根据提供的量化因子周报内容，以下是结构化总结： --- 量化因子与构建方式 1. **Beta因子** - 构建思路：衡量个股相对于市场的系统性风险[15] - 构建过程： $$BETA = \text{半衰期63天的加权回归系数（个股252日收益率 vs 中证全指）}$$ [15] - 评价：反映市场风险偏好，高Beta股票近期表现突出[15][18] 2. **规模因子（LNCAP）** - 构建思路：捕捉市值对收益的影响[15] - 构建过程： $$LNCAP = \ln(\text{总市值})$$ [15] - 评价：小市值效应持续强化，近一月多空收益-8.87%[15][18] 3. **估值因子（BP）** - 构建思路：通过市净率筛选低估股票[15] - 构建过程： $$BP = \text{归属母公司股东权益/总市值}$$ [15] - 评价：近期表现较弱，多空收益-1.67%[18] 4. **动量因子（RSTR）** - 构建思路：捕捉历史收益率的延续性[15] - 构建过程： $$RSTR = \text{过去504日（排除最近21日）半衰加权累计收益率}$$ [15] - 评价：近一周多空收益0.58%，表现平稳[18] 5. **非线性市值因子（NLSIZE）** - 构建思路：识别市值极端值的非线性效应[15] - 构建过程： $$NLSIZE = \text{对数市值三次方回归残差}$$ [15] - 评价：中市值股票暴露较低，近一周收益0.34%[18] --- 因子回测效果 1. **Beta因子** - 近一周多空收益：2.61%[18] - 近一月多空收益：-1.82%[18] 2. **规模因子（LNCAP）** - 近一周多空收益：-2.11%[18] - 近一月多空收益：-8.87%[18] 3. **单季度ROE同比（成长类）** - 沪深300近一周超额收益：0.35%[23] - 中证1000近一周超额收益：1.56%[36] 4. **20日反转（技术类）** - 全市场Rank IC：11.86%（近一周）[44] - 中证500近一周超额收益：0.80%[27] 5. **对数市值（规模类）** - 全市场Rank IC：18.67%（近一周）[44] - 沪深300ESG近一周超额收益：0.79%[38] --- 其他关键模型 1. **中性约束下最大化因子暴露组合** - 构建思路：在行业/风格中性约束下优化因子暴露[21] - 构建过程： 1. 因子中性化处理 2. 对称正交化 3. 基于Rank ICIR加权复合因子 4. 约束优化最大化暴露[21][52] - 测试结果： - 沪深300近一周超额收益0.35%[4] - 中证1000近一周超额收益0.25%[4] --- 数据说明 - 股票池：中证全指（风格因子）、各宽基指数（选股因子）[15][21] - 调仓频率：周度[15] - 因子中性化：消除行业/风格相关性[44] 注：未提及的模型/因子（如杠杆因子、波动性因子）因缺乏详细构建过程或评价未展开[15][18]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称：港股精选组合策略** - **模型构建思路**：基于分析师推荐事件（盈利预测上调、首次关注、研报标题超预期）构建股票池，再通过基本面和技术面双重筛选选出超预期股票[13][15] - **模型具体构建过程**： 1. 事件筛选：捕捉分析师上调盈利预测、首次覆盖、标题含"超预期"的研报事件 2. 基本面筛选：要求过去6个月至少有5份买入/增持评级研报 3. 技术面筛选：过去250日涨跌幅位于全市场前20%，并通过位移路程比、新高距离均值等指标评估股价平稳性[15][21] - **模型评价**：结合了分析师预期与市场行为，兼顾基本面质量与动量效应[15] 2. **因子名称：平稳创新高股票筛选因子** - **因子构建思路**：通过250日新高距离、分析师关注度、股价平稳性等维度筛选具备持续动量的股票[19][21] - **因子具体构建过程**： 1. 基础筛选：剔除上市不足15个月的股票，要求过去6个月至少有5份买入/增持评级研报[22] 2. 动量筛选：过去250日涨跌幅前20%，计算公式： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 其中$Closet$为最新收盘价，$ts\_max(Close, 250)$为过去250日最高价[21] 3. 