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)*

量化模型与因子总结 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）两个核心指标进行选股，旨在寻找估值合理且盈利能力强的公司[24]。 * **模型具体构建过程：** 报告未详细描述该组合的具体构建公式和步骤，仅提及其为基于PB和ROE指标构建的组合[24]。 2. **模型名称：机构调研组合（公募调研选股策略）** * **模型构建思路：** 利用公募基金调研上市公司的行为信息进行选股[27]。 * **模型具体构建过程：** 报告未详细描述该策略的具体构建公式和步骤，仅提及其为基于公募调研事件的选股策略[27]。 3. **模型名称：机构调研组合（私募调研跟踪策略）** * **模型构建思路：** 利用私募基金调研上市公司的行为信息进行选股[27]。 * **模型具体构建过程：** 报告未详细描述该策略的具体构建公式和步骤，仅提及其为基于私募调研事件的选股策略[27]。 4. **模型名称：大宗交易组合** * **模型构建思路：** 根据“高成交、低波动”原则，筛选发生大宗交易且后续表现可能更佳的股票[31]。 * **模型具体构建过程：** 通过统计分析发现，“大宗交易成交金额比率”越高、“6日成交金额波动率”越低的股票后续表现更佳。模型根据这两个指标，以月频调仓方式构造组合[31]。具体公式未在报告中给出。 5. **模型名称：定向增发组合** * **模型构建思路：** 以定向增发的股东大会公告日为事件节点，进行事件驱动选股[37]。 * **模型具体构建过程：** 综合考虑市值因素、调仓周期以及对仓位的控制来构造组合[37]。具体公式和详细步骤未在报告中给出。 模型的回测效果 （注：以下模型业绩统计区间均为2026.01.05-2026.01.09[25][28][32][38]） 1. **PB-ROE-50组合** * 本周超越基准收益率（中证500）： -2.18%[24][25] * 本周超越基准收益率（中证800）： 1.36%[24][25] * 本周超越基准收益率（全市场）： 1.23%[24][25] * 本周绝对收益率（中证500）： 5.56%[25] * 本周绝对收益率（中证800）： 5.59%[25] * 本周绝对收益率（全市场）： 6.34%[25] 2. **机构调研组合（公募调研选股策略）** * 本周超越基准收益率（中证800）： -0.31%[27][28] * 本周绝对收益率： 3.85%[28] 3. **机构调研组合（私募调研跟踪策略）** * 本周超越基准收益率（中证800）： 2.28%[27][28] * 本周绝对收益率： 6.55%[28] 4. **大宗交易组合** * 本周超越基准收益率（中证全指）： 0.69%[31][32] * 本周绝对收益率： 5.77%[32] 5. **定向增发组合** * 本周超越基准收益率（中证全指）： -1.58%[37][38] * 本周绝对收益率： 3.38%[38] 量化因子与构建方式 （注：报告中列出了大量因子，但均未提供具体的构建公式和详细过程，仅给出了因子名称和方向。以下为报告中出现的全部因子列表。） 1. **因子名称：** 5日平均换手率；**因子方向：** 负向[13] 2. **因子名称：** 换手率相对波动率；**因子方向：** 负向[13] 3. **因子名称：** 单季度营业收入同比增长率；**因子方向：** 正向[13] 4. **因子名称：** 6日成交金额的标准差；**因子方向：** 负向[13] 5. **因子名称：** 单季度营业利润同比增长率；**因子方向：** 正向[13] 6. **因子名称：** 单季度ROE同比；**因子方向：** 正向[13] 7. **因子名称：** 单季度净利润同比增长率；**因子方向：** 正向[13] 8. **因子名称：** 毛利率TTM；**因子方向：** 正向[13] 9. **因子名称：** 单季度ROA同比；**因子方向：** 正向[13] 10. **因子名称：** 单季度EPS；**因子方向：** 正向[13] 11. **因子名称：** 净利润断层；**因子方向：** 正向[13] 12. **因子名称：** 早盘后收益因子；**因子方向：** 负向[13] 13. **因子名称：** 5日反转；**因子方向：** 负向[13] 14. **因子名称：** 6日成交金额的移动平均值；**因子方向：** 负向[13] 15. **因子名称：** 动量调整小单；**因子方向：** 负向[13] 16. **因子名称：** 早盘收益因子；**因子方向：** 正向[13] 17. **因子名称：** ROIC增强因子；**因子方向：** 正向[13] 18. **因子名称：** EPTTM分位点；**因子方向：** 正向[13] 19. **因子名称：** 标准化预期外收入；**因子方向：** 正向[13] 