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. **沪深300上涨家数占比情绪指标** - 模型构建思路：通过计算指数成分股的近期正收益个数来判断市场情绪，正收益股票增多时可能处于行情底部，大部分股票正收益时可能预示过热风险[27] - 具体构建过程： $$ N日上涨家数占比 = \frac{沪深300成分股过去N日收益>0的个股数}{成分股总数} $$ 其中N=230日，并采用50日和35日双移动平均线判断趋势（快线>慢线看多）[29][31] - 模型评价：能快速捕捉上涨机会但会错失持续亢奋阶段收益，对下跌市场判断存在缺陷[28] 2. **八均线情绪指标** - 模型构建思路：通过8条不同周期均线（8/13/21/34/55/89/144/233日）的突破数量判断趋势状态[35] - 具体构建过程： - 计算沪深300收盘价在八均线上方的数量 - 数量≥5时看多，区间值1-3赋值为-1，4-6为0，7-9为1[38] - 模型评价：需结合其他指标验证趋势可靠性[35] 量化因子与构建方式 1. **横截面波动率因子** - 构建思路：衡量指数成分股间收益率的离散程度，反映Alpha机会丰富度[39] - 具体计算： $$ 横截面波动率 = \sqrt{\frac{1}{n}\sum_{i=1}^n (r_i - \bar{r})^2} $$ 其中$r_i$为个股收益率，$\bar{r}$为指数平均收益率[39] - 因子评价：波动率上升预示Alpha环境改善，但需结合时序波动率综合判断[39] 2. **时间序列波动率因子** - 构建思路：衡量指数成分股自身收益波动幅度[42] - 具体计算：采用20日历史波动率 - 因子评价：短期波动率上升可能带来交易机会，但高波动也伴随风险[42] 模型回测效果 1. **沪深300情绪指标** - 最新快线/慢线：向下交叉（空头信号）[29] - 上涨家数占比：高于50%但趋势下行[28] 2. **八均线情绪指标** - 最新指标值：处于非景气区间（赋值≤0）[35] 因子回测效果 1. **横截面波动率** - 沪深300：1.69%（近半年分位数70.12%）[41] - 中证500：1.97%（近半年分位数44.44%）[41] - 中证1000：2.35%（近半年分位数58.57%）[41] 2. **时间序列波动率** - 沪深300：0.54%（近半年分位数68.88%）[44] - 中证500：0.42%（近半年分位数59.52%）[44] - 中证1000：0.26%（近半年分位数58.57%）[44] 注：所有波动率数据统计区间为2025年5月26-30日[41][44]

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. **鑫选ETF绝对收益策略** - 模型构建思路：通过"抽屉法"在场内权益ETF池中进行测试，旨在跑出绝对收益和相对A股权益的长周期相对收益[10] - 模型具体构建过程： 1. 筛选ETF池并设定等权重分配（黄金ETF、食品饮料ETF等8类各10%）[11] 2. 结合技术面量化指标动态调整持仓 - 模型评价：样本外表现优异，风险收益比突出 2. **全天候多资产多策略ETF风险平价策略** - 模型构建思路：通过资产分散（商品/美股/国内权益/债券）和策略叠加（行业/风格/大小盘轮动）降低波动[15] - 模型具体构建过程： 1. 风险平价权重计算：$$w_i = \frac{1/\sigma_i}{\sum_{j=1}^n 1/\sigma_j}$$ 2. 动态调整国债（30年期21%）、黄金（6.94%）等12类资产权重[16] 3. **中美核心资产组合** - 模型构建思路：结合RSRS趋势策略与技术面反转策略配置白酒/红利/黄金/纳指[19] - 模型评价：长周期超额收益显著，但需注意标的波动差异 4. **高景气/红利轮动策略** - 模型构建思路：根据宏观信号切换高景气成长（创业板/科创50）与红利（低波/央企红利）配置[22] - 模型具体构建过程： 1. 构建景气度指标（社融增速、外资流入） 2. 当信号触发时按50%-50%权重调仓 5. **双债LOF增强策略** - 模型构建思路：通过波动率倒数加权提升债券配置比例[25] - 模型具体构建过程： 1. 计算双债LOF与其他资产的周波动率 2. 