水平，偏离度越高代表估值越高[6][15] 2. 因子名称：定价偏离度（基于CCB_out模型）[21] 因子构建思路：在考虑退市风险后，计算转债价格与理论定价的差异，作为估值因子[21] 因子具体构建过程：$$定价偏离度 = \frac{转债价格}{CCB\_out模型定价} - 1$$[21] 3. 因子名称：正股动量因子[24][26] 因子构建思路：使用正股过去一段时间的历史收益率来衡量其趋势强度[24][26] 因子具体构建过程：使用正股过去1个月、3个月、6个月的动量进行等权打分构建[24][26] 4. 因子名称：转债换手率因子[28][32] 因子构建思路：通过转债的成交活跃度（换手率）来捕捉市场关注度或短期交易机会[28][32] 因子具体构建过程：报告提及使用5日和21日的转债换手率[28] 5. 因子名称：转债与股票换手率比率[28] 因子构建思路：比较转债自身换手率与其正股换手率的相对关系[28] 因子具体构建过程：报告提及使用5日和21日的转债与股票换手率比率[28] 6. 因子名称：信用替代筛选因子[33] 因子构建思路：通过比较转债的到期收益率（YTM）与信用债收益率，筛选出具备债性配置价值的转债[33] 因子具体构建过程：筛选条件为：转债YTM + 1% > 3年期AA级信用债YTM[33] 复合策略与构建方式 （注：以下策略综合运用了前述模型和因子，并包含了具体的组合构建规则，因此归类为复合策略。） 1. 策略名称：低估值策略[21] 策略构建思路：在偏债、平衡、偏股三个分域中，分别选取基于CCB_out模型定价偏离度最低的转债，并结合分域估值进行择时配置[21] 策略具体构建过程： a. 计算个券定价偏离度（使用CCB_out模型）[21]。 b. 筛选条件：转债余额3亿以上且评级AA-及以上[21]。 c. 构建组合：在偏债、平衡、偏股分域中，分别选取定价偏离度最低的15只转债，共45只形成低估值转债池[21]。 d. 分域择时：根据三个分域市场的相对估值，超配估值过低的分域，低配估值过高的分域[21]。 2. 策略名称：低估值+强动量策略[24] 策略构建思路：在低估值策略与分域择时的基础上，进一步结合正股动量因子，筛选出兼具低估值和正股趋势强度的标的，以增强策略弹性[24] 策略具体构建过程：在低估值策略的基础上，将定价偏离度因子与正股动量因子（过去1、3、6个月动量等权打分）相结合进行选券[24][26] 3. 策略名称：低估值+高换手策略[27][28] 策略构建思路：首先筛选市场估值较低的转债池，再从中选择成交活跃度高的标的进行配置[27][28] 策略具体构建过程： a. 使用CCB_out定价偏离度因子，选择市场上估值较低的50%转债形成低估池[27][28]。 b. 在低估池中，使用转债高换手因子（转债换手率（5、21日）及转债与股票换手率比率（5、21日））选择标的进行配置[28]。 4. 策略名称：平衡偏债增强策略[30][32] 策略构建思路：在低估转债池中剔除偏股转债，并在偏债和平衡转债中分别使用不同的增强因子进行配置，旨在获取绝对收益[30][32] 策略具体构建过程： a. 使用CCB_out定价偏离度因子，选择市场上估值较低的50%转债，并去掉偏股转债，形成低估池[30][32]。 b. 在偏债转债中，使用转债换手率因子+正股动量因子进行增强[32]。 c. 在平衡转债中，使用转债换手率因子进行增强[32]。 5. 策略名称：信用债替代策略[33] 策略构建思路：通过信用替代筛选因子构建具备债性价值的转债池，并搭配正股动量因子和波动率控制方法，以信用债为底仓进行增强，追求低波动的绝对收益[33] 策略具体构建过程： a. 筛选转债池：条件为转债YTM+1% > 3年期AA级信用债YTM，且余额3亿以上、评级AA-及以上[33]。 b. 在转债池中选出正股1个月动量最强的20只进行配置，个券最大权重不超过2%[33]。 c. 通过波动率控制方法降低短期回撤，剩余仓位配置信用债[33]。 6. 策略名称：波动率控制策略[35] 策略构建思路：基于多个增强策略（偏债、平衡、偏股）和信用债，通过波动率控制方法动态调整资产权重，将组合整体波动控制在目标水平[35] 策略具体构建过程： a. 分别构建偏债增强、平衡增强、偏股增强策略：在各自分域中选取低估值+强动量打分最高的15只转债（共45只）[35]。 b. 将上述三个增强策略以及信用债作为底层资产[35]。 c. 通过波动率控制方法，将整个组合的波动率控制在4%[35]。 