量化模型与构建方式 1. **模型名称：微盘股轮动模型**[19][20][27] * **模型构建思路**：通过比较微盘股指数与茅指数的相对价值和短期动量，判断并轮动投资于表现更优的风格指数。[19][20][27] * **模型具体构建过程**： 1. **计算相对净值**：计算微盘股指数与茅指数的相对净值（微盘股指数净值 / 茅指数净值）。[27] 2. **计算年均线**：计算该相对净值的243日移动平均线（年均线）。[27] 3. **计算斜率**：分别计算微盘股指数和茅指数过去20日收盘价的斜率（趋势）。[27] 4. **生成信号**： * 当微盘股/茅指数相对净值 **高于** 其243日均线时，倾向于投资微盘股。[27] * 当微盘股/茅指数相对净值 **低于** 其243日均线时，倾向于投资茅指数。[27] * 结合20日斜率：当两个指数的20日斜率方向相反且一方为正时，选择投资斜率为正的指数，以应对潜在的风格切换。[27] 2. **模型名称：微盘股择时风控模型**[19][20][27] * **模型构建思路**：监控十年期国债收益率和微盘股波动率拥挤度的同比变化，当任一指标触及预设阈值时，发出平仓信号以控制中期系统性风险。[19][20][27] * **模型具体构建过程**： 1. **计算十年期国债收益率同比**：计算当前十年期国债到期收益率相对于一年前同期的变化率。[27] $$十年国债利率同比 = \frac{当前十年期国债到期收益率}{一年前同期十年期国债到期收益率} - 1$$ 2. **计算波动率拥挤度同比**：计算当前微盘股波动率拥挤度指标相对于一年前同期的变化率。[27] $$波动率拥挤度同比 = \frac{当前波动率拥挤度}{一年前同期波动率拥挤度} - 1$$ 3. **生成风控信号**：设定两个阈值，十年国债利率同比阈值为0.3（30%），波动率拥挤度同比阈值为0.55（55%）。[27] * 若 **十年国债利率同比 ≥ 30%** 或 **波动率拥挤度同比 ≥ 55%**，则触发风控信号，建议平仓。[27] * 否则，维持持仓。[27] 3. **模型名称：宏观择时模型**[47][50] * **模型构建思路**：基于经济增长和货币流动性两个宏观维度的动态事件因子，生成权益资产（股票）的配置仓位信号，进行股债轮动。[47] * **模型具体构建过程**：报告未详细描述具体构建过程，但指出模型根据经济增长和货币流动性层面生成信号强度，并综合得出股票仓位建议。具体细节需参考其历史研究报告《Beta 猎手系列：基于动态宏观事件因子的股债轮动策略》。[47][49] 模型的回测效果 1. **微盘股轮动模型**：报告未提供该模型历史回测的综合绩效指标（如年化收益率、夏普比率等），但提供了截至2025年12月31日的具体信号：维持茅指数信号，预期中期配置茅指数能有更高相对收益。[19][20] 2. **微盘股择时风控模型**：报告未提供该模型历史回测的综合绩效指标，但提供了截至2025年12月31日的监控值：波动率拥挤度同比为-33.43%，十年期国债到期收益率同比为9.93%，均未触及风控阈值，因此中期系统性风险处于可控范围，风控信号未触发。[19][20] 3. **宏观择时模型**： * 截至2025年12月31日，模型对1月份权益推荐仓位为 **60%**（上月为55%）。[47][50] * 模型对12月份经济增长层面信号强度为50%，货币流动性层面信号强度为60%。[47] * 择时策略2025年年初至今收益率为 **14.59%**，同期Wind全A收益率为26.87%。[47] 量化因子与构建方式 1. **因子名称：市值因子**[54][66] * **因子构建思路**：使用公司流通市值的对数作为代理变量，通常认为小市值公司具有更高的风险溢价和成长潜力。[66] * **因子具体构建过程**：$$LN\_MktCap = ln(流通市值)$$[66] * **因子评价**：报告指出，过去一周小市值因子在全市场范围内表现强势，是市场风格的主导因子之一。[54] 2. **因子名称：价值因子**[54][66] * **因子构建思路**：通过多种估值比率衡量公司价格是否低于其内在价值，例如市净率、市盈率、市销率的倒数等。[66] * **因子具体构建过程**：报告列出了多个细分价值因子，例如： * $$BP\_LR = \frac{最新年报账面净资产}{最新市值}$$ * $$EP\_FTTM = \frac{未来12个月一致预期净利润}{最新市值}$$ * $$SP\_TTM = \frac{过去12个月营业收入}{最新市值}$$[66] * **因子评价**：报告指出，过去一周价值因子全线飘红，显示市场资金在追逐小盘弹性的同时，风险偏好回归对低估值的重视。[54] 3. **因子名称：成长因子**[66] * **因子构建思路**：通过公司财务指标的增长率来衡量其未来的成长潜力。[66] * **因子具体构建过程**：报告列出了多个细分成长因子，例如： * $$NetIncome\_SQ\_Chg1Y = 单季度净利润同比增速$$ * $$OperatingIncome\_SQ\_Chg1Y = 单季度营业利润同比增速$$ * $$Revenues\_SQ\_Chg1Y = 单季度营业收入同比增速$$[66] 4. **因子名称：质量因子**[66] * **因子构建思路**：通过盈利能力、运营效率、财务稳健性等指标衡量公司的经营质量。[66] * **因子具体构建过程**：报告列出了多个细分质量因子，例如： * $$ROE\_FTTM = \frac{未来12个月一致预期净利润}{股东权益均值}$$ * $$OCF2CurrentDebt = \frac{过去12个月经营现金流净额}{流动负债均值}$$ * $$GrossMargin\_TTM = 过去12个月毛利率$$[66] 5. **因子名称：一致预期因子**[54][66] * **因子构建思路**：基于分析师一致预期的变化或目标价空间，捕捉市场对未来盈利预期的调整。[66] * **因子具体构建过程**：报告列出了多个细分一致预期因子，例如： * $$EPS\_FTTM\_Chg3M = 未来12个月一致预期EPS过去3个月的变化率$$ * $$TargetReturn\_180D = 一致预期目标价相对于目前股价的收益率$$[66] * **因子评价**：报告指出，随着年报预告披露期接近尾声，市场短期脱离对于高业绩预期板块的追逐，使得一致预期因子表现走弱。[54] 6. **因子名称：技术因子**[54][66] * **因子构建思路**：基于价量数据构建指标，反映市场的交易行为、流动性和动量特征。[66] * **因子具体构建过程**：报告列出了多个细分技术因子，例如： * $$Volume\_Mean\_20D\_240D = \frac{20日成交量均值}{240日成交量均值}$$ * $$Turnover\_Mean\_20D = 20日换手率均值$$[66] * **因子评价**：报告指出，过去一周量价类因子（技术和低波因子）表现良好，并预期未来一周小市值和量价类因子能维持表现。[54] 7. **因子名称：波动率因子**[66] * **因子构建思路**：通过股票收益率的历史波动率或模型残差波动率来衡量其风险水平，通常低波动股票具有更稳定的表现。[66] * **因子具体构建过程**：报告列出了多个细分波动率因子，例如： * $$Volatility\_60D = 60日收益率标准差$$ * $$IV\_CAPM = CAPM模型残差波动率$$ * $$IV\_FF = Fama-French三因子模型残差波动率$$[66] 8. **因子名称：反转因子**[66] * **因子构建思路**：基于股票过去一段时间的收益率，认为过去表现差的股票未来可能反弹，而过去表现好的股票可能回调。