量化模型与构建方式 1. **模型名称：量能择时模型**[23][24] * **模型构建思路**：通过监测市场成交量的变化来判断市场情绪和趋势，从而给出看多或看空的择时信号。 * **模型具体构建过程**：报告未详细描述该模型的具体构建公式和计算过程，仅给出了基于该模型对各宽基指数的最终择时观点[24]。 2. **模型名称：沪深300上涨家数占比择时模型**[24][26][28] * **模型构建思路**：通过计算沪深300指数成分股中过去一段时间内取得正收益的股票数量占比，来衡量市场情绪。认为该指标可以较快捕捉上涨机会，并在市场过热时提前预警[24][25]。 * **模型具体构建过程**： 1. 计算沪深300指数N日上涨家数占比：统计沪深300指数成分股中，过去N日收益率大于0的个股数量，并计算其占总成分股数的比例[24]。 $$沪深300指数N日上涨家数占比 = \frac{过去N日收益大于0的个股数}{沪深300指数成分股总数}$$ 2. 对上述指标进行两次不同窗口期的移动平均平滑，生成快线和慢线。设长期平滑窗口为N1，短期平滑窗口为N2，且N1 > N2[26][28]。 3. 生成交易信号：当快线大于慢线时，看多沪深300指数；当快线小于慢线时，对市场持中性态度[26][28]。报告中示例参数为N=230，N1=50，N2=35[26]。 3. **模型名称：均线情绪指标择时模型**[32][36] * **模型构建思路**：基于技术分析中的均线系统，通过判断股价与多条均线的相对位置关系来评估市场趋势和情绪状态[32]。 * **模型具体构建过程**： 1. 计算沪深300收盘价的八条均线，参数分别为8, 13, 21, 34, 55, 89, 144, 233[32][36]。 2. 统计当日沪深300指数收盘价大于这八条均线数值的数量[36]。 3. 生成交易信号：当收盘价大于均线值的数量超过5条时，看多沪深300指数[36]。 4. **因子名称：横截面波动率**[37][38] * **因子构建思路**：计算同一时间点（截面）上，某个指数内所有成分股收益率的离散程度（标准差），用以衡量市场分化程度和选股（Alpha）环境的优劣[37]。 * **因子具体构建过程**：报告未给出具体的计算公式，但明确指出该指标用于衡量沪深300、中证500、中证1000等指数成分股收益率在横截面上的波动情况[37][38]。 5. **因子名称：时间序列波动率**[38][41] * **因子构建思路**：计算指数成分股收益率在时间序列上的波动率，用以衡量市场整体波动水平和风险环境，同样影响Alpha策略的表现[38]。 * **因子具体构建过程**：报告未给出具体的计算公式，但明确指出该指标用于衡量沪深300、中证500、中证1000等指数成分股在时间序列上的波动率，并进行了加权计算[38][40][41]。 6. **因子名称：抱团基金分离度**[81] * **因子构建思路**：通过计算抱团基金组合截面收益率的标准差，来度量基金抱团的程度。标准差越小，说明基金表现越趋同，抱团程度越高；反之则表示抱团正在瓦解[81]。 * **因子具体构建过程**： 1. 构造一个抱团基金组合[81]。 2. 计算该组合在某个截面期（如每日或每周）所有基金收益率的截面标准差，该值即为“分离度”[81]。 $$分离度_t = Std( R_{1,t}, R_{2,t}, ..., R_{n,t} )$$ 其中，$R_{i,t}$ 代表抱团基金组合中第 $i$ 只基金在 $t$ 时期的收益率，$Std$ 代表标准差计算。 模型的回测效果 1. **量能择时模型**，截至2026年3月6日，对上证指数、上证50、沪深300、中证500、中证1000、创业板指、北证50的量能择时观点均为“空”（谨慎）[24]。 2. **沪深300上涨家数占比择时模型**，模型评价：该指标可以较快捕捉上涨机会，但会在市场过热阶段提前止盈而错失后续上涨，且对下跌市场的判断存在缺陷[25]。截至2026年3月6日，指标快线处于慢线上方，模型维持看多观点[26]。 3. **均线情绪指标择时模型**，截至2026年3月6日，近期沪深300指数处于情绪非景气区间[32]。 因子的回测效果 1. **横截面波动率因子**，截至2026年3月6日统计结果[38]： * 近两年平均值：沪深300为2.01%，中证500为2.27%，中证1000为2.51% * 近一年平均值：沪深300为2.01%，中证500为2.28%，中证1000为2.51% * 近半年平均值：沪深300为2.21%，中证500为2.61%，中证1000为2.71% * 近一季度平均值：沪深300为2.18%，中证500为2.51%，中证1000为2.63% * 近一季度平均值占近半年分位：沪深300为65.57%（中上），中证500为55.56%（中等），中证1000为68.13%（中上） 2. **时间序列波动率因子**，截至2026年3月6日统计结果[41]： * 近两年平均值：沪深300为0.99%，中证500为1.32%，中证1000为1.46% * 近一年平均值：沪深300为0.89%，中证500为1.18%，中证1000为1.21% * 近半年平均值：沪深300为0.78%，中证500为1.30%，中证1000为1.25% * 近一季度平均值：沪深300为0.96%，中证500为1.33%，中证1000为1.25% * 近一季度平均值占近半年分位：沪深300为50.31%（中等），中证500为57.94%（中等），中证1000为68.53%（中上） 3. **抱团基金分离度因子**，截至2026年3月6日，基金抱团分离度环比前一交易周小幅下行[81]。

量化因子与构建方式 1. **因子类别：风格因子** * **因子名称：估值因子**[18] * **因子构建思路：** 参考BARRA模型，通过单一细分因子合成，用于衡量股票的估值水平[18]。 * **因子具体构建过程：** 估值因子直接由BP（账面市值比）细分因子构成。BP的计算公式为：$$BP = \frac{归母股东权益}{总市值}$$[18] * **因子名称：成长因子**[18] * **因子构建思路：** 参考BARRA模型，通过合成两个反映公司增长能力的细分因子，用于衡量公司的成长性[18]。 * **因子具体构建过程：** 成长因子由SGRO（营业收入增长率）和EGRO（归母净利润增长率）两个细分因子等权平均合成。$$成长因子 = \frac{SGRO + EGRO}{2}$$[18] * SGRO：使用过去五个财年年报的每股营业收入数据，对时间进行回归，将回归系数（斜率）除以每股营业收入的平均值得到。 * EGRO：使用过去五个财年年报的每股归母净利润数据，对时间进行回归，将回归系数（斜率）除以每股归母净利润的平均值得到[18]。 * **因子名称：盈利因子**[18] * **因子构建思路：** 参考BARRA模型，通过合成两个反映公司盈利能力的细分因子，用于衡量公司的盈利质量[18]。 * **因子具体构建过程：** 盈利因子由ETOP（盈利价格比）和CETOP（现金盈利价格比）两个细分因子等权平均合成。$$盈利因子 = \frac{ETOP + CETOP}{2}$$[18] * ETOP：归母净利润TTM / 总市值。 * CETOP：经营活动产生的现金流量净额TTM / 总资产[18]。 * **因子名称：规模因子**[18] * **因子构建思路：** 参考BARRA模型，通过单一细分因子合成，用于衡量公司规模[18]。 * **因子具体构建过程：** 规模因子直接由LNCAP（对数市值）细分因子构成。LNCAP的计算公式为：$$LNCAP = ln(总市值)$$[18] * **因子名称：Beta因子**[18] * **因子构建思路：** 参考BARRA模型，通过单一细分因子合成，用于衡量股票的系统性风险[18]。 * **因子具体构建过程：** Beta因子直接由BETA细分因子构成。