量化模型与构建方式 1. **模型名称：逆周期配置模型**[3][23] * **模型构建思路**：借助代理变量预测未来的宏观环境（如通胀、增长等），然后选择在该环境下预期表现最优的几类资产构建绝对收益组合[23]。 * **模型具体构建过程**：报告未提供该模型具体的代理变量选择、预测模型及资产选择规则的详细构建过程。 2. **模型名称：宏观动量模型**[3][23] * **模型构建思路**：从经济增长、通货膨胀、利率、汇率和风险情绪等多个宏观维度出发，构建对股票、债券等大类资产的择时信号[23]。 * **模型具体构建过程**：报告未提供该模型各维度具体指标、合成方法及择时规则的详细构建过程。 3. **模型名称：黄金择时策略**[23] * **模型构建思路**：通过宏观、持仓、量价和情绪等多类因子，构建多周期的黄金择时策略[23]。 * **模型具体构建过程**：报告未提供该策略具体因子定义、周期设置及信号生成规则的详细构建过程。 4. **模型名称：行业ETF轮动策略**[3][24] * **模型构建思路**：从行业历史基本面、预期基本面、情绪面、量价技术面、宏观经济等多个维度构建多因子行业轮动模型，并应用于ETF投资[24]。 * **模型具体构建过程**： 1. 确定基准池：将市场上ETF的跟踪指数与中信一级行业匹配，形成由23个一级行业组成的基准池[24]。 2. 构建行业轮动模型：基于上述多个维度的因子对行业进行评分或排序。 3. 构建ETF组合：根据行业轮动模型的信号，选择看好的行业，并配置对应的行业ETF形成投资组合。例如，2025年11月的组合等权重配置了5只行业ETF[24][27]。 5. **模型名称：股债混合再平衡策略**[1][4][29] * **模型构建思路**：设定固定的股债资产配置比例（如10/90， 20/80），并定期（如月度）进行再平衡，以维持初始配置比例，实现简单的资产配置[1][4]。 * **模型具体构建过程**： 1. 确定初始配置：设定股票资产与债券资产的初始权重，例如股票20%、债券80%[4]。 2. 定期再平衡：在固定的再平衡时点（如每月末），计算当前组合中各类资产的实际市值权重。 3. 调整至目标权重：通过交易，将各类资产的权重调整回初始设定的目标权重。 6. **模型名称：股债风险平价策略**[4][29] * **模型构建思路**：根据各类资产的风险贡献来分配权重，目标是使各类资产对组合整体的风险贡献相等，从而构建风险均衡的组合[4][29]。 * **模型具体构建过程**：报告未提供该策略风险贡献计算及权重求解的具体公式和过程。 7. **模型名称：股、债、黄金风险平价策略**[4][28] * **模型构建思路**：在股债风险平价策略的基础上，加入黄金资产，依据三类资产的风险贡献进行权重配置[4][28]。 * **模型具体构建过程**：报告未提供该策略的具体构建过程。 8. **模型名称：宏观择时增强的股债混合策略**[4] * **模型构建思路**：在基础的股债混合策略（如20/80再平衡）之上，引入宏观择时模型（如宏观动量模型）对股票仓位进行动态调整，以增强收益[4]。 * **模型具体构建过程**：报告未提供宏观择时信号如何具体调整股票仓位的详细规则。 9. **模型名称：行业轮动增强的股债混合策略**[4] * **模型构建思路**：在基础的股债混合策略（如20/80再平衡或风险平价）的股票端，不直接配置宽基指数，而是配置由行业ETF轮动策略生成的股票组合，以寻求超额收益[4]。 * **模型具体构建过程**： 1. 股票端：使用行业ETF轮动策略构建并动态调整股票组合。 2. 债券端：配置债券资产（如短债基金指数）。 3. 资产配置：按照设定的股债比例（如20/80）将资金分配于上述股票组合和债券资产，并定期再平衡[4]。 10. **模型名称：逆周期配置的混合策略**[4] * **模型构建思路**：结合逆周期配置模型（季度频率）与特定的股票风格策略（如PB盈利、小盘成长等），进行股债资产配置[4]。 * **模型具体构建过程**：报告未提供逆周期配置模型信号如何与股票风格策略结合的具体规则。 量化因子与构建方式 1. **因子名称：PB盈利因子**[4][37] * **因子构建思路**：基于市净率（PB）和盈利能力的选股因子，具体构建思路报告未详细说明。 * **因子具体构建过程**：报告未提供该因子的具体计算公式和构建步骤。 2. **因子名称：高股息因子**[4][37] * **因子构建思路**：基于股息率的选股因子，倾向于选择股息率较高的股票。 * **因子具体构建过程**：报告未提供该因子的具体计算公式和构建步骤。 3. **因子名称：小盘价值因子**[4][37] * **因子构建思路**：结合市值规模（小盘）和价值风格（如低估值）的选股因子。 * **因子具体构建过程**：报告未提供该因子的具体计算公式和构建步骤。 4. **因子名称：小盘成长因子**[1][4][37] * **因子构建思路**：结合市值规模（小盘）和成长风格（如高盈利增长）的选股因子。 * **因子具体构建过程**：报告未提供该因子的具体计算公式和构建步骤。 模型的回测效果 （数据区间：2025年1月2日至2025年11月28日）[30][37] 1. **（宏观择时）股债20/80再平衡模型**，本年收益4.83%，年化波动率3.47%，最大回撤1.78%，夏普比率1.54[30] 2. **（宏观择时）股债风险平价模型**，本年收益2.07%，年化波动率1.77%，最大回撤1.50%，夏普比率1.30[30] 3. **（宏观择时）股、债、黄金风险平价模型**，本年收益3.94%，年化波动率2.17%，最大回撤1.49%，夏普比率2.01[30] 4. **（宏观择时+行业ETF轮动）股债20/80再平衡模型**，本年收益7.98%，年化波动率5.46%，最大回撤2.54%，夏普比率1.62[30] 5. **（宏观择时+行业ETF轮动）股债风险平价模型**，本年收益3.17%，年化波动率2.21%，最大回撤1.45%，夏普比率1.59[30] 因子的回测效果 （数据区间：2025年1月2日至2025年11月28日，应用于不同股债配置策略）[37] 1. **PB盈利因子**（应用于不择时+20/80月度再平衡策略），本年收益4.60%，年化波动率4.56%，最大回撤3.79%，夏普比率0.21[37] 2. **高股息因子**（应用于不择时+20/80月度再平衡策略），本年收益3.98%，年化波动率4.03%，最大回撤3.47%，夏普比率0.16[37] 3. **小盘价值因子**（应用于不择时+20/80月度再平衡策略），本年收益11.19%，年化波动率6.89%，最大回撤7.74%，夏普比率0.64[37] 4. **小盘成长因子**（应用于不择时+20/80月度再平衡策略），本年收益11.93%，年化波动率7.02%，最大回撤8.07%，夏普比率0.68[37] 5. **PB盈利因子**（应用于宏观择时+20/80月度再平衡策略），本年收益6.28%，年化波动率5.05%，最大回撤3.65%，夏普比率0.37[37] 6. **高股息因子**（应用于宏观择时+20/80月度再平衡策略），本年收益5.53%，年化波动率4.38%，最大回撤2.63%，夏普比率0.33[37] 7. **小盘价值因子**（应用于宏观择时+20/80月度再平衡策略），本年收益12.08%，年化波动率7.88%，最大回撤7.21%，夏普比率0.62[37] 8. **小盘成长因子**（应用于宏观择时+20/80月度再平衡策略），本年收益13.38%，年化波动率7.86%，最大回撤7.34%，夏普比率0.70[37]