策略的回测效果 （注：以下所有策略的基准均为“等权指数”（余额3亿以上且AA-及以上转债等权），测试区间为2018年至2026年1月16日[24][27][30][33][38]。指标包括区间收益、年化波动、最大回撤、区间超额收益和信息比率（IR）。） 1. 低估值策略[24] 全样本年化收益：20.8%[24] 全样本年化波动：13.1%[24] 全样本最大回撤：18.0%[24] 全样本区间超额收益（相对等权指数）：8.9%[24] 全样本信息比率（IR）：1.51[24] 2. 低估值+强动量策略[27] 全样本年化收益：24.7%[27] 全样本年化波动：13.7%[27] 全样本最大回撤：13.2%[27] 全样本区间超额收益（相对等权指数）：12.4%[27] 全样本信息比率（IR）：2.15[27] 3. 低估值+高换手策略[30] 全样本年化收益：23.7%[30] 全样本年化波动：15.0%[30] 全样本最大回撤：15.9%[30] 全样本区间超额收益（相对等权指数）：11.5%[30] 全样本信息比率（IR）：1.85[30] 4. 平衡偏债增强策略[33] （该策略为绝对收益型，未提供相对基准的超额收益和IR） 全样本年化收益：22.6%[33] 全样本年化波动：12.1%[33] 全样本最大回撤：13.9%[33] 5. 信用债替代策略[33][38] （该策略为绝对收益型，基准为信用债净值） 全样本年化收益：7.1%[33] 全样本年化波动：低于3%[33] 全样本最大回撤：低于3%[33] 6. 波动率控制策略[38] （该策略为绝对收益型，基准为信用债净值） 全样本年化收益：9.6%[38] 全样本年化波动：4.4%[38] 全样本最大回撤：4.4%[38]

量化模型与构建方式 1. 模型名称：CCBA/CCB定价模型 * **模型构建思路**：基于可转债的期权属性，构建一个包含赎回概率调整的定价模型，用于计算可转债的理论价值，并以此衡量市场实际价格与理论价值的偏离程度（即估值水平）[6]。 * **模型具体构建过程**：该模型在专题报告《可转债的赎回概率调整定价模型》中介绍。其核心是计算“定价偏离度”指标，该指标反映了转债市场价格相对于其模型理论定价的溢价或折价幅度[6]。具体公式为： $$定价偏离度 = \frac{转债价格}{CCBA模型定价} - 1$$ 其中，CCBA模型定价为考虑赎回概率调整后的可转债理论价值。报告后续策略中使用的CCB_out模型是在CCB定价模型基础上，进一步加入了退市风险调整得到的[21]。 2. 模型名称：转债&股债组合轮动策略（择时模型） * **模型构建思路**：基于转债市场的整体估值水平（定价偏离度），在转债资产和股债组合之间进行动态资产配置。当转债市场低估时超配转债，高估时超配股债组合，以获取稳定的超额收益[2][10]。 * **模型具体构建过程**： 1. **构建基准股债组合**：由于转债弹性低于权益且正股风格接近小盘股，构建一个由50%的7-10年期国债和50%的中证1000全收益指数组成的股债组合作为比较基准[2][10]。 2. **计算估值分数**： a. 计算定价偏离度的Z值：$$Z值 = \frac{定价偏离度}{过去3年定价偏离度的标准差}$$[10] b. 对Z值进行截尾处理：按照±1.5倍标准差进行截尾[10]。 c. 计算分数：将截尾后的Z值除以-1.5得到最终的估值分数[10]。 3. **动态配置权重**：转债权重 = 50% + 50% × 估值分数，剩余仓位配置上述股债组合。通过该公式，当估值分数为1（极度低估）时，转债权重为100%；当估值分数为-1（极度高估）时，转债权重为0%[10]。 3. 模型名称：收益分解模型 * **模型构建思路**：将可转债的收益来源进行拆解，分别分析债底收益、正股上涨带来的收益以及转债估值变化带来的收益，用于复盘市场表现[16]。 * **模型具体构建过程**：基于专题报告《可转债定价模型与应用》中的方法，将近一个月（2025/12/19-2026/1/16）中证转债指数的累计收益分解为三个部分：债底收益（由CCB模型计算）、股票拉动收益（由CCB模型计算）、转债估值收益（由CCB模型计算）[16][17]。 量化因子与构建方式 1. 因子名称：定价偏离度因子（估值因子） * **因子构建思路**：通过比较可转债市场价格与其理论模型定价（CCB_out模型）的差异，构建一个衡量个券估值高低的因子。价格低于理论值越多，因子值越小，代表估值越低，越具投资价值[21][23]。 * **因子具体构建过程**：使用CCB_out模型（CCB定价模型+退市风险调整）计算每只可转债的理论定价，然后按以下公式计算定价偏离度： $$定价偏离度 = \frac{转债价格}{CCB\_out模型定价} - 1$$[21] 该因子值越小，表明转债相对于其理论价值越便宜。 2. 因子名称：正股动量因子 * **因子构建思路**：利用转债正股的历史价格动量信息，选择正股趋势向上的转债，以增强策略的弹性[24][26]。 * **因子具体构建过程**：计算正股过去1个月、3个月、6个月的收益率（动量），然后将这三个不同时间窗口的动量值进行等权打分，综合形成一个正股动量因子[24][26]。 3. 因子名称：转债换手率因子 * **因子构建思路**：使用转债自身的成交活跃度（换手率）作为因子，筛选市场关注度高、交易活跃的个券[27][28]。 * **因子具体构建过程**：报告中使用了两个维度的换手率指标：一是转债自身的5日和21日换手率；二是转债与股票换手率的比率（5日、21日）。这些指标用于衡量转债的交易活跃度[28]。 4. 因子名称：高换手因子（复合因子） * **因子构建思路**：在低估值转债池中，进一步结合转债换手率因子，筛选出既低估又交易活跃的个券[27]。 * **因子具体构建过程**：首先使用定价偏离度因子筛选出市场上估值较低的50%的转债，形成“低估池”。然后在该池中，使用转债换手率因子（具体构建方式见因子3）选择成交热度较高的转债进行配置[27][28]。 5. 因子名称：信用替代筛选因子 * **因子构建思路**：通过比较可转债的到期收益率（YTM）与信用债的收益率，筛选出具备信用债替代价值的可转债[33]。 * **因子具体构建过程**：设定筛选条件为：转债的YTM加上1%后，仍大于3年期AA级信用债的YTM。满足此条件的转债被视为具有配置性价比，可纳入备选池[33]。 模型的回测效果 （注：以下模型回测基准均为“等权指数”，即余额3亿以上且评级AA-及以上的转债等权组合[21]） 1. **转债&股债组合轮动策略（择时模型）**：报告指出该策略能够实现稳定的超额收益[2][10]，但未提供具体的量化指标。 2. **收益分解模型**：该模型为分析模型，用于收益归因，未提供策略回测效果。 因子的回测效果 （注：以下所有策略回测区间均为2018年至2026年1月16日，基准均为上述“等权指数”[24][27][30]） 1. 低估值策略（核心因子：定价偏离度） * **区间收益（全样本年化）**：20.8%[24] * **年化波动（全样本年化）**：13.1%[24] * **最大回撤（全样本）**：18.0%[24] * **区间超额（全样本年化）**：8.9%[24] * **信息比率（IR）（全样本）**：1.51[24] 2. 低估值+强动量策略（核心因子：定价偏离度 + 正股动量） * **区间收益（全样本年化）**：24.7%[27] * **年化波动（全样本年化）**：13.7%[27] * **最大回撤（全样本）**：13.2%[27] * **区间超额（全样本年化）**：12.4%[27] * **信息比率（IR）（全样本）**：2.15[27] 3. 低估值+高换手策略（核心因子：定价偏离度 + 转债换手率） * **区间收益（全样本年化）**：23.7%[30] * **年化波动（全样本年化）**：15.0%[30] * **最大回撤（全样本）**：15.9%[30] * **区间超额（全样本年化）**：11.5%[30] * **信息比率（IR）（全样本）**：1.85[30] 4. 平衡偏债增强策略（核心因子：定价偏离度、转债换手率、正股动量） * **区间收益（全样本年化）**：22.6%[33] * **年化波动（全样本年化）**：12.1%[33] * **最大回撤（全样本）**：13.9%[33] * **区间超额**：该策略为绝对收益型，未直接对比等权指数提供超额收益数据。 * **信息比率（IR）**：未提供。 5. 信用债替代策略（核心因子：信用替代筛选因子、正股动量） * **区间收益（全样本年化）**：7.1%[33] * **年化波动（全样本年化）**：低于3%[33] * **最大回撤（全样本）**：低于3%[33] * **区间超额**：该策略以信用债为基准，未提供相对于转债等权指数的超额。 * **信息比率（IR）**：未提供。 6. 波动率控制策略（核心子策略：低估值+强动量） * **区间收益（全样本年化）**：9.6%[38] * **年化波动（全样本年化）**：4.4%[38] * **最大回撤（全样本）**：4.4%[38] * **区间超额**：该策略目标为控制波动，未提供相对于转债等权指数的超额。 * **信息比率（IR）**：未提供。