BETA的计算方法为：将个股过去252个交易日的日收益率与中证全指日收益率进行半衰指数加权回归（半衰期为63个交易日），取回归系数作为BETA值[18]。 * **因子名称：动量因子**[18] * **因子构建思路：** 参考BARRA模型，通过单一细分因子合成，用于衡量股票的动量效应[18]。 * **因子具体构建过程：** 动量因子直接由RSTR（相对强度）细分因子构成。RSTR的计算方法为：计算个股过去504个交易日（不含最近21个交易日）的半衰指数加权累计收益率，半衰期为126个交易日[18]。 * **因子名称：流动性因子**[18] * **因子构建思路：** 参考BARRA模型，通过合成三个不同时间维度的换手率细分因子，用于衡量股票的流动性[18]。 * **因子具体构建过程：** 流动性因子由STOM（1个月换手率）、STOQ（过去3个月STOM均值）和STOA（过去12个月STOM均值）三个细分因子等权平均合成。$$流动性因子 = \frac{STOM + STOQ + STOA}{3}$$[18] * STOM：个股过去1个月的换手率加总后取对数。 * **因子名称：波动性因子**[18] * **因子构建思路：** 参考BARRA模型，通过合成三个反映不同维度波动风险的细分因子，用于衡量股票的波动性[18]。 * **因子具体构建过程：** 波动性因子由DASTD（日收益率标准差）、CMRA（累计收益范围）和HSIGMA（历史残差波动率）三个细分因子等权平均合成。$$波动性因子 = \frac{DASTD + CMRA + HSIGMA}{3}$$[18] * DASTD：计算过去250个交易日个股相对于所有股票等权指数的超额收益率的标准差，计算时使用半衰指数加权（半衰期40日）。 * CMRA：计算个股过去12个月内的累计对数收益率，将累计最高收益与累计最低收益做差得到。 * HSIGMA：计算BETA因子时回归残差的标准差[18]。 * **因子名称：非线性市值因子**[18] * **因子构建思路：** 参考BARRA模型，通过单一细分因子合成，用于捕捉市值因子的非线性效应[18]。 * **因子具体构建过程：** 非线性市值因子直接由NLSIZE细分因子构成。NLSIZE的计算方法为：将股票总市值对数的三次方与对数市值进行加权最小二乘回归（权重为对数市值的平方根），取回归残差作为NLSIZE。总市值越大或越小的股票NLSIZE越大，中市值股票NLSIZE小[18]。 * **因子名称：杠杆因子**[18] * **因子构建思路：** 参考BARRA模型，通过合成三个反映不同维度杠杆水平的细分因子，用于衡量公司的财务杠杆[18]。 * **因子具体构建过程：** 杠杆因子由MLEV（市场杠杆）、DTOA（资产负债率）和BLEV（账面杠杆）三个细分因子等权平均合成。$$杠杆因子 = \frac{MLEV + DTOA + BLEV}{3}$$[18] * MLEV：非流动负债 / 总市值。 * DTOA：总负债 / 总资产。 * BLEV：非流动负债 / 归属母公司股东权益[18]。 2. **因子类别：选股因子（共53个）**[23] * **构建思路：** 构建了涵盖估值、成长、质量、规模、反转、动量、流动性、波动性、分红、公司治理以及技术等多个方面的常用选股因子[23]。 * **具体因子列表与构建过程：** 所有因子的名称、构造方式和参考方向详见表5[24]。 * **估值类（8个）：** BP、单季度EP、EP_TTM、单季度SP、SP_TTM、单季度CFEV、CFEV_TTM[24]。 * **成长类（8个）：** 单季度净利润同比增速、单季度营业收入同比增速、单季度营业利润同比增速、标准化预期外盈利、标准化预期外收入、单季度ROE同比、单季度ROA同比[24]。 * **质量类（8个）：** 单季度ROE、单季度ROA、单季度毛利率、单季度营业利润率、单季度净利润率、盈余质量、流动比率[24]。 * **规模类（1个）：** 对数市值[24]。 * **反转类（2个）：** 20日反转、60日反转[24]。 * **动量类（4个）：** 60日动量、240日动量、盈余公告前隔夜动量、盈余公告次日开盘跳空超额[24]。 * **流动性类（7个）：** 20日换手率、60日换手率、20日换手率波动、60日换手率波动、20日非流动性冲击、60日非流动性冲击[24]。 * **波动性类（7个）：** 20日收益率标准差、60日收益率标准差、20日特异度、60日特异度、20日三因子模型残差波动率、120日三因子模型残差波动率、240日三因子模型残差波动率[24]。 * **分红类（1个）：** 股息率[24]。 * **公司治理类（2个）：** 前五大股东持股比例、前十大股东持股比例[24]。 * **技术类（5个）：** 20日成交额、60日成交额、60日偏度、240日偏度、20日成交量变异系数、60日成交量变异系数、20日成交量比率、60日成交量比率、120日成交量比率[24]。 量化模型与构建方式 1. **模型名称：中性约束条件下最大化因子暴露组合**[25] * **模型构建思路：** 在构建单因子投资组合时，采用优化方法，在确保投资组合相对基准指数在行业和风格暴露保持中性的基础上，最大化目标因子在组合中的暴露[25]。 * **模型具体构建过程：** 报告指出具体构建方法参考附录，但附录内容未在提供的文本中。根据描述，该模型是一个带约束的优化问题，目标函数是最大化组合对目标因子的暴露，约束条件包括对基准指数在行业和风格因子上的暴露中性，可能还包括权重约束等[25]。 因子的回测效果 1. **风格因子多空收益表现（近一周/近一月）**[21] * 盈利因子：2.47% / 0.93% * 估值因子：2.01% / -1.29% * 杠杆因子：1.71% / 1.85% * 成长因子：1.25% / 1.37% * 非线性市值因子：0.53% / 1.28% * 市值因子：-0.31% / 1.55% * 动量因子：-1.12% / 5.20% * 流动性因子：-2.22% / 1.74% * 波动性因子：-2.97% / 1.29% * Beta因子：-4.39% / 4.68% 2. **选股因子在“中性约束条件下最大化因子暴露组合”中的超额收益表现（最近一周）** * **沪深300股票池表现最佳因子：**[27] * EP_TTM：1.11% * 单季度ROE：0.94% * 240日偏度：0.88% * **中证500股票池表现最佳因子：**[30] * 120日三因子模型残差波动率：1.84% * 240日三因子模型残差波动率：1.22% * 60日收益率标准差：1.20% * **中证800股票池表现最佳因子：**[33] * 单季度ROA：1.78% * EP_TTM：1.49% * 20日换手率：1.35% * **中证1000股票池表现最佳因子：**[36] * 60日非流动性冲击：1.68% * BP：1.55% * 20日非流动性冲击：1.35% * **沪深300ESG股票池表现最佳因子：**[40] * CFEV_TTM：1.09% * EP_TTM：1.04% * 20日换手率：0.97% 3. **选股因子在全市场股票池中的Rank IC表现（近一周）**[44] * BP：14.24% * 120日三因子模型残差波动率：9.37% * 60日非流动性冲击：9.14% * 20日非流动性冲击：8.09% * 60日收益率标准差：7.82% * 对数市值：7.55% * 前五大股东持股比例：7.01% * 240日三因子模型残差波动率：6.79% * 前十大股东持股比例：6.57% * 60日换手率：5.56%

