量化模型与因子总结 量化模型与构建方式 **注：** 根据提供的研报内容，报告核心为对比评测两款AI智能体（Hermes Agent与OpenClaw）在金融投研任务中的应用表现，并未涉及传统意义上的量化投资模型（如多因子模型、风险模型）或量化因子（如价值、动量、质量等）的构建与测试。报告重点在于智能体的架构、功能及执行效率对比，而非量化策略或因子研究[1][2][3][9][18][34][52][64][66]。 模型的回测效果 **注：** 报告未提供任何量化模型的回测绩效指标（如年化收益率、夏普比率、最大回撤、信息比率IR等）[1][2][3][9][18][34][52][64][66]。 量化因子与构建方式 **注：** 报告未涉及任何量化因子的构建、定义或计算过程[1][2][3][9][18][34][52][64][66]。 因子的回测效果 **注：** 报告未提供任何量化因子的测试结果（如因子IC值、IR、多空收益、分组收益等）[1][2][3][9][18][34][52][64][66]。

量化模型与构建方式 1. **模型名称**：多资产择时模型[1][2][5][6] * **模型构建思路**：该模型用于对多种资产（包括不同期限的国债、信用债、股票指数、商品等）进行短期方向性择时判断，输出“看多”、“调整”（看空）或“震荡”观点[1][2][5][6]。 * **模型具体构建过程**：模型的核心是计算一个代表资产未来短期内上涨概率的“原始信号”（百分比）。具体构建过程在报告中未详细披露，但提到了其输出结果的处理和判断规则： 1. 模型每日输出一个“原始信号”，代表对未来短期内资产价格（如国债到期收益率、股指）上行的概率估计[7]。 2. 对“原始信号”进行平滑处理，计算其5日移动平均值（MA5）[2][5][6][7]。 3. 根据资产类型和设定的阈值，将平滑后的信号转化为具体的多空观点。对于利率债（如国债），当信号大于60%时看空，小于40%时看多，介于两者之间为震荡；对于股指，当信号大于60%时看多，小于40%时看空，介于两者之间为震荡[7]。 * **模型评价**：模型在多个资产上展现了持续的择时信号，但报告也提示了模型可能因市场环境变化、因子失效或数据质量问题而失效的风险[2][8]。 模型的回测效果 （注：报告未提供历史回测的统计指标（如年化收益率、夏普比率、最大回撤等），仅展示了截至报告日（2026-04-28）模型对各个资产的最新信号和观点。以下为各资产模型在报告日的具体输出值。） 1. **30年国债模型**，原始信号8.31%，MA5信号18.96%，模型观点为【看多】[2][5][7]。 2. **3年AAA中短票模型**，原始信号3.40%，MA5信号27.93%，模型观点为【看多】[2][5][7]。 3. **5年国债模型**，原始信号2.16%，MA5信号4.29%，模型观点为【看多】[2][5][7]。 4. **2年国债模型**，原始信号93.06%，MA5信号90.23%，模型观点为【调整】[2][5][7]。 5. **万得全A指数模型**，原始信号6.32%，MA5信号12.78%，模型观点为【看多】[2][5][7]。 6. **中证红利全收益指数模型**，原始信号39.01%，MA5信号28.38%，模型观点为【看多】[2][5][7]。 7. **恒生科技指数模型**，原始信号1.45%，MA5信号19.23%，模型观点为【看多】[2][5][7]。 8. **科创50指数模型**，原始信号3.02%，MA5信号3.23%，模型观点为【看多】[2][5][7]。 9. **万得微盘指数模型**，原始信号6.72%，MA5信号6.85%，模型观点为【看多】[2][5][7]。 10. **国证2000指数模型**，原始信号7.73%，MA5信号12.86%，模型观点为【看多】[2][6][7]。 11. **COMEX黄金模型**，原始信号75.04%，MA5信号63.58%，模型观点为【调整】[2][6][7]。 12. **IPE布油模型**，原始信号15.37%，MA5信号6.12%，模型观点为【看多】[2][6][7]。 13. **COMEX铜模型**，原始信号80.03%，MA5信号41.02%，模型观点为【震荡】[2][6][7]。 14. **焦煤模型**，原始信号27.42%，MA5信号24.53%，模型观点为【看多】[2][6][7]。

量化模型与构建方式 1. **模型/因子名称**：连阴连阳天数 **模型/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，来跟踪市场的短期趋势和动量特征[12] **模型/因子具体构建过程**：从指定起始日开始计数，连续出现阳线则天数计为正数，连续出现阴线则天数计为负数，数值的绝对值代表连续的天数[12] 2. **模型/因子名称**：指数与均线比较 **模型/因子构建思路**：通过计算指数收盘价相对于不同周期移动平均线（MA）的位置，来判断指数的短期、中期和长期趋势状态[15] **模型/因子具体构建过程**：计算指数收盘价相对于MA5、MA10、MA20、MA60、MA120、MA250的偏离百分比，公式为： $$ vsMA = (收盘价 / MA - 1) * 100\% $$ 其中，MA代表不同周期的移动平均价[16] 3. **模型/因子名称**：指数与历史极值比较 **模型/因子构建思路**：通过计算指数当前价格相对于近250个交易日最高价和最低价的回撤或上涨幅度，来衡量指数所处的历史价格区间[15] **模型/因子具体构建过程**：计算指数收盘价相对于近250日高位和低位的偏离百分比，公式为： $$ vs近250日高位 = (收盘价 / 近250日最高价 - 1) * 100\% $$ $$ vs近250日低位 = (收盘价 / 近250日最低价 - 1) * 100\% $$ [16] 4. **模型/因子名称**：资金占比 **模型/因子构建思路**：通过计算单一宽基指数成交金额占全市场（以中证全指代表）成交金额的比例，来观察资金在不同风格板块间的流动和聚集情况[18] **模型/因子具体构建过程**：对于每个宽基指数，计算其当日总成交金额，然后除以中证全指当日的总成交金额[19] 5. **模型/因子名称**：指数换手率 **模型/因子构建思路**：通过计算基于流通股本加权的成分股换手率，来衡量指数整体的交易活跃度[18] **模型/因子具体构建过程**：计算公式为： $$ 指数换手率 = \frac{\sum (成分股流通股本 * 成分股换手率)}{\sum (成分股流通股本)} $$ [19] 6. **模型/因子名称**：日收益率分布形态（峰度与偏度） **模型/因子构建思路**：通过计算指数日收益率分布的峰度和偏度统计量，并与历史时期对比，来刻画收益率分布的集中程度和尾部特征变化[24][26] **模型/因子具体构建过程**：计算指数日收益率序列的峰度（Kurtosis）和偏度（Skewness）。报告中峰度计算减去了3（正态分布峰度值），因此“超额峰度”为负表示分布比正态更平坦[26]。通过比较“当前值”与“近5年”历史均值的差异，来分析分布形态的变动[26] 7. **模型/因子名称**：风险溢价 **模型/因子构建思路**：以十年期国债即期收益率作为无风险利率基准，计算股票指数收益率与其之差，用以衡量股票市场相对于债券市场的超额回报或投资价值[29] **模型/因子具体构建过程**：计算公式为： $$ 风险溢价 = 指数收益率 - 十年期国债即期收益率 $$ 报告中具体展示了当前风险溢价、其在近1年和近5年历史中的分位值、历史均值及波动率，并通过与均值加减1倍、2倍标准差的比较来判断当前水平的极端程度[32] 8. **模型/因子名称**：PE-TTM（滚动市盈率）分位值 **模型/因子构建思路**：计算指数当前市盈率在历史（近1年、近5年、全部历史）中的百分位位置，作为估值高低和投资价值的参考[36][38] **模型/因子具体构建过程**：首先获取指数每日的PE-TTM时间序列，对于当前时点，计算其PE-TTM数值在指定历史窗口期（如近1年、近5年）内的排名百分位[41][42] 9. **模型/因子名称**：股债性价比 **模型/因子构建思路**：以市盈率倒数（E/P，代表股票盈利收益率）与十年期国债收益率的差值作为指标，直接比较股票和债券资产的相对吸引力[42][45] **模型/因子具体构建过程**：计算公式为： $$ 股债性价比 = \frac{1}{PE-TTM} - 十年期国债即期收益率 $$ 通过观察该值在历史中的分位（如80%分位为机会值，20%分位为危险值）来判断资产配置价值[45] 10. **模型/因子名称**：股息率 **模型/因子构建思路**：跟踪指数成分股的现金分红回报率，高股息率在市场波动或利率下行期可能具有防御性和吸引力[47] **模型/因子具体构建过程**：计算指数整体的股息率，并分析其在近1年、近5年及全部历史中的分位值、均值及波动区间，方法类似于PE-TTM分位值分析[50] 11. **模型/因子名称**：破净率 **模型/因子构建思路**：统计指数中市净率（PB）小于1的个股数量占比，用以衡量市场整体的估值悲观程度或低估普遍性[52] **模型/因子具体构建过程**：对于每个指数，遍历其成分股，计算市净率（股价/每股净资产），统计PB < 1的个股数量，再除以指数总成分股数量，得到破净率[52][54] 模型/因子的回测效果 **注**：本报告主要为对宽基指数各类指标在特定时点（2026年4月28日）的截面状态描述和历史对比分析，未提供基于历史回测的量化策略绩效指标（如年化收益率、夏普比率、信息比率IR、最大回撤等）。报告中的“测试结果”主要表现为各指标在报告日的具体数值、历史分位值及与统计区间的比较。 1. **连阴连阳天数模型/因子**：报告日，上证50为5周连阳[12]；创业板指日K连阴天数为4天[12] 2. **指数与均线比较模型/因子**：报告日，各指数vsMA250均为正，位于年线上方；创业板指vsMA60为7.1%，偏离最大；上证50 vsMA60为-0.4%，位于60日线下方[16] 3. **指数与历史极值比较模型/因子**：报告日，创业板指vs近250日低位为88.4%，距离历史低点涨幅最大；上证50 vs近250日高位为-6.6%，中证500为-5.3%，回撤超过5%[16] 4. **资金占比模型/因子**：报告日，沪深300交易金额占比最高，为25.43%；其次为中证1000（22.12%）和中证2000（22.04%）[18] 5. **指数换手率模型/因子**：报告日，中证2000换手率最高，为3.94；上证50换手率最低，为0.29[18] 6. **日收益率分布形态模型/因子**：当前峰度vs近5年均值：创业板指负偏离最大（-5.45），上证50负偏离最小（-2.81）[26]。当前偏度vs近5年均值：创业板指负偏态最大（-1.63），上证50负偏态最小（-0.95）[26] 7. **风险溢价模型/因子**：报告日当前值：上证50为0.38%，创业板指为-1.43%[32]。