20. **因子名称：** 市盈率TTM倒数；**因子方向：** 正向[13] 21. **因子名称：** 动量弹簧因子；**因子方向：** 正向[13] 22. **因子名称：** 营业利润率TTM；**因子方向：** 正向[13] 23. **因子名称：** 5分钟收益率偏度；**因子方向：** 负向[13] 24. **因子名称：** 净利润率TTM；**因子方向：** 正向[13] 25. **因子名称：** 总资产增长率；**因子方向：** 正向[13] 26. **因子名称：** 5日成交量的标准差；**因子方向：** 负向[13] 27. **因子名称：** 总资产毛利率TTM；**因子方向：** 正向[13] 28. **因子名称：** 市盈率因子；**因子方向：** 正向[13] 29. **因子名称：** 经营现金流比率；**因子方向：** 正向[13] 30. **因子名称：** 市销率TTM倒数；**因子方向：** 正向[13] 31. **因子名称：** 市净率因子；**因子方向：** 正向[13] 32. **因子名称：** 单季度总资产毛利率；**因子方向：** 正向[13] 33. **因子名称：** 下行波动率占比；**因子方向：** 负向[13] 34. **因子名称：** 小单净流入；**因子方向：** 负向[13] 35. **因子名称：** 单季度ROE；**因子方向：** 正向[13] 36. **因子名称：** 标准化预期外盈利；**因子方向：** 正向[13] 37. **因子名称：** 对数市值因子；**因子方向：** 负向[13] 38. **因子名称：** 单季度ROA；**因子方向：** 正向[13] 39. **因子名称：** 日内波动率与成交金额的相关性；**因子方向：** 负向[13] 40. **因子名称：** 大单净流入；**因子方向：** 正向[13] 41. **因子名称：** 成交量的5日指数移动平均；**因子方向：** 负向[13] 42. **因子名称：** 动量调整大单；**因子方向：** 正向[13] 43. **因子名称：** ROA稳定性；**因子方向：** 正向[13] 44. **因子名称：** ROE稳定性；**因子方向：** 正向[13] 45. **因子名称：** 净资产增长率因子；**因子方向：** 未明确[22] 46. **因子名称：** 净利润增长率因子；**因子方向：** 未明确[22] 47. **因子名称：** 每股净资产因子；**因子方向：** 未明确[22] 48. **因子名称：** 每股经营利润TTM因子；**因子方向：** 未明确[22] 49. **因子名称：** 5日动量因子；**因子方向：** 未明确[22] 50. **因子名称：** 1月动量因子；**因子方向：** 未明确[22] 51. **因子名称：** BP因子；**因子方向：** 未明确[22] 52. **因子名称：** EP因子；**因子方向：** 未明确[22] 53. **因子名称：** 残差波动率因子；**因子方向：** 未明确[22] 54. **因子名称：** 流动性因子；**因子方向：** 未明确[22] 55. **大类因子名称：** Beta因子；**因子方向：** 未明确[20] 56. **大类因子名称：** 残差波动率因子；**因子方向：** 未明确[20] 57. **大类因子名称：** 规模因子；**因子方向：** 未明确[20] 58. **大类因子名称：** 动量因子；**因子方向：** 未明确[20] 因子的回测效果 （注：以下为报告中提及的近期（2026.01.05-2026.01.09）因子表现，收益为剔除行业与市值影响后多头组合相对于基准指数的超额收益[12]。不同股票池的因子表现数据分别列出。） 沪深300股票池因子表现[12][13] 1. **5日平均换手率因子，** 最近1周收益： 4.90% 2. **换手率相对波动率因子，** 最近1周收益： 4.59% 3. **单季度营业收入同比增长率因子，** 最近1周收益： 3.92% 4. **动量调整大单因子，** 最近1周收益： -1.11% 5. **ROA稳定性因子，** 最近1周收益： -1.15% 6. **ROE稳定性因子，** 最近1周收益： -1.43% 中证500股票池因子表现[14][15] 1. **毛利率TTM因子，** 最近1周收益： 1.29% 2. **单季度净利润同比增长率因子，** 最近1周收益： 1.09% 3. **总资产增长率因子，** 最近1周收益： 0.81% 4. **市净率因子，** 最近1周收益： -3.51% 5. **市盈率TTM倒数因子，** 最近1周收益： -4.06% 6. **市盈率因子，** 最近1周收益： -4.69% 流动性1500股票池因子表现[18][19] 1. **毛利率TTM因子，** 最近1周收益： 2.17% 2. **单季度营业收入同比增长率因子，** 最近1周收益： 2.14% 3. **单季度营业利润同比增长率因子，** 最近1周收益： 1.85% 4. **日内波动率与成交金额的相关性因子，** 最近1周收益： -2.64% 5. **市盈率因子，** 最近1周收益： -3.01% 6. **市盈率TTM倒数因子，** 最近1周收益： -3.18% 全市场股票池大类因子表现[20] 1. **Beta因子，** 本周收益： 1.07% 2. **残差波动率因子，** 本周收益： 1.02% 3. **规模因子，** 本周收益： 0.59% 4. **动量因子，** 本周收益： -1.08%