量化模型与构建方式 1. 短期择时模型 1. **模型名称**：短期择时模型[4][14] 2. **模型构建思路**：通过综合评估宏观基本面、估值面、情绪面和流动性四个维度的指标，生成每周的择时信号，以判断市场整体风险并调整权益仓位[4][14]。 3. **模型具体构建过程**： * **一级指标**：模型包含四个一级指标，分别是基本面、估值面、情绪面、流动性[14]。 * **二级指标与信号生成**：每个一级指标下包含若干二级指标，每个二级指标根据其当前值在过去5年的分位数，被赋予“乐观”、“中性”或“谨慎”的信号[14][16]。 * **基本面**：包含制造业PMI、信贷脉冲同比增速分位数、M1同比增速（HP滤波去趋势）分位数三个二级指标[14]。 * **估值面**：包含A股整体PE分位数、A股整体PB分位数两个二级指标[14]。 * **情绪面**：包含A股整体Beta离散度分位数、A股整体量能情绪分位数、A股整体波动率分位数三个二级指标[15]。 * **流动性**：包含货币利率指标分位数、汇率预期指标分位数、沪深净融资额5日均值分位数三个二级指标[16]。 * **综合信号**：每个一级指标的最终信号由其下属二级指标信号综合得出（例如，基本面为“中性”）。最终的总仓位信号由四个一级指标信号综合决定，例如“中性”对应0.5仓位[14][18][21]。 2. 成长价值风格轮动模型 1. **模型名称**：成长价值风格轮动模型[4][22] 2. **模型构建思路**：通过动态宏观、估值回归、短期动量、风格广度、风格拥挤等多个维度的信号，判断成长与价值风格的相对强弱，进行轮动配置[22][23]。 3. **模型具体构建过程**： * **信号维度**：模型包含动态宏观信号、估值回归信号、短期动量信号、风格广度信号、风格拥挤信号等多个子信号[23]。 * **信号合成**：每日根据各子信号生成对成长风格的配置仓位百分比（例如，0%表示全配价值，100%表示全配成长）。报告展示了两种综合信号方式：“无中性仓位”和“5日平均仓位”[23]。 * **最终建议**：根据综合信号，给出超配成长或超配价值的建议。例如，当前模型建议超配价值风格[4][22]。 3. 小盘大盘风格轮动模型 1. **模型名称**：小盘大盘风格轮动模型[4][25] 2. **模型构建思路**：从流动性、价量、情绪等角度选取11个有效轮动指标，构建综合信号，在大小盘风格（以沪深300和中证1000为代表）之间进行轮动[25][27]。 3. **模型具体构建过程**： * **指标池**：模型包含11个指标，分别为：A股龙虎榜买入强度、R007、融资买入余额变化、主题投资交易情绪、等级利差、期权波动率风险溢价、beta离散度、pb分化度、大宗交易折溢价率、中证1000 MACD(10,20,10)、中证1000交易量能[27]。 * **信号生成**：每个指标独立生成每日信号，0%代表看多大盘（看空小盘），100%代表看多小盘（看空大盘）[27]。 * **信号综合**：将所有指标的信号综合，生成每日的综合小盘/大盘仓位信号。报告提及使用“3D平滑”和“综合信号”两种处理方式[27]。 * **最终建议**：根据综合信号给出配置建议，例如当前模型建议超配大盘风格[4][25]。 模型的回测效果 1. 短期择时模型 1. **回测区间**：2012年底至今（全区间）[17][19]；2024年以来[20]。 2. **基准**：月度中性持仓再平衡策略[17]。 3. **全区间表现**（2012年底至2026年3月）： * 年化收益率：16.37%[17][19] * 年化超额收益率：11.36%[17] * 年化波动率：14.79%[19] * 最大回撤：15.05%[17][19] * 夏普比率：0.9640[19] * 收益回撤比：1.0880[19] * 月度胜率：65.63%[19] * 季度胜率：61.11%[19] * 年度胜率：80.00%[19] 4. **近期表现**（2024年以来）： * 年化收益率：28.07%[20] * 年化超额收益率：17.89%（根据基准10.18%计算） * 年化波动率：16.47%[20] * 最大回撤：11.04%[20] * 夏普比率：1.4643[20] * 收益回撤比：2.5432[20] * 月度胜率：67.86%[20] 2. 成长价值风格轮动模型 1. **回测区间**：2011年至今[22]。 2. **基准**：国证成长与国证价值的月度等权配置[22][23]。 3. **综合信号2（5日平均仓位）表现**： * 累计收益：765.66%[23] * 年化收益率：14.62%[22][23] * 年化超额收益率：7.98%[22][23] * 年化波动率：21.41%[23] * 最大回撤：40.08%[23] * 夏普比率：0.65[23] * 收益回撤比：0.36[23] * 年化跟踪误差：5.88%[23] * 年化信息比率（IR）：1.36[23] * 月度超额胜率：66.32%[23] 4. **今年以来表现**（至2026年3月6日）：超额收益率为2.08%[22][23]。 3. 小盘大盘风格轮动模型 1. **回测区间**：2014年以来[26][27]。 2. **基准**：沪深300与中证1000全收益指数的等权组合[26][27]。 3. **综合信号（3D平滑）表现**： * 年化收益率：20.35%[27] * 年化超额收益率：12.83%[27] * 最大回撤：40.70%[27] * 平均换手间隔：19个交易日[27] * 胜率（按交易）：50.21%[27] 4. **分年度表现**：自2014年至2026年（截至报告期），策略每年均产生正向超额收益[26][27]。例如，2026年以来超额收益率为3.32%[26][27]。 5. **各子指标表现**：报告列出了11个子指标各自的年化收益、年化超额收益率、最大回撤等数据[27]。

量化模型与构建方式 1. **模型名称**：风格组相对拥挤度模型[130] * **模型构建思路**：通过计算不同风格指数换手率Z-score的差值及其历史分位，来度量某一风格相对于另一风格的交易拥挤程度[130]。 * **模型具体构建过程**： 1. 分别计算风格A指数和风格B指数在过去252个交易日的平均换手率[130]。 2. 将上述平均换手率序列，在自2005年1月1日起的历史时间序列上进行Z-score标准化，得到Z-score_A和Z-score_B[130]。 3. 计算二者差值：$$Diff = Z\_score\_A - Z\_score\_B$$ [130] 4. 计算该差值序列在过去6年滚动窗口内的历史分位数（若历史数据不足6年但满1年，则使用全部历史数据计算）[130]。该分位数即为风格A相对于风格B的“相对拥挤度”。 2. **模型名称**：风格指数累计超额净值模型[131] * **模型构建思路**：通过计算风格指数相对于市场基准指数（万得全A）的累计净值比，来衡量该风格的长期超额收益表现[131]。 * **模型具体构建过程**： 1. 以2020年1月4日为基准日，计算风格指数和万得全A指数的每日累计净值：$$Cumulative\_Net\_Value_{t} = \frac{Close\_Price_{t}}{Close\_Price_{基准日}}$$ [131] 2. 计算风格指数相对于万得全A指数的累计超额净值：$$Cumulative\_Excess\_Net\_Value_{t} = \frac{Cumulative\_Net\_Value_{风格,t}}{Cumulative\_Net\_Value_{万得全A,t}}$$ [131] 3. **模型名称**：机构调研活跃度分位数模型[132] * **模型构建思路**：通过计算板块或行业相对于全市场机构调研活跃度的标准化差值及其历史分位，来评估其受机构关注度的相对水平[132]。 * **模型具体构建过程**： 1. 计算板块（或指数、行业）在过去n个交易日的“日均机构调研次数”[132]。 2. 将上述序列在滚动y年的历史时间序列上进行Z-score标准化，得到该板块的Z-score值[132]。 3. 对万得全A指数进行同样的计算，得到市场基准的Z-score值[132]。 