近5年分位值：上证50较高（69.52%），中证1000较低（13.33%）[30][32]。近1年波动率：创业板指最大（1.69%），上证50最小（0.78%）[32] 8. **PE-TTM分位值模型/因子**：报告日当前值：中证2000最高（166.34），上证50最低（11.59）[42]。近5年分位值：中证1000最高（100.0%），中证全指次之（99.67%）；创业板指较低（70.41%）[41][42] 9. **股债性价比模型/因子**：报告日，没有指数高于其近5年80%分位（机会值）；中证500、中证全指和沪深300低于其近5年20%分位（危险值）[45] 10. **股息率模型/因子**：报告日当前值：上证50最高（3.17%），中证2000最低（0.69%）[50]。近5年分位值：创业板指较高（61.74%），中证2000较低（1.24%）[49][50] 11. **破净率模型/因子**：报告日，上证50破净率最高（26.0%），中证2000最低（3.6%）[54]

量化模型与构建方式 1. **模型/因子名称**：港股通医疗主题指数（中证港股通医疗主题指数）[2][55] * **模型/因子构建思路**：从港股通范围内，选取业务涉及医疗主题的上市公司证券构建指数，以反映港股通内医疗领域上市公司的整体表现[55]。 * **模型/因子具体构建过程**： * **样本空间**：中证港股通综合指数样本[57]。 * **可投资性筛选**：对样本空间内证券，计算每月的日换手率中位数作为月换手率，剔除过去12个月或过去3个月平均月换手率不足0.1%的证券，除非该证券过去一年日均成交金额大于5000万港元[57]。 * **选样方法**： 1. 对于样本空间内符合可投资性筛选条件的证券，选取业务涉及医疗器械、医疗商业与服务、制药与生物科技服务、生物药品及制药等医疗主题的上市公司证券作为待选样本[57]。 2. 在上述待选样本中，优先选取业务涉及医疗器械、医疗商业与服务、制药与生物科技服务等上市公司证券作为指数样本，再按照过去一年日均总市值由高到低依次纳入剩余证券，使得样本数量达到50只[57]。 * **加权方式**：采用调整市值加权，并设置权重限制[57]。 * 使医疗器械、医疗商业与服务、制药与生物科技服务等证券的单个样本权重不超过15%[57]。 * 其余单个样本权重不超过2%且权重合计不超过20%[57]。 * 指数前五大样本合计权重不超过60%[57]。 * **定期调整**：指数样本每半年调整一次，样本调整实施时间分别为每年6月和12月的第二个星期五的下一交易日[57]。 * **模型/因子评价**：该指数聚焦港股医疗产业核心赛道，覆盖医疗器械、医疗服务、生物制药及CXO等方向，成分股创新性突出，对CXO相关领域配置集中[2][62][66]。 2. **模型/因子名称**：永赢中证港股通医疗主题ETF跟踪模型[4][82] * **模型/因子构建思路**：采用完全复制法进行投资，紧密跟踪标的指数（港股通医疗主题指数），追求跟踪偏离度和跟踪误差最小化[4][82]。 * **模型/因子具体构建过程**： * **投资策略**：主要采用完全复制策略，即按照标的指数的成分股构成及其权重构建投资组合，并根据标的指数成分股及其权重的变动进行相应调整[4][87]。 * **投资目标**：力争将年化跟踪误差控制在4%以内，日均跟踪偏离度的绝对值控制在0.35%以内[85]。 * **模型/因子评价**：该基金是跟踪港股通医疗主题指数的被动指数型产品，采用完全复制策略，追求较低跟踪误差与偏离度[4][82]。 模型的回测效果 1. **港股通医疗主题指数**： * **市盈率**：47.93倍（截至2026年4月24日）[2][68] * **市盈率历史分位点**：65.75%（发布以来，截至2026年4月24日）[2][68] * **成分股平均市值**：578.84亿元（截至2026年4月24日）[2][56] * **前十大成分股权重**：64.89%（截至2026年4月24日）[2][62] * **CXO（制药与生物科技服务Ⅲ）行业权重**：42.71%（截至2026年4月24日）[2][63][66] * **业绩弹性**：相对沪深300、中证500和中证1000等宽基指数以及A股医疗相关指数（如中证医疗指数）具有更高收益弹性，尤其在医药创新主线行情中表现突出[3][74][76]。例如，2025年相对中证医疗指数的超额收益达到44.99%[76]。 * **流动性**：2026年1月、2月、3月的日均成交额分别达到158.84亿元、99.41亿元和113.99亿元，流动性较为充裕[77]。 2. **永赢中证港股通医疗主题ETF（159366.SZ）**： * **年化跟踪误差**：1.52%（上市以来）[4][87] * **滚动20日日均跟踪偏离度**：控制在0.16%以内[4][87] * **基金规模**：4.03亿元（截至2026年一季度）[92]

