量化模型与构建方式 1. **模型名称：择时雷达六面图综合择时模型** **模型构建思路：** 权益市场表现受多维度因素影响，该模型从流动性、经济面、估值面、资金面、技术面、拥挤度六个维度选取二十一个指标刻画市场，并将其归纳为“估值性价比”、“宏观基本面”、“资金&趋势”、“拥挤度&反转”四大类，最终生成一个介于[-1,1]之间的综合择时分数，用于判断市场整体观点[1][6]。 **模型具体构建过程：** 1. **指标选取与分类：** 从六个维度（流动性、经济面、估值面、资金面、技术面、拥挤度）选取21个具体指标[1][6]。这些指标被概括为四大类：估值性价比（包含估值面指标）、宏观基本面（包含流动性和经济面指标）、资金&趋势（包含资金面和技术面中的趋势指标）、拥挤度&反转（包含技术面中的反转指标和拥挤度指标）[1][6]。 2. **单指标打分：** 每个具体指标根据其构建规则，被转化为一个在特定时点上的观点信号，通常以分数形式表示（如看多为1，看空为-1，中性为0）[10]。具体各指标的构建和打分规则详见下方因子部分。 3. **维度综合打分：** 将同一维度下的各指标分数进行综合（报告中未明确具体聚合方法，如等权平均或其他加权方式），得到该维度的综合分数，范围在[-1,1]之间[1][9]。 4. **生成综合择时分数：** 将六个维度的分数或四大类的分数进一步综合，最终生成一个介于[-1,1]之间的综合择时分数[1][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：** 判断当前货币政策的方向，通过比较货币政策工具利率与短端市场利率相对于过去一段时间的变化趋势来识别宽松或收紧[12]。 **因子具体构建过程：** 选取央行使用的货币政策工具利率与短端市场利率，计算其相较于90天前的平均变化方向[12]。若货币方向因子>0，则判断货币政策宽松；若<0，则判断货币政策收紧[12]。在择时模型中，因子>0时发出看多信号，分数为1；因子<0时发出看空信号，分数为-1[12]。 2. **因子名称：货币强度因子** **因子构建思路：** 表征短端市场利率相对于政策利率的偏离幅度，基于“利率走廊”概念，用于判断货币环境的松紧强度[15]。 **因子具体构建过程：** 计算偏离度 = DR007 / 7天逆回购利率 - 1，并对该偏离度进行平滑与z-score标准化，形成货币强度因子[15]。若货币强度因子 < -1.5倍标准差，则预期未来120个交易日为宽松环境，指标分数为1；若因子 > 1.5倍标准差，则预期未来120个交易日指标分数为-1；介于之间则为中性，分数为0[15]。 3. **因子名称：信用方向因子** **因子构建思路：** 表征商业银行对实体经济信贷传导的松紧方向，使用中长期贷款指标来体现[18]。 **因子具体构建过程：** 计算信用方向因子：取中长期贷款当月值 -> 计算过去十二个月增量 -> 计算同比[18]。若信用方向因子相比于三个月之前上升则看多，分数为1；反之则看空，分数为-1[18]。 4. **因子名称：信用强度因子** **因子构建思路：** 捕捉信贷指标是否大幅超预期或不及预期，反映信用扩张或收缩的强度[21]。 **因子具体构建过程：** 构建信用强度因子 = (新增人民币贷款当月值 – 预期中位数) / 预期标准差[21]。若信用强度因子 > 1.5倍标准差，则定义未来60个交易日为信用显著超预期环境，分数为1；若因子 < -1.5倍标准差，则未来60个交易日分数为-1[21]。 5. **因子名称：增长方向因子** **因子构建思路：** 基于PMI数据判断经济增长的方向[23]。 **因子具体构建过程：** 基于PMI数据（中采制造业PMI、中采非制造业PMI、财新制造业PMI）构建增长方向因子 = PMI -> 计算过去十二月均值 -> 计算同比[23]。若增长方向因子相比于三个月之前上升则看多，分数为1；反之则看空，分数为-1[23]。 6. **因子名称：增长强度因子** **因子构建思路：** 捕捉经济增长指标是否大幅超预期或不及预期，反映经济增长的意外强度[26]。 **因子具体构建过程：** 计算PMI预期差 = (PMI – 预期中位数) / 预期标准差，以此作为增长强度因子[26]。若增长强度因子 > 1.5倍标准差，则定义未来60个交易日为增长显著超预期环境，分数为1；若因子 < -1.5倍标准差，则未来60个交易日分数为-1[26]。 7. **因子名称：通胀方向因子** **因子构建思路：** 判断通胀水平的变化方向，通胀下行通常意味着未来货币政策宽松空间较大，利好权益[28]。 **因子具体构建过程：** 计算通胀方向因子 = 0.5 × CPI同比平滑值 + 0.5 × PPI同比原始值[28]。若通胀方向因子相较于三个月之前降低，则说明是通胀下行环境，此时看多，分数为1；反之看空，分数为-1[28]。 8. **因子名称：通胀强度因子** **因子构建思路：** 捕捉通胀指标是否大幅超预期或不及预期，反映通胀的意外强度[30]。 **因子具体构建过程：** 分别计算CPI与PPI的预期差 = (披露值 – 预期中位数) / 预期标准差，并计算通胀强度因子 = CPI与PPI预期差的均值[30]。若通胀强度因子 < -1.5倍标准差，则定义未来60个交易日为通胀显著不及预期环境，分数为1；若因子 > 1.5倍标准差，则未来60个交易日分数为-1[30]。 9. **因子名称：席勒ERP** **因子构建思路：** 使用经过周期平滑的盈利计算市盈率，再与无风险利率比较，得到股权风险溢价，以衡量经过周期调整后的估值性价比[31]。 **因子具体构建过程：** 计算过去6年通胀调整后的平均盈利得到席勒PE，然后计算席勒ERP = 1 / 席勒PE - 10年期国债到期收益率，并对该席勒ERP计算过去6年的z-score作为分数[31]。报告中提及对分数进行了1.5倍标准差截尾并标准化到±1之间（此处理在PB因子中明确，席勒ERP应类似）[35]。 10. **因子名称：PB** **因子构建思路：** 使用市净率的倒数或负值来衡量估值水平，估值越低分数越高[35]。 **因子具体构建过程：** 对PB指标进行处理：PB × (-1)并计算过去6年z-score，然后进行1.5倍标准差截尾，最后标准化到±1之间得到分数[35]。 11. **因子名称：AIAE (全市场权益配置比例)** **因子构建思路：** 反映市场整体的风险偏好，逻辑是投资者会根据风险资产和安全资产的供应量动态调整配置，从而影响价格达成均衡[37]。 **因子具体构建过程：** 构建A股的AIAE指标 = 中证全指总流通市值 / (中证全指总流通市值 + 实体总债务)[37]。将AIAE × (-1)并计算过去6年z-score得到分数[37]。 12. **因子名称：两融增量** **因子构建思路：** 两融余额变化代表市场杠杆资金的情绪，其上行通常伴随较好的市场表现[40]。 **因子具体构建过程：** 计算融资余额-融券余额，并计算其过去120日均增量与过去240日均增量[40]。若120日均增量 > 过去240日均增量，则判断杠杆资金上行并看多，分数为1；反之看空，分数为-1[40]。 13. **因子名称：成交额趋势** **因子构建思路：** 成交额上行代表市场成交热度与资金活跃度高，与市场走势正相关[43]。 **因子具体构建过程：** 对对数成交额计算其均线距离 = ma120 / ma240 - 1[43]。当均线距离的max(10) = max(30) = max(60)时看多，分数为1；当均线距离的min(10) = min(30) = min(60)时看空，分数为-1[43]。 14. **因子名称：中国主权CDS利差** **因子构建思路：** 代表海外投资者对中国经济与主权信用风险的定价，与国内PMI负相关，可作为外资流入意愿的指代变量[47]。 **因子具体构建过程：** 对平滑后的CDS利差计算20日差分[47]。