4. 计算“机构调研活跃度”：$$Survey\_Activity = Z\_score_{板块} - Z\_score_{万得全A}$$ [132] 5. 计算该“机构调研活跃度”序列在滚动y年窗口内的历史分位数（长期口径：n=126，y=6年；短期口径：n=63，y=3年。历史数据不足时使用全部可用数据）[132]。 4. **因子名称**：风险溢价因子 (ERP)[52] * **因子构建思路**：通过计算股票指数市盈率倒数与无风险利率（10年期国债收益率）的差值，来衡量投资权益资产相对于债券资产的超额回报补偿，即股债性价比[52]。 * **因子具体构建过程**：对于任一股票指数，其ERP计算公式为：$$ERP = \frac{1}{PE\_TTM} - 10年期国债到期收益率$$ [52] 其中，PE_TTM为指数的滚动市盈率。 5. **因子名称**：长江动量因子[64] * **因子构建思路**：以过去一年（剔除最近一个月）的股票收益率作为动量指标，筛选市场中动量特征强的股票构建指数[64]。 * **因子具体构建过程**：“长江动量”指数以最近一年股票收益率减去最近一个月股票收益率（剔除涨停板）作为动量指标，综合选择A股市场中动量特征强且流动性相对较高的前100只股票作为指数成分股[64]。 6. **因子名称**：长江反转因子[64] * **因子构建思路**：以最近一个月的股票收益率作为反转指标，筛选市场中反转效应强的股票构建指数[64]。 * **因子具体构建过程**：“长江反转”指数以最近一个月股票收益率作为筛选指标，综合选择A股市场中反转效应强、流动性较好的前100只股票作为指数成分股，并采用成分股近三个月日均成交量进行加权[64]。 模型的回测效果 （本报告未提供量化模型在历史回测中的具体绩效指标，如年化收益率、夏普比率、最大回撤等数值结果。报告主要展示了模型在特定时点的输出状态，例如拥挤度分位、超额净值走势等。） 1. **风格组相对拥挤度模型**，成长 vs 红利相对拥挤度历史分位为73%[72]，小盘 vs 大盘相对拥挤度历史分位为20%[77]，微盘股 vs 中证800相对拥挤度历史分位为76%[80] 2. **风格指数累计超额净值模型**，成长较红利累计超额净值处于历史较高位置[72]，小盘较大盘累计超额净值处于历史较高位置[77]，微盘股较中证800累计超额净值处于历史极高位置[80] 量化因子与构建方式 （报告中提及的动量、反转、成长、红利、大小盘等均为市场常见风格因子，其具体构建已在对应的指数编制方法中说明，详见“量化模型与构建方式”第5、6点及报告对风格指数的描述。） 因子的回测效果 （本报告未提供单因子测试的绩效指标，如因子IC、IR、多空组合收益等。报告主要展示了基于这些因子构建的风格指数在特定时期的表现。） 1. **成长 vs 红利因子**，近一周相对收益为-2.6%，近一月为-3.8%，年初至今为-1.9%[61] 2. **小盘 vs 大盘因子**，近一周相对收益为-2.7%，近一月为1.1%，年初至今为11.2%[61] 3. **动量 vs 反转因子**，近一周相对收益为-2.0%，近一月为-2.3%，年初至今为-4.5%[61] 4. **微盘股 vs 基金重仓因子**，近一周相对收益为1.2%，近一月为4.1%，年初至今为8.5%[61]

量化模型与构建方式 1. **模型名称：A股景气度高频指数模型** [30] * **模型构建思路：** 以上证指数归母净利润同比作为Nowcasting目标，构建一个能够高频反映A股景气度的指数，用于判断景气周期的位置和趋势[30]。 * **模型具体构建过程：** 报告未详细描述该指数的具体计算步骤和公式，仅提及构建详情需参考另一篇报告《视角透析：A股景气度高频指数构建与观察》[30]。 2. **模型名称：A股情绪指数模型** [35] * **模型构建思路：** 基于市场波动率和成交额这两个最直接的情绪刻画指标，通过分析它们的变化方向来构建情绪指数，用于判断市场见底和见顶的信号[35]。 * **模型具体构建过程：** 将市场按照波动率和成交额的变化方向划分为四个象限，通过历史统计发现，只有“波动率上行-成交额下行”的区间为显著负收益，其余象限均为显著正收益。基于此规律构造了包含见底预警与见顶预警的A股情绪指数[35]。 * **模型评价：** 该模型提供了一种基于量价数据的直接、客观的情绪刻画方法，用于辅助市场择时判断[35][38]。 3. **模型名称：主题挖掘算法模型** [46] * **模型构建思路：** 通过处理新闻和研报文本，提取主题关键词，挖掘主题与个股的关联，构建主题活跃周期和影响力因子，从而系统性地发现和描述主题投资机会[46]。 * **模型具体构建过程：** 报告未详细描述该算法的具体计算步骤和公式，仅提及了其包含的多个处理维度：文本处理、主题关键词提取、主题个股关系挖掘、主题活跃周期构建、主题影响力因子构建[46]。 4. **模型名称：中证500指数增强组合模型** [48] * **模型构建思路：** 构建一个旨在持续跑赢中证500基准指数的投资组合[48]。 * **模型具体构建过程：** 报告未详细描述该增强组合模型的具体构建逻辑、因子构成和权重优化方法，仅展示了其持仓明细和业绩表现[48][49]。 5. **模型名称：沪深300指数增强组合模型** [52] * **模型构建思路：** 构建一个旨在持续跑赢沪深300基准指数的投资组合[52]。 * **模型具体构建过程：** 报告未详细描述该增强组合模型的具体构建逻辑、因子构成和权重优化方法，仅展示了其持仓明细和业绩表现[52][55]。 6. **模型名称：BARRA风格因子模型** [56] * **模型构建思路：** 参照BARRA模型框架，对A股市场构建一套全面的风格因子体系，用于分析市场风格表现和对投资组合进行绩效归因[56][66]。 * **模型具体构建过程：** 报告列出了所构建的十大类风格因子名称，包括：市值（SIZE）、BETA、动量（MOM）、残差波动率（RESVOL）、非线性市值（NLSIZE）、估值（BTOP）、流动性（LIQUIDITY）、盈利（EARNINGS_YIELD）、成长（GROWTH）和杠杆（LVRG）[56]。但未提供每个因子的具体计算公式。 模型的回测效果 1. **A股情绪指数模型**，近一周择时信号：综合信号为“空”[2][41] 2. **中证500指数增强组合模型**，本周超额收益：1.04%[2][46]；2020年至今累计超额收益：46.40%[46]；2020年至今最大回撤：-10.90%[46] 3. **沪深300指数增强组合模型**，本周超额收益：0.39%[2][52]；2020年至今累计超额收益：46.38%[52]；2020年至今最大回撤：-5.86%[52] 量化因子与构建方式 1. **因子名称：市值因子（SIZE）** [56] * **因子构建思路：** 衡量公司规模大小的风格因子[56]。 * **因子具体构建过程：** 报告未提供具体计算公式。 2. **因子名称：BETA因子** [56] * **因子构建思路：** 衡量股票相对于市场整体波动性的风格因子[56]。 * **因子具体构建过程：** 报告未提供具体计算公式。 3. **因子名称：动量因子（MOM）** [56] * **因子构建思路：** 衡量股票价格趋势延续性的风格因子[56]。 * **因子具体构建过程：** 报告未提供具体计算公式。 4. **因子名称：残差波动率因子（RESVOL）** [56] * **因子构建思路：** 衡量股票特异性风险的风格因子[56]。 * **因子具体构建过程：** 报告未提供具体计算公式。 5. **因子名称：非线性市值因子（NLSIZE）** [56] * **因子构建思路：** 捕捉市值与收益之间非线性关系的风格因子[56]。 * **因子具体构建过程：** 报告未提供具体计算公式。 