量化模型与构建方式 1. **模型名称**：封板率与连板率计算模型[16] * **模型构建思路**：通过计算涨停股票的封板成功率（封板率）和连续涨停的概率（连板率），来量化市场短线炒作情绪和赚钱效应[16]。 * **模型具体构建过程**： 1. **数据筛选**：选取上市满3个月以上的股票作为样本[16]。 2. **封板率计算**：统计当日最高价曾达到涨停价的股票中，收盘价仍为涨停的股票数量，以此计算封板率[16]。公式为： $$封板率 = \frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数} \times 100\%$$ 3. **连板率计算**：统计前一日收盘涨停的股票中，当日收盘也涨停的股票数量，以此计算连板率[16]。公式为： $$连板率 = \frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数} \times 100\%$$ 2. **模型名称**：大宗交易折价率模型[25] * **模型构建思路**：通过计算大宗交易成交价相对于市场价格的折价幅度，来反映大资金的投资偏好和市场情绪[25]。 * **模型具体构建过程**： 1. **数据获取**：获取每日大宗交易的总成交金额和对应成交份额的当日总市值[25]。 2. **折价率计算**：计算大宗交易总成交金额与当日成交份额总市值的比值，再减去1，得到折价率[25]。公式为： $$折价率 = \frac{大宗交易总成交金额}{当日成交份额的总市值} - 1$$ 该值为负表示折价交易，绝对值越大表示折价幅度越大。 3. **模型名称**：股指期货年化贴水率模型[27] * **模型构建思路**：通过计算股指期货主力合约价格相对于现货指数价格的年化基差（贴水率），来反映市场对未来走势的预期和对冲成本[27]。 * **模型具体构建过程**： 1. **基差计算**：计算股指期货主力合约价格与对应现货指数价格的差值[27]。 2. **年化贴水率计算**：将基差除以现货指数价格，再乘以年化因子（250天除以合约剩余交易日数），得到年化贴水率[27]。公式为： $$年化贴水率 = \frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ 该值为正表示期货升水，为负表示期货贴水。 模型的回测效果 （注：本报告为市场监测日报，未提供模型的历史回测绩效指标，如年化收益率、夏普比率、最大回撤等。因此本部分无相关内容。） 量化因子与构建方式 （注：本报告主要描述市场状态和情绪指标的计算方法，未涉及用于选股或预测收益的传统量化因子（如价值、动量、质量等因子）的构建。因此本部分无相关内容。） 因子的回测效果 （注：本报告未涉及传统量化因子的测试，因此本部分无相关内容。）

量化模型与构建方式 1. **模型名称：景顺长城“电新全能工具箱”自适应动态配置框架**[2][6] * **模型构建思路**：构建一个覆盖新能源全产业链（光伏、锂电、储能、风电、电网、电力运营）的投资组合，通过主动与被动产品相结合，实现阿尔法（α）与贝塔（β）的精准协同[2][6][14]。 * **模型具体构建过程**： * **产品矩阵构建**：选取景顺长城基金旗下的五只产品构建“主动阿尔法 + 被动贝塔”矩阵[6][14]。 * **主动阿尔法来源（2只）**：景顺长城精锐成长（021431，提供全市场成长选股Alpha）和景顺长城新能源产业（011329，提供新能源产业主题深耕Alpha）[6][20]。 * **被动贝塔来源（3只ETF）**：创业板新能源ETF景顺（159187，跟踪创业板新能源全链）、电力ETF景顺（159158，跟踪全市场电力公用事业）、电池ETF景顺（159757，跟踪新能源车电池细分）[6][20]。 * **核心-卫星策略框架构建**：基于上述五只产品，构建“1核心+2卫星+1防御+1机动”的四层配置结构[57]。 * **核心仓（40%）**：创业板新能源ETF景顺（159187），提供新能源制造全产业链的综合行业贝塔[57]。 * **双卫星仓（合计40%）**：电池ETF景顺（159757，强化锂电周期高弹性）和景顺新能源产业（011329，获取主动Alpha）[58][62]。 * **防御仓（20%）**：电力ETF景顺（159158），利用公用事业板块的低波动、稳收益特征对冲下行风险[58]。 * **机动仓（0-20%）**：景顺精锐成长（021431），根据市场环境动态调整，增强策略灵活性[59]。 * **模型评价**：该框架实现了新能源赛道全覆盖，通过差异化赛道工具的科学组合，构建兼具高弹性与抗波动性的新能源核心组合，旨在实现攻守兼备、牛熊周期自适应的动态配置目标[51]。 2. **模型名称：三种风险偏好配置方案**[63] * **模型构建思路**：在“电新全能工具箱”产品矩阵基础上，针对不同风险承受能力的投资者，预设进取型、均衡型、稳健型三种静态资产配置方案[63]。 * **模型具体构建过程**：为三种风险偏好设定了固定的产品权重配置比例[67]。 * **进取型（高弹性）**：以“新能源Alpha最大化”为核心，承受高波动以换取高收益弹性。配置为：景顺精锐成长15%，景顺新能源产业25%，创业板新能源ETF景顺35%，电力ETF景顺10%，电池ETF景顺15%[64][67]。 * **均衡型（攻守兼备）**：采用主被动均衡配置思路，追求收益与风险平衡。配置为：景顺精锐成长5%，景顺新能源产业20%，创业板新能源ETF景顺30%，电力ETF景顺25%，电池ETF景顺20%[65][67]。 * **稳健型（低波动优先）**：以“用部分弹性换取组合稳定性”为核心逻辑，公用事业板块占比高。配置为：景顺精锐成长0%，景顺新能源产业10%，创业板新能源ETF景顺20%，电力ETF景顺50%，电池ETF景顺20%[66][67]。 