金融工程 | 金工定期报告 2025 年 05 月 18 日 作者 吴先兴 分析师 SAC 执业证书编号：S1110516120001 wuxianxing@tfzq.com 相关报告 1 《金融工程：金融工程-因子跟踪周 报：小市值、资产周转率因子表现较好 -20250516》 2025-05-17 2 《金融工程：金融工程-哪些行业进 入高估区域？——估值与基金重仓股配 置监控 2025-05-17》 2025-05-17 3 《金融工程：金融工程-基金持仓与 基准偏离视角下的行业潜在冲击研究》 2025-05-14 金融工程 证券研究报告 量化择时周报：等待缩量 等待缩量 上周周报(20250512)认为：短期市场风险偏好在宏观不确定性和技术形态 的压制下，较难快速提升，建议维持中性仓位。最终 wind 全 A 全周上涨 0.72%。市值维度上，上周代表小市值股票的中证 2000 上涨 0.97%，中盘股 中证 500 下跌 0.1%，沪深 300 上涨 1.12%，上证 50 上涨 1.22%;上周中信一 级行业中，表现较强行业包括汽车、非银金融，汽车上涨 2.71%，国防军工、 计算机表现较弱，国防 ...

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：全天候模型** - **模型构建思路**：通过技术面信号识别市场风险，预测震荡整理期[7] - **模型具体构建过程**：未披露具体公式，但基于多维度技术指标（如趋势线、波动率等）综合判断市场状态[7] - **模型评价**：对短期市场调整的预警效果较好，历史回测符合预期[7] 2. **模型名称：周期分析模型** - **模型构建思路**：监控不同级别趋势（如周线、日线）以区分短期调整与中长期趋势[7] - **模型具体构建过程**：未披露具体公式，但通过分解价格序列的周期成分（如傅里叶变换或小波分析）判断趋势持续性[7][8] - **模型评价**：有效区分短期波动与趋势反转，辅助判断市场蓄势阶段[7] 3. **模型名称：四轮驱动行业轮动模型** - **模型构建思路**：结合行业动量、拥挤度、止损信号等动态筛选优势行业[7][16] - **模型具体构建过程**： - **信号类型**：包括“强势上涨中继”“赚钱效应异动”等，触发条件未公开[16] - **止损规则**：基于顶背驰、死叉等技术信号动态出局[16] - **排序逻辑**：综合过去1年Sharpe比率、拥挤度等指标排序行业[16] - **模型评价**：多因子复合框架，兼顾进攻与防御性[16] --- 模型的回测效果 1. **全天候模型**：未披露具体指标值[7] 2. **周期分析模型**：未披露具体指标值[7][8] 3. **四轮驱动行业轮动模型**： - **行业推荐结果**：军工（Sharpe排序10）、家电（-12）、农林牧渔（28）等[16] --- 量化因子与构建方式 1. **因子名称：行业动量因子** - **因子构建思路**：捕捉行业短期赚钱效应异动信号[16] - **因子具体构建过程**：未披露公式，但涉及价格突破、成交量配合等条件[16] 2. **因子名称：拥挤度因子** - **因子构建思路**：监测行业交易过热风险（如0表示未拥挤）[16] - **因子具体构建过程**：可能基于换手率、资金流入等标准化指标[16] 3. **因子名称：Sharpe比率排序因子** - **因子构建思路**：按过去1年风险调整收益（Sharpe）排名行业[16] - **因子具体构建过程**： $$Sharpe = \frac{E[R_p - R_f]}{\sigma_p}$$ 其中 \(R_p\) 为行业收益，\(R_f\) 为无风险利率，\(\sigma_p\) 为收益波动率[16] --- 因子的回测效果 1. **行业动量因子**：未披露独立指标值[16] 2. **拥挤度因子**：家电、农林牧渔等拥挤度为0[16] 3. **Sharpe比率排序因子**：军工（10）、电子（3）、传媒（无数据）等[16] --- 注：未提及的模型/因子细节（如公式、指标口径）均因原文未披露而省略[7][16]