若20日差分 < 0，说明CDS利差下降，海外投资者预期中国基本面转好，外资流入意愿强，此时看多，分数为1；反之看空，分数为-1[47]。 15. **因子名称：海外风险厌恶指数 (花旗RAI指数)** **因子构建思路：** 该指数由海外期权隐波、信用利差等数据组成，能全面捕捉海外市场的风险偏好，影响外资流向[49]。 **因子具体构建过程：** 对平滑后的风险厌恶指数计算20日差分[49]。若20日差分 < 0，说明外资风险偏好上升，此时看多，分数为1；反之看空，分数为-1[49]。 16. **因子名称：价格趋势** **因子构建思路：** 使用均线距离衡量标的价格的中长期趋势方向与强度[52]。 **因子具体构建过程：** 使用均线距离（ma120 / ma240 - 1）[52]。趋势方向分数：当均线距离 > 0时为1，反之为-1[52]。趋势强度分数：当均线距离的max(20) = max(60)时为1，当min(20) = min(60)时为-1[52]。趋势综合分数 = (趋势方向分数 + 趋势强度分数) / 2[52]。 17. **因子名称：新高新低数** **因子构建思路：** 指数成分股的新高与新低个数可以作为市场情绪的反转信号[54]。 **因子具体构建过程：** 计算中证800成分股的（过去一年新低数 - 新高数），并取其20日移动平均（ma20）[54]。若该ma20 > 0，说明近期新低较多，市场有见底预期，此时看多，分数为1；反之发出看空信号，分数为-1[54]。 18. **因子名称：期权隐含升贴水** **因子构建思路：** 基于看涨看跌平价关系推导出期权隐含的标的升贴水，反映期权市场对未来标的收益率的预期与情绪，作为反转指标衡量市场拥挤度[58]。 **因子具体构建过程：** 若50ETF近5日收益率 < 0，且该指标分位数 < 30%，则看多持续20日，分数为1[58]。若50ETF近5日收益率 > 0，且该指标分位数 > 70%，则看空持续20日，分数为-1[58]。 19. **因子名称：期权VIX指数** **因子构建思路：** 反映期权投资者对未来标的波动率的预期与市场情绪，高VIX时市场倾向于反转[60]。 **因子具体构建过程：** 若50ETF近5日收益率 < 0，且该指标分位数 > 70%，则看多持续20日，分数为1[60]。若50ETF近5日收益率 > 0，且该指标分位数 > 70%，则看空持续20日，分数为-1[60]。 20. **因子名称：期权SKEW指数** **因子构建思路：** 反映期权投资者对未来标的偏度的预期与市场情绪，可用作反转指标[64]。 **因子具体构建过程：** 若50ETF近5日收益率 < 0，且该指标分位数 > 70%，则看多持续20日，分数为1[64]。若50ETF近5日收益率 > 0，且该指标分位数 < 30%，则看空持续20日，分数为-1[64]。 21. **因子名称：可转债定价偏离度** **因子构建思路：** 可转债估值水平能体现市场情绪，可用作反转指标，定价偏离度越高表明拥挤度越高[68]。 **因子具体构建过程：** 计算可转债定价偏离度 = 转债价格 / 模型定价 - 1[68]。计算分数 = 定价偏离度 × (-1) 并计算过去3年z-score得到分数[68]。在择时模型中，分数低（即定价偏离度高）时发出看空信号[68]。 模型的回测效果 *报告本周观点部分给出了各维度及综合模型的当前打分，可视为模型在特定时点的输出结果。* 1. **择时雷达六面图综合择时模型**，当前综合打分为-0.19分[6][9]。 2. **择时雷达六面图综合择时模型-流动性维度**，当前得分为0.25分[9]。 3. **择时雷达六面图综合择时模型-经济面维度**，当前得分为-0.50分[9]。 4. **择时雷达六面图综合择时模型-估值面维度**，当前得分为-0.65分[9]。 5. **择时雷达六面图综合择时模型-资金面维度**，当前得分为1.00分[9]。 6. **择时雷达六面图综合择时模型-技术面维度**，当前得分为0.00分[9]。 7. **择时雷达六面图综合择时模型-拥挤度维度**，当前得分为-1.00分[9]。 因子的回测效果 *报告图表3（对应文档10）列出了全部21个因子在“上周”和“当前”（即本周）的分数。* 1. **货币方向因子**，上周分数1.00，当前分数1.00[10]。 2. **货币强度因子**，上周分数0.00，当前分数0.00[10]。 3. **信用方向因子**，上周分数1.00，当前分数1.00[10]。 4. **信用强度因子**，上周分数-1.00，当前分数-1.00[10]。 5. **增长方向因子**，上周分数-1.00，当前分数-1.00[10]。 6. **增长强度因子**，上周分数1.00，当前分数1.00[10]。 7. **通胀方向因子**，上周分数-1.00，当前分数-1.00[10]。 8. **通胀强度因子**，上周分数-1.00，当前分数-1.00[10]。 9. **席勒ERP因子**，上周分数-0.05，当前分数-0.17[10]。 10. **PB因子**，上周分数-0.58，当前分数-0.77[10]。 11. **AIAE因子**，上周分数-0.91，当前分数-1.00[10]。 12. **两融增量因子**，上周分数1.00，当前分数1.00[10]。 13. **成交额趋势因子**，上周分数1.00，当前分数1.00[10]。 14. **中国主权CDS利差因子**，上周分数1.00，当前分数1.00[10]。 15. **海外风险厌恶指数因子**，上周分数1.00，当前分数1.00[10]。 16. **价格趋势因子**，上周分数1.00，当前分数1.00[10]。 17. **新高新低数因子**，上周分数-1.00，当前分数-1.00[10]。 18. **期权隐含升贴水因子**，上周分数-1.00，当前分数-1.00[10]。 19. **期权VIX指数因子**，上周分数0.00，当前分数-1.00[10]。 20. **期权SKEW指数因子**，上周分数-1.00，当前分数-1.00[10]。 21. **可转债定价偏离度因子**，上周分数-1.00，当前分数-1.00[10]。

量化模型与构建方式 1. **模型名称：A股景气度高频指数模型**[33] * **模型构建思路**：通过高频数据对A股整体景气度（以上证指数归母净利润同比为代表）进行实时预测（Nowcasting）[33]。 * **模型具体构建过程**：报告未提供该指数模型的具体构建公式和详细步骤，仅说明其目标变量是上证指数归母净利润同比[33]。 2. **模型名称：A股情绪指数择时模型**[37][38] * **模型构建思路**：基于市场波动率和成交额的变化方向构建情绪时钟，划分出四个不同的市场情绪象限，并根据历史统计规律（不同象限的收益特征）生成择时信号[37][38]。 * **模型具体构建过程**： 1. 将市场状态根据波动率和成交额的变化方向（上行或下行）划分为四个象限[37]。 2. 历史回测显示，仅“波动率上行-成交额下行”的区间表现为显著负收益，其余三个象限均为显著正收益[37]。 3. 基于此规律，分别构建了A股情绪见底预警指数（主要与价格波动相关）和见顶预警指数（主要与成交量相关）[37][42]。 4. 综合两个预警指数的信号（“多”或“空”）得出对后市的整体观点[42]。 3. **模型名称：中证500指数增强模型**[47][50] * **模型构建思路**：通过量化策略模型构建投资组合，旨在持续跑赢中证500指数基准[47]。 * **模型具体构建过程**：报告未提供该增强模型的具体因子构成、权重配置及组合优化公式，仅展示了其持仓明细和业绩表现[50][51]。 4. **模型名称：沪深300指数增强模型**[55][56] * **模型构建思路**：通过量化策略模型构建投资组合，旨在持续跑赢沪深300指数基准[55]。 * **模型具体构建过程**：报告未提供该增强模型的具体因子构成、权重配置及组合优化公式，仅展示了其持仓明细和业绩表现[56][59]。 