量化模型与构建方式 1. **模型名称：国信金工指数增强组合模型**[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流程，构建对标不同宽基指数的增强组合，目标是稳定战胜各自基准[11][12]。 * **模型具体构建过程：** 模型构建流程主要包括三块： 1. **收益预测：** 基于多因子模型进行股票收益预测（具体因子库见下文量化因子部分）[12]。 2. **风险控制：** 通过组合优化模型控制组合相对于基准指数在风格、行业、个股等方面的风险暴露[12]。 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[12]。 2. **模型名称：单因子MFE组合模型**[15][42] * **模型构建思路：** 为了在更接近实际投资约束的条件下检验单因子的有效性，采用组合优化的方式，在控制行业暴露、风格暴露等实际约束的前提下，构建最大化单因子暴露的组合，通过该组合相对于基准的收益表现来判断因子有效性[42]。 * **模型具体构建过程：** 采用如下组合优化模型构建因子的MFE组合[42]： $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ * **目标函数：** $max\ f^{T}w$，即最大化组合在单因子上的加权暴露。其中 $f$ 为因子取值向量，$w$ 为待求解的股票权重向量[42]。 * **约束条件：** 1. **风格暴露约束：** $s_{l}\leq X(w-w_{b})\leq s_{h}$。$X$ 为股票对风格因子的暴露矩阵，$w_b$ 为基准指数权重向量，$s_l$, $s_h$ 为风格因子相对暴露的下限及上限[43]。 2. **行业偏离约束：** $h_{l}\leq H(w-w_{b})\leq h_{h}$。$H$ 为股票的行业暴露矩阵，$h_l$, $h_h$ 为组合行业偏离的下限及上限[43]。 3. **个股权重偏离约束：** $w_{l}\leq w-w_{b}\leq w_{h}$。$w_l$, $w_h$ 为个股相对于基准权重的偏离下限及上限[43]。 4. **成分股权重占比约束：** $b_{l}\leq B_{b}w\leq b_{h}$。$B_b$ 为个股是否属于基准指数成分股的0-1向量，$b_l$, $b_h$ 为成分股内权重的下限及上限[43]。 5. **卖空与权重上限约束：** $\mathbf{0}\leq w\leq l$，禁止卖空并限制个股权重上限[43]。 6. **满仓约束：** $\mathbf{1}^{T}\ w=1$，即权重和为1，组合满仓运作[43]。 * **模型评价：** 该方法比传统的十分组检验更能反映因子在实际投资约束下的真实有效性[42]。 3. **模型名称：公募重仓指数构建模型**[44] * **模型构建思路：** 为了测试因子在“机构风格”下的有效性，通过汇总公募基金持仓信息，构建一个公募基金重仓指数，作为因子测试的样本空间[44]。 * **模型具体构建过程：** 1. **选样空间：** 选取普通股票型基金和偏股混合型基金，剔除规模小于五千万且上市不足半年的基金[45]。 2. **持仓数据获取：** 通过基金的定期报告获取持股信息。若最新报告为半年报或年报，则使用全部持仓；若为季报，则结合前期的半年报或年报信息构建持仓数据[45]。 3. **权重计算：** 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信息[45]。 4. **成分股筛选：** 将平均后的股票权重降序排序，选取累计权重达到90%的股票作为成分股，构建公募基金重仓指数[45]。 量化因子与构建方式 1. **因子名称：估值类因子**[17] * **构建思路：** 从公司市值与基本面财务指标（如净资产、净利润、营业收入）的比值角度衡量股票估值水平[17]。 * **具体构建过程：** * **BP：** 净资产 / 总市值[17] * **单季 EP：** 单季度归母净利润 / 总市值[17] * **单季 SP：** 单季度营业收入 / 总市值[17] * **EPTTM：** 归母净利润TTM / 总市值[17] * **SPTTM：** 营业收入TTM / 总市值[17] * **EPTTM分位点：** EPTTM在过去一年中的分位点[17] * **股息率：** 最近四个季度预案分红金额 / 总市值[17] * **预期 EPTTM：** 一致预期滚动EP[17] * **预期 BP：** 一致预期滚动PB[17] * **预期 PEG：** 一致预期PEG[17] 2. **因子名称：反转与动量类因子**[17] * **构建思路：** 捕捉股票价格在短期、中期和长期的趋势反转或延续现象[17]。 * **具体构建过程：** * **一个月反转：** 过去20个交易日涨跌幅[17] * **三个月反转：** 过去60个交易日涨跌幅[17] * **一年动量：** 近一年除近一月后动量[17] 3. **因子名称：成长类因子**[17] * **构建思路：** 衡量公司营业收入、净利润等财务指标的同比增长情况，以及业绩是否超出市场预期[17]。 * **具体构建过程：** * **单季净利同比增速：** 单季度净利润同比增长率[17] * **单季营收同比增速：** 单季度营业收入同比增长率[17] * **单季营利同比增速：** 单季度营业利润同比增长率[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) / 预期营业收入标准差[17] * **单季超预期幅度：** 预期单季度净利润 / 财报单季度净利润[17] * **预期净利润环比：** 一致预期净利润 / 3个月前一致预期净利润[17] 4. **因子名称：盈利类因子**[17] * **构建思路：** 衡量公司运用资产和净资产创造利润的能力及其变化[17]。 * **具体构建过程：** * **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：** 单季度净资产收益率 - 去年同期单季度净资产收益率[17] * **DELTAROA：** 单季度总资产收益率 - 去年同期单季度总资产收益率[17] 5. **因子名称：流动性、波动与公司治理类因子**[17] * **构建思路：** 分别从股票交易活跃度、价格波动特性以及公司治理结构角度构建选股指标[17]。 * **具体构建过程：** * **非流动性冲击：** 过去20个交易日的日涨跌幅绝对值 / 成交额的均值[17] * **一个月换手：** 过去20个交易日换手率均值[17] * **三个月换手：** 过去60个交易日换手率均值[17] * **特异度：** 1 - 过去20个交易日Fama-French三因子回归的拟合度[17] * **一个月波动：** 过去20个交易日日内真实波幅均值[17] * **三个月波动：** 过去60个交易日日内真实波幅均值[17] * **高管薪酬：** 前三高管报酬总额取对数[17] 6. **因子名称：分析师类因子**[17] * **构建思路：** 基于卖方分析师的盈利预测、评级调整和覆盖情况构建因子，反映市场一致预期和关注度的变化[17]。 * **具体构建过程：** * **三个月盈利上下调：** 过去3个月内分析师(上调家数 - 下调家数) / 总家数[17] * **三个月机构覆盖：** 过去3个月内机构覆盖数量[17] 模型的回测效果 1. **国信金工沪深300指数增强组合**，本周超额收益0.55%，本年超额收益3.93%[5][14] 2. **国信金工中证500指数增强组合**，本周超额收益2.40%，本年超额收益1.53%[5][14] 3. **国信金工中证1000指数增强组合**，本周超额收益0.20%，本年超额收益3.61%[5][14] 4. **国信金工中证A500指数增强组合**，本周超额收益1.00%，本年超额收益4.83%[5][14] 因子的回测效果 *(注：以下因子回测结果均基于单因子MFE组合模型，指标为“最近一周超额收益”、“最近一月超额收益”、“今年以来超额收益”、“历史年化超额收益”。