根据提供的研报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. **模型名称：四轮驱动模型** - **模型构建思路**：通过多维度信号捕捉行业轮动机会，结合技术面与基本面指标筛选优势行业[6][12] - **模型具体构建过程**： 1. **信号触发机制**：监测行业指数的"赚钱效应异动"信号（如放量突破、均线多头排列等）[12] 2. **信号类型分类**：包括"潜在机会"和"顶部信号"（如"死叉出局"）[12] 3. **动态排序规则**：综合Sharpe比率（过去1年）和信号强度对行业进行排序[12] 4. **止损机制**：设置信号失效阈值（如2025-06-18死叉出局）[12] - **模型评价**：兼顾趋势跟踪与风险控制，但依赖技术面信号可能在高波动市场中产生频繁交易[6] --- 模型的回测效果 （注：原文未提供具体回测指标数值，仅展示信号触发记录） 1. **四轮驱动模型** - 最新信号行业：计算机（Sharpe排序3）、汽车（Sharpe排序6）、机械设备（Sharpe排序缺失）、医药生物（Sharpe排序18）[12] - 失效信号案例：非银金融（2025-06-18死叉出局）、传媒（2025-06-13死叉出局）[12] --- 其他技术分析工具 1. **周期分析模型**：基于上证综指历史周期规律判断支撑/阻力位（如3509震荡区间上轨）[6][7] 2. **缠论分析模型**：通过笔、线段等结构划分市场趋势阶段[9] （注：原文未提供这两个模型的具体构建公式和量化参数）[7][9]

量化模型与构建方式 1. **模型名称**：MFE组合构建模型 **模型构建思路**：通过最大化单因子暴露构建组合，同时控制行业、风格等约束条件[51] **模型具体构建过程**： - 目标函数：最大化因子暴露 $$max\ f^{T}w$$ - 约束条件包括： - 风格暴露约束：$$s_{l}\leq X(w-w_{b})\leq s_{h}$$ - 行业偏离约束：$$h_{l}\leq H(w-w_{b})\leq h_{h}$$ - 个股权重偏离约束：$$w_{l}\leq w-w_{b}\leq w_{h}$$ - 成分股权重占比控制：$$b_{l}\leq B_{b}w\leq b_{h}$$ - 换手率约束：$$\Sigma|w-w_{0}|\leq to_{h}$$[51] **模型评价**：适用于多约束条件下的因子有效性检验，能更真实反映实际组合构建中的因子表现 量化因子与构建方式 1. **因子名称**：Beta风格因子 **因子构建思路**：衡量股票对市场波动的敏感性[13] **因子具体构建过程**：使用贝叶斯压缩后的市场Beta值[13] 2. **因子名称**：Trend因子 **因子构建思路**：捕捉股票价格趋势[13] **因子具体构建过程**： - Trend_120：$$EWMA(halflife=20)/EWMA(halflife=120)$$ - Trend_240：$$EWMA(halflife=20)/EWMA(halflife=240)$$[13] 3. **因子名称**：Volatility因子 **因子构建思路**：衡量股票波动性[13] **因子具体构建过程**： - Stdvol：过去243天的标准波动率 - Ivff：Fama-French三因子特质波动率 - Range：最高价/最低价-1 - MaxRet_6/MinRet_6：过去243天最高/最低六日收益率均值[13] 4. **因子名称**：Liquidity因子 **因子构建思路**：衡量股票流动性[13] **因子具体构建过程**： - TO：过去243天平均对数换手率 - Liquidity beta：个股换手率与市场换手率的回归系数[13] 5. **因子名称**：Value因子 **因子构建思路**：基于估值指标构建[13] **因子具体构建过程**： - BP：账面市值比 - EP：盈利收益率[13] 6. **因子名称**：Growth因子 **因子构建思路**：衡量公司成长性[13] **因子具体构建过程**： - Delta ROE：过去3年ROE变动的平均值 - Sales_growth：销售收入TTM的3年复合增速 - Na_growth：净资产TTM的3年复合增速[13] 因子回测效果 