量化模型与构建方式 1. **模型名称：高景气成长与红利策略轮动择时模型**[54] * **模型构建思路**：构建一个系统化的定量轮动模型，用于判断在特定市场环境下，是配置高景气成长风格（以创业板指为代表）还是红利风格（以中证红利全收益为代表）更优[54]。 * **模型具体构建过程**： 1. **因子/信号选取**：从单因子测试中选取五个有效的宏观与资金面指标作为模型的输入信号[54]。这五个指标分别是：期限利差、社融增速、CPI与PPI四象限、10年期美债利率、资金博弈（包含ETF、险资、外资等资金流向）[54]。 2. **信号生成**：在每个月底，对每个指标进行判断，给出配置建议信号。对于每个指标，若看多高景气成长则信号值为1，若看多红利则信号值为0[54][57]。 3. **综合打分**：将五个指标的信号值取算术平均值，得到最终的复合打分[54]。复合打分结果用于指导配置比例，例如打分结果可以解读为建议配置红利与成长的比例[54][55]。 模型的回测效果 1. **高景气成长与红利策略轮动择时模型**，累计收益403.31%[55]，年化收益18.04%[55]，最大回撤27.08%[55]，年化波动率22.89%[55]，年化Sharpe比率0.79[55]，Calmar比率0.67[55]。 2. **业绩基准（等权配置）**，累计收益66.59%[55]，年化收益5.38%[55]，最大回撤35.22%[55]，年化波动率20.65%[55]，年化Sharpe比率0.26[55]，Calmar比率0.15[55]。 3. **轮动策略相对基准的超额收益**，累计超额收益198.16%[55]，年化超额收益11.86%[55]，超额最大回撤13.16%[55]，年化跟踪误差11.01%[55]，信息比率(IR)1.08[55]。 量化因子与构建方式 1. **因子名称：期限利差因子**[54][57] * **因子构建思路**：利用长短期国债收益率之差（期限利差）作为判断成长与红利风格轮动的信号之一[54]。 * **因子具体构建过程**：计算关键期限国债（如10年期与1年期）的收益率差值。当期限利差走阔时，模型倾向于发出看多高景气成长的信号（赋值为1）；反之则看多红利（赋值为0）[54][57]。 2. **因子名称：社融增速因子**[54][57] * **因子构建思路**：将社会融资规模存量同比增速作为衡量国内信用环境和经济预期的指标，用于风格轮动判断[54]。 * **因子具体构建过程**：跟踪社融增速的变化。当社融增速上行时，可能发出看多高景气成长的信号（1）；下行时可能看多红利（0）[54][57]。 3. **因子名称：CPI与PPI四象限因子**[54][57] * **因子构建思路**：通过分析消费者价格指数（CPI）和生产者价格指数（PPI）的相对变化（组合成四个象限），来判断经济所处的通胀/通缩周期阶段，从而指导风格配置[54]。 * **因子具体构建过程**：根据CPI和PPI的同比变化方向（上升或下降），将经济状态划分为四个象限。不同象限对应不同的风格偏好信号（1或0）[54][57]。 4. **因子名称：10年期美债利率因子**[54][57] * **因子构建思路**：将10年期美国国债收益率作为反映全球无风险利率和流动性环境的外部指标，用于A股风格轮动[54]。 * **因子具体构建过程**：监测10年期美债利率的水平和变化。根据模型设定，当美债利率处于有利于成长股的环境时（例如较低或下行），发出看多高景气成长的信号（1）；反之则看多红利（0）[54][57]。 5. **因子名称：资金博弈因子**[54][57] * **因子构建思路**：综合监测ETF、保险资金、外资（北向资金）等主要机构投资者的资金流向，作为市场情绪和资金偏好的代理指标[54]。 * **因子具体构建过程**：跟踪上述几类资金的净流入/流出情况。当资金博弈指标显示风险偏好上升（例如数值大于0.5）时，发出看多高景气成长的信号（1）；反之则看多红利（0）[54][57]。 因子的回测效果 *(注：报告未提供上述五个单因子独立的回测绩效指标，仅展示了它们合成后的轮动模型效果。)*