数据来源为各样本空间对应的图表。)* 1. **在沪深300样本空间中：**[18] * **预期EPTTM因子**，最近一周1.64%，最近一月2.08%，今年以来2.81%，历史年化3.84%[18] * **EPTTM因子**，最近一周1.34%，最近一月1.94%，今年以来2.93%，历史年化4.27%[18] * **单季营利同比增速因子**，最近一周-0.87%，最近一月-0.41%，今年以来-0.50%，历史年化3.52%[18] * **一年动量因子**，最近一周-0.83%，最近一月-0.32%，今年以来-0.51%，历史年化3.08%[18] * **预期净利润环比因子**，最近一周-0.79%，最近一月-1.84%，今年以来-3.02%，历史年化1.55%[18] 2. **在中证500样本空间中：**[21] * **预期EPTTM因子**，最近一周2.90%，最近一月4.50%，今年以来1.83%，历史年化3.17%[21] * **单季EP因子**，最近一周2.40%，最近一月3.65%，今年以来2.29%，历史年化7.57%[21] * **标准化预期外盈利(SUE)因子**，最近一周2.25%，最近一月2.79%，今年以来3.82%，历史年化8.20%[21] * **预期净利润环比因子**，最近一周0.06%，最近一月-1.62%，今年以来-1.23%，历史年化3.32%[21] * **三个月机构覆盖因子**，最近一周0.22%，最近一月-1.34%，今年以来-4.78%，历史年化4.09%[21] 3. **在中证1000样本空间中：**[23] * **预期PEG因子**，最近一周1.87%，最近一月2.42%，今年以来3.73%，历史年化2.27%[23] * **三个月反转因子**，最近一周1.33%，最近一月0.97%，今年以来1.85%，历史年化-2.01%[23] * **预期BP因子**，最近一周1.19%，最近一月2.62%，今年以来2.56%，历史年化2.64%[23] * **一年动量因子**，最近一周-1.91%，最近一月-1.05%，今年以来0.24%，历史年化-0.61%[23] * **单季ROA因子**，最近一周-0.62%，最近一月-0.93%，今年以来-0.93%，历史年化6.41%[23] * **三个月机构覆盖因子**，最近一周-0.58%，最近一月-0.57%，今年以来1.97%，历史年化6.55%[23] 4. **在中证A500样本空间中：**[25] * **预期EPTTM因子**，最近一周2.51%，最近一月3.94%，今年以来3.88%，历史年化2.10%[25] * **EPTTM因子**，最近一周1.99%，最近一月3.12%，今年以来3.39%，历史年化3.20%[25] * **三个月反转因子**，最近一周1.91%，最近一月1.30%，今年以来0.29%，历史年化-0.45%[25] * **一年动量因子**，最近一周-1.07%，最近一月-1.24%，今年以来-2.50%，历史年化1.95%[25] * **三个月机构覆盖因子**，最近一周-0.41%，最近一月-1.94%，今年以来-1.77%，历史年化3.19%[25] * **预期净利润环比因子**，最近一周-0.18%，最近一月2.60%，今年以来-3.43%，历史年化3.49%[25] 5. **在公募重仓指数样本空间中：**[27] * **预期EPTTM因子**，最近一周表现较好[27] * **预期PEG因子**，最近一周表现较好[27] * **三个月反转因子**，最近一周表现较好[27] * **一年动量因子**，最近一周表现较差[27] * **三个月机构覆盖因子**，最近一周表现较差[27] * **标准化预期外收入(SUR)因子**，最近一周表现较差[27]

量化模型与构建方式 1. **模型名称：港股精选组合模型**[13][15] * **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，构建港股精选股票组合[13][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. **基本面与技术面精选**：对分析师推荐股票池中的股票进行基本面和技术面两个维度的精选，具体筛选标准未在本文中详细展开，但提及了“基本面支撑”和“技术面共振”两个维度[13][15]。 2. **因子名称：250日新高距离**[20][22] * **因子构建思路**：该因子用于量化股票价格接近其过去250个交易日最高价的程度，以衡量股票的创新高情况。研究表明，股价接近52周（约250日）最高价的股票未来收益可能更高[20]。 * **因子具体构建过程**： 1. 计算过去250个交易日的收盘价最大值：`ts_max(Close, 250)`[22]。 2. 使用最新收盘价 `Close_t` 与上述最大值进行比较，计算新高距离[22]。 3. **公式**： $$250 日新高距离 = 1 - \frac{Close_t}{ts\_max(Close, 250)}$$ 其中，`Close_t` 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[22]。 4. **因子解释**：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，表示回落幅度[22]。 3. **模型名称：平稳创新高股票筛选模型**[2][22][23] * **模型构建思路**：该模型旨在从近期创过新高的股票中，筛选出具备分析师关注、股价强势、上涨路径平稳且创新高趋势持续的股票，以捕捉高质量的趋势性机会[2][22]。 * **模型具体构建过程**：在过去20个交易日创出过250日新高的股票池中，按以下步骤进行筛选[2][22]： 1. **样本池**：全部港股，但剔除成立时间不超过15个月的股票[23]。 2. **分析师关注度筛选**：过去6个月内，买入或增持评级的分析师研报不少于5份[23]。 3. **股价相对强弱筛选**：过去250日涨跌幅位于样本池前20%[23]。 4. **股价平稳性筛选**：在满足上述条件的股票池内，使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）[23]： * **价格路径平滑性**：股价位移路程比。具体计算公式未提供，但概念上衡量股价上涨过程的曲折程度[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[23]。 5. **趋势延续性筛选**：对经过步骤4筛选的股票，计算其过去5日的250日新高距离在时间序列上的均值，并取排序靠前的50只股票[23]。 模型的回测效果 1. **港股精选组合模型**[15][19] * 回测区间：2010年1月1日至2025年12月31日[15] * 年化收益：19.08%[15][19] * 相对恒生指数超额收益：18.06%[15][19] * 信息比率(IR)：1.19[19] * 最大回撤：23.73%[19] * 跟踪误差：14.60%[19] * 收益回撤比：0.76[19] 量化因子与构建方式 *(本报告中未单独提供因子的测试结果，因子已作为子模块包含在上述模型中)*