权重分配：$$w_{bond} = \frac{1/\sigma_{bond}}{1/\sigma_{bond}+1/\sigma_{risk}}$$ 模型回测效果 | 策略名称 | 年化收益率 | 最大回撤 | 波动率 | 夏普比率 | 数据来源 | |---------------------------|------------|----------|--------|----------|----------------| | 鑫选技术面量化策略 | 23.76% | -6.30% | 17.46% | 1.19 | [31] | | 高景气红利轮动策略 | 34.96% | -22.04% | 34.54% | 0.97 | [31] | | 中美核心资产组合 | 40.24% | -10.86% | 17.09% | 1.95 | [31] | | 双债LOF增强 | 6.55% | -2.26% | 3.39% | 1.30 | [31] | | 结构化风险平价策略(QDII) | 16.70% | -2.38% | 4.90% | 2.77 | [31][28] | | 全天候多资产风险平价策略 | 14.10% | -3.62% | 4.45% | 2.54 | [31][13] | 关键因子应用 1. **风格轮动因子** - 构建思路：通过期限利差、CPI/PPI等宏观指标判断红利/成长风格占优[4] - 测试结果：当前信号显示红利风格持续占优 2. **大小盘轮动因子** - 构建思路：结合短端利率下行与RSI技术指标判断小盘超额收益[4] - 测试结果：5月信号从看多小微盘转为市值平配 3. **行业景气度因子** - 构建方法：跟踪电子/非银/新能源等行业资金流数据[42][45] - 最新信号：电子（-4.16%YTD）与医药（+7.03%YTD）分化显著[55] 注：所有策略均采用华鑫证券独家标签体系进行ETF分类（宽基/行业/因子/主题等）[41]

量化模型与构建方式 1. **模型名称**：五维行业轮动模型 - **模型构建思路**：基于行业内部风格差异，通过划分行业内部股票风格并构建离散指标与牵引指标，合成五大类行业因子（波动率、基本面、成交量、情绪、动量），形成行业轮动策略[6] - **模型具体构建过程**： 1. **因子划分**：按东吴金工多因子体系将微观因子分为五类（波动率、基本面、成交量、情绪、动量）[6] 2. **行业内部指标构建**： - **离散指标**：衡量行业内部股票风格分化程度 - **牵引指标**：反映行业内部领先股票对整体的带动作用 3. **合成因子**：结合离散指标与牵引指标生成五类行业因子，加权得到综合评分[6] - **模型评价**：通过多维度因子合成提升稳定性，近期波动率与成交量因子表现突出[8][9] 2. **指数增强策略模型** - **模型构建思路**：基于五维行业轮动模型筛选增强/剔除行业，调整沪深300成分股权重[21] - **模型具体构建过程**： 1. 每月末取五维模型第一组（多头）5个行业作为增强行业，最后一组（空头）5个行业作为剔除行业 2. 剔除沪深300中属于剔除行业的股票，将其权重按比例分配给增强行业股票[21] --- 量化因子与构建方式 1. **因子名称**：波动率因子 - **因子构建思路**：反映行业内部波动率风格分化与牵引效应[6] - **因子评价**：近期收益能力与稳定性评分最高[8][9] 2. **因子名称**：基本面因子 - **因子构建思路**：基于行业内部基本面指标（如估值、盈利）的离散与牵引效应[6] 3. **因子名称**：成交量因子 - **因子构建思路**：捕捉行业内部成交量活跃度的分化特征[6] - **因子评价**：近期表现仅次于波动率因子[8][9] 4. **因子名称**：情绪因子 - **因子构建思路**：衡量市场情绪对行业内部股票的差异化影响[6] 5. **因子名称**：动量因子 - **因子构建思路**：反映行业内部动量效应的扩散与收敛[6] --- 模型的回测效果 1. **五维行业轮动模型（多空对冲）** - 年化收益率：21.64% - 年化波动率：10.82% - IR：2.00 - 月度胜率：73.11% - 最大回撤：13.30%[10][13] 2. **五维行业轮动模型（多头超额）** - 年化收益率：10.43% - 年化波动率：6.62% - IR：1.58 - 月度胜率：70.59% - 最大回撤：9.36%[15][16] 3. **沪深300指数增强策略** - 年化超额收益率：8.81% - 超额波动率：7.52% - IR：1.17 - 月胜率：69.17% - 最大回撤：12.74%[22] --- 因子的回测效果 1. **波动率因子** - 年化收益率：11.56% - 波动率：10.20% - IR：1.13 - 胜率：59.68% - 最大回撤：14.27%[14] 2. **基本面因子** - 年化收益率：6.07% - 波动率：9.89% - IR：0.61 - 胜率：56.45% - 最大回撤：21.50%[14] 3. **成交量因子** - 年化收益率：7.81% - 波动率：12.14% - IR：0.64 - 胜率：58.87% - 最大回撤：18.51%[14] 4. **情绪因子** - 年化收益率：7.42% - 波动率：12.89% - IR：0.58 - 胜率：63.71% - 最大回撤：14.79%[14] 5. **动量因子** - 年化收益率：11.62% - 波动率：10.75% - IR：1.08 - 胜率：60.98% - 最大回撤：13.52%[14]