1. **Beta因子**： - 近一周收益：6.95% - 近一年年化收益：42.35% - 历史年化收益：0.72%[12] 2. **Liquidity因子**： - 近一周收益：5.53% - 近一年年化收益：33.85% - 历史年化收益：-3.31%[12] 3. **Value因子**： - 近一周收益：-3.55% - 近一年年化收益：-26.81% - 历史年化收益：7.10%[12] 4. **一年动量因子**（中证全指）： - 近一周收益：1.56% - 今年以来收益：-5.61% - 近一年年化收益：-13.27%[40] 5. **DELTAROE因子**（国证2000）： - 近一周收益：8.27% - 近一年年化收益：75.23% - 历史年化收益：11.01%[33] 指数增强产品表现 1. **沪深300指数增强**： - 最近一周超额收益中位数：0.11% - 今年以来超额收益中位数：2.13%[44] 2. **中证500指数增强**： - 最近一周超额收益中位数：-0.37% - 今年以来超额收益中位数：3.32%[48] 3. **中证1000指数增强**： - 最近一周超额收益中位数：-0.23% - 今年以来超额收益中位数：5.22%[50]

量化模型与构建方式 1. **模型名称**：中性约束条件下最大化因子暴露组合 - **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[19] - **模型具体构建过程**： 1. 对股票池进行筛选，剔除上市时间不满1年的新股及存在风险警示的股票[44] 2. 对每个单因子进行中性化处理，消除其与行业、风格（规模、估值、成长）因子的相关性[44] 3. 使用优化方法在行业和风格中性约束下最大化目标因子暴露[19] 量化因子与构建方式 1. **因子名称**：Beta因子 - **因子构建思路**：捕捉个股与市场指数的弹性关系[15] - **因子具体构建过程**： - 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，取回归系数作为BETA值 $$BETA = \text{回归系数（个股日收益 vs 中证全指日收益，半衰加权）}$$[15] 2. **因子名称**：规模因子（LNCAP） - **因子构建思路**：反映市值对收益的影响[15] - **因子具体构建过程**： $$LNCAP = \ln(\text{总市值})$$[15] 3. **因子名称**：动量因子（RSTR） - **因子构建思路**：捕捉个股中长期趋势[15] - **因子具体构建过程**： - 计算过去504个交易日个股累计收益率（排除最近21日），收益率序列使用半衰指数加权（半衰期126日） $$RSTR = \sum_{t=1}^{504} w_t \cdot r_t \quad (w_t=0.5^{t/126})$$[15] 4. **因子名称**：60日反转因子 - **因子构建思路**：捕捉短期反转效应[18] - **因子具体构建过程**： - 直接取个股过去60个交易日收益率 $$60日反转 = \sum_{t=1}^{60} r_t$$[18] 5. **因子名称**：20日特异度因子 - **因子构建思路**：衡量个股收益与三因子模型的偏离程度[18] - **因子具体构建过程**： - 将个股过去20个交易日日收益与Fama-French三因子回归，取拟合优度（R²）的负值 $$20日特异度 = -R^2$$[18] 模型与因子的评价 - **Beta因子**：近期表现突出，反映市场风险偏好提升[15][16] - **规模因子**：小市值效应强化，但长期多空收益为负[15][16] - **动量因子**：中长期有效性稳定，但近期受市场反转影响[15][18] - **反转因子**：短期反转效应显著，尤其在中证1000股票池中表现强劲[26][35] 模型与因子的测试结果 风格因子表现 | 因子名称 | 近一周多空收益 | 近一月多空收益 | |----------------|----------------|----------------| | Beta因子 | 7.50% | 8.74% |[16] | 规模因子 | -4.23% | -5.29% |[16] | 动量因子 | 