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**：通过计算当前收盘价与过去250日最高价的相对距离，来衡量股票或指数接近历史高点的程度，用于捕捉趋势强度和动量效应[11] **因子具体构建过程**： 对于给定的证券，在时间点t，其250日新高距离的计算公式为： $$250 \text{ 日新高距离} = 1 - \frac{{\text{Close}_t}}{{\text{ts\_max}(\text{Close}, 250)}}$$[11] 其中，$\text{Close}_t$代表证券在时间点t的最新收盘价，$\text{ts\_max}(\text{Close}, 250)$代表该证券在过去250个交易日中收盘价的最大值[11] **因子评价**：该因子是趋势跟踪和动量策略中的核心指标，能有效识别处于强势上升通道的标的[11] 2. **因子名称**：平稳创新高股票筛选因子[23][26] **因子构建思路**：在创250日新高的股票池中，结合分析师关注度、股价相对强弱、价格路径平滑性、创新高持续性等多维度指标，筛选出以更平稳方式创出新高的股票，以捕捉更强且更持续的动量效应[23][26] **因子具体构建过程**： 筛选过程分为多个步骤，具体条件如下： - **初筛股票池**：选择过去20个交易日内曾创出250日新高的股票[19][26] - **分析师关注度**：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[26] - **股价相对强弱**：过去250日涨跌幅位于全市场所有股票的前20%[26] - **多指标综合打分**：对通过上述条件的股票，使用以下两个指标进行综合打分，并保留排名在前50%的股票[26] - **价格路径平滑性（股价位移路程比）**：计算公式为 $\frac{{\text{过去120日涨跌幅的绝对值}}}{{\text{过去120日日涨跌幅绝对值之和}}}$[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[26] - **趋势延续性**：依据过去5日的250日新高距离在时间序列上的均值进行排序，最终选取排名最靠前的50只股票作为平稳创新高股票[26] 因子回测效果 1. **250日新高距离因子** 截至2025年9月26日，主要指数的250日新高距离取值如下[12]： - 上证指数：1.43% - 深证成指：1.76% - 沪深300指数：0.95% - 中证500指数：1.37% - 中证1000指数：2.08% - 中证2000指数：3.67% - 创业板指：2.60% - 科创50指数：1.60% 截至同一时间，部分中信一级行业的250日新高距离取值如下[13]： - 电力设备及新能源行业：1.69% - 有色金属行业：0.82% - 电子行业：2.65% - 传媒行业：2.74% - 机械行业：2.09% - 食品饮料行业：距离较远（无具体值） - 银行业：距离较远（无具体值） - 煤炭行业：距离较远（无具体值） - 交通运输行业：距离较远（无具体值） - 综合金融行业：距离较远（无具体值） 2. **平稳创新高股票筛选因子** 该因子的直接回测数值指标（如IC、IR、多空收益等）在所提供的研报内容中未明确给出。其输出结果是50只筛选出的股票列表[27][31]。 截至2025年9月26日，应用该因子筛选出的平稳创新高股票在不同板块的分布数量如下[27]： - 科技板块：20只 - 制造板块：13只 - 周期板块：筛选出部分股票（未提供总数） - 消费板块：筛选出部分股票（未提供总数） - 医药板块：筛选出部分股票（未提供总数） - 大金融板块：筛选出部分股票（未提供总数） 在科技板块中，电子行业的入选股票最多；在制造板块中，机械行业的入选股票最多[27]。

根据研报内容，本报告主要对A股市场主要宽基指数进行多维度数据跟踪和统计，并未涉及具体的量化模型或量化因子的构建、测试与评价。报告内容集中于市场现状描述和指标展示[1][2][3][5][7][9][10][13][15][17][18][19][20][21][23][25][26][27][28][30][31][33][35][37][38][39][40][42][43][44][45][47][49][50][51][52][53]。 报告跟踪的指标主要包括各类宽基指数（如上证50、沪深300等）的以下方面： 1. 市场表现：如日涨幅、周涨幅、月涨幅等[10] 2. 均线比较：指数收盘价与不同周期移动平均线（MA5, MA10, MA20等）的比较[13] 3. 资金占比与换手率[15] 4. 日收益分布特征：如峰度、偏度[21][23] 5. 风险溢价：指数收益率与十年期国债即期收益率之差[25][26][27][28] 6. 估值指标：PE-TTM（滚动市盈率）及其历史分位值[35][37][38][39][40] 7. 股债性价比：PE-TTM倒数与十年期国债收益率之差[42] 8. 股息率[44][45][47][49][50] 9. 破净率[49][51][53] 这些指标均为对市场状态的直接描述和统计，并非用于预测或选股的量化因子或模型。因此，无法按照要求总结量化模型或量化因子的名称、构建思路、构建过程、评价及测试结果。