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**：开源金工优选金股组合 - **模型构建思路**：基于新进金股样本，结合业绩超预期因子（SUE因子）进行选股，选取业绩超预期的前30只金股，按券商推荐数量加权构建组合[26] - **模型具体构建过程**： 1. 筛选新进金股作为初始样本池 2. 计算每只金股的业绩超预期因子（SUE因子）值 3. 按SUE因子值从高到低排序，选取前30只股票 4. 组合内按券商推荐次数进行加权配置 - **模型评价**：历史回测显示该组合收益显著优于基准指数及普通金股组合，体现了SUE因子在新进金股中的选股有效性[26] 模型的回测效果 1. **开源金工优选金股组合** - 年化收益率：19.7% - 年化波动率：25.4% - 收益波动比（IR）：0.78 - 最大回撤：24.6% - 2025年相对中证500超额收益：+7.5%[28] 2. **基准对比模型** - 全部金股组合年化收益率：11.0% - 新进金股组合年化收益率：13.9% - 重复金股组合年化收益率：8.5%[24] 量化因子与构建方式 1. **因子名称**：业绩超预期因子（SUE因子） - **因子构建思路**：捕捉上市公司实际业绩超出市场一致预期的程度，反映基本面惊喜对股价的驱动作用[26] - **因子具体构建过程**： 1. 获取分析师对个股的盈利预测均值（E） 2. 计算实际公布业绩（A）与预测值的偏离幅度： $$SUE = \frac{A - E}{\sigma(E)}$$ 其中$\sigma(E)$为盈利预测的标准差，用于标准化处理[26] - **因子评价**：在新进金股中选股能力突出，可能与市场对新增推荐标的的预期修正更敏感有关[26] 因子的回测效果 1. **SUE因子** - 在新进金股组合中： - 年化超额收益（vs中证500）：+13.9% - 收益波动比：0.57[24] - 在优选组合中进一步放大至19.7%年化收益[28] 其他关键指标 1. **行业权重因子** - 电子（9.0%）、机械设备（7.6%）、医药生物（7.4%）为6月金股前三大权重行业[14] 2. **风格特征因子** - 6月金股市值分位数下降，估值分位数下降，显示价值风格转向[19] 注：所有测试结果均基于2017年1月至2025年5月的历史回测数据[24][28]

量化模型与构建方式 1. **模型名称**：风格轮动模型 - **模型构建思路**：从基础风格因子（估值、市值、波动率、动量）出发，通过微观特征构造和随机森林模型实现风格择时与打分[6] - **模型具体构建过程**： 1. 基于80个底层因子构造640个微观特征[6] 2. 使用常用指数作为风格股票池替代传统因子划分，生成风格收益标签[6] 3. 滚动训练随机森林模型进行风格择时，输出当期风格得分[6] 4. 综合择时结果与打分结果生成月频轮动信号[6] - **模型评价**：通过滚动训练规避过拟合，结合微观特征提升风格划分的灵活性[6] 模型的回测效果 1. **风格轮动模型**（2014/01-2025/05）： - 年化收益率：21.63%[7][8] - 年化波动率：24.09%[7][8] - 信息比率（IR）：0.90[7][8] - 月度胜率：59.12%[7][8] - 对冲基准超额年化收益：13.35%[7][8] - 对冲波动率：11.43%[7][8] - 对冲信息比率（IR）：1.17[7][8] - 对冲月度胜率：66.42%[7][8] - 最大回撤：10.28%（对冲后）[7][8] 量化因子与构建方式 1. **因子名称**：估值因子 - **因子构建思路**：通过微观个股估值指标构造风格标签[6] 2. **因子名称**：市值因子 - **因子构建思路**：基于个股市值划分大/小市值风格[6] 3. **因子名称**：动量因子 - **因子构建思路**：捕捉价格趋势特征[6] 4. **因子名称**：波动率因子 - **因子构建思路**：衡量个股波动水平区分高/低波风格[6] 因子的回测效果 1. **2025年风格因子多空对冲收益**（择时后）： - 动量因子：区间收益见动态曲线[16] - 波动率因子：区间收益见动态曲线[16] - 估值因子：区间收益见动态曲线[16] - 市值因子：区间收益见动态曲线[16] 2. **近一年风格权重分布**： - 市值因子权重占比动态变化[17] - 估值因子权重占比动态变化[17] - 动量因子权重占比动态变化[17] - 波动率因子权重占比动态变化[17] 最新模型输出 - 2025年6月推荐风格：价值、大市值、动量、低波[14] - 当前持仓指数：中证红利[14]