3. **模型名称：动态调仓逻辑（含三套预案）**[69][71][74][76] * **模型构建思路**：为“电新全能工具箱”组合设置基于量化规则或事件触发的动态调仓机制，以控制风格漂移、锁定收益并强化纪律性操作[69][76]。 * **模型具体构建过程**： * **预案一：基于估值分位变化的调仓**[69][70] * 以电新板块历史10年估值分位为锚，在不同分位区间执行不同的配置操作[69]。 * **具体规则**： * **<20%分位（极度低估）**：大幅加仓成长端，增配电池ETF景顺和景顺新能源产业，降低电力ETF景顺仓位[69][71]。 * **20%-40%分位（低估区间）**：执行均衡型配置方案，并主动低处加仓[69][71]。 * **40%-60%分位（合理区间）**：维持均衡方案，仅进行定期再平衡[70][71]。 * **60%-80%分位（略高）**：逐步切换至稳健型配置，增配电力ETF景顺[70][71]。 * **>80%分位（高估区间）**：减仓景顺精锐成长、电池ETF景顺等高弹性品种，提高现金或防御仓位[70][71]。 * **预案二：基于政策催化触发的调仓**[71][74] * 以关键政策信号为触发条件，快速调整仓位以把握细分赛道机会[71]。 * **具体规则**： * **储能政策超预期**：加仓电池ETF景顺和景顺新能源产业[74][75]。 * **AI数据中心电力需求加速扩张**：加仓电力ETF景顺，关注电网设备[74][75]。 * **光伏产能出清、价格底部反转**：加仓景顺新能源产业和创业板新能源ETF景顺[74][75]。 * **新能源汽车销量超预期/渗透率突破**：加仓电池ETF景顺[74][75]。 * **电力改革深化**：加仓电力ETF景顺[74][75]。 * **预案三：周期再平衡规则**[76][77][79] * 设定常规再平衡周期（月度或季度）及明确的触发条件，以维持组合预设的风险收益特征[76]。 * **触发条件**： * 任意单只产品偏离目标权重超过±10%时，执行强制再平衡[76]。 * 新能源板块季度涨幅超过30%时，主动将高弹性仓位减持至目标下限[76]。 * **具体情景应对**： * 电池ETF景顺仓位>30%：卖出至20%，溢出资金补入电力ETF景顺[77][80]。 * 电力ETF景顺仓位<15%：买入补至25%，资金来源优先卖出涨幅最大的产品[77][80]。 * 景顺精锐成长大幅上涨：可适当加仓至10-15%，替换部分景顺新能源产业仓位[79][80]。 * 新能源板块系统性下跌>20%：暂停卖出，待估值分位回落至40%以下后再低处加仓[79][80]。 模型的回测效果 *注：报告未提供具体的量化回测指标（如年化收益率、夏普比率、最大回撤等）数值。报告中的效果分析主要为定性描述和情景分析[53][54]。* 量化因子与构建方式 *注：本报告主要讨论资产配置模型和投资组合构建，未涉及传统的股票量化因子（如价值、动量、质量等）的构建与分析。* 因子的回测效果 *注：本报告未涉及传统量化因子的测试，因此无相关指标取值。*

量化模型与构建方式 1. **模型/因子名称：恒生科技指数编制模型** **构建思路：** 构建一个能够代表在香港上市、与科技主题高度相关且具备创新能力的中国龙头企业的指数[8]。 **具体构建过程：** 1. **样本空间：** 在香港交易所主板上市的股票，不包括第二上市的外国公司和根据上市规则第21章上市的投资公司[9]。 2. **主题筛选：** 要求公司业务与以下至少一项科技主题高度相关：网络（包括移动通讯）、金融科技、云端、电子商贸、数码、智能化[9]。 3. **创新筛选：** 要求公司符合以下至少一项创新要求： * 利用科技平台（如网络或移动平台）运营[9]。 * 研究发展开支占收入比例 ≥ 5%[9]。 * 年度收入同比增长 ≥ 10%[9]。 4. **成分股选择：** 从满足上述条件的股票中，选取市值排名最高的30只证券作为成分股，成分股数量固定为30只[9]。 5. **快速纳入机制：** 若新股在首个交易日的收市市值排名进入现有指数成分股的前10名，则该新股将被纳入指数，通常在该公司上市后的第10个交易日收市后实施[9]。 6. **加权方法：** 采用流通市值加权法，并对个股权重设置上限：非外国公司成分股上限为8%，外国公司成分股上限为4%，所有外国公司成分股合计权重上限为10%[9]。 模型的回测效果 *本报告未提供关于恒生科技指数编制模型本身的量化回测效果指标（如年化收益率、夏普比率、最大回撤等）。* 量化因子与构建方式 *本报告未涉及除指数编制规则外的独立量化因子（如价值因子、动量因子等）的构建。* 因子的回测效果 *本报告未提供独立量化因子的回测效果指标。*

量化模型与因子总结 量化模型与构建方式 1. **模型名称：微盘股轮动与择时模型**[2][18][26] * **模型构建思路**：构建一个结合大小盘轮动和中期择时的综合策略，以捕捉微盘股相对于大盘（茅指数）的风格切换机会，并在风险过高时进行平仓控制[2][18][26]。 * **模型具体构建过程**： 1. **轮动子策略**：包含两个信号源。 * **信号一（相对净值）**：计算微盘股指数与茅指数的相对净值。当该相对净值高于其243日移动平均线时，倾向于投资微盘股；反之则投资茅指数[18][26]。 * **信号二（动量斜率）**：分别计算微盘股指数和茅指数的20日收盘价斜率。当两者方向相反且一方为正时，选择投资斜率为正的指数[26]。 * **综合轮动信号**：结合上述两个子策略信号，决定最终配置方向[2]。 