1.48% | -1.62% |[16] 选股因子表现（沪深300股票池） | 因子名称 | 近一周超额收益 | 近一月超额收益 | |------------------------|----------------|----------------| | 对数市值 | 0.83% | 2.44% |[21] | 单季度营业利润同比增速 | 0.72% | 1.83% |[21] | 20日特异度 | 0.71% | 0.20% |[21] 全市场因子Rank IC | 因子名称 | 近一周Rank IC | 近一月Rank IC均值 | |----------------|---------------|--------------------| | 对数市值 | 24.81% | 9.05% |[44] | 20日特异度 | 21.07% | 11.25% |[44] | 60日反转 | 19.50% | 10.07% |[44]

量化模型与构建方式 1. **模型名称：PB-ROE-50组合** - **模型构建思路**：基于PB（市净率）和ROE（净资产收益率）两个核心指标，筛选出估值合理且盈利能力强的股票[25] - **模型具体构建过程**： 1. 在全市场股票池中计算每只股票的PB和ROE值 2. 对PB和ROE分别进行标准化处理 3. 构建综合得分：$$Score = w_1 \times \text{标准化PB} + w_2 \times \text{标准化ROE}$$，其中权重$w_1$和$w_2$通过历史数据优化确定 4. 选取综合得分前50名的股票等权配置，按月调仓[25][26] 2. **模型名称：大宗交易组合** - **模型构建思路**：基于"高成交金额比率、低波动率"原则筛选大宗交易事件中具有超额收益潜力的股票[31] - **模型具体构建过程**： 1. 计算每只股票的大宗交易成交金额比率：$$\text{成交金额比率} = \frac{\text{大宗交易成交金额}}{\text{当日总成交金额}}$$ 2. 计算6日成交金额波动率：$$\text{波动率} = \sqrt{\frac{1}{5}\sum_{t=1}^5 (\ln P_t - \ln P_{t-1})^2}$$ 3. 对上述两个指标标准化后构建综合得分 4. 选取得分最高的股票等权配置，按月调仓[31][32] 3. **模型名称：定向增发组合** - **模型构建思路**：通过分析定向增发事件的市场反应，捕捉事件驱动型投资机会[36] - **模型具体构建过程**： 1. 以股东大会公告日为事件节点 2. 计算事件后超额收益：$$\text{CAR} = \sum_{t=1}^{20} (R_{i,t} - R_{m,t})$$ 3. 结合市值因子和流动性指标构建筛选规则 4. 控制单行业暴露不超过20%，按月调仓[36][37] 4. **模型名称：机构调研组合** - **模型构建思路**：跟踪公募和私募调研行为，挖掘机构关注度高的股票[27] - **模型具体构建过程**： 1. 统计各股票被机构调研次数 2. 计算调研强度指标：$$\text{调研强度} = \frac{\text{调研次数}}{\text{行业平均调研次数}}$$ 3. 结合基本面因子筛选，等权配置[27][28] 量化因子与构建方式 1. **因子名称：单季度净利润同比增长率** - **因子构建思路**：反映公司短期盈利增长能力[12] - **因子具体构建过程**：$$\text{因子值} = \frac{\text{本期净利润} - \text{上年同期净利润}}{\text{上年同期净利润}}$$[12][13] 2. **因子名称：5日反转** - **因子构建思路**：捕捉短期价格反转效应[12] - **因子具体构建过程**：$$\text{因子值} = -\ln(P_t/P_{t-5})$$[12][13] 3. **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[12] - **因子具体构建过程**：$$\text{因子值} = \frac{\text{实际收入} - \text{分析师一致预期收入}}{\text{历史预期标准差}}$$[12][13] 