6. **因子名称：估值因子（BTOP，价值）** [56] * **因子构建思路：** 衡量股票估值水平的风格因子[56]。 * **因子具体构建过程：** 报告未提供具体计算公式。 7. **因子名称：流动性因子（LIQUIDITY）** [56] * **因子构建思路：** 衡量股票交易活跃度和变现能力的风格因子[56]。 * **因子具体构建过程：** 报告未提供具体计算公式。 8. **因子名称：盈利因子（EARNINGS_YIELD）** [56] * **因子构建思路：** 衡量公司盈利能力的风格因子[56]。 * **因子具体构建过程：** 报告未提供具体计算公式。 9. **因子名称：成长因子（GROWTH）** [56] * **因子构建思路：** 衡量公司成长能力的风格因子[56]。 * **因子具体构建过程：** 报告未提供具体计算公式。 10. **因子名称：杠杆因子（LVRG）** [56] * **因子构建思路：** 衡量公司财务杠杆水平的风格因子[56]。 * **因子具体构建过程：** 报告未提供具体计算公式。 因子的回测效果 1. **盈利因子**，近一周表现：超额收益较高[2][57] 2. **非线性市值因子**，近一周表现：呈较为显著的负向超额收益[2][57] 3. **市值因子**，近期表现：表现不佳[2][57] 4. **残差波动率因子**，近期表现：表现不佳[2][57]

量化模型与构建方式 1. **模型名称：利率市场结构指标模型**[7] * **模型构建思路：** 将1至10年期国债的到期收益率（YTM）数据，通过数学变换分解为三个独立的维度：水平、期限和凸性结构，以从均值回归的视角评估当前利率市场的状态[7]。 * **模型具体构建过程：** 1. 收集1至10年期各关键期限的国债到期收益率数据。 2. 通过特定的数学变换（报告未给出具体公式，但提及是“转化”），将原始的期限结构曲线分解为三个指标： * **水平结构：** 反映整体利率水平的高低。 * **期限结构：** 反映长短期利差，通常指期限利差。 * **凸性结构：** 反映收益率曲线弯曲程度的变化。 3. 计算每个结构指标在历史滚动窗口（如3年、5年、10年）下的分位数，以判断当前值在历史中所处的位置[7][9]。 2. **模型名称：利率价量多周期择时模型**[10][22] * **模型构建思路：** 使用核回归算法识别利率（YTM）走势的形态，刻画支撑线和阻力线，并根据长、中、短三个不同投资周期下价格对支撑/阻力线的突破情况，进行投票综合，生成交易信号[10][22]。 * **模型具体构建过程：** 1. **形态识别：** 使用核回归算法对利率时间序列数据进行平滑处理，以捕捉其主要趋势形态，并据此计算出动态的支撑线和阻力线[10]。 2. **多周期设定：** 设定三个不同频率的观察周期： * 长周期：信号平均切换频率为月度[10]。 * 中周期：信号平均切换频率为双周度[10]。 * 短周期：信号平均切换频率为周度[10]。 3. **信号生成（每个周期独立）：** 在每个周期内，判断当前利率价格是否向上突破阻力线或向下突破支撑线，从而产生“向上突破”、“向下突破”或“无信号”[10][13][15]。 4. **信号综合：** 综合三个周期的突破信号进行投票[10][13][15]： * 若同一方向（上行或下行）的突破总票数达到或超过2票（即≥2/3），则生成明确的看多或看空信号。 * 若同向突破票数未达2票，则综合信号为“中性震荡”。 5. **策略应用：** 将此择时信号应用于债券久期轮动策略[22][27]： * **看多信号（利率下行）：** 当至少2个周期出现向下突破，且利率趋势非向上时，满配长久期债券；若趋势向上，则配置1/2中久期+1/2长久期[22]。 * **看空信号（利率上行）：** 当至少2个周期出现向上突破，且利率趋势非向下时，满配短久期债券；若趋势向下，则配置1/2中久期+1/2短久期[27]。 * **中性信号：** 其余时间，短、中、长久期债券等权配置[27]。 * **止损规则：** 当单日组合超额收益小于-0.5%时，立即将持仓调整为等权配置[27]。 * **模型评价：** 该模型通过多周期共振提高了信号的稳健性，并设置了明确的止损规则以控制回撤[22][27]。 模型的回测效果 *注：以下回测结果均基于“利率价量多周期择时模型”驱动的久期轮动策略，业绩基准为短、中、长久期债券的等权组合（1/3+1/3+1/3）。长期回测区间为2007年12月31日至今，短期回测区间为2024年底以来[22][23][26][31]。* 1. **基于5年期国债YTM的择时策略** * 长期年化收益率：5.45%[23] * 长期最大回撤：2.88%[23] * 长期收益回撤比：1.9[23] * 长期超额收益率（vs基准）：1.05%[23] * 短期年化收益率（2024年底以来）：2.37%[4][23] * 短期最大回撤（2024年底以来）：0.59%[23]（报告另一处为0.68%[4]） * 短期收益回撤比（2024年底以来）：4.01[4][23] * 短期超额收益率（2024年底以来）：0.63%[4][23] * 逐年绝对收益胜率（2008年以来）：100%[23] * 逐年超额收益胜率（2008年以来）：100%[23] 2. **基于10年期国债YTM的择时策略** * 长期年化收益率：6.03%[26] * 长期最大回撤：2.74%[26] * 长期收益回撤比：2.2[26] * 长期超额收益率（vs基准）：1.62%[26] * 短期年化收益率（2024年底以来）：2.69%[4][26] * 短期最大回撤（2024年底以来）：0.58%[26]（报告另一处为0.92%[4]） * 短期收益回撤比（2024年底以来）：4.67[4][26] * 短期超额收益率（2024年底以来）：1.08%[4][26] * 逐年绝对收益胜率（2008年以来）：100%[26] * 逐年超额收益胜率（2008年以来）：100%[26] 3. **基于30年期国债YTM的择时策略** * 长期年化收益率：7.26%[31] * 长期最大回撤：4.27%[31] * 长期收益回撤比：1.7[31] * 长期超额收益率（vs基准）：2.37%[31] * 短期年化收益率（2024年底以来）：2.78%[4][31] * 短期最大回撤（2024年底以来）：0.92%[4][31] * 短期收益回撤比（2024年底以来）：3.03[4][31] * 短期超额收益率（2024年底以来）：1.92%[4][31] * 逐年绝对收益胜率（2008年以来）：94.44%[31] * 逐年超额收益胜率（2008年以来）：94.44%[31] 量化因子与构建方式 1. **因子名称：利率水平结构因子**[7] * **因子构建思路：** 从国债收益率曲线中提取代表整体利率水平高低的成分[7]。 * **因子具体构建过程：** 通过对1-10年期国债YTM序列进行数学变换（具体变换公式未在提供内容中给出），得到单一数值指标，用以衡量利率的绝对水平[7]。 2. **因子名称：利率期限结构（期限利差）因子**[7] * **因子构建思路：** 从国债收益率曲线中提取代表长短期利差的成分[7]。 * **因子具体构建过程：** 通过对1-10年期国债YTM序列进行数学变换（具体变换公式未在提供内容中给出），得到单一数值指标，用以衡量收益率曲线的斜率[7]。 3. **因子名称：利率凸性结构因子**[7] * **因子构建思路：** 从国债收益率曲线中提取代表曲线弯曲度变化的成分[7]。 * **因子具体构建过程：** 通过对1-10年期国债YTM序列进行数学变换（具体变换公式未在提供内容中给出），得到单一数值指标，用以衡量收益率曲线的凸性[7]。 因子的回测效果 *注：报告未提供上述利率结构因子的独立回测绩效指标（如IC、IR等），仅展示了其当前及历史分位数状态[7][9]。* 1. **利率水平结构因子** * 当前读数：约1.55%[1][7] * 历史分位数（滚动3年）：12%[7] * 历史分位数（滚动5年）：7%[7] * 历史分位数（滚动10年）：4%[7] 2. **利率期限结构（期限利差）因子** * 当前读数：约0.5%[1][7] * 历史分位数（滚动3年）：45%[7] * 历史分位数（滚动5年）：28%[7] * 历史分位数（滚动10年）：30%[7] 3. **利率凸性结构因子** * 当前读数：约0%[1][7] * 历史分位数（滚动3年）：25%[7] * 历史分位数（滚动5年）：15%[7] * 历史分位数（滚动10年）：12%[7]

