量化模型与因子总结 量化模型与构建方式 1. **模型名称**：国信金工指数增强组合模型[11][12] * **模型构建思路**：以多因子选股为主体，构建对标不同宽基指数的增强组合，力求稳定战胜各自基准[11] * **模型具体构建过程**：构建流程主要包括收益预测、风险控制和组合优化三部分[12]。具体步骤未在报告中详细展开。 2. **模型名称**：单因子MFE组合模型[15][42] * **模型构建思路**：为了在更贴近实际投资约束的条件下检验单因子的有效性，采用组合优化的方式，在控制行业暴露、风格暴露等约束下，构建最大化单因子暴露的组合[42] * **模型具体构建过程**：采用组合优化模型构建最大化单因子暴露组合[42]。具体步骤如下： 1. 设定约束条件，包括风格暴露、行业暴露、个股权重偏离、成分股内权重占比、个股权重上下限等[46]。例如，对于沪深300和中证500指数，控制MFE组合相对于基准在中信一级行业和市值风格因子上的相对暴露为0，个股相对于成分股最大偏离权重1%，成分股内权重占比100%[46] 2. 在每个月末，根据约束条件构建每个单因子的MFE组合[46] 3. 在回测期内根据各期MFE组合换仓，计算历史收益并按双边0.3%扣除交易费用，计算相对于基准的收益风险统计指标[46] * **模型评价**：该方法能更真实地反映因子在实际投资约束下的有效性，检验后认为“有效”的因子更可能在最终组合中发挥真实的收益预测作用[42] 量化因子与构建方式 报告从估值、反转、成长、盈利、流动性、公司治理、分析师等维度出发，构造了30余个因子[16]。具体因子名称及计算方式如下[17]： 1. **因子名称**：BP * **因子构建思路**：估值类因子 * **因子具体构建过程**：净资产 / 总市值[17] 2. **因子名称**：单季EP * **因子构建思路**：估值类因子 * **因子具体构建过程**：单季度归母净利润 / 总市值[17] 3. **因子名称**：单季SP * **因子构建思路**：估值类因子 * **因子具体构建过程**：单季度营业收入 / 总市值[17] 4. **因子名称**：EPTTM * **因子构建思路**：估值类因子 * **因子具体构建过程**：归母净利润TTM / 总市值[17] 5. **因子名称**：SPTTM * **因子构建思路**：估值类因子 * **因子具体构建过程**：营业收入TTM / 总市值[17] 6. **因子名称**：EPTTM分位点 * **因子构建思路**：估值类因子 * **因子具体构建过程**：EPTTM在过去一年中的分位点[17] 7. **因子名称**：股息率 * **因子构建思路**：估值类因子 * **因子具体构建过程**：最近四个季度预案分红金额 / 总市值[17] 8. **因子名称**：一个月反转 * **因子构建思路**：反转类因子 * **因子具体构建过程**：过去20个交易日涨跌幅[17] 9. **因子名称**：三个月反转 * **因子构建思路**：反转类因子 * **因子具体构建过程**：过去60个交易日涨跌幅[17] 10. **因子名称**：一年动量 * **因子构建思路**：反转/动量类因子 * **因子具体构建过程**：近一年除近一月后动量[17] 11. **因子名称**：单季净利同比增速 * **因子构建思路**：成长类因子 * **因子具体构建过程**：单季度净利润同比增长率[17] 12. **因子名称**：单季营收同比增速 * **因子构建思路**：成长类因子 * **因子具体构建过程**：单季度营业收入同比增长率[17] 13. **因子名称**：单季营利同比增速 * **因子构建思路**：成长类因子 * **因子具体构建过程**：单季度营业利润同比增长率[17] 14. **因子名称**：SUE (标准化预期外盈利) * **因子构建思路**：成长类因子 * **因子具体构建过程**：(单季度实际净利润 - 预期净利润) / 预期净利润标准差[17] 15. **因子名称**：SUR (标准化预期外收入) * **因子构建思路**：成长类因子 * **因子具体构建过程**：(单季度实际营业收入 - 预期营业收入) / 预期营业收入标准差[17] 16. **因子名称**：单季超预期幅度 * **因子构建思路**：成长类因子 * **因子具体构建过程**：预期单季度净利润 / 财报单季度净利润[17] 17. **因子名称**：单季ROE * **因子构建思路**：盈利类因子 * **因子具体构建过程**：单季度归母净利润 * 2 / (期初归母净资产 + 期末归母净资产)[17] 18. **因子名称**：单季ROA * **因子构建思路**：盈利类因子 * **因子具体构建过程**：单季度归母净利润 * 2 / (期初归母总资产 + 期末归母总资产)[17] 19. **因子名称**：DELTAROE * **因子构建思路**：盈利类因子 * **因子具体构建过程**：单季度净资产收益率 - 去年同期单季度净资产收益率[17] 20. **因子名称**：DELTAROA * **因子构建思路**：盈利类因子 * **因子具体构建过程**：单季度总资产收益率 - 去年同期单季度总资产收益率[17] 21. **因子名称**：非流动性冲击 * **因子构建思路**：流动性类因子 * **因子具体构建过程**：过去20个交易日的日涨跌幅绝对值 / 成交额的均值[17] 22. **因子名称**：一个月换手 * **因子构建思路**：流动性类因子 * **因子具体构建过程**：过去20个交易日换手率均值[17] 23. **因子名称**：三个月换手 * **因子构建思路**：流动性类因子 * **因子具体构建过程**：过去60个交易日换手率均值[17] 24. **因子名称**：特异度 * **因子构建思路**：波动类因子 * **因子具体构建过程**：1 - 过去20个交易日Fama-French三因子回归的拟合度[17] 25. **因子名称**：一个月波动 * **因子构建思路**：波动类因子 * **因子具体构建过程**：过去20个交易日日内真实波幅均值[17] 26. **因子名称**：三个月波动 * **因子构建思路**：波动类因子 * **因子具体构建过程**：过去60个交易日日内真实波幅均值[17] 27. **因子名称**：高管薪酬 * **因子构建思路**：公司治理类因子 * **因子具体构建过程**：前三高管报酬总额取对数[17] 28. **因子名称**：预期EPTTM * **因子构建思路**：分析师类因子 * **因子具体构建过程**：一致预期滚动EP[17] 29. **因子名称**：预期BP * **因子构建思路**：分析师类因子 * **因子具体构建过程**：一致预期滚动PB[17] 30. **因子名称**：预期PEG * **因子构建思路**：分析师类因子 * **因子具体构建过程**：一致预期PEG[17] 31. **因子名称**：预期净利润环比 * **因子构建思路**：分析师类因子 * **因子具体构建过程**：一致预期净利润 / 3个月前一致预期净利润[17] 32. **因子名称**：3个月盈利上下调 * **因子构建思路**：分析师类因子 * **因子具体构建过程**：过去3个月内分析师(上调家数 - 下调家数) / 总家数[17] 33. **因子名称**：三个月机构覆盖 * **因子构建思路**：分析师类因子 * **因子具体构建过程**：过去3个月内机构覆盖数量[17] 模型的回测效果 1. **国信金工沪深300指数增强组合**，本周超额收益0.24%，本年超额收益3.21%[5][14] 2. **国信金工中证500指数增强组合**，本周超额收益0.53%，本年超额收益-0.27%[5][14] 3. **国信金工中证1000指数增强组合**，本周超额收益1.63%，本年超额收益3.92%[5][14] 4. **国信金工中证A500指数增强组合**，本周超额收益0.40%，本年超额收益3.28%[5][14] 因子的回测效果 (基于单因子MFE组合) 报告分别以沪深300、中证500、中证1000、中证A500及公募重仓指数为选股空间，展示了各因子MFE组合在最近一周、最近一月、今年以来及历史年化等不同时间窗口的超额收益表现[18][21][23][25][27]。