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）两个核心估值与盈利指标进行选股，旨在寻找估值合理且盈利能力强的公司[23]。 * **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的选股模型[23]。 2. **模型名称：机构调研组合（公募调研选股策略/私募调研跟踪策略）** * **模型构建思路：** 利用机构（公募或私募）调研上市公司的事件信息进行选股，认为被机构调研的公司可能蕴含投资机会[25]。 * **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，仅提及其为基于机构调研事件的选股策略[25]。 3. **模型名称：大宗交易组合** * **模型构建思路：** 基于“高成交、低波动”原则，从发生大宗交易的股票中筛选后续表现更佳的标的[29]。核心逻辑是“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，其后续表现更佳[29]。 * **模型具体构建过程：** 1. 筛选出近期发生大宗交易的股票。 2. 计算每只股票的“大宗交易成交金额比率”和“6日成交金额波动率”。 3. 根据“高成交、低波动”原则对股票进行排序或打分。 4. 通过月频调仓方式构造投资组合[29]。 4. **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[35]。 * **模型具体构建过程：** 报告未提供具体的构建公式，但提及构建时综合考虑了市值因素、调仓周期以及对仓位的控制[35]。 量化因子与构建方式 1. **因子名称：经营现金流比率** * **因子构建思路：** 衡量公司经营活动产生现金的能力，属于基本面因子中的盈利质量因子[12]。 * **因子具体构建过程：** 报告未提供具体计算公式。 2. **因子名称：成交量的5日指数移动平均** * **因子构建思路：** 使用指数移动平均平滑近期成交量，属于价量因子，用于捕捉交易活跃度的趋势[12]。 * **因子具体构建过程：** 报告未提供具体计算公式。 3. **因子名称：总资产毛利率TTM** * **因子构建思路：** 衡量公司利用全部资产创造毛利润的效率，属于基本面因子中的盈利因子[12]。 * **因子具体构建过程：** 报告未提供具体计算公式。 4. **因子名称：市盈率TTM倒数** * **因子构建思路：** 市盈率的倒数，即盈利收益率，属于估值因子。值越高代表估值可能越低[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 5. **因子名称：下行波动率占比** * **因子构建思路：** 衡量股价下行风险相对于总波动的比例，属于风险类因子[14]。 * **因子具体构建过程：** 报告未提供具体计算公式。 6. **因子名称：动量弹簧因子** * **因子构建思路：** 报告未解释具体思路，从名称推断可能是结合动量与反转效应的复合因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 7. **因子名称：EPTTM分位点** * **因子构建思路：** 盈利价格比（E/P）在横截面上的分位数排名，属于估值因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 8. **因子名称：日内波动率与成交金额的相关性** * **因子构建思路：** 衡量股价日内波动与成交金额之间的关联程度，属于价量相关性因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 9. **因子名称：市销率TTM倒数** * **因子构建思路：** 市销率的倒数，属于估值因子，常用于评估销售收入规模较大的公司[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 10. **因子名称：5分钟收益率偏度** * **因子构建思路：** 衡量超短期（5分钟）收益率分布的不对称性，属于高阶矩因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 11. **因子名称：对数市值因子** * **因子构建思路：** 公司市值的对数，代表市值风格因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 12. **因子名称：5日成交量的标准差** * **因子构建思路：** 衡量近期成交量波动的大小，属于价量波动因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 13. **因子名称：6日成交金额的移动平均值** * **因子构建思路：** 近期成交金额的平滑值，用于衡量资金关注度的水平[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 14. **因子名称：市盈率因子** * **因子构建思路：** 最常用的估值因子之一[14]。 * **因子具体构建过程：** 报告未提供具体计算公式。 15. **因子名称：单季度ROA** * **因子构建思路：** 单季度的总资产收益率，衡量单季盈利效率[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 16. **因子名称：标准化预期外盈利** * **因子构建思路：** 经过标准化处理的盈利惊喜（Earnings Surprise）因子，属于事件类因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 17. **因子名称：单季度总资产毛利率** * **因子构建思路：** 单季度的总资产毛利率[14]。 * **因子具体构建过程：** 报告未提供具体计算公式。 18. **因子名称：单季度营业收入同比增长率** * **因子构建思路：** 单季度营业收入的同比增长率，属于成长因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 19. **因子名称：ROE稳定性** * **因子构建思路：** 衡量净资产收益率（ROE）的波动情况，属于盈利质量因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 20. **因子名称：标准化预期外收入** * **因子构建思路：** 经过标准化处理的收入惊喜（Revenue Surprise）因子，属于事件类因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 21. **因子名称：ROA稳定性** * **因子构建思路：** 衡量总资产收益率（ROA）的波动情况[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 22. **因子名称：毛利率TTM** * **因子构建思路：** 过去十二个月的毛利率，属于盈利因子[16]。 * **因子具体构建过程：** 报告未提供具体计算公式。 23. **因子名称：营业利润率TTM** * **因子构建思路：** 过去十二个月的营业利润率[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 24. **因子名称：市净率因子** * **因子构建思路：** 常用的估值因子[14]。 * **因子具体构建过程：** 报告未提供具体计算公式。 25. **因子名称：单季度ROA同比** * **因子构建思路：** 单季度ROA的同比增长率[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 26. **因子名称：净利润率TTM** * **因子构建思路：** 过去十二个月的净利润率[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 27. **因子名称：净利润断层** * **因子构建思路：** 通常指财报发布后股价因盈利超预期而出现的向上跳空缺口，是事件驱动因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 28. **因子名称：单季度净利润同比增长率** * **因子构建思路：** 单季度净利润的同比增长率[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 29. **因子名称：早盘后收益因子** * **因子构建思路：** 报告未解释具体思路，从名称推断可能是捕捉早盘后特定时段的价格行为[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 30. **因子名称：6日成交金额的标准差** * **因子构建思路：** 衡量近期成交金额的波动性[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 31. **因子名称：大单净流入** * **因子构建思路：** 衡量大额资金净流入的情况，属于资金流向因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 32. **因子名称：单季度EPS** * **因子构建思路：** 单季度的每股收益[16]。 * **因子具体构建过程：** 报告未提供具体计算公式。 33. **因子名称：ROIC增强因子** * **因子构建思路：** 基于投入资本回报率（ROIC）构建的因子，可能经过某种增强处理[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 34. **因子名称：总资产增长率** * **因子构建思路：** 衡量公司资产规模的扩张速度，属于成长因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 35. **因子名称：单季度营业利润同比增长率** * **因子构建思路：** 单季度营业利润的同比增长率[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 36. **因子名称：换手率相对波动率** * **因子构建思路：** 可能指换手率与股价波动率的相对关系，属于价量关系因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 37. **因子名称：早盘收益因子** * **因子构建思路：** 报告未解释具体思路，从名称推断可能是捕捉早盘时段的价格行为[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 38. **因子名称：5日平均换手率** * **因子构建思路：** 近期换手率的平均水平，衡量股票流动性[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 39. **因子名称：单季度ROE** * **因子构建思路：** 单季度的净资产收益率[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 40. **因子名称：动量调整大单** * **因子构建思路：** 结合价格动量与大单资金流向的复合因子[13]。 * **因子具体构建过程：** 报告未提供具体计算公式。 41. **因子名称：单季度ROE同比** * **因子构建思路：** 单季度ROE的同比增长率[14]。 * **因子具体构建过程：** 报告未提供具体计算公式。 42. **因子名称：动量调整小单** * **因子构建思路：** 结合价格动量与小单资金流向的复合因子[12]。 * **因子具体构建过程：** 报告未提供具体计算公式。 43. **因子名称：5日反转** * **因子构建思路：** 短期反转因子，认为过去5日跌幅大的股票未来可能反弹[12]。 * **因子具体构建过程：** 报告未提供具体计算公式。 44. **因子名称：小单净流入** * **因子构建思路：** 衡量小额资金净流入的情况，属于资金流向因子[12]。 * **因子具体构建过程：** 报告未提供具体计算公式。 45. **大类因子名称：估值因子** * **因子构建思路：** 由多个估值类单因子（如市盈率、市净率等）合成的大类因子[1]。 * **因子具体构建过程：** 报告未提供具体合成方法。 46. **大类因子名称：盈利因子** * **因子构建思路：** 由多个盈利类单因子（如ROE、毛利率等）合成的大类因子[1]。 * **因子具体构建过程：** 报告未提供具体合成方法。 47. **大类因子名称：杠杆因子** * **因子构建思路：** 衡量公司财务杠杆水平的大类因子[1]。 * **因子具体构建过程：** 报告未提供具体合成方法。 48. **大类因子名称：市值因子** * **因子构建思路：** 代表公司规模风格的大类因子[1]。 * **因子具体构建过程：** 报告未提供具体合成方法。 49. **大类因子名称：动量因子** * **因子构建思路：** 由动量类单因子合成的大类因子[1]。 * **因子具体构建过程：** 报告未提供具体合成方法。 50. **大类因子名称：成长因子** * **因子构建思路：** 由成长类单因子（如收入增长率、利润增长率等）合成的大类因子[1]。 * **因子具体构建过程：** 报告未提供具体合成方法。 51. **行业内因子名称：每股净资产** * **因子构建思路：** 在行业内比较的基本面因子[21]。 * **因子具体构建过程：** 报告未提供具体计算公式。 52. **行业内因子名称：每股经营利润TTM** * **因子构建思路：** 在行业内比较的盈利因子[21]。 * **因子具体构建过程：** 报告未提供具体计算公式。 53. **行业内因子名称：BP因子** * **因子构建思路：** 市净率（P/B）的倒数，在行业内比较的估值因子[21]。 * **因子具体构建过程：** 报告未提供具体计算公式。 54. **行业内因子名称：EP因子** * **因子构建思路：** 盈利价格比（E/P），在行业内比较的估值因子[21]。 * **因子具体构建过程：** 报告未提供具体计算公式。 55. **行业内因子名称：残差波动率因子** * **因子构建思路：** 在行业内比较的风险因子[21]。 * **因子具体构建过程：** 报告未提供具体计算公式。 56. **行业内因子名称：流动性因子** * **因子构建思路：** 在行业内比较的流动性因子[21]。 * **因子具体构建过程：** 报告未提供具体计算公式。 57. **行业内因子名称：对数市值** * **因子构建思路：** 在行业内比较的市值风格因子[21]。 * **因子具体构建过程：** 报告未提供具体计算公式。 模型的回测效果 *注：以下模型业绩表现统计区间为2026年01月05日至2026年03月13日[24][26][30][36]* 1. **PB-ROE-50组合**，本周超越基准收益率（中证500）0.77%[23][24]，本周超越基准收益率（中证800）-1.15%[23][24]，本周超越基准收益率（全市场）-1.79%[23][24]，今年以来超额收益率（中证500）0.62%[24]，今年以来超额收益率（中证800）6.00%[24]，今年以来超额收益率（全市场）3.36%[24]，本周绝对收益率（中证500）-0.69%[24]，本周绝对收益率（中证800）-1.44%[24]，本周绝对收益率（全市场）-2.29%[24]，今年以来绝对收益率（中证500）11.05%[24]，今年以来绝对收益率（中证800）9.63%[24]，今年以来绝对收益率（全市场）8.62%[24] 2. **机构调研组合（公募调研选股）**，本周超越基准收益率0.26%[25][26]，今年以来超额收益率1.79%[26]，本周绝对收益率-0.03%[26]，今年以来绝对收益率5.28%[26] 3. **机构调研组合（私募调研跟踪）**，本周超越基准收益率-2.32%[25][26]，今年以来超额收益率7.62%[26]，本周绝对收益率-2.60%[26]，今年以来绝对收益率11.31%[26] 4. **大宗交易组合**，本周超越基准收益率0.92%[29][30]，今年以来超额收益率10.41%[30]，本周绝对收益率0.41%[30]，今年以来绝对收益率16.04%[30] 5. **定向增发组合**，本周超越基准收益率-0.87%[35][36]，今年以来超额收益率3.25%[36]，本周绝对收益率-1.38%[36]，今年以来绝对收益率8.51%[36] 因子的回测效果 *注：以下因子表现均为最近1周（2026.03.09-2026.03.13）在指定股票池中，剔除行业与市值影响后的多头组合超额收益[12]* 1. **经营现金流比率**，沪深300股票池收益1.68%[12][13]，中证500股票池收益0.43%[15]，流动性1500股票池收益-1.