4. **因子名称：6日成交金额移动平均** - **因子构建思路**：反映股票流动性特征[18] - **因子具体构建过程**：$$\text{因子值} = \frac{1}{6}\sum_{i=0}^5 \text{成交金额}_{t-i}$$[18][19] 5. **因子名称：对数市值因子** - **因子构建思路**：捕捉市值规模效应[12] - **因子具体构建过程**：$$\text{因子值} = \ln(\text{总市值})$$[12][13] 模型的回测效果 1. **PB-ROE-50组合** - 中证500超额收益：-1.38%（本周），2.37%（年初至今）[26] - 中证800超额收益：0.50%（本周），5.53%（年初至今）[26] - 全市场超额收益：0.09%（本周），6.83%（年初至今）[26] 2. **大宗交易组合** - 中证全指超额收益：1.16%（本周），24.68%（年初至今）[32] 3. **定向增发组合** - 中证全指超额收益：1.05%（本周），9.32%（年初至今）[37] 4. **机构调研组合** - 公募调研超额收益：0.40%（本周），2.03%（年初至今）[28] - 私募调研超额收益：0.79%（本周），10.02%（年初至今）[28] 因子的回测效果 1. **单季度净利润同比增长率** - 沪深300：1.94%（本周），3.24%（1个月）[13] - 中证500：0.80%（本周），3.54%（1个月）[17] - 流动性1500：2.09%（本周），4.08%（1个月）[19] 2. **5日反转** - 沪深300：1.83%（本周），1.59%（1个月）[13] - 中证500：0.90%（本周），-0.35%（1个月）[17] - 流动性1500：1.55%（本周），0.97%（1个月）[19] 3. **标准化预期外收入** - 沪深300：1.79%（本周），2.16%（1个月）[13] - 中证500：0.09%（本周），2.26%（1个月）[17] - 流动性1500：1.11%（本周），0.63%（1个月）[19] 4. **6日成交金额移动平均** - 流动性1500：1.55%（本周），1.70%（1个月）[19] 5. **对数市值因子** - 沪深300：1.25%（本周），0.38%（1个月）[13] - 中证500：-0.45%（本周），1.00%（1个月）[17] - 流动性1500：1.32%（本周），1.26%（1个月）[19]

量化模型与因子分析总结 量化因子与构建方式 估值类因子 1. **BP因子**：构建思路为净资产与总市值的比率，反映公司账面价值与市场价值的相对关系[17] $$ BP = \frac{净资产}{总市值} $$ 2. **EPTTM因子**：构建思路为使用滚动12个月的归母净利润与总市值的比率[17] $$ EPTTM = \frac{归母净利润TTM}{总市值} $$ 3. **股息率因子**：构建思路为最近四个季度预案分红金额与总市值的比率[17] $$ 股息率 = \frac{最近四个季度预案分红金额}{总市值} $$ 反转类因子 1. **一个月反转因子**：构建思路为过去20个交易日的涨跌幅，反映短期反转效应[17] $$ 一个月反转 = 过去20个交易日涨跌幅 $$ 2. **三个月反转因子**：构建思路为过去60个交易日的涨跌幅，反映中期反转效应[17] $$ 三个月反转 = 过去60个交易日涨跌幅 $$ 动量类因子 1. **一年动量因子**：构建思路为近一年除近一月后的动量，反映长期动量效应[17] $$ 一年动量 = 近一年除近一月后动量 $$ 成长类因子 1. **单季净利同比增速因子**：构建思路为单季度净利润同比增长率[17] $$ 单季净利同比增速 = \frac{当期单季度净利润-去年同期单季度净利润}{去年同期单季度净利润} $$ 2. **单季营收同比增速因子**：构建思路为单季度营业收入同比增长率[17] $$ 单季营收同比增速 = \frac{当期单季度营业收入-去年同期单季度营业收入}{去年同期单季度营业收入} $$ 盈利类因子 1. **单季ROE因子**：构建思路为单季度归母净利润的两倍除以期初与期末归母净资产的平均值[17] $$ 单季ROE = \frac{单季度归母净利润×2}{期初归母净资产+期末归母净资产} $$ 流动性类因子 