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相对于过去一段时间内最高价格的回落幅度，是趋势跟踪和动量策略的核心指标。当价格创出新高时，该因子值为0，表明趋势强劲；值越大，表明从高点回落越多，趋势可能转弱[11]。 * **因子具体构建过程**：对于每个标的（个股、指数或行业指数），计算其最新收盘价与过去250个交易日（约一年）最高收盘价的相对距离。 具体公式为： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 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[11]。 2. **模型名称：平稳创新高股票筛选模型**[26][28] * **模型构建思路**：该模型旨在从近期创出新高的股票中，进一步筛选出价格路径相对平滑、趋势延续性好的“平稳创新高”股票。其理论基础在于研究表明，遵循平滑价格路径的高动量股收益可能优于遵循跳跃价格路径的高动量股[26]。 * **模型具体构建过程**：模型采用多步骤筛选法，具体流程如下： 1. **初选股票池**：筛选出上市满15个月，且在过去20个交易日内创出过250日新高的股票[20]。 2. **分析师关注度筛选**：要求过去3个月内，获得“买入”或“增持”评级的分析师研报不少于5份[28]。 3. **股价相对强弱筛选**：要求过去250日涨跌幅位于全市场前20%[28]。 4. **股价平稳性综合打分**：在满足上述条件的股票池内，使用以下两个指标进行综合打分，并选取排名在前50%的股票[28]： * **价格路径平滑性**：使用“股价位移路程比”指标。该指标计算公式为：过去120日涨跌幅的绝对值 / 过去120日日涨跌幅绝对值的加总。该比值越接近1，表明价格路径越平滑（位移接近路程，波动小）[26][28]。 * **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，表明在近期持续接近或创出新高的状态越稳定[28]。 5. **趋势延续性筛选**：计算过去5日的250日新高距离在时间序列上的均值，并最终选取该值排序最靠前的50只股票作为“平稳创新高股票”[28]。 模型的回测效果 *本报告为市场监测周报，主要展示截至特定日期的截面数据与筛选结果，未提供模型或因子在历史时间序列上的系统性回测绩效指标（如年化收益、夏普比率、信息比率IR、最大回撤等）。* 因子的回测效果 *本报告为市场监测周报，主要展示截至特定日期的截面数据与筛选结果，未提供模型或因子在历史时间序列上的系统性回测绩效指标（如IC值、IR、多空收益等）。* 模型与因子的具体测试结果取值（截至2026年1月9日截面数据） 1. **250日新高距离因子取值**： * **主要宽基指数**：上证指数 0.00%，深证成指 0.00%，沪深300 0.66%，中证500 0.00%，中证1000 0.00%，中证2000 0.00%，创业板指 0.06%，科创50 4.10%[12]。 * **中信一级行业指数（距离新高较近）**：家电 0.00%，国防军工 0.00%，有色金属 0.00%，传媒 0.00%，电子 0.00%[13]。 * **概念指数（距离新高较近）**：新能源汽车、华为平台、互联网、金属非金属、电子设备和仪器、半导体、工程机械等概念指数距离250日新高较近[16]。 2. **平稳创新高股票筛选模型输出结果**： * 本周（2026年1月9日）从全市场筛选出**50只**平稳创新高股票，例如源杰科技、亚翔集成、信维通信等[29]。 * **板块分布**：周期板块（22只）、科技板块（14只）入选数量最多[29]。周期板块中创新高最多的是有色金属行业；科技板块中创新高最多的是电子行业[29]。 * **全市场创新高个股概况（模型初选池）**：共有911只股票在过去20个交易日创出250日新高[20]。 * **创新高个股数量最多的行业**：机械（141只）、电子（101只）、基础化工（98只）[20]。 * **创新高个股数量占比最高的行业**：国防军工（48.36%）、有色金属（43.09%）、石油石化（32.00%）[20]。 * **主要指数内创新高个股占比**：中证2000（16.80%）、中证1000（17.30%）、中证500（24.80%）、沪深300（20.00%）、创业板指（22.00%）、科创50（14.00%）[21]。