量化模型与构建方式 1. 模型名称：封板率模型[16]；模型构建思路：通过计算当日涨停股票中能够维持涨停至收盘的比例，来反映市场打板资金的封板意愿和强度[16]；模型具体构建过程：首先筛选出上市满3个月以上的股票，找出当日盘中最高价达到涨停的股票集合，再从中筛选出收盘价仍为涨停的股票集合，最后计算两者的比值[16]；公式是：$$封板率=最高价涨停且收盘涨停的股票数/最高价涨停的股票数$$ [16] 2. 模型名称：连板率模型[16]；模型构建思路：通过计算昨日涨停股票中今日继续涨停的比例，来反映市场涨停板的连续性和赚钱效应的持续性[16]；模型具体构建过程：首先筛选出上市满3个月以上的股票，找出昨日收盘涨停的股票集合，再从中筛选出今日收盘也涨停的股票集合，最后计算两者的比值[16]；公式是：$$连板率=连续两日收盘涨停的股票数/昨日收盘涨停的股票数$$ [16] 量化因子与构建方式 1. 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价相对于市价的折价幅度，来反映大资金的投资偏好和市场情绪[25]；因子具体构建过程：统计每日所有大宗交易的成交总金额，并计算这些交易份额按当日市价计算的总市值，用成交总金额除以总市值再减1得到整体折价率[25]；公式是：$$折价率=大宗交易总成交金额/当日成交份额的总市值-1$$ [25] 2. 因子名称：股指期货年化贴水率因子[28]；因子构建思路：通过计算股指期货价格相对于现货指数的年化基差，来反映市场对未来走势的预期和对冲成本[28]；因子具体构建过程：首先计算股指期货主力合约价格与对应现货指数价格的差值（基差），然后将基差除以现货指数价格，再乘以年化因子（250除以合约剩余交易日数）[28]；公式是：$$年化贴水率=基差/指数价格*(250/合约剩余交易日数)$$ [28]；因子评价：该因子综合反映了金融市场利率、股市分红、市场情绪等多方面因素，其大小直接影响股指对冲的成本[28] 模型的回测效果 1. 封板率模型，20260313当日封板率72%[16] 2. 连板率模型，20260313当日连板率21%[16] 因子的回测效果 1. 大宗交易折价率因子，近半年以来平均折价率7.16%[25]，20260312当日折价率9.81%[25] 2. 股指期货年化贴水率因子，近一年以来上证50主力合约年化贴水率中位数0.78%[28]，近一年以来沪深300主力合约年化贴水率中位数4.05%[28]，近一年以来中证500主力合约年化贴水率中位数11.11%[28]，近一年以来中证1000主力合约年化贴水率中位数13.37%[28]；20260313当日上证50主力合约年化升水率0.26%[28]，处于近一年来73%分位点[28]；20260313当日沪深300主力合约年化贴水率11.93%[28]，处于近一年来9%分位点[28]；20260313当日中证500主力合约年化贴水率15.78%[28]，处于近一年来27%分位点[28]；20260313当日中证1000主力合约年化贴水率16.61%[28]，处于近一年来30%分位点[28]

量化模型与构建方式 1. **模型名称**：进取组合与平衡组合[7] **模型构建思路**：基于多因子选股模型构建的量化股票组合，旨在获取相对于基准指数（中证500）的超额收益[10] **模型具体构建过程**：报告未详细描述具体的因子构成、权重分配及组合构建步骤，仅提及其为“多因子组合”[7][10] 2. **模型名称**：沪深300/中证500/中证1000指数增强组合[5][7] **模型构建思路**：在跟踪对应宽基指数的基础上，通过量化模型进行增强，以获取超额收益[5] **模型具体构建过程**：报告未详细描述具体的增强策略、因子构成及优化方法[5][13][15] 3. **模型名称**：绩优基金的独门重仓股组合[5][7] **模型构建思路**：基于绩优基金的独门重仓股构建组合，旨在捕捉优秀基金经理的Alpha[5] **模型具体构建过程**：报告未详细描述绩优基金的筛选标准、独门重仓股的定义及组合构建方法[5][26] 4. **模型名称**：盈利、增长、现金流三者兼优组合[7][28] **模型构建思路**：筛选在盈利能力、增长能力和现金流三个方面均表现优异的公司构建组合[7] **模型具体构建过程**：报告未详细描述具体的财务指标筛选标准、阈值及组合构建方法[28] 5. **模型名称**：PB-盈利优选组合[5][7][30] **模型构建思路**：结合低估值（PB）与高盈利指标进行选股，构建有基本面支撑的低估值组合[5][30] **模型具体构建过程**：报告未详细描述PB与盈利指标的具体定义、结合方式及权重分配[30][32] 6. **模型名称**：GARP组合[9][34] **模型构建思路**：采用GARP（Growth at a Reasonable Price）策略，寻找价格合理且具有成长性的股票[9] **模型具体构建过程**：报告未详细描述衡量“合理价格”和“成长性”的具体指标及组合构建方法[34] 7. **模型名称**：小盘价值优选组合1/2[9][36][38] **模型构建思路**：在小盘股中筛选具有价值属性的股票构建组合[9] **模型具体构建过程**：报告未详细描述小盘股的定义、价值因子的具体构成及两个组合的差异[36][38] 8. **模型名称**：小盘成长组合[5][7][39] **模型构建思路**：在小盘股中筛选具有成长属性的股票构建组合[5] **模型具体构建过程**：报告未详细描述小盘股的定义及成长因子的具体构成[39] 模型的回测效果 （所有数据统计区间为：2025年12月31日至2026年3月13日[9]） 1. **进取组合**，绝对收益18.53%[9]，超额收益8.16%[9]，跟踪误差22.38%[9]，最大相对回撤6.14%[9] 2. **平衡组合**，绝对收益16.49%[9]，超额收益6.12%[9]，跟踪误差18.94%[9]，最大相对回撤4.99%[9] 3. **沪深300增强组合**，绝对收益8.17%[9]，超额收益7.32%[9]，跟踪误差6.65%[9]，最大相对回撤2.09%[9] 4. **中证500增强组合**，绝对收益9.28%[9]，超额收益-1.09%[9]，跟踪误差7.95%[9]，最大相对回撤3.17%[9] 5. **中证1000增强组合**，绝对收益9.84%[9]，超额收益1.69%[9]，跟踪误差8.56%[9]，最大相对回撤2.32%[9] 6. **绩优基金的独门重仓股组合**，绝对收益7.41%[9]，超额收益2.36%[9]，跟踪误差25.88%[9]，最大相对回撤7.41%[9] 7. **盈利、增长、现金流三者兼优组合**，绝对收益-9.96%[9]，超额收益-10.81%[9]，跟踪误差15.50%[9]，最大相对回撤13.38%[9] 8. **PB-盈利优选组合**，绝对收益7.75%[9]，超额收益6.90%[9]，跟踪误差12.53%[9]，最大相对回撤2.38%[9] 9. **GARP组合**，绝对收益12.55%[9]，超额收益11.70%[9]，跟踪误差11.07%[9]，最大相对回撤1.53%[9] 10. **小盘价值优选组合1**，绝对收益9.85%[9]，超额收益-5.58%[9]，跟踪误差11.26%[9]，最大相对回撤9.26%[9] 11. **小盘价值优选组合2**，绝对收益15.65%[9]，超额收益0.22%[9]，跟踪误差12.55%[9]，最大相对回撤5.84%[9] 12. **小盘成长组合**，绝对收益10.27%[9]，超额收益-5.16%[9]，跟踪误差11.25%[9]，最大相对回撤6.55%[9] 量化因子与构建方式 1. **因子名称**：市值因子[44] **因子构建思路**：反映公司规模大小的风格因子[44] **因子具体构建过程**：报告未给出具体计算公式，通常为总市值或流通市值的某种标准化处理[44] 