1. **一个月换手因子**：构建思路为过去20个交易日换手率的均值[17] $$ 一个月换手 = \frac{过去20个交易日换手率总和}{20} $$ 波动类因子 1. **特异度因子**：构建思路为1减去过去20个交易日Fama-French三因子回归的拟合度[17] $$ 特异度 = 1-R^2_{FF3} $$ 分析师类因子 1. **预期EPTTM因子**：构建思路为一致预期滚动EP值[17] $$ 预期EPTTM = 一致预期滚动EP $$ 因子回测效果 沪深300样本空间 1. **单季营利同比增速因子**：最近一周0.77%，最近一月1.84%，今年以来5.23%，历史年化2.98%[19] 2. **三个月反转因子**：最近一周0.66%，最近一月0.65%，今年以来3.01%，历史年化1.25%[19] 3. **特异度因子**：最近一周0.55%，最近一月-0.10%，今年以来2.28%，历史年化0.67%[19] 中证500样本空间 1. **一年动量因子**：最近一周1.26%，最近一月1.18%，今年以来2.77%，历史年化2.37%[21] 2. **特异度因子**：最近一周1.05%，最近一月2.04%，今年以来0.76%，历史年化1.67%[21] 3. **单季营收同比增速因子**：最近一周1.00%，最近一月3.50%，今年以来8.20%，历史年化3.29%[21] 中证1000样本空间 1. **一年动量因子**：最近一周1.45%，最近一月1.73%，今年以来0.26%，历史年化-0.55%[23] 2. **三个月反转因子**：最近一周1.09%，最近一月1.40%，今年以来0.38%，历史年化-0.61%[23] 3. **标准化预期外盈利因子**：最近一周0.77%，最近一月3.35%，今年以来6.17%，历史年化8.76%[23] 中证A500样本空间 1. **单季营利同比增速因子**：最近一周1.22%，最近一月2.75%，今年以来6.17%，历史年化1.80%[25] 2. **三个月反转因子**：最近一周1.08%，最近一月0.36%，今年以来3.64%，历史年化0.97%[25] 3. **一年动量因子**：最近一周0.74%，最近一月0.87%，今年以来-2.03%，历史年化0.85%[25] MFE组合构建方法 1. **构建思路**：通过组合优化方式构建最大化单因子暴露组合，控制行业暴露、风格暴露等约束条件[39] 2. **优化模型**： $$ \begin{array}{ll} max & f^{T}w \\ s.t. & s_{l}\leq X(w-w_{b})\leq s_{h} \\ & h_{l}\leq H(w-w_{b})\leq h_{h} \\ & w_{l}\leq w-w_{b}\leq w_{h} \\ & b_{l}\leq B_{b}w\leq b_{h} \\ & \mathbf{0}\leq w\leq l \\ & \mathbf{1}^{T}w=1 \end{array} $$ 其中f为因子取值，w为股票权重向量，wb为基准指数成分股权重向量[39][40]

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：港股精选组合策略** - **模型构建思路**：基于分析师推荐事件（上调盈利预测、首次关注、研报标题超预期）构建股票池，再通过基本面和技术面双重筛选选出优质股票[16] - **模型具体构建过程**： 1. **事件筛选**：捕捉分析师上调盈利预测、首次覆盖、标题含“超预期”的研报事件 2. **基本面筛选**：从事件池中选取盈利增速、估值等指标优于行业的股票 3. **技术面筛选**：结合股价动量、突破新高趋势等指标进一步精选[16] - **模型评价**：兼顾基本面确定性与技术面趋势，长期超额收益显著 2. **因子名称：250日新高距离因子** - **因子构建思路**：通过计算股价与历史高点的偏离程度捕捉趋势延续性[21] - **因子具体构建过程**： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 其中： - \(Closet\)为最新收盘价 - \(ts\_max(Close, 250)\)为过去250日收盘价最大值[21] - **因子评价**：有效识别股价处于突破阶段的标的，在港股动量效应显著 