量化模型与构建方式 1. **模型名称**：公募基金实时持仓测算模型[4][19] **模型构建思路**：基于基金净值、持仓披露、调研行为等市场公开信息，对公募基金的持仓进行实时测算，以监控其对各板块的配置变化[4][19] **模型具体构建过程**：报告未详细描述该模型的构建过程，仅提及它是一个复杂的处理流程，具体方法可参考开源金融工程团队专题报告《偏股混合型基金指数（885001.WI）：优势、复制与超越》[19] 2. **模型名称**：雪球大V用户选股行为模型[29] **模型构建思路**：通过追踪雪球平台上粉丝数量较多的“大V”用户对上市公司的关注和讨论行为，挖掘其投资观点和行为中蕴含的信息量，以构建选股因子[29] **模型具体构建过程**：报告未详细描述该模型的构建过程，具体方法可参考开源金融工程团队专题报告《雪球大V用户的选股行为alpha》[29] 3. **模型名称**：龙虎榜机构行为模型[33] **模型构建思路**：利用交易所每日披露的龙虎榜数据，分析最活跃营业部的交易动向，以捕捉市场上热点资金的流向和机构行为信号[33] **模型具体构建过程**：报告未详细描述该模型的构建过程，具体方法可参考开源金融工程团队专题报告《机构行为alpha的细分结构：龙虎榜、机构调研、大宗交易》[33] 4. **模型名称**：高频股东户数信息模型[36] **模型构建思路**：基于交易所互动平台提供的高频股东户数数据，研究股东户数的变动所隐含的关于后续股价走势的信息[36] **模型具体构建过程**：报告未详细描述该模型的构建过程，具体方法可参考开源金融工程团队专题报告《高频股东数据的隐含信息量》[36] 量化因子与构建方式 1. **因子名称**：ETF资金持仓占比[4][23] **因子构建思路**：通过计算ETF基金持有的某板块股票市值占该板块流通市值的比重，来监测通过ETF渠道流入或流出该板块的资金动向[4][23] **因子具体构建过程**：报告未给出具体的计算公式，但描述了其核心计算逻辑。首先，汇总所有ETF基金对脑机接口板块成分股的持仓市值。然后，计算该持仓总值占脑机接口板块总流通市值的比例。报告中展示的是该比例的5日移动平均（MA5）序列[23][25] **因子评价**：ETF持仓动态已成为观察市场资金动向的重要窗口[23] 2. **因子名称**：两融余额（融资余额）[4][23] **因子构建思路**：直接使用融资融券交易中未偿还的融资总金额作为因子，用以衡量投资者通过杠杆资金看多后市的情绪强弱[4][23] **因子具体构建过程**：直接获取脑机接口板块成分股的融资余额总和，作为该板块的融资余额因子值[23][26] 3. **因子名称**：机构调研热度[5][27] **因子构建思路**：以上市公司接受机构调研的次数作为因子，衡量机构投资者对该公司的关注度[5][27] **因子具体构建过程**：统计指定时间窗口内（报告中为近三个月），各公司接受机构调研的总次数，次数越多表示热度越高[27][28] 4. **因子名称**：雪球大V关注度[5][29] **因子构建思路**：统计雪球平台上粉丝数量较多的“大V”用户对某家上市公司的关注数量，作为反映市场情绪和关注度的因子[5][29] **因子具体构建过程**：在指定时间窗口内（报告中为2025年12月20日以来），统计关注了某家公司的雪球大V用户数量，数量越多表示关注度越高[29][31] 5. **因子名称**：主力资金净流入[5][30] **因子构建思路**：将大单和超大单的净流入金额加总，作为主力资金动向的代理变量，用以捕捉大额资金的流向[5][30] **因子具体构建过程**：首先定义大单（挂单金额20-100万元）和超大单（挂单金额>100万元）。然后，在指定时间窗口内（报告中为2025年12月20日以来），计算个股每日大单与超大单的净买入金额（买入额-卖出额）之和，再在整个时间窗口内进行累计，得到主力资金净流入因子值[30][32] 6. **因子名称**：龙虎榜营业部资金净流入[5][33] **因子构建思路**：利用龙虎榜披露的营业部交易数据，计算上榜营业部的资金净流入，以反映最活跃资金对个股的短期交易态度[5][33] **因子具体构建过程**：对于出现在龙虎榜上的个股，提取其“营业部资金净流入”数据。该数据反映了当日上榜的所有营业部的总买入金额与总卖出金额之差。报告展示了多只个股在特定时间段内上榜时的该数据[33][34] 7. **因子名称**：高频股东户数增幅[5][36] **因子构建思路**：计算上市公司最新两期股东户数的变动比例，股东户数大幅增加可能意味着筹码分散，对后续股价构成潜在风险[5][36] **因子具体构建过程**：获取上市公司最新一期和上一期的股东户数。计算其变动比例，公式如下： $$股东户数增幅 = \frac{最新股东户数 - 上期股东户数}{上期股东户数} \times 100\%$$ 增幅越大，表示股东户数增加越快[36][37] 模型的回测效果 （报告未提供所述模型的量化回测效果指标，如年化收益率、夏普比率、最大回撤、信息比率（IR）等） 因子的回测效果 （报告未提供所述因子的量化回测效果指标，如IC值、ICIR、因子多空组合收益等）