量化模型与构建方式 1. **模型名称**：封板率计算模型[17] **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数量与最高价涨停股票总数的比例，来衡量市场涨停股的封板质量与资金封板意愿[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，在交易日T日，找出所有盘中最高价达到涨停价的股票。最后，计算这些股票中，收盘价也维持在涨停价的股票所占的比例。具体公式为： $$封板率=\frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$[17] 2. **模型名称**：连板率计算模型[17] **模型构建思路**：通过计算连续两日收盘涨停的股票数量占前一日所有涨停股票数量的比例，来度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。在交易日T日，找出所有在T-1日收盘涨停的股票。然后，计算这些股票中，在T日收盘也涨停的股票所占的比例。具体公式为： $$连板率=\frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$[17] 3. **模型名称**：大宗交易折价率计算模型[26] **模型构建思路**：通过比较大宗交易成交总额与按当日市价计算的成交份额总市值，计算折价率，以反映大资金交易的折让程度和市场情绪[26] **模型具体构建过程**：首先，获取当日所有大宗交易的成交数据，包括每笔交易的成交价格和成交数量。然后，计算这些成交份额按当日收盘价（或成交均价）计算的总市值。最后，用大宗交易总成交金额除以该总市值并减1，得到整体折价率。具体公式为： $$折价率=\frac{大宗交易总成交金额}{当日成交份额的总市值}-1$$[26] 4. **模型名称**：股指期货年化贴水率计算模型[28] **模型构建思路**：将股指期货主力合约与现货指数之间的基差进行年化处理，以标准化衡量期货合约的升贴水程度，便于跨期比较[28] **模型具体构建过程**：首先，计算股指期货主力合约价格与其标的现货指数价格的差值，即基差（期货价格 - 现货价格）。然后，将基差除以现货指数价格，得到相对基差。最后，将此相对基差乘以年化因子（250天除以合约剩余交易日数），得到年化贴水率。具体公式为： $$年化贴水率=\frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$[28] **模型评价**：该指标综合反映了金融市场利率、股市分红、微观资金成本、套利力量、市场情绪等多方面因素，其变化能体现市场对未来走势的预期，并直接影响股指对冲的成本[28] 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[14] **因子构建思路**：追踪前一日涨停的股票在次日的开盘至收盘的收益率表现，用于观察涨停股的赚钱效应和接力情绪[14] **因子具体构建过程**：首先，在交易日T-1日，筛选出上市满3个月以上且收盘涨停的股票。然后，计算这些股票在T日的收盘收益率。具体计算为每只股票在T日的（收盘价/开盘价 - 1），再求所有符合条件的股票收益率的平均值或中位数[14] 2. **因子名称**：昨日跌停股今日收益因子[14] **因子构建思路**：追踪前一日跌停的股票在次日的开盘至收盘的收益率表现，用于观察极端抛压后的市场修复或继续下跌的动能[14] **因子具体构建过程**：首先，在交易日T-1日，筛选出上市满3个月以上且收盘跌停的股票。然后，计算这些股票在T日的收盘收益率。具体计算为每只股票在T日的（收盘价/开盘价 - 1），再求所有符合条件的股票收益率的平均值或中位数[14] 3. **因子名称**：两融余额占比因子[22] **因子构建思路**：计算融资融券余额占A股总流通市值的比例，用以衡量杠杆资金在市场中的整体规模和重要性[22] **因子具体构建过程**：在交易日T日，获取市场的融资余额与融券余额之和，即两融余额。同时，获取A股市场的总流通市值。最后，计算两融余额占总流通市值的百分比[22] 4. **因子名称**：两融交易占比因子[22] **因子构建思路**：计算融资买入额与融券卖出额之和占市场总成交额的比例，用以衡量杠杆交易的活跃度[22] **因子具体构建过程**：在交易日T日，获取市场的融资买入总额与融券卖出总额，求和得到两融交易总额。同时，获取A股市场的总成交额。最后，计算两融交易总额占总成交额的百分比[22] 5. **因子名称**：ETF折溢价因子[23] **因子构建思路**：通过计算ETF场内交易价格与其IOPV（基金份额参考净值）的偏离度，捕捉市场短期情绪和套利机会[23] **因子具体构建过程**：首先，筛选日成交额超过100万元的境内股票型ETF。对于单只ETF，计算其当日场内成交均价（或收盘价）与当日IOPV的差值，再除以IOPV得到折溢价率。正值代表溢价，负值代表折价[23] 6. **因子名称**：机构调研热度因子[30] **因子构建思路**：统计近期对上市公司进行调研的机构数量，作为衡量机构关注度的代理指标[30] **因子具体构建过程**：对于每只股票，统计其在过去7个自然日内，接受机构调研或举行分析师会议的机构家数。家数越多，代表机构关注度越高[30] 7. **因子名称**：龙虎榜机构净流入因子[36] **因子构建思路**：根据龙虎榜披露的机构专用席位买卖数据，计算单日对个股的净买入金额，反映机构资金的短期动向[36] **因子具体构建过程**：对于登上龙虎榜的个股，汇总当日所有机构专用席位的买入总额与卖出总额，计算净额（买入总额 - 卖出总额）[36] 8. **因子名称**：龙虎榜陆股通净流入因子[37] **因子构建思路**：根据龙虎榜披露的陆股通席位买卖数据，计算单日对个股的净买入金额，反映北向资金的短期动向[37] **因子具体构建过程**：对于登上龙虎榜的个股，汇总当日所有陆股通席位的买入总额与卖出总额，计算净额（买入总额 - 卖出总额）[37] 模型的回测效果 1. 封板率计算模型，2025年12月4日指标值为58%[17] 2. 连板率计算模型，2025年12月4日指标值为19%[17] 因子的回测效果 1. 昨日涨停股今日收益因子，2025年12月4日指标值为-0.28%[14] 2. 