5. **模型名称：主题挖掘算法模型**[47] * **模型构建思路**：利用文本分析技术（新闻和研报）自动挖掘市场热点主题及相关的投资机会[47]。 * **模型具体构建过程**：算法涉及文本处理、主题关键词提取、主题个股关系挖掘、主题活跃周期构建、主题影响力因子构建等多个维度[47]。 模型的回测效果 1. **中证500增强模型**，本周收益6.34%，跑输基准1.58%[47]。2020年至今，累计超额收益48.31%，最大回撤-8.19%[47]。 2. **沪深300增强模型**，本周收益3.50%，跑赢基准0.72%[55]。2020年至今，累计超额收益42.36%，最大回撤-5.86%[55]。 3. **A股情绪指数系统择时模型**，报告展示了其历史择时表现图表，但未给出具体的绩效指标数值[47]。 量化因子与构建方式 1. **因子体系：十大类风格因子体系**[60] * **因子构建思路**：参照BARRA因子模型框架，为A股市场构建一套系统的风格因子，用于描述股票收益的不同风险来源[60]。 * **因子具体构建过程**：报告列出了十大类风格因子的名称，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）[60]。但未提供每个因子的具体计算公式。 因子的回测效果 *注：报告未提供各个风格因子长期回测的绩效指标（如IC、IR、多空收益等），仅提供了近期（近一周、近20日）的纯因子收益率和表现描述。* 1. **风格因子（近一周表现）**：残差波动率因子超额收益较高，动量因子呈较为显著的负向超额收益[61]。高Beta因子近期表现优异，杠杆、盈利等因子表现不佳[61]。 2. **行业因子（近一周表现）**：国防军工、保险、传媒等行业因子跑出较高超额收益；消费者服务、农林牧渔、汽车等行业因子回撤较多[61]。

量化模型与构建方式 1. 短期择时模型 1. **模型名称**：短期择时模型[3][4][15] 2. **模型构建思路**：构建一个多维度、多指标的量化择时体系，综合评估市场在基本面、估值面、情绪面和流动性四个维度的状态，以生成总体的仓位信号[15][16][19]。 3. **模型具体构建过程**： * **一级指标与信号**：模型包含四个一级指标：基本面、估值面、情绪面、流动性。每个一级指标下包含若干二级具体指标[15][16][19]。 * **二级指标信号生成**：每个二级指标根据其当前值在过去5年历史数据中的分位数位置，被赋予一个定性信号（乐观、中性或谨慎）[15][16][19]。例如： * 基本面指标：制造业PMI > 50时给出乐观信号；人民币中长期贷款脉冲同比增速分位数处于中性区间时给出中性信号；M1同比增速（HP滤波去趋势）分位数高时给出乐观信号[15][19]。 * 估值面指标：A股整体PE和PB中位数的5年分位数处于高位（如100%）时，给出谨慎信号[15][19]。 * 情绪面指标：A股整体Beta离散度分位数高时给出谨慎信号；量能情绪分位数高时给出乐观信号；波动率分位数中性时给出中性信号[16][19]。 * 流动性指标：货币利率指标分位数低时给出乐观信号；汇率预期指标分位数低时给出乐观信号；两市5日平均新增融资额分位数高时给出中性信号[16][19]。 * **一级指标信号合成**：综合其下所有二级指标的信号，得出该一级指标的总体信号（乐观、中性或谨慎）[15][16][19]。 * **总仓位信号生成**：综合四个一级指标的信号，最终得出总的仓位配置建议（如乐观、震荡偏乐观等）[4][15]。 2. 成长价值风格轮动模型 1. **模型名称**：成长价值风格轮动模型[3][27] 2. **模型构建思路**：从基本面、估值面和情绪面三个维度构建量化指标，判断成长与价值风格的相对强弱，以进行风格轮动配置[27][29]。 3. **模型具体构建过程**： * **基本面维度**：基于量化经济中周期分析框架，考察三个周期指标[27]： * 盈利周期斜率：斜率大时利好成长风格。 * 利率综合周期水平：水平偏低时利好成长风格。 * 信贷综合周期变化：上行时利好成长风格。 综合三个指标信号，得出基本面维度的风格配置建议（如100%成长，0%价值）[27][29]。 * **估值面维度**：考察成长与价值风格的估值差[27]： * 成长价值PE差分位数：估值差均值回归上行中，利好成长。 * 成长价值PB差分位数：估值差反弹至偏高位置，利好均衡配置。 综合两个指标信号，得出估值面维度的风格配置建议[27][29]。 * **情绪面维度**：考察市场交易情绪在风格间的差异[27]： * 成长价值换手差分位数：换手差中性，利好均衡配置。 * 成长价值波动差分位数：波动差反弹至偏高位置，利好均衡配置。 综合两个指标信号，得出情绪面维度的风格配置建议[27][29]。 * **综合信号**：结合基本面、估值面、情绪面三个维度的配置建议，生成最终的成长与价值风格仓位比例[27][29]。 3. 小盘大盘风格轮动模型 1. **模型名称**：小盘大盘风格轮动模型[3][31] 2. **模型构建思路**：从流动性等视角出发，构建包含11个有效轮动指标的综合模型，以判断小盘与大盘风格的相对强弱[31]。 3. **模型具体构建过程**： * **指标池**：模型共使用11个轮动指标，包括A股龙虎榜买入强度、R007、融资买入余额变化、主题投资交易情绪、等级利差、期权波动率风险溢价、Beta离散度、PB分化度、大宗交易折溢价率、中证1000 MACD、中证1000交易量能等[31][33]。 * **信号生成**：每个指标独立生成看多小盘（仓位100%）或看多大盘（仓位0%）的信号[33]。 * **信号综合**：将所有11个指标的信号进行综合（具体综合方法未在本文中详述，但提及“构建综合大小盘轮动信号”），得出最终的综合轮动信号，即小盘与大盘的配置仓位比例[31][33]。 量化因子与构建方式 1. 5日均标准化交易量能指标 1. **因子名称**：5日均标准化交易量能指标[4][13] 2. **因子构建思路**：通过标准化处理近期市场的成交额，构建一个衡量市场交易活跃度与情绪强弱的指标[4][13]。 3. **因子具体构建过程**：报告未给出具体计算公式，但描述了其构建逻辑。该指标很可能是计算市场（如全A）最近5个交易日的平均成交额，然后通过Z-Score或分位数排名等方法，将其标准化至历史区间（如过去5年）内，以判断当前量能所处的相对水平[4][13]。 2. 两市5日新增融资买入余额 1. **因子名称**：两市5日新增融资买入余额[4][13] 2. **因子构建思路**：监测融资买入资金的短期变化，作为衡量市场杠杆情绪和过热风险的指标[4][13]。 3. **因子具体构建过程**：报告未给出具体计算公式。该因子可能是指沪深两市最近5个交易日的融资买入额每日新增部分的均值或总和，用于观察杠杆资金入场的速度和强度[4][13]。 3. 交易拥挤度 1. **因子名称**：交易拥挤度[13] 2. **因子构建思路**：通过测量市场交易行为的集中程度，来判断行情是否过热或健康[13]。 3. **因子具体构建过程**：报告未给出具体计算公式，但通过两个子维度进行观察： * **主题交易集中度**：集中度走低表明市场呈现多点开花、主题轮动的健康行情[13]。 * **PB分化度**：分化度上行也支持市场行情健康扩散的观点[13]。 4. A股整体Beta离散度 1. **因子名称**：A股整体Beta离散度[16][19] 2. **因子构建思路**：衡量市场上个股收益率与市场收益率关联性（Beta）的离散程度，作为市场情绪和分歧度的指标[16][19]。 3. **因子具体构建过程**：报告未给出具体计算公式。该因子可能通过计算全市场个股Beta值的标准差或其他离散统计量来构建，离散度高通常意味着市场分歧大[16][19]。 5. 成长价值PE/PB估值差 1. **因子名称**：成长价值PE估值差、成长价值PB估值差[27][29] 2. **因子构建思路**：计算成长风格与价值风格在估值水平上的差异，作为风格间估值性价比的衡量指标，用于均值回归分析[27][29]。 