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. **短期量化择时模型** - **模型构建思路**：基于基本面、估值面、情绪面和流动性四个维度的指标进行综合判断，生成择时信号[32][33][34] - **具体构建过程**： - **基本面指标**：制造业PMI分位数（9.32%）、中长期贷款余额同比增速分位数（0.00%）、M1同比增速分位数（66.10%），综合信号为谨慎[32] - **估值面指标**：A股整体PE分位数（86.27%）、PB分位数（34.74%），综合信号为乐观[33] - **情绪面指标**：Beta离散度分位数（52.54%）、量能情绪分位数（18.36%）、波动率分位数（15.63%），综合信号为谨慎[33] - **流动性指标**：货币利率分位数（33.90%）、汇率预期分位数（20.34%）、融资额分位数（48.55%），综合信号为乐观[34] - **模型评价**：多维度动态加权，历史回测显示能有效控制回撤[35] 2. **成长价值轮动模型** - **模型构建思路**：通过盈利周期、利率周期、信贷周期判断基本面，结合估值差和情绪指标进行风格切换[43] - **具体构建过程**： - **基本面信号**：盈利斜率（8.33，利好成长）、利率水平（4.58，利好价值）、信贷变化（-4.17，利好价值），综合信号为超配价值[43] - **估值信号**：成长价值PE差分位数（16.36%）、PB差分位数（10.93%），均利好成长[43] - **情绪信号**：换手差分位数（4.14%，利好价值）、波动差分位数（35.19%，利好均衡），综合信号为超配价值[43] - **模型评价**：在经济周期切换时捕捉风格收益，但需警惕市场结构性变化[44] 3. **小盘大盘轮动模型** - **模型构建思路**：与成长价值模型类似，但侧重市值维度轮动[49] - **具体构建过程**： - **基本面信号**：盈利斜率（8.33，利好小盘）、利率水平（4.58，利好大盘）、信贷变化（-4.17，利好大盘），综合信号为均衡[49] - **估值信号**：小盘大盘PE差分位数（78.78%）、PB差分位数（94.41%），均利好大盘[49] - **情绪信号**：换手差分位数（43.59%，利好均衡）、波动差分位数（84.62%，利好大盘），综合信号为超配大盘[49] - **模型评价**：对小盘流动性敏感，需结合微观结构分析[50] 4. **四风格轮动模型** - **模型构建思路**：将成长价值和小盘大盘模型结果交叉，形成小盘成长、小盘价值、大盘成长、大盘价值四象限配置[56] - **具体构建过程**：当前配置比例为小盘成长12.5%、小盘价值37.5%、大盘成长12.5%、大盘价值37.5%[42][56] - **模型评价**：分散化效果显著，但需注意风格相关性突变风险[56] 量化因子与构建方式 1. **主题投资情绪因子** - **因子构建思路**：通过涨幅5%以上个股的行业离散度衡量主题集中度，结合市值分层捕捉资金偏好[21] - **具体构建过程**： - 计算每日涨幅5%个股中非同一申万三级行业占比 - 按自由流通市值分层（<20亿/20-100亿/100-500亿/>500亿）计算各层情绪指标[21] - 公式：$$ \text{主题情绪} = \frac{\sum I(\text{涨幅}>5\% \cap \text{行业异质})}{\text{总样本数}} \times \text{市值层权重} $$ - **因子评价**：有效识别个人投资者与机构资金主导行情[22] 2. **微盘股换手因子** - **因子构建思路**：通过高频调仓捕捉微盘股的短期反转效应[25] - **具体构建过程**： - 剔除ST股后选择市值最小的400只个股构建等权组合 - 测试周度/月度/季度/年度调仓频率下的净值表现[25] - 计算年化换手率：微盘组合1.47 vs 大盘组合0.66[25] - **因子评价**：依赖流动性环境，高换手可能放大波动风险[27] 模型的回测效果 1. **短期择时模型** - 年化收益率16.22% vs 基准4.08%，超额12.14%[35] - 最大回撤27.70%，2024年最大回撤11.04%[35] - 夏普比率0.9584，收益回撤比0.5857[40] 2. **成长价值轮动模型** - 年化收益率11.31% vs 基准6.44%，超额4.87%[44] - 最大回撤43.07%，2024年超额2.53%[48] 3. **小盘大盘轮动模型** - 年化收益率11.92% vs 基准6.50%，超额5.42%[50] - 最大回撤50.65%，2024年超额-3.91%[53] 4. **四风格轮动模型** - 年化收益率12.86% vs 基准6.94%，超额5.92%[56] - 2024年超额7.94%，但2025年暂跑输1.35%[56] 因子的回测效果 1. **主题投资情绪因子** - 小微盘情绪与微盘超额收益相关系数0.62（2016-2025）[21] - 中大盘情绪高涨时微盘超额平均下降1.2%/月[23] 2. **微盘股换手因子** - 周度调仓组合年化收益35.7% vs 年度调仓18.2%（2012-2025）[26] - 换手率每提升0.1，组合波动率增加2.3%[25]