平稳性筛选： - 位移路程比 = 过去120日涨跌幅绝对值 / 过去120日日涨跌幅绝对值加总 - 创新高持续性 = 过去120日250日新高距离的时间序列均值[22] - **因子评价**：有效捕捉港股市场的动量效应，规避短期波动较大的伪突破股票[19] 模型的回测效果 1. **港股精选组合策略** - 全样本期（2010-2024）：年化收益17.02%，超额收益17.60%，IR 1.19，最大回撤23.73%[18] - 2024年：绝对收益24.35%，超额收益6.68%，IR 0.48[18] 2. **平稳创新高因子** - 入选股票平均250日涨跌幅：消费板块582.8%（泡泡玛特）、医药板块175.9%（诺诚健华）[27] - 创新高股票行业分布：消费（12只）、医药（11只）、大金融（10只）[21][27] 量化因子与构建方式 1. **因子名称：250日新高距离因子** - **因子构建思路**：量化股价接近历史高点的程度，识别趋势延续性[21] - **因子具体构建过程**： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 当$Closet$创250日新高时取值为0，回落时为正[21] 2. **因子名称：股价位移路程比** - **因子构建思路**：衡量价格路径的平滑程度，过滤波动过大的股票[22] - **因子具体构建过程**： $$位移路程比 = \frac{|过去120日涨跌幅|}{Σ|日涨跌幅|}$$ 比值越低表明价格路径越平滑[22] 因子的回测效果 1. **250日新高距离因子** - 创新高股票平均20日涨跌幅：传媒板块93.9%（阿里影业）、医药板块39.6%（信达生物）[27] 2. **股价位移路程比因子** - 筛选出的平稳创新高股票平均120日涨跌幅：医药板块122.5%（先声药业）、消费板块217.2%（中国东方教育）[27]

根据研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **股指期货分红点位预测模型** - 模型构建思路：基于历史数据和成分股分红信息预测股指期货合约存续期内的分红点位[11] - 具体构建过程： 1) 收集标的指数（中证500/沪深300/上证50/中证1000）成分股的分红数据 2) 按合约存续期（当月/次月/当季/下季）分段汇总预期分红点位 3) 计算公式： $$分红占比 = \frac{存续期内分红点位}{指数价格} \times 100\%$$ 例如中证500下季合约IC2512分红占比0.95%[11] 2. **基差修正模型** - 模型构建思路：剔除分红影响后计算真实基差水平[22] - 具体构建过程： 1) 计算实际基差：期货价格 - 指数价格 2) 加入预期分红调整： $$调整后基差 = 实际基差 + 存续期内未实现分红$$ 3) 年化处理： $$年化基差 = \frac{调整后基差}{指数价格} \times \frac{360}{合约剩余天数}$$ 例如IM当季合约年化基差-15.19%[22][41] 3. **期现对冲策略模型** - 模型构建思路：通过期货空头对冲现货多头风险[45][47] - 具体构建过程： - **连续对冲策略**：持有季月/当月合约至到期前2日调仓[46] - **最低贴水策略**：选择年化基差贴水最小的合约，持有8天后调仓[47] - 资金分配：70%配置现货全收益指数，30%用于期货保证金[46] 4. **Cinda-VIX/SKEW指数模型** - 模型构建思路：反映期权市场对波动率和尾部风险的预期[63][68] - 具体构建过程： 1) VIX计算不同期限（30/60/90/120日）隐含波动率 2) SKEW通过虚值期权IV偏斜程度衡量市场恐慌情绪[68] 例如中证1000SKEW达106.38显示尾部风险担忧[69] 模型回测效果 | 策略类型 | 年化收益 | 波动率 | 最大回撤 | 净值 | 换手(次/年) | |------------------|----------|--------|----------|---------|-------------| | **IC季月对冲** | -1.77% | 4.81% | -8.34% | 0.9504 | 4 | [49] | **IF最低贴水** | 1.46% | 3.19% | -4.06% | 1.0421 | 15.10 | [54] | **IH季月对冲** | 2.11% | 3.59% | -3.75% | 1.0613 | 4 | [58] | **IM当月对冲** | -5.86% | 4.75% | -14.00% | 0.8528 | 12 | [60] 量化因子与构建方式 1. **年化基差因子** - 构建思路：反映期货市场贴水/升水程度[22] - 测试结果：IC/IF/IH/IM当季合约分别为-10.13%/-2.52%/0.21%/-15.19%[3][41] 2. **VIX期限结构因子** - 构建思路：不同期限隐含波动率的斜率变化[63] - 测试结果：上证50VIX期限结构从"近高远低"转为正向倾斜[4] 3. **SKEW因子** - 构建思路：衡量市场对极端风险的定价[68] - 测试结果：中证1000SKEW达106.38处于80%分位以上[69] 因子回测效果 | 因子类型 | 当期值 | 历史分位 | |----------------|-------------|------------| | **IC年化基差** | -10.13% | 5.00% | [3] | **沪深300VIX** | 16.45点 | 30%分位 | [63] | **上证50SKEW** | 97.52 | 42%分位 | [69] 注：所有模型测试区间为2022年7月22日至2025年6月6日[46][60]，VIX/SKEW数据截至2025年6月6日[63][69]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称**：国信金工指数增强组合 - **模型构建思路**：以多因子选股为主体，分别构建对标沪深300、中证500、中证1000及中证A500指数的增强组合，通过收益预测、风险控制和组合优化三部分实现稳定超额收益[12][13] - **模型具体构建过程**： 1. **收益预测**：基于多因子模型（如估值、成长、盈利等因子）生成股票预期收益 2. **风险控制**：约束行业暴露、风格暴露（如市值中性）、个股权重偏离（最大1%）[41] 3. **组合优化**：采用优化模型控制跟踪误差，目标函数为最大化因子暴露，约束条件包括行业中性、成分股权重占比100%等[41][42] - **模型评价**：组合优化方法兼顾因子有效性与实际投资约束，回测显示稳定跑赢基准[13][15] 2. **模型名称**：单因子MFE组合（Maximized Factor Exposure Portfolio） - **模型构建思路**：通过组合优化最大化单因子暴露，检验因子在控制行业/风格约束后的有效性[41] - **模型具体构建过程**： - 优化目标函数： $$ \begin{array}{ll} \max & f^{T}w \\ s.t. & s_{l}\leq X(w-w_{b})\leq s_{h} \\ & h_{l}\leq H(w-w_{b})\leq h_{h} \\ & \mathbf{1}^{T}w=1 \end{array} $$ 其中 \( f \) 为因子向量，\( w \) 为权重，\( X \) 为风格暴露矩阵，\( H \) 为行业暴露矩阵[41][42] - 约束条件：行业中性、市值中性、个股权重偏离≤1%[41] - **模型评价**：更贴近实际投资场景的因子检验方法，避免传统分档测试的偏差[41] --- 量化因子与构建方式 1. **因子名称**：估值类因子（BP、EPTTM、股息率等） - **构建思路**：捕捉股票低估或高估信号[18] - **具体构建过程**： - **BP因子**：$$ BP = \frac{净资产}{总市值} $$ - **EPTTM因子**：$$ EPTTM = \frac{归母净利润TTM}{总市值} $$[18] 2. **因子名称**：成长类因子（单季营收同比增速、DELTAROE等） - **构建思路**：衡量企业盈利或收入增长能力[18] - **具体构建过程**： - **单季营收同比增速**：$$ \frac{本期营业收入-去年同期营业收入}{去年同期营业收入} $$ - **DELTAROE**：$$ \Delta ROE = ROE_{t} - ROE_{t-1} $$[18] 3. **因子名称**：流动性因子（一个月换手、三个月换手） - **构建思路**：反映股票交易活跃度[18] - **具体构建过程**： - **一个月换手率**：过去20个交易日换手率均值[18] 4. **因子名称**：分析师预期因子（预期PEG、三个月盈利上下调） - **构建思路**：利用分析师一致预期数据捕捉市场情绪[18] - **具体构建过程**： - **预期PEG**：$$ PEG = \frac{预期PE}{预期净利润增长率} $$[18] --- 模型的回测效果 1. **国信金工指数增强组合**： - 沪深300增强：本周超额0.83%，本年超额5.09%[6][15] - 中证1000增强：本年超额11.66%[6][15] 2. **单因子MFE组合**（以沪深300为例）： - **三个月机构覆盖因子**：本周超额0.71%，年化IR 2.89%[20] - **单季ROE因子**：本周超额0.64%，年化IR 4.34%[20] --- 因子的回测效果 1. **沪深300样本空间**： - **三个月机构覆盖**：本周超额0.71%，历史年化IR 2.89%[20] - **单季ROA**：本周超额0.68%，历史年化IR 3.69%[20] 2. **中证500样本空间**： - **标准化预期外盈利**：本周超额1.05%，历史年化IR 7.54%[22] 3. **中证1000样本空间**： - **单季营收同比增速**：本周超额1.82%，历史年化IR 4.25%[24] 4. **公募重仓指数样本空间**： - **DELTAROE**：本周超额1.03%，历史年化IR 3.64%[28] （注：部分因子表现数据因文档格式限制未完全列出，但已覆盖核心因子及结果）

量化因子与构建方式 1. **因子名称**：bp **因子构建思路**：衡量公司净资产与市值的比率，反映估值水平[13] **因子具体构建过程**：$$ bp = \frac{当前净资产}{当前总市值} $$[13] 2. **因子名称**：bp三年分位数 **因子构建思路**：反映当前bp在历史区间内的相对位置[13] **因子具体构建过程**：计算股票当前bp在最近三年的分位数[13] 3. **因子名称**：季度ep **因子构建思路**：衡量季度净利润与净资产的关系[13] **因子具体构建过程**：$$ 季度ep = \frac{季度净利润}{净资产} $$[13] 4. **因子名称**：季度ep一年分位数 **因子构建思路**：反映季度ep在近一年的相对水平[13] **因子具体构建过程**：计算当前季度ep在最近一年的分位数[13] 5. **因子名称**：季度sp **因子构建思路**：衡量营业收入与净资产的关系[13] **因子具体构建过程**：$$ 季度sp = \frac{季度营业收入}{净资产} $$[13] 6. **因子名称**：季度资产周转率 **因子构建思路**：反映资产运营效率[13] **因子具体构建过程**：$$ 季度资产周转率 = \frac{季度营业收入}{总资产} $$[13] 7. **因子名称**：季度毛利率 **因子构建思路**：衡量盈利能力[13] **因子具体构建过程**：$$ 季度毛利率 = \frac{季度毛利润}{季度销售收入} $$[13] 8. **因子名称**：季度roa **因子构建思路**：反映资产收益率[13] **因子具体构建过程**：$$ 季度roa = \frac{季度净利润}{总资产} $$[13] 9. **因子名称**：季度roe **因子构建思路**：衡量净资产收益率[13] **因子具体构建过程**：$$ 季度roe = \frac{季度净利润}{净资产} $$[13] 10. **因子名称**：季度净利润同比增长 **因子构建思路**：反映盈利增长能力[13] **因子具体构建过程**：计算季度净利润同比增长率[13] 11. **因子名称**：标准化预期外盈利 **因子构建思路**：衡量盈利超预期程度[13] **因子具体构建过程**：$$ \frac{当前季度净利润-(去年同期单季净利润+过去8个季度单季净利润同比增长均值)}{过去8个季度的单季度净利润同比增长值的标准差} $$[13] 12. **因子名称**：1个月反转 **因子构建思路**：捕捉短期反转效应[13] **因子具体构建过程**：计算过去20个交易日收益率累加[13] 13. **因子名称**：小市值 **因子构建思路**：反映公司规模效应[13] **因子具体构建过程**：计算对数市值[13] 14. **因子名称**：Beta **因子构建思路**：衡量系统性风险[14] **因子具体构建过程**：最近490个交易日个股收益与市场收益加权回归的系数[14] 因子回测效果 1. **bp因子** 最近一周IC：-4.17% 最近一月IC均值：0.88% 最近一年IC均值：1.86% 历史IC均值：2.19%[9] 