3. **因子具体构建过程**：报告未给出具体计算公式。该因子可能通过计算代表成长风格的指数（如国证成长）与代表价值风格的指数（如国证价值）的PE（或PB）中位数之差来构建，并计算该差值在历史（如5年）上的分位数[27][29]。 模型的回测效果 1. 短期择时模型 * **回测区间**：2012年底至今（全区间）及2024年以来[18][24] * **基准策略**：月度中性持仓再平衡[18] * **年化收益率**：16.64%（全区间）， 30.85%（2024年以来）[18][24] * **基准年化收益率**：5.04%（全区间）， 10.73%（2024年以来）[18][24] * **年化超额收益率**：11.60%（全区间）[18] * **年化波动率**：14.80%（全区间）， 16.59%（2024年以来）[18][24] * **最大回撤**：15.05%（全区间）， 11.04%（2024年以来）[18][24] * **夏普比率**：0.9793（全区间）， 1.5837（2024年以来）[18][24] * **收益回撤比**：1.1058（全区间）， 2.7946（2024年以来）[18][24] * **月度胜率**：66.46%（全区间）， 73.08%（2024年以来）[18][24] * **季度胜率**：61.11%（全区间）[18] * **年度胜率**：80.00%（全区间）[18] 2. 成长价值风格轮动模型 * **回测区间**：2012年底至今[28][30] * **基准策略**：月度风格均衡配置（成长价值等权）[28][30] * **年化收益率**：13.21%[30] * **基准年化收益率**：8.31%[30] * **年化超额收益率**：4.90%[28] * **年化波动率**：20.77%[30] * **最大回撤**：43.07%[30] * **夏普比率**：0.6058[30] * **收益回撤比**：0.3067[30] * **月度胜率**：58.60%[30] * **季度胜率**：60.38%[30] 3. 小盘大盘风格轮动模型 * **回测区间**：2014年以来[32][33] * **基准收益**：未明确说明基准构成，但对比了策略收益与基准收益[33] * **年化收益率**：综合信号3D平滑策略为20.51%[33] * **年化超额收益率**：综合信号3D平滑策略为12.89%[33] * **最大回撤**：综合信号3D平滑策略为40.70%[33] * **年度超额收益**：自2014年至2026年（年初至今），每年均产生正向超额收益[32][33]

量化模型与构建方式 1. **模型名称：量能择时模型**[1][12][22] * **模型构建思路**：通过分析主要宽基指数的量能指标变化，来判断市场情绪和趋势，从而发出择时信号[1][12]。 * **模型具体构建过程**：报告未详细描述该模型的具体计算步骤和公式，仅提及根据“量能指标”进行判断，并给出了各宽基指数的择时观点[22][23]。 2. **模型名称：沪深300上涨家数占比择时模型**[23][26] * **模型构建思路**：通过计算沪深300指数成分股中过去一段时间内收益为正的股票占比，来衡量市场情绪和赚钱效应，并利用该指标的短期与长期移动平均线的关系来生成交易信号[23][26]。 * **模型具体构建过程**： 1. 计算沪深300指数N日上涨家数占比：统计沪深300指数成分股中，过去N个交易日收益率大于0的个股数量，并计算其占总成分股数的比例[23]。 $$沪深300指数N日上涨家数占比 = \frac{过去N日收益大于0的个股数}{沪深300指数成分股总数}$$ 2. 对上述指标值进行两次不同窗口期的指数移动平均（EMA），得到慢线（窗口期N1）和快线（窗口期N2），其中N1 > N2。报告中参数为N1=50， N2=35[26]。 3. 生成信号：当快线大于慢线时，看多市场；当快线小于慢线时，对市场持中性态度[26]。 3. **模型名称：均线情绪指标择时模型**[30][31] * **模型构建思路**：通过判断沪深300指数收盘价与一组长期均线（八均线体系）的相对位置，来评估市场的趋势状态和情绪，并据此生成交易信号[30]。 * **模型具体构建过程**： 1. 计算沪深300指数的八条均线，均线参数分别为8, 13, 21, 34, 55, 89, 144, 233[30]。 2. 计算当日沪深300指数收盘价大于这八条均线数值的数量[31]。 3. 生成信号：当收盘价大于均线值的数量超过5条时，看多沪深300指数[31]。 4. **因子名称：估值分位数（PE TTM）**[2][19][20] * **因子构建思路**：使用市盈率（TTM）的历史分位数来评估宽基指数或行业指数的估值水平，并将其划分为“安全”、“适中”、“危险”等级，以判断其估值风险[2][19][20]。 * **因子具体构建过程**： 1. 计算指数或行业的当前市盈率（PE_TTM）。 2. 计算该PE_TTM在近10年历史数据中的分位数。报告提到了两种分位数计算方式：“区间比”和“绝对值比”，但未给出具体公式[20][21]。 3. 根据“绝对值比”分位数进行等级划分：安全(0,20%]，适中(20%,80%]，危险(80%,100%][20][21]。 5. **因子名称：横截面波动率**[35][36][37] * **因子构建思路**：计算特定指数（如沪深300、中证500、中证1000）成分股在截面上的收益率波动率，用以衡量市场分化程度和选股（Alpha）环境的好坏[35]。 * **因子具体构建过程**：报告未给出具体的计算公式，但指出其用于观察指数成分股的横截面波动情况，并提供了不同时间窗口的平均值[35][37]。 6. **因子名称：时间序列波动率**[37][38][40] * **因子构建思路**：计算特定指数成分股加权的时间序列波动率，用以衡量市场整体波动水平和风险环境，进而评估Alpha策略的实施环境[37]。 * **因子具体构建过程**：报告未给出具体的计算公式，但指出其用于观察指数成分股加权后的时间序列波动情况，并提供了不同时间窗口的平均值[37][40]。 7. **因子名称：基金抱团分离度**[3][77] * **因子构建思路**：通过计算抱团基金组合截面收益率的标准差，来度量公募基金的抱团程度。标准差越小，说明抱团基金表现越趋同，抱团程度越高；反之则表示抱团正在瓦解[77]。 * **因子具体构建过程**： 1. 构造抱团基金组合。 2. 计算该组合内各基金在同一时期的截面收益率。 3. 计算这些截面收益率的标准差，该标准差即为“分离度”指标[77]。 模型的回测效果 *报告未提供各量化择时模型（如量能择时、上涨家数占比择时、均线情绪择时）的具体回测绩效指标（如年化收益率、夏普比率、最大回撤等）。* 量化因子与构建方式 *（因子部分已在“量化模型与构建方式”中列出，此处不再重复）* 因子的回测效果 1. **横截面波动率因子**[37] * **沪深300横截面波动率**：近两年平均值1.99%，近一年平均值1.96%，近半年平均值1.98%，近一季度平均值2.07%[37]。 * **中证500横截面波动率**：近两年平均值2.22%，近一年平均值2.22%，近半年平均值2.29%，近一季度平均值2.32%[37]。 * **中证1000横截面波动率**：近两年平均值2.47%，近一年平均值2.48%，近半年平均值2.47%，近一季度平均值2.50%[37]。 2. **时间序列波动率因子**[40] * **沪深300时序波动率**：近两年平均值1.03%，近一年平均值0.93%，近半年平均值1.01%，近一季度平均值0.96%[40]。 * **中证500时序波动率**：近两年平均值1.36%，近一年平均值1.15%，近半年平均值1.22%，近一季度平均值1.16%[40]。 * **中证1000时序波动率**：近两年平均值1.55%，近一年平均值1.23%，近半年平均值1.13%，近一季度平均值1.11%[40]。 3. **股指期货贴水率因子**[56][62] * **上证50贴水率**：近两年平均值-0.01%，近一年平均值-0.05%，近半年平均值0.04%，近一季度平均值0.03%[62]。 * **沪深300贴水率**：近两年平均值-0.03%，近一年平均值-0.10%，近半年平均值-0.03%，近一季度平均值-0.03%[62]。 * **中证500贴水率**：近两年平均值-0.17%，近一年平均值-0.28%，近半年平均值-0.20%，近一季度平均值-0.11%[62]。 * **中证1000贴水率**：近两年平均值-0.27%，近一年平均值-0.36%，近半年平均值-0.28%，近一季度平均值-0.19%[62]。