2. **择时风控子策略**：基于两个宏观风险指标。 * **指标一**：十年期国债到期收益率同比。当该值触及30%（0.3）的阈值时，发出平仓信号[18][26]。 * **指标二**：微盘股波动率拥挤度同比。当该值触及55%（0.55）的阈值时，发出平仓信号[18][26]。 * **择时信号**：任一指标触及阈值，则对微盘股持仓发出平仓信号[26]。 * **模型评价**：该模型旨在通过多维度信号进行风格轮动，并引入宏观风险指标进行中期风险控制[2][18]。 2. **模型名称：宏观择时模型**[45][46] * **模型构建思路**：基于经济增长和货币流动性等宏观维度构建信号，动态调整权益资产（股票）的配置仓位[45]。 * **模型具体构建过程**：模型从经济增长和货币流动性两个观察维度生成信号，并综合得出最终的权益仓位建议。具体因子构建细节可参考历史报告《Beta 猎手系列：基于动态宏观事件因子的股债轮动策略》[45]。 模型的回测效果 1. **微盘股轮动与择时模型**：截至2026年4月24日，轮动模型处于均衡配置状态[2][18]。微盘股对茅指数的相对净值为2.47，高于其243日均线（2.08）[2][18]。波动率拥挤度同比为1.00%，十年期国债到期收益率同比为5.78%，均未触及风控阈值[18]。 2. **宏观择时模型**：模型给出的2026年4月份权益推荐仓位为25%，配置观点为“中性偏低”[45][46]。其中，经济增长层面信号强度为50%，货币流动性层面信号强度为0%[46]。该策略2026年年初至今收益率为2.44%，同期Wind全A收益率为-1.15%[45]。 量化因子与构建方式 1. **因子名称：一致预期因子**[52][62][64] * **因子构建思路**：基于分析师对未来盈利的一致预期数据构建，捕捉市场对上市公司未来业绩的共识变化[52][62]。 * **因子具体构建过程**：报告中列出了三个细分因子： * **EPS_FTTM_Chg3M**：未来12个月一致预期EPS过去3个月的变化率[64]。 * **ROE_FTTM_Chg3M**：未来12个月一致预期ROE过去3个月的变化率[64]。 * **TargetReturn_180D**：一致预期目标价相对于目前股价的收益率[64]。 2. **因子名称：价值因子**[52][62] * **因子构建思路**：寻找相对于其基本面价值（如净资产、盈利、收入等）被低估的股票[52][62]。 * **因子具体构建过程**：报告中列出了六个细分因子： * **BP_LR**：最新年报账面净资产除以最新市值[62]。 * **EP_FTTM**：未来12个月一致预期净利润除以最新市值[62]。 * **EP_FY0**：当期年报一致预期净利润除以最新市值[62]。 * **SP_TTM**：过去12个月营业收入除以最新市值[62]。 * **Sales2EV**：过去12个月营业收入除以企业价值[62]。 3. **因子名称：成长因子**[52][62] * **因子构建思路**：寻找营业收入、利润等财务指标增长较快的公司[52][62]。 * **因子具体构建过程**：报告中列出了三个细分因子： * **NetIncome_SQ_Chg1Y**：单季度净利润同比增速[62]。 * **OperatingIncome_SQ_Chg1Y**：单季度营业利润同比增速[62]。 * **Revenues_SQ_Chg1Y**：单季度营业收入同比增速[64]。 4. **因子名称：质量因子**[52][62][64] * **因子构建思路**：筛选盈利能力、运营效率、财务稳健性较高的公司[52][62]。 * **因子具体构建过程**：报告中列出了五个细分因子： * **ROE_FTTM**：未来12个月一致预期净利润除以股东权益均值[64]。 * **OCF2CurrentDebt**：过去12个月经营现金流净额除以流动负债均值[64]。 * **GrossMargin_TTM**：过去12个月毛利率[64]。 * **Revenues2Asset_TTM**：过去12个月营业收入除以总资产均值[64]。 5. **因子名称：技术因子**[52][62][64] * **因子构建思路**：基于价量数据，捕捉市场的交易行为特征[52][62]。 * **因子具体构建过程**：报告中列出了四个细分因子： * **Volume_Mean_20D_240D**：20日成交量均值除以240日成交量均值[64]。 * **Skewness_240D**：240日收益率偏度[64]。 * **Volume_CV_20D**：20日成交量标准差除以20日成交量均值[64]。 * **Turnover_Mean_20D**：20日换手率均值[64]。 6. **因子名称：波动率因子**[52][62][64] * **因子构建思路**：度量股票价格波动风险，通常低波动股票具有长期超额收益[52][62]。 * **因子具体构建过程**：报告中列出了五个细分因子： * **Volatility_60D**：60日收益率标准差[64]。 * **IV_CAPM**：CAPM模型残差波动率[64]。 * **IV_FF**：Fama-French三因子模型残差波动率[64]。 * **IV_Carhart**：Carhart四因子模型残差波动率[64]。 7. **因子名称：反转因子**[52][62][64] * **因子构建思路**：认为过去一段时间涨幅过大的股票未来会下跌，跌幅过大的股票未来会上涨[52][62]。 * **因子具体构建过程**：报告中列出了四个细分因子： * **Price_Chg20D**：20日收益率[64]。 * **Price_Chg40D**：40日收益率[64]。 * **Price_Chg60D**：60日收益率[64]。 * **Price_Chg120D**：120日收益率[64]。 8. **因子名称：市值因子**[52][62] * **因子构建思路**：以公司流通市值的对数作为因子，通常小市值公司长期表现更优[52][62]。 * **因子具体构建过程**： * **LN_MktCap**：流通市值的对数[62]。 9. **因子名称：可转债择券因子**[61] * **因子构建思路**：针对可转债特性构建择券因子，包括从正股映射的因子和转债特有的估值因子[61]。 * **因子具体构建过程**： * **正股映射因子**：从预测正股的因子（如一致预期、成长、财务质量、价值）来构建可转债因子[61]。 * **转债估值因子**：选取了平价底价溢价率作为估值因子[61]。 因子的回测效果 （数据截至报告上周，股票池为全部A股）[53] 1. **一致预期因子**，IC均值3.45%，多空收益1.97%[53]。 2. **价值因子**，IC均值4.61%，多空收益2.62%[53]。 3. **成长因子**，IC均值0.23%，多空收益2.16%[53]。 4. **质量因子**，IC均值1.10%，多空收益0.43%[53]。 5. **技术因子**，IC均值5.35%，多空收益4.58%[53]。 6. **波动率因子**，IC均值5.37%，多空收益4.53%[53]。 7. **反转因子**，IC均值-6.54%，多空收益-0.75%[53]。 8. **市值因子**，IC均值-9.11%，多空收益0.65%[53]。

量化模型与构建方式 根据提供的研报内容，未发现涉及具体的量化模型或量化因子的构建思路、过程及公式。报告主要内容为市场规则解读、ETF市场回顾及基金业绩跟踪，未包含量化模型或因子构建的详细描述[1][2][3][4][5][6][8][10][11][12][13][14][15][16][17][18][19][20][21][22][23][24][25][26][27][28][29][30][31][32][33][34][35][36][37][38][39][40][41][42][43][44][45][46][47][48][49][50][51][52][53][54][55][56][57][58]。 量化因子与构建方式 根据提供的研报内容，未发现涉及具体的量化因子或量化因子的构建思路、过程及公式。报告主要内容为市场规则解读、ETF市场回顾及基金业绩跟踪，未包含量化因子构建的详细描述[1][2][3][4][5][6][8][10][11][12][13][14][15][16][17][18][19][20][21][22][23][24][25][26][27][28][29][30][31][32][33][34][35][36][37][38][39][40][41][42][43][44][45][46][47][48][49][50][51][52][53][54][55][56][57][58]。

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** [30] * **因子构建思路**：以十年期国债即期收益率作为无风险利率的参考，计算各宽基指数相对于无风险利率的风险溢价，用以衡量其相对投资价值和偏离情况[30]。 * **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[30][32]。公式可表示为： $$风险溢价 = R_{index} - R_f$$ 其中，$R_{index}$ 为宽基指数的收益率，$R_f$ 为十年期国债即期收益率。 * **因子评价**：该因子有明显的均值复归现象，其中中证1000和中证2000的风险溢价波动率相对较大[31]。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[36]。 2. **因子名称：股债性价比因子** [43][46] * **因子构建思路**：以各指数市盈率（PE-TTM）的倒数作为股票预期收益率的近似，计算其与十年期国债即期收益率之差，用以衡量股票资产相对于债券资产的吸引力[43][46]。 * **因子具体构建过程**：股债性价比的计算公式为市盈率倒数减去无风险利率。报告中具体计算了各宽基指数的股债性价比[43][46]。公式可表示为： $$股债性价比 = \frac{1}{PE_{TTM}} - R_f$$ 其中，$PE_{TTM}$ 为指数的滚动市盈率，$R_f$ 为十年期国债即期收益率。 3. **因子名称：股息率因子** [48] * **因子构建思路**：计算指数的股息率，反映现金分红回报率，用于跟踪红利投资风格[48]。 * **因子具体构建过程**：股息率通常计算为成分股分红总额与指数总市值的比率。报告中跟踪了各宽基指数的股息率[48][51]。 4. **因子名称：破净率因子** [53] * **因子构建思路**：计算指数中市净率小于1的个股占比，用以反映市场的整体估值态度和低估的普遍程度[53]。 * **因子具体构建过程**：破净率计算为指数成分股中，市净率（PB）小于1的股票数量占总成分股数量的比例[53]。