[66] * **因子具体构建过程**：报告列出了多个细分反转因子，例如： * $$Price\_Chg20D = 20日收益率$$ * $$Price\_Chg60D = 60日收益率$$ * $$Price\_Chg120D = 120日收益率$$[66] 9. **因子名称：可转债正股一致预期因子**[59] * **因子构建思路**：从正股与可转债的相关关系出发，将用于预测正股的“一致预期”类因子应用于可转债择券。[59] 10. **因子名称：可转债正股价值因子**[59] * **因子构建思路**：从正股与可转债的相关关系出发，将用于预测正股的“价值”类因子应用于可转债择券。[59] 11. **因子名称：可转债正股成长因子**[59] * **因子构建思路**：从正股与可转债的相关关系出发，将用于预测正股的“成长”类因子应用于可转债择券。[59] 12. **因子名称：可转债正股财务质量因子**[59] * **因子构建思路**：从正股与可转债的相关关系出发，将用于预测正股的“财务质量”类因子应用于可转债择券。[59] 13. **因子名称：可转债估值因子**[59] * **因子构建思路**：直接从可转债自身的估值指标出发进行择券，选取的指标是平价底价溢价率。[59] 因子的回测效果 （以下数据均基于“上周”和“今年以来”两个时间窗口，在全部A股、沪深300、中证500、中证1000四个股票池中的表现） 1. **一致预期因子**： * **IC均值（上周）**：全部A股 0.21%， 沪深300 -8.80%， 中证500 -1.51%， 中证1000 -0.18%[55] * **IC均值（今年以来）**：全部A股 2.25%， 沪深300 -2.73%， 中证500 0.51%， 中证1000 0.84%[55] * **因子多空收益（上周）**：全部A股 0.08%， 沪深300 0.10%， 中证500 -1.46%， 中证1000 -0.87%[55] * **因子多空收益（今年以来）**：全部A股 -0.07%， 沪深300 0.45%， 中证500 -5.89%， 中证1000 -2.20%[55] 2. **市值因子**： * **IC均值（上周）**：全部A股 10.97%， 沪深300 33.47%， 中证500 -2.07%， 中证1000 4.74%[55] * **IC均值（今年以来）**：全部A股 7.41%， 沪深300 19.70%， 中证500 -8.85%， 中证1000 -0.66%[55] * **因子多空收益（上周）**：全部A股 1.62%， 沪深300 3.11%， 中证500 1.70%， 中证1000 0.06%[55] * **因子多空收益（今年以来）**：全部A股 2.65%， 沪深300 7.23%， 中证500 -10.20%， 中证1000 -0.45%[55] 3. **成长因子**： * **IC均值（上周）**：全部A股 7.53%， 沪深300 -11.51%， 中证500 1.18%， 中证1000 4.51%[55] * **IC均值（今年以来）**：全部A股 5.72%， 沪深300 3.62%， 中证500 2.91%， 中证1000 2.77%[55] * **因子多空收益（上周）**：全部A股 1.29%， 沪深300 -2.91%， 中证500 1.64%， 中证1000 0.45%[55] * **因子多空收益（今年以来）**：全部A股 2.89%， 沪深300 0.59%， 中证500 4.64%， 中证1000 0.14%[55] 4. **反转因子**： * **IC均值（上周）**：全部A股 -2.85%， 沪深300 -4.27%， 中证500 -5.74%， 中证1000 4.07%[55] * **IC均值（今年以来）**：全部A股 -2.45%， 沪深300 0.53%， 中证500 -9.15%， 中证1000 -0.03%[55] * **因子多空收益（上周）**：全部A股 -1.30%， 沪深300 -1.84%， 中证500 -2.80%， 中证1000 0.20%[55] * **因子多空收益（今年以来）**：全部A股 -4.25%， 沪深300 -3.14%， 中证500 -13.15%， 中证1000 -2.79%[55] 5. **质量因子**： * **IC均值（上周）**：全部A股 -6.17%， 沪深300 -19.17%， 中证500 -13.04%， 中证1000 -11.20%[55] * **IC均值（今年以来）**：全部A股 3.05%， 沪深300 1.08%， 中证500 -4.73%， 中证1000 -0.86%[55] * **因子多空收益（上周）**：全部A股 -0.69%， 沪深300 -3.29%， 中证500 0.05%， 中证1000 -0.96%[55] * **因子多空收益（今年以来）**：全部A股 1.45%， 沪深300 -0.88%， 中证500 -4.69%， 中证1000 1.51%[55] 6. **技术因子**： * **IC均值（上周）**：全部A股 6.77%， 沪深300 -4.67%， 中证500 3.45%， 中证1000 5.79%[55] * **IC均值（今年以来）**：全部A股 3.02%， 沪深300 -4.23%， 中证500 -5.47%， 中证1000 -0.55%[55] * **因子多空收益（上周）**：全部A股 -0.39%， 沪深300 -1.41%， 中证500 -0.60%， 中证1000 -0.59%[55] * **因子多空收益（今年以来）**：全部A股 -1.95%， 沪深300 -4.69%， 中证500 -13.04%， 中证1000 -4.09%[55] 7. **价值因子**： * **IC均值（上周）**：全部A股 14.54%， 沪深300 14.95%， 中证500 20.03%， 中证1000 22.00%[55] * **IC均值（今年以来）**：全部A股 0.25%， 沪深300 0.80%， 中证500 -5.63%， 中证1000 -2.89%[55] * **因子多空收益（上周）**：全部A股 1.42%， 沪深300 0.26%， 中证500 3.68%， 中证1000 3.31%[55] * **因子多空收益（今年以来）**：全部A股 -3.09%， 沪深300 -3.34%， 中证500 -8.43%， 中证1000 -2.43%[55] 8. **波动率因子**： * **IC均值（上周）**：全部A股 5.56%， 沪深300 1.98%， 中证500 -1.57%， 中证1000 10.41%[55] * **IC均值（今年以来）**：全部A股 0.82%， 沪深300 -0.12%， 中证500 -8.94%， 中证1000 -0.88%[55] * **因子多空收益（上周）**：全部A股 -1.11%， 沪深300 -1.33%， 中证500 -2.28%， 中证1000 -0.03%[55] * **因子多空收益（今年以来）**：全部A股 -3.70%， 沪深300 -1.95%， 中证500 -13.49%， 中证1000 -3.47%[55]