量化模型与构建方式 1. **模型名称：时间序列PB-ROE模型[1][8][15][16]** **模型构建思路：** 基于Wilcox & Philips(2005)的时间序列模型，通过回归分析建立市净率（PB）与净资产收益率（ROE）、实际利率、通货膨胀率之间的线性关系，以计算市场实际估值相对于基本面合理估值的偏离度[1][8][15][16]。 **模型具体构建过程：** 1. 模型假设公司无分红且满足干净盈余假设，对数市净率与净资产收益率之间存在线性关系[15]。 2. 将横截面模型扩展为时间序列模型，用于分析指数的时间序列回报[16]。 3. 使用周度数据对全市场指数进行回归，模型公式如下： $$Ln(P/B)=a+b\cdot ROE+C\cdot RealInterest+d\cdot Inflation$$ 其中，`Ln(P/B)` 为市净率的自然对数，`ROE` 为净资产收益率，`RealInterest` 为实际利率，`Inflation` 为通货膨胀率，`a, b, c, d` 为回归系数[8][16]。 4. 将回归方程的残差定义为“PB-ROE 估值偏离度”。该残差代表了市场实际估值（实际PB）超出或低于模型计算出的基本面合理估值的部分[1][8][16]。 **模型评价：** 在A股市场的实证检验显示，该模型计算出的估值偏离度与未来一周的指数涨幅具有统计显著的正相关性[9][16]。模型能够捕捉市场情绪（风险偏好）的变化，当偏离度为正时，表明市场情绪高涨；为负时，表明市场情绪低迷[1][9][16]。 2. **模型名称：基于PB-ROE估值偏离度的周度仓位择时模型[2][10][20]** **模型构建思路：** 利用时间序列PB-ROE模型计算出的估值偏离度，根据其相对于历史均值和标准差的水平，划分不同的仓位档位，生成周度的战术仓位信号[2][10][20]。 **模型具体构建过程：** 1. 计算PB-ROE估值偏离度的历史均值（μ）和标准差（σ）[2][10]。 2. 以历史均值±1倍标准差（μ ± 1σ）为界限，将估值偏离度划分为四个区域，并对应四档仓位配置建议[10][20]： * **高仓位：** 估值偏离度 > μ + 1σ[20] * **低仓位：** μ < 估值偏离度 ≤ μ + 1σ[20] * **中等仓位：** μ - 1σ < 估值偏离度 ≤ μ[20] * **中高仓位：** 估值偏离度 ≤ μ - 1σ[20] 3. 每周根据最新的估值偏离度数值，判断其所属区域，触发相应的仓位信号[3][11]。 模型的回测效果 1. **时间序列PB-ROE模型**，**PB-ROE估值偏离度与未来一周指数涨幅正相关**，且**具有统计显著性**[9][16]。 2. **时间序列PB-ROE模型**，按估值偏离度升序分为4组后，**估值偏离度最高的第4组未来一周涨幅显著最高**[19]。 3. **基于PB-ROE估值偏离度的周度仓位择时模型**，**历史回测显示能够有效降低回撤、提高收益**[20]。 量化因子与构建方式 1. **因子名称：PB-ROE估值偏离度[1][8][16]** **因子构建思路：** 作为时间序列PB-ROE模型的输出，该因子衡量了市场整体估值（以PB表征）相对于其基本面（以ROE、实际利率、通胀率表征）的偏离程度，可视为市场情绪或风险偏好的代理指标[1][8][16]。 **因子具体构建过程：** 1. 运行时间序列PB-ROE回归模型：$$Ln(P/B)=a+b\cdot ROE+C\cdot RealInterest+d\cdot Inflation$$[8][16] 2. 计算回归残差：`估值偏离度 = 实际 Ln(P/B) - 模型预测的 Ln(P/B)`[1][8][16]。 3. 因子数值含义： * **偏离度 > 0：** 实际PB高于基本面合理值，市场情绪高涨，风险偏好提升[1][9][16]。 * **偏离度 < 0：** 实际PB低于基本面合理值，市场情绪低迷，风险偏好下降[1][9][16]。 因子的回测效果 1. **PB-ROE估值偏离度因子**，**与未来一周指数涨幅总体正相关**[2][9]。 2. **PB-ROE估值偏离度因子**，当因子值**明显超越历史均值（> μ + 1σ）**时，市场情绪极度高涨，可配置高仓位；当因子值**明显低于历史均值（< μ - 1σ）**时，市场存在较强安全边际，下跌空间有限，可配置中高仓位[2][9]。

量化模型与构建方式 根据提供的研报内容，该报告主要是一份ETF市场周度数据统计与监测报告，并未涉及具体的量化选股模型或量化因子的构建、测试与分析。报告的核心是对各类ETF的业绩、规模、估值、融资融券等市场表现数据进行汇总和描述[2][3][4][5]。 因此，报告中**没有**涉及需要总结的量化模型或量化因子。 模型的回测效果 报告中**没有**涉及量化模型的回测效果。 量化因子与构建方式 报告中**没有**涉及量化因子的构建方式。 因子的回测效果 报告中**没有**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：情绪模型** [12] * **模型构建思路**：通过构建与涨停板、跌停板相关的因子来刻画市场的情绪强弱 [12] * **模型具体构建过程**：根据国泰海通量化团队前期发布的专题报告《从涨停板、打板策略到赚钱效应引发的情绪择时指标》，构建了涨跌停板相关因子。模型包含多个细分情绪因子，包括净涨停占比、跌停次日收益、涨停板占比、跌停板占比和高频打板收益。每个因子会生成一个信号（例如0或1），最终汇总得到一个综合的情绪得分（满分5分）[12][16] 2. **模型名称：趋势模型** [12] * **模型构建思路**：未在报告中详细说明，但从上下文看，该模型用于判断市场趋势方向（正向或负向）[12] * **模型具体构建过程**：报告未详细描述该模型的具体构建过程，仅提及了其信号输出[12] 3. **模型名称：加权模型** [12] * **模型构建思路**：未在报告中详细说明，可能结合了情绪模型和趋势模型或其他信号进行加权综合判断[12] * **模型具体构建过程**：报告未详细描述该模型的具体构建过程，仅提及了其信号输出[12] 4. **模型名称：高频资金流模型** [12] * **模型构建思路**：通过分析高频资金流的走势，对主要宽基指数发出买入或卖出信号[12] * **模型具体构建过程**：根据国泰海通量化团队前期发布的专题报告《高频资金流如何辅助宽基择时决策》构建。模型针对不同的风险偏好，输出“激进多头”、“激进多空”、“稳健多头”、“稳健多空”四种策略信号，信号值为1（买入）、0（中性）或-1（卖出）[12][16] 5. **模型名称：因子拥挤度模型** [17] * **模型构建思路**：使用多个指标度量因子拥挤程度，作为因子失效的预警指标[17] * **模型具体构建过程**：根据国泰海通量化团队前期发布的专题报告《选股因子系列（四十二）——因子失效预警：因子拥挤》构建。使用估值价差、配对相关性、长期收益反转、因子波动率这四个指标度量因子拥挤程度，并综合计算得到复合拥挤度得分[17] 6. **模型名称：行业拥挤度模型** [21] * **模型构建思路**：评估不同行业板块的拥挤程度[21] * **模型具体构建过程**：根据国泰海通量化团队前期发布的专题报告《行业轮动系列研究 15——行业板块拥挤度》构建。