昨日跌停股今日收益因子，2025年12月4日指标值为-4.67%[14] 3. 两融余额占比因子，截至2025年12月3日指标值为2.6%[22] 4. 两融交易占比因子，截至2025年12月3日指标值为9.6%[22] 5. ETF折溢价因子，2025年12月3日，科创100ETF富国溢价0.63%，A500增强ETF基金折价0.53%[23] 6. 大宗交易折价率因子，近半年平均指标值为6.43%，2025年12月3日指标值为7.92%[26] 7. 股指期货年化贴水率因子，近一年中位数：上证50为0.68%，沪深300为3.53%，中证500为11.15%，中证1000为13.58%[28]。2025年12月4日指标值：上证50为4.69%（近一年24%分位），沪深300为7.98%（近一年23%分位），中证500为9.59%（近一年62%分位），中证1000为11.05%（近一年68%分位）[28] 8. 机构调研热度因子，近一周（截至2025年12月4日），长安汽车被101家机构调研[30] 9. 龙虎榜机构净流入因子，2025年12月4日，净流入前十名包括和而泰、初灵信息等[36] 10. 龙虎榜陆股通净流入因子，2025年12月4日，净流入前十名包括和而泰、航天环宇等[37]

根据提供的研报内容，以下是关于量化因子与模型的总结。 量化因子与构建方式 1. **因子名称**：涨跌类因子 (KeyPeriod_ret) [7][25][26] - **因子构建思路**：基于分钟频因子构建逻辑的改进，采用逐笔订单数据，通过识别日内不同涨跌幅表现的重点时段（如横盘、下跌、上涨时段），并统计这些时段内的量价特征来构建因子[7][25] - **因子具体构建过程**：首先，根据分钟线的涨跌幅对交易日内的分钟时段进行分类，例如，将涨跌幅接近于零的时段定义为横盘时段 (ret_zero)，将涨跌幅处于最低5%的时段定义为下跌时段 (ret_low5pct)，将涨跌幅处于最高5%的时段定义为上涨时段 (ret_top5pct)。然后，在这些定义出的关键时段内，使用Level 2逐笔订单数据计算特定的量价指标。构建过程还包含了主买 (buy) 和主卖 (sell) 的区分，例如 KeyPeriod_ret_low5pct_buy 和 KeyPeriod_ret_low5pct_sell，分别代表在下跌时段内的主买和主卖相关特征[26][27][30] 2. **因子名称**：价格类因子 (KeyPeriod_price) [7][25][31] - **因子构建思路**：通过识别日内股价相对高低的关键时段，并统计这些时段内的量价特征来构建因子[7][25] - **因子具体构建过程**：根据分钟线的价格水平对交易日内的分钟时段进行分类，例如，将价格处于最低5%的时段定义为低价时段 (price_low5pct)，将价格处于最高5%的时段定义为高价时段 (price_top5pct)。然后，在这些关键时段内使用Level 2逐笔订单数据计算量价指标。同样包含主买 (buy) 和主卖 (sell) 的区分，例如 KeyPeriod_price_low5pct_buy 和 KeyPeriod_price_low5pct_sell[32] 3. **因子名称**：成交金额类因子 (KeyPeriod_amount) [7][25][34] - **因子构建思路**：通过识别日内成交金额相对大小的关键时段，并统计这些时段内的量价特征来构建因子[7][25] - **因子具体构建过程**：根据分钟线的成交金额对交易日内的分钟时段进行分类，例如，将成交金额处于最高30%的时段定义为大成交金额时段 (amount_top30pct)，将成交金额处于最低50%的时段定义为小成交金额时段 (amount_low50pct)。然后，在这些关键时段内使用Level 2逐笔订单数据计算量价指标。构建过程也包含了主买 (buy) 和主卖 (sell) 的区分，例如 KeyPeriod_amount_top30pct_buy 和 KeyPeriod_amount_top30pct_sell[35] 4. **因子名称**：量价协同类因子 (KeyPeriod_sync) [7][25][37] - **因子构建思路**：通过识别日内量价关系（协同或背离）的关键时段，并统计这些时段内的量价特征来构建因子[7][25] - **因子具体构建过程**：首先需要定义一个量价协同指标（具体公式未在提供内容中明确给出，但逻辑是衡量价格变动与成交量变动的一致性），然后根据该指标对交易日内的分钟时段进行分类，例如，将量价协同度处于最低50%的时段定义为量价背离时段 (sync_low50pct)，将量价协同度处于最高5%的时段定义为量价协同时段 (sync_top5pct)。接着，在这些关键时段内使用Level 2逐笔订单数据计算量价指标。构建过程同样包含主买 (buy) 和主卖 (sell) 的区分，例如 KeyPeriod_sync_low50pct_buy 和 KeyPeriod_sync_low50pct_sell[38] 因子的回测效果 1. **KeyPeriod_ret_zero 因子** (20日换仓，5日平滑因子)，RankIC均值: -5.36%，胜率: 85.1% [7][27] 2. **KeyPeriod_ret_low5pct 因子** (20日换仓，5日平滑因子)，RankIC均值: 5.47%，胜率: 84.1% [7][27] 3. **KeyPeriod_price_low5pct 因子** (20日换仓，5日平滑因子)，RankIC均值: 5.59%，胜率: 85.3% [7][32] 4. **KeyPeriod_amount_top30pct 因子** (20日换仓，5日平滑因子)，RankIC均值: 11.23%，胜率: 84.8% [7][35] 5. **KeyPeriod_amount_low50pct 因子** (20日换仓，5日平滑因子)，RankIC均值: -10.50%，胜率: 75.0% [7][35] 6. **KeyPeriod_sync_low50pct 因子** (20日换仓，5日平滑因子)，RankIC均值: 6.00%，胜率: 81.5% [7][38]