量化模型与构建方式 1. **模型名称：成交量模型**[1][8][11][13] * **模型构建思路**：基于价量关系进行短期市场择时，核心思想简单普世[8]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 2. **模型名称：特征龙虎榜机构模型**[1][11][13] * **模型构建思路**：利用龙虎榜中的机构买卖行为特征进行短期市场择时[1][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 3. **模型名称：特征成交量模型**[1][13] * **模型构建思路**：基于特定的成交量特征进行短期市场择时[1][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 4. **模型名称：智能算法沪深300模型 / 智能算法中证500模型**[1][11][13] * **模型构建思路**：应用智能算法（如机器学习）对沪深300或中证500指数进行短期择时[1][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 5. **模型名称：涨跌停模型**[1][11][13] * **模型构建思路**：基于市场涨跌停股票的数量或相关特征进行中期市场择时[1][8][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 6. **模型名称：上下行收益差模型**[1][11][13][16] * **模型构建思路**：通过比较市场上行和下行收益的差异来进行中期市场择时[1][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 7. **模型名称：月历效应模型**[1][13] * **模型构建思路**：基于月份、季节等时间周期相关的市场规律进行中期择时[1][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 8. **模型名称：长期动量模型**[1][14] * **模型构建思路**：基于资产的长期价格趋势（动量）进行长期市场择时[1][14]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 9. **模型名称：A股综合兵器V3模型 / A股综合国证2000模型**[1][15] * **模型构建思路**：将不同周期或不同策略的择时模型信号进行耦合，形成综合择时观点，以达到攻守兼备的效果[8][15]。 * **模型具体构建过程**：报告未提供该模型的具体耦合方法和详细步骤。 10. **模型名称：成交额倒波幅模型**[1][11][16] * **模型构建思路**：结合成交额与波动率（波幅）指标进行港股中期择时[1][16]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 11. **模型名称：形态识别模型（双底形态、杯柄形态）**[45][46][47][52] * **模型构建思路**：通过识别股票价格走势图中的特定技术形态（如双底、杯柄）来捕捉突破机会，进行选股或择时[45][46]。 * **模型具体构建过程**：报告未提供形态识别的具体量化规则和算法步骤，但展示了识别出的形态关键点（如A、B、C点）和形态持续时间（长度）[49][51][55][56][57][58][59][60]。 12. **模型名称：HCVIX模型**[41][43][45] * **模型构建思路**：复现并计算中国市场的波动率指数（VIX），作为判断市场情绪的参考指标，该指数通常与大盘呈现负相关关系[41][43]。 * **模型具体构建过程**：根据公开的VIX计算方法进行复现，计算基于50ETF、沪深300指数等期权的隐含波动率[43]。报告未提供具体的计算公式。 模型的回测效果 1. **双底形态模型**，本周收益5.73%，同期上证综指收益3.82%，本周超额收益1.91%，自2020年12月31日至今累计收益22.56%，累计超额收益3.92%[46] 2. **杯柄形态模型**，本周收益4.05%，同期上证综指收益3.82%，本周超额收益0.23%，自2020年12月31日至今累计收益17.11%，累计超额收益-1.53%[46] 3. **上周杯柄形态突破个股组合**，平均超额收益1.99%[47] 4. **上周双底形态突破个股组合**，平均超额收益1.94%[52] 量化因子与构建方式 1. **因子名称：分析师一致预期调整比例**[20][21][24] * **因子构建思路**：通过统计行业内分析师上调或下调盈利预测的个股比例，来观察行业层面的预期变化[20][21]。 * **因子具体构建过程**：对于每个行业，计算本周内盈利预测被上调的个股数占行业总覆盖个股数的比例，以及被下调的个股比例[20][24]。报告未提供具体公式。 因子的回测效果 *(报告未提供因子的独立测试结果，如IC、IR、多空收益等)*

量化模型与构建方式 **本报告未涉及具体的量化模型或量化因子的构建、测试与评价。** 报告内容主要为市场回顾、技术分析解读及行业主题展望[6][8][11][15][18][20][23][26][27][30][31][34][35][38]。 模型的回测效果 **本报告未提供任何量化模型的回测效果指标。** 量化因子与构建方式 **本报告未涉及具体的量化因子的构建、测试与评价。** 因子的回测效果 **本报告未提供任何量化因子的回测效果指标。**

量化模型与因子总结 根据所提供的量化基金业绩跟踪周报，报告核心内容为对各类公募量化基金（指数增强、主动量化、市场中性）的历史业绩进行统计、分析和展示[1][2][3]。报告本身并未涉及具体的**量化模型**或**量化因子**的构建、测试与评价。 报告的主要内容是业绩结果的呈现，包括不同时间窗口（本周、本月、近一年等）下，各类基金的平均收益/超额收益、分位数、跟踪误差、最大回撤等指标的统计值[10]。同时，报告也展示了基于基金等权组合构建的模拟净值走势[22][23][26][28][29][31][32]。 因此，本报告是一份**基金业绩跟踪报告**，而非关于**量化模型或因子**的研究报告。报告中未提及任何具体的模型名称、因子构建思路、构建过程或公式。 模型的回测效果 （报告中无相关内容） 量化因子与构建方式 （报告中无相关内容） 因子的回测效果 （报告中无相关内容）