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. **模型名称**：指数调样冲击效应估算模型 **模型构建思路**：通过计算被动指数调仓时资金流对个股流动性的冲击程度，预测短期价格影响[12][15] **模型具体构建过程**： - 计算单只股票在每只指数中的净资金流：$$\Delta weight_{k,i} \times AUM_k$$，其中$\Delta weight_{k,i}$为股票i在第k只指数中的权重变动，$AUM_k$为挂钩产品总规模[15] - 汇总多指数影响的净资金流：$$\sum_{k=1}^{N} \Delta weight_{k,i} \times AUM_k$$ - 计算冲击系数：$$impact_i = \frac{\sum_{k=1}^{N} \Delta weight_{k,i} \times AUM_k}{amt\_avg_{i,20}}$$，分母为近20日日均成交额[15] **模型评价**：对低流动性股票更敏感，需结合成交额动态调整预测值[23] 模型的回测效果 1. **冲击效应模型** - 高冲击股票占比：36只个股冲击系数绝对值>2（占样本8.22%）[17][22] - 最大正向冲击：沪农商行冲击系数13.55（日均成交2.15亿元）[17] - 最大负向冲击：东方雨虹冲击系数-6.61（日均成交1.73亿元）[18] 量化因子与构建方式 1. **因子名称**：被动资金流因子 **因子构建思路**：基于指数成分股权重变动与跟踪规模计算潜在资金流向[15] **因子具体构建过程**： - 调入股票因子值：$$inflow_i = \sum_{k=1}^{M} weight_{k,i}^{new} \times AUM_k$$ - 调出股票因子值：$$outflow_j = -\sum_{k=1}^{M} weight_{k,j}^{old} \times AUM_k$$ - 权重计算采用自由流通市值加权（特殊指数按股息率/波动率等规则）[15] 2. **因子名称**：流动性调整因子 **因子构建思路**：通过20日日均成交额标准化资金流影响[15] **因子具体构建过程**：直接作为冲击系数模型的分母项$$amt\_avg_{i,20}$$[15] 因子的回测效果 1. **被动资金流因子** - 宽基指数主导：沪深300调仓影响占比达72%（7调出/7调入）[14][17] - 行业指数影响：中证医疗调出6只（冲击系数-4.41至-1.58）[18] 2. **流动性调整因子** - 成交额中位数：1.28亿元（25%分位数0.58亿，75%分位数3.32亿）[17][18] - 低流动性放大效应：成交额<1亿的股票冲击系数平均放大2.3倍[22] 关键数据分布 1. **冲击系数分布** - 绝对值≤1占比：70%[22] - (1,2]区间占比：12.3%[19][22] - >3极端值占比：4.1%（正向2.3%，负向1.8%）[19] 2. **跟踪规模分布** - 总被动规模：3.26万亿元（2025Q1）[4][7] - 头部指数规模：沪深300（1.06万亿）、中证A500（2075亿）、上证50（1707亿）[14]

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. **商品期限结构模拟组合** - 模型构建思路：基于展期收益率因子动态构建多空组合，做多高展期收益品种，做空低展期收益品种[35] - 模型具体构建过程： 1. 计算各品种展期收益率（近月合约与远月合约价差） 2. 按展期收益率排序，前30%做多，后30%做空 3. 板块内仓位加权（农产品/工业金属/黑色/能化板块权重上限40%）[43] - 模型评价：双向操作模式降低单一市场风险依赖，适应震荡行情[1] 2. **商品时序动量模拟组合** - 模型构建思路：基于技术指标（如均线、MACD）捕捉商品趋势[35] - 模型具体构建过程： 1. 计算品种的20日/60日价格动量 2. 动量排名前20%做多，后20%做空 3. 波动率调整仓位（风险贡献均衡）[45] 3. **商品截面仓单模拟组合** - 模型构建思路：利用仓单变化反映供需基本面[35] - 模型具体构建过程： 1. 