量化模型与构建方式 本报告为市场数据跟踪报告，未涉及具体的量化模型或量化因子的构建[1][2][3][4][5][7][9][11][12][13][14][16][18][19][21][22][23][24][25][26][28][29][30][32][35][36][38][40][42][43][44][45][47][48][49][50][52][54][55][56][57][58][59][60][61][62][63][64][65] 量化因子与构建方式 1. **因子名称**：风险溢价因子；**因子构建思路**：衡量宽基指数相对于无风险利率（十年期国债）的超额收益，以评估其投资价值和市场偏离程度[28]；**因子具体构建过程**：计算各宽基指数的收益率与十年期国债即期收益率之差。公式为： $$风险溢价 = 指数收益率 - 无风险利率$$ 其中，指数收益率通常指指数的预期或历史收益率，无风险利率采用十年期国债即期收益率[28][29][30][32] 2. **因子名称**：股债性价比因子；**因子构建思路**：通过比较股票市场估值（PE-TTM倒数）与债券收益率（十年期国债）的差异，来判断股票和债券哪类资产更具投资吸引力[47]；**因子具体构建过程**：计算各宽基指数市盈率倒数（盈利收益率）与十年期国债即期收益率之差。公式为： $$股债性价比 = \frac{1}{PE-TTM} - 无风险利率$$ 其中，PE-TTM为指数滚动市盈率[44][45][47] 3. **因子名称**：破净率因子；**因子构建思路**：通过计算指数中市净率（PB）小于1的成份股占比，来反映市场的整体估值水平和悲观情绪[54][56]；**因子具体构建过程**：对于每一个宽基指数，遍历其所有成分股，统计其市净率（PB）小于1的个股数量，再除以指数成分股总数量。公式为： $$破净率 = \frac{指数中PB < 1的成份股数量}{指数成份股总数量}$$ 市净率（PB）= 每股股价 / 每股净资产[54][56] 4. **因子名称**：换手率因子；**因子构建思路**：衡量指数整体的交易活跃程度，高换手率通常意味着高流动性或高市场关注度[18][19]；**因子具体构建过程**：计算指数成分股的加权平均换手率。公式为： $$指数换手率 = \frac{\sum(成分股流通股本 \times 成分股换手率)}{\sum(成分股流通股本)}$$ 其中，成分股换手率 = 该股当日成交量 / 流通股本[19] 因子回测效果 1. **风险溢价因子**，当前风险溢价取值：上证50为0.68%[32]，沪深300为1.02%[32]，中证500为1.98%[32]，中证1000为1.69%[32]，中证2000为1.38%[32]，中证全指为1.38%[32]，创业板指为2.27%[32]；近5年分位值取值：上证50为79.37%[32]，沪深300为85.95%[32]，中证500为96.67%[32]，中证1000为90.63%[32]，中证2000为84.29%[32]，中证全指为90.63%[32]，创业板指为91.19%[32] 2. **股债性价比因子**，当前股债性价比状态：所有指数均未高于其80%分位（机会值），中证500低于其20%分位（危险值）且低于其近1年平均值减一倍标准差，显示其回撤风险较大[47] 3. **破净率因子**，当前破净率取值：上证50为24.0%[56]，沪深300为16.33%[56]，中证500为11.6%[56]，中证1000为7.6%[56]，中证2000为3.5%[56]，中证全指为6.27%[56]，创业板指为1.0%[56] 4. **换手率因子**，当前换手率取值：中证2000为3.93[18]，创业板指为3.7[18]，中证1000为2.88[18]，中证500为2.12[18]，中证全指为1.86[18]，沪深300为0.67[18]，上证50为0.3[18]