量化模型与构建方式 根据您提供的报告内容，该报告主要对公募基金2025年四季度的持仓和规模变动进行描述性统计分析，并未涉及用于预测或选股的量化模型或量化因子的构建、测试与评价。报告的核心是基金持仓数据的整理、分类和对比分析，而非开发新的量化策略或因子。 报告中对数据的处理和分析方法，可以视为一种**分析框架或分类模型**，具体如下： 1. **模型/框架名称**：公募基金分类与持仓分析框架 2. **模型构建思路**：为了系统性地观察和分析公募基金的配置行为，报告在Wind基金分类的基础上，建立了一个自定义的四级分类体系，并对不同类别基金的规模、仓位、板块及行业配置进行统计和对比[11]。 3. **模型具体构建过程**： * **第一步：基金分类**。将全市场公募基金划分为四大类，合计11个小类[11]。 * **主动权益基金**：包括普通股票型、偏股混合型，以及**过去四个季度权益仓位超过7成的灵活配置型基金**（定义为高仓位灵活配置型）[11][32]。 * **股债混合型基金**：包括平衡混合型、偏债混合型，以及**不满足上述高仓位条件的灵活配置型基金**（定义为中低仓位灵活配置型）[11][52]。 * **含权债基**：包括混合债券型一级基金、混合债券型二级基金和可转换债券型基金[75]。 * **纯债基金**：包括中长期纯债基金和短期纯债基金[90]。 * **第二步：数据统计与计算**。基于上述分类，对每一类基金计算以下指标[12][17][18]： * 规模与份额的绝对变动及环比增长率。 * 权益仓位中位数、杠杆率中位数。 * 持仓分布：按宽基指数（如沪深300、中证1000）、上市板块（主板、创业板、港股）、中信一级行业进行统计。 * 板块配置：划分为周期、大金融、科技、医药、消费等板块，计算配置比例及变动。 * **第三步：主动调仓计算**。为排除市场涨跌对持仓权重的影响，计算基金的主动增减仓。其核心思路是剥离价格变动的影响，估算基金经理的真实买卖行为。虽然没有给出具体公式，但根据金融工程常识，其计算过程通常可表示为： * 对于行业或个股i，其在报告期（t期）的权重为 $$W_{i,t}$$。 * 其在上一报告期（t-1期）的权重为 $$W_{i,t-1}$$。 * 假设其从t-1期到t期持有不变，仅因价格涨跌，其在t期的理论权重应为：$$W_{i, t}^{theoretical} = \frac{W_{i,t-1} \times (1 + R_{i,t})}{\sum_{j} [W_{j,t-1} \times (1 + R_{j,t})]}$$，其中 $$R_{i,t}$$ 为i在t期内的收益率。 * 则主动增减仓幅度为：$$\Delta W_{i,t}^{active} = W_{i,t} - W_{i, t}^{theoretical}$$[42][43][50][64]。 * 报告中的“主动加减仓市值”即基于此原理计算得出[50][51][64][74]。 4. **模型评价**：该框架结构清晰，分类标准明确，能够有效地从不同风险收益特征和资产配置角度拆解公募基金的整体行为，为观察市场资金流向和机构配置偏好提供了实用的分析工具。 模型的回测效果 此报告为基金持仓的定期统计分析，不涉及基于历史数据的策略回测，因此没有年化收益率、夏普比率、最大回撤、信息比率（IR）等量化策略回测指标。 报告展示了所构建的分析框架在**2025年第四季度**这个单一时间窗口下的应用结果，主要呈现为各类统计指标的**截面数据**，而非时间序列上的回测表现。具体取值如下： 1. **公募基金分类与持仓分析框架** 在2025年第四季度的应用结果： * **基金规模与份额变动**：主动权益基金规模环比减少1823亿元，份额减少727亿份（-2.81%）；含权债基规模环比增加2398亿元，份额增加1973亿份；纯债基金规模环比减少868亿元，份额减少871亿份（-1.35%）[17]。 * **业绩表现中位数（2025Q4）**：主动权益基金为-1.19%，股债混合型基金为0.40%，含权债基为0.55%，纯债基金为0.53%[14]。 * **权益仓位中位数（2025Q4）**：主动权益基金为90.63%[33]；股债混合型基金为23.86%[53]。 * **杠杆率中位数（2025Q4）**：含权债基为108.89%[76]；纯债基金为111.28%[91]。 * **板块配置比例（2025Q4，主动权益基金）**：科技45.26%，周期28.31%，医药9.24%，消费（未明确总值，部分细分下降），大金融5.62%[39]。 * **行业配置权重（2025Q4，主动权益基金前三位）**：电子19.16%，通信9.31%，电力设备及新能源7.78%[42]。 * **主动增减仓示例（2025Q4，主动权益基金个股）**：主动加仓前三为中国平安（69.17亿元）、东山精密（63.62亿元）、天华新能（32.77亿元）；主动减仓前三为工业富联（-158.83亿元）、亿纬锂能（-64.20亿元）、中际旭创（-54.40亿元）[51]。 量化因子与构建方式 该报告未涉及任何用于选股或择时的量化因子（如价值、动量、质量等因子）的构建与测试。 因子的回测效果 该报告未涉及任何量化因子的回测，因此没有因子IC值、IR、多空收益、分组收益等因子测试指标。

量化模型与构建方式 1. **模型名称**：红利风格择时模型[1][4][6] **模型构建思路**：通过构建一个综合因子来对红利风格进行择时，当综合因子值为正时发出正向信号[1][4][6] **模型具体构建过程**：模型由多个分项因子组合而成。首先，对每个分项因子计算其因子值。然后，将所有分项因子的因子值进行综合，得到一个综合因子值。综合因子值的计算逻辑未在本文中详细披露，但根据上下文，应为各分项因子值的某种加权或合成[6][7][10]。最终，根据综合因子值的正负来判断对红利风格的择时观点：综合因子值大于0发出正向看多信号，小于0则未发出正向信号[1][4][6]。 量化因子与构建方式 1. **因子名称**：中国:非制造业PMI:服务业因子[10] **因子构建思路**：使用中国非制造业PMI中的服务业指数作为反映经济景气度的宏观因子[10] **因子具体构建过程**：直接采用“中国:非制造业PMI:服务业”这一经济指标的最新数据，并计算其对应的因子值。具体计算过程未在本文中披露[10]。 2. **因子名称**：中国:M2:同比因子[10] **因子构建思路**：使用中国M2货币供应量的同比增速作为反映流动性环境的宏观因子[10] **因子具体构建过程**：直接采用“中国:M2:同比”这一经济指标的最新数据，并计算其对应的因子值。具体计算过程未在本文中披露[10]。 3. **因子名称**：美国:国债收益率:10年因子[7][10] **因子构建思路**：使用美国10年期国债收益率作为反映全球无风险利率和资金成本的因子[7][10] **因子具体构建过程**：直接采用“美国:国债收益率:10年”这一市场指标的最新数据，并计算其对应的因子值。具体计算过程未在本文中披露[7][10]。 4. **因子名称**：红利相对净值自身因子[7][10] **因子构建思路**：使用红利风格指数自身的相对净值表现作为动量或趋势因子，反映其近期的强弱[7][10] **因子具体构建过程**：基于“红利相对净值”这一指标计算其对应的因子值。具体计算过程未在本文中披露[7][10]。 5. **因子名称**：中证红利股息率-10年期中债收益率因子[10] **因子构建思路**：使用中证红利指数的股息率与10年期中国国债收益率的差值作为股债性价比因子[10] **因子具体构建过程**：计算“中证红利股息率”减去“10年期中债收益率”的差值，并基于该差值计算对应的因子值。具体计算过程未在本文中披露[10]。 6. **因子名称**：融资净买入因子[7][10] **因子构建思路**：使用市场的融资净买入数据作为反映市场情绪和杠杆资金偏好的因子[7][10] **因子具体构建过程**：直接采用“融资净买入”这一市场交易数据，并计算其对应的因子值。具体计算过程未在本文中披露[7][10]。 7. **因子名称**：行业平均景气度因子[10] **因子构建思路**：使用行业层面的平均景气度数据作为反映整体经济微观基础的因子[10] **因子具体构建过程**：基于“行业平均景气度”这一指标计算其对应的因子值。具体计算过程未在本文中披露[10]。 模型的回测效果 1. 红利风格择时模型，综合因子值（20260123）为-0.57[1][4][6] 2. 红利风格择时模型，综合因子值（20260116）为-0.77[1][6] 3. 红利风格择时模型，综合因子值（20251231）未在本文中直接给出，但根据分项因子值推断其曾为正值[10] 因子的回测效果 1. 中国:非制造业PMI:服务业因子，因子值（20260123）为-0.19[10] 2. 中国:M2:同比因子，因子值（20260123）为0.27[10] 3. 美国:国债收益率:10年因子，因子值（20260123）为-0.56[10] 4. 红利相对净值自身因子，因子值（20260123）为-1.46[10] 5. 中证红利股息率-10年期中债收益率因子，因子值（20260123）为0.76[10] 6. 融资净买入因子，因子值（20260123）为1.86[10] 7. 行业平均景气度因子，因子值（20260123）为0.78[10]

