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）

量化因子与构建方式 1. 估值类因子 **因子名称**：bp **构建思路**：衡量公司净资产与市值的相对关系，反映估值水平[13] **构建过程**：$$ bp = \frac{当前净资产}{当前总市值} $$ **因子名称**：bp三年分位数 **构建思路**：通过分位数标准化当前bp值，消除时间序列波动[13] **构建过程**：计算股票当前bp在最近三年的分位数排名 **因子名称**：季度ep **构建思路**：反映单位净资产创造的净利润[13] **构建过程**：$$ 季度ep = \frac{季度净利润}{净资产} $$ **因子名称**：季度sp **构建思路**：衡量单位净资产产生的营业收入[13] **构建过程**：$$ 季度sp = \frac{季度营业收入}{净资产} $$ 2. 盈利类因子 **因子名称**：季度roa **构建思路**：评估资产利用效率[13] **构建过程**：$$ 季度roa = \frac{季度净利润}{总资产} $$ **因子名称**：季度roe **构建思路**：反映股东权益回报率[13] **构建过程**：$$ 季度roe = \frac{季度净利润}{净资产} $$ 3. 成长类因子 **因子名称**：标准化预期外盈利 **构建思路**：量化业绩超预期程度[13] **构建过程**： $$ \frac{当前季度净利润 - (去年同期单季净利润 + 过去8个季度单季净利润同比增长均值)}{过去8个季度单季度净利润同比增长值的标准差} $$ 4. 波动率类因子 **因子名称**：Fama-French三因子1月残差波动率 **构建思路**：衡量不能被市场、规模、价值因子解释的特异性风险[13] **构建过程**：对过去20个交易日日收益进行Fama-French三因子回归，取残差标准差 **因子名称**：1月特异度 **构建思路**：通过R方衡量收益的可解释性[13] **构建过程**：$$ 1 - R^2 $$（R方来自Fama-French三因子回归） 5. 反转类因子 **因子名称**：1个月反转 **构建思路**：捕捉短期过度反应后的均值回复效应[13] **构建过程**：累加过去20个交易日收益率 6. 规模类因子 **因子名称**：小市值 **构建思路**：利用市值溢价效应[13] **构建过程**：取对数市值 7. Beta因子 **构建思路**：衡量个股系统性风险[13] **构建过程**：最近490个交易日个股收益与市场收益加权回归系数 --- 因子回测效果 IC表现 | 因子名称 | 最近一周IC | 最近一月IC均值 | 最近一年IC均值 | 历史IC均值 | |-------------------------|------------|----------------|----------------|------------| | 小市值 | 15.09% | 6.09% | 3.61% | 2.20% | [9] | Beta | 13.20% | 5.67% | 1.79% | 0.38% | [9] | 1月特异度 | 11.75% | 6.36% | 3.19% | 2.40% | [9] | bp三年分位数 | -5.70% | 1.72% | 2.69% | 1.71% | [9] 多头组合表现 | 因子名称 | 最近一周超额 | 最近一月超额 | 最近一年超额 | 历史累计超额 | |-------------------------|--------------|--------------|--------------|----------------| | 小市值 | 1.67% | 2.75% | 18.13% | 66.36% | [11] | Beta | 1.85% | 2.84% | 9.25% | -8.52% | [11] | 业绩预告精确度 | 1.49% | 1.49% | 11.74% | 34.48% | [11] --- 数据处理方法 - 因子值基于五年周频数据，先转为行业内排序分位数 - 非规模/Bp类因子需进行市值、bp与行业中性化处理[7] - 季度数据优先级：业绩预告 < 业绩快报 < 正式财报[14]

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]

根据提供的金融工程日报内容，该报告主要描述市场表现和资金流向等数据，未涉及具体的量化模型或因子构建内容。以下是报告核心要点的结构化总结： 市场表现 1. **宽基指数表现** 20250625日中证500指数涨幅最佳（+1.68%），上证50（+1.17%）、沪深300（+1.44%）、中证1000（+1.32%）次之[6] 创业板指领涨板块指数（+3.11%），科创100（+2.02%）和科创50（+1.73%）紧随其后[6] 风格指数中中证500成长指数表现最优（+1.63%）[6] 2. **行业表现** 综合金融（+5.70%）、非银（+4.42%）、国防军工（+3.49%）涨幅居前[7] 石油石化（-0.15%）、煤炭（-0.04%）表现最弱[7] 3. **概念主题** 炒股软件概念暴涨14.48%，金融科技（+5.90%）、信托（+5.25%）表现突出[10] 油气开采（-1.91%）、虫害防治（-1.56%）跌幅较大[10] 市场情绪指标 1. **涨跌停数据** 当日涨停77家/跌停7家，昨日涨停股今日平均收益3.30%，跌停股平均亏损4.68%[14][15] 封板率73%（环比降4%），连板率33%（环比升10%）[18] 2. **资金动向** 两融余额18220亿元（融资18103亿/融券117亿），占流通市值2.3%[20][23] 大宗交易折价率6.38%（近半年均值5.54%）[27] 股指期货贴水率：中证1000（10.06%）、中证500（7.11%）贴水显著[29] 机构行为 1. **调研热度** 京北方获79家机构调研，华工科技、奥比中光-UW等受关注[32] 2. **龙虎榜交易** 机构净流入指南针、大智慧等，净流出御银股份、浙江世宝等[36] 陆股通净流入中兵红箭、泰凌微，净流出海联金汇、指南针[37] 注：报告中未提及量化模型或因子构建的具体方法，故相关部分未作总结。市场数据引用自[6][7][10][14][15][18][20][23][27][29][32][36][37]等章节。