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**：借鉴动量效应和趋势跟踪理论，通过计算当前价格与过去一段时间内最高价格的相对距离，来衡量股票或指数接近其历史高点的程度，以此捕捉市场趋势和强势标的[11]。 * **因子具体构建过程**： 1. 对于单个标的（股票或指数），取其在时间点t的最新收盘价 \\(Closet\\)[11]。 2. 计算该标的过去250个交易日（约一年）收盘价的最大值 \\(ts\\_max(Close, 250)\\)[11]。 3. 250日新高距离的计算公式为： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 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[11]。 4. 若最新收盘价创出新高，则因子值为0；若最新收盘价较新高回落，则因子值为正，表示回落的幅度[11]。 2. **模型/策略名称：平稳创新高股票筛选模型**[26][28] * **模型构建思路**：基于学术研究，认为遵循平滑价格路径的高动量股收益更高（“温水煮青蛙”效应），因此从近期创250日新高的股票池中，综合分析师关注度、股价相对强弱、趋势延续性、股价路径平稳性和创新高持续性等多个维度，筛选出更具持续性和稳健性的“平稳创新高”股票[26][28]。 * **模型具体构建过程**：该模型是一个多步骤的筛选流程，具体步骤如下： 1. **初选股票池**：在上市满15个月的股票池内，筛选出过去20个交易日创出过250日新高的股票[20]。 2. **应用筛选条件**：在初选股票池中，依次应用以下条件进行筛选和排序[26][28]： * **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[28]。 * **股价相对强弱**：过去250日涨跌幅位于全市场前20%[28]。 * **股价平稳性与创新高持续性综合打分**：在满足以上两个条件的股票池内，使用以下两个指标进行综合打分，并取排名在前50%的股票[28]。 * **价格路径平滑性（股价位移路程比）**：计算公式为 \\( \frac{过去120日涨跌幅的绝对值}{过去120日日涨跌幅绝对值加总} \\)[26]。该比值越接近1，表明价格路径越平滑（位移接近路程），波动越小。 * **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，表明在近期持续接近或创出新高的状态越稳定。 * **趋势延续性排序**：计算过去5日的250日新高距离在时间序列上的均值，并取该值排序靠前的50只股票作为最终输出[28]。 模型与因子的回测效果 *本报告为市场监测周报，主要展示截至特定日期的截面数据与筛选结果，未提供历史回测的绩效指标（如年化收益、夏普比率、信息比率IR、最大回撤等）。因此，模型和因子的具体测试结果取值部分在本报告中无相关内容。*

量化模型与因子总结 量化模型与构建方式 1. **模型名称**：基于交易动机因子及股票价差收益因子的选基策略[2][24] * **模型构建思路**：通过结合刻画基金经理交易动机的因子和反映其股票交易直接收益的因子，筛选出股票价差收益较高、拥有主动交易动机且业绩粉饰可能性较低的基金[24]。 * **模型具体构建过程**： * **因子构建**：策略使用了两个核心因子。 1. **交易动机因子**：该因子由估值/流动性动机因子、业绩粉饰动机因子等权合成。其中，估值/流动性动机因子根据基金报告期间资金流与股票买卖金额、累计买入/卖出股票金额2%以上或前20股票成交额占比数据计算得出[47]。 2. **股票价差收益因子**：该因子由基金利润表中股票价差收入（股票投资收益科目）计算而来[47]。 * **策略构建**：将上述两个因子相结合，构建选基策略。策略采用半年频调仓，每年3月末/8月末进行调仓，从主动权益型基金中筛选，并扣除交易成本[24]。 2. **模型名称**：交易独特性选基策略[3][32] * **模型构建思路**：根据基金经理持股、交易的明细构建网络，并由此构建刻画基金经理交易独特性的指标，用于筛选基金[3][32]。 * **模型具体构建过程**： * **因子构建**：策略核心为**交易独特性因子**。先根据基金经理持股、交易数据构建基金经理网络，然后基于该网络计算出每个基金经理与其相关联基金经理在交易方面的差异[48]。 * **策略构建**：基于交易独特性因子构建选基策略。策略采用半年频调仓，在每年4月初/8月初进行调仓，选基范围为偏股混合型基金、普通股票型基金、灵活配置型基金，并扣除交易成本[32]。 3. **模型名称**：基于申报信息的行业主题ETF轮动策略[4][39] * **模型构建思路**：对基金发行全流程进行事件驱动研究，利用申请材料公示阶段具有前瞻性的信息，构造因子来筛选与申报ETF相近的行业主题ETF，以把握市场投资热点[4][39]。 * **模型具体构建过程**： * **因子构建**：策略核心为**行业主题申报相似因子（T+1）**。先统计上个月申报的股票型ETF跟踪的指数，统计出该指数池与市场上指数的成分相似度，从而构建该因子[48]。 * **策略构建**：基于行业主题申报相似因子构建ETF轮动策略。策略采用月频调仓，从行业主题ETF中进行筛选，交易费率为单边千分之一，基准为中证800指数[39]。 模型的回测效果 1. **基于交易动机因子及股票价差收益因子的选基策略**[28] * 12月份收益率：1.56% * 年化收益率：10.85% * 年化波动率：21.62% * Sharpe比率：0.50 * 最大回撤率：48.39% * 年化超额收益率（相对万得偏股混合型基金指数）：3.64% * 信息比率(IR)：0.61 * 超额最大回撤率：19.22% * 12月份超额收益率：-1.54% 2. **交易独特性选基策略**[36] * 12月份收益率：5.36% * 年化收益率：13.40% * 年化波动率：19.52% * Sharpe比率：0.69 * 最大回撤率：37.26% * 年化超额收益率（相对万得偏股混合型基金指数）：5.66% * 信息比率(IR)：1.09 * 超额最大回撤率：10.84% * 12月份超额收益率：2.27% 3. **基于申报信息的行业主题ETF轮动策略**[43][44] * 12月份收益率：5.84% * 年化收益率：19.22% * 年化波动率：21.05% * Sharpe比率：0.91 * 最大回撤率：34.89% * 年化超额收益率（相对中证800指数）：11.33% * 信息比率(IR)：0.64 * 超额最大回撤率：19.07% * 12月份超额收益率：2.53% 量化因子与构建方式 1. **因子名称**：交易动机因子[47] * **因子构建思路**：刻画基金经理的交易动机，区分为估值/流动性动机和业绩粉饰动机[47]。 * **因子具体构建过程**：该因子由**估值/流动性动机因子**、**业绩粉饰动机因子**等权合成。其中，估值/流动性动机因子根据基金报告期间资金流与股票买卖金额、累计买入/卖出股票金额2%以上或前20股票成交额占比数据计算得出[47]。 2. **因子名称**：股票价差收益因子[47] * **因子构建思路**：直接反映基金经理通过股票交易获取价差收益的能力[47]。 * **因子具体构建过程**：该因子由基金利润表中股票价差收入（股票投资收益科目）计算而来[47]。 3. **因子名称**：交易独特性因子[48] * **因子构建思路**：基于基金经理网络，度量基金经理交易行为与其关联基金经理的差异程度[48]。 * **因子具体构建过程**：先根据基金经理持股、交易数据构建基金经理网络，然后基于该网络计算出每个基金经理与其相关联基金经理在交易方面的差异[48]。 4. **因子名称**：行业主题申报相似因子（T+1）[48] * **因子构建思路**：利用新申报ETF的信息，计算其与现存行业主题ETF的相似度，以捕捉市场热点[48]。 * **因子具体构建过程**：先统计上个月申报的股票型ETF跟踪的指数，统计出该指数池与市场上指数的成分相似度，从而构建该因子[48]。 5. **因子名称**：基金业绩动量类因子[47] * **因子构建思路**：从多个维度衡量基金的历史业绩动量[47]。 * **因子具体构建过程**：该类因子由四个因子等权重合成，包含4因子模型alpha、夏普比率、区间胜率、HM模型中的择时能力系数，均用过去1年的基金净值数据进行计算[47]。 6. **因子名称**：选股能力因子[47] * **因子构建思路**：评估基金经理的选股能力[47]。 * **因子具体构建过程**：该因子根据多期Brinson模型，使用基金季频重仓股数据进行计算，由选股胜率、选股超额收益率两个因子等权重合成而来[47]。 7. **因子名称**：隐形交易能力因子[47] * **因子构建思路**：从收益和风险两个层面度量基金交易（非重仓股部分）带来的贡献[47]。 * **因子具体构建过程**：该因子由隐形收益能力因子、风险转移能力因子等权重合成而来[47]。 8. **因子名称**：主动轮动收益因子[48] * **因子构建思路**：体现基金风格轮动带来的结果收益[48]。 * **因子具体构建过程**：该因子根据区间风格主动变化及区间风格因子收益计算[48]。 9. **因子名称**：绝对主动轮动指标[48] * **因子构建思路**：剥离被动风格变化，纯粹衡量基金经理主动进行风格调整的部分[48]。 * **因子具体构建过程**：该因子将基金报告期之间的风格变化，剔除了被动变化的部分，保留基金经理主动调整的部分[48]。 10. **其他因子类别**：报告中还提及了**基金规模类因子**、**持有人结构类因子**、**含金量因子**等，但未详细描述其具体构建过程[47]。