监测交易所注册仓单周环比变化 2. 仓单下降幅度前20%做多，增加幅度前20%做空 3. 结合库存绝对水平过滤信号[53] 4. **黄金布林带择时模型** - 模型构建思路：通过布林带通道突破生成交易信号[12] - 模型具体构建过程： 1. 计算20日均线（中轨）： $$中轨 = MA_{20}(P_t)$$ 2. 计算上下轨： $$上轨 = MA_{20} + 2 \times \sigma_{20}$$ $$下轨 = MA_{20} - 2 \times \sigma_{20}$$ 3. 价格突破上轨看多，跌破下轨看空[16] - 模型评价：有效降低波动率，但可能错失趋势行情[12] 5. **多资产配置模型** - 模型构建思路：股债黄金三资产组合优化[13] - 模型具体构建过程： 1. 基础组合：股票（万得全A）20% + 黄金40% + 债券（中债国债）40% 2. 引入黄金择时信号动态调整权重[13] 模型的回测效果 1. **商品期限结构模拟组合** - 年化收益率：3.03%（2025年）[38] - 最大回撤：-26.56%（2024年）[42] - 夏普比率：0.69（2009-2025）[17] 2. **黄金布林带择时模型** - 年化收益率：6.17% vs 黄金现货7.71%[13] - 波动率：8.89% vs 现货11.56%[13] - 月度赔率：2.47倍[13] 3. **多资产配置模型（策略3）** - 年化收益率：7.46% vs 股债组合4.54%[17] - Calmar比率：0.52[17] 量化因子与构建方式 1. **展期收益率因子** - 构建思路：反映商品期货期限结构特征[35] - 计算公式： $$展期收益率 = \frac{F_{远月}-F_{近月}}{F_{近月}} \times \frac{365}{合约间隔天数}$$[43] 2. **仓单变化因子** - 构建思路：捕捉供需基本面变化[35] - 计算方法：周度仓单环比变化标准化（Z-score）[53] 3. **PMI扩散指数因子** - 构建思路：预测工业金属价格走势[3] - 计算方法：全球制造业PMI扩散指数（>50为扩张）[21] - 因子评价：与LME铜价同比相关系数0.64[18] 因子的回测效果 1. **展期收益率因子** - 年化多空收益差：5.8%（2010-2025）[42] - 月度胜率：58%[42] 2. **仓单变化因子** - 多空组合年化波动率：15.2%[53] （注：部分因子未提供具体测试数值，故未列出）

量化模型与因子分析总结 量化因子与构建方式 风格因子 1. **Growth因子**：衡量成长性，包括过去3年ROE变动平均值、销售收入TTM的3年复合增速、净资产TTM的3年复合增速[12]。构建思路是通过财务指标反映公司成长能力。因子评价：近期表现优异，反映市场对成长股的偏好增强[9][11] 2. **Trend因子**：趋势指标，计算方式为EWMA(halflife=20)/EWMA(halflife=120)和EWMA(halflife=20)/EWMA(halflife=240)[12]。构建思路是通过不同时间窗口的指数加权移动平均比捕捉趋势。因子评价：保持稳定正收益，显示趋势策略有效性[11] 3. **Beta因子**：贝叶斯压缩后的市场Beta[12]。构建思路是调整后的系统性风险指标。因子评价：近期收益回升，显示高Beta股票关注度恢复[11] 4. **Liquidity因子**：流动性指标，包括过去243天的平均对数换手率、个股对数换手率与市场对数换手率的回归系数[12]。构建思路是通过换手率衡量流动性。因子评价：近期表现改善但仍为负收益[11] 5. **Volatility因子**：波动率指标，包括过去243天的标准波动率、FF3特质波动率、最高价/最低价-1、最高/最低六天收益率平均值[12]。构建思路是多维度衡量波动性。因子评价：表现疲软但有所改善[11] 6. **Value因子**：价值指标，包括账面市值比(BP)和盈利收益率(EP)[12]。构建思路是通过估值比率识别价值股。因子评价：表现显著下滑，反映价值策略认可度下降[11] 7. **Size因子**：总市值对数[12]。构建思路是直接衡量公司规模。因子评价：表现大幅下降，显示小盘股关注度减弱[11] 基本面因子 1. **EPTTM一年分位点**：当前EPTTM在过去一年的分位点[17]。构建思路是通过历史分位数定位当前估值水平。因子评价：在中证全指中表现最好[1][6] 2. **PB_ROE排序差**：全市场PB排序与单季ROE排序的差值[17]。构建思路是通过估值与盈利能力的相对排序识别机会。因子评价：在中证800中表现突出[27] 3. **分析师认可度**：(认可业绩分析师数-不认可业绩分析师数)/覆盖分析师数[17]。