量化模型与构建方式 1. **模型名称**：价值50组合[5] **模型构建思路**：基于价值风格，以高beta弹性为投资目标构建的Smart beta组合[5] **模型具体构建过程**：报告未详细描述具体构建过程，但指出其构建基于专题报告《基于投资目标的基础 Smart beta 组合构建与配置》，目标是追求高beta弹性[5] 2. **模型名称**：价值均衡50组合[5] **模型构建思路**：基于价值风格，以长期稳健超额收益为投资目标构建的Smart beta组合[5] **模型具体构建过程**：报告未详细描述具体构建过程，但指出其构建基于专题报告《基于投资目标的基础 Smart beta 组合构建与配置》，目标是追求长期稳健超额收益[5] 3. **模型名称**：成长50组合[5] **模型构建思路**：基于成长风格，以高beta弹性为投资目标构建的Smart beta组合[5] **模型具体构建过程**：报告未详细描述具体构建过程，但指出其构建基于专题报告《基于投资目标的基础 Smart beta 组合构建与配置》，目标是追求高beta弹性[5] 4. **模型名称**：成长均衡50组合[5] **模型构建思路**：基于成长风格，以长期稳健超额收益为投资目标构建的Smart beta组合[5] **模型具体构建过程**：报告未详细描述具体构建过程，但指出其构建基于专题报告《基于投资目标的基础 Smart beta 组合构建与配置》，目标是追求长期稳健超额收益[5] 5. **模型名称**：小盘50组合[5] **模型构建思路**：基于小盘风格，以高beta弹性为投资目标构建的Smart beta组合[5] **模型具体构建过程**：报告未详细描述具体构建过程，但指出其构建基于专题报告《基于投资目标的基础 Smart beta 组合构建与配置》，目标是追求高beta弹性[5] 6. **模型名称**：小盘均衡50组合[5] **模型构建思路**：基于小盘风格，以长期稳健超额收益为投资目标构建的Smart beta组合[5] **模型具体构建过程**：报告未详细描述具体构建过程，但指出其构建基于专题报告《基于投资目标的基础 Smart beta 组合构建与配置》，目标是追求长期稳健超额收益[5] 模型的回测效果 1. **价值50组合**，周收益率1.38%[6]，周超额收益（相对国证价值）0.53%[6]，月收益率-0.11%[6]，月超额收益-1.47%[6]，年收益率-0.11%[6]，年超额收益-1.47%[6]，最大相对回撤2.43%[6] 2. **价值均衡50组合**，周收益率4.59%[6]，周超额收益（相对国证价值）3.73%[6]，月收益率8.27%[6]，月超额收益6.91%[6]，年收益率8.27%[6]，年超额收益6.91%[6]，最大相对回撤0.56%[6] 3. **成长50组合**，周收益率-0.37%[6]，周超额收益（相对国证成长）-1.13%[6]，月收益率5.13%[6]，月超额收益-1.15%[6]，年收益率5.13%[6]，年超额收益-1.15%[6]，最大相对回撤1.30%[6] 4. **成长均衡50组合**，周收益率3.79%[6]，周超额收益（相对国证成长）3.03%[6]，月收益率10.01%[6]，月超额收益3.73%[6]，年收益率10.01%[6]，年超额收益3.73%[6]，最大相对回撤1.33%[6] 5. **小盘50组合**，周收益率3.71%[6]，周超额收益（相对国证2000）0.38%[6]，月收益率11.57%[6]，月超额收益-0.66%[6]，年收益率11.57%[6]，年超额收益-0.66%[6]，最大相对回撤3.08%[6] 6. **小盘均衡50组合**，周收益率4.27%[6]，周超额收益（相对国证2000）0.94%[6]，月收益率12.88%[6]，月超额收益0.65%[6]，年收益率12.88%[6]，年超额收益0.65%[6]，最大相对回撤2.38%[6]

量化模型与因子总结 量化模型与构建方式 1. **模型名称**：多因子模型[2][15] * **模型构建思路**：该模型是量化基金广泛采用的一种策略模型，通过综合多个能够预测股票未来收益的因子（如价值、成长、动量、质量等）来构建投资组合，旨在获取超越基准指数的超额收益[2][15]。 * **模型具体构建过程**：研报未提供具体的多因子模型构建细节、因子定义、权重分配方法或组合优化过程。 2. **模型名称**：大数据驱动主动投资模型[2][15] * **模型构建思路**：该模型利用海量、多样化的另类数据（如网络舆情、电商数据、卫星图像等），通过机器学习、自然语言处理等技术提取有效信息，并将其融入投资决策过程，以发现传统数据难以捕捉的投资机会[2][15]。 * **模型具体构建过程**：研报未提供具体的大数据模型构建细节、数据来源、特征工程方法或算法模型。 3. **模型名称**：行业主题轮动模型[2][15] * **模型构建思路**：该模型旨在根据宏观经济周期、产业政策、市场情绪等因素，动态调整在不同行业或主题上的配置权重，以捕捉不同阶段表现突出的板块机会[2][15]。 * **模型具体构建过程**：研报未提供具体的行业轮动模型构建细节、轮动信号生成方法或权重调整机制。 模型的回测效果 1. **多因子模型**，本周收益中位数**3.78%**[19]，本月收益中位数**11.32%**[19]，本季度收益中位数**11.32%**[19]，本年度收益中位数**11.32%**[19]。 2. **大数据驱动主动投资模型**，本周收益中位数**1.50%**[20]，本月收益中位数**8.61%**[20]，本季度收益中位数**8.61%**[20]，本年度收益中位数**8.61%**[20]。 3. **行业主题轮动模型**，本周收益中位数**1.71%**[18]，本月收益中位数**7.19%**[18]，本季度收益中位数**7.19%**[18]，本年度收益中位数**7.19%**[18]。 量化因子与构建方式 * 研报中提及了“多因子”策略，但未具体列出或描述任何单一因子的名称、构建思路、具体构建过程及公式[2][15][19]。 因子的回测效果 * 研报未提供任何单一因子的独立测试结果（如IC值、IR值、多空收益等）。