3. **复合因子：平稳创新高筛选体系** - **构建思路**：结合分析师覆盖、股价强度、路径平滑性等维度筛选持续创新高股票[22] - **具体构建过程**： 1. **初筛条件**： - 上市时间>15个月 - 过去6个月≥5份买入/增持研报 - 过去250日涨幅前20% 2. **精细筛选**： - **位移路程比**：$$ \frac{过去120日涨跌幅绝对值}{过去120日日涨跌幅绝对值加总} $$（衡量价格路径平滑性） - **创新高持续性**：过去120日250日新高距离的时序均值[22] --- 模型回测效果 1. **港股精选组合策略** - **全样本期（2010-2024）**： - 年化收益：17.02% - 超额收益（vs恒生指数）：17.60% - 信息比率（IR）：1.19 - 最大回撤：23.73%[18] - **2024年表现**： - 绝对收益：24.35% - 超额收益：6.68%[18] 2. **平稳创新高因子** - **应用案例**： - 大金融板块15只股票入选（数量最多） - 医药板块12只入选（如归创通桥250日涨幅102.4%）[27] --- 因子测试结果 1. **250日新高距离因子** - **典型标的**： - 小米集团-W（250日涨幅218.3%，新高距离0%） - 美丽田园医疗健康（250日涨幅97.1%，新高距离0%）[27] 2. **位移路程比因子** - **筛选效果**：剔除波动剧烈标的（如部分周期股）[22] --- 关键图表引用 - 图4：平稳创新高筛选要素流程图[22] - 表1：港股精选组合分年度绩效明细[18] - 图6：创新高股票列表（含250日涨幅等指标）[27] 注：未提及风险提示、免责声明等非核心内容。

根据提供的金融工程日报内容，以下是量化模型与因子的总结： 量化因子与构建方式 1. **因子名称：封板率** - 因子构建思路：通过统计涨停股票的封板情况来反映市场情绪[14] - 因子具体构建过程： $$封板率 = \frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$ 统计上市满3个月以上的股票，计算当日最高价涨停且收盘仍涨停的股票占比[14] - 因子评价：直接反映短线资金封板意愿，数值下降预示情绪低迷[14] 2. **因子名称：连板率** - 因子构建思路：衡量涨停股的持续性强度[14] - 因子具体构建过程： $$连板率 = \frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$ 筛选上市满3个月的股票，计算连续涨停的比例[14] - 因子评价：连板率创新低时显示市场接力意愿薄弱[14] 3. **因子名称：大宗交易折价率** - 因子构建思路：通过大宗交易价格偏离度观测机构交易情绪[23] - 因子具体构建过程： $$折价率 = \frac{大宗交易总成交金额}{当日成交份额的总市值} - 1$$ 统计近半年日均成交金额与折价率，当日数据需对比历史分位[23] 4. **因子名称：股指期货年化贴水率** - 因子构建思路：利用期现价差反映市场预期[25] - 因子具体构建过程： $$年化贴水率 = \frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ 分别计算上证50、沪深300、中证500、中证1000主力合约的贴水率及历史分位[25] --- 因子的回测效果 1. **封板率因子** - 当日取值：61%（较前日下降9%）[14] - 近一月波动区间：未披露具体范围但指出当前为低点[14] 2. **连板率因子** - 当日取值：14%（较前日下降16%）[14] - 近一月表现：创近一个月新低[14] 3. **大宗交易折价率因子** - 当日取值：7.00%（近半年均值5.61%）[23] - 近半年分位：未披露具体分位数但显示高于均值[23] 4. **股指期货年化贴水率因子** - 上证50：4.24%（近一年中位数1.53%，38%分位）[25] - 沪深300：4.80%（近一年中位数3.20%，38%分位）[25] - 中证500：10.44%（近一年中位数9.05%，42%分位）[25] - 中证1000：11.03%（近一年中位数12.09%，53%分位）[25] （注：报告中未涉及量化模型相关内容，故未列出模型部分）