量化模型与构建方式 本报告为基金投顾产品月度业绩统计与调仓行为分析报告，未涉及具体的量化预测模型或选股因子的构建与测试。报告的核心内容是对现有基金投顾产品的事后分类、业绩统计和持仓变动的描述性分析[1][2][3][4]。 1. **模型/因子名称**：基金投顾产品分类模型[11] * **模型/因子构建思路**：根据基金投顾产品的业绩基准和资产配置分布，将其划分为不同的风险收益类型，以便进行横向比较和分析[11]。 * **模型/因子具体构建过程**： 1. 数据来源：收集天天基金、且慢及雪球平台总计627只基金投顾产品的信息[11]。 2. 分类标准：主要依据产品业绩基准中权益部分的指数权重，并结合其实际的资产配置分布进行划分[11]。 3. 具体类别与权益中枢定义： * 纯债型：权益中枢0%[11][17] * 固收+型：权益中枢0%~20%[11][17] * 股债混合型：权益中枢20%~70%[11][17] * 股票型：权益中枢70%以上[11][17] * 多元配置型：进行多元资产的分散投资，不局限于股债[11] 4. 子类划分（针对股票型）：在普通股票型投顾产品中，根据其策略特点及收益来源，进一步细分为三类[11]： * 行业轮动型 * 指数驱动型 * 主动优选型 2. **模型/因子名称**：基金投顾调仓行为解析框架[29] * **模型/因子构建思路**：通过分析发生调仓的基金投顾产品，从多个维度解析其整体的资产配置动向，以洞察市场情绪和配置偏好[29]。 * **模型/因子具体构建过程**： 1. 样本筛选：确定在统计期内（2025年11月）发生调仓行为的131只基金投顾产品[29]。 2. 分析维度： * **基金维度**：统计被增配或减配比例最高的具体基金产品[29][30][32][33]。 * **大类资产维度**：将基金投顾的持仓分解到11类资产：A股、港股、美股、债券、黄金、货币及现金、海外债券、新兴市场、其他发达市场、海外REIT、其他商品[33]。计算统计期内所有样本投顾在这些资产上配置权重的整体净变化[33]。 * **A股行业维度**：将基金投顾在A股上的持仓进一步分解到一级行业。计算统计期内所有样本投顾在各行业上配置权重的整体净变化[36]。 模型的回测效果 报告未提供基于上述分类模型或解析框架进行预测并回测的结果（如未来收益率、信息比率等）。报告内容集中于历史业绩展示和调仓行为描述。 1. **基金投顾产品分类模型**，2025年11月各类型绝对收益均值：纯债型（0.1%）、固收+型（-0.2%）、股债混合型（-0.9%）、股票型（-1.8%）、多元配置型（-0.2%）[2][12] 2. **基金投顾产品分类模型**，2025年以来各类型绝对收益中位数：纯债型（1.4%）、固收+型（4.2%）、股债混合型（12.3%）、股票型（23.0%）、多元配置型（12.7%）[2][12] 3. **基金投顾产品分类模型（股票子类）**，2025年11月各类型绝对收益：主动优选（-2.4%）、指数驱动（-2.6%）、行业轮动（-3.5%）[3][16] 4. **基金投顾产品分类模型（股票子类）**，2025年以来各类型绝对收益：主动优选（23.0%）、指数驱动（21.7%）、行业轮动（25.6%）[3][16] 量化因子与构建方式 报告未涉及用于选股或择时的量化因子（如价值、动量、质量等）的构建。 因子的回测效果 报告未涉及任何量化因子的回测效果。

量化模型与构建方式 1. **模型名称：行业拥挤度监测模型**[3] * **模型构建思路**：通过构建模型，对申万一级行业指数的拥挤度进行每日监测，以识别市场过热或过冷的行业[3]。 * **模型具体构建过程**：报告未详细说明该模型的具体构建步骤、所使用的指标或计算公式。 2. **模型名称：ETF产品筛选信号模型（基于溢价率Z-score）**[4] * **模型构建思路**：根据ETF的溢价率Z-score模型搭建筛选信号，通过滚动测算来识别存在潜在套利机会的ETF标的，同时提示回调风险[4]。 * **模型具体构建过程**：报告未详细说明该模型的具体构建步骤、Z-score的计算窗口期或具体的信号触发阈值。 量化因子与构建方式 1. **因子名称：行业拥挤度**[3] * **因子构建思路**：用于衡量申万一级行业指数的交易拥挤程度，数值高低可能反映市场情绪过热或过冷[3]。 * **因子具体构建过程**：报告未详细说明该因子的具体计算方法和构成指标。 2. **因子名称：溢价率Z-score**[4] * **因子构建思路**：基于ETF的IOPV溢价率计算其Z-score（标准化分数），用于判断当前溢价率相对于历史水平的偏离程度，从而发现套利机会[4]。 * **因子具体构建过程**：报告未给出具体的计算公式。通常，该因子构建过程可能涉及以下步骤： 1. 计算ETF的溢价率：$$溢价率 = (ETF市价 - IOPV) / IOPV$$ 2. 选取一定时间窗口（如过去20日或60日）的历史溢价率数据。 3. 计算该窗口期内溢价率的均值($$\mu$$)和标准差($$\sigma$$)。 4. 计算当前溢价率的Z-score：$$Z = (当前溢价率 - \mu) / \sigma$$ 模型的回测效果 （报告未提供任何量化模型的回测效果指标，如年化收益率、夏普比率、最大回撤、信息比率IR等。） 因子的回测效果 （报告未提供任何量化因子的回测效果指标，如IC值、IR、多空收益等。） 模型/因子的具体测试结果取值 1. **行业拥挤度监测模型** * **测试结果取值**：报告以热力图形式展示了截至前一交易日（数据截止日2025/12/3）近30个交易日内，各申万一级行业的拥挤度百分比数值[9]。例如，通信、农林牧渔、国防军工的拥挤度水平靠前，而汽车、美容护理、非银金融的拥挤度水平较低[3]。石油石化、有色金属行业的拥挤度变动较大[3]。 2. **ETF产品筛选信号模型** * **测试结果取值**：报告列出了根据模型生成的“建议关注”的ETF产品列表，包括汽车ETF(159512.SZ)、稀有金属ETF基金(561800.SH)、红利质量ETF(159758.SZ)、半导体ETF(512480.SH)、半导体材料ETF(562590.SH)[13]。报告未展示这些标的具体的溢价率Z-score数值。 3. **主力资金净流入（辅助监测指标）** * **测试结果取值**： * **行业层面**：报告提供了申万一级行业指数在T日（前一交易日）、T-1日、T-2日及近3个交易日合计的主力资金净流入额（单位：亿元）[11]。例如，T日主力资金流入煤炭；流出电子、计算机[3]。近三个交易日主力资金减配电力设备、计算机；增配煤炭[3]。 * **ETF层面**：报告分类列出了宽基、行业主题、风格策略、跨境ETF在当日的资金净流入/流出TOP3产品及其具体净流入金额（单位：亿元）[5][6]。