以下为各样本空间中部分因子的近期表现示例： **沪深300样本空间**[18]： 1. **单季SP因子**，最近一周超额收益1.33%，最近一月超额收益0.89%，今年以来超额收益0.63%，历史年化超额收益2.80% 2. **SPTTM因子**，最近一周超额收益1.11%，最近一月超额收益0.81%，今年以来超额收益0.60%，历史年化超额收益2.03% 3. **单季EP因子**，最近一周超额收益0.99%，最近一月超额收益1.48%，今年以来超额收益1.55%，历史年化超额收益5.37% **中证500样本空间**[21]： 1. **一个月波动因子**，最近一周超额收益1.57%，最近一月超额收益1.49%，今年以来超额收益-0.37%，历史年化超额收益0.80% 2. **三个月反转因子**，最近一周超额收益1.42%，最近一月超额收益-3.14%，今年以来超额收益-3.40%，历史年化超额收益-2.38% 3. **一个月反转因子**，最近一周超额收益1.19%，最近一月超额收益-0.32%，今年以来超额收益-1.67%，历史年化超额收益-1.60% **中证1000样本空间**[23]： 1. **一个月反转因子**，最近一周超额收益1.77%，最近一月超额收益-0.37%，今年以来超额收益-0.40%，历史年化超额收益-4.29% 2. **三个月反转因子**，最近一周超额收益1.56%，最近一月超额收益0.76%，今年以来超额收益1.70%，历史年化超额收益-1.95% 3. **非流动性冲击因子**，最近一周超额收益1.52%，最近一月超额收益2.73%，今年以来超额收益3.06%，历史年化超额收益2.48% **中证A500样本空间**[25]： 1. **一个月波动因子**，最近一周超额收益1.46%，最近一月超额收益1.50%，今年以来超额收益0.51%，历史年化超额收益0.95% 2. **单季EP因子**，最近一周超额收益1.29%，最近一月超额收益1.59%，今年以来超额收益0.63%，历史年化超额收益5.16% 3. **三个月换手因子**，最近一周超额收益1.21%，最近一月超额收益0.61%，今年以来超额收益0.49%，历史年化超额收益2.81% **公募重仓指数样本空间**[27]： 1. **一个月波动因子**，最近一周超额收益1.61%，最近一月超额收益1.18%，今年以来超额收益-0.43%，历史年化超额收益0.03% 2. **单季SP因子**，最近一周超额收益1.45%，最近一月超额收益1.56%，今年以来超额收益0.50%，历史年化超额收益1.98% 3. **SPTTM因子**，最近一周超额收益1.44%，最近一月超额收益1.09%，今年以来超额收益0.08%，历史年化超额收益0.76%

量化市场跟踪：大类因子表现 - 本周全市场股票池中 Beta因子获取正收益0.66% 估值因子获取正收益0.48% [4] - 本周全市场股票池中 市值因子获取负收益-0.80% 市场表现为小市值风格 [4] 量化市场跟踪：单因子表现 - 沪深300股票池中 本周表现较好的因子有5日平均换手率(4.52%) 5日反转(3.17%) 市净率因子(3.10%) [5] - 沪深300股票池中 本周表现较差的因子有总资产增长率(-2.05%) 单季度ROE(-1.16%) 单季度EPS(-1.13%) [5] - 中证500股票池中 本周表现较好的因子有5日反转(3.80%) 单季度营业利润同比增长率(1.98%) 市销率TTM倒数(1.65%) [5] - 中证500股票池中 本周表现较差的因子有动量调整小单(-2.41%) 毛利率TTM(-1.76%) 小单净流入(-1.53%) [5] - 流动性1500股票池中 本周表现较好的因子有早盘后收益因子(2.18%) 5日反转(2.17%) 标准化预期外收入(1.77%) [5] - 流动性1500股票池中 本周表现较差的因子有ROA稳定性(-1.49%) 小单净流入(-1.33%) 