量化模型与构建方式 根据提供的研报内容，报告主要对可转债市场进行跟踪和描述性分析，并未涉及需要主动构建的量化模型（如多因子选股模型、预测模型等）或需要从底层数据计算合成的量化因子（如价值、动量等因子）。报告中使用的是市场已有的、由第三方（如Wind）编制和发布的策略指数，用于展示不同维度可转债的历史表现。 因此，本报告涉及的“策略”可被视为基于特定规则构建的**可转债策略指数**，其本身可看作一种规则化、透明化的投资组合构建思路。以下对这些策略指数进行总结： 1. **策略指数名称**：万得可转债双低指数[27]；**构建思路**：选取同时具备“低价格”和“低转股溢价率”特征的可转债构成组合，是一种常见的可转债防御型或平衡型策略。 2. **策略指数名称**：万得可转债高价低溢价率指数[27]；**构建思路**：选取“高价格”但“低转股溢价率”的可转债构成组合，这类转债股性较强，偏向于进攻型策略。 3. **策略指数名称**：万得可转债高价指数、中价指数、低价指数[24][25]；**构建思路**：根据可转债的市场价格进行分组，构建不同价格区间的可转债组合，以反映不同债性/股性转债的市场表现。 4. **策略指数名称**：万得可转债大盘指数、中盘指数、小盘指数[27][31]；**构建思路**：根据可转债对应正股的市值规模进行分组，构建不同规模板块的可转债组合。 5. **策略指数名称**：万得可转债AAA指数、AA+指数、AA指数、AA-及以下指数[23][24]；**构建思路**：根据可转债的信用评级进行分组，构建不同信用等级的可转债组合。 策略指数的回测效果 报告通过图表展示了上述策略指数在近一年（约2025年2月至2026年1月）的历史累计涨跌幅走势[23][25][27][31]，但未提供具体的量化指标（如年化收益率、最大回撤、夏普比率、信息比率IR等）。因此，无法列出具体的指标取值。 量化因子与构建方式 报告未涉及需要从原始数据（如价格、财务报表）中计算并用于预测的量化因子（Alpha因子）的构建。报告核心使用的指标为市场通用指标： 1. **指标名称**：转股溢价率；**指标说明**：衡量可转债价格相对于其转换价值的溢价程度，是衡量可转债估值高低的关键指标。报告给出了其计算公式[19]： $$转股溢价率=（可转债收盘价-转股价值）/转股价值$$ 其中，转股价值计算公式为： $$转股价值=（100/转股价格）*正股收盘价$$ 报告使用此指标进行了市场整体估值分析（计算中位数、平均数）[3][11]以及在不同价格区间的分组分析[34]。 因子的回测效果 报告未对“转股溢价率”等指标进行因子有效性测试（如IC分析、分组收益测试等），因此没有相关的测试结果取值。

量化模型与构建方式 本报告为市场观察周报，未涉及具体的量化模型或量化因子的构建与测试。 量化因子与构建方式 本报告为市场观察周报，未涉及具体的量化模型或量化因子的构建与测试。 模型的回测效果 本报告为市场观察周报，未涉及具体的量化模型或量化因子的构建与测试。 因子的回测效果 本报告为市场观察周报，未涉及具体的量化模型或量化因子的构建与测试。

量化模型与因子总结 量化模型与构建方式 本报告为市场数据跟踪报告，未涉及具体的量化选股或择时模型，因此无量化模型部分。 量化因子与构建方式 报告中对多个宽基指数进行了多维度指标跟踪，这些指标可视为用于评估市场状态和风格的量化因子。 **1. 因子名称：连阴连阳天数** * **因子构建思路**：通过计算指数K线连续为阴线或阳线的天数，来反映市场的短期趋势强度和持续性[14]。 * **因子具体构建过程**：从指定起始日开始，逐日判断指数收盘价涨跌。若当日收益率为正，则连阳天数加1，连阴天数重置为0；若当日收益率为负，则连阴天数加1（以负数表示），连阳天数重置为0；若当日收益率为0，则可能将连续天数重置为空[14]。最终输出一个带符号的整数，正数表示连阳天数，负数表示连阴天数[14]。 **2. 因子名称：均线相对位置** * **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，判断指数所处的趋势阶段和强弱[17]。 * **因子具体构建过程**：首先计算指数收盘价的移动平均值，常用周期包括5日（MA5）、10日（MA10）、20日（MA20）、60日（MA60）、120日（MA120）、250日（MA250）[18]。然后计算当前收盘价相对于各条均线的偏离百分比，公式为： $$偏离百分比 = \frac{当前收盘价 - 移动平均线值}{移动平均线值} \times 100\%$$ 根据偏离百分比的正负和大小，判断指数是突破、贴近还是跌破某条均线[17][18]。 **3. 因子名称：交易金额占比** * **因子构建思路**：计算特定指数成分股总成交金额占全市场（以中证全指为代表）总成交金额的比例，用以观察资金在不同风格板块间的流向和集中度[3][20]。 * **因子具体构建过程**：在交易日T，对于特定宽基指数，其交易金额占比计算公式为： $$交易金额占比_T = \frac{该指数所有成分股在T日的成交金额之和}{中证全指所有成分股在T日的成交金额之和} \times 100\%$$ 报告中使用该指标比较了主要宽基指数的资金吸引力[3][20]。 **4. 因子名称：指数换手率** * **因子构建思路**：衡量指数整体交易的活跃程度，高换手率通常意味着市场关注度高或分歧大[20]。 * **因子具体构建过程**：采用流通市值加权的方式计算指数换手率，公式为： $$指数换手率_T = \frac{\sum (成分股流通股本_T \times 成分股换手率_T)}{\sum (成分股流通股本_T)}$$ 其中，成分股换手率通常由当日成交股数除以流通股本计算得到[20]。 **5. 因子名称：收益分布峰度与偏度** * **因子构建思路**：通过分析指数日收益率分布的峰度和偏度，刻画收益分布的尖锐程度和对称性，以评估市场收益的稳定性和极端风险[25][26]。 * **因子具体构建过程**： * **峰度**：计算指数日收益率序列的四阶中心矩与标准差四次方的比值，再减去3（正态分布的峰度值）。报告中的“峰度负偏离”指当前峰度值低于近5年历史峰度均值[25][26]。 $$峰度 = \frac{E[(R-\mu)^4]}{\sigma^4} - 3$$ 其中，\(R\)为日收益率序列，\(\mu\)为序列均值，\(\sigma\)为标准差。 * **偏度**：计算指数日收益率序列的三阶中心矩与标准差三次方的比值。正偏态表示收益率分布有长的右尾，负偏态表示有长的左尾[25][26]。 $$偏度 = \frac{E[(R-\mu)^3]}{\sigma^3}$$ **6. 因子名称：风险溢价** * **因子构建思路**：用指数的预期收益率（通常用市盈率倒数或股息率近似）减去无风险利率（以十年期国债即期收益率为参考），衡量投资者因承担市场风险而要求的额外回报，用于判断市场的相对估值和投资价值[28][32]。 * **因子具体构建过程**：报告中使用指数的市盈率倒数（E/P）作为预期收益率的代理变量。风险溢价计算公式为： $$风险溢价 = \frac{1}{PE_{TTM}} - 十年期国债即期收益率$$ 同时，计算该风险溢价在近1年、近5年历史数据中的分位值，以判断其当前位置[32]。 **7. 因子名称：PE-TTM（滚动市盈率）** * **因子构建思路**：使用最近四个季度的净利润总和计算市盈率，作为衡量指数估值水平的核心指标[40][43]。 * **因子具体构建过程**：对于指数而言，其PE-TTM通常为成分股市盈率的市值加权或调和平均数。报告重点关注其当前值以及相对于近1年、近5年历史数据的分位值[43][44]。 **8. 因子名称：股债性价比** * **因子构建思路**：是风险溢价因子的另一种表现形式，直接对比股票资产与债券资产的预期收益率之差，用于进行大类资产配置的决策参考[47]。 * **因子具体构建过程**：计算公式与风险溢价一致，即PE-TTM的倒数与十年期国债即期收益率之差[47]。报告通过比较该值与其历史分位（如80%分位为机会值，20%分位为危险值）来判断股票的相对吸引力[47]。 **9. 