2. **小市值因子** 最近一周IC：10.49% 最近一月IC均值：8.17% 最近一年IC均值：3.61% 历史IC均值：2.05%[9] 3. **1个月反转因子** 最近一周IC：7.22% 最近一月IC均值：1.22% 最近一年IC均值：3.40% 历史IC均值：2.22%[9] 4. **季度roe同比因子** 最近一周超额：1.34% 最近一月超额：1.94% 最近一年超额：5.55% 历史累计超额：17.05%[11] 5. **季度净利润同比增长因子** 最近一周超额：0.76% 最近一月超额：1.44% 最近一年超额：10.22% 历史累计超额：36.68%[11] 6. **1个月换手率波动因子** 最近一周超额：0.18% 最近一月超额：0.99% 最近一年超额：13.36% 历史累计超额：30.59%[11]

量化模型与因子分析总结 量化模型与构建方式 1. **模型名称：分红预测模型** - **模型构建思路**：基于上市公司分红信息（已实施、股东大会通过、董事会预案等）和合理假设，预测分红对股指期货各合约的影响[8][10] - **模型具体构建过程**： 1. **预估成分股净利润**：优先采用年报、快报、预警、分析师预测等数据源，按优先级顺序填补未公布数据[23][28] 2. **计算税前分红总额**： - 已公布分红预案的直接采用 - 未公布的按历史分红率推算（若去年分红率>0） - 净利润为负或历史不分红的公司设分红率为0[28] 3. **计算分红对指数的影响**： - 股息率=税后分红总额/最新市值 - 单股票影响=股票权重×股息率 - 权重动态调整公式： $$\mathrm{w_{it}={\frac{w_{i0}\times\mathrm{\scriptsize{\boldmath~(~1+R~)}~}}{\sum_{1}^{n}w_{i0}\times\mathrm{\scriptsize{\boldmath~(~1+R~)}~}}}}$$ （其中$w_{i0}$为基准日权重，$R$为涨跌幅）[26] 4. **预测合约影响值**： - 除权除息日预测：已公布的直接采用，未公布的参考历史分红时间差中位数[29][30] - 累加交割日前所有分红点数为最终影响值[30] - **模型评价**：依赖历史分红率假设，对市场突变敏感[5][32] 2. **模型名称：股指期货定价模型** - **模型构建思路**：基于无套利原理，考虑分红现值和利率影响[32][33] - **模型具体构建过程**： - **离散红利定价公式**： $$\mathbf{D}=\sum_{\mathrm{i=1}}^{\mathrm{m}}\mathbf{D}_{\mathrm{i}}\,/(1+\phi)$$ $$F_t=(S_t-D)(1+r)$$ （$D$为红利现值，$r$为无风险利率）[32] - **连续红利定价公式**： $$F_t=S_t e^{(r-d)(T-t)}$$ （$d$为年化红利率）[33] 模型回测效果 1. **分红预测模型** - **上证50期货**： - IH2506合约：分红点数12.10，年化对冲成本（365天）3.05%[12] - IH2507合约：分红点数49.96，年化对冲成本-1.26%[12] - **沪深300期货**： - IF2506合约：分红点数16.30，年化对冲成本1.54%[13] - IF2509合约：分红点数61.62，年化对冲成本2.60%[13] - **中证500期货**： - IC2506合约：分红点数18.75，年化对冲成本8.11%[14] - IC2512合约：分红点数52.37，年化对冲成本9.76%[14] - **中证1000期货**： - IM2506合约：分红点数17.78，年化对冲成本14.77%[15] - IM2512合约：分红点数38.99，年化对冲成本13.71%[15] 2. **股指期货定价模型** - 理论价差与实际价差对比显示，IH2506合约含分红价差为-3.15点（实际价差-15.25点）[12]，IF2506含分红价差-2.28点（实际价差-18.58点）[13]，验证模型对分红影响的修正效果 关键指标汇总 | 指标 | IH2506 | IF2506 | IC2506 | IM2506 | |---------------------|--------|--------|--------|--------| | 分红点数 | 12.10 | 16.30 | 18.75 | 17.78 | | 年化对冲成本（365天）| 3.05% | 1.54% | 8.11% | 14.77% | | 剩余影响比例 | 0.45% | 0.42% | 0.33% | 0.29% |[12][13][14][15][16]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **优秀基金业绩增强组合** - 模型构建思路：从对标宽基指数转向对标主动股基，借鉴优秀基金持仓并采用量化方法增强[4][48] - 模型具体构建过程： 1. 