总资产毛利率TTM(-1.32%) [5] 量化市场跟踪：因子行业内表现 - 基本面因子中 每股净资产因子与每股经营利润TTM因子在国防军工 休闲服务行业正收益较为一致 [6] - 估值类因子中 BP因子和EP因子在国防军工 休闲服务行业正收益较为一致 [6] - 残差波动率因子和流动性因子在煤炭行业正收益较为一致 [6] - 市值风格上 本周国防军工 有色金属 建筑材料 石油石化行业大市值风格显著 [6] 量化策略组合跟踪：PB-ROE-50组合 - 本周PB-ROE-50组合在各股票池中均获取正超额收益 [7] - 该组合在中证500股票池中获得超额收益1.38% 在中证800股票池中获得超额收益2.54% 在全市场股票池中获得超额收益4.23% [7] 量化策略组合跟踪：机构调研组合 - 本周公募调研选股策略和私募调研跟踪策略均获取正超额收益 [8] - 公募调研选股策略相对中证800获得超额收益0.61% 私募调研跟踪策略相对中证800获得超额收益3.43% [8] 量化策略组合跟踪：大宗交易组合 - 本周大宗交易组合相对中证全指获取正超额收益0.86% [9] 量化策略组合跟踪：定向增发组合 - 本周定向增发组合相对中证全指获取正超额收益1.32% [10]

量化模型与因子总结 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：** 基于市净率（PB）和净资产收益率（ROE）两个核心指标进行选股，旨在寻找估值合理且盈利能力强的公司[23]。 * **模型具体构建过程：** 报告未详细描述该组合的具体构建公式和步骤，仅提及其为基于PB和ROE的选股组合[23]。 2. **模型名称：机构调研组合** * **模型构建思路：** 利用机构调研事件作为信息源，构建选股策略。具体分为公募调研选股策略和私募调研跟踪策略[25]。 * **模型具体构建过程：** 报告未详细描述该组合的具体构建公式和步骤，仅提及其为基于机构调研事件的选股策略[25]。 3. **模型名称：大宗交易组合** * **模型构建思路：** 基于“高成交、低波动”原则，从发生大宗交易的股票中筛选后续表现更佳的标的[29]。 * **模型具体构建过程：** 通过统计分析发现，“大宗交易成交金额比率”越高、“6日成交金额波动率”越低的股票后续表现更佳。根据此原则，以月频调仓方式构造组合[29]。 4. **模型名称：定向增发组合** * **模型构建思路：** 以定向增发（定增）的股东大会公告日为事件节点，进行事件驱动选股[35]。 * **模型具体构建过程：** 综合考虑市值因素、调仓周期以及对仓位的控制来构造组合，但报告未给出具体的构建公式[35]。 模型的回测效果 1. **PB-ROE-50组合**，本周超越基准收益率（中证500）1.38%[24]，本周超越基准收益率（中证800）2.54%[24]，本周超越基准收益率（全市场）4.23%[24]，今年以来超额收益率（中证500）-1.02%[24]，今年以来超额收益率（中证800）6.00%[24]，今年以来超额收益率（全市场）8.52%[24]，本周绝对收益率（中证500）5.79%[24]，本周绝对收益率（中证800）3.37%[24]，本周绝对收益率（全市场）6.06%[24]，今年以来绝对收益率（中证500）13.89%[24]，今年以来绝对收益率（中证800）11.54%[24]，今年以来绝对收益率（全市场）16.54%[24] 2. **机构调研组合（公募调研选股）**，本周超越基准收益率0.61%[26]，今年以来超额收益率3.54%[26]，本周绝对收益率1.41%[26]，今年以来绝对收益率8.95%[26] 3. **机构调研组合（私募调研跟踪）**，本周超越基准收益率3.43%[26]，今年以来超额收益率8.53%[26]，本周绝对收益率4.26%[26]，今年以来绝对收益率14.20%[26] 4. **大宗交易组合**，本周超越基准收益率0.86%[30]，今年以来超额收益率5.56%[30]，本周绝对收益率2.63%[30]，今年以来绝对收益率13.36%[30] 5. **定向增发组合**，本周超越基准收益率1.32%[36]，今年以来超额收益率1.04%[36]，本周绝对收益率3.10%[36]，今年以来绝对收益率8.51%[36] 量化因子与构建方式 1. **因子名称：大类因子（风格因子）** * **因子构建思路：** 将众多单因子归类为几个具有明确经济含义的大类风格，以观察市场整体风格动向[18]。 * **因子具体构建过程：** 报告未详细描述大类因子的具体构建过程，但列出了Beta因子、估值因子、市值因子等类别及其本周表现[18]。 2. **单因子（列举部分）** * 报告提及了大量单因子，但均未提供具体的构建公式和详细过程，仅列出了其名称、方向及在不同股票池和周期下的表现[12][13][14][15][16][17]。这些因子涵盖多个维度： * **动量反转类：** 5日反转、动量弹簧因子、5日动量、1月动量等[13][15][17][22] * **估值类：** 市净率因子、市盈率TTM倒数、市销率TTM倒数、BP因子、EP因子等[12][13][14][15][16][17][21][22] * **盈利质量类：** 单季度ROE、单季度营业利润同比增长率、单季度净利润同比增长率、毛利率TTM、营业利润率TTM、净利润率TTM、ROE稳定性、ROA稳定性等[12][13][14][15][16][17][22] * **成长类：** 总资产增长率、单季度营业收入同比增长率、净资产增长率等[12][13][15][17][22] * **流动性类：** 5日平均换手率、换手率相对波动率、6日成交金额的移动平均值、6日成交金额波动率等[12][13][15][17][29] * **交易行为类：** 早盘收益因子、早盘后收益因子、动量调整大单、动量调整小单、大单净流入、小单净流入、净利润断层、标准化预期外收入、标准化预期外盈利等[12][13][14][15][16][17] * **波动率类：** 残差波动率、下行波动率占比、5日成交量的标准差、6日成交金额的标准差、日内波动率与成交金额的相关性等[13][15][17][21][22] * **规模类：** 对数市值因子[13][15][17][22] 因子的回测效果 （注：以下仅展示报告中明确提供了数值的部分因子近期表现。所有因子表现数据均为“剔除行业与市值影响后多头组合相对于基准指数的超额收益”[12]。） 沪深300股票池因子表现（最近1周） 1. **5日平均换手率**，因子方向：负向，最近1周收益：4.52%[13] 2. **5日反转**，因子方向：负向，最近1周收益：3.17%[13] 3. **市净率因子**，因子方向：正向，最近1周收益：3.10%[13] 4. **总资产增长率**，因子方向：正向，最近1周收益：-2.05%[13] 5. **单季度ROE**，因子方向：正向，最近1周收益：-1.16%[13] 6. **单季度EPS**，因子方向：正向，最近1周收益：-1.13%[13] 中证500股票池因子表现（最近1周） 1. **5日反转**，因子方向：负向，最近1周收益：3.80%[15] 2. **单季度营业利润同比增长率**，因子方向：正向，最近1周收益：1.98%[15] 3. **市销率TTM倒数**，因子方向：正向，最近1周收益：1.65%[15] 4. **动量调整小单**，因子方向：负向，最近1周收益：-2.41%[15] 5. **毛利率TTM**，因子方向：正向，最近1周收益：-1.76%[15] 6. **小单净流入**，因子方向：负向，最近1周收益：-1.53%[15] 流动性1500股票池因子表现（最近1周） 1. **早盘后收益因子**，因子方向：负向，最近1周收益：2.18%[17] 2. **5日反转**，因子方向：负向，最近1周收益：2.17%[17] 3. **标准化预期外收入**，因子方向：正向，最近1周收益：1.77%[17] 4. **ROA稳定性**，因子方向：正向，最近1周收益：-1.49%[17] 5. **小单净流入**，因子方向：负向，最近1周收益：-1.33%[17] 6. **总资产毛利率TTM**，因子方向：正向，最近1周收益：-1.32%[17] 大类因子表现（全市场股票池，最近1周） 1. **Beta因子**，最近1周收益：0.66%[18] 2. **估值因子**，最近1周收益：0.48%[18] 3. **市值因子**，最近1周收益：-0.80%[18]

