量化模型与构建方式 1. **模型名称**：价值50组合[4][6] **模型构建思路**：基于价值风格，以高beta弹性为投资目标构建的Smart beta组合[6] **模型具体构建过程**：报告未提供该组合的具体因子构成和加权方式等详细构建过程，仅说明其构建原理参考了2024年10月5日发布的专题报告《基于投资目标的基础Smart beta组合构建与配置》[6] 2. **模型名称**：价值均衡50组合[4][6] **模型构建思路**：基于价值风格，以长期稳健超额收益为投资目标构建的Smart beta组合[6] **模型具体构建过程**：报告未提供该组合的具体因子构成和加权方式等详细构建过程，仅说明其构建原理参考了2024年10月5日发布的专题报告《基于投资目标的基础Smart beta组合构建与配置》[6] 3. **模型名称**：成长50组合[4][6] **模型构建思路**：基于成长风格，以高beta弹性为投资目标构建的Smart beta组合[6] **模型具体构建过程**：报告未提供该组合的具体因子构成和加权方式等详细构建过程，仅说明其构建原理参考了2024年10月5日发布的专题报告《基于投资目标的基础Smart beta组合构建与配置》[6] 4. **模型名称**：成长均衡50组合[4][6] **模型构建思路**：基于成长风格，以长期稳健超额收益为投资目标构建的Smart beta组合[6] **模型具体构建过程**：报告未提供该组合的具体因子构成和加权方式等详细构建过程，仅说明其构建原理参考了2024年10月5日发布的专题报告《基于投资目标的基础Smart beta组合构建与配置》[6] 5. **模型名称**：小盘50组合[4][6] **模型构建思路**：基于小盘风格，以高beta弹性为投资目标构建的Smart beta组合[6] **模型具体构建过程**：报告未提供该组合的具体因子构成和加权方式等详细构建过程，仅说明其构建原理参考了2024年10月5日发布的专题报告《基于投资目标的基础Smart beta组合构建与配置》[6] 6. **模型名称**：小盘均衡50组合[4][6] **模型构建思路**：基于小盘风格，以长期稳健超额收益为投资目标构建的Smart beta组合[6] **模型具体构建过程**：报告未提供该组合的具体因子构成和加权方式等详细构建过程，仅说明其构建原理参考了2024年10月5日发布的专题报告《基于投资目标的基础Smart beta组合构建与配置》[6] 模型的回测效果 1. **价值50组合**，周收益率-1.15%[7]，周超额收益(相对国证价值)0.42%[7]，月收益率-1.47%[7]，月超额收益-1.97%[7]，年收益率-1.47%[7]，年超额收益-1.97%[7]，最大相对回撤2.43%[7] 2. **价值均衡50组合**，周收益率0.38%[7]，周超额收益(相对国证价值)1.95%[7]，月收益率3.52%[7]，月超额收益3.02%[7]，年收益率3.52%[7]，年超额收益3.02%[7]，最大相对回撤0.55%[7] 3. **成长50组合**，周收益率2.02%[7]，周超额收益(相对国证成长)0.73%[7]，月收益率5.52%[7]，月超额收益0.04%[7]，年收益率5.52%[7]，年超额收益0.04%[7]，最大相对回撤1.30%[7] 4. **成长均衡50组合**，周收益率2.28%[7]，周超额收益(相对国证成长)0.98%[7]，月收益率6.00%[7]，月超额收益0.52%[7]，年收益率6.00%[7]，年超额收益0.52%[7]，最大相对回撤1.33%[7] 5. **小盘50组合**，周收益率3.24%[7]，周超额收益(相对国证2000)1.93%[7]，月收益率7.58%[7]，月超额收益-1.03%[7]，年收益率7.58%[7]，年超额收益-1.03%[7]，最大相对回撤3.08%[7] 6. **小盘均衡50组合**，周收益率1.70%[7]，周超额收益(相对国证2000)0.39%[7]，月收益率8.26%[7]，月超额收益-0.36%[7]，年收益率8.26%[7]，年超额收益-0.36%[7]，最大相对回撤2.38%[7]

量化模型与因子总结 量化模型与构建方式 本报告为市场数据跟踪报告，未涉及具体的量化选股或择时模型，因此无量化模型部分。 量化因子与构建方式 报告中对多个市场指标（可视为因子）进行了计算和跟踪，具体如下： 1. **因子名称**：连阴连阳因子[12] * **因子构建思路**：通过统计指数K线连续为阴线或阳线的天数，来衡量市场的短期趋势强度和持续性[12]。 * **因子具体构建过程**：从指定起始日开始，逐日判断指数收盘价相对于前一日收盘价的涨跌。若当日上涨，则连阳计数加1，连阴计数重置为空；若当日下跌，则连阴计数加1（以负数表示），连阳计数重置为空[12]。 2. **因子名称**：均线比较因子[13][15] * **因子构建思路**：通过比较指数当前价格与不同周期移动平均线（MA）的位置关系，来判断指数所处的短期、中期和长期趋势状态[13][15]。 * **因子具体构建过程**：首先计算指数收盘价的5日、10日、20日、60日、120日和250日简单移动平均线。然后计算当前收盘价相对于各均线的偏离百分比，公式为： $$偏离百分比 = (收盘价 / 移动平均线 - 1) * 100\%$$ 根据偏离百分比的正负和大小，判断指数是“突破”还是“跌破”相应均线[13][15]。 