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**：成交量模型 - **构建思路**：基于市场成交量变化判断短期市场趋势[12] - **具体构建**：监测宽基指数成交量周环比变化，结合历史分位数阈值划分多空信号。当成交量突破80分位数且持续放量时触发看多，跌破20分位数时触发看空[12] - **评价**：对市场流动性变化敏感，但易受极端值干扰 2. **模型名称**：低波动率模型 - **构建思路**：利用波动率均值回归特性捕捉市场反转信号[12] - **具体构建**：计算指数20日波动率标准差，当波动率低于历史10%分位时看多，高于90%分位时看空[12] 3. **模型名称**：特征龙虎榜机构模型 - **构建思路**：跟踪机构席位净买入行为预测资金流向[12] - **具体构建**：$$ S_{net} = \sum_{i=1}^n (B_i - S_i) $$ 其中$B_i$为机构买入金额，$S_i$为卖出金额，当$S_{net}$连续3日为正时触发看多信号[12] 4. **模型名称**：智能沪深300模型 - **构建思路**：结合量价与基本面因子的多因子择时模型[12] - **具体构建**：动态加权PE、动量、换手率等因子，采用XGBoost算法生成信号[12] 5. **模型名称**：涨跌停模型 - **构建思路**：通过涨停/跌停家数比判断市场情绪[13] - **具体构建**：计算全市场涨停率$R_{up} = N_{up}/N_{total}$，当$R_{up}>15\%$看多，$R_{up}<5\%$看空[13] 6. **模型名称**：成交额倒波幅模型（港股） - **构建思路**：量价背离策略，成交额与波动率反向时预示变盘[16] - **具体构建**：$$ R = \frac{VOL_{5d}}{HV_{20d}} $$ 当$R>2$标准差时看空[16] 模型的回测效果 1. **成交量模型**：本周上证指数信号中性，年化IR 0.82[12] 2. **低波动率模型**：上证50信号中性，年化胜率58%[12] 3. **智能沪深300模型**：本周看空，近三月超额-1.2%[12] 4. **涨跌停模型**：全A信号中性，年化IR 1.05[13] 5. **成交额倒波幅模型**：恒生指数看空，近20日胜率63%[16] 量化因子与构建方式 1. **因子名称**：动量因子 - **构建思路**：价格趋势延续效应[14] - **具体构建**：$$ MOM_{21d} = \frac{P_t}{P_{t-21}} - 1 $$ 取行业标准化Z值[14] 2. **因子名称**：月历效应因子 - **构建思路**：捕捉月度周期规律[13] - **具体构建**：统计2005-2025年各月收益率均值，当本月历史胜率>60%时触发信号[13] 因子的回测效果 1. **动量因子**：国证2000指数年化IC 0.15[14] 2. **月历效应因子**：5月历史胜率53%，本周信号中性[13] 形态学模型 1. **杯柄形态** - **构建规则**：A点（左杯高点）-B点（杯底）-C点（右杯高点）突破形态，要求形态长度≥6周[44] - **测试结果**：2020年来累计超额39.09%，本周超额0.29%[40] 2. **双底形态** - **构建规则**：A点（第一底）-B点（颈线）-C点（第二底）突破，成交量需在突破时放大[49] - **测试结果**：本周超额1.68%，年化夏普1.72[40][49] 注：所有模型信号可通过http://t.hcquant.com实时查询[11]

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：宽基轮动策略** - **模型构建思路**：基于不同宽基指数（沪深300、中证500、中证1000、中证2000及"其他"组）的热度变化率MA2构建轮动策略，选择周度热度变化率最高的宽基指数进行投资[13][16] - **模型具体构建过程**： 1. 计算各宽基组内成分股的总热度指标（浏览、自选与点击次数之和的归一化值）[7] 2. 计算周度热度变化率并取MA2平滑处理[11] 3. 每周最后一个交易日买入总热度变化率MA2最大的宽基指数，若为"其他"组则空仓[13] - **模型评价**：策略2017年来年化收益率8.74%，最大回撤23.5%，2025年来收益8.32%[16] 2. **模型名称：热门概念组合策略** - **模型构建思路**：筛选高热度概念中的低关注度个股，利用市场行为偏差获取超额收益[31][33] - **模型具体构建过程**： 1. 每周选出热度变化率最大的5个概念[31] 2. 排除概念成分股中流通市值最小的20%股票[31] 3. 