2. **因子名称**：PB因子[44] **因子构建思路**：反映公司估值水平的风格因子，即市净率[44] **因子具体构建过程**：报告未给出具体计算公式，通常为股价除以每股净资产[44] 3. **因子名称**：PE_TTM因子[44] **因子构建思路**：反映公司估值水平的风格因子，即滚动市盈率[44] **因子具体构建过程**：报告未给出具体计算公式，通常为股价除以过去十二个月的每股收益[44] 4. **因子名称**：反转因子[48] **因子构建思路**：技术类因子，认为过去表现差的股票未来可能反弹，过去表现好的股票未来可能回调[48] **因子具体构建过程**：报告未给出具体计算公式，通常基于过去一段时间的收益率构建[48] 5. **因子名称**：换手率因子[48] **因子构建思路**：技术类因子，反映股票的流动性或交易活跃度[48] **因子具体构建过程**：报告未给出具体计算公式，通常基于过去一段时间的日均换手率构建[48] 6. **因子名称**：波动率因子[48] **因子构建思路**：技术类因子，反映股票价格的风险或不确定性[48] **因子具体构建过程**：报告未给出具体计算公式，通常基于过去一段时间收益率的标准差构建[48] 7. **因子名称**：ROE因子[52] **因子构建思路**：基本面因子，反映公司的盈利能力，即净资产收益率[52] **因子具体构建过程**：报告未给出具体计算公式，通常为净利润除以净资产[52] 8. **因子名称**：SUE因子[52] **因子构建思路**：基本面因子，反映公司盈利的意外惊喜，即标准化未预期盈余[52] **因子具体构建过程**：报告未给出具体计算公式，通常为（当期实际EPS - 分析师预期EPS）除以预期EPS的标准差[52] 9. **因子名称**：预期净利润调整因子[52] **因子构建思路**：基本面因子，反映分析师对公司未来盈利预测的调整方向[52] **因子具体构建过程**：报告未给出具体计算公式，通常基于分析师对未来净利润预测值的调整幅度构建[52] 因子的回测效果 （因子测试方法：按因子值排序，取最高与最低的10%股票构建等权组合，计算多空收益[43]） 1. **市值因子**，上周全市场多空收益0.13%[44]，2026年3月以来全市场多空收益-0.21%[44]，2026年以来全市场多空收益6.25%[45] 2. **PB因子**，上周全市场多空收益3.76%[44]，2026年3月以来全市场多空收益6.20%[44]，2026年以来全市场多空收益4.64%[45] 3. **PE_TTM因子**，上周全市场多空收益1.47%[44]，2026年3月以来全市场多空收益2.72%[44]，2026年以来全市场多空收益2.24%[45] 4. **反转因子**，上周全市场多空收益0.07%[48]，2026年3月以来全市场多空收益-2.68%[50]，2026年以来全市场多空收益-8.61%[50] 5. **换手率因子**，上周全市场多空收益2.68%[48]，2026年3月以来全市场多空收益3.55%[50]，2026年以来全市场多空收益3.60%[50] 6. **波动率因子**，上周全市场多空收益2.04%[48]，2026年3月以来全市场多空收益2.77%[50]，2026年以来全市场多空收益0.56%[50] 7. **ROE因子**，上周全市场多空收益-0.34%[52]，2026年3月以来全市场多空收益0.30%[52]，2026年以来全市场多空收益2.58%[53] 8. **SUE因子**，上周全市场多空收益-0.94%[52]，2026年3月以来全市场多空收益-0.78%[52]，2026年以来全市场多空收益1.47%[53] 9. **预期净利润调整因子**，上周全市场多空收益0.15%[52]，2026年3月以来全市场多空收益1.20%[52]，2026年以来全市场多空收益1.22%[53]

量化模型与因子总结 量化模型与构建方式 1. **模型名称：平稳创新高股票筛选模型**[11][18][22][23][26] * **模型构建思路**：该模型旨在从近期创出股价新高的股票中，筛选出具有更强趋势延续性和更平稳价格路径的“领头羊”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票未来收益可能更高，且“温水煮青蛙”效应表明平滑的动量产生的关注度更低，动量效应可能更强大[11][18][22][23]。 * **模型具体构建过程**：模型采用多步骤筛选法，在“过去20个交易日创出过250日新高”的股票池中进行筛选[19][23]。 1. **初筛条件**： * **分析师关注度**：过去3个月买入或增持评级的分析师研报不少于5份[26]。 * **股价相对强弱**：过去250日涨跌幅位于全市场前20%[26]。 2. **综合打分与排序**：在满足初筛条件的股票池内，使用以下两个指标综合打分，并选取排名在前50%的股票[26]。 * **价格路径平滑性（股价位移路程比）**：该指标衡量股价走势的平稳程度。计算公式为： $$价格路径平滑性 = \frac{|过去120日涨跌幅|}{过去120日日涨跌幅绝对值加总}$$ 其中，分子是考察期（120日）内的净涨跌幅绝对值，分母是考察期内每日涨跌幅绝对值之和。该比值越接近1，说明价格路径越平滑（单边趋势强）；比值越小，说明价格路径波动越大（来回震荡）[23][26]。 * **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。该均值越小，说明股票在考察期内持续接近或创出新高的状态越稳定[26]。 3. **最终筛选**：对经过综合打分筛选后的股票，再根据 **“趋势延续性”** 指标进行排序，选取排名靠前的50只股票。该指标为过去5日的250日新高距离在时间序列上的均值，用于捕捉近期趋势的强度[26]。 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**：该因子用于量化个股、行业指数或宽基指数当前价格距离其过去一年（250个交易日）最高点的回落幅度，是衡量趋势强度和“接近新高”状态的核心指标。其构建受到George (2004)等研究的启发，即股价接近52周最高价时未来收益可能更高[11]。 * **因子具体构建过程**：对于任意标的（股票或指数），在时间点t，计算其最新收盘价与过去250个交易日最高收盘价的相对距离。 * **计算公式**： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ * **公式说明**： * `Closet` 代表最新收盘价。 * `ts_max(Close, 250)` 代表过去250个交易日收盘价的最大值。 * **因子取值含义**： * 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有所回落，则因子值为正数，数值大小代表回落的幅度（百分比距离）[11]。 模型的回测效果 *本报告未提供“平稳创新高股票筛选模型”的历史回测绩效指标（如年化收益率、夏普比率、最大回撤、信息比率IR等）的具体数值。报告主要展示了模型在特定时点（2026年3月13日）的应用结果，即筛选出的18只股票列表及其部分特征[27][30]。* 因子的回测效果 *本报告未提供“250日新高距离”因子作为选股因子的历史回测绩效指标（如IC值、ICIR、多空收益、分组收益等）的具体数值。报告主要展示了该因子在特定时点（2026年3月13日）的截面数据，包括主要指数、行业指数、概念指数以及个股的因子取值[12][13][15][30]。*