对基金收益类因子进行分层中性化处理，优选基金组合 2. 根据优选基金持仓构建组合，控制与优选基金在个股、行业及风格上的偏离 3. 采用组合优化方法增强，年化跟踪误差4.68%[48][49] - 模型评价：历史表现稳定，大部分年度排名股基前30%[50] 2. **超预期精选组合** - 模型构建思路：筛选超预期事件股票池，结合基本面和技术面双重精选[5][55] - 模型具体构建过程： 1. 以研报标题超预期和净利润上调为条件筛选股票池 2. 对股票池进行基本面（如财务指标）和技术面（如动量指标）打分 3. 构建等权组合[5][55] 3. **券商金股业绩增强组合** - 模型构建思路：以券商金股股票池为基准，控制个股和风格偏离[6][60] - 模型具体构建过程： 1. 以券商金股为选股空间，约束组合与基准的个股、风格偏离 2. 以公募基金行业分布为行业配置基准[60] 4. **成长稳健组合** - 模型构建思路：采用“先时序、后截面”的二维评价体系，捕捉成长股超额收益黄金期[7][65] - 模型具体构建过程： 1. 以超预期和业绩预增事件筛选股票池 2. 按距离财报披露日天数分档，优先选择临近披露日的股票 3. 引入多因子打分（如估值、成长性）和风险控制机制（如缓冲机制）[7][65] --- 模型的回测效果 1. **优秀基金业绩增强组合** - 全样本年化收益20.50%，超额偏股混合型基金指数12.36%[50] - 2025年超额收益-2.75%，排名股基51.60%分位点[14][23] 2. **超预期精选组合** - 全样本年化收益28.53%，超额偏股混合型基金指数23.02%[56] - 2025年超额收益9.48%，排名股基10.93%分位点[14][31] 3. **券商金股业绩增强组合** - 全样本年化收益19.01%，超额偏股混合型基金指数14.87%[61] - 2025年超额收益2.90%，排名股基25.02%分位点[14][38] 4. **成长稳健组合** - 全样本年化收益34.74%，超额偏股混合型基金指数26.43%[66] - 2025年超额收益13.98%，排名股基6.54%分位点[14][43] --- 关键指标对比 - **2025年超额收益**：成长稳健组合（13.98%）> 超预期精选组合（9.48%）> 券商金股组合（2.90%）> 优秀基金组合（-2.75%）[14] - **排名分位点**：成长稳健组合（6.54%）最优，超预期精选组合（10.93%）次之[14][31][43] 注：所有数据均基于偏股混合型基金指数（885001.WI）为基准，组合仓位按90%计算[18][24][32][39]

根据提供的金融工程日报内容，以下是量化模型与因子的结构化总结： --- 量化因子与构建方式 1. **因子名称：封板率因子** - 构建思路：通过监测涨停股盘中封板稳定性反映市场情绪强度[15] - 具体构建： $$封板率=\frac{最高价涨停且收盘涨停股票数}{最高价涨停股票数}$$ 筛选上市满3个月的股票，统计日内最高价与收盘价均涨停的股票占比[15] - 因子评价：高频因子对短线情绪捕捉敏感 2. **因子名称：连板率因子** - 构建思路：衡量涨停股持续性强弱，反映市场追涨动能[15] - 具体构建： $$连板率=\frac{连续两日收盘涨停股票数}{昨日收盘涨停股票数}$$ 需排除新股上市前3个月数据[15] - 因子评价：对题材炒作持续性有前瞻性 3. **因子名称：大宗交易折价率因子** - 构建思路：通过大宗交易价格偏离度观测机构资金动向[25] - 具体构建： $$折价率=\frac{大宗交易总成交金额}{当日成交份额总市值}-1$$ 统计单日所有大宗交易成交额与市值的加权偏离度[25] - 因子评价：反映大资金对标的的折让要求 4. **因子名称：股指期货贴水率因子** - 构建思路：利用期现价差捕捉市场预期变化[27] - 