报告未给出具体计算公式，但展示了最终的行业拥挤度得分及变化[21][23][24] 模型的回测效果 1. **情绪模型**，当前得分为0分（满分5分）[12] 2. **趋势模型**，当前信号为正向[12] 3. **加权模型**，当前信号为负向[12] 4. **高频资金流模型**，对沪深300指数信号为：激进多头0，激进多空-1，稳健多头0，稳健多空-1[16]；对中证500指数信号为：激进多头0，激进多空-1，稳健多头0，稳健多空-1[16]；对中证1000指数信号为：激进多头0，激进多空-1，稳健多头0，稳健多空-1[16]；对中证2000指数信号为：激进多头0，激进多空-1，稳健多头0，稳健多空-1[16] 5. **因子拥挤度模型**，小市值因子综合拥挤度-0.06[19]，低估值因子综合拥挤度-0.67[19]，高盈利因子综合拥挤度0.13[19]，高盈利增长因子综合拥挤度0.21[19] 6. **行业拥挤度模型**，综合行业拥挤度2.53[24]，有色金属行业拥挤度1.92[24]，基础化工行业拥挤度1.81[24]，通信行业拥挤度1.72[24]，钢铁行业拥挤度1.66[24] 量化因子与构建方式 1. **因子名称：流动性冲击指标** [8] * **因子构建思路**：基于沪深300指数，衡量当前市场流动性相对于过去一年平均水平的偏离程度[8] * **因子具体构建过程**：报告未给出具体计算公式。指标值为正表示流动性低于历史平均水平，为负表示高于历史平均水平。当前值为0.05，意味着市场流动性高于过去一年平均水平0.05倍标准差[8] 2. **因子名称：PUT-CALL比率** [8] * **因子构建思路**：使用上证50ETF期权成交量的认沽期权与认购期权比率，反映投资者对标的短期走势的乐观/悲观情绪[8] * **因子具体构建过程**：$$PUT-CALL比率 = \frac{认沽期权成交量}{认购期权成交量}$$ 比率下降通常表示乐观情绪上升[8] 3. **因子名称：五日平均换手率** [8] * **因子构建思路**：计算上证综指和Wind全A指数的五日平均换手率，用以衡量市场交易活跃度[8] * **因子具体构建过程**：报告未给出具体计算公式。通过计算其历史分位点来判断当前活跃度水平[8] 4. **因子名称：均线强弱指数** [12] * **因子构建思路**：通过Wind二级行业指数计算，用于评估市场整体技术面强弱[12] * **因子具体构建过程**：报告未给出具体计算公式。当前市场得分为144，处于2023年以来的47.00%分位点[12] 5. **情绪模型细分因子** [16] * **因子名称**：净涨停占比、跌停次日收益、涨停板占比、跌停板占比、高频打板收益[16] * **因子构建思路**：从不同维度刻画市场涨停、跌停相关的情绪[12][16] * **因子具体构建过程**：报告未给出各因子的具体计算公式。在最新一期，所有细分因子的信号值均为0[16] 6. **复合因子拥挤度分项指标** [17][19] * **因子名称**：估值价差、配对相关性、市场波动、收益反转[17][19] * **因子构建思路**：从不同角度（估值、相关性、波动性、收益特征）度量因子的拥挤程度[17] * **因子具体构建过程**：详细计算方法请参考国泰海通量化团队专题报告《选股因子系列（四十二）——因子失效预警：因子拥挤》[17] 因子的回测效果 1. **流动性冲击指标**，基于沪深300指数，周五值为0.05[8] 2. **PUT-CALL比率**，周五值为0.73[8] 3. **五日平均换手率**，上证综指为1.62%，处于2005年以来82.79%分位点[8]；Wind全A为2.24%，处于2005年以来86.86%分位点[8] 4. **均线强弱指数**，当前得分为144，处于2023年以来47.00%分位点[12] 5. **情绪模型细分因子**，净涨停占比信号0，跌停次日收益信号0，涨停板占比信号0，跌停板占比信号0，高频打板收益信号0[16] 6. **估值价差因子**，小市值因子取值0.35，低估值因子取值-1.06，高盈利因子取值-0.82，高增长因子取值0.88[19] 7. **配对相关性因子**，小市值因子取值-0.49，低估值因子取值0.23，高盈利因子取值0.68，高增长因子取值-0.40[19] 8. **市场波动因子**，小市值因子取值-0.53，低估值因子取值-0.39，高盈利因子取值-0.68，高增长因子取值-0.58[19] 9. **收益反转因子**，小市值因子取值0.42，低估值因子取值-1.45，高盈利因子取值1.32，高增长因子取值0.92[19]

量化模型与构建方式 1. PB-ROE-50 组合 * **模型名称**：PB-ROE-50 组合 * **模型构建思路**：基于市净率（PB）和净资产收益率（ROE）两个核心指标进行选股，旨在筛选出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. 机构调研组合 * **模型名称**：机构调研组合 * **模型构建思路**：利用机构调研事件蕴含的信息进行选股，分为公募调研选股和私募调研跟踪两个策略[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. 大宗交易组合 * **模型名称**：大宗交易组合 * **模型构建思路**：通过统计分析大宗交易数据，挖掘其背后蕴含的超额信息，依据“高成交、低波动”原则构建组合[29]。 * **模型具体构建过程**：组合根据“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的规律进行构建。具体通过月频调仓方式构造[29]。 * **模型评价**：该模型旨在提炼大宗交易背后蕴含的超额信息[29]。 4. 定向增发组合 * **模型名称**：定向增发组合 * **模型构建思路**：以定向增发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**：以股东大会公告日为时间节点，在综合考虑市值因素、调仓周期以及对仓位控制的基础上，构造定向增发事件驱动选股组合[35]。 * **模型评价**：该模型旨在多角度解析定向增发中的投资机会[35]。 模型的回测效果 1. **PB-ROE-50 组合**[24] * 本周超越基准收益率（中证500）：0.78% * 本周超越基准收益率（中证800）：0.46% * 本周超越基准收益率（全市场）：-0.92% * 今年以来超额收益率（中证500）：-0.15% * 今年以来超额收益率（中证800）：7.24% * 今年以来超额收益率（全市场）：5.24% * 本周绝对收益率（中证500）：-2.69% * 本周绝对收益率（中证800）：-1.32% * 本周绝对收益率（全市场）：-3.18% * 今年以来绝对收益率（中证500）：11.82% * 今年以来绝对收益率（中证800）：11.24% * 今年以来绝对收益率（全市场）：11.17% 2. **机构调研组合**[26] * 公募调研选股策略本周超越基准收益率（中证800）：0.16% * 公募调研选股策略今年以来超额收益率（中证800）：1.53% * 公募调研选股策略本周绝对收益率：-1.62% * 公募调研选股策略今年以来绝对收益率：5.31% * 私募调研跟踪策略本周超越基准收益率（中证800）：-1.30% * 私募调研跟踪策略今年以来超额收益率（中证800）：10.18% * 私募调研跟踪策略本周绝对收益率：-3.05% * 私募调研跟踪策略今年以来绝对收益率：14.29% 3. **大宗交易组合**[30] * 本周超越基准收益率（中证全指）：1.50% * 今年以来超额收益率（中证全指）：9.41% * 本周绝对收益率：-0.82% * 今年以来绝对收益率：15.57% 4. **定向增发组合**[36] * 本周超越基准收益率（中证全指）：2.15% * 今年以来超额收益率（中证全指）：4.16% * 本周绝对收益率：-0.18% * 今年以来绝对收益率：10.02% 量化因子与构建方式 1. 