战略配置：大盘优于小盘。从 A 股收益预测模型的最新预测来看，沪深 300 未来一年预期收益为 16.9%，中证 500 未来一年预期收益为-30.5%，两 者拉开了巨大的差异。哪怕我们对宽基指数的预期收益与真实收益之间存 在偏差，但是根据 300 和 500 预期收益差构建的宽基指数多空策略似乎 是长期有效的，这意味着预期收益差具备 300 和 500 相对收益的长周期 预测能力，因此，我们建议投资者未来一年更多聚焦大市值宽基指数。 风格配置：质量>价值=成长>小盘。质量风格空间最大：当前质量因子为 高赔率-中等趋势-低拥挤，三标尺综合排名均位居前列，建议重点关注和 配置。价值风格有战术配置价值：当前价值风格呈现出"强趋势-低拥挤" 的特征，从短期一个季度而言或具有不错的配置价值。成长风格整体配置 价值偏中性：成长因子近期估值吸引力下降，净利润 TTM 同比因子拥挤 度已相对较高，整体配置价值偏中性，建议标配。小盘风格拥挤度相对较 高：横截面来看小盘风格仍为拥挤度最高的品种，不确定性较强，不建议 配置和交易。 行业配置：2025 超额 4.8%。牛市预期驱动下，TMT 行业拥挤度已经趋 高；金融和制造板块集 ...

◼ 红利择时框架 2025 年 4 月观点：不再看多红利。 证券研究报告·金融工程·金工定期报告 金工定期报告 20250331 预期高股息组合跟踪-20250331 2025 年 03 月 31 日 [Table_Tag] [Table_Summary] 投资要点 ◼ 2025 年 4 月组合最新持仓明细： | 序号 | 股票代码 | 股票简称 | 申万一级行业 | 建仓日期 | 权重 | | --- | --- | --- | --- | --- | --- | | 1 | 601009.SH | 南京银行 | 银行 | 2025/4/1 | 3.33% | | 2 | 601169.SH | 北京银行 | 银行 | 2025/4/1 | 3.33% | | 3 | 601328.SH | 交通银行 | 银行 | 2025/4/1 | 3.33% | | 4 | 601998.SH | 中信银行 | 银行 | 2025/4/1 | 3.33% | | 5 | 601658.SH | 邮储银行 | 银行 | 2025/4/1 | 3.33% | | 6 | 600036.SH | 招商银行 | 银行 | 2 ...

摘要 过去一周，国内主要市场指数中，上证 50、沪深 300s 上涨，中证 1000、中证 500 指数下跌。其中，上证 50、沪深 300、中证 500 和中证 1000 指数的涨跌幅分别为 0.16%、0.01%、-0.94%和-2.14%。 过去一周，中国公布了 2 月工业企业利润总额累计同比数据，报-0.3%，较上期继续上行 3%。该数据一定程度能反映 国内企业经营情况的逐步改善。在政策支持端，3 月 27 日央行通过副行长宣昌能在公开市场发言再度提及择机降息 降准。为了配合政策的后续落地，3 月 30 日，一方面财政部向多家银行注资补充银行一级核心资本；另一方面，据中 国证券报消息称，北京多家银行上调消费贷利率，调整后普遍不低于 3%。在消费贷利率回升，银行的净息差水平也能 得以改善，为后续潜在的降准降息腾挪出空间，政策落地的时间节点可期。 随着时间进入 A 股财报季，投资者会更倾向规避短期业绩较差或有暴雷可能性的板块，选择增配未充分博弈的业绩预 增和基本面稳健的板块。而且海外方面，美国对等关税政策还未正式落地，需要等到 4 月 2 日。所以在各类风险解除 前，战术型仓位我们推荐维持银行、汽车、通信 ...