具体构建： $$年化贴水率=\frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ 计算主力合约基差并年化处理，覆盖上证50/沪深300/中证500/中证1000指数[27] --- 因子回测效果 1. **封板率因子** - 当日值：61%（较前日下降8%）[15] - 近一月波动区间：55%-70%[15] 2. **连板率因子** - 当日值：21%（较前日提升4%）[15] - 近一月波动区间：15%-25%[15] 3. **大宗交易折价率因子** - 当日值：7.46%（近半年均值5.54%）[25] - 分位点：处于近半年85%高位[25] 4. **股指期货贴水率因子** - 上证50：14.18%（近一年13%分位）[27] - 沪深300：11.99%（近一年13%分位）[27] - 中证500：15.91%（近一年19%分位）[27] - 中证1000：21.39%（近一年13%分位）[27] --- 注：报告中未涉及量化模型的具体构建，故仅总结可量化的市场行为因子。所有因子数据均来自20250606最新统计[15][25][27]

量化因子与构建方式 1. **因子名称**：250日新高距离 **因子构建思路**：通过计算当前收盘价与过去250日最高价的相对距离，衡量股票创新高的程度[11] **因子具体构建过程**： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 其中： - \(Closet\)为最新收盘价 - \(ts\_max(Close,250)\)为过去250个交易日收盘价的最大值 若最新收盘价创出新高，则因子值为0；若较新高回落，则因子值为正，表示回落幅度[11] **因子评价**：该因子能有效捕捉动量效应，符合趋势跟踪策略的逻辑基础[11] 2. **因子名称**：平稳创新高筛选因子（复合因子） **因子构建思路**：结合分析师关注度、股价路径平稳性等多维度筛选具有持续动量的股票[23][26] **因子具体构建过程**： - **分析师关注度**：过去3个月买入/增持评级的研报≥5份[26] - **股价相对强弱**：过去250日涨跌幅位于全市场前20%[26] - **股价平稳性**（双重筛选）： 1. 位移路程比 = \(\frac{过去120日涨跌幅绝对值}{过去120日日涨跌幅绝对值加总}\)[23] 2. 创新高持续性 = 过去120日的250日新高距离时间序列均值[26] - **趋势延续性**：过去5日的250日新高距离时间序列均值[26] 最终取综合排名前50的股票[26] **因子评价**：该复合因子能过滤跳跃型动量，捕捉更可持续的趋势信号[23][26] --- 因子回测效果 1. **250日新高距离因子** - 上证指数取值：2.99%[12] - 深证成指取值：11.41%[12] - 沪深300取值：8.98%[12] - 中证500取值：8.98%[12] - 中证1000取值：6.94%[12] - 中证2000取值：4.25%[12] - 创业板指取值：20.03%[12] - 科创50取值：12.00%[12] 2. **平稳创新高筛选因子** - 筛选结果示例（部分股票）： - 三生国健（医药）：250日涨幅174%，新高距离2.9%[30] - 万辰集团（农林牧渔）：250日涨幅610%，新高距离5.9%[30] - 仕佳光子（通信）：250日涨幅249%，新高距离0%[30] - 板块分布： - 制造板块入选11只（机械行业最多）[27] - 消费板块入选8只（食品饮料行业最多）[27] --- 补充说明 - **行业/概念应用**： - 银行行业250日新高距离最低（0.37%），煤炭行业最高[13] - 万得微盘股等权概念指数表现最优（新高距离最小）[15] - **创新高股票分布**： - 全市场777只股票创250日新高，基础化工（106只）、机械（93只）、医药（91只）数量最多[19] - 中证2000指数创新高占比最高（14.85%）[20] （注：原文未提供IR等量化指标，故未列出）