量化模型与因子总结 量化因子与构建方式 1. **因子名称**：超预期因子大类[7] * **因子构建思路**：基于PEAD效应，利用公司实际发布的财务数据与分析师一致预期之间的差异来构建选股因子，认为业绩超预期的公司未来股价有更好表现[7]。 * **因子具体构建过程**：报告未详细描述具体构建公式，但指出其详细介绍参见系列报告《基于PEAD效应的超预期因子选股效果如何》[7]。报告中列出的具体因子均进行了标准化和市值行业中性化处理[32]。 2. **因子名称**：高频分钟因子大类[7] * **因子构建思路**：基于分钟级别的高频行情数据，捕捉市场微观结构特征和交易行为信息，用于选股[7]。 * **因子具体构建过程**：报告未详细描述具体构建公式，但指出其详细介绍参见系列报告《基于分钟数据的高频因子选股效果研究》[7]。报告中列出的具体因子均进行了标准化和市值行业中性化处理[32]。 3. **因子名称**：基本因子大类[7] * **因子构建思路**：从估值、盈利、成长、公司治理、价量等多种传统投资逻辑出发构建常用因子库[32]。 * **因子具体构建过程**：报告未详细描述每个基本因子的具体计算公式。报告中列出的所有单因子在具体使用前，均会进行统一的预处理和中性化处理，具体步骤如下[32]： 1. **原始值计算**：根据各因子的投资逻辑初步计算得到因子原始值。 2. **去极值**：采用绝对中位数法对因子原始值进行去极值处理。 3. **标准化**：对去极值后的数据进行Z-Score标准化。 4. **市值行业中性化**：以每个股票标准化后的因子值作为因变量，以对数市值和中信一级行业虚拟变量作为自变量，进行横截面回归。将回归后的残差作为每个股票的最终因子值。 公式说明：此过程旨在消除市值和行业对因子选股效果的影响，使因子更纯粹地反映其背后的投资逻辑[32]。 4. **因子名称**：单季度营业收入同比增长率[33][37][39] * **因子构建思路**：属于成长类因子，衡量公司最近一个季度营业收入的同比增长情况，增长率越高代表成长性越强[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 5. **因子名称**：单季度归母ROE[33][39][40] * **因子构建思路**：属于盈利类因子，衡量公司最近一个季度归属于母公司股东的净资产收益率，值越高代表盈利能力越强[39][40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 6. **因子名称**：单季度归母ROA变动[33][39] * **因子构建思路**：属于成长类因子，衡量公司最近一个季度归母ROA相对于之前时期的变化，变动越大可能表示盈利能力的改善趋势越强[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 7. **因子名称**：分析师预测净利润增长率FY3[34][39] * **因子构建思路**：属于分析师类因子，采用分析师对公司未来第三年净利润增长率的预测共识，增长率越高代表未来成长预期越好[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 8. **因子名称**：分析师预测营收增长率-FY3[34][37][39] * **因子构建思路**：属于分析师类因子，采用分析师对公司未来第三年营业收入增长率的预测共识，增长率越高代表未来成长预期越好[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 9. **因子名称**：分析师预测营收FY3的120日变动[34][39] * **因子构建思路**：属于分析师类因子，衡量分析师对公司未来第三年营收预测共识在过去120日内的变动，向上修正可能代表基本面预期好转[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 10. **因子名称**：标准化预期外单季度归母ROE-带漂移项[35][39] * **因子构建思路**：属于超预期类因子，衡量公司单季度实际归母ROE与分析师预期之间的差异，并经过带漂移项的标准化处理，值越大表示业绩超预期幅度越大[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 11. **因子名称**：分析师预测ROE-FY3的120变动[35][37][39] * **因子构建思路**：属于分析师类因子，衡量分析师对公司未来第三年ROE预测共识在过去120日内的变动，向上修正可能代表盈利能力预期提升[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 12. **因子名称**：标准化预期外单季度归母净利润-带漂移项[35][39] * **因子构建思路**：属于超预期类因子，衡量公司单季度实际归母净利润与分析师预期之间的差异，并经过带漂移项的标准化处理，值越大表示业绩超预期幅度越大[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 13. **因子名称**：过去90日报告上调比例[36][39] * **因子构建思路**：属于分析师超预期类因子，统计过去90天内分析师发布的研究报告中上调评级或盈利预测的比例，比例越高代表市场对公司看法越积极[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 14. **因子名称**：标准化预期外单季度扣非净利润-带漂移项[36][39] * **因子构建思路**：属于超预期类因子，衡量公司单季度实际扣非净利润与分析师预期之间的差异，并经过带漂移项的标准化处理，值越大表示业绩超预期幅度越大[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 15. **因子名称**：5分钟成交量偏度[36][40] * **因子构建思路**：属于高频分钟类因子，基于5分钟数据计算成交量分布的偏度，捕捉异常交易行为[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 16. **因子名称**：分析师预测ROA-FY3的120变动[37][39] * **因子构建思路**：属于分析师类因子，衡量分析师对公司未来第三年ROA预测共识在过去120日内的变动[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 17. **因子名称**：EPS120日变动FY3[37][39] * **因子构建思路**：属于分析师类因子，衡量分析师对公司未来第三年每股收益预测共识在过去120日内的变动[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 18. **因子名称**：分析师预测净利润FY3的120日变动[37][39] * **因子构建思路**：属于分析师类因子，衡量分析师对公司未来第三年净利润预测共识在过去120日内的变动[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 19. **因子名称**：60日特异度[33][34][35][36][37][40] * **因子构建思路**：属于价量类因子，可能衡量股票收益率与市场收益率之间的特异性或残差波动，值越小可能表示与市场关联度越低或特质风险越小[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 20. **因子名称**：成交量方差比率[34][35][36][40] * **因子构建思路**：属于价量或高频类因子，可能衡量不同时间尺度成交量波动的比率，用于探测交易行为的持续性或周期性[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 