大类风格因子 * **因子名称**：盈利因子、动量因子、Beta因子等[18] * **因子构建思路**：报告未详细描述这些大类因子的具体构建思路，仅将其作为风格分析维度[18]。 2. 单因子（列举报告提及的部分因子） 报告未提供单个因子的具体构建公式和详细过程，仅列出了因子名称及其在特定周期内的表现[12][14][16]。以下为报告提及的部分因子名称： * **估值类因子**：市盈率TTM倒数、市盈率因子、市净率因子、市销率TTM倒数、EP因子、EPTTM分位点[12][14][16][21] * **基本面因子**：单季度营业收入同比增长率、单季度ROA同比、单季度ROA、单季度ROE同比、单季度ROE、毛利率TTM、净利润率TTM、营业利润率TTM、总资产增长率、总资产毛利率TTM、单季度总资产毛利率、单季度EPS、单季度净利润同比增长率、单季度营业利润同比增长率、ROE稳定性、ROA稳定性、ROIC增强因子、经营现金流比率、每股净资产、每股经营利润TTM、净资产增长率、净利润增长率[12][14][16][21][22] * **动量反转类因子**：动量弹簧因子、5日动量、1月动量、5日反转[12][14][16][22] * **交易行为/技术类因子**：日内波动率与成交金额的相关性、早盘收益因子、早盘后收益因子、大单净流入、动量调整大单、动量调整小单、小单净流入、成交量的5日指数移动平均、5日平均换手率、换手率相对波动率、5日成交量的标准差、6日成交金额的移动平均值、6日成交金额的标准差、5分钟收益率偏度、下行波动率占比[12][14][16] * **波动率与流动性因子**：残差波动率、流动性[21] * **市值因子**：对数市值因子[12][14][16] * **事件与预期类因子**：标准化预期外盈利、标准化预期外收入、净利润断层[12][14][16] 因子的回测效果 （注：以下因子表现数据均为“最近1周”的收益，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]） 1. **大类因子表现（全市场股票池）**[18] * 盈利因子收益：0.47% * 动量因子收益：0.46% * Beta因子收益：-1.02% 2. **单因子表现（沪深300股票池）**[13] * 市盈率TTM倒数：2.97% * 市盈率因子：2.86% * 日内波动率与成交金额的相关性：1.45% * 市净率因子：1.42% * 早盘收益因子：1.39% * 大单净流入：1.26% * 成交量的5日指数移动平均：0.81% * 单季度ROA：0.59% * 5日平均换手率：0.44% * 动量调整小单：0.41% * 经营现金流比率：0.40% * 换手率相对波动率：0.24% * 下行波动率占比：0.15% * 动量调整大单：0.11% * ROIC增强因子：0.06% * 净利润率TTM：0.05% * ROE稳定性：0.02% * 单季度总资产毛利率：0.01% * ROA稳定性：-0.05% * 营业利润率TTM：-0.09% * 5日成交量的标准差：-0.11% * 5分钟收益率偏度：-0.13% * 总资产毛利率TTM：-0.13% * EPTTM分位点：-0.41% * 6日成交金额的移动平均值：-0.43% * 标准化预期外盈利：-0.59% * 单季度ROE：-0.89% * 小单净流入：-1.34% * 净利润断层：-0.97% * 6日成交金额的标准差：-1.14% * 市销率TTM倒数：-1.21% * 总资产增长率：-1.22% * 毛利率TTM：-0.81% * 单季度EPS：-1.27% * 对数市值因子：-2.59% * 单季度营业利润同比增长率：-1.31% * 单季度净利润同比增长率：-1.49% * 5日反转：-1.95% * 标准化预期外收入：-1.57% * 早盘后收益因子：-1.71% * 单季度ROE同比：-1.72% * 动量弹簧因子：-1.77% * 单季度ROA同比：-1.79% * 单季度营业收入同比增长率：-2.54% 3. **单因子表现（中证500股票池）**[15] * 市盈率TTM倒数：3.46% * 市盈率因子：3.29% * 单季度营业收入同比增长率：2.34% * 下行波动率占比：2.24% * 市净率因子：1.92% * 日内波动率与成交金额的相关性：1.79% * 成交量的5日指数移动平均：-0.67% * 对数市值因子：-3.15% * 营业利润率TTM：1.21% * 5日成交量的标准差：1.20% * 净利润率TTM：1.01% * 动量调整大单：0.97% * 单季度ROA同比：0.94% * 单季度ROA：0.92% * 单季度ROE同比：0.90% * 大单净流入：0.76% * ROA稳定性：0.57% * ROE稳定性：0.56% * 单季度ROE：0.54% * 换手率相对波动率：-10.64% * 单季度EPS：0.52% * 标准化预期外盈利：0.47% * 经营现金流比率：0.33% * 市销率TTM倒数：0.30% * 标准化预期外收入：0.22% * EPTTM分位点：0.11% * 早盘后收益因子：-0.02% * 单季度净利润同比增长率：-0.06% * 总资产毛利率TTM：-12.90% * 动量调整小单：-0.12% * 5日反转：-0.21% * ROIC增强因子：-0.29% * 净利润断层：-0.30% * 动量弹簧因子：-0.33% * 6日成交金额的标准差：-0.33% * 6日成交金额的移动平均值：-0.38% * 单季度营业利润同比增长率：-0.39% * 早盘收益因子：-0.40% * 单季度总资产毛利率：-0.48% * 小单净流入：-0.52% * 5分钟收益率偏度：-0.77% * 毛利率TTM：-0.83% * 总资产增长率：-0.97% * 5日平均换手率：-1.22% 4. **单因子表现（流动性1500股票池）**[17] * 市盈率TTM倒数：3.61% * 市盈率因子：2.53% * 市净率因子：1.94% * 5日成交量的标准差：1.86% * 日内波动率与成交金额的相关性：1.82% * 动量调整大单：1.69% * 下行波动率占比：1.51% * 单季度ROE：1.43% * 换手率相对波动率：1.40% * 单季度营业收入同比增长率：1.36% * 经营现金流比率：1.36% * 单季度ROA：1.30% * 大单净流入：1.13% * 成交量的5日指数移动平均：0.98% * 5日平均换手率：0.91% * 动量调整小单：0.91% * ROA稳定性：0.88% * ROE稳定性：0.85% * 净利润率TTM：0.80% * 标准化预期外收入：0.75% * 单季度ROE同比：0.68% * 单季度ROA同比：0.50% * 单季度EPS：0.44% * 标准化预期外盈利：0.32% * 营业利润率TTM：0.30% * 小单净流入：0.28% * 市销率TTM倒数：0.24% * 总资产毛利率TTM：0.24% * 对数市值因子：-7.17% * 6日成交金额的标准差：0.19% * 毛利率TTM：0.12% * ROIC增强因子：0.06% * 单季度总资产毛利率：0.04% * 6日成交金额的移动平均值：0.03% * 总资产增长率：-0.05% * 5分钟收益率偏度：-0.05% * EPTTM分位点：-0.18% * 单季度净利润同比增长率：-0.23% * 早盘收益因子：-0.28% * 净利润断层：-0.32% * 动量弹簧因子：-0.49% * 单季度营业利润同比增长率：-0.61% * 早盘后收益因子：-0.65% * 5日反转：-8.21%