构建两个组合： - TOP组合：每个概念中总热度排名前10的个股等权持有 - BOTTOM组合：每个概念中总热度排名最后10的个股等权持有[31] - **模型评价**：BOTTOM组合年化收益15.71%，最大回撤28.89%，2025年收益18%[33] 模型的回测效果 1. **宽基轮动策略**：年化收益率8.74%，最大回撤23.5%，2025年收益8.32%[16] 2. **热门概念BOTTOM组合**：年化收益15.71%，最大回撤28.89%，2025年收益18%[33] 量化因子与构建方式 1. **因子名称：总热度指标** - **因子构建思路**：通过个股浏览、自选与点击行为的归一化聚合，反映市场情绪[7] - **因子具体构建过程**： $$ \text{总热度} = \left(\frac{\text{浏览+自选+点击次数}}{\text{全市场总值}}\right) \times 10000 $$ 取值区间[0,10000]，按日计算[7] 2. **因子名称：热度变化率MA2** - **因子构建思路**：捕捉宽基/行业/概念层面的关注度边际变化[11][20] - **因子具体构建过程**： 1. 计算周度热度变化率：$$\frac{H_t - H_{t-1}}{H_{t-1}}$$ 2. 取2周移动平均（MA2）平滑处理[11][20] 3. **因子名称：估值历史分位数** - **因子构建思路**：监控宽基/行业估值相对于历史水平的区位[40][43] - **因子具体构建过程**： 1. 宽基采用滚动5年PE/TTM分位数[40] 2. 行业采用2015年至今的PE/TTM分位数[43] 因子的回测效果 1. **总热度指标**：国防军工本周热度变化率+90.2%（正向最大），房地产-33.4%（负向最大）[27] 2. **宽基估值分位数**：沪深300（56%）、中证500（85%）、中证1000（76%）[41] 3. **行业估值分位数**： - 80%以上：电力设备、计算机、国防军工等[42] - 20%以下：家用电器、农林牧渔、公用事业等[42] 关键数据取值 1. **宽基热度变化率MA2**： - 沪深300 +2.96%（本周最高） - 中证2000 -1.84%（本周最低）[18] 2. **概念热度TOP5**：航运概念（+221.1%）、自由贸易港（+136.1%）、中韩自贸区（+129.9%）、工业大麻（+109.6%）、C2M概念（+77.6%）[35][37] 3. **二级行业热度变化TOP5**：航运港口、航空装备Ⅱ、地面兵装Ⅱ、纺织制造、军工电子Ⅱ[27]

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**：公募基金仓位估计模型 - **模型构建思路**：通过整合基金季报披露的前十大重仓股、上市公司十大股东信息及行业配置数据，模拟补全基金的全部股票持仓[7][8] - **模型具体构建过程**： 1. 利用基金季报（T期）的行业配置信息和T-1期半年报/年报的非重仓股持仓，假设非重仓股在各行业下持股种类不变，仅按比例调整权重，生成T期模拟持仓[9] 2. 将模拟持仓拆分为大、小盘组合，基于基金日收益率与对应指数收益率，采用加权最小二乘法估计每日仓位配置： $$ \text{基金日收益率} = \alpha + \beta_{\text{大盘}} \cdot R_{\text{大盘}} + \beta_{\text{小盘}} \cdot R_{\text{小盘}} + \epsilon $$ 其中$\beta_{\text{大盘}}$和$\beta_{\text{小盘}}$分别代表大盘和小盘组合的配置权重[11] - **模型评价**：解决了基金持仓披露滞后性问题，实现了日度仓位监控，但依赖历史持仓比例假设可能引入误差[11] 2. **模型名称**：基金风格监控模型 - **模型构建思路**：基于仓位估计结果，从大小盘配置、市值暴露、行业配置三个维度分析基金风格[11] - **模型具体构建过程**： 1. 根据中信一级行业分类计算行业配置权重[18] 2. 结合市值分组（大/小盘）计算风格暴露值，通过历史分位点评估当前配置水平[19] --- 模型的回测效果 1. **公募基金仓位估计模型** - 普通股票型基金仓位中位数：86.31%（2025-05-16），周环比下降1.99%[13] - 偏股混合型基金仓位中位数：82.48%，周环比下降2.79%[13] - 大盘组合仓位变动：普通股票型下降1.07%，偏股混合型下降1.74%[14] - 小盘组合仓位变动：普通股票型下降0.91%，偏股混合型下降1.06%[14] 2. **基金风格监控模型** - 行业配置权重：电子（14.36%普通股票型）、医药（10.79%）、电力设备（9.31%）[18] - 行业分位点：机械（94.1%偏股混合型）、汽车（99.26%）、医药（12.18%普通股票型）[19] --- 量化因子与构建方式 1. **因子名称**：市值暴露因子 - **因子构建思路**：通过基金持仓的大/小盘组合权重差异捕捉市值风格偏好[11] - **因子具体构建过程**： $$ \text{市值暴露} = \frac{\text{小盘组合权重} - \text{大盘组合权重}}{\text{总股票仓位}} $$ 结果标准化为历史分位点（如普通股票型小盘仓位分位点19.38%）[14][16] 2. **因子名称**：行业动量因子 - **因子构建思路**：跟踪基金行业配置周度变动方向[20][21] - **因子具体构建过程**：计算各行业仓位周度变化百分比（如电子行业仓位下降，医药行业上升）[21] --- 因子的回测效果 1. **市值暴露因子** - 普通股票型小盘仓位分位点：19.38%（2016年以来）[14] - 偏股混合型小盘仓位分位点：25.36%[14] 2. **行业动量因子** - 周度增仓行业：非银行金融（+0.5%）、医药（+0.3%）[21] - 周度减仓行业：电子（-1.0%）、计算机（-0.8%）[21]

[Table_Title] 金 金融工程点评 [Table_Message]2025-05-16 风险提示：本报告结论完全基于公开历史数据，建议关注的行业指数与 ETF 产品基于 构建的量化模型，仅供大家参考阅读，不构成任何投资建议。 金工 ETF 点评：宽基 ETF 单日净流出 52.58 亿元；标普油气、电池 ETF 可关注 [Table_Author] 证券分析师：刘晓锋 电话：13401163428 E-MAIL：liuxf@tpyzq.com 执业资格证书编码：S1190522090001 研究助理：孙弋轩 电话：18910596766 一、资金流向 二、行业拥挤度监测 ◼ 通过构建行业拥挤度监测模型，对申万一级行业指数的拥挤度进行每日监测， 前一交易日交通运输、纺织服饰、美容护理拥挤度靠前，相比较而言，传媒、 社会服务、房地产、电子、电力设备的拥挤度水平较低，建议关注。此外，农 林牧渔、汽车单日拥挤度变动较大。从主力资金流动来看，前一交易日主力 资金流入医药生物、美容护理、煤炭，流出计算机、电子、非银金融。近三个 交易日主力资金增配美容护理、医药生物、煤炭，减配电子、计算机、国防 军工。 三、ET ...

根据提供的研报内容，以下是军工板块资金行为监测中涉及的量化模型与因子总结： --- 量化模型与构建方式 1. **公募基金实时持仓测算模型** - 构建思路：基于基金净值、持仓披露、调研行为等市场公开信息，动态跟踪公募基金对军工板块的配置仓位[16] - 具体构建过程： 1. 整合基金净值数据与定期持仓披露信息 2. 结合调研行为数据（如机构调研频次）作为辅助信号 3. 通过回归模型估算实时仓位变化，公式为： $$ \text{仓位}_t = \alpha + \beta \cdot \text{净值波动}_t + \gamma \cdot \text{调研强度}_t + \epsilon_t $$ 其中，$\alpha$为基准仓位，$\beta$和$\gamma$为因子权重[16] - 模型评价：能够捕捉短期资金动向，但对非公开信息（如未披露调研）敏感度较低 2. **ETF资金持仓动态模型** - 构建思路：通过ETF规模与成分股市值占比变化，监测被动资金流向[19] - 具体构建过程： 1. 计算军工ETF持仓占板块流通市值的比例： $$ \text{ETF占比}_t = \frac{\sum \text{ETF持有军工股市值}_t}{\text{军工板块流通市值}_t} $$ 2. 采用5日移动平均（MA5）平滑噪声[20] - 模型评价：反映长期资金配置趋势，但滞后于主动交易行为 3. **主力资金代理变量模型** - 构建思路：以大单（20-100万元）和超大单（>100万元）交易额之和作为主力资金代理[30] - 具体构建过程： 1. 筛选符合金额阈值的委托单 2. 按交易日聚合净流入金额： $$ \text{主力净流入}_t = \sum \text{超大单买入}_t + \sum \text{大单买入}_t - \sum \text{卖出}_t $$[33] 4. **高频股东户数风险预警模型** - 构建思路：股东户数增幅与股价潜在风险负相关[35] - 具体构建过程： 1. 计算相邻披露期股东户数变动比例： $$ \text{变动比例} = \frac{\text{户数}_{t} - \text{户数}_{t-1}}{\text{户数}_{t-1}} $$ 2. 