量化模型与构建方式 国企基本面因子选股策略 1. **模型名称**：国企基本面因子选股多头策略 - **模型构建思路**：基于中证国企指数成分股及北交所符合条件的国企股票构建样本池，根据行业分类（红利型、成长型）选择通用因子和行业特色因子，通过加权打分选股[3][4][5]。 - **模型具体构建过程**： 1. **样本池定义**：中证国企指数成分股+北交所上市满6个月的央/地方国企股票[3]。 2. **行业分类**：将ZX三级行业划分为红利型（资源品、公用事业等6类）和成长型（先进制造、软件服务等3类）[4]。 3. **因子选择**： - **通用因子**：股息率（TTM）、ROE（TTM）、营业现金比率等，权重根据行业类型调整（红利型股息率权重4，成长型为2）[5][6]。 - **行业特色因子**：如资源品的ROIC环比增量、房地产的存货周转率等[7][8]。 4. **得分计算**：通用因子得分（30%）+行业特色因子得分（70%）加权，归一化为百分制总分[9]。 5. **权重分配**：前50名个股按得分立方加权，公式为： $$w_{i}={\frac{s c o r e_{i}^{3}}{\sum_{i=1}^{N}s c o r e_{i}^{3}}}$$ [10]。 - **模型评价**：突出国企红利特征，兼顾行业差异，因子权重设计体现不同行业逻辑[5][9]。 科技主题基本面因子选股策略 1. **模型名称**：科技主题基本面因子选股多头策略 - **模型构建思路**：从符合科技定义的行业（电子、计算机等）中筛选高研发投入股票，按企业生命周期（引入期、成长期、成熟期）分域选股[17][19][21]。 - **模型具体构建过程**： 1. **样本池定义**：SW三级行业属于科技领域且研发费用占比>5%或研发人员占比>10%的股票[17][18]。 2. **生命周期划分**：根据现金流正负将企业分为引入期、成长期等阶段，剔除震荡期和衰退期股票[19][20]。 3. **因子选择**： - **通用因子**：毛利率环比增量、独立发明专利数量等[22]。 - **特色因子**：成长期关注资产负债率（正向），成熟期关注PB-ROE（正向）[22][28]。 4. **得分计算**： - 单因子分位数打分后，按公式调节总分均衡性： $${\hat{\mathbb{E}}}_{i}^{s}\nearrow\ ={\frac{1}{5}}M e a n(S_{i})+{\frac{M e a n(S_{i})}{S t d(S_{i})}}$$ [23]。 - 研发费用乘数调整总分： $$研发费用乘数 = 0.9 + 0.2 × Normalization\left(\frac{Mean_{industry}(研发费用/总市值)}{Mean_{Astock}(研发费用/总市值)}\right)$$ [25][26]。 5. **权重分配**：前50名个股按得分线性加权，公式为： $$w e i g h t_{i}={\frac{s c o r e_{i}}{\sum_{i=1}^{50}s c o r e_{i}}}$$ [27]。 - **模型评价**：强调研发投入和高成长性，生命周期分域增强因子有效性[21][22]。 --- 模型的回测效果 国企基本面因子选股多头策略 - **年化收益率**：23.09% - **年化超额收益**：21.01%（vs 中证国企指数） - **Sharpe比率**：1.0648 - **Calmar比率**：0.9799 - **最大回撤**：-23.56% - **超额收益Sharpe比率**：1.7000[11][12]。 科技主题基本面因子选股多头策略 - **年化收益率**：25.25% - **年化超额收益**：10.62%（vs 科技股样本池） - **Sharpe比率**：0.9404 - **Calmar比率**：0.7476 - **最大回撤**：-33.78% - **超额收益Sharpe比率**：1.4755[29][30]。 --- 量化因子与构建方式 国企基本面因子 1. **通用因子**： - **股息率（TTM）**：反映国企分红稳定性[6]。 - **ROE（TTM）**：央企业绩考核指标，衡量盈利能力[6]。 - **营业现金比率**：经营现金流/营业总收入，考核销售质量[6]。 2. **行业特色因子**： - **资源品**：ROIC环比增量（盈利+营运效率）[7]。 - **房地产**：存货周转率（销售效率）[8]。 - **银行**：资本充足率（抗风险能力）[8]。 科技主题基本面因子 1. **通用因子**： - **毛利率环比增量**：反映利润空间[22]。 - **独立发明专利数量**：衡量技术水平[22]。 2. **特色因子**： - **成长期**：资产负债率（正向，支持扩张）[22][28]。 - **成熟期**：PB-ROE（低估值高ROE）[22][28]。 --- 因子的回测效果 （注：报告中未单独列出因子级回测指标，仅展示模型综合效果）