3. **因子名称**：风险溢价因子[26][28] * **因子构建思路**：计算股票指数收益率与无风险收益率（以十年期国债即期收益率为参考）的差值，用以衡量投资股票市场所获得的超额回报，评估其相对投资价值[26][28]。 * **因子具体构建过程**：风险溢价的计算通常基于预期收益率。报告中展示的“当前风险溢价”可能为指数的近期收益率（如近12个月股息率加上预期盈利增长率）减去当前十年期国债即期收益率。同时，计算该风险溢价在近1年和近5年历史数据中的分位值，以判断当前水平的相对高低[28][30]。 4. **因子名称**：PE-TTM（滚动市盈率）因子[38][41] * **因子构建思路**：使用公司最近四个季度（Trailing Twelve Months）的总净利润除以总市值，作为衡量市场估值水平的核心指标[38][41]。 * **因子具体构建过程**：对于指数，其PE-TTM通常为成分股的总市值之和除以成分股最近四个季度的净利润之和。报告同时计算了当前PE-TTM在近1年和近5年历史数据中的分位值[41][42]。 5. **因子名称**：股债性价比因子[45] * **因子构建思路**：将股票市场的潜在收益率（常用PE-TTM的倒数，即盈利收益率）与债券市场收益率（十年期国债即期收益率）进行比较，辅助进行大类资产配置决策[45]。 * **因子具体构建过程**：计算公式为： $$股债性价比 = \frac{1}{PE-TTM} - 十年期国债即期收益率$$ 报告通过对比该值与其近5年历史分位数（如80%分位和20%分位）来判断股票资产相对于债券的吸引力[45]。 6. **因子名称**：股息率因子[47][52] * **因子构建思路**：计算指数成分股现金分红总额与指数总市值的比率，反映投资该指数所能获得的现金分红回报率，是高红利投资风格的核心指标[47][52]。 * **因子具体构建过程**：指数股息率通常计算为成分股最近12个月现金分红总额之和除以指数的总市值。报告跟踪了该因子的当前值、历史均值及在近1年、近5年内的历史分位值[52]。 7. **因子名称**：破净率因子[53][56] * **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，用以衡量市场总体的估值低迷程度和悲观情绪[53][56]。 * **因子具体构建过程**：首先计算指数中每只成分股的市净率（股价/每股净资产）。然后统计市净率小于1的个股数量，最后计算该数量占指数总成分股数量的百分比，即为破净率[53][56]。 因子的回测效果 报告未提供基于历史数据的因子分层测试、多空组合收益等传统因子回测结果，而是展示了各因子在特定截止日（2026年1月19日）的截面取值或状态，具体如下： 1. **连阴连阳因子**：上证50日K连阴2天，创业板指日K连阴2天；中证500、中证1000、中证2000周K连阳3天；中证2000、中证全指季K连阳5天[12]。 2. **均线比较因子**：创业板指跌破5日及10日均线，上证50跌破20日均线；中证1000、中证2000和中证全指突破5日均线；中证500突破近250日高位[15]。 3. **风险溢价因子**：近5年分位值较高的指数为中证2000（79.52%）和中证500（72.62%），较低的为上证50（44.92%）和创业板指（32.06%）[3][30]。 4. **PE-TTM因子**：近5年分位值较高的指数为中证500（100.0%）和中证1000（99.92%），较低的为上证50（82.81%）和创业板指（63.64%）[4][41][42]。 5. **股债性价比因子**：没有指数高于其近5年80%分位（机会值）；中证500和中证全指低于其近5年20%分位（危险值）[4][45]。 6. **股息率因子**：近5年历史分位值较高的指数为创业板指（57.93%）和沪深300（37.69%），较低的为中证500（5.7%）和中证2000（1.4%）[4][50][52]。 7. **破净率因子**：当前破净率分别为上证50（24.0%）、沪深300（16.67%）、中证500（10.2%）、中证1000（6.9%）、中证2000（2.75%）和中证全指（5.5%）[4][56]。

量化模型与构建方式 1. **模型名称：微盘股轮动模型**[17][23] * **模型构建思路**：通过比较微盘股与茅指数的相对价值和短期动量，判断市场风格并进行轮动配置[17][23]。 * **模型具体构建过程**： 1. **计算相对净值**：计算微盘股指数与茅指数的相对净值（微盘股指数净值 / 茅指数净值）[17]。 2. **计算移动平均线**：计算相对净值的243日移动平均线（年均线）[17]。 3. **计算动量斜率**：分别计算微盘股指数和茅指数过去20日收盘价的斜率[17]。 4. **生成轮动信号**： * 当微盘股/茅指数相对净值 **高于** 其243日均线时，倾向于投资微盘股[23]。 * 当微盘股/茅指数相对净值 **低于** 其243日均线时，倾向于投资茅指数[23]。 * 结合微盘股与茅指数的20日收盘价斜率，当二者方向相反且一方为正时，选择投资斜率为正的指数[23]。 2. **模型名称：微盘股择时风控模型**[17][23] * **模型构建思路**：监控宏观和市场风险指标，当指标触及阈值时，对微盘股发出平仓信号以控制中期系统性风险[17][23]。 * **模型具体构建过程**： 1. **选取风险指标**： * 十年期国债到期收益率同比（TenYrGovBondYield_YoY）[17]。 * 微盘股波动率拥挤度同比（VolCrowding_YoY）[17]。 2. **设定风险阈值**： * 十年期国债收益率同比阈值：30%[23]。 * 波动率拥挤度同比阈值：55%[23]。 3. **生成风控信号**：当 **任一** 风险指标触及其对应阈值时，则发出平仓微盘股的信号[23]。 3. **模型名称：宏观择时模型**[44] * **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动态事件因子，用于判断权益资产（股票）的配置仓位[44]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅提及模型参考了前期研究报告《Beta 猎手系列：基于动态宏观事件因子的股债轮动策略》[44]。 模型的回测效果 1. **微盘股轮动模型**：截至2025年12月31日，模型发出轮动至茅指数的信号[17]。 2. **微盘股择时风控模型**：截至报告期，波动率拥挤度同比为-29.45%，十年期国债到期收益率同比为13.56%，均未触及各自阈值，未触发风控平仓信号[17]。 3. **宏观择时模型**：模型给出的2026年1月份权益推荐仓位为60%[44]。2025年年初至今收益率为14.59%，同期Wind全A收益率为26.87%[44]。 量化因子与构建方式 1. **因子名称：一致预期因子**[47][57] * **因子构建思路**：使用分析师对未来盈利的一致预期数据构建因子，捕捉市场对上市公司未来业绩的共识变化[57]。 * **因子具体构建过程**：报告列出了该大类因子下的细分因子定义： * **EPS_FTTM_Chg3M**：未来12个月一致预期EPS过去3个月的变化率[59]。 * **ROE_FTTM_Chg3M**：未来12个月一致预期ROE过去3个月的变化率[59]。 * **TargetReturn_180D**：一致预期目标价相对于目前股价的收益率[59]。 2. **因子名称：市值因子**[47][57] * **因子构建思路**：使用公司流通市值的对数作为因子，通常与小市值溢价效应相关[57]。 * **因子具体构建过程**： * **LN_MktCap**：流通市值的对数[57]。 3. **因子名称：成长因子**[47][57] * **因子构建思路**：使用公司营业收入、净利润等财务指标的同比增长率来度量公司的成长性[57]。 * **因子具体构建过程**：报告列出了该大类因子下的细分因子定义： * **NetIncome_SQ_Chg1Y**：单季度净利润同比增速[57]。 * **OperatingIncome_SQ_Chg1Y**：单季度营业利润同比增速[57]。 * **Revenues_SQ_Chg1Y**：单季度营业收入同比增速[59]。 4. **因子名称：反转因子**[47][57] * **因子构建思路**：使用股票过去一段时间的收益率作为因子，捕捉股价的均值回归效应[59]。 * **因子具体构建过程**：报告列出了该大类因子下的细分因子定义： * **Price_Chg20D**：20日收益率[59]。 * **Price_Chg40D**：40日收益率[59]。 * **Price_Chg60D**：60日收益率[59]。 * **Price_Chg120D**：120日收益率[59]。 5. **因子名称：质量因子**[47][57] * **因子构建思路**：使用盈利能力、运营效率、财务稳健性等指标来度量公司的基本面质量[57]。 * **因子具体构建过程**：报告列出了该大类因子下的细分因子定义： * **ROE_FTTM**：未来12个月一致预期净利润/股东权益均值[59]。 * **OCF2CurrentDebt**：过去12个月经营现金流净额/流动负债均值[59]。 * **GrossMargin_TTM**：过去12个月毛利率[59]。 * **Revenues2Asset_TTM**：过去12个月营业收入/总资产均值[59]。 6. **因子名称：技术因子**[47][57] * **因子构建思路**：使用成交量、换手率、价格形态等技术指标来捕捉市场交易行为[59]。 * **因子具体构建过程**：报告列出了该大类因子下的细分因子定义： * **Volume_Mean_20D_240D**：20日成交量均值/240日成交量均值[59]。 * **Skewness_240D**：240日收益率偏度[59]。 * **Volume_CV_20D**：20日成交量标准差/20日成交量均值[59]。 * **Turnover_Mean_20D**：20日换手率均值[59]。 7. **因子名称：价值因子**[47][57] * **因子构建思路**：使用市净率、市盈率、市销率等估值指标来度量股票的价格相对于其账面价值或盈利的便宜程度[57]。 * **因子具体构建过程**：报告列出了该大类因子下的细分因子定义： * **BP_LR**：最新年报账面净资产/最新市值[57]。 * **EP_FTTM**：未来12个月一致预期净利润/最新市值[57]。 * **SP_TTM**：过去12个月营业收入/最新市值[57]。 * **EP_FY0**：当期年报一致预期净利润/最新市值[57]。 * **Sales2EV**：过去12个月营业收入/企业价值[57]。 8. **因子名称：波动率因子**[47][57] * **因子构建思路**：使用股票收益率的历史波动率或模型残差波动率来度量股票的风险[59]。 * **因子具体构建过程**：报告列出了该大类因子下的细分因子定义： * **Volatility_60D**：60日收益率标准差[59]。 * **IV_CAPM**：CAPM模型残差波动率[59]。 * **IV_FF**：Fama-French三因子模型残差波动率[59]。 * **IV_Carhart**：Carhart四因子模型残差波动率[59]。 9. **因子名称：可转债择券因子**[56] * **因子构建思路**：针对可转债特性构建量化择券因子，主要包括从正股映射的因子（如正股财务质量、成长、价值、一致预期）和转债特有的估值因子[56]。 * **因子具体构建过程**： * **正股因子**：从预测正股的因子（如财务质量、成长、价值、一致预期）来构建可转债因子[56]。 * **转债估值因子**：选取了平价底价溢价率[56]。 因子的回测效果 （以下数据均为“上周”在“全部A股”股票池的表现）[48] 1. **一致预期因子**，IC均值 3.42%，多空收益 0.19%[48] 2. **市值因子**，IC均值 14.51%，多空收益 1.50%[48] 3. **成长因子**，IC均值 8.04%，多空收益 1.38%[48] 4. **反转因子**，IC均值 -1.35%，多空收益 -0.54%[48] 5. **质量因子**，IC均值 15.76%，多空收益 2.52%[48] 6. **技术因子**，IC均值 11.34%，多空收益 2.14%[48] 7. **价值因子**，IC均值 0.22%，多空收益 -0.42%[48] 8. **波动率因子**，IC均值 9.85%，多空收益 1.42%[48]

量化模型与构建方式 1. 模型名称：封板率模型；模型构建思路：通过计算当日最高价涨停且收盘涨停的股票比例，来衡量市场追涨情绪和涨停板的可靠性[17]；模型具体构建过程：首先，筛选出上市满3个月以上的股票。然后，找出在当日盘中最高价达到涨停的股票集合。最后，计算这些股票中，收盘价仍为涨停的股票数量占比。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[17] 2. 模型名称：连板率模型；模型构建思路：通过计算连续两日收盘涨停的股票比例，来衡量市场涨停效应的持续性[17]；模型具体构建过程：首先，筛选出上市满3个月以上的股票。然后，找出在昨日收盘涨停的股票集合。最后，计算这些股票中，今日收盘价仍为涨停的股票数量占比。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[17] 3. 模型名称：大宗交易折价率模型；模型构建思路：通过计算大宗交易成交价相对于市价的折价率，来反映大资金的交易情绪和偏好[27]；模型具体构建过程：首先，获取当日所有大宗交易的成交总金额。然后，计算这些成交份额按当日市价计算的总市值。最后，计算折价率。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[27] 4. 模型名称：股指期货年化贴水率模型；模型构建思路：通过计算股指期货主力合约相对于现货指数的年化基差，来反映市场对未来预期、对冲成本及情绪[29]；模型具体构建过程：首先，计算基差（股指期货价格 - 现货指数价格）。然后，将基差除以现货指数价格，得到日度贴水率。最后，根据合约剩余交易日数进行年化处理。公式是：年化贴水率=基差/指数价格*(250/合约剩余交易日数)[29] 量化因子与构建方式 1. 因子名称：昨日涨停股今日收益因子；因子构建思路：通过计算昨日涨停股票在今日的平均收益，来观察涨停股次日的表现，捕捉市场动量或反转效应[14]；因子具体构建过程：首先，筛选出上市满3个月以上且昨日收盘涨停的股票。然后，计算这些股票在今日的收盘收益，并求其平均值[14] 2. 因子名称：昨日跌停股今日收益因子；因子构建思路：通过计算昨日跌停股票在今日的平均收益，来观察跌停股次日的表现，捕捉市场恐慌情绪的修复或延续[14]；因子具体构建过程：首先，筛选出上市满3个月以上且昨日收盘跌停的股票。然后，计算这些股票在今日的收盘收益，并求其平均值[14] 3. 因子名称：机构调研热度因子；因子构建思路：通过统计近期对上市公司进行调研的机构数量，来衡量机构投资者对该公司的关注度[31]；因子具体构建过程：统计近7天内对某家上市公司进行调研或参加分析师会议的机构总数[31] 4. 因子名称：龙虎榜机构净流入因子；因子构建思路：通过统计龙虎榜上机构专用席位对某只股票的净买入金额，来衡量机构资金对该股票的短期态度和动向[37]；因子具体构建过程：从每日龙虎榜数据中，汇总机构专用席位对特定股票的买入总额与卖出总额，计算其差额（净流入）[37] 5. 因子名称：龙虎榜陆股通净流入因子；因子构建思路：通过统计龙虎榜上陆股通席位对某只股票的净买入金额，来衡量北向资金对该股票的短期态度和动向[38]；因子具体构建过程：从每日龙虎榜数据中，汇总陆股通席位对特定股票的买入总额与卖出总额，计算其差额（净流入）[38] 模型的回测效果 1. 封板率模型，20260119当日封板率78%[17] 2. 连板率模型，20260119当日连板率20%[17] 3. 大宗交易折价率模型，近半年平均折价率6.74%，20260116当日折价率3.41%[27] 4. 股指期货年化贴水率模型，近一年中位数：上证50为0.70%，沪深300为3.79%，中证500为11.11%，中证1000为13.61%[29]；20260119当日值：上证50年化升水率0.36%，沪深300年化贴水率0.81%，中证500年化贴水率1.74%，中证1000年化贴水率6.29%[29] 因子的回测效果 1. 昨日涨停股今日收益因子，20260119当日收益2.62%[14] 2. 昨日跌停股今日收益因子，20260119当日收益-4.27%[14] 3. 机构调研热度因子，近一周调研机构数量最多的是帝科股份，被97家机构调研[31] 4. 龙虎榜机构净流入因子，20260119当日净流入前十的股票包括金风科技、纳百川等[37]；净流出前十的股票包括红相股份、许继电气等[37] 5. 龙虎榜陆股通净流入因子，20260119当日净流入前十的股票包括中国西电、许继电气等[38]；净流出前十的股票包括金风科技、银河电子等[38]