量化模型与因子总结 量化因子与构建方式 1. **因子名称：封板率因子** [15] * **因子构建思路：** 通过计算当日最高价涨停且收盘涨停的股票数量占最高价涨停股票总数的比例，来衡量市场涨停板的封板强度和市场情绪的热度[15]。 * **因子具体构建过程：** 1. 筛选上市满3个月以上的股票[15]。 2. 在交易日T日，找出所有盘中最高价达到涨停价的股票集合A[15]。 3. 在集合A中，进一步筛选出收盘价也达到涨停价的股票集合B[15]。 4. 封板率计算公式为： $$封板率 = \frac{集合B的股票数量}{集合A的股票数量}$$ [15] 2. **因子名称：连板率因子** [15] * **因子构建思路：** 通过计算连续两日收盘涨停的股票数量占前一日收盘涨停股票数量的比例，来衡量市场涨停效应的延续性和短线资金的接力情绪[15]。 * **因子具体构建过程：** 1. 筛选上市满3个月以上的股票[15]。 2. 在交易日T-1日，找出所有收盘涨停的股票集合C[15]。 3. 在集合C中，筛选出在交易日T日收盘也涨停的股票集合D[15]。 4. 连板率计算公式为： $$连板率 = \frac{集合D的股票数量}{集合C的股票数量}$$ [15] 3. **因子名称：大宗交易折价率因子** [25] * **因子构建思路：** 通过计算大宗交易成交总额相对于其对应股票当日市值的折价幅度，来反映大资金的投资偏好、交易成本和市场情绪[25]。 * **因子具体构建过程：** 1. 获取当日所有大宗交易数据，包括每笔交易的成交金额和成交数量[25]。 2. 计算当日大宗交易总成交金额[25]。 3. 计算大宗交易涉及的所有成交份额，以其在当日二级市场的收盘价计算出的总市值[25]。 4. 折价率计算公式为： $$折价率 = \frac{大宗交易总成交金额}{当日成交份额的总市值} - 1$$ [25] 结果为负表示折价交易，负值越大折价幅度越高[25]。 4. **因子名称：股指期货年化贴水率因子** [27] * **因子构建思路：** 通过计算股指期货主力合约价格与现货指数价格之间的基差，并进行年化处理，来衡量市场对未来走势的预期、对冲成本以及市场情绪[27]。 * **因子具体构建过程：** 1. 确定股指期货主力合约（如IH、IF、IC、IM）的当日结算价或收盘价[27]。 2. 获取对应现货指数（如上证50、沪深300、中证500、中证1000）的当日收盘价[27]。 3. 计算基差：基差 = 期货价格 - 现货价格[27]。 4. 计算年化贴水率，公式为： $$年化贴水率 = \frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ [27] 结果为正当期指处于升水状态，结果为负则处于贴水状态[27]。该指标用于横向比较不同合约的贴水程度[27]。 因子的回测效果 *本报告为市场监测日报，主要展示了各类因子的构建方法和当日市场数据，并未提供因子在历史样本上的长期回测效果指标（如IC、IR、多空收益、夏普比率等）。*

量化模型与因子总结 量化因子与构建方式 1. **因子名称：风险溢价因子**[29] * **因子构建思路**：以十年期国债即期收益率为无风险利率参考，计算各宽基指数相对于无风险利率的风险溢价，用于衡量其相对投资价值和偏离情况[29]。 * **因子具体构建过程**：风险溢价的计算公式为指数收益率减去无风险利率。报告中具体计算了各宽基指数相对于十年期国债即期收益率的风险溢价，并统计了其当前值、历史分位值、均值和波动率等[31][33]。 2. **因子名称：股债性价比因子**[48] * **因子构建思路**：以各指数市盈率（PE-TTM）的倒数代表股票的潜在收益率，减去十年期国债即期收益率，其差值即为股债性价比，用于比较股票与债券的相对吸引力[48]。 * **因子具体构建过程**：股债性价比的计算公式为： $$股债性价比 = \frac{1}{PE-TTM} - 十年期国债即期收益率$$ 报告中观察了该因子的走势，并与近5年数据计算的80分位值（机会值）、20分位值（危险值）、均值及±1倍标准差进行比较[48]。 3. **因子名称：股息率因子**[50] * **因子构建思路**：股息率反映现金分红回报率，是红利投资风格的核心指标。跟踪各指数的股息率，观察其走势和变化趋势[50]。 * **因子具体构建过程**：股息率通常计算为每股股息除以每股股价。报告中统计了各宽基指数的当前股息率、近1年及近5年历史分位值、均值和波动率等[52][56]。 4. **因子名称：破净率因子**[57] * **因子构建思路**：破净率表示市净率小于1的个股数量占比，用于反映市场整体的估值态度和低估情况的普遍性[57][58]。 * **因子具体构建过程**：首先识别指数成分股中市净率（PB）小于1的个股，然后计算其数量占指数总成分股数量的比例。报告中对各主要宽基指数的破净率进行了计算和跟踪[59]。 