报告行业投资评级 报告未提及行业投资评级相关内容 报告的核心观点 - 年报及业绩预告披露使市场回归业绩主线，主题投资持续性或走弱，估值因子有望走强，基本面优、业绩超预期标的成春季躁动下半场核心主线 [1][3] - 过去一周权益市场冲高后风格将均衡，主题投资向盈利质量回归，转债市场风格随之均衡 [1][10] - 近期波动率和量价相关性风格强，估值因子未充分定价，投资者要把握品种并控制回撤与估值约束 [2][11] - 春季行情未结束，业绩验证叠加成长板块优势，优质公司有望获超额收益，原因包括市场情绪均值回归、增量资金推动定价权转移、年报窗口催化估值约束回归 [3][21] 根据相关目录分别进行总结 转债周度思考 - 过去一周权益市场冲高后风格均衡，主题投资向盈利质量回归，转债市场风格随权益端均衡 [10] - 过去一周波动率和量价相关性风格强，估值因子未充分定价，投资者需把握品种并控制回撤与估值约束，波动率风格下强势转债收益率均值约 +0.45% [2][11] - 过去一周资金风险偏好谨慎，配置以防御稳健为主，债券 ETF 成交活跃，权益 ETF 有阶段性与结构性机会 [12] - 春季行情未结束，业绩预告开启使估值质量因子走强，可转债市场风格趋于均衡，市场主线从主题概念转向盈利验证，业绩预增标的有望获超额收益 [17] - 市场回归业绩主线，主题投资持续性走弱，估值因子走强，优质公司因市场情绪、增量资金、年报窗口等因素有望获超额收益 [21] 可转债行情方面 - 展示了万得各可转债指数近一周、近两周、9 月以来、近一个月、近两个月、近半年、近一年的表现，如万得可转债能源指数近一周为 -2.30 等 [23] 转债个券方面 - 展示了近一周个券涨跌幅前十名和后十名，如华医转债涨幅居前，再 22 转债跌幅居前 [24][26] 转债估值方面 - 展示了债性、平衡性、股性可转债及不同平价可转债的转股溢价率估值走势 [33][35] 转债价格方面 - 展示了高价券占比走势和转债价格中位数走势 [31]

量化市场跟踪：大类因子表现 - 本周全市场股票池中，估值因子和盈利因子分别获取正收益0.27%、0.25% [4] - 市值因子和非线性市值因子分别获取负收益-0.91%、-0.51%，市场表现为小市值风格 [4] - 残差波动率因子获取负收益-0.44% [4] 量化市场跟踪：单因子表现 - 在沪深300股票池中，表现较好的因子有单季度ROE同比 (2.31%)、单季度ROE (1.81%)、市盈率因子 (1.51%)；表现较差的因子有总资产增长率(-1.28%)、单季度营业利润同比增长率 (-0.83%) [5] - 在中证500股票池中，表现较好的因子有市净率因子(1.78%)、标准化预期外收入(1.74%)、经营现金流比率 (1.28%)；表现较差的因子有单季度净利润同比增长率(-1.19%)、单季度营业利润同比增长率(-1.06%) [5] - 在流动性1500股票池中，表现较好的因子有市盈率因子 (1.44%)、下行波动率占比 (1.24%)、市净率因子 (1.17%)；表现较差的因子有单季度净利润同比增长率 (-1.00%)、单季度营业收入同比增长率 (-0.82%) [5] 量化市场跟踪：因子行业内表现 - 基本面因子在传媒、纺织服装行业正收益较为一致，涉及净资产增长率因子、净利润增长率因子、每股净资产因子、每股经营利润TTM因子 [6] - 估值类因子中，BP因子在多数行业正收益显著，BP因子和EP因子在综合行业正收益较为一致 [6] - 残差波动率因子和流动性因子在食品饮料、美容护理行业正收益较为一致 [6] - 市值风格上，本周多数行业小市值风格显著，国防军工、非银金融、有色金属、石油石化行业大市值风格显著 [7] 量化策略组合跟踪：PB-ROE-50组合 - 