根据提供的研报内容，报告主要介绍了一只跟踪国证港股通消费主题指数的ETF产品及其标的指数，并未涉及量化模型或量化因子的构建、测试与评价。报告的核心是对指数编制方法、指数特征、宏观政策及市场环境的分析。 量化模型与构建方式 经全面查阅，本篇研报未涉及任何量化模型或量化因子的构建思路、具体过程及评价。 模型的回测效果 经全面查阅，本篇研报未提供任何量化模型的回测效果及指标取值。 量化因子与构建方式 经全面查阅，本篇研报未涉及任何量化因子的构建思路、具体过程及评价。 因子的回测效果 经全面查阅，本篇研报未提供任何量化因子的回测效果及指标取值。 指数编制方法 1. **指数名称**：国证港股通消费主题指数[3][11] 2. **指数构建思路**：为反映港股通范围内消费领域相关上市公司的运行特征，丰富指数化投资工具而编制[3][11]。 3. **指数具体构建过程**： * **样本空间**：港交所上市股票中具备互联互通标的资格的股票[43]。 * **筛选要求**：公司最近一年无重大违规、财务报告无重大问题；考察期内证券价格无异常波动；公司最近一年经营无异常、无重大亏损[43]。 * **选样方法**： 1. 剔除选样空间内最近一年日均成交金额排名位于后10%的股票[43]。 2. 对选样空间剩余股票按照最近一年日均总市值从高到低排序，选取前50只股票作为指数样本股[43]。 * **加权方式**：采用派氏加权法进行逐日连锁计算[3][11]。 * **基日与基点**：基日为2014年12月30日，基点为1000点[3][11]。 4. **指数评价**：指数成份股在大市值区间较为集中，在中小市值区间分布均较为均衡，指数整体兼备龙头与均衡属性[11][52]。指数权重分配较为集中于龙头股，兼具高弹性与成长性[56]。 指数表现与特征 1. **国证港股通消费主题指数** * **累计收益 (2014-12-31 至 2025-09-16)**：24.22%[71] * **相较恒生等权重指数超额收益**：32.04%[71] * **相较恒生指数超额收益**：12.21%[71] * **最新PE(TTM) (截至2025-09-16)**：19.30[75] * **历史PE分位数 (发布以来)**：低于80.88%的时间点[75] * **前十大成份股集中度**：54.73%[56] * **Wind一致预期未来2年净利润增速 (前十大加权)**：33.09%[56] * **加权ROE(TTM) (前十大)**：27.30%[56] * **加权PE(TTM) (前十大)**：30.94[56] * **加权PB(MRQ) (前十大)**：9.37[56] * **预测营收增速 (2025E)**：7.50%[59] * **预测净利润增速 (2025E)**：14.40%[59] * **加权回购金额 (2021-01-01 至 2025-06-30)**：7.77亿港元[68]

量化模型与构建方式 1. 逆周期配置模型 - **模型名称**：逆周期配置模型[3][26] - **模型构建思路**：借助代理变量预测未来的宏观环境，选择不同环境下表现最优的几类资产构建绝对收益组合[26] - **模型具体构建过程**： 1. 使用代理变量（未具体说明）预测宏观环境（如 Inflation 等） 2. 根据预测结果选择当期最优资产类别（如股票、债券、商品等） 3. 构建资产组合并定期调整[26] 2. 宏观动量模型 - **模型名称**：宏观动量模型[26] - **模型构建思路**：从经济增长、通货膨胀、利率、汇率和风险情绪等多个维度构建因子，对股票、债券等大类资产进行择时[26] - **模型具体构建过程**： 1. 选取多维度宏观指标（经济增长、通胀、利率、汇率、风险情绪等） 2. 构建综合动量信号 3. 生成资产择时观点（如正向、中性等）[26] 3. 黄金择时策略 - **模型名称**：黄金择时策略[26] - **模型构建思路**：通过宏观、持仓、量价和情绪等因子构建多周期择时模型[26] - **模型具体构建过程**： 1. 选取宏观、持仓、量价、情绪四类因子 2. 按多周期（未具体说明）计算信号 3. 生成黄金资产择时观点[26] 4. 行业 ETF 轮动策略 - **模型名称**：行业 ETF 轮动策略[3][27] - **模型构建思路**：从行业历史基本面、预期基本面、情绪面、量价技术面、宏观经济等维度构建多因子行业轮动策略[27] - **模型具体构建过程**： 1. 确定基准池：覆盖 23 个一级行业对应的 ETF[27] 2. 构建多因子模型（因子包括历史基本面、预期基本面、情绪、量价、宏观等） 3. 每月生成行业 ETF 组合并等权配置[27][29] 5. 股债混合配置策略 - **模型名称**：股债混合配置策略[4][31] - **模型构建思路**：通过固定比例再平衡或风险平价方法分配股债资产，追求绝对收益[4][31] - **模型具体构建过程**： - **再平衡策略**：每月或每季度将股债比例调整至预设目标（如 20/80）[4][41] - **风险平价策略**：根据资产风险贡献动态分配权重，使各类资产风险贡献均衡[4][31] 6. 