因子名称：股息率** * **因子构建思路**：衡量指数成分股现金分红的回报率，是高股息或红利投资风格的核心指标，尤其在市场低迷或利率下行期受到关注[49][56]。 * **因子具体构建过程**：指数股息率通常为成分股过去一年现金分红总额与指数总市值的比率。报告跟踪其当前值、历史均值及分位值[54]。 **10. 因子名称：破净率** * **因子构建思路**：计算指数中市净率（PB）小于1的个股数量占指数总成分股数量的比例，反映市场整体的悲观程度或估值洼地情况[55][58]。 * **因子具体构建过程**：对于指数中的每一个成分股，判断其市净率是否小于1。破净率计算公式为： $$破净率 = \frac{市净率<1的个股数量}{指数总成分股数量} \times 100\%$$ 报告展示了各主要宽基指数的当前破净率[58]。 因子的回测效果 本报告为市场状态跟踪报告，展示了各因子在特定时点（2026年1月23日）的截面数据或状态描述，并未提供因子在历史回溯测试中的表现指标（如IC、IR、多空收益等）。因此，无因子的量化回测效果部分。 报告中对部分因子的状态给出了定性评价，例如： * **风险溢价**：中证1000和中证2000的风险溢价波动率相对较大[29]；上证50的风险溢价分布更集中[35]。 * **PE-TTM**：中证500和中证1000估值连续达到近1年和近5年峰值[43]。 * **股息率**：高股息率在市场利率下行期的表现尤为突出[49]。 * **破净率**：破净占比越高，低估的情况越普遍；占比越低，可能表明市场对未来发展持乐观态度[57]。

量化模型与构建方式 1. **模型名称：长期行业主题基金标签模型**[42] * **模型构建思路**：通过分析主动偏股基金的历史持仓信息，为其打上长期行业主题标签，以帮助投资者进行资产配置、主题投资和产品选择，并构建相应的行业主题基金指数作为衡量工具[42]。 * **模型具体构建过程**： 1. 数据来源：获取基金在近四期（即最近两年）的中报和年报披露的全部持仓信息[42]。 2. 行业映射：将每只持仓股票映射到其所属的行业（例如申万一级行业）[42]。 3. 特征计算：根据每期持仓，计算基金在各个行业上的配置比例[42]。 4. 长期特征判断：综合近四期报告期的行业配置比例，判断基金长期稳定的行业暴露特征[42]。 5. 标签定义： * **行业主题基金**：长期在某一特定行业上保持高且稳定的配置比例[42]。 * **行业轮动基金**：长期特征显示其在不同报告期之间行业配置变化显著，主动进行行业切换[42]。 * **行业均衡基金**：长期特征显示其行业配置较为分散，没有明显集中于某个或某几个行业[42]。 * **模型评价**：该模型为投资者提供了衡量主题基金风险收益情况的工具，有助于定位细分赛道的优质产品[42]。 2. **模型名称：公募REITs系列指数模型**[54] * **模型构建思路**：构建一套完整的REITs市场指数，包括综合指数、按底层资产分类的指数和按项目类型分类的细分指数，以综合反映REITs市场表现，并为投资者提供基于指数化思想的资产配置新视角[54]。 * **模型具体构建过程**： 1. 样本选择：选取所有符合条件的公募REITs产品作为指数成分[54]。 2. 指数类别： * 综合指数：反映整个REITs市场的表现[54]。 * 底层资产指数：分为产权类REITs指数和特许经营权类REITs指数[54]。 * 细分项目指数：包括生态环保、交通基础设施、园区基础设施、仓储物流、能源基础设施、保障性租赁住房、消费基础设施、市政设施、水利设施、新型基础设施等主题指数[54]。 3. 指数计算： * 采用**分级靠档**的方法确定成分股权重，以确保计算指数的份额保持相对稳定[54]。 * 当样本成分名单或样本成分的调整市值出现非交易因素的变动时（如新发、扩募等），采用**除数修正法**保证指数的连续性[54]。 * 考虑到REITs的高分红特性，同时提供**价格指数**和**全收益指数**[54]。 * **模型评价**：该指数体系为长期投资者提供了关注REITs资产指数化投资的机会，有助于实现更优的资产配置策略[54]。 量化因子与构建方式 1. **因子名称：多因子ETF分类因子**[14][66] * **因子构建思路**：基于Smart Beta或因子投资理念，将ETF产品按照其追踪指数所暴露的核心因子进行分类，以便于投资者进行因子层面的资产配置和风格分析[14][66]。 * **因子具体构建过程**：报告并未详细描述每个因子的具体计算方式，但列出了市场上基于特定因子构建的ETF产品类别。这些因子类别包括： * **红利**：聚焦于高股息率股票[14][66]。 * **现金流**：聚焦于自由现金流表现优异的股票[14][66]。 * **价值**：聚焦于估值水平（如市净率、市盈率）较低的股票[14][66]。 * **成长**：聚焦于盈利或收入增长较快的股票[14][66]。 * **质量**：聚焦于财务质量高（如高ROE、低负债）的股票[66]。 * **基本面**：通常指基于基本面指标（如销售额、现金流、净资产、分红）加权编制的指数[14][66]。 * **低波**：聚焦于股价波动率较低的股票[14][66]。 * **动量**：聚焦于近期价格表现强势的股票[14][66]。 模型的回测效果 1. **长期行业主题基金指数**，截至2026年1月23日当周收益率：周期主题5.26%，国防军工主题5.12%，新能源主题3.44%，行业轮动主题2.06%，行业均衡主题1.68%，消费主题0.41%，TMT主题-0.09%，金融地产主题-0.57%，医药主题-2.64%[42]。 2. **长期行业主题基金指数**，2026年1月（截至1月23日）月度收益率：周期主题13.96%，国防军工主题14.21%，新能源主题8.07%，行业轮动主题7.84%，行业均衡主题7.83%，TMT主题11.29%，消费主题2.36%，医药主题7.33%，金融地产主题0.08%[45]。 3. **REITs指数系列**，基日以来至2026年1月23日的业绩指标： * **REITs综合指数**：累计收益-2.15%，年化收益-0.47%，最大回撤-42.67%，夏普比率-0.19，年化波动率10.46%[58]。 * **产权类REITs指数**：累计收益17.36%，年化收益3.55%，最大回撤-45.00%，夏普比率0.16，年化波动率12.70%[58]。 * **特许经营权类REITs指数**：累计收益-24.23%，年化收益-5.86%，最大回撤-41.17%，夏普比率-0.80，年化波动率9.15%[58]。 * **消费基础设施REITs指数**：累计收益56.31%，年化收益10.21%，最大回撤-9.89%，夏普比率0.82，年化波动率10.65%[58]。 * **市政设施REITs指数**：累计收益20.82%，年化收益4.20%，最大回撤-20.26%，夏普比率0.13，年化波动率20.51%[58]。 因子的回测效果 *（注：本报告未提供多因子分类ETF的具体因子IC、收益率等量化回测结果，仅提供了按此分类的ETF资金流和收益表现。）* 1. **多因子类别ETF**，截至2026年1月23日当周市场表现（基于表11汇总）： * **红利因子ETF**：基金规模1257.98亿元，本周净流入27.70亿元，本周回报1.14%[66]。 * **现金流因子ETF**：基金规模310.61亿元，本周净流入21.60亿元，本周回报4.22%[66]。 * **价值因子ETF**：基金规模48.67亿元，本周净流入1.10亿元，本周回报2.54%[66]。 * **成长因子ETF**：基金规模40.89亿元，本周净流入0.83亿元，本周回报0.91%[66]。 * **质量因子ETF**：基金规模11.74亿元，本周净流入0.42亿元，本周回报4.58%[66]。 * **基本面因子ETF**：基金规模6.18亿元，本周净流入0.03亿元，本周回报1.64%[66]。 * **低波因子ETF**：基金规模6.87亿元，本周净流出0.05亿元，本周回报0.97%[66]。 * **动量因子ETF**：基金规模30.12亿元，本周净流出0.67亿元，本周回报-2.08%[66]。