21. **因子名称**：1分钟下行波动率占比[33][40] * **因子构建思路**：属于高频分钟类因子，基于1分钟数据计算下行波动率在总波动率中的占比，捕捉下跌时的波动风险[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 22. **因子名称**：20日日均交易金额[33][40] * **因子构建思路**：属于价量类因子，衡量股票近20日的平均交易金额，通常作为流动性或关注度的指标[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 23. **因子名称**：EBIT2EV[34][40] * **因子构建思路**：属于估值类因子，即企业价值倍数，衡量公司息税前利润与企业价值的比率，值越大可能代表估值越低或盈利能力越强[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 24. **因子名称**：3个月换手率标准差[34][40] * **因子构建思路**：属于价量类因子，衡量过去3个月换手率的波动情况，标准差小可能表示交易活跃度稳定[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 25. **因子名称**：净经营资产收益率[35][40] * **因子构建思路**：属于盈利类因子，衡量公司经营资产创造净利润的效率[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 26. **因子名称**：股息率[36][40] * **因子构建思路**：属于估值类因子，衡量公司现金分红与股价的比率，是红利投资策略的核心指标[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 27. **因子名称**：单季度归母净利润[36][40] * **因子构建思路**：属于盈利类因子，衡量公司最近一个季度的净利润规模[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 28. **因子名称**：单季度归母ROA[36][40] * **因子构建思路**：属于盈利类因子，衡量公司最近一个季度归属于母公司股东的总资产收益率[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 29. **因子名称**：尾盘成交量波动率[37][40] * **因子构建思路**：属于高频分钟类因子，衡量尾盘时段成交量的波动情况[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 因子的回测效果 （注：以下所有因子取值均基于“单因子组合优化”测试，超额收益为因子多头组合相对于基准指数的收益。时间区间为“上周”（2025-11-24至2025-11-28）和“本年”（截至2025-11-28）。数据来源于报告中的单因子表现表[39][40]） 1. **标准化预期外单季度扣非净利润因子**，上周超额收益（沪深300）0.22%，上周超额收益（中证500）0.33%，上周超额收益（中证1000）1.06%，上周超额收益（中证2000）0.20%，上周超额收益（中证全指）0.97%；本年超额收益（沪深300）8.45%，本年超额收益（中证500）4.68%，本年超额收益（中证1000）4.29%，本年超额收益（中证2000）20.71%，本年超额收益（中证全指）6.63%[39] 2. **标准化预期外单季度扣非净利润-带漂移项因子**，上周超额收益（沪深300）-0.10%，上周超额收益（中证500）0.21%，上周超额收益（中证1000）1.61%，上周超额收益（中证2000）-0.36%，上周超额收益（中证全指）0.96%；本年超额收益（沪深300）9.93%，本年超额收益（中证500）4.86%，本年超额收益（中证1000）18.34%，本年超额收益（中证2000）22.18%，本年超额收益（中证全指）12.48%[39] 3. **标准化预期外单季度归母净利润-带漂移项因子**，上周超额收益（沪深300）-0.10%，上周超额收益（中证500）0.21%，上周超额收益（中证1000）1.61%，上周超额收益（中证2000）-0.36%，上周超额收益（中证全指）0.96%；本年超额收益（沪深300）9.93%，本年超额收益（中证500）4.86%，本年超额收益（中证1000）18.34%，本年超额收益（中证2000）22.18%，本年超额收益（中证全指）12.48%[39] 4. **标准化预期外单季度营业收入-带漂移项因子**，上周超额收益（沪深300）0.32%，上周超额收益（中证500）0.37%，上周超额收益（中证1000）1.61%，上周超额收益（中证2000）-0.57%，上周超额收益（中证全指）1.20%；本年超额收益（沪深300）12.12%，本年超额收益（中证500）6.89%，本年超额收益（中证1000）11.95%，本年超额收益（中证2000）20.81%，本年超额收益（中证全指）11.06%[39] 5. **标准化预期外单季度归母净利润因子**，上周超额收益（沪深300）-0.17%，上周超额收益（中证500）0.25%，上周超额收益（中证1000）1.36%，上周超额收益（中证2000）-0.15%，上周超额收益（中证全指）0.67%；本年超额收益（沪深300）14.15%，本年超额收益（中证500）3.76%，本年超额收益（中证1000）14.66%，本年超额收益（中证2000）21.60%，本年超额收益（中证全指）11.00%[39] 6. **标准化预期外单季度营业收入因子**，上周超额收益（沪深300）0.26%，上周超额收益（中证500）0.01%，上周超额收益（中证1000）1.37%，上周超额收益（中证2000）-0.50%，上周超额收益（中证全指）0.87%；本年超额收益（沪深300）13.90%，本年超额收益（中证500）0.65%，本年超额收益（中证1000）11.02%，本年超额收益（中证2000）19.43%，本年超额收益（中证全指）6.38%[39] 7. **标准化预期外单季度GPOA因子**，上周超额收益（沪深300）0.48%，上周超额收益（中证500）0.52%，上周超额收益（中证1000）0.86%，上周超额收益（中证2000）-0.02%，上周超额收益（中证全指）0.40%；本年超额收益（沪深300）12.44%，本年超额收益（中证500）2.49%，本年超额收益（中证1000）6.55%，本年超额收益（中证2000）11.75%，本年超额收益（中证全指）6.68%[39] 8. **标准化预期外单季度归母ROA因子**，上周超额收益（沪深300）0.01%，上周超额收益（中证500）0.40%，上周超额收益（中证1000）1.