量化固收+股票端策略 - **模型名称**：量化固收+股票端策略[4][40] - **模型构建思路**：在固收+产品中采用量化方法构建股票端组合，包括价值、成长、股息等风格[4][41] - **模型具体构建过程**： 1. 选择股票端策略（如 PB 盈利、高股息、小盘价值、小盘成长等） 2. 设定股债比例（如 10/90 或 20/80） 3. 每月再平衡或结合择时模型调整[41] --- 量化因子与构建方式 1. PB 盈利因子 - **因子名称**：PB 盈利因子[4][41] - **因子构建思路**：结合市净率（PB）和盈利指标选股，偏向价值风格[4][41] - **因子具体构建过程**：未详细说明，但应用于股票组合构建[41] 2. 高股息因子 - **因子名称**：高股息因子[4][41] - **因子构建思路**：选取高股息率股票，追求稳定收益[4][41] - **因子具体构建过程**：未详细说明，但应用于股票组合构建[41] 3. 小盘价值因子 - **因子名称**：小盘价值因子[4][41] - **因子构建思路**：选取小市值且估值较低的股票，兼顾成长性和价值性[4][41] - **因子具体构建过程**：未详细说明，但应用于股票组合构建[41] 4. 小盘成长因子 - **因子名称**：小盘成长因子[4][41] - **因子构建思路**：选取小市值且成长性较高的股票，追求超额收益[4][41] - **因子具体构建过程**：未详细说明，但应用于股票组合构建[41] --- 模型的回测效果 1. 行业 ETF 轮动策略 - 上周收益：0.61%[3] - 上周超额收益：0.76%[3] - 9 月累计收益：0.82%[3] - 9 月超额收益：0.28%[3] 2. 股债混合策略 | 策略名称 | 上周收益 | 本月收益 | 本年收益 | 年化波动率 | 最大回撤 | 夏普比率 | |---------|----------|----------|----------|-------------|----------|-----------| | （宏观择时）股债 20/80 再平衡 | -0.10% | -0.09% | 3.85% | 3.38% | 1.78% | 1.61 | | （宏观择时）股债风险平价 | -0.01% | -0.15% | 1.58% | 1.75% | 1.50% | 1.27 | | （宏观择时）股、债、黄金风险平价 | -0.04% | 0.23% | 2.73% | 2.06% | 1.49% | 1.87 | | （宏观择时+行业 ETF 轮动）股债 20/80 再平衡 | 0.22% | 0.21% | 7.83% | 5.28% | 2.54% | 2.12 | | （宏观择时+行业 ETF 轮动）股债风险平价 | 0.11% | -0.03% | 2.94% | 2.18% | 1.45% | 1.90 | 3. 量化固收+策略 | 策略名称 | 上周收益 | 本月收益 | 本年收益 | 年化波动率 | 最大回撤 | 夏普比率 | |---------|----------|----------|----------|-------------|----------|-----------| | 不择时+10/90 月度再平衡 PB 盈利 | -0.18% | -0.04% | 2.49% | 2.34% | 1.82% | -0.01 | | 不择时+10/90 月度再平衡 高股息 | -0.12% | -0.09% | 1.91% | 2.09% | 1.39% | -0.18 | | 不择时+10/90 月度再平衡 小盘价值 | -0.27% | -0.07% | 5.35% | 3.55% | 3.69% | 0.47 | | 不择时+10/90 月度再平衡 小盘成长 | -0.17% | -0.05% | 5.85% | 3.60% | 3.86% | 0.54 | | 不择时+20/80 月度再平衡 PB 盈利 | -0.39% | -0.11% | 4.06% | 4.71% | 3.79% | 0.19 | | 不择时+20/80 月度再平衡 高股息 | -0.28% | -0.22% | 2.88% | 4.19% | 3.47% | 0.05 | | 不择时+20/80 月度再平衡 小盘价值 | -0.57% | -0.16% | 9.91% | 7.14% | 7.74% | 0.60 | | 不择时+20/80 月度再平衡 小盘成长 | -0.37% | -0.14% | 10.95% | 7.25% | 8.07% | 0.68 | | 宏观择时+20/80 月度再平衡 PB 盈利 | -0.64% | -0.19% | 4.82% | 5.21% | 3.65% | 0.26 | | 宏观择时+20/80 月度再平衡 高股息 | -0.45% | -0.37% | 3.88% | 4.54% | 