量化模型与因子总结 量化因子与构建方式 1. **因子名称：估值因子** [9] * **因子构建思路**：基于公司基本面价值指标，衡量股票价格相对于其内在价值的便宜程度，通常认为估值较低的股票未来收益更高[9]。 * **因子具体构建过程**：该因子为合成大类因子，由多个细分估值因子合成。报告中列出的细分因子包括： * **估值-EP**：盈利价格比，通常为每股收益除以股价。 * **估值-BP**：账面市值比，通常为每股净资产除以股价。 * **估值-SP**：销售收入价格比，通常为每股营业收入除以股价。 * **股息率**：每股股息除以股价。 2. **因子名称：成长因子** [9] * **因子构建思路**：衡量公司未来增长潜力的指标，通常认为成长性高的公司未来股价表现更好[9]。 * **因子具体构建过程**：该因子为合成大类因子，由多个细分成长因子合成。报告中列出的细分因子包括： * **营业收入增长率**：衡量公司营业收入的增长情况。 * **净利润增长率**：衡量公司净利润的增长情况。 * **ROE增长率**：衡量公司净资产收益率（ROE）的增长情况。 3. **因子名称：盈利因子** [9] * **因子构建思路**：衡量公司盈利能力和质量的指标，通常认为盈利能力强的公司更受市场青睐[9]。 * **因子具体构建过程**：该因子为合成大类因子，由多个细分盈利因子合成。报告中列出的细分因子包括： * **ROE**：净资产收益率，衡量公司运用自有资本的效率。 * **ROA**：总资产收益率，衡量公司运用全部资产的效率。 * **毛利率**：衡量公司核心业务的盈利能力。 * **净利率**：衡量公司最终的整体盈利能力。 4. **因子名称：小市值因子** [9] * **因子构建思路**：基于公司总市值的指标，通常认为小市值公司相比大市值公司具有更高的风险溢价和成长潜力，从而可能带来超额收益[9]。 5. **因子名称：反转因子** [9] * **因子构建思路**：基于股票过去一段时间收益率表现的指标，认为过去表现较差的股票未来可能反弹，而过去表现较好的股票未来可能回调[9]。 * **因子具体构建过程**：该因子为合成大类因子，由多个细分反转因子合成。报告中列出的细分因子包括： * **1个月反转**：基于过去1个月收益率的反转因子。 * **3个月反转**：基于过去3个月收益率的反转因子。 * **衰减换手率加权3个月反转**：在3个月反转因子的基础上，使用衰减换手率对历史收益率进行加权，以降低近期高换手率对因子信号的干扰。 * **衰减换手率加权6个月反转**：在6个月反转因子的基础上，使用衰减换手率对历史收益率进行加权。 6. **因子名称：波动率因子** [9] * **因子构建思路**：衡量股票价格波动风险的指标，通常认为低波动率的股票风险更低，可能带来更稳定的超额收益[9]。 * **因子具体构建过程**：该因子为合成大类因子，由多个细分波动率因子合成。报告中列出的细分因子包括： * **1个月波动率**：基于过去1个月收益率计算的波动率。 * **3个月波动率**：基于过去3个月收益率计算的波动率。 * **FF三因子残差1个月波动率**：基于过去1个月收益率，剔除Fama-French三因子（市场、市值、估值）影响后的残差波动率。 * **FF三因子残差3个月波动率**：基于过去3个月收益率，剔除Fama-French三因子影响后的残差波动率。 7. **因子名称：换手率因子** [9] * **因子构建思路**：衡量股票流动性和交易活跃度的指标，通常认为换手率过高可能意味着投机情绪浓厚，未来收益可能不佳[9]。 * **因子具体构建过程**：该因子为合成大类因子，由多个细分换手率因子合成。报告中列出的细分因子包括： * **1个月日均换手率**：过去1个月的日均换手率。 * **3个月日均换手率**：过去3个月的日均换手率。 * **近1个月/近2年的日均换手率**：近期换手率与长期换手率的比值，用于衡量换手率的异常变化。 8. **因子名称：超预期因子** [9] * **因子构建思路**：基于公司实际财务数据与市场一致预期之间的差异，认为业绩超预期的公司未来股价表现更好[9]。 * **因子具体构建过程**：该因子为合成大类因子，由多个细分超预期因子合成。报告中列出的细分因子包括： * **SUR**：营收超预期因子，衡量实际营业收入与一致预期营收的差异。 * **SUE**：盈利超预期因子，衡量实际每股收益与一致预期每股收益的差异。 9. **因子名称：预期估值因子** [9] * **因子构建思路**：基于分析师对未来财务数据的一致预期构建的估值指标，衡量股票相对于其未来盈利或增长预期的估值水平[9]。 * **因子具体构建过程**：该因子为合成大类因子，由多个细分预期估值因子合成。报告中列出的细分因子包括： * **预期EP_FY1**：基于未来12个月（FY1）一致预期每股收益计算的预期盈利价格比。 * **预期PEG倒数_FY1**：基于未来12个月（FY1）一致预期盈利增长率和预期市盈率计算的PEG比率倒数，用于衡量增长与估值的匹配度。 * **预期BP_FY1**：基于未来12个月（FY1）一致预期每股净资产计算的预期账面市值比。 10. **因子名称：预期净利润复合增速FY1** [9] * **因子构建思路**：基于分析师对未来净利润增长率的一致预期，衡量公司未来的盈利增长潜力[9]。 11. **模型名称：因子多空组合模型** [14] * **模型构建思路**：为了更贴近实际投资场景，评估因子在优选头部股票和规避尾部股票方面的能力，通过构建行业中性的多空组合来模拟因子收益[14]。 * **模型具体构建过程**： 1. 在每个股票池（如沪深300、中证500等）内，计算每个股票的大类因子综合评分[14]。 2. 根据因子评分，选取排名位于前20%的股票作为多头组合，排名位于后20%的股票作为空头组合[14]。 3. 对多头组合和空头组合分别进行行业中性化处理，以控制行业风险暴露[14]。 4. 多头组合和空头组合均采用等权重配置[14]。 5. 多空组合的收益为多头组合收益减去空头组合收益[14]。 因子的回测效果 (Rank IC均值) *注：所有指标均为月频Rank IC，截至2026年1月23日[10][11][12][13]。