量化模型与因子总结 量化模型与构建方式 1. **模型名称：宏观周期识别框架** * **模型构建思路**：为克服单一经济周期指标（如美林时钟）预测不稳定的问题，构建一个多维度、高维度的宏观周期识别框架，以更稳定地判断宏观状态，并分析其对大类资产价格的传导逻辑[8][9]。 * **模型具体构建过程**： 1. **变量选取**：同时考虑经济景气、通胀、利率、库存、信用五个维度的宏观指标[9]。 2. **宏观变量构建**：将宏观指数分别对宽基指数、代理宏观变量做回归，选取t值显著的细分宏观变量，用过去一年标准差倒数加权构建宏观因子变量[2]。 3. **数据滤波**：采用单边HP滤波器对宏观经济数据进行调整，消除短期波动对长期趋势判断的影响[2]。 4. **状态与趋势划分**：基于滤波后的变量，分别用因子动量划分宏观趋势（上行、下行）和用时序百分位划分宏观状态（高、中、低位）[2]。 5. **升维分析**：将宏观变量的边际变化（趋势）与所处状态（时序排位）结合，形成高维宏观变量，以分析其对资产价格的不同传导路径[2][8]。 2. **模型名称：中证全指择时策略** * **模型构建思路**：基于宏观变量组合，构建对中证全指的择时策略，根据宏观状态预测其未来收益上涨概率，进行多空操作[31]。 * **模型具体构建过程**： 1. **子策略构建**：分别构建“流动性+库存”和“流动性+信用”两个子策略，统计它们对中证全指未来收益是否上涨的预测值[31]。 2. **信号生成**：当任一子策略的预测值高于阈值（0.6）时，对中证全指做多，反之做空[31]。 3. **模型名称：红利指数择时策略** * **模型构建思路**：基于宏观变量组合，构建对红利指数的择时策略，根据宏观状态预测其未来收益上涨概率，进行多空操作[40]。 * **模型具体构建过程**： 1. **子策略构建**：分别构建“通胀+库存”和“库存+信用”两个子策略，计算它们对红利指数未来收益是否上涨的预测值[40]。 2. **信号生成**：对两个子策略的预测值求均值，当均值高于阈值（0.6）时，对红利指数做多，反之做空[40]。 4. **模型名称：风格轮动配置策略** * **模型构建思路**：基于有效的宏观因子组合，滚动预测六大风格指数的未来收益率，每月配置预期表现最优的风格，实现风格轮动[49][54]。 * **模型具体构建过程**： 1. **有效组合筛选**：通过测试宏观因子两两组合对风格轮动的有效性，筛选出“通胀+库存”和“通胀+信用”两个有效的宏观组合[49]。 2. **子策略构建**：对于每个有效宏观组合，滚动预测六大风格指数（大盘、小盘、成长、绩优、红利、价值）的未来远期收益率。将预测收益平滑后，在每月末选取预测收益率排名前二的风格指数，在下月进行等权配置[49]。 3. **策略综合**：综合两个子策略，将“通胀+库存”和“通胀+信用”子策略对风格指数的未来收益预测值进行截面排序并求均值。每月等权配置最终预测值排名前二的风格指数[54]。 模型的回测效果 1. **中证全指择时策略**（回测期：2012年1月末至2026年2月28日） * 年化收益：15.34%[34][36] * 年化波动：22.02%[36] * 夏普比率：0.74[36] * 最大回撤：-28.10%[36] * 超额收益（相对中证全指）：10.31%[34][36] * 跟踪误差：34.16%[36] * 信息比率(IR)：0.30[36] * 相对最大回撤：-50.30%[36] 2. **红利指数择时策略**（回测期：2012年1月末至2026年2月28日） * 年化收益：10.32%[40][42][43] * 年化波动：13.74%[42][43] * 夏普比率：0.75[42][43] * 最大回撤：-19.92%[42][43] * 超额收益（相对红利指数）：7.97%[40][42][43] * 跟踪误差：9.23%[42][43] * 信息比率(IR)：0.86[42][43] * 相对最大回撤：-12.47%[42][43] 3. **风格轮动配置策略**（回测期：2014年9月30日至2026年2月28日） * 年化收益：14.79%[54][59] * 年化波动：21.81%[59] * 夏普比率：0.64[59] * 最大回撤：-45.93%[59] * 超额收益（相对风格等权基准）：4.61%[54][59] * 跟踪误差：10.28%[59] * 信息比率(IR)：0.52[59] * 相对最大回撤：-81.71%[59] 量化因子与构建方式 1. **因子名称：宏观因子变量** * **因子构建思路**：从大量细分宏观指标中，筛选出对市场（宽基指数或代理变量）有显著预测能力的变量，并合成综合性的宏观因子[2]。 * **因子具体构建过程**： 1. **变量筛选**：将宏观指数分别对宽基指数、代理宏观变量做回归，选取t值显著的细分宏观变量[2]。 2. **加权合成**：使用过去一年标准差倒数对筛选出的显著变量进行加权，构建宏观因子变量[2]。 3. **公式**：假设有N个显著变量 $X_i$，其过去一年标准差为 $\sigma_i$，则宏观因子 $F$ 可表示为： $$ F = \sum_{i=1}^{N} w_i X_i, \quad 其中 \quad w_i = \frac{1/\sigma_i}{\sum_{j=1}^{N} (1/\sigma_j)} $$ 2. **因子名称：宏观状态与趋势因子** * **因子构建思路**：对处理后的宏观数据，从“状态”（水平位置）和“趋势”（边际变化）两个维度进行刻画，形成可用于资产配置的高维信号[2]。 * **因子具体构建过程**： 1. **数据预处理**：使用单边HP滤波器对原始宏观因子变量进行调整，得到平滑序列 $hp\_cpt$，以消除短期波动[2][21]。 2. **趋势划分**：基于滤波后变量计算因子动量，据此刻画宏观趋势为“上行”或“下行”[2]。 3. **状态划分**：计算滤波后变量在历史时序上的百分位，据此刻画宏观状态为“高”、“中”或“低”位[2][21]。 因子的回测效果 （报告未提供独立因子的回测绩效指标，如IC、IR等。因子效果体现在其驱动的各类择时与轮动策略的绩效中。）

量化模型与构建方式 1. **模型名称：华福金工权益基金评价模型**[18] * **模型构建思路：** 通过滚动窗口一元线性回归，为每只基金确定一个最能解释其近期业绩表现的参考基准指数，以此对基金进行分类和评价[18]。 * **模型具体构建过程：** 1. **确定基准池：** 选取22个代表不同市场风格和板块的基准指数作为自变量[18][21]。 2. **滚动回归：** 对每只基金，以其收益率为因变量，分别与22个基准指数进行一元线性回归。每个月底，向前选取窗口期为6个月的收益率数据进行滚动窗口回归，得到每个基金相对于每个指数的 $$R^2$$ 序列矩阵[18]。 3. **确定参考指数：** 计算每个指数近6期 $$R^2$$ 的均值，选取均值最大的指数作为该基金当期的业绩参考指数，其对应的回归方程结果作为当期分析结果[18]。 2. **模型名称：华福金工基金综合评分模型**[49][51] * **模型构建思路：** 构建一个立体的综合打分体系，从横向（全市场胜率）和纵向（长期业绩、业绩变化趋势）两个维度对基金经理进行评价和分档[49][51]。 * **模型具体构建过程：** 1. **横向打分：** 根据基金经理相对自适应基准的长期超额收益胜率在全市场中的分位数进行分档[49]。 2. **纵向考察：** 不仅考察长期业绩，还考察基金经理投资能力（α值）的变化趋势[51]。 3. **综合评级：** 结合横向和纵向分析，形成面向所有主动权益基金的综合评分，并划分为不同等级[51]。 * **AAA级 (稳定alpha型)：** 长期超额收益胜率排名前25%，α值稳定无下滑[51]。 * **AA+级 (α持续上升型)：** 胜率排名前25%，且α值序列呈现稳健提升态势[51]。 * **AA级 (α择时型)：** 胜率高，但α值相对不稳定[51]。 * **BB+级 (逆风翻盘型)：** 胜率排名前25%-50%，但α值趋势处于持续上升状态[51]。 模型的回测效果 *本报告未提供量化模型（如选股模型）在历史数据上的系统化回测指标（如年化收益、夏普比率、最大回撤、信息比率IR等）。报告主要展示了基于上述评价模型对基金市场现状的分析结果，而非模型本身的预测性能测试。* 量化因子与构建方式 *本报告未涉及用于选股或资产定价的量化因子（如价值、动量、质量等因子）的构建与测试。报告核心是基金评价与分类方法。* 因子的回测效果 *本报告未涉及量化因子的回测效果。*