公式可表示为： $$破净率 = \frac{ count(PB < 1) }{ N }$$ 其中，$count(PB < 1)$ 为市净率小于1的成分股个数，$N$ 为指数总成分股个数。 * **因子评价**：破净率越高，表明市场低估的情况越普遍；破净率越低，可能表明市场对未来发展持乐观态度[53]。 5. **因子名称：换手率因子** [19][20] * **因子构建思路**：计算指数的整体换手率，反映市场交易活跃度[19]。 * **因子具体构建过程**：指数换手率计算方式为成分股流通股本加权平均的个股换手率[20]。公式表示为： $$指数换手率 = \frac{ \sum (成分股流通股本 \times 成分股换手率) }{ \sum (成分股流通股本) }$$ 6. **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，分析收益分布的集中程度和形态倾向[25]。 * **因子具体构建过程**：计算指数日收益率序列的偏度和峰度统计量。报告中对比了当前值与近5年历史值的差异[27]。注：报告中峰度计算减去了3（正态分布峰度）[27]。 * **因子评价**：峰度越大，说明收益率分布更集中；正偏态显示极端正收益情形增加的程度[25]。 因子的回测效果 1. **风险溢价因子** [33] * 当前风险溢价：上证50 (-0.21%)，沪深300 (0.03%)，中证500 (0.61%)，中证1000 (0.41%)，中证2000 (1.00%)，中证全指 (0.40%)，创业板指 (-0.53%) * 近5年分位值：上证50 (41.98%)，沪深300 (52.22%)，中证500 (71.27%)，中证1000 (60.56%)，中证2000 (75.71%)，中证全指 (66.43%)，创业板指 (37.46%) * 近1年波动率：上证50 (0.78%)，沪深300 (0.88%)，中证500 (1.26%)，中证1000 (1.25%)，中证2000 (1.35%)，中证全指 (1.02%)，创业板指 (1.68%) 2. **PE-TTM估值因子** [43] * 当前值：上证50 (11.53)，沪深300 (14.56)，中证500 (36.76)，中证1000 (52.53)，中证2000 (164.44)，中证全指 (22.87)，创业板指 (43.27) * 近5年历史分位值：上证50 (84.05%)，沪深300 (98.10%)，中证500 (96.45%)，中证1000 (99.92%)，中证2000 (86.36%)，中证全指 (99.67%)，创业板指 (67.36%) * 近1年波动率：上证50 (0.37)，沪深300 (0.64)，中证500 (3.13)，中证1000 (4.17)，中证2000 (12.20)，中证全指 (1.41)，创业板指 (4.85) 3. **股债性价比因子** [46] * 测试结果：没有指数高于其近5年80%分位值（机会值），中证500、中证全指和沪深300低于其近5年20%分位值（危险值）[46]。 4. **股息率因子** [51] * 当前值：上证50 (3.19%)，沪深300 (2.68%)，中证500 (1.26%)，中证1000 (0.97%)，中证2000 (0.69%)，中证全指 (1.90%)，创业板指 (0.95%) * 近5年历史分位值：上证50 (26.53%)，沪深300 (28.10%)，中证500 (3.64%)，中证1000 (18.43%)，中证2000 (0.58%)，中证全指 (20.66%)，创业板指 (59.17%) * 近1年波动率：上证50 (0.23%)，沪深300 (0.23%)，中证500 (0.14%)，中证1000 (0.12%)，中证2000 (0.07%)，中证全指 (0.19%)，创业板指 (0.16%) 5. **破净率因子** [55] * 当前破净率：上证50 (26.0%)，沪深300 (18.0%)，中证500 (11.0%)，中证1000 (8.2%)，中证2000 (3.55%)，中证全指 (6.44%) 6. **换手率因子** [19] * 当前换手率：上证50 (0.26)，沪深300 (0.58)，中证500 (2.0)，中证1000 (2.78)，中证2000 (3.98)，中证全指 (1.79)，创业板指 (3.03) 7. **收益分布形态因子（偏度与峰度）** [27] * 当前峰度（减3后）：上证50 (-1.08)，沪深300 (-0.78)，中证500 (-0.80)，中证1000 (-0.77)，中证2000 (-0.88)，中证全指 (-0.53)，创业板指 (-0.93) * 当前偏度：上证50 (0.86)，沪深300 (0.99)，中证500 (0.91)，中证1000 (0.83)，中证2000 (0.85)，中证全指 (1.03)，创业板指 (0.76) * 当前vs近5年峰度差：上证50 (-2.83)，沪深300 (-3.28)，中证500 (-4.30)，中证1000 (-4.72)，中证2000 (-4.79)，中证全指 (-3.83)，创业板指 (-5.36) * 当前vs近5年偏度差：上证50 (-0.96)，沪深300 (-1.02)，中证500 (-1.31)，中证1000 (-1.43)，中证2000 (-1.40)，中证全指 (-1.15)，创业板指 (-1.60)