* 1. **估值因子** * 本月以来：沪深300 (-4.46%)， 中证500 (-12.10%)， 中证1000 (-8.56%)， 全A股 (-3.32%)[10][11][12][13] * 近一季度：沪深300 (5.78%)， 中证500 (0.79%)， 中证1000 (-1.63%)， 全A股 (3.24%)[10][11][12][13] * 今年以来：沪深300 (-4.46%)， 中证500 (-12.10%)， 中证1000 (-8.56%)， 全A股 (-3.32%)[10][11][12][13] * 2015年以来：沪深300 (4.56%)， 中证500 (5.00%)， 中证1000 (4.77%)， 全A股 (6.23%)[10][11][12][13] 2. **成长因子** * 本月以来：沪深300 (0.91%)， 中证500 (-4.46%)， 中证1000 (8.83%)， 全A股 (8.11%)[10][11][12][13] * 近一季度：沪深300 (4.84%)， 中证500 (-4.72%)， 中证1000 (3.86%)， 全A股 (3.27%)[10][11][12][13] * 今年以来：沪深300 (0.91%)， 中证500 (-4.46%)， 中证1000 (8.83%)， 全A股 (8.11%)[10][11][12][13] * 2015年以来：沪深300 (1.30%)， 中证500 (3.67%)， 中证1000 (3.81%)， 全A股 (2.96%)[10][11][12][13] 3. **盈利因子** * 本月以来：沪深300 (3.55%)， 中证500 (-10.47%)， 中证1000 (0.19%)， 全A股 (4.23%)[10][11][12][13] * 近一季度：沪深300 (7.17%)， 中证500 (0.02%)， 中证1000 (2.28%)， 全A股 (2.77%)[10][11][12][13] * 今年以来：沪深300 (3.55%)， 中证500 (-10.47%)， 中证1000 (0.19%)， 全A股 (4.23%)[10][11][12][13] * 2015年以来：沪深300 (1.80%)， 中证500 (2.20%)， 中证1000 (3.51%)， 全A股 (3.09%)[10][11][12][13] 4. **小市值因子** * 本月以来：沪深300 (21.54%)， 中证500 (-4.30%)， 中证1000 (3.60%)， 全A股 (8.42%)[10][11][12][13] * 近一季度：沪深300 (4.45%)， 中证500 (-3.55%)， 中证1000 (3.73%)， 全A股 (1.26%)[10][11][12][13] * 今年以来：沪深300 (21.54%)， 中证500 (-4.30%)， 中证1000 (3.60%)， 全A股 (8.42%)[10][11][12][13] * 2015年以来：沪深300 (-1.70%)， 中证500 (1.04%)， 中证1000 (4.97%)， 全A股 (4.46%)[10][11][12][13] 5. **反转因子** * 本月以来：沪深300 (7.56%)， 中证500 (-14.06%)， 中证1000 (3.13%)， 全A股 (1.42%)[10][11][12][13] * 近一季度：沪深300 (0.61%)， 中证500 (-1.29%)， 中证1000 (4.50%)， 全A股 (5.56%)[10][11][12][13] * 今年以来：沪深300 (7.56%)， 中证500 (-14.06%)， 中证1000 (3.13%)， 全A股 (1.42%)[10][11][12][13] * 2015年以来：沪深300 (4.08%)， 中证500 (4.89%)， 中证1000 (7.75%)， 全A股 (8.85%)[10][11][12][13] 6. **波动率因子** * 本月以来：沪深300 (4.93%)， 中证500 (-14.60%)， 中证1000 (-2.65%)， 全A股 (-1.99%)[10][11][12][13] * 近一季度：沪深300 (7.81%)， 中证500 (-1.03%)， 中证1000 (3.44%)， 全A股 (7.26%)[10][11][12][13] * 今年以来：沪深300 (4.93%)， 中证500 (-14.60%)， 中证1000 (-2.65%)， 全A股 (-1.99%)[10][11][12][13] * 2015年以来：沪深300 (4.78%)， 中证500 (6.70%)， 中证1000 (8.13%)， 全A股 (9.20%)[10][11][12][13] 7. **换手率因子** * 本月以来：沪深300 (2.33%)， 中证500 (-13.08%)， 中证1000 (-1.94%)， 全A股 (-2.19%)[10][11][12][13] * 近一季度：沪深300 (9.53%)， 中证500 (1.52%)， 中证1000 (4.39%)， 全A股 (5.42%)[10][11][12][13] * 今年以来：沪深300 (2.33%)， 中证500 (-13.08%)， 中证1000 (-1.94%)， 全A股 (-2.19%)[10][11][12][13] * 2015年以来：沪深300 (4.03%)， 中证500 (6.85%)， 中证1000 (9.05%)， 全A股 (9.49%)[10][11][12][13] 8. **超预期因子** * 本月以来：沪深300 (-0.36%)， 中证500 (3.21%)， 中证1000 (8.04%)， 全A股 (8.60%)[10][11][12][13] * 近一季度：沪深300 (-2.81%)， 中证500 (-3.84%)， 中证1000 (4.10%)， 全A股 (2.38%)[10][11][12][13] * 今年以来：沪深300 (-0.36%)， 中证500 (3.21%)， 中证1000 (8.04%)， 全A股 (8.60%)[10][11][12][13] * 2015年以来：沪深300 (2.63%)， 中证500 (3.19%)， 中证1000 (3.00%)， 全A股 (2.64%)[10][11][12][13] 9. **预期估值因子** * 本月以来：沪深300 (-5.56%)， 中证500 (-6.83%)， 中证1000 (-10.84%)， 全A股 (-7.29%)[10][11][12][13] * 近一季度：沪深300 (1.81%)， 中证500 (-1.21%)， 中证1000 (-5.10%)， 全A股 (-3.41%)[10][11][12][13] * 今年以来：沪深300 (-5.56%)， 中证500 (-6.83%)， 中证1000 (-10.84%)， 全A股 (-7.29%)[10][11][12][13] * 2015年以来：沪深300 (-0.55%)， 中证500 (0.24%)， 中证1000 (-0.35%)， 全A股 (0.40%)[10][11][12][13] 10. **预期净利润复合增速FY1因子** * 本月以来：沪深300 (3.92%)， 中证500 (-1.54%)， 中证1000 (-2.85%)， 全A股 (4.47%)[10][11][12][13] * 近一季度：沪深300 (3.36%)， 中证500 (-1.52%)， 中证1000 (-0.62%)， 全A股 (1.78%)[10][11][12][13] * 今年以来：沪深300 (3.92%)， 中证500 (-1.54%)， 中证1000 (-2.85%)， 全A股 (4.47%)[10][11][12][13] * 2015年以来：沪深300 (-0.25%)， 中证500 (0.47%)， 中证1000 (1.21%)， 全A股 (1.09%)[10][11][12][13] 模型（因子多空组合）的回测效果 *注：所有指标均为“本月以来”收益，截至2026年1月23日[20][21][22][16][18]。* 1. **因子多空组合模型（各股票池平均收益）** * 小市值因子：约1.5%[20] * 预期净利润复合增速FY1因子：约1.0%[20] * 超预期因子：约0.8%[20] * 成长因子：约0.6%[20] * 盈利因子：约0.2%[20] * 预期估值因子：约-0.2%[20] * 估值因子：约-0.4%[20] * 反转因子：约-0.6%[20] * 换手率因子：约-1.0%[20] * 波动率因子：约-1.2%[20] 2. **因子多空组合模型（沪深300股票池）** * 小市值因子：约7.5%[21] * 反转因子：约4.