5. **因子名称：均线相对位置因子**[14][15] * **因子构建思路**：通过比较指数当前价格与不同周期移动平均线（MA）的位置关系，来刻画指数的短期、中期和长期趋势强度[14]。 * **因子具体构建过程**：计算指数收盘价相对于5日、10日、20日、60日、120日、250日移动平均线的偏离幅度，公式为： $$vsMA_N = \frac{收盘价 - MA_N}{MA_N} \times 100\%$$ 其中，N代表不同的均线周期[15]。 6. **因子名称：价格突破因子**[14] * **因子构建思路**：观察指数价格是否突破近250个交易日内的最高价或最低价，用于判断指数是否处于极端或强势状态[14]。 * **因子具体构建过程**：记录指数近250个交易日的最高价和最低价，计算当前收盘价相对于该高点和低点的偏离幅度[15]。 7. **因子名称：收益分布形态因子（偏度与峰度）**[25][27] * **因子构建思路**：通过计算指数日收益率分布的偏度和峰度，来描述收益分布的不对称性和尖峰厚尾特征，以评估极端收益出现的可能性[25]。 * **因子具体构建过程**： * **偏度**：衡量分布的不对称性。正偏态表示极端正收益情形增加[25]。 * **峰度**：衡量分布的尖峭程度。报告中计算的峰度减去了3（正态分布峰度值），因此“峰度负偏离”表示当前分布比历史基准更平坦[27]。 报告对比了各指数当前与近5年的偏度和峰度值[27]。 8. **因子名称：交易活跃度因子（换手率）**[18][19] * **因子构建思路**：换手率是衡量市场交易活跃程度和流动性的重要指标。 * **因子具体构建过程**：对于宽基指数，其换手率采用流通市值加权的方式计算，具体公式为： $$指数换手率 = \frac{\Sigma(成分股流通股本 \times 成分股换手率)}{\Sigma(成分股流通股本)}$$ 报告计算并比较了各宽基指数的当前换手率[18][19]。 9. **因子名称：估值分位因子（PE-TTM）**[41][44] * **因子构建思路**：使用滚动市盈率（PE-TTM）及其在历史数据中的分位值，来评估指数当前的估值水平高低[41]。 * **因子具体构建过程**：计算指数当前的PE-TTM，并统计该值在近1年、近5年以及全部历史数据中所处的百分位位置[44][45]。 因子的回测效果 （注：本报告为市场数据跟踪报告，未提供因子在选股或择时策略中的传统回测绩效指标（如年化收益、夏普比率、信息比率IR、最大回撤等）。报告主要展示了各因子在特定时点（2026年1月7日）对于不同宽基指数的截面取值和统计特征。） 1. **风险溢价因子**：当前值，上证50为-0.44%，沪深300为-0.30%，中证500为0.77%，中证1000为0.52%，中证2000为0.51%，中证全指为0.17%，创业板指为0.31%[33]。近5年分位值，中证500（76.19%）和中证1000（65.0%）较高，上证50（31.27%）和沪深300（38.57%）较低[4][33]。 2. **股债性价比因子**：截至报告时，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）[4][48]。 3. **股息率因子**：当前值，上证50为3.07%，沪深300为2.66%，中证500为1.32%，中证1000为1.05%，中证2000为0.74%，中证全指为1.94%，创业板指为0.92%[56]。近5年历史分位值，创业板指（57.77%）和沪深300（32.23%）较高，而中证500（9.67%）和中证2000（5.04%）较低[5][54][56]。 4. **破净率因子**：当前值，上证50为24.0%，沪深300为16.33%，中证500为10.2%，中证1000为7.6%，中证2000为3.25%，中证全指为5.96%[59]。 5. **均线相对位置因子**：2026年1月7日，所有跟踪指数收盘价均位于5日、10日、20日、60日、120日及250日均线之上[14]。例如，中证500 vsMA5为2.9%，vsMA250为24.0%[15]。 6. **价格突破因子**：2026年1月7日，中证500、中证1000、中证2000和中证全指的收盘价等于其近250日高位（偏离0.0%），创业板指亦如此[14][15]。 7. **收益分布形态因子**：当前峰度（减3后）与近5年对比，创业板指的负偏离最大（-2.77），中证1000的负偏离最小（-1.17）[25][27]。当前偏度与近5年对比，创业板指的负偏态最大（-0.67），中证1000的负偏态最小（-0.31）[25][27]。 8. **交易活跃度因子**：当前换手率，中证2000为4.7，创业板指为4.27，中证1000为3.21，中证500为2.63，中证全指为2.23，沪深300为0.79，上证50为0.31[18]。 9. **估值分位因子**：PE-TTM近5年分位值，中证500（99.92%）和中证1000（99.92%）极高，中证2000（90.0%）和创业板指（62.98%）相对较低[44][45]。