量化模型与构建方式 1. **模型名称：股指期货分红点位预测模型** - **模型构建思路**：基于历史数据预测股指期货合约存续期内标的指数的分红点位，用于修正基差计算[9] - **模型具体构建过程**： 1. 对中证500、沪深300、上证50、中证1000指数未来一年分红点位进行预测，公式为： $$ \text{预期分红调整后的基差} = \text{实际基差} + \text{存续期内未实现的预期分红} $$ 2. 年化基差计算： $$ \text{年化基差} = \frac{(\text{实际基差} + \text{预期分红点位})}{\text{指数价格}} \times \frac{360}{\text{合约剩余天数}} $$ 3. 具体预测值（2025年6月27日）： - 中证500：78.03点 - 沪深300：69.93点 - 上证50：55.49点 - 中证1000：69.32点[9][10][12][14][16][18] 2. **模型名称：期现对冲策略（连续对冲与最低贴水策略）** - **模型构建思路**：通过动态调整期货合约对冲现货风险，利用基差收敛特性优化收益[43][45] - **模型具体构建过程**： - **连续对冲策略**： 1. 持有季月/当月合约至到期前2日平仓，切换至下一合约 2. 现货端使用70%资金，期货端做空等额名义本金合约 - **最低贴水策略**： 1. 调仓时选择年化基差贴水幅度最小的合约 2. 同一合约至少持有8个交易日或到期前2日切换[45] - **模型评价**：最低贴水策略通过主动选择贴水较小的合约，降低对冲成本[47][52][56][58] --- 量化因子与构建方式 1. **因子名称：Cinda-VIX（波动率指数）** - **因子构建思路**：反映期权市场对标的资产未来波动率的预期[61] - **因子具体构建过程**： 1. 基于不同期限期权隐含波动率编制 2. 计算30日、60日、90日、120日VIX期限结构[61][62][65][67] - **因子评价**：VIX期限结构平坦化表明短期风险预期弱化[61] 2. **因子名称：Cinda-SKEW（风险偏度指数）** - **因子构建思路**：衡量市场对极端下跌风险的担忧程度[69] - **因子具体构建过程**： 1. 分析虚值看跌期权与看涨期权的隐含波动率偏斜 2. SKEW>100表示市场担忧尾部风险[69][70] - **因子评价**：SKEW跌破100阈值显示市场风险偏好回升[70] --- 模型的回测效果 1. **IC对冲策略（2022年7月22日至2025年6月27日）** - 最低贴水策略：年化收益-0.98%，最大回撤-7.97%，年换手17.53次[47] - 季月连续对冲：年化收益-2.08%，最大回撤-8.34%[47] 2. **IF对冲策略** - 最低贴水策略：年化收益1.42%，波动率3.16%[52] 3. **IH对冲策略** - 最低贴水策略：年化收益1.76%，净值1.0521[56] 4. **IM对冲策略** - 最低贴水策略：年化收益-3.79%，最大回撤-11.11%[58] --- 因子的回测效果 1. **Cinda-VIX（2025年6月27日）** - 上证50VIX_30：17.47 - 中证500VIX_30：23.84[61][62] 2. **Cinda-SKEW** - 中证500SKEW：93.74（低于100安全阈值）[70][76]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化因子与构建方式 1. **因子名称：250日新高距离** - **构建思路**：通过计算当前收盘价与过去250日最高价的相对距离，衡量股票接近历史高点的程度[11] - **具体构建过程**： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 其中： - \(Closet\)为最新收盘价 - \(ts\_max(Close,250)\)为过去250日收盘价最大值 - 当\(Closet\)创历史新高时，因子值为0；否则为正值表示回落幅度[11] - **因子评价**：该因子能有效捕捉动量效应，符合行为金融学中"趋势延续"和"投资者反应不足"的理论[26] 