2.63% | 0.18 | | 宏观择时+20/80 月度再平衡 小盘价值 | -1.01% | -0.31% | 9.71% | 8.17% | 7.21% | 0.51 | | 宏观择时+20/80 月度再平衡 小盘成长 | -0.69% | -0.28% | 12.41% | 8.08% | 7.34% | 0.71 | | 逆周期+20/80 季度再平衡 PB 盈利+小盘价值 | -0.41% | -0.11% | 4.07% | 4.67% | 3.70% | 0.19 | | 逆周期+20/80 季度再平衡 PB 盈利+小盘成长 | -0.41% | -0.11% | 4.07% | 4.67% | 3.70% | 0.19 | --- 因子的回测效果 （注：报告中未单独列出因子层面的回测指标，仅作为组合策略的一部分呈现）

根据提供的研报内容，以下是关于量化因子的总结。报告主要对多个市场的“中观因子”进行跟踪和描述，并未涉及具体的量化模型，也未提供因子构建的详细公式和具体的回测指标取值。因此，总结将集中于报告中明确提及的因子。 量化因子与构建方式 **1. 权益市场中观因子** * **因子名称**：大小盘风格[14] * **因子构建思路**：用于衡量市场在市值维度上的风格偏向，即市场资金更倾向于大盘股还是小盘股[14] * **因子名称**：价值成长风格[14] * **因子构建思路**：用于衡量市场在估值与成长性维度上的风格偏向，即市场资金更倾向于价值股还是成长股[14] * **因子名称**：大小盘风格波动[14] * **因子构建思路**：用于衡量大小盘风格的稳定性或变化剧烈程度[14] * **因子名称**：价值成长风格波动[14] * **因子构建思路**：用于衡量价值成长风格的稳定性或变化剧烈程度[14] * **因子名称**：行业指数超额收益离散度[14] * **因子构建思路**：用于衡量不同行业之间表现差异的程度，离散度高表明行业分化明显[14] * **因子名称**：行业轮动度量[14] * **因子构建思路**：用于衡量市场热点在不同行业间切换的速度[14] * **因子名称**：成分股上涨比例[14] * **因子构建思路**：通过计算特定指数中上涨股票的数量占比，来反映市场的整体赚钱效应和广度[14] * **因子名称**：前100个股成交额占比[14] * **因子构建思路**：通过计算成交额前100的个股总成交额占市场总成交额的比例，来反映资金在个股层面的集中度[14] * **因子名称**：前5行业成交额占比[14] * **因子构建思路**：通过计算成交额前5的行业总成交额占市场总成交额的比例，来反映资金在行业层面的集中度[14] * **因子名称**：指数波动率[14] * **因子构建思路**：用于衡量市场整体价格的波动程度，是市场风险的表征之一[14] * **因子名称**：指数换手率[14] * **因子构建思路**：用于衡量市场的交易活跃程度和流动性水平[14] **2. 商品市场中观因子** * **因子名称**：趋势强度[30] * **因子构建思路**：用于衡量商品期货价格趋势的强弱程度，通常基于价格动量和趋势跟踪指标[30] * **因子名称**：成交活跃度[30] * **因子构建思路**：用于衡量商品期货市场的交易活跃程度，报告中指出其与波动率相关[30] * **因子名称**：市场流动性[30] * **因子构建思路**：用于衡量商品期货市场的流动性状况[30] * **因子名称**：期限结构[30] * **因子构建思路**：在报告中具体体现为基差动量，用于衡量期货合约不同期限之间价差关系的变化[30] **3. 期权市场中观因子** * **因子名称**：隐含波动率水平[33] * **因子构建思路**：从期权价格中反推得出的市场对未来波动率的预期，是衡量市场情绪和风险预期的重要指标[33] * **因子名称**：看跌期权偏度[33] * **因子构建思路**：用于衡量不同行权价的看跌期权隐含波动率之间的差异，反映市场对下行风险的担忧程度[33] * **因子名称**：看涨期权偏度[33] * **因子构建思路**：用于衡量不同行权价的看涨期权隐含波动率之间的差异，反映市场对上行风险的预期[33] **4. 可转债市场中观因子** * **因子名称**：百元转股溢价率[36] * **因子构建思路**：用于衡量可转债价格相对于其转换价值的溢价程度，是评估可转债估值水平的核心指标之一[36] * **因子名称**：低转股溢价率转债占比[36] * **因子构建思路**：通过统计市场中转股溢价率处于低水平的可转债数量或规模占比，来反映转债市场的股性强弱和整体估值结构[36] * **因子名称**：可转债市场成交额[36] * **因子构建思路**：用于衡量可转债市场的整体交易活跃度和流动性[36] 因子的回测效果 本报告为市场因子跟踪周报，主要描述各因子在特定时间窗口（2025年9月15日至9月19日）的状态和短期变化方向，未提供因子长期的历史回测效果指标（如IC值、IR、多空收益等）[3][12][13][24][33][36]。