量化模型与因子总结 根据您提供的研报，该报告主要对各类公募量化基金的业绩表现进行了跟踪统计，并未详细阐述具体的量化模型或量化因子的构建过程。报告内容侧重于基金产品的分类业绩回顾，而非模型或因子本身的构建与测试[1][2][3][15]。 因此，报告中**未涉及**具体的量化模型或量化因子的构建思路、具体构建过程、公式或定性评价。 基金策略类型与业绩表现 报告提及了多种基于量化方法的基金策略类型，并给出了其近期业绩中位数数据。这些策略类型本身可被视为应用了不同量化模型（如多因子模型、行业轮动模型、大数据模型等）的投资产品，但报告未对其底层模型进行分解说明。 以下是报告中提到的各类策略基金及其业绩表现汇总[2][3][4][8][15][16][17][18][19][20]： **策略基金的业绩表现 (收益中位数)** 1. **沪深300指数增强基金**，本周超额收益0.49%，本月超额收益0.59%，本季度超额收益0.59%，本年度超额收益0.59%[3][4] 2. **中证500指数增强基金**，本周超额收益-0.25%，本月超额收益-2.08%，本季度超额收益-2.08%，本年度超额收益-2.08%[3][4] 3. **中证1000指数增强基金**，本周超额收益0.43%，本月超额收益-0.36%，本季度超额收益-0.36%，本年度超额收益-0.36%[3][4] 4. **中证A500指数增强基金**，本周超额收益0.39%，本月超额收益-0.02%，本季度超额收益-0.02%，本年度超额收益-0.02%[3][4] 5. **其它指数增强基金**，本周收益0.11%，本月收益0.75%，本季度收益0.75%，本年度收益0.75%[3][4] 6. **绝对收益（对冲）基金**，本周收益0.19%，本月收益-0.03%，本季度收益-0.03%，本年度收益-0.03%[3][8] 7. **其它主动量化基金**，本周收益1.51%，本月收益6.03%，本季度收益6.03%，本年度收益6.03%[3][8] 8. **定增主题基金**，本周收益0.46%，本月收益2.92%，本季度收益2.92%，本年度收益2.92%[15][16] 9. **提取业绩报酬基金**，本周收益0.37%，本月收益3.29%，本季度收益3.29%，本年度收益3.29%[15][17] 10. **行业主题轮动基金**，本周收益1.55%，本月收益6.03%，本季度收益6.03%，本年度收益6.03%[15][18] 11. **多因子类型基金**，本周收益1.89%，本月收益7.44%，本季度收益7.44%，本年度收益7.44%[15][19] 12. **大数据驱动主动投资基金**，本周收益-0.89%，本月收益7.22%，本季度收益7.22%，本年度收益7.22%[15][20] 13. **大数据被动型基金**，本周收益5.90%，本月收益14.92%，本季度收益14.92%，本年度收益14.92%[20]

量化模型与构建方式 本报告为ESG市场观察周报，主要内容为政策、市场动态与舆情追踪，未涉及具体的量化模型或量化因子的构建、测试与分析。报告内容聚焦于宏观政策解读、市场指数表现、资金流向和舆情事件统计[1][2][3]。 量化因子与构建方式 本报告未涉及具体的量化因子构建、测试与分析。 模型的回测效果 本报告未涉及任何量化模型的回测效果展示。 因子的回测效果 本报告未涉及任何量化因子的回测效果展示。

量化模型与构建方式 1. 模型名称：不同信用评级转债指数；模型构建思路：根据可转债的信用评级（如AA+、AA、A+、A等）对市场中的可转债进行分类，并分别构建指数以观察不同信用等级转债的市场表现差异[20] 2. 模型名称：不同价格转债指数；模型构建思路：根据可转债的绝对价格水平（如小于100元、100-110元、110-120元、120-130元、130-140元、大于140元等区间）对可转债进行分类，并分别构建指数以观察不同价格区间转债的市场表现和估值特征[8][32] 3. 模型名称：不同规模转债指数；模型构建思路：根据可转债的发行规模或剩余规模对可转债进行分类，并分别构建指数以观察不同规模等级转债的市场表现差异[25] 4. 模型名称：不同策略转债指数；模型构建思路：基于特定的量化策略（报告中未明确具体策略规则）对可转债进行筛选或组合，构建策略指数以评估该策略的历史表现[25] 量化因子与构建方式 1. 因子名称：转股溢价率；因子构建思路：衡量可转债价格相对于其转换价值的溢价程度，是评估可转债估值高低和股性强弱的核心指标[17]；因子具体构建过程：首先计算转股价值，公式为 转股价值 = (100 / 转股价格) * 正股收盘价，然后计算转股溢价率，公式为 转股溢价率 = (可转债收盘价 - 转股价值) / 转股价值[17] 模型的回测效果 1. 不同信用评级转债指数，近一年累计涨跌幅：Fetching...（数据缺失）[21] 2. 不同价格转债指数，近一年累计涨跌幅：Fetching...（数据缺失）[23] 3. 不同规模转债指数，近一年累计涨跌幅：Fetching...（数据缺失）[26] 4. 不同策略转债指数，近一年累计涨跌幅：Fetching...（数据缺失）[26] 因子的回测效果 1. 转股溢价率因子，截至2026-01-16全市场中位数：33.06%[12] 2. 转股溢价率因子，截至2026-01-16全市场算术平均数：45.21%[12] 3. 转股溢价率因子，按价格区间分组中位数（<100元）：0.00%[32] 4. 转股溢价率因子，按价格区间分组中位数（100-110元）：125.64%[32] 5. 转股溢价率因子，按价格区间分组中位数（110-120元）：50.75%[32] 6. 转股溢价率因子，按价格区间分组中位数（120-130元）：62.33%[32] 7. 转股溢价率因子，按价格区间分组中位数（130-140元）：34.05%[32] 8. 转股溢价率因子，按价格区间分组中位数（>140元）：24.43%[32]