量化因子与构建方式 1. **因子名称：估值偏离 EPD 因子** **因子构建思路：** 将CTA领域常用的布林带均值回复策略与基本面的估值修复逻辑相结合，利用估值指标PE存在的均值回复特性构建因子[7] **因子具体构建过程：** 具体构建过程未在提供内容中详细描述，但核心是利用PE指标的均值回复特性，其构建逻辑源于布林带策略[7] 2. **因子名称：缓慢偏离 EPDS 因子** **因子构建思路：** 为了剔除个股估值逻辑变化带来的影响，在截面上用EPD因子剔除个股估值逻辑被改变的概率（由个股信息比率代理）[7] **因子具体构建过程：** 具体构建过程未在提供内容中详细描述，核心步骤是用EPD因子剔除由个股信息比率代理的个股估值逻辑改变概率[7] 3. **因子名称：估值异常 EPA 因子** **因子构建思路：** 在EPDS因子的基础上，进一步剔除影响"估值异常"逻辑的Beta、成长与价值风格，最终得到估值异常因子[7] **因子具体构建过程：** 具体构建过程未在提供内容中详细描述，核心步骤是对EPDS因子进行风格中性化处理，剔除Beta、成长与价值风格的影响[7] **因子评价：** 在回测期2010/01-2022/05内，以全体A股为研究样本，EPA因子的月度RankIC均值为0.061，RankICIR为4.75，表现出较好的选股能力[2] 因子的回测效果 1. **估值偏离 EPD 因子**，年化收益率 17.22%，年化波动率 9.92%，信息比率 1.73，月度胜率 70.00%，最大回撤率 8.93%[2][8][13] 2. **缓慢偏离 EPDS 因子**，年化收益率 15.83%，年化波动率 5.77%，信息比率 2.74，月度胜率 77.89%，最大回撤率 3.10%[2][8][13] 3. **估值异常 EPA 因子**，年化收益率 16.93%，年化波动率 5.20%，信息比率 3.26，月度胜率 80.00%，最大回撤率 3.12%[2][8][13]

根据提供的融资融券周报内容，报告主要描述了市场概况和两融业务数据，并未涉及具体的量化模型或量化因子的构建、测试与评价。报告内容集中于市场指数表现、两融余额变动、行业及个股的两融交易特征等描述性统计[10][13][29][30][48][49][51]。 因此，本总结中关于量化模型与因子构建方式、模型评价及回测效果的部分均无相关内容。

量化因子与构建方式 1. **因子名称：TPS（Turn20 conformed by PLUS）**[1][9] * **因子构建思路**：从考察日频换手率稳定性的角度，基于价量配合思想，利用价格因子（影线差）对传统换手率因子（Turn20）进行改进，以解决传统换手率因子在换手率最大分组中，组内成分股未来收益差异较大、容易误判的问题[6][7][8][9] * **因子具体构建过程**： * 首先，构建传统换手率因子Turn20，计算方式为将过去20个交易日的换手率取平均值，再进行横截面市值中性化[6] * 其次，选定价格因子为影线差[8][9] * 最后，利用影线差对Turn20因子进行配合，构建成交价改进换手率因子TPS[9] 2. **因子名称：SPS（STR conformed by PLUS）**[1][9] * **因子构建思路**：从考察日频换手率稳定性的角度，基于价量配合思想，利用价格因子（影线差）对量稳换手率因子（STR）进行改进，旨在进一步提升因子的选股能力[7][8][9] * **因子具体构建过程**： * 首先，参考前期研究构建量稳换手率因子STR[7] * 其次，选定价格因子为影线差[8][9] * 最后，利用影线差对STR因子进行配合，构建成交价改进换手率因子SPS[9] 3. **因子名称：传统换手率因子（Turn20）**[6] * **因子构建思路**：基于过去一个月的平均换手率进行选股，逻辑是过去换手率越小的股票，未来越有可能上涨[6][7] * **因子具体构建过程**：把过去20个交易日的换手率取平均值，再进行横截面市值中性化[6] 4. **因子名称：量稳换手率因子（STR）**[7] * **因子构建思路**：旨在解决传统换手率因子的缺陷，表现优于传统换手率因子，但未能完全消除组内收益率标准差的单调性问题[7] 因子的回测效果 1. **TPS因子**（回测期：2006年1月至2025年11月，全体A股，10分组多空对冲）[1][9][11] * 年化收益率：39.30% * 年化波动率：15.71% * 信息比率（IR）：2.50 * 月度胜率：77.64% * 最大回撤率：18.19% 2. **SPS因子**（回测期：2006年1月至2025年11月，全体A股，10分组多空对冲）[1][11][12][14] * 年化收益率：42.98% * 年化波动率：13.15% * 信息比率（IR）：3.27 * 月度胜率：83.54% * 最大回撤率：11.58% 3. **传统换手率因子（Turn20）**（回测期：2006年1月至2022年12月30日，全体A股）[6] * 月度IC均值：-0.076 * 年化ICIR：-2.23 * 多空对冲年化收益率：37.71% * 信息比率（IR）：2.20 * 月度胜率：70.79%

根据您提供的研报内容，以下是关于其中涉及的量化模型与因子的详细总结。报告主要对各类市场指标和因子进行了跟踪分析，并未涉及复杂的多因子模型或策略模型。 量化因子与构建方式 1. **因子名称：风险溢价**[27][28] * **因子构建思路**：以十年期国债即期收益率为无风险利率的参考，计算各宽基指数收益率与其差值，用以衡量股票市场相对于无风险资产的投资价值和风险补偿[27][28] * **因子具体构建过程**：风险溢价的计算公式为宽基指数的收益率减去十年期国债即期收益率。报告中具体展示了各指数当前的风险溢价数值及其在不同时间窗口（近1年、近5年）内的统计特征，如分位值、均值、波动率及标准差区间[31] * **因子评价**：各指数的风险溢价存在均值复归现象，其中中证1000和中证2000的波动率相对较大；上证50的风险溢价分布更集中，而中证1000、中证2000和创业板指的分布较分散，不确定性更大[28][34] 2. **因子名称：市盈率（PE-TTM）**[39][41] * **因子构建思路**：使用滚动市盈率作为估值参考，衡量各宽基指数在当前时点的投资价值[39] * **因子具体构建过程**：PE-TTM = 总市值 / 最近12个月净利润总和。