量化模型与构建方式 1 **模型名称：行业拥挤度监测模型** - **模型构建思路**：通过多维度指标监测申万一级行业指数的拥挤程度，识别高拥挤和低拥挤行业[3] - **模型具体构建过程**： 1. 选取申万一级行业指数作为标的 2. 计算各行业的拥挤度指标（具体指标未在报告中明确列出，但可能包含价格波动、资金流向、换手率等） 3. 对指标进行标准化或分位数处理，生成每日拥挤度评分 4. 根据评分排名，识别高拥挤（如电力设备、电子）和低拥挤行业（如食品饮料、美容护理、石化）[3] 2 **模型名称：溢价率 Z-score 模型** - **模型构建思路**：通过计算ETF溢价率的Z-score值，识别存在套利机会的ETF产品[4] - **模型具体构建过程**： 1. 计算ETF的溢价率： $$溢价率 = \frac{ETF市价 - ETF净值}{ETF净值}$$ 2. 计算溢价率的滚动均值和滚动标准差（窗口期未明确） 3. 计算Z-score： $$Z = \frac{当前溢价率 - 滚动均值}{滚动标准差}$$ 4. 设定阈值（未明确具体值），筛选Z-score异常的ETF作为关注信号[4] --- 量化因子与构建方式 1 **因子名称：主力资金净流动因子** - **因子构建思路**：通过监测主力资金在行业或ETF中的净流入/流出情况，反映资金动向[2][5] - **因子具体构建过程**： 1. 计算单日或多日主力资金净流动金额： $$净流动金额 = 流入金额 - 流出金额$$ 2. 按行业（申万一级）或ETF类别（宽基、行业主题等）分类统计[5][11] 3. 生成排名（如TOP3流入/流出）或时间序列数据[5] --- 模型的回测效果 （报告中未提供模型回测结果） --- 因子的回测效果 1. **主力资金净流动因子**： - 近期表现（2025/9/22）： - 宽基ETF净流出71.31亿元，行业主题ETF净流出30.93亿元，风格策略ETF净流出0.39亿元，跨境ETF净流入20.46亿元[5] - 行业资金流向：电子行业主力资金流入，电力设备、传媒行业流出[3] - 近3日资金动向：减配计算机、电力设备；增配房地产、纺织服饰[3] 2. **行业拥挤度因子**： - 近期表现（截至2025/9/22）： - 高拥挤行业：电力设备、电子（拥挤度评分靠前） - 低拥挤行业：食品饮料、美容护理、石化（拥挤度评分较低） - 变动较大行业：煤炭、有色金属[3] 3. **ETF溢价率Z-score因子**： - 近期关注标的（2025/9/22）： - 道琼斯ETF（513400.SH）、中证500ETF平安（510590.SH）、中证500成长ETF（562340.SH）、香港证券ETF（513090.SH）、黄金ETF基金（518660.SH）[10] ---

根据研报内容，以下是关于量化模型和因子的总结： 量化模型与构建方式 **1. 股指期现套利模型** - **模型构建思路**：当股指期货的市场价格偏离其理论价格时，通过在期货和现货市场上低买高卖并持有至基差收敛而获得收益[45] - **模型具体构建过程**：模型分为正向套利和反向套利两种策略[45] - 正向套利（现货低估、期货高估）：卖出期货合约，买入现货[45] - 反向套利（现货高估、期货低估）：买入期货合约，卖出现货[45] - 套利收益率计算公式： - 正向套利：$$P={\frac{(F_{\mathrm{t}}-S_{\mathrm{t}})-(S_{\mathrm{t}}+F_{\mathrm{t}}M_{\mathrm{t}})(1+r_{\mathrm{t}})^{\frac{T-t}{360}}-S_{\mathrm{t}}C s-F_{\mathrm{t}}C f)}{S_{\mathrm{t}}+F_{\mathrm{t}}M_{\mathrm{t}}}}$$[46] - 反向套利：$$P={\frac{(S_{t}-F_{t})-(S_{t}M l+F_{t}M_{f})(1+r_{f})^{\frac{T-t}{360}}-S_{t}C s-F_{t}C f-S_{t}r^{\frac{T-t}{360}})}{S_{t}M l+F_{t}M_{f}}}$$[46] - 参数说明：$S_t$、$F_t$为t时刻现货与期货价格，$S_T$、$F_T$为T时刻价格，$M_f$、$M_l$为期货与融券保证金比率，$C_s$、$C_f$为现货与期货交易费用比率，$r_f$为无风险利率，$r_l$为融券年利率[46] - 参数取值：股指期货单边交易费用取万分之零点二三，现货单边交易费用取千分之一，期货和融券保证金分别为20%和50%，融券利率为年化10.6%[46] **2. 