量化模型与构建方式 本报告为市场数据跟踪报告，未涉及具体的量化交易模型或选股因子的构建与测试。报告主要对宽基指数的各类市场指标进行统计、计算和展示[1][2][3][4][6][8][10][11][12][13][15][16][18][19][20][21][22][23][24][25][27][28][29][30][31][34][35][37][39][41][42][43][44][46][47][48][49][51][53][54][55][56][57][58][59]。 报告计算并展示了多个用于评估市场状态和指数价值的量化指标，这些指标可被视为基础的“因子”或分析工具。 **量化因子与构建方式** 1. **因子名称**：风险溢价[27] * **因子构建思路**：以十年期国债即期收益率为无风险利率参考，计算股票指数收益率相对于无风险利率的溢价，用于衡量股票市场的相对投资价值和风险补偿[27]。 * **因子具体构建过程**：风险溢价通常定义为股票指数的预期收益率（或近期收益率）减去无风险利率。报告中展示的“当前风险溢价”具体计算方式未明确给出，但根据上下文，可能是指数近期收益率（如股息率加上预期增长）或基于市盈率倒数（E/P）与十年期国债收益率的差值[27][46]。报告中表4直接列出了计算结果[31]。 2. **因子名称**：股债性价比[46] * **因子构建思路**：通过比较股票市场收益率与债券市场收益率的差异，来判断股票和债券两类资产哪一类更具投资吸引力[46]。 * **因子具体构建过程**：报告中使用各指数市盈率TTM（PE-TTM）的倒数作为股票收益率的代理指标，减去十年期国债即期收益率，得到股债性价比差值[46]。公式可表示为： $$股债性价比 = \frac{1}{PE-TTM} - R_{f}$$ 其中，$R_{f}$ 代表十年期国债即期收益率[46]。 3. **因子名称**：指数换手率[18] * **因子构建思路**：衡量指数成分股整体的交易活跃程度[18]。 * **因子具体构建过程**：报告给出了具体的计算方法：指数换手率 = Σ(成分股流通股本 * 成分股换手率) / Σ(成分股流通股本)[18]。这是一个流通市值加权平均的换手率。 4. **因子名称**：破净率[54][56] * **因子构建思路**：统计指数成分股中市净率小于1的个股占比，反映市场整体的估值低迷程度或悲观情绪[54][56]。 * **因子具体构建过程**：对于单个指数，遍历其所有成分股，判断个股市净率（股价/每股净资产）是否小于1。破净率 = (市净率小于1的个股数量) / (指数总成分股数量)[54][56]。 5. **因子名称**：收益分布形态指标（偏度与峰度）[24] * **因子构建思路**：通过分析指数日收益率序列的分布形态（偏度和峰度），来刻画收益分布的不对称性和尾部特征，反映市场极端收益出现的可能性和分布集中度[24]。 * **因子具体构建过程**：对指数在过去一段时间（如近一年）的日收益率序列计算样本偏度和样本峰度。报告中指出，其峰度计算中减去了3（正态分布的峰度值），即计算的是超额峰度[25]。偏度公式（样本偏度）近似为： $$Skewness \approx \frac{\frac{1}{n}\sum_{i=1}^{n}(r_i - \bar{r})^3}{[\frac{1}{n}\sum_{i=1}^{n}(r_i - \bar{r})^2]^{3/2}}$$ 峰度公式（样本峰度，报告采用超额峰度）近似为： $$Excess\ Kurtosis \approx \frac{\frac{1}{n}\sum_{i=1}^{n}(r_i - \bar{r})^4}{[\frac{1}{n}\sum_{i=1}^{n}(r_i - \bar{r})^2]^{2}} - 3$$ 其中，$r_i$ 为日收益率，$\bar{r}$ 为收益率均值，$n$ 为样本数[24][25]。 因子的回测效果 本报告未提供因子在历史数据上的分组回测、多空收益、信息比率（IR）等量化回测效果。报告主要呈现了各宽基指数在特定时点（2026年1月16日）的因子截面取值以及部分因子的近期历史统计值（如均值、波动率、分位值等）[11][12][15][16][18][25][31][42][43][53][57]。 **各宽基指数因子取值（截至2026年1月16日）** 1. **风险溢价因子**：上证50为-0.84%，沪深300为-0.42%，中证500为0.11%，中证1000为-0.11%，中证2000为0.04%，中证全指为-0.21%，创业板指为-0.21%[31]。其近5年历史分位值分别为：17.46%， 33.57%， 53.49%， 43.02%， 46.51%， 39.29%， 46.11%[31]。 