根据提供的报告内容，该报告主要聚焦于全球净零转型的公私合作框架，并未涉及具体的量化模型或量化因子构建。报告中讨论的是战略合作机制和政策工具，而非金融工程领域的量化分析工具。以下是关键要点归纳： 核心合作框架要点 1. **公共财政机制利用** - 通过补贴、碳定价、税收优惠等工具降低企业脱碳成本[10] - 案例：Edilians窑炉更换项目通过公共合作降低风险[10] 2. **净零金融机制开发** - 联合制定行业脱碳路线图，如瑞典化石自由计划[11] - 仅1/3排放大户参与政策设计合作[11] 3. **价值链碳追踪** - 采用AI/ML技术提升碳排放数据精度[12] - 开发自动化碳足迹计算工具[12] 4. **碳核算标准统一** - 推动范围3排放披露标准化[13] - 协调产品碳足迹(PCF)方法[13] 5. **气候技术投资** - 欧洲案例显示每1欧元气候技术投资可产生9欧元远期收益[16] - 德国通过《氢气加速法案》简化审批流程[16] 政策实施挑战 - G20国家中仅7国实施CCS支持政策[7] - 1998-2022年全球仅63项气候政策显著减排（0.6-1.8亿吨CO2）[8] 注：报告未包含任何量化金融模型或因子测试结果，内容集中于政策分析与合作框架设计[1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18][19]

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**：DeepSeek-V3-0324大模型 - **模型构建思路**：利用大模型的自然语言处理能力，对行业研报进行智能总结和整合，提炼核心观点与关键信息，以解决人工阅读成本高的问题[5][6] - **模型具体构建过程**： 1. 从Wind数据库获取行业研报（样本量756篇），过滤后保留672篇[2][18] 2. 将同一行业的所有摘要合并，拼接标准化提示词后输入模型[5][15] 3. 提示词要求模型生成不超过200字的摘要，需准确反映研报事实与结论，避免风险提示和个人意见[6] 4. 模型输出行业名称、景气度及超预期程度的标准化JSON格式结果[15][16] - **模型评价**：能够高效处理海量文本，但存在信息二次加工导致失真的风险[6] 2. **模型名称**：行业景气度量化模型 - **模型构建思路**：通过大模型提取研报中的行业景气度与超预期程度，解决传统行业评级离散化、分类标准不统一的问题[12][13] - **模型具体构建过程**： 1. 定义景气度为行业基本面改善程度，超预期程度为分析师预测与实际表现的差异[15] 2. 使用DeepSeek-V3对每篇研报标注中信一级/二级行业，并输出0-10分的景气度与超预期评分[18][19] 3. 按二级行业计算均值，保留报告数>2的行业[18] 4. 计算周环比变化值（如通信设备景气度8.88，周变化+0.54）[19][21] 模型的回测效果 1. **DeepSeek-V3模型**： - 覆盖32个中信二级行业，总结结果示例见石油石化、煤炭等行业摘要[6][7][8] 2. **行业景气度模型**： - 通信设备：景气度8.88（IR 0.54），超预期程度8.00（IR 0.67）[19] - 航空航天：景气度8.83（IR 0.13），超预期程度8.17（IR 0.47）[19] - 计算机软件：景气度8.83（IR 0.21），超预期程度7.83（IR 0.21）[19] - 普钢：景气度5.00（IR -1.29），超预期程度4.00（IR -1.29）[21] 量化因子与构建方式 1. **因子名称**：行业景气度因子 - **因子构建思路**：反映行业基本面改善程度的连续型指标[12][15] - **因子具体构建过程**： - 从研报文本中提取景气度评分，范围0-10分，分数越高表示行业越景气[15][19] - 计算公式： $$ \text{景气度}_i = \frac{1}{n}\sum_{j=1}^{n} \text{大模型对第j篇研报的评分} $$ 其中$n$为属于行业$i$的研报数量[18] 2. **因子名称**：超预期程度因子 - **因子构建思路**：衡量行业实际表现超出分析师预期的程度[15][18] - **因子具体构建过程**： - 类似景气度因子，通过大模型对每篇研报标注0-10分的超预期评分[15][19] - 计算公式同景气度因子，但替换为超预期评分[18] 因子的回测效果 1. **行业景气度因子**： - 通信设备：8.88[19] - 渔业：5.50[21] 2. **超预期程度因子**： - 通信设备：8.00[19] - 品牌服饰：6.00[21] 注：所有指标均基于2025年3月24-30日数据计算，IR值为周环比变化[19][21]