量化模型与因子总结 量化因子与构建方式 1. **因子名称：基差比例因子**[15][17][21] * **因子构建思路**：通过计算股指期货价格与其对应现货指数价格的相对差异（基差），来衡量市场情绪和套利空间。贴水（负基差）通常可能反映市场悲观情绪或流动性紧张，升水（正基差）则可能反映看涨情绪[15][23]。 * **因子具体构建过程**：对于特定指数（如上证50、沪深300等），选取其股指期货次月合约的结算价和对应现货指数的收盘价进行计算。 * 计算公式为： $$基差比例 = \frac{期货结算价}{对应现货指数收盘价} - 1$$ * 该比值以百分比表示，正值代表期货升水，负值代表期货贴水[21]。 2. **因子名称：股指期货期限结构因子**[23][26][28] * **因子构建思路**：通过比较同一标的股指期货不同到期月份合约之间的价差（升贴水结构），来反映市场对未来不同时间点的预期。远月合约相对于近月合约的升贴水变化，可以揭示市场情绪的期限结构[23]。 * **因子具体构建过程**：对于同一标的指数（如沪深300、中证1000），同时计算其近月合约与远月合约（如次月 vs 当季、次季等）的基差比例，然后观察其差值或结构形态[26][28][30]。 3. **因子名称：国债期货隐含收益率因子**[32][39][41] * **因子构建思路**：通过国债期货价格反推出的隐含到期收益率，与现货国债收益率进行比较，以反映期货市场投资者对未来利率走势的预期。隐含收益率低于现货收益率，可能表明市场预期未来利率下降（债券价格上涨），情绪偏乐观[32][39]。 * **因子具体构建过程**：根据国债期货合约的报价和交割条款，使用定价模型计算其隐含的到期收益率。报告中直接引用了该数据，并与10年期国债现货收益率进行对比[39][41]。 4. **因子名称：国债期货期限结构因子**[43][45][49] * **因子构建思路**：类似于股指期货，通过比较国债期货不同期限合约之间的价差，来反映市场对未来利率路径的预期。升水结构可能预期利率下行，贴水结构可能预期利率上行[43]。 * **因子具体构建过程**：计算同一品种（如10年期、30年期国债期货）不同到期月份合约的价格差，例如近月合约与远月合约的价差，并观察其变动情况[45][48][49]。 5. **因子名称：期权波动率指数（VIX）因子**[52][53][54] * **因子构建思路**：利用期权价格编制的波动率指数，反映市场对未来30天标的资产波动率的预期，是衡量市场恐慌或不确定性情绪的重要指标[52]。 * **因子具体构建过程**：报告直接跟踪了各大期权品种的VIX指数，如300ETF期权、50ETF期权、1000指数期权等的VIX数据[53][54]。该指数通常由平值及虚值期权价格通过特定模型（如模型无关的方差互换公式）计算得出。 6. **因子名称：期权波动率偏离因子**[60][62] * **因子构建思路**：通过比较期权市场隐含波动率（如VIX）与标的资产的历史实际波动率，判断期权定价的相对高低。隐含波动率低于历史波动率可能意味着期权价值被低估[60]。 * **因子具体构建过程**：将期权VIX指数与标的指数计算出的历史波动率进行对比。报告中指出，1000指数期权波动率（隐含）小幅低于标的的实际波动率，而300ETF期权波动率与标的的实际波动率持平[60]。 7. **因子名称：期权持仓量PCR（Put/Call Ratio）因子**[64][66][68] * **因子构建思路**：通过计算看跌期权（Put）与看涨期权（Call）的持仓量比值，来衡量市场多空情绪。PCR上升通常被视为市场情绪转向谨慎或悲观的信号，下降则可能反映情绪转向乐观[64][70]。 * **因子具体构建过程**：分别统计特定期权品种（如50ETF期权、300ETF期权）所有合约的看跌期权总持仓量和看涨期权总持仓量，然后计算比值。 * 计算公式为： $$持仓量 PCR = \frac{看跌期权总持仓量}{看涨期权总持仓量}$$ 因子的回测效果 > **注意**：本报告为市场监测月报，主要展示各因子在特定时间段（2025年12月）的观测值或状态描述，并未提供基于历史数据的标准化回测绩效指标（如年化收益、夏普比率、信息比率IR等）。因此，以下“取值”为报告所述的现象或数据结论。 1. **基差比例因子** * **具体取值**：2025年12月，主要指数股指期货贴水幅度维持在低水平。上证50与沪深300贴水不明显，中证500和中证1000仍有一定贴水。例如，12月31日，上证50、沪深300、中证500、中证1000的次月合约基差比例分别为-0.20%、-0.44%、-0.77%、-1.20%[20][22]。 2. **股指期货期限结构因子** * **具体取值**：远月合约贴水幅度大于近月合约，结构稳定。平均贴水比例较上月收窄，反映投资者情绪中性偏积极[26][28]。 3. **国债期货隐含收益率因子** * **具体取值**：截至2025年12月31日，10年期国债期货对应隐含收益率为1.76%，低于现货对应的1.85%[39]。 4. **国债期货期限结构因子** * **具体取值**：12月份，10年期国债期货近远月合约价差在0附近波动，反映投资者对未来债市情绪中性[49]。 5. **期权波动率指数（VIX）因子** * **具体取值**：12月份，主要期权VIX指数走势平稳。例如，12月31日，300ETF期权、50ETF期权、1000指数期权的VIX分别为16.35%、14.69%、20.24%[54]。 6. **期权波动率偏离因子** * **具体取值**：12月份，1000指数期权波动率小幅低于标的的实际波动率，300ETF期权波动率与标的的实际波动率持平，显示期权价值合理或低估[60]。 7. **期权持仓量PCR（Put/Call Ratio）因子** * **具体取值**：12月份，300ETF期权和50ETF期权的PCR指标从11月的上行转为下行，显示市场情绪偏谨慎[70]。

量化模型与构建方式 1. **模型名称**：港股精选组合模型[14] **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**： 1. **构建分析师推荐股票池**：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，构建初始股票池[15] 2. **基本面与技术面双层筛选**：对分析师推荐股票池中的股票，从基本面和技术面两个维度进行精选，具体筛选标准未在本报告中详述，但参考了专题报告《基于分析师推荐视角的港股投资策略》[14][15] **模型评价**：该模型在港股市场长期回测中表现出色，获得了显著的超额收益[15] 2. **模型/因子名称**：平稳创新高股票筛选模型[21][23] **模型/因子构建思路**：基于动量效应和趋势跟踪理论，从创出近期新高的股票中，筛选出分析师关注度高、股价走势相对强势且路径平稳的股票，以捕捉市场热点[21][23] **模型/因子具体构建过程**： 1. **基础股票池**：全部港股，但剔除成立时间不超过15个月的股票[24] 2. **计算250日新高距离**：作为核心指标，用于判断创新高状态及强度[23] $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 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。该值越接近0，表示股价越接近或创出新高[23] 3. **分层筛选条件**： * **样本池**：过去20个交易日创出过250日新高的股票[23] * **分析师关注度**：过去6个月买入或增持评级的分析师研报不少于5份[24] * **股价相对强弱**：过去250日涨跌幅位于样本池前20%[24] * **股价平稳性**：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（最少取50只）[24] * **价格路径平滑性**：股价位移路程比，计算公式为 $\frac{过去120日涨跌幅绝对值}{过去120日日涨跌幅绝对值加总}$[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[24] * **趋势延续性**：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只股票作为最终组合[24] 模型的回测效果 1. **港股精选组合模型**[20] * 全样本年化收益：19.08%[20] * 全样本相对恒生指数超额收益：18.06%[20] * 全样本信息比(IR)：1.19[20] * 