构建思路是量化分析师情绪。因子评价：在多个指数中表现稳定[20][23][27] 4. **预期ROE环比变化**：当前一致预期ROE-3个月前一致预期ROE[17]。构建思路是跟踪盈利预期的变化。因子评价：在创业板指中表现最佳[40][41] 5. **标准化预期外盈利**：(单季实际净利-预期净利)/预期净利标准差[17]。构建思路是衡量盈利超预期程度。因子评价：在国证2000中表现突出[35][38] 因子回测效果 沪深300样本空间 1. **分析师认可度**：最近一周0.50%，最近一月1.47%，今年以来3.31%，近1年年化6.07%，历史年化3.41%[20] 2. **三个月波动**：最近一周0.47%，最近一月-0.45%，今年以来0.70%，近1年年化5.08%，历史年化2.77%[20] 3. **预期PEG**：最近一周0.36%，最近一月2.02%，今年以来2.62%，近1年年化1.55%，历史年化3.24%[20] 中证500样本空间 1. **单季营收同比增速**：最近一周1.16%，最近一月1.22%，今年以来4.72%，近1年年化2.10%，历史年化2.75%[23] 2. **六个月UMR**：最近一周0.76%，最近一月1.14%，今年以来-1.88%，近1年年化-3.98%，历史年化5.58%[23] 3. **股息率**：最近一周0.41%，最近一月1.56%，今年以来0.00%，近1年年化-4.19%，历史年化6.91%[23] 中证800样本空间 1. **单季EP**：最近一周0.78%，最近一月0.86%，今年以来2.12%，近1年年化4.36%，历史年化7.53%[27] 2. **PB_ROE排序差**：最近一周0.71%，最近一月0.83%，今年以来1.77%，近1年年化5.82%，历史年化7.59%[27] 3. **预期PEG**：最近一周0.66%，最近一月2.66%，今年以来4.74%，近1年年化3.11%，历史年化2.53%[27] 中证1000样本空间 1. **EPTTM一年分位点**：最近一周1.09%，最近一月0.83%，今年以来3.81%，近1年年化5.54%，历史年化6.75%[31] 2. **SPTTM**：最近一周0.65%，最近一月-0.33%，今年以来0.63%，近1年年化0.46%，历史年化4.65%[31] 3. **DELTAROA**：最近一周0.55%，最近一月0.93%，今年以来3.32%，近1年年化6.30%，历史年化7.49%[31] 国证2000样本空间 1. **预期ROE环比变化**：最近一周8.67%，最近一月11.95%，今年以来13.37%，近1年年化51.29%，历史年化5.18%[35] 2. **SPTTM**：最近一周4.64%，最近一月5.60%，今年以来5.00%，近1年年化1.83%，历史年化5.81%[35] 3. **六个月UMR**：最近一周2.51%，最近一月3.12%，今年以来4.34%，近1年年化8.80%，历史年化10.37%[35] 创业板指样本空间 1. **预期ROE环比变化**：最近一周12.13%，最近一月14.17%，今年以来17.63%，近1年年化26.15%，历史年化3.71%[40] 2. **预期净利润环比**：最近一周5.56%，最近一月4.16%，今年以来8.70%，近1年年化11.94%，历史年化2.48%[40] 3. **六个月UMR**：最近一周4.43%，最近一月4.03%，今年以来8.11%，近1年年化8.65%，历史年化3.75%[40] 中证全指样本空间 1. **EPTTM一年分位点**：最近一周1.09%，最近一月-0.34%，今年以来-1.41%，近1年年化-4.16%，历史年化2.83%[45] 2. **预期ROE环比变化**：最近一周0.85%，最近一月0.81%，今年以来-1.20%，近1年年化0.77%，历史年化-0.72%[45] 3. **分析师认可度**：最近一周0.79%，最近一月0.45%，今年以来0.71%，近1年年化0.41%，历史年化3.80%[45] MFE组合构建模型 1. **模型名称**：Maximized Factor Exposure Portfolio (MFE) 2. **模型构建思路**：在控制行业暴露、风格暴露等约束下最大化单因子暴露[61] 3. **模型具体构建过程**： - 目标函数：最大化因子暴露 $$max\ f^{T}w$$ - 风格偏离约束：$$s_{l}\leq X(w-w_{b})\leq s_{h}$$ - 行业偏离约束：$$h_{l}\leq H(w-w_{b})\leq h_{h}$$ - 个股权重偏离约束：$$w_{l}\leq w-w_{b}\leq w_{h}$$ - 成分股权重约束：$$b_{l}\leq B_{b}w\leq b_{h}$$ - 非负约束：$$0\leq w\leq l$$ - 权重和约束：$$1^{T}w=1$$ - 换手率约束：$$\Sigma|w-w_{0}|\leq to_{h}$$[61] 4. **模型评价**：能更准确反映因子在实际约束条件下的有效性[61]