量化模型与构建方式 1. **模型名称**：多资产择时模型[3][6][7] * **模型构建思路**：该模型是一个基于量化信号的多资产择时模型，旨在预测多种资产（包括国债、信用债、股票指数、商品等）在未来短期内的价格上行概率，并据此生成看多、调整（看空）或震荡的交易观点[3][6][7]。 * **模型具体构建过程**： 1. **模型输出**：模型每日对每个资产输出一个“原始信号”值，该值为一个百分比，代表模型对未来短期内该资产价格（对于利率债和信用债，指到期收益率；对于股指和商品，指价格指数）上行的概率估计[7]。 2. **信号平滑**：对原始信号进行5日移动平均（MA5）处理，得到“择时信号MA5”[3][6][7]。公式为： $$MA5_t = \frac{Signal_t + Signal_{t-1} + Signal_{t-2} + Signal_{t-3} + Signal_{t-4}}{5}$$ 其中，$Signal_t$ 代表第 $t$ 日的原始信号，$MA5_t$ 代表第 $t$ 日的5日移动平均信号。 3. **观点生成**：将平滑后的信号（MA5）与预设的阈值进行比较，生成最终的多空观点[7]。对于利率债和信用债（如30年国债、3年AAA中短票等），阈值设定为：MA5 > 60% 看空（报告表述为“调整”），MA5 < 40% 看多，介于两者之间为“震荡”[7]。对于股指和商品（如万得全A指数、COMEX黄金等），阈值设定相反：MA5 > 60% 看多，MA5 < 40% 看空（报告表述为“调整”），介于两者之间为“震荡”[7]。 模型的回测效果 （注：报告未提供模型历史回测的统计指标（如年化收益率、夏普比率、最大回撤等），仅提供了特定交易日（2026年3月12日及前几日）的信号输出和多空观点。因此，以下为模型在报告发布日的具体信号取值和生成的观点。） 1. **多资产择时模型**，**30年国债**原始信号68.41%，MA5信号63.62%，模型观点为【调整】[3][6] 2. **多资产择时模型**，**3年AAA中短票**原始信号6.32%，MA5信号46.09%，模型观点为【震荡】[3][6] 3. **多资产择时模型**，**10年国债**原始信号72.72%，MA5信号41.91%，模型观点为【震荡】[3][6] 4. **多资产择时模型**，**2年国债**原始信号20.57%，MA5信号13.86%，模型观点为【看多】[3][6] 5. **多资产择时模型**，**万得全A指数**原始信号67.82%，MA5信号68.15%，模型观点为【调整】[3][6] 6. **多资产择时模型**，**中证红利全收益指数**原始信号36.60%，MA5信号24.23%，模型观点为【看多】[3][6] 7. **多资产择时模型**，**恒生科技指数**原始信号71.60%，MA5信号55.90%，模型观点为【震荡】[3][6] 8. **多资产择时模型**，**科创50指数**原始信号77.20%，MA5信号70.23%，模型观点为【调整】[3][6] 9. **多资产择时模型**，**万得微盘指数**原始信号15.06%，MA5信号27.42%，模型观点为【看多】[3][6] 10. **多资产择时模型**，**国证2000指数**原始信号71.97%，MA5信号56.53%，模型观点为【震荡】[3][6] 11. **多资产择时模型**，**COMEX黄金**原始信号14.39%，MA5信号12.22%，模型观点为【看多】[3][6] 12. **多资产择时模型**，**IPE布油**原始信号53.05%，MA5信号37.75%，模型观点为【看多】[3][6][7] （注：报告未涉及独立的量化因子构建与分析，因此“量化因子与构建方式”及“因子的回测效果”部分无相关内容。）

量化模型与构建方式 1. **模型/因子名称**：封板率[18] **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与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，反映追涨资金的意愿和情绪[18]。 **具体构建过程**： 1. 筛选出上市满3个月以上的股票[18]。 2. 找出当日盘中最高价达到涨停价的股票集合。 3. 从上述集合中，找出当日收盘价也达到涨停价的股票。 4. 计算封板率，公式为： $$封板率=\frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$[18] 2. **模型/因子名称**：连板率[18] **构建思路**：通过计算连续两日收盘涨停的股票数量占昨日收盘涨停股票总数的比例，来衡量市场涨停板的延续性，反映强势股的赚钱效应和市场情绪的热度[18]。 **具体构建过程**： 1. 筛选出上市满3个月以上的股票[18]。 2. 找出昨日收盘涨停的股票集合。 3. 从上述集合中，找出今日收盘也涨停的股票。 4. 计算连板率，公式为： $$连板率=\frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$[18] 3. **模型/因子名称**：大宗交易折价率[27] **构建思路**：通过计算大宗交易成交总额与按当日市价计算的成交份额总市值的差异，来衡量大额资金交易的折价或溢价水平，反映大资金的交易情绪和偏好[27]。 **具体构建过程**： 1. 获取当日所有大宗交易的成交数据，包括成交金额和成交份额[27]。 2. 计算成交份额按当日收盘价（或成交均价）计算的总市值。 3. 计算折价率，公式为： $$折价率=\frac{大宗交易总成交金额}{当日成交份额的总市值}-1$$[27] 4. **模型/因子名称**：股指期货年化贴水率[29] **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的基差，并将其年化，来衡量股指期货相对于现货的折溢价程度。这反映了市场对未来走势的预期以及股指对冲的成本[29]。 **具体构建过程**： 1. 计算基差：基差 = 股指期货价格 - 现货指数价格[29]。 2. 计算年化贴水率，公式为： $$年化贴水率=\frac{基差}{指数价格}\times\frac{250}{合约剩余交易日数}$$[29] 其中，250为年化交易日数假设[29]。 模型的回测效果 （注：该报告为市场监测日报，未提供量化模型或因子在历史样本上的系统性回测绩效指标，如年化收益率、夏普比率、最大回撤、信息比率(IR)等。因此，此部分内容缺失。） 量化因子与构建方式 （注：报告中所提及的“封板率”、“连板率”、“大宗交易折价率”、“股指期货年化贴水率”等，在本文的语境下更偏向于市场监测指标或情绪指标。虽然其构建过程与量化因子类似，但报告并未将其作为选股因子进行测试。因此，将上述内容归类于“量化模型与构建方式”部分。本部分无其他独立因子内容。） 因子的回测效果 （注：该报告为市场监测日报，未提供量化因子的历史IC、IR、多空收益、分组收益等回测效果数据。因此，此部分内容缺失。）