股利预估模型** - **模型构建思路**：通过历史分红规律预测分红点位，修正基差率以跟踪市场真实的基差率水平[47] - **模型具体构建过程**： - 分红预测方法：对于已实施/已公布分红预案的按实际计算，未公布的采用EPS×预测派息率[47] - EPS取值规则： - 预测时间t小于10月：使用上年度数据，EPS取年报披露EPS，未披露时取上年度12月31日的EPS_TTM[47] - 预测时间t大于10月：对明年分红预测，EPS取t时间的EPS_TTM[47] - 预测派息率确定方法： - 稳定派息公司：取过去三年派息率均值[52] - 不稳定派息但盈利公司：取上一年度派息率[52] - 未盈利、上市不足一年等：预测派息率为0[52] - 分红点位计算公式：分红点位 = ∑(每股分红 × 指数收盘价 × 成分股权重 / 成分股收盘价) = ∑(EPS × 预测派息率 × 指数收盘价 × 成分股权重 / 成分股收盘价)[50] 量化因子与构建方式 **1. 基差率因子** - **因子构建思路**：衡量期货价格与现货价格之间的差异程度[13] - **因子具体构建过程**：$$基差率 = \frac{指数对应主力合约 - 指数}{指数}$$[13] - **因子评价**：基差变化与分红影响、投资者交易情绪的相关度较高[12] **2. 年化基差率因子** - **因子构建思路**：将基差率年化处理，便于跨期比较[15] - **因子具体构建过程**：$$年化基差率 = \frac{指数对应当季合约 - 指数}{指数} \div 剩余交易日天数 \times 252$$[15] **3. 跨期价差率因子** - **因子构建思路**：衡量不同期限期货合约之间的价格差异[13] - **因子具体构建过程**：$$跨期价差率 = \frac{当月合约价格 - 下月合约价格}{当月合约价格}$$[13] 模型的回测效果 *注：研报中未提供具体的模型回测效果指标取值* 因子的回测效果 **1. 基差率因子** - 沪深300期指主力合约基差率：-0.664%[13] - 中证500期指主力合约基差率：0.223%[13] - 中证1000期指主力合约基差率：0.243%[13] - 上证50期指主力合约基差率：-1.879%[13] **2. 年化基差率因子** - 沪深300期指当季合约年化基差率：-4.66%[11] - 中证500期指当季合约年化基差率：-12.51%[11] - 中证1000期指当季合约年化基差率：-14.77%[11] - 上证50期指当季合约年化基差率：-0.06%[11] **3. 跨期价差率因子** - 沪深300期指跨期价差分位数：78.30%[11] - 中证500期指跨期价差分位数：73.30%[11] - 中证1000期指跨期价差分位数：84.20%[11] - 上证50期指跨期价差分位数：63.90%[11]

根据您提供的研报内容，以下是关于量化模型与因子的总结： 量化因子与构建方式 1. **因子名称**：净股息率[46] **因子构建思路**：用于筛选高股息证券，是恒生港股通高股息率指数的核心选股标准，旨在反映公司的分红水平和相对估值[9][46]。 **因子具体构建过程**： 1. 计算每只证券的净股息率，公式为： $$净股息率 = \frac{除税后之每股派息}{股息数据截至日之收市价格}$$[46] 2. 每股派息指股息数据截止当天，过去一年公布的现金股息。若证券每半年（或每季）发放股息，即以最近两个中期（或四个季度)之总股息计算。[46] 3. 对净股息率高于7%的证券进行再度检视并重新计算，任何一次性现金之派息将被剔除。[46] 4. 最终，过去三年平均净股息率排名最高的50只证券会被选为指数成份股。[46] **因子评价**：该因子是红利策略中较为常用的指标，能体现企业的分红水平并从派息层面反映个股的相对估值水平，有助于在保证收益波动减小的同时提升收益的稳定性和投资者持有体验。[9] 模型的回测效果 1. **恒生港股通高股息率指数**，累计收益63.78%[71]，年化波动率20.41%[77] 2. **恒生港股通高股息率指数股息累计指数**，累计收益63.78%[71]，年化波动率20.39%[77] 因子的回测效果 1. **净股息率因子**，近12个月股息率6.05%[49][50]