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**：中证香港创新药指数(CNY) **模型构建思路**：选取香港市场中主营业务涉及创新药研发的上市公司证券作为样本，反映香港市场创新药主题证券的整体表现[37] **模型具体构建过程**： - 样本空间为中证香港300指数与中证港股通综合指数样本空间的并集 - 筛选标准： 1) 业务涉及创新药研发或为制药企业提供研发/生产服务 2) 按过去一年日均总市值排序，选取前50只证券（不足50只则全纳入）[38] **模型评价**：历史表现优异，近5年跌幅小于同类指数，近3年涨幅达33.92%[39] 2. **模型名称**：广发中证香港创新药ETF跟踪模型 **模型构建思路**：完全复制中证香港创新药指数成分股及权重[55] **模型具体构建过程**： - 采用实物申赎机制 - 设置人民币/港币双币种交易通道 - 年化跟踪误差控制在6.43%以内[56] 模型的回测效果 1. **中证香港创新药指数(CNY)** - 近1年收益率：74.99% - 近3年收益率：33.92% - 近5年收益率：-7.83% - 市盈率(TTM)：32.47倍（近3年分位数26.12%）[39][42] 2. **广发中证香港创新药ETF** - 规模：118.49亿元 - 日均成交额：28.93亿元 - 年化跟踪误差：6.43% - 跟踪偏离度均值：0.21%[56][57] 量化因子与构建方式 1. **因子名称**：研发投入强度因子 **因子构建思路**：衡量创新药企业研发费用占营业收入比重[32] **因子具体构建过程**： $$研发强度 = \frac{研发费用}{营业总收入} \times 100\%$$ 取中证香港创新药指数成分股中位数21.64%作为基准值[32] 2. **因子名称**：市值分布因子 **因子构建思路**：捕捉小市值创新药企业的超额收益[44] **因子具体构建过程**： - 将成分股按市值分为<100亿/100-300亿/>300亿三组 - 计算各组在指数中的权重占比（68.42%为300亿以下）[44] 因子的回测效果 1. **研发投入强度因子** - 头部成分股研发强度：信达生物(51.82%)、百济神州(54.96%)[50] - 预测EPS增长率：三生制药2025年预测EPS达2.1661元（较2024年+151.87%）[53] 2. **市值分布因子** - 小市值组(<300亿)年化超额收益：较中证创新药产业指数高15.2%[39][44] - 成分股业绩增速：百济神州2025Q1净利润同比+100.51%[50] 注：报告中未涉及复合因子或衍生因子的构建，主要采用指数编制规则中的基础因子进行投资价值分析[38][44]