2. **PE-TTM因子**：上证50为11.74，沪深300为14.24，中证500为37.50，中证1000为50.39，中证2000为167.92，中证全指为22.40，创业板指为43.67[43]。其近5年历史分位值分别为：83.06%， 88.43%， 99.92%， 99.92%， 91.57%， 99.67%， 64.13%[42][43]。 3. **股息率因子**：上证50为3.24%，沪深300为2.75%，中证500为1.27%，中证1000为1.01%，中证2000为0.71%，中证全指为1.95%，创业板指为0.92%[53]。其近5年历史分位值分别为：33.06%， 37.77%， 6.78%， 24.38%， 2.64%， 27.93%， 57.36%[51][53]。 4. **破净率因子**：上证50为24.0%，沪深300为16.67%，中证500为11.0%，中证1000为7.3%，中证2000为2.85%，中证全指为5.82%[57]。 5. **换手率因子**：中证2000为4.77，创业板指为4.5，中证1000为3.55，中证500为2.52，中证全指为2.33，沪深300为0.99，上证50为0.43[18]。 6. **收益分布峰度因子（当前vs近5年）**：创业板指偏离最大（当前1.05 vs 近5年3.76，差-2.71），沪深300偏离最小（当前0.56 vs 近5年2.41，差-1.85）[24][25]。 7. **收益分布偏度因子（当前vs近5年）**：创业板指负偏态最大（当前1.57 vs 近5年2.23，差-0.66），沪深300负偏态最小（当前1.53 vs 近5年1.98，差-0.46）[24][25]。

量化模型与构建方式 **本报告为金融工程周报，主要对市场及各类基金表现进行回顾与统计，未涉及具体的量化模型或量化因子的构建思路、过程及评价。** 量化因子与构建方式 **本报告为金融工程周报，主要对市场及各类基金表现进行回顾与统计，未涉及具体的量化模型或量化因子的构建思路、过程及评价。** 模型的回测效果 **本报告未涉及具体量化模型的回测效果。** 因子的回测效果 **本报告未涉及具体量化因子的回测效果。**

量化模型与构建方式 1. 存款搬家信号模型 * **模型名称**：存款搬家信号模型[5][12][13] * **模型构建思路**：结合居民存款和非银存款的月度变化方向，构建一个判断居民资金是否从银行存款转向非银机构（可能包括股市）的择时信号[5][13] * **模型具体构建过程**： 1. **计算存款占比**：为了消除季节性影响，使用12个月累计数据计算两个核心指标[13]。 * 新增居民存款占比 = 过去12个月累计新增居民存款 / 过去12个月累计新增总存款[13] * 新增非银存款占比 = 过去12个月累计新增非银存款 / 过去12个月累计新增总存款[13] 2. **判断变化方向**：将当月计算出的占比数值与前3个月的平均值进行比较[13]。 * 若当月值 > 前3月均值，则判定该占比“上行”[13][14] * 若当月值 < 前3月均值，则判定该占比“下行”[13][14] 3. **生成信号**：当同时满足“新增居民存款占比下降”和“新增非银存款占比上升”这两个条件时，触发“存款搬家”看多信号[5][14] * **模型评价**：该信号在历史上对A股后市有较好的预示效果，但需注意资金可能流向非权益资产（如债券）而导致信号失效，需结合A股成交热度进行辅助判断[14] 2. 短期量化择时模型 * **模型名称**：短期量化择时模型[19][20][21] * **模型构建思路**：从宏观基本面、估值面、情绪面、流动性四个维度选取多个指标，综合判断市场短期走势，并给出仓位建议[19][20] * **模型具体构建过程**： 1. **基本面指标**： * 制造业PMI：若 > 50，给出乐观信号[19][22] * 信贷脉冲环比变化分位数：处于历史高位时，给出乐观信号[19][22] * M1同比增速（HP滤波去趋势）分位数：处于历史高位时，给出乐观信号[19][22] * 综合以上指标信号，得出基本面总信号（乐观/中性/谨慎）[19] 2. **估值面指标**： * A股整体PE中位数分位数：处于历史高位（均值回归下行压力大）时，给出谨慎信号[19][22] * A股整体PB中位数分位数：处于历史高位（均值回归下行压力大）时，给出谨慎信号[19][22] * 综合以上指标信号，得出估值面总信号[19] 3. **情绪面指标**： * A股整体Beta离散度分位数：偏高时，给出谨慎信号[20][22] * A股整体量能情绪分位数：偏高时，给出乐观信号[20][22] * A股整体波动率分位数：根据分位数水平给出中性或其它信号[20][22] * 综合以上指标信号，得出情绪面总信号[20] 4. **流动性指标**： * 货币利率指标分位数：偏低（流动性宽松）时，给出乐观信号[20][22] * 汇率预期指标分位数：人民币偏强时，给出乐观信号[20][22] * 沪深净融资额5日均值分位数：极低（杠杆风险小）时，给出乐观信号[20][22] * 综合以上指标信号，得出流动性总信号[20] 5. **综合信号**：汇总四个维度的总信号，通过一定规则（报告中未明确给出具体加权或投票规则）生成最终的总仓位信号（如乐观、中性、谨慎，对应不同的仓位水平）[19][20][22] 3. 