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）的双因子筛选，选取估值合理且盈利能力强的股票[23] - **模型具体构建过程**： 1. 在全市场股票池中筛选PB分位数低于50%且ROE分位数高于50%的股票 2. 按PB升序和ROE降序综合排序，选取前50只股票等权重配置 3. 按月频调仓，基准指数为中证800/全市场指数[23][24] - **模型评价**：兼顾估值与盈利质量，适合价值投资风格 2. **模型名称：机构调研组合** - **模型构建思路**：利用公募/私募调研事件作为信息优势信号选股[25] - **模型具体构建过程**： 1. 跟踪过去1个月内被机构调研的股票 2. 按调研次数和参与机构规模加权构建组合 3. 基准指数为中证800[25][26] 3. **模型名称：大宗交易组合** - **模型构建思路**：通过"高成交金额比率+低波动率"筛选大宗交易中的有效信号[29] - **模型具体构建过程**： 1. 计算个股大宗交易成交金额占日均成交额比率 2. 计算6日成交金额波动率 3. 选取比率前30%且波动率后30%的股票等权重配置[29][30] 4. **模型名称：定向增发组合** - **模型构建思路**：以股东大会公告日为事件节点捕捉定增超额收益[34] - **模型具体构建过程**： 1. 筛选公告定向增发的股票 2. 结合市值因子和仓位控制规则构建组合 3. 基准指数为中证全指[34][35] --- 模型的回测效果 1. **PB-ROE-50组合** - 中证500：上周超额-0.12%，今年累计超额2.07%[24] - 中证800：上周超额0.63%，今年累计超额2.60%[24] - 全市场：上周超额0.65%，今年累计超额3.10%[24] 2. **机构调研组合** - 公募调研：上周超额0.05%，今年累计超额-2.18%[26] - 私募调研：上周超额-0.22%，今年累计超额9.67%[26] 3. **大宗交易组合** - 上周超额0.01%，今年累计超额23.39%[30] 4. **定向增发组合** - 上周超额0.19%，今年累计超额4.26%[35] --- 量化因子与构建方式 1. **因子名称：对数市值因子** - **因子方向**：负向（小市值效应）[12][14][16] - **构建过程**：$$ \text{ln}(总市值) $$，标准化后分组回测[13][15][17] 2. **因子名称：动量调整大单** - **因子方向**：正向（大单资金动量）[12] - **构建过程**：$$ \frac{\text{大单净流入金额}}{\text{20日平均成交额}} \times \text{动量系数} $$[13] 3. **因子名称：6日成交金额移动平均** - **因子方向**：负向（高流动性溢价）[12] - **构建过程**：$$ \text{MA6}(成交金额) $$标准化[13] 4. **因子名称：净利润率TTM** - **因子方向**：正向（盈利能力）[14] - **构建过程**：$$ \frac{\text{净利润TTM}}{\text{营业收入TTM}} $$[15] 5. **因子名称：单季度ROE同比** - **因子方向**：正向（盈利改善）[16] - **构建过程**：$$ \frac{\text{本期ROE}}{\text{去年同期ROE}} - 1 $$[17] --- 因子的回测效果 1. **沪深300股票池** - 对数市值因子：上周收益1.63%，近1月-0.49%[13] - 动量调整大单：上周收益1.37%，近1月0.12%[13] - 6日成交金额移动平均：上周收益1.34%，近1月-1.72%[13] 2. **中证500股票池** - 净利润率TTM：上周收益1.43%，近1月1.90%[15] - 毛利率TTM：上周收益1.13%，近1月1.42%[15] 3. **流动性1500股票池** - 单季度ROE同比：上周收益1.07%，近1月2.13%[17] - 对数市值因子：上周收益0.65%，近1月2.46%[17] --- 大类因子表现 - 市值因子：全市场上周收益-0.77%（小市值风格）[18] - 流动性因子：全市场上周收益-0.34%[18] --- 行业内因子表现 - 综合行业：净利润增长率/每股净资产/每股经营利润TTM因子表现一致[21] - 交通运输/建筑材料：残差波动率和流动性因子正收益显著[21] - 多数行业：小市值风格显著[21]