-40% -20% 0% 20% 40% 60% 80% 北证50 沪深300 ⚫⚫⚫⚫⚫⚫ 请务必阅读正文最后的中国银河证券股份有限公司免责声明。 2 图1:北证成交额与换手率情况(截至2025.03.28) ■ 成交金额（合计/亿元) -换手率（算数平均/%） 600 16.0 14.0 500 12.0 400 10.0 300 8.0 6.0 200 4.0 100 2.0 0 0.0 03-18 02-12 02-14 02-18 02-24 02-28 03-04 03-06 03-10 03-12 03-14 03-28 02-10 02-20 02-26 02-06 03-20 资料来源：iFinD，中国银河证券研究院 ■A股算数平均涨跌幅 ■ 北交所算数平均涨跌幅 6 4 2 0 -2 -4 -6 -8 -10 资料来源：iFinD，中国银河证券研究院 北交所日报 □国银河证券|CGS 图2：北证与 A 股各行业当日涨跌幅（算数平均/%/ 2025.03.28) 可证券|CGS 北交所日报 | | 序号 | 代码 | 简称 | 所属行业 | 今日涨跌幅 | 市值 | 营业收入 | 归母净利润 ...

根据提供的研报内容，以下是量化模型和因子的详细总结： 量化模型与构建方式 1. **模型名称：黄金定价数量模型** - **模型构建思路**：尝试构建黄金定价的数量模型，基于扩展模型对不同情形下的未来金价进行预测[5] - **模型具体构建过程**： 1. 模型基于全球货币变局背景，考虑非经济因素（如各国信任度变化、国际秩序重构）对黄金需求的影响 2. 分三种情形预测： - 乐观情形：突破3800美元/盎司 - 中性情形：达到3200美元/盎司 - 悲观情形：回落至2600-2700美元/盎司区间 - **模型评价**：该模型突破了传统美元实际利率定价框架，更适合当前非经济因素驱动的黄金牛市[20] 2. **模型名称：债券基金久期测算净值回归法** - **模型构建思路**：通过基金收益率序列对债券指数收益率序列进行多元线性回归，计算组合久期[17] - **模型具体构建过程**： 1. 按券种配置特点将基金分为三类：利率债基金、信用债基金、综合债基金 2. 对不同类型基金采用不同指数回归： - 信用债基金：使用不同期限的中债-信用债总财富指数 - 利率债基金：使用中债-国开行债券总财富（1年以下）指数及国债/政策性银行债指数 - 综合债基金：综合上述所有指数 3. 采用Lasso回归法减轻多重共线性影响，增强模型稳定性[18] - **模型评价**：相比重仓券法和利率敏感度法，具有高频、高时效性优势，平均绝对误差0.63-0.83年[18] 3. **模型名称：ETF中低频因子周度组合策略** - **模型构建思路**：基于量价因子和基本面因子构建周度调仓的ETF组合策略[29] - **模型具体构建过程**： 1. 因子分类测试： - 量价因子：长动量（年度IC胜率82%）、短动量（年度IC胜率91%） - 风格因子：PB分位点因子表现稳定 - 基本面因子：稳定性优于风格因子但收益表现较弱 2. 构建两种策略： - 低频量价策略：年化超额收益12.35%（相对Wind全A） - 困境反转策略：年化超额收益17.49% 3. 最优调仓频率确定为周频（W）[30] - **模型评价**：策略具有显著行业轮动特性，能灵活应对不同经济周期，全池策略抗风险能力最优[30] 量化因子与构建方式 1. **因子名称：长动量因子** - **因子构建思路**：捕捉ETF中长期价格趋势[30] - **因子具体构建过程**： - 计算标的过去6个月收益率排序 - 年度IC胜率达82% - **因子评价**：在量价因子中预测能力最突出 2. **因子名称：短动量因子** - **因子构建思路**：捕捉ETF短期价格动能[30] - **因子具体构建过程**： - 计算标的过去1个月收益率排序 - 年度IC胜率达91% - **因子评价**：收益稳定性最佳的量价因子 3. **因子名称：PB分位点因子** - **因子构建思路**：衡量ETF估值历史分位水平[30] - **因子具体构建过程**： - 计算当前PB相对于过去3年历史分位数 - **因子评价**：能穿越市场周期的稳定风格因子 模型的回测效果 1. **黄金定价数量模型** - 乐观情形预测值：3800美元/盎司[5] - 中性情形预测值：3200美元/盎司[5] - 悲观情形预测值：2600-2700美元/盎司[5] 2. **债券基金久期测算模型** - 利率债基久期误差：0.83年[18] - 信用债基久期误差：0.63年[18] - 综合债基久期误差：0.80年[18] - 全市场纯债基金久期中位数：3.1年（2024年底）[19] 3. **ETF组合策略** - 低频量价策略： - 年化超额收益：12.35% - 年化绝对收益：20.08%[30] - 困境反转策略： - 年化超额收益：17.49% - 年化绝对收益：25.23%[30] 因子的回测效果 1. **长动量因子** - 年度IC胜率：82%[30] 2. **短动量因子** - 年度IC胜率：91%[30] 3. **PB分位点因子** - 稳定性：穿越市场周期[30]