全样本跟踪误差：14.60%[20] * 全样本最大回撤：23.73%[20] * 全样本收益回撤比：0.76[20] * 本周(20260105-20260109)绝对收益：3.72%[18] * 本周(20260105-20260109)超额收益(相对恒指)：4.12%[18] * 本年(20260102-20260109)绝对收益：6.16%[18] * 本年(20260102-20260109)超额收益(相对恒指)：3.81%[18] 量化因子与构建方式 1. **因子名称**：250日新高距离[23] **因子构建思路**：衡量当前股价相对于过去一段时间最高点的位置，用于识别创出新高的股票，是动量效应和趋势跟踪策略的核心指标[21][23] **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个交易日收盘价的最大值[23] * 若最新收盘价创出新高，则因子值为0[23] * 若最新收盘价较新高回落，则因子值为正值，表示回落幅度[23] 2. **因子名称**：价格路径平滑性（股价位移路程比）[23][24] **因子构建思路**：通过比较一段时间内的净涨幅与累计波动幅度，来度量股价上涨路径的平稳程度，平稳上涨的股票被认为趋势更健康[23][24] **因子具体构建过程**： $$价格路径平滑性 = \frac{过去120日涨跌幅绝对值}{过去120日日涨跌幅绝对值加总}$$ 该比值越接近1，表明股价路径越平滑（上涨过程中回撤小）[23] 3. **因子名称**：创新高持续性[24] **因子构建思路**：通过计算过去一段时间内“250日新高距离”因子的均值，来评估股票维持强势、接近新高状态的能力[24] **因子具体构建过程**： 计算过去120个交易日的“250日新高距离”因子的时间序列均值[24] 该均值越小，表明股票在近期越能持续保持在接近新高的位置[24] 4. **因子名称**：趋势延续性[24] **因子构建思路**：通过计算最近几个交易日内“250日新高距离”因子的均值，来捕捉短期趋势的强弱，用于筛选近期强势延续的股票[24] **因子具体构建过程**： 计算过去5个交易日的“250日新高距离”因子的时间序列均值[24] 该值越小，表明股票在近期（短期）内越强势，越接近新高[24]

量化模型与因子总结 量化模型与构建方式 1. **模型名称：国信金工多因子指数增强模型**[11][12] * **模型构建思路**：以多因子选股为主体，通过收益预测、风险控制和组合优化三个主要步骤，构建能够稳定战胜特定基准指数（如沪深300、中证500等）的增强组合[11][12]。 * **模型具体构建过程**： 1. **收益预测**：基于多因子模型对股票未来收益进行预测。 2. **风险控制**：控制组合相对于基准指数在行业、风格（如市值）等方面的暴露，以控制跟踪误差。 3. **组合优化**：在满足风险约束的条件下，通过优化算法求解最优的股票权重，以最大化预期收益或信息比率。具体优化模型未在提供内容中详细展开，但提及了包含行业中性、风格中性等约束[12]。 2. **模型名称：单因子MFE（Maximized Factor Exposure）组合模型**[15][40] * **模型构建思路**：为了在更贴近实际投资约束（如行业、风格暴露控制）的条件下检验单因子的有效性，采用组合优化的方式，构建一个在满足各项约束下最大化该因子暴露的投资组合，通过该组合相对于基准的表现来判断因子有效性[15][40]。 * **模型具体构建过程**： 1. **优化目标**：最大化组合在目标单因子上的加权暴露。 2. **约束条件**：包括控制组合相对于基准指数的风格暴露、行业偏离、个股权重偏离、成分股内权重占比、禁止卖空以及权重和为1等[40][41]。 3. **优化模型公式**： $$\begin{array}{ll}\max & f^{T}w \\\ s.t. & s_{l} \leq X(w-w_{b}) \leq s_{h} \\\ & h_{l} \leq H(w-w_{b}) \leq h_{h} \\\ & w_{l} \leq w-w_{b} \leq w_{h} \\\ & b_{l} \leq B_{b}w \leq b_{h} \\\ & \mathbf{0} \leq w \leq l \\\ & \mathbf{1}^{T}w = 1\end{array}$$ 其中： * $f$ 为因子取值向量。 * $w$ 为待求解的股票权重向量。 * $w_b$ 为基准指数成分股权重向量。 * $X$ 为股票对风格因子的暴露矩阵。 * $s_l$, $s_h$ 为风格因子相对暴露的上下限。 * $H$ 为股票的行业暴露矩阵。 * $h_l$, $h_h$ 为行业偏离的上下限。 * $w_l$, $w_h$ 为个股相对于基准权重偏离的上下限。 * $B_b$ 为个股是否属于基准指数成分股的0-1向量。 * $b_l$, $b_h$ 为成分股内权重占比的上下限。 * $l$ 为个股权重上限。 * $\mathbf{1}$ 为元素全为1的向量[40][41]。 4. **构建流程**：每月末，根据设定的约束条件（如行业中性、市值中性、个股权重偏离限制等），通过求解上述优化问题，为每个因子构建其MFE组合，并进行换仓和回测[44]。 3. **模型名称：公募重仓指数**[42][43] * **模型构建思路**：为了测试因子在公募基金这一重要市场参与者持仓池中的有效性，通过汇总公募基金的持股信息，构建一个代表“机构风格”的动态指数作为新的因子测试样本空间[42]。 * **模型具体构建过程**： 1. **样本基金筛选**：选取普通股票型和偏股混合型基金，剔除规模小于五千万且上市不足半年的基金[43]。 2. **持仓数据获取**：从基金的定期报告（年报、半年报、季报）中获取持股信息。对于季报，需结合前期的年报或半年报信息来构建完整持仓[43]。 3. **权重计算与成分股选取**：将所有符合条件基金的持仓股票权重进行平均，得到公募基金平均持仓。将平均后的股票权重降序排列，选取累计权重达到90%的股票作为成分股，以此构建公募重仓指数[43]。 量化因子与构建方式 报告构建了一个包含30余个因子的因子库，涵盖多个维度[16][17]。 1. **因子类别：估值** * **因子名称与构建过程**： * **BP**：净资产除以总市值[17]。 * **单季EP**：单季度归母净利润除以总市值[17]。 * **单季SP**：单季度营业收入除以总市值[17]。 * **EPTTM**：过去12个月（TTM）归母净利润除以总市值[17]。 * **SPTTM**：过去12个月（TTM）营业收入除以总市值[17]。 * **EPTTM分位点**：EPTTM值在过去一年历史序列中的分位点[17]。 * **股息率**：最近四个季度预案分红金额除以总市值[17]。 2. **因子类别：反转** * **因子名称与构建过程**： * **一个月反转**：过去20个交易日的涨跌幅[17]。 * **三个月反转**：过去60个交易日的涨跌幅[17]。 3. **因子类别：动量** * **因子名称与构建过程**： * **一年动量**：近一年（剔除最近一个月）的股价动量[17]。 4. **因子类别：成长** * **因子名称与构建过程**： * **单季净利同比增速**：单季度净利润的同比增长率[17]。 * **单季营收同比增速**：单季度营业收入的同比增长率[17]。 * **单季营利同比增速**：单季度营业利润的同比增长率[17]。 * **SUE (标准化预期外盈利)**：(单季度实际净利润 - 预期净利润) / 预期净利润的标准差[17]。 * **SUR (标准化预期外收入)**：(单季度实际营业收入 - 预期营业收入) / 预期营业收入的标准差[17]。 * **单季超预期幅度**：预期单季度净利润除以财报公布的单季度净利润[17]。 5. **因子类别：盈利** * **因子名称与构建过程**： * **单季ROE**：(单季度归母净利润 * 2) / (期初归母净资产 + 期末归母净资产)[17]。 * **单季ROA**：(单季度归母净利润 * 2) / (期初归母总资产 + 期末归母总资产)[17]。 * **DELTAROE**：当期单季度净资产收益率 - 去年同期单季度净资产收益率[17]。 * **DELTAROA**：当期单季度总资产收益率 - 去年同期单季度总资产收益率[17]。 6. **因子类别：流动性** * **因子名称与构建过程**： * **非流动性冲击**：过去20个交易日的日涨跌幅绝对值与成交额比值的均值[17]。 * **一个月换手**：过去20个交易日换手率的均值[17]。 * **三个月换手**：过去60个交易日换手率的均值[17]。 7. **因子类别：波动** * **因子名称与构建过程**： * **特异度**：1 - 过去20个交易日Fama-French三因子回归模型的拟合优度(R²)[17]。 * **一个月波动**：过去20个交易日日内真实波幅的均值[17]。 * **三个月波动**：过去60个交易日日内真实波幅的均值[17]。 8. **因子类别：公司治理** * **因子名称与构建过程**： * **高管薪酬**：公司前三名高管报酬总额的自然对数[17]。 9. **因子类别：分析师** * **因子名称与构建过程**： * **预期EPTTM**：基于分析师一致预期的滚动市盈率(EP)的倒数[17]。 * **预期BP**：基于分析师一致预期的滚动市净率(PB)的倒数[17]。 * **预期PEG**：基于分析师一致预期的PEG比率[17]。 * **预期净利润环比**：当前一致预期净利润除以3个月前的一致预期净利润[17]。 * **三个月盈利上下调**：过去3个月内，分析师上调家数减去下调家数，再除以总覆盖家数[17]。 * **三个月机构覆盖**：过去3个月内覆盖该公司的机构（分析师团队）数量[17]。 模型的回测效果 * **国信金工指数增强组合**（截至2026年1月9日当周）[5][14] * **沪深300增强组合**：本周超额收益0.44%，本年超额收益0.44%[5][14]。 * **中证500增强组合**：本周超额收益-1.80%，本年超额收益-1.80%[5][14]。 * **中证1000增强组合**：本周超额收益-2.20%，本年超额收益-2.20%[5][14]。 * **中证A500增强组合**：本周超额收益0.61%，本年超额收益0.61%[5][14]。 因子的回测效果 以下为各因子在对应样本空间中，其MFE组合在“最近一周”的表现（超额收益）[18][21][23][25][27]。 1. **沪深300样本空间** [18] * **三个月机构覆盖**：0.86% * **DELTAROA**：0.61% * **DELTAROE**：0.52% * **单季EP**：0.44% * **单季ROA**：0.31% * **EPTTM年分位点**：0.19% * **高管薪酬**：0.13% * **三个月反转**：0.11% * **SPTTM**：0.05% * **预期BP**：0.04% * **单季净利同比增速**：0.04% * **EPTTM**：0.03% * **预期PEG**：0.03% * **单季营利同比增速**：0.03% * **标准化预期外盈利(SUE)**：0.03% * **一个月反转**：-0.04% * **单季超预期幅度**：-0.05% * **BP**：-0.06% * **三个月波动**：-0.06% * **一个月波动**：-0.09% * **三个月换手**：-0.12% * **三个月盈利上下调**：-0.13% * **单季营收同比增速**：-0.13% * **单季ROE**：-0.13% * **单季SP**：-0.14% * **预期EPTTM**：-0.15% * **标准化预期外收入(SUR)**：-0.24% * **一个月换手**：-0.27% * **股息率**：-0.28% * **非流动性冲击**：-0.42% * **特异度**：-0.42% * **一年动量**：-0.45% * **预期净利润环比**：-0.78% 2. **中证500样本空间** [21] * **单季净利同比增速**：表现较好 * **预期净利润环比**：表现较好 * **特异度**：表现较好 * **一个月波动**：表现较差 * **EPTTM**：表现较差 * **单季ROE**：表现较差 * *(注：文档未提供具体数值表，仅文字描述)* 3. **中证1000样本空间** [23] * **一年动量**：1.94% * **单季营收同比增速**：1.31% * **标准化预期外收入(SUR)**：0.92% * **三个月机构覆盖**：0.81% * **三个月反转**：0.72% * **预期净利润环比**：0.32% * **高管薪酬**：0.27% * **三个月盈利上下调**：0.22% * **DELTAROA**：0.03% * **单季净利同比增速**：0.03% * **标准化预期外盈利(SUE)**：-0.05% * **单季营利同比增速**：-0.21% * **非流动性冲击**：-0.30% * **一个月反转**：-0.33% * **特异度**：-0.63% * **单季ROE**：-0.67% * **EPTTM年分位点**：-0.72% * **预期PEG**：-0.74% * **单季超预期幅度**：-1.02% * **DELTAROE**：-1.09% * **单季SP**：-1.42% * **SPTTM**：-1.46% * **单季ROA**：-1.66% * **一个月换手**：-2.15% * **三个月换手**：-2.30% * **一个月波动**：-2.47% * **BP**：-2.56% * **预期BP**：-2.79% * **单季EP**：-3.04% * **三个月波动**：-3.09% * **预期EPTTM**：-3.22% * **股息率**：-3.27% * **EPTTM**：-3.56% 4. **中证A500样本空间** [25] * **单季净利同比增速**：1.14% * **DELTAROE**：0.88% * **单季营利同比增速**：0.70% * **三个月反转**：0.29% * **单季SP**：0.25% * **三个月机构覆盖**：0.21% * **高管薪酬**：0.20% * **预期PEG**：0.02% * **DELTAROA**：0.00% * **标准化预期外收入(SUR)**：-0.09% * **标准化预期外盈利(SUE)**：-0.20% * **特异度**：-0.21% * **BP**：-0.25% * **EPTTM年分位点**：-0.25% * **SPTTM**：-0.27% * **预期BP**：-0.28% * **非流动性冲击**：-0.30% * **单季超预期幅度**：-0.32% * **一个月反转**：-0.32% * **预期净利润环比**：-0.36% * **三个月盈利上下调**：-0.43% * **单季营收同比增速**：-0.43% * **一年动量**：-0.43% * **三个月换手**：-0.46% * **一个月换手**：-0.53% * **预期EPTTM**：-0.74% * **单季ROA**：-0.78% * **单季EP**：-0.87% * **股息率**：-0.89% * **单季ROE**：-0.98% * **三个月波动**：-1.09% * **一个月波动**：-1.22% * **EPTTM**：-1.29% 5. **公募重仓指数样本空间** [27] * **单季净利同比增速**：表现较好 * **预期净利润环比**：表现较好 * **三个月反转**：表现较好 * **预期EPTTM**：表现较差 * **EPTTM**：表现较差 * **一个月波动**：表现较差 * *(注：文档未提供具体数值表，仅文字描述)*