2. **因子名称：平稳创新高筛选因子** - **构建思路**：结合分析师关注度、股价路径平滑性等多维度筛选具有持续动量的股票[26][28] - **具体构建过程**： - **分析师关注度**：过去3个月买入/增持评级研报≥5份[28] - **股价相对强弱**：过去250日涨跌幅全市场前20%[28] - **价格路径平滑性**：计算位移路程比（过去120日涨跌幅绝对值/日涨跌幅绝对值加总）[26] - **创新高持续性**：过去120日250日新高距离的时间序列均值[28] - **趋势延续性**：过去5日250日新高距离的时间序列均值[28] - **因子评价**：综合考量了动量的质量和持续性，避免选择波动过大的"彩票型股票"[26] 因子回测效果 1. **250日新高距离因子** - 上证指数应用效果：当前值为1.88%[12] - 深证成指应用效果：当前值为9.71%[12] - 沪深300应用效果：当前值为7.86%[12] - 中证500应用效果：当前值为7.38%[12] - 创业板指应用效果：当前值为16.70%[12] 2. **平稳创新高筛选因子** - 全市场筛选结果：32只股票入选（如胜宏科技250日涨幅295%、仕佳光子涨幅268%）[29][32] - 行业分布效果：银行行业创新高占比达92.86%[19][22] - 板块分布效果：科技板块8只、大金融板块7只入选[29] 关键数据补充 - **创新高股票数量**：全市场832只（医药行业122只最多）[19] - **指数成分股创新高比例**：中证2000（15.20%）、沪深300（14.33%）[20] - **行业新高距离极值**：综合金融/有色金属（0%）、煤炭（最远）[13][16] 注：所有公式和指标计算均严格遵循原文定义，未包含风险提示等非核心内容。因子测试结果为截至2025年6月27日的截面数据[12][19][32]

根据提供的金融工程日报内容，以下是量化模型与因子的结构化总结： --- 量化模型与构建方式 1. **封板率模型** - 构建思路：通过监测涨停股在盘中最高价与收盘价的稳定性反映市场情绪[15] - 具体构建： $$封板率=\frac{\text{最高价涨停且收盘涨停股票数}}{\text{最高价涨停股票数}}$$ 筛选上市满3个月的股票，统计日内涨停并维持至收盘的比例[15] - 评价：高频情绪指标，对短线交易有参考价值 2. **连板率模型** - 构建思路：衡量涨停股的持续性[15] - 具体构建： $$连板率=\frac{\text{连续两日收盘涨停股票数}}{\text{昨日收盘涨停股票数}}$$ 基于前一日涨停股在当日继续涨停的比例计算[15] --- 量化因子与构建方式 1. **大宗交易折价率因子** - 构建思路：反映大资金交易对市场的折价预期[24] - 具体构建： $$折价率=\frac{\text{大宗交易总成交金额}}{\text{当日成交份额总市值}}-1$$ 统计单日大宗交易成交价与市值的偏离程度[24] - 评价：机构资金动向的滞后指标 2. **股指期货年化贴水率因子** - 构建思路：量化期货市场对现货指数的预期偏差[26] - 具体构建： $$年化贴水率=\frac{\text{基差}}{\text{指数价格}} \times \left(\frac{250}{\text{合约剩余交易日数}}\right)$$ 计算上证50/沪深300/中证500/中证1000主力合约的贴水年化值[26] --- 模型回测效果 1. **封板率模型** - 当日值：69%（较前日下降4%）[15] - 近一月趋势：持续监测封板率与连板率的联动性[15] 2. **连板率模型** - 当日值：30%（较前日下降3%）[15] --- 因子回测效果 1. **大宗交易折价率因子** - 近半年均值：5.57% - 当日值：6.32%[24] 2. **股指期货年化贴水率因子** - 中位数（近一年）： - 上证50：1.53% - 沪深300：3.20% - 中证500：8.97% - 中证1000：12.24%[26] - 当日分位数： - 上证50：39%（贴水4.11%） - 中证1000：58%（贴水9.84%）[26] --- 注：报告中未提及复合模型或衍生因子，市场情绪类指标以日内高频数据为主[15][24][26]