根据提供的量化周报内容，以下是总结的量化模型和量化因子相关内容： 量化模型与构建方式 1.模型名称：中证500增强组合；模型构建思路：通过量化选股策略构建相对于中证500指数的增强组合；模型具体构建过程：组合持仓包括中集集团、中远海发、华海清科等多只股票，每只股票有特定的持仓权重[67][68][69] 2.模型名称：沪深300增强组合；模型构建思路：通过量化选股策略构建相对于沪深300指数的增强组合；模型具体构建过程：组合持仓包括新和成、中远海控、华泰证券等多只股票，每只股票有特定的持仓权重[72][74][75] 模型的回测效果 1.中证500增强组合，本周收益率-0.66%，跑赢基准0.27%；2020年至今超额收益42.60%，最大回撤-4.99%[67][69] 2.沪深300增强组合，本周收益率0.81%，跑赢基准0.80%；2020年至今超额收益24.17%，最大回撤-5.86%[72][74] 量化因子与构建方式 1.因子名称：BARRA十大类风格因子；因子构建思路：参照BARRA因子模型构建；因子具体构建过程：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)[76][77] 2.因子名称：行业因子；因子构建思路：基于行业分类构建；因子具体构建过程：包括传媒、医药、农林牧渔等行业因子[77][78] 因子的回测效果 1.BARRA风格因子，本周动量因子超额收益较高，残差波动率呈显著负向超额收益[77][78] 2.行业因子，本周传媒、医药、农林牧渔等行业因子超额收益较高，国防军工、计算机、通信等行业因子回撤较多[77][78]

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**：宽基形态择时策略 - **构建思路**：基于宽基指数成分股的形态信号构建多空比率剪刀差，生成择时信号[15] - **具体构建过程**： 1. 统计每日成分股的看多/看空形态信号数量 2. 计算多空剪刀差比率： $$ \text{多空比率} = \frac{\text{看多信号数} - \text{看空信号数}}{\text{总成分股数}} $$ 3. 若比率为正且超过阈值则生成看多信号，反之则为看空[15] - **评价**：模型在回测中跑赢基准指数的比率达100%，表现优秀[15] 2. **模型名称**：行业形态择时策略 - **构建思路**：类似宽基策略，但针对中信一级行业指数成分股[15] - **具体构建过程**： 1. 对每个行业成分股统计形态信号 2. 设定零信号处理规则（无信号时多空比率为0）[15] 3. 信号生成逻辑与宽基模型一致 --- 量化因子与构建方式 1. **因子名称**：特殊K线形态因子（满江红、火箭发射等） - **构建思路**：识别六种技术形态（如金针探底、乌云线）作为买卖信号[20] - **具体构建过程**： - **满江红形态**： 1. 要求K线振幅>5% 2. 出现在过去20日低位 3. 下影线长度>80%且收盘价=开盘价[20] - **火箭发射形态**：定义见研报引用链接（未提供详细公式） - **评价**：金针探底、火箭发射等正向形态具有较高胜率[20] 2. **因子名称**：连续看多信号因子 - **构建思路**：统计连续4-5日出现看多形态的股票[18][19] - **具体构建过程**： 1. 每日检测个股形态信号 2. 累计连续出现次数作为因子值 --- 模型的回测效果 1. **宽基形态择时策略**： - 上证50：年化收益11.84%，最大回撤20.2%[12] - 中证500：年化收益20.18%，最大回撤41.19%[12] 2. **行业形态择时策略**： - 消费者服务：年化收益15.41%，最大回撤53.53%[16] - 银行：年化收益11.77%，最大回撤19.52%[16] --- 因子的回测效果 1. **特殊K线形态因子**： - 满江红形态在电力及公用事业行业（如深圳能源）的胜率达25.32%[11][20] - 负面信号（如乌云线）的低点预测胜率78.94%[11] 2. **连续看多信号因子**： - 连续5日信号股票（如山西汾酒）PE(TTM)为21.44[18] - 连续4日信号股票（如重庆钢铁）流通市值110.57亿元[19] --- 注：部分因子（如券商金股形态信号）因未提供详细构建过程未列入[29][30]