报告跟踪了各指数的PE-TTM当前值，并计算了其相对于近1年、近5年以及全部历史数据的分位值，同时提供了近1年的均值、波动率及标准差区间[43][44] 3. **因子名称：股债性价比**[46] * **因子构建思路**：将股票市场的潜在收益率（以PE-TTM的倒数代表）与债券市场收益率（十年期国债即期收益率）进行比较，辅助资产配置决策[46] * **因子具体构建过程**：股债性价比 = (1 / 指数PE-TTM) - 十年期国债即期收益率。报告中通过图表展示了该因子的历史走势，并与近5年的80分位值（机会值）、20分位值（危险值）、均值及±1倍标准差区间进行了对比[46] 4. **因子名称：股息率**[48][49] * **因子构建思路**：跟踪各宽基指数的现金分红回报率，反映红利投资风格的价值，尤其在市场低迷或利率下行时期受到关注[48] * **因子具体构建过程**：股息率 = 近12个月现金分红总额 / 总市值。报告列出了各指数当前的股息率，并分析了其在近1年、近5年及全部历史数据中的分位情况，同时计算了近1年的均值、波动率及标准差区间[51][53] 5. **因子名称：破净率**[53][55] * **因子构建思路**：通过统计市净率（PB）小于1的个股占比，反映市场整体的估值态度和悲观情绪，占比越高通常意味着低估越普遍[53][55] * **因子具体构建过程**：破净率 = (指数成分股中破净个股数量 / 指数总成分股数量) * 100%。报告给出了各宽基指数在当前时点的具体破净率数值[55] 6. **因子名称：均线偏离度**[11][14] * **因子构建思路**：通过比较指数收盘价与不同周期移动平均线（MA）的位置关系，判断市场短期和长期的趋势强度及支撑压力位[11][14] * **因子具体构建过程**：计算指数收盘价相对于5日（MA5）、10日（MA10）、20日（MA20）、60日（MA60）、120日（MA120）、250日（MA250）均线的偏离百分比，公式为：$$偏离度 = (收盘价 / 均线价格 - 1) * 100\%$$[14][15] 7. **因子名称：收益分布形态（偏度与峰度）**[23][25] * **因子构建思路**：分析指数日收益率分布的形态特征，偏度衡量分布的不对称性，峰度衡量分布的尖锐或平坦程度，用以观察市场收益特征的变化[23][25] * **因子具体构建过程**：报告计算了各宽基指数日收益率序列的近5年峰度、偏度以及当前时点的峰度、偏度，并进行了对比。注明了峰度计算中减去了3（正态分布的峰度值）[25] 因子的回测效果 1. **风险溢价因子**[31] * 当前风险溢价：上证50 (-0.52%), 沪深300 (-0.52%), 中证500 (-0.63%), 中证1000 (-0.90%), 中证2000 (-1.03%), 中证全指 (-0.70%), 创业板指 (-1.13%) * 近5年分位值：上证50 (27.70%), 沪深300 (28.73%), 中证500 (26.19%), 中证1000 (22.54%), 中证2000 (20.32%), 中证全指 (21.83%), 创业板指 (22.70%) * 近1年波动率：上证50 (0.86%), 沪深300 (0.99%), 中证500 (1.30%), 中证1000 (1.44%), 中证2000 (1.66%), 中证全指 (1.16%), 创业板指 (1.84%) 2. **PE-TTM因子**[44] * 当前值：上证50 (11.80), 沪深300 (13.95), 中证500 (32.01), 中证1000 (46.44), 中证2000 (153.26), 中证全指 (20.88), 创业板指 (39.55) * 近5年历史分位值：上证50 (83.47%), 沪深300 (81.57%), 中证500 (94.63%), 中证1000 (95.21%), 中证2000 (80.50%), 中证全指 (91.49%), 创业板指 (54.21%) * 近1年波动率：上证50 (0.48), 沪深300 (0.73), 中证500 (2.51), 中证1000 (4.20), 中证2000 (30.59), 中证全指 (1.45), 创业板指 (4.72) 3. **股息率因子**[53] * 当前值：上证50 (3.32%), 沪深300 (2.74%), 中证500 (1.40%), 中证1000 (1.14%), 中证2000 (0.77%), 中证全指 (2.04%), 创业板指 (1.04%) * 近5年历史分位值：上证50 (36.78%), 沪深300 (37.44%), 中证500 (17.36%), 中证1000 (51.65%), 中证2000 (16.78%), 中证全指 (36.69%), 创业板指 (71.57%) * 近1年波动率：上证50 (0.41%), 沪深300 (0.41%), 中证500 (0.21%), 中证1000 (0.15%), 中证2000 (0.12%), 中证全指 (0.31%), 创业板指 (0.14%) 4. **破净率因子**[55] * 当前破净率：上证50 (22.0%), 沪深300 (16.0%), 中证500 (11.8%), 中证1000 (8.0%), 中证2000 (2.95%), 中证全指 (6.1%), 创业板指 (1.0%) 5. **均线偏离度因子**[15] * 相对于MA5偏离度：上证50 (-0.4%), 沪深300 (-0.2%), 中证500 (-0.4%), 中证1000 (-0.8%), 中证2000 (-0.6%), 中证全指 (-0.4%), 创业板指 (-0.7%) * 相对于MA250偏离度：上证50 (7.1%), 沪深300 (10.6%), 中证500 (12.4%), 中证1000 (10.4%), 中证2000 (12.8%), 中证全指 (11.4%), 创业板指 (26.8%) 6. **收益分布形态因子**[25] * 当前峰度（减3后）：上证50 (0.00), 沪深300 (0.56), 中证500 (0.91), 中证1000 (1.44), 中证2000 (1.38), 中证全指 (1.04), 创业板指 (1.44) * 当前偏度：上证50 (1.32), 沪深300 (1.52), 中证500 (1.57), 中证1000 (1.66), 中证2000 (1.68), 中证全指 (1.64), 创业板指 (1.66) * 当前峰度 vs. 近5年峰度：上证50 (-2.10), 沪深300 (-1.83), 中证500 (-2.02), 中证1000 (-1.31), 中证2000 (-1.49), 中证全指 (-1.74), 创业板指 (-2.15)