量化模型与构建方式 1. **模型名称：股指分红点位测算模型** - **模型构建思路**：通过精细化处理指数成分股的分红数据，准确预测股指期货合约的升贴水情况，需考虑成分股权重、分红金额、除息日等核心指标[37][38] - **模型具体构建过程**： 1. **成分股权重计算**：采用中证指数公司日度权重数据，若需估算则使用公式： $$W_{n,t}={\frac{w_{i0}\times(1+r_{n})}{\sum_{i=1}^{N}w_{i0}\times(1+r_{n})}}$$ 其中，$w_{i0}$为最近公布权重，$r_n$为个股涨跌幅[41][42] 2. **分红金额预测**：若未公布分红金额，则通过净利润×股息支付率估算： - **净利润预测**：分盈利稳定型（按历史分布预测）和不稳定型（用上年同期值）[46] - **股息支付率预测**：优先采用去年值，若无则用3年平均，从未分红则默认不分红[47][49] 3. **除息日预测**：基于预案/决案公告日与历史间隔天数的稳定性线性外推，或默认7-9月末[52] 4. **分红点数计算**： $$分红点数=\sum_{n=1}^{N}\left(\frac{成分股分红金额}{成分股总市值}\times 成分股权重 \times 指数收盘价\right)$$ 要求除息日在当前日期至合约到期日之间[37] - **模型评价**：对上证50和沪深300预测误差较小（约5点），中证500误差稍大（约10点），整体准确性较高[57][66] 2. **模型名称：股指期货升贴水监控模型** - **模型构建思路**：跟踪主力合约升贴水幅度，结合分红影响分析市场情绪与期限结构[12][13] - **模型具体构建过程**： 1. **年化升贴水计算**： $$年化升贴水=\left(\frac{含分红价差}{指数收盘价}\right)\times \left(\frac{365}{到期天数}\right)\times 100\%$$ 其中含分红价差=合约收盘价+分红点数-指数收盘价[13] 2. **历史分位点分析**：对比当前升贴水幅度与历史分布（如IH主力合约处于97%分位）[26][30] --- 量化因子与构建方式 1. **因子名称：股息率因子** - **因子构建思路**：统计行业股息率中位数，反映分红收益潜力[2][15] - **因子具体构建过程**： $$股息率=\frac{预案分红金额}{当前总市值}\times 100\%$$ 按行业分类计算中位数，煤炭、银行、钢铁行业排名前三[15][16] 2. **因子名称：剩余股息率因子** - **因子构建思路**：衡量指数未来潜在分红收益[3][17] - **因子具体构建过程**： $$剩余股息率=\frac{\sum_{未分红公司}预期分红金额}{\sum_{未分红公司}总市值}\times 100\%$$ 结合已实现股息率（已分红公司统计）分析指数分红进度[17] --- 模型的回测效果 1. **股指分红点位测算模型** - **预测误差**：上证50/沪深300误差约5点，中证500误差约10点[57] - **历史检验**：2023-2024年主力合约预测股息点与实际值偏离度低（见图21-26）[61][62][66] 2. **股指期货升贴水监控模型** - **年化升贴水值（2025/6/25）**： - IH主力合约：7.56%（升水）[13] - IF主力合约：2.64%（升水）[13] - IC主力合约：-3.62%（贴水）[13] - IM主力合约：-6.77%（贴水）[13] - **历史分位点**：IH主力97%、IF主力83%、IC主力53%、IM主力34%[26][30][35] --- 因子的回测效果 1. **股息率因子** - **行业排名**：煤炭（最高）、银行、钢铁[15][16] 2. **剩余股息率因子（2025/6/25）** - 上证50：1.45%[3] - 沪深300：1.14%[3] - 中证500：0.47%[3] - 中证1000：0.32%[3]

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**：恒指港股通指数模型 **模型构建思路**：该模型旨在反映通过港股通买卖的恒生指数成份股的整体表现，采用行业中立策略，使行业分布与恒生指数相同[26] **模型具体构建过程**： - 样本空间为恒生指数成份股 - 选样方法为所有符合港股通资格的证券 - 指数每季度调整一次，并根据港股通资格进行临时替换[26] **模型评价**：该指数具有高弹性特点，在行情上涨时能带来显著的Beta收益[27] 2. **因子名称**：技术因子 **因子构建思路**：通过分析恒指港股通指数相对于恒生指数的因子暴露，发现该指数主要暴露在技术因子上[38] **因子具体构建过程**： - 技术因子暴露值为-0.066 - 其他显著暴露的因子包括盈利（-0.029）、分红（0.026）和波动率（0.022）[38] 模型的回测效果 1. **恒指港股通指数模型** - 累计收益率：49.92% - 年化收益率：39.22% - 年化波动率：24.48% - 夏普比率：1.60 - 最大回撤：20.08%[29] 量化因子与构建方式 1. **因子名称**：估值因子 **因子构建思路**：通过市盈率和市净率衡量港股通指数的估值水平[40] **因子具体构建过程**： - 市盈率（PE）：$$ PE = \frac{股票价格}{每股收益} $$ - 市净率（PB）：$$ PB = \frac{股票价格}{每股净资产} $$ **因子评价**：恒指港股通指数的市盈率和市净率均低于中证全指，具有较高投资性价比[40] 2. **因子名称**：盈利因子（ROE） **因子构建思路**：通过净资产收益率衡量港股通指数的盈利能力[42] **因子具体构建过程**： - ROE_TTM：$$ ROE = \frac{净利润}{股东权益} $$ **因子评价**：恒指港股通指数的ROE显著高于恒生综合指数和沪深300指数，体现较高盈利能力[42] 3. **因子名称**：股息率因子 **因子构建思路**：通过股息率衡量港股通指数的分红回报[49] **因子具体构建过程**： - 股息率：$$ 股息率 = \frac{年度股息}{股票价格} $$ **因子评价**：恒指港股通指数的股息率始终优于中证全指和沪深300指数[49] 因子的回测效果 1. **估值因子** - 市盈率：10.08倍 - 市净率：1.08倍[40] 2. **盈利因子（ROE）** - ROE_TTM：10.63%[42] 3. **股息率因子** - 股息率：4.76%[49] 其他相关指标 1. **拥挤度指标** - 恒指港股通指数成交额占恒生综合指数成交额比重：52% - 分位数：9%[45] 2. **行业分布** - 非必需性消费：18只（26.24%权重） - 金融业：11只（33.21%权重） - 资讯科技业：18.13%权重[33] 3. **市值分布** - 1000亿以上市值成分股占比：92.90% - 500-1000亿市值成分股占比：6.36%[34] 以上内容全面总结了研报中涉及的量化模型和因子，包括构建思路、具体过程、评价及测试结果。