根据提供的量化分析报告内容，以下是关于量化模型和因子的详细总结： 量化模型与构建方式 1. **顺周期策略模型** - 模型构建思路：基于经济政策转向与银行板块表现的历史相关性，捕捉政策催化带来的顺周期行情[1][9] - 模型具体构建过程： - 通过复盘2008-2010年、2014-2016年两轮政策周期，统计政策转向后11-15个月内银行板块的绝对收益（分别达77.9%和58.3%）[12][14] - 监测PPI月同比、工业利润累计增速等宏观经济企稳指标作为触发信号[12] - 重点关注零售贷款增速（历史复苏阶段较企业贷款高10.1pc/6.2pc）、新发放贷款利率（当前稳定在3.1%附近）、零售信用成本（22A-24H1累计提升39bp）三大维度的改善[15][19] 2. **高股息策略模型** - 模型构建思路：利用银行股股息率与无风险利率的利差优势，结合中长期资金入市预期构建红利策略[2][20] - 模型具体构建过程： - 计算国有五大行加权平均股息率（4.55%）与10年期国债收益率（1.84%）的利差（2.71%）[22] - 筛选分红比例稳定在25%以上的银行股（如国有大行分红比例持续30%）[26][28] - 跟踪险资举牌动向（2025年前3个月银行股占险资举牌次数的60%）[24] 模型的回测效果 1. **顺周期策略模型** - 年化收益率：历史周期中银行板块绝对收益77.9%（08-10年）、58.3%（14-16年）[12][14] - 超额收益：相对万得全A指数-0.1%（08-10年）、-13.2%（14-16年）[14] 2. **高股息策略模型** - 股息率：银行业整体股息率4.52%，全行业排名第三[25][27] - 资金流入：2025年险资新增保费30%强制配置A股，试点规模达1620亿元[24][25] 量化因子与构建方式 1. **政策响应因子** - 构建思路：量化政策密集期与银行股表现的时间滞后效应[9][10] - 具体构建：统计政策转向后11-15个月的经济企稳窗口期，同步监测银行板块PB分位数（当前位于近3年35%分位）[12] 2. **股息利差因子** - 构建思路：动态计算股息率与无风险利率的差值[20][22] - 具体公式： $$ \text{股息利差} = \text{加权平均股息率} - \text{10年期国债收益率} $$ 当前取值2.71%[22] 3. **零售贷款质量因子** - 构建思路：跟踪零售贷款不良率与信用成本的边际变化[17][19] - 具体指标：2024Q3上市银行零售贷款不良率0.86%-1.48%，信用成本较企业贷款高39bp[19][29] 因子的回测效果 1. **政策响应因子** - 触发准确率：历史两轮周期中政策转向后银行股100%实现绝对收益[12][14] 2. **股息利差因子** - 稳定性：银行业分红比例连续5年保持在25%以上，2023年分红比例提升至26%[26][28] 3. **零售贷款质量因子** - 敏感性：经济复苏阶段零售贷款增速弹性较企业贷款高6.2-10.1pc[15][19]