设定阈值（如30%）触发预警信号[36] --- 模型的回测效果 1. **公募基金实时持仓模型** - 2025年以来军工板块仓位下降0.8%[18] 2. **ETF资金持仓模型** - 2024年以来持仓占比上升至4.7%（MA5）[21] 3. **主力资金代理变量模型** - 5月1日后主力净流入Top3个股：宗申动力（2.17亿）、中航沈飞（1.72亿）、联创光电（1.38亿）[33] 4. **高频股东户数模型** - 预警案例：航锦科技股东户数增幅131.98%（2025年4-5月）[36] --- 其他监测指标（非模型/因子） - **两融余额动向**：融资余额9月25日后反弹，融券余额维持低位[24] - **龙虎榜热点**：中航成飞营业部净流入9.0亿（20250512）[32] - **雪球大V关注度**：中航成飞获117次讨论（5月1日以来）[27][29] 注：研报未提供IR或夏普比率等量化指标，故未列出相关测试结果。

沪深 300 股指期货: | | 收盘价 | 分红点数 | 实际价差 | 含分红价差 | | --- | --- | --- | --- | --- | | IF2506 | 3846.00 | 23.58 | -43.09 | -19.50 | | IF2507 | | 58.36 | | | | IF2509 | 3779.80 | 68.72 | -109.29 | -40.56 | | IF2512 | 3741.40 | 68.72 | -147.69 | -78.96 | 中证 500 股指期货： | | 收盘价 | 分红点数 | 实际价差 | 含分红价差 | | --- | --- | --- | --- | --- | | IC2506 | 5601.80 | 44.47 | -114.05 | -69.58 | | IC2507 | | 66.66 | | | | IC2509 | 5435.20 | 74.59 | -280.65 | -206.06 | | IC2512 | 5318.60 | 74.66 | -397.25 | -322.58 | 金融工程 | 动态跟踪 分红对期指的影 ...

量化因子与构建方式 估值类因子 1. **因子名称**：bp - **构建思路**：衡量净资产与市值的相对关系[14] - **具体构建**：$$ bp = \frac{当前净资产}{当前总市值} $$ 2. **因子名称**：bp三年分位数 - **构建思路**：反映当前bp在三年历史中的分位水平[14] - **具体构建**：计算股票当前bp在最近三年数据中的分位数 3. **因子名称**：季度ep - **构建思路**：衡量季度净利润与净资产的关系[14] - **具体构建**：$$ 季度ep = \frac{季度净利润}{净资产} $$ 4. **因子名称**：季度sp - **构建思路**：衡量季度营收与净资产的关系[14] - **具体构建**：$$ 季度sp = \frac{季度营业收入}{净资产} $$ 盈利类因子 1. **因子名称**：季度资产周转率 - **构建思路**：反映营业收入与总资产的效率关系[14] - **具体构建**：$$ 季度资产周转率 = \frac{季度营业收入}{总资产} $$ 2. **因子名称**：季度毛利率 - **构建思路**：衡量毛利润与销售收入的比例[14] - **具体构建**：$$ 季度毛利率 = \frac{季度毛利润}{季度销售收入} $$ 3. **因子名称**：季度roa - **构建思路**：衡量净利润与总资产的效率[14] - **具体构建**：$$ 季度roa = \frac{季度净利润}{总资产} $$ 成长类因子 1. **因子名称**：季度净利润同比增长 - **构建思路**：反映净利润的同比增长率[14] - **具体构建**：计算当前季度净利润与去年同期单季净利润的增长率 2. **因子名称**：标准化预期外盈利 - **构建思路**：衡量实际盈利与预期盈利的偏离程度[14] - **具体构建**：$$ \frac{当前季度净利润 - (去年同期单季净利润 + 过去8个季度单季净利润同比增长均值)}{过去8个季度单季净利润同比增长值的标准差} $$ 分析师类因子 1. **因子名称**：90天分析师覆盖度 - **构建思路**：反映过去90天内分析师的覆盖情况[14] 2. **因子名称**：一致预期EPS变动 - **构建思路**：衡量一致预期EPS的相对变化[14] - **具体构建**：$$ \frac{一致预期eps}{最近120日一致预期eps均值} $$ 换手率类因子 1. **因子名称**：1个月换手率波动 - **构建思路**：反映过去20个交易日换手率的波动性[14] - **具体构建**：计算过去20个交易日换手率的标准差 波动率类因子 1. **因子名称**：Fama-French三因子1月残差波动率 - **构建思路**：衡量日收益对Fama-French三因子回归的残差波动[14] - **具体构建**：计算过去20个交易日日收益对三因子回归的残差标准差 2. **因子名称**：1月特异度 - **构建思路**：反映收益中未被三因子解释的部分[14] - **具体构建**：$$ 1 - R^2 \quad (R^2为Fama-French三因子回归的拟合优度) $$ 规模类因子 1. **因子名称**：小市值 - **构建思路**：反映公司市值大小的反向指标[15] - **具体构建**：对数市值 --- 因子回测效果 IC表现 1. **小市值因子**：最近一周IC表现较好[8] 2. **90天分析师覆盖度因子**：最近一月IC表现较好[8] 3. **1月特异度因子**：最近一年IC表现较好[8] 多头组合表现 1. **小市值因子**： - 最近一周超额：1.03% - 最近一月超额：3.94% - 最近一年超额：13.73%[11] 2. **季度资产周转率因子**： - 最近一周超额：0.55% - 最近一月超额：1.39% - 最近一年超额：2.78%[11] 3. **1个月反转因子**： - 最近一月超额：1.90%[11] 4. **Fama-French三因子1月残差波动率因子**： - 最近一年超额：7.33%[11] --- 因子评价 - **小市值因子**：长期表现稳定，近期超额收益显著[8][11] - **季度资产周转率因子**：盈利类因子中表现突出，反映经营效率[11] - **1月特异度因子**：波动率类因子中IC稳定性较高[8]

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）双因子筛选股票，选取估值合理且盈利能力强的标的[24] - **模型具体构建过程**： 1. 在全市场股票池中计算PB和ROE指标 2. 对PB升序排序（低估值优先），ROE降序排序（高盈利优先） 3. 综合排名后选取前50只股票构成组合 4. 月频调仓 2. **模型名称**：大宗交易组合 - **模型构建思路**：根据大宗交易数据中的"成交金额比率"和"波动率"因子筛选标的，遵循"高成交、低波动"原则[30] - **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. 选择成交比率高且波动率低的股票 4. 月频调仓 3. **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节点，结合市值因素和仓位控制构建事件驱动策略[35] - **模型具体构建过程**： 1. 跟踪定向增发预案公告事件 2. 筛选市值适中的标的 3. 控制单行业暴露不超过20% 4. 动态调整持仓周期 模型的回测效果 1. **PB-ROE-50组合**： - 中证500超额收益0.88%（本周），1.02%（年初至今）[25] - 中证800超额收益0.43%（本周），1.66%（年初至今）[25] 2. **大宗交易组合**： - 相对中证全指超额收益0.36%（本周），24.12%（年初至今）[31] 3. **定向增发组合**： - 相对中证全指超额收益0.48%（本周），1.16%（年初至今）[36] 量化因子与构建方式 1. **因子名称**：早盘后收益因子 - **因子方向**：负向（流动性1500股票池）[16] - **因子构建思路**：捕捉开盘后特定时间窗口的收益异常现象 - **因子评价**：在中小盘股票中表现突出 2. **因子名称**：动量弹簧因子 - **因子方向**：正向（全市场）[13] - **因子构建思路**：结合动量效应与均值回复特性 - **因子评价**：在波动市场中具有较强适应性 3. **因子名称**：EPTTM分位点 - **因子方向**：正向（中证500）[14] - **因子构建思路**：计算盈利价格比在行业内的相对位置 因子的回测效果 1. **早盘后收益因子**： - 流动性1500股票池周收益2.27%，年化收益19.60%[17] 2. **动量弹簧因子**： - 沪深300股票池周收益0.59%，年化收益11.11%[13] - 流动性1500股票池周收益1.43%，年化收益22.03%[17] 3. **EPTTM分位点**： - 中证500股票池周收益1.30%，年化收益13.19%[14] 大类因子表现 1. **残差波动率因子**：全市场周收益0.55%[18] 2. **盈利因子**：全市场周收益0.26%[18] 3. **市值因子**：全市场周收益-0.48%[18] 4. **动量因子**：全市场周收益-0.32%[18]