根据提供的研报内容，该报告主要对A股市场主要宽基指数进行多维度数据跟踪和统计，并未涉及具体的量化交易模型或用于选股的量化因子。报告的核心内容是展示各类市场指标的当前状态和历史比较。 量化模型与构建方式 报告未涉及具体的量化交易模型。 量化因子与构建方式 报告未涉及用于选股或组合构建的量化因子。报告中所提及的均为对市场整体或宽基指数的描述性统计指标，例如风险溢价、PE-TTM等，这些指标用于衡量市场状态，而非作为预测未来收益的因子。 市场指标与构建方式 以下是报告中重点跟踪和分析的市场指标： **1 指标名称：风险溢价** * **指标构建思路**：以十年期国债即期收益率为无风险利率的参考，计算各宽基指数收益率与其的差值，用以衡量股票市场相对于无风险资产的超额收益和投资价值[25]。 * **指标具体构建过程**：风险溢价 = 宽基指数收益率 - 十年期国债即期收益率[26][27]。报告中对各指数的风险溢价进行了历史分布分析，并计算了其在近1年和近5年的分位值[27][29]。 * **指标评价**：各跟踪指数的风险溢价有明显的均值复归现象。中证1000和中证2000的风险溢价波动率相对较大[26]。上证50的分布更集中，而中证1000、中证2000和创业板指的风险溢价分布较分散，不确定性相对更大[32]。 **2 指标名称：市盈率（PE-TTM）** * **指标构建思路**：观察各指数的滚动市盈率作为估值参考，衡量各指数在当前时点的投资价值[37]。 * **指标具体构建过程**：PE-TTM = 总市值 / 最近12个月净利润总和。报告跟踪了各宽基指数的PE-TTM绝对值及其历史分位值[37][38][40]。 * **指标评价**：各宽基指数的PE-TTM分位数在2024年9月底附近探底后急速拉升，整体中枢上移，保持震荡上扬趋势[37]。 **3 指标名称：股债性价比** * **指标构建思路**：通过比较股票市场收益率与债券收益率的差异，辅助进行资产配置决策[43]。 * **指标具体构建过程**：股债性价比 = (1 / 宽基指数PE-TTM) - 十年期国债即期收益率[43]。报告将当前值与近5年的分位值（如80%分位和20%分位）进行比较[43]。 **4 指标名称：股息率** * **指标构建思路**：股息率反映现金分红回报率，红利投资是一种投资风格。在市场低迷时期，高股息因其稳定的现金流和较低的估值而成为避风港[45]。 * **指标具体构建过程**：股息率 = 近12个月现金分红总额 / 总市值。报告跟踪了各宽基指数的当前股息率及其历史分位值[45][50][51]。 **5 指标名称：破净率** * **指标构建思路**：破净意味着股票价格跌破公司每股净资产值，反映市场的估值态度。破净数和占比越高，低估的情况越普遍[50]。 * **指标具体构建过程**：破净率 = 指数成分股中市净率（PB）小于1的股票数量 / 指数总成分股数量。报告展示了各宽基指数的当前破净率[50][52]。 **6 指标名称：指数换手率** * **指标构建思路**：衡量市场的交易活跃度[16]。 * **指标具体构建过程**：指数换手率计算方式为：Σ(成分股流通股本 * 成分股换手率) / Σ(成分股流通股本)[16]。 **7 指标名称：收益分布形态（峰度和偏度）** * **指标构建思路**：通过分析日收益率的分布形态（峰度和偏度），了解收益分布的集中程度和偏斜方向[22]。 * **指标具体构建过程**：报告计算了各宽基指数当前日收益率分布的峰度（Kurtosis）和偏度（Skewness），并与近5年的历史数据进行比较。在峰度计算中减去了3（正态分布峰度）以观察偏离程度[22][23]。 指标的回测效果 报告未提供基于这些指标构建的投资策略的回测效果（如年化收益率、夏普比率等）。报告主要呈现了这些指标在特定时点（2025年9月22日）的截面数据以及短期（近1年）和中期（近5年）的历史统计值。部分关键指标的当前取值和历史分位值如下： **风险溢价近5年分位值 (截至2025-09-22)[29]** * 中证500: 76.11% * 上证50: 70.56% * 中证1000: 70.40% * 沪深300: 70.32% * 中证全指: 69.68% * 创业板指: 65.24% * 中证2000: 57.70% **PE-TTM近5年历史分位值 (截至2025-09-22)[40][41]** * 中证500: 99.92% * 中证全指: 96.78% * 中证1000: 95.70% * 中证2000: 86.78% * 沪深300: 82.07% * 上证50: 81.49% * 创业板指: 59.75% **股息率近5年历史分位值 (截至2025-09-22)[50][51]** * 创业板指: 65.04% * 中证1000: 41.07% * 上证50: 38.26% * 沪深300: 37.02% * 中证全指: 34.55% * 中证500: 14.30% * 中证2000: 12.31% **破净率 (截至2025-09-22)[52]** * 上证50: 24.0% * 沪深300: 17.0% * 中证500: 11.8% * 中证1000: 7.8% * 中证全指: 6.37% * 中证2000: 3.5% * 创业板指: 1.0%