成长价值风格轮动模型 * **模型名称**：成长价值风格轮动模型[28][29] * **模型构建思路**：从基本面、估值面、情绪面三个维度选取与成长/价值风格相关的指标，构建综合轮动信号，以决定超配成长或价值风格[28][30] * **模型具体构建过程**： 1. **基本面指标**： * 盈利周期斜率：斜率大时，利好成长风格[28][30] * 利率综合周期水平：水平偏低时，利好成长风格[28][30] * 信贷综合周期变化：上行时，利好成长风格[28][30] * 综合以上信号，得出基本面维度的风格建议（如100%成长，0%价值）[30] 2. **估值面指标**： * 成长价值PE差分位数：估值差均值回归上行时，利好成长风格[28][30] * 成长价值PB差分位数：估值差反弹至偏高位置时，利好均衡风格[28][30] * 综合以上信号，得出估值面维度的风格建议[30] 3. **情绪面指标**： * 成长价值换手差分位数：换手差偏高时，利好成长风格[28][30] * 成长价值波动差分位数：波动差处于中性位置时，利好均衡风格[28][30] * 综合以上信号，得出情绪面维度的风格建议[30] 4. **综合信号**：结合三个维度的风格建议，通过一定规则（报告中未明确给出具体规则）生成最终的风格轮动信号，即建议超配成长或价值[28][30] 4. 小盘大盘风格轮动模型 * **模型名称**：小盘大盘风格轮动模型[32][33] * **模型构建思路**：从11个有效轮动指标出发，构建综合大小盘轮动信号[32] * **模型具体构建过程**： 1. **指标构成**：模型基于11个指标，每个指标独立产生看多小盘或看多大盘的信号（0%或100%仓位）[32][34]。报告中列举的指标包括： * A股龙虎榜买入强度[34] * R007[34] * 融资买入余额变化[34] * 主题投资交易情绪[34] * 等级利差[34] * 期权波动率风险溢价[34] * beta离散度[34] * pb分化度[34] * 大宗交易折溢价率[34] * 中证1000 MACD(10,20,10)[34] * 中证1000交易量能[34] 2. **信号生成**：每个指标独立判断，给出看多小盘（100%）或看多大盘（0%）的信号[34] 3. **综合信号**：将所有指标的信号进行综合（报告中提及“综合信号3D平滑”，但未详述具体聚合方法，如等权平均或投票），得出最终的小盘仓位建议百分比[34] 模型的回测效果 1. 存款搬家信号模型 * **信号触发后一个月内全A指数平均收益率**：1.72%[5][15] * **信号触发后一个月内胜率**：65% (64.9%)[5][15] * **对比（未触发信号月份）平均收益率**：0.13%[5][15] * **对比（未触发信号月份）胜率**：52% (51.8%)[5][15] 2. 短期量化择时模型 * **回测期**：2012年底至今[21] * **年化收益率**：16.65%[21][24] * **年化波动率**：14.80%[24] * **最大回撤**：15.05%[21][24] * **夏普比率**：0.9802[24] * **收益回撤比**：1.1068[24] * **月度胜率**：66.46%[24] * **基准（月度中性持仓再平衡）表现**： * **年化收益率**：5.05%[21][24] * **年化波动率**：11.57%[24] * **最大回撤**：31.41%[21][24] * **夏普比率**：0.3109[24] * **收益回撤比**：0.1607[24] * **月度胜率**：54.43%[24] * **2024年以来表现**： * **年化收益率**：30.80%[26] * **年化波动率**：16.58%[26] * **最大回撤**：11.04%[21][26] * **夏普比率**：1.5833[26] * **收益回撤比**：2.7907[26] * **月度胜率**：73.08%[26] * **基准（2024年以来）表现**： * **年化收益率**：10.75%[26] * **年化波动率**：10.92%[26] * **最大回撤**：8.89%[26] * **夏普比率**：0.8069[26] * **收益回撤比**：1.2087[26] * **月度胜率**：61.54%[26] 3. 成长价值风格轮动模型 * **回测期**：2012年底至今[29] * **年化收益率**：13.30%[29][31] * **年化波动率**：20.76%[31] * **最大回撤**：43.07%[31] * **夏普比率**：0.6098[31] * **收益回撤比**：0.3088[31] * **月度胜率**：58.60%[31] * **基准（月度风格均衡配置）表现**： * **年化收益率**：8.30%[29][31] * **年化波动率**：20.60%[31] * **最大回撤**：44.13%[31] * **夏普比率**：0.3935[31] * **收益回撤比**：0.1880[31] * **月度胜率**：56.05%[31] 4. 小盘大盘风格轮动模型 * **综合策略表现（2014年以来）**： * **年化收益率**：20.60%[34] * **年化超额收益率**：12.95%[34] * **最大回撤**：40.70%[34] * **胜率（按交易）**：50.11%[34] * **2026年以来表现**： * **超额收益率**：2.88%[33][34] * **部分子指标表现（年化超额收益）**： * 融资买入余额变化：5.96%[34] * 大宗交易折溢价率：9.52%[34] * 中证1000交易量能：9.90%[34] * pb分化度：9.53%[34]