本周PB-ROE-50组合在各股票池中均获取负超额收益 [8] - 在中证500股票池中获得超额收益-0.02%，在中证800股票池中获得超额收益-0.19%，在全市场股票池中获得超额收益-0.75% [8] 量化策略组合跟踪：机构调研组合 - 本周公募调研选股策略和私募调研跟踪策略均获取负超额收益 [9] - 公募调研选股策略相对中证800获得超额收益-0.43%，私募调研跟踪策略相对中证800获得超额收益-1.92% [9] 量化策略组合跟踪：大宗交易与定向增发组合 - 本周大宗交易组合相对中证全指获取负超额收益，为-0.68% [10] - 本周定向增发组合相对中证全指获取正超额收益，为1.46% [11]

量化模型与构建方式 1. 动态因子调整模型（小盘股票池“2+3”模型） * **模型名称**： 小盘股票池“2+3”动态因子调整模型[4][98] * **模型构建思路**： 针对小盘股票池因子表达稳定、动量效应强的特点，结合固定有效因子与动态动量筛选，并剔除高失效风险的因子，构建动态选股模型[4][93][98]。 * **模型具体构建过程**： 1. **固定因子选择**： 每期固定选择估值因子（BTOP）和残差波动率因子（VOLATILITY）[98]。 2. **动态因子筛选**： * **剔除高失效风险因子**： 在每个月末，剔除当期条件失效概率高于80%的因子[93][98]。 * **计算动量评分**： 对剩余因子，计算其中期动量（过去6个月RankIC均值）和长期动量（过去3至12个月RankICIR均值）[4][82]。 * **选择动态因子**： 根据动量评分，选取评分最高的前3个因子[98]。 3. **模型合成**： 将2个固定因子与3个动态筛选出的因子结合，构成每期用于选股的5个因子集合[98]。 4. **组合构建**： 使用这5个因子对股票进行等权打分，选取得分最高的50只股票构建等权投资组合[103]。 2. 动态因子调整模型（大盘股票池综合打分模型） * **模型名称**： 大盘股票池综合打分动态因子调整模型[4][109] * **模型构建思路**： 针对大盘股票池因子表达剧烈、失效反转风险高的特点，采用更严格的因子剔除标准，并将失效概率信息融入综合评分，以动态选择因子[4][106][109]。 * **模型具体构建过程**： 1. **初步剔除高失效风险因子**： 在每个月末，首先剔除当期条件失效概率高于70%的因子[109]。 2. **构建综合评分**： 对剩余因子，构建综合评分。评分结合了正向的动量指标和负向的失效风险指标[87][88]。 * **动量指标**： 包括中期动量（过去6个月RankIC均值）和长期动量（过去3至12个月RankICIR均值）[4][82]。 * **失效风险指标**： 使用条件失效概率 $P$（次月失效|当月状态）[74][87]。将失效风险转化为负向评分，例如使用 $1 - P$ 的形式[88]。 3. **选择动态因子**： 根据综合评分，选取评分最高的前5个因子[109]。 4. **组合构建**： 使用这5个因子对股票进行等权打分，并构建投资组合[109]。 3. 因子动量评估指标 * **指标名称**： 因子RankIC动量指标[4][62][66] * **指标构建思路**： 通过计算当期因子选股能力（RankIC）与历史不同窗口期选股能力均值之间的相关性，来刻画因子的动量效应，并寻找最优的动量观察窗口[4][63][66]。 * **指标具体构建过程**： 1. **定义动量窗口**： 使用“m_n”表示从过去第m个月开始，到过去第n个月结束的历史数据均值。例如，“3_12”表示跳空最近3个月，回溯过去第3至第12个月共10个月的数据均值[66]。 2. **计算历史动量**： 对于每个因子，在时间截面 $t$，计算其在指定历史窗口（如“3_12”）内的RankIC（或RankICIR）的均值，作为该因子的历史动量值 $Momentum_{t}^{m\_n}$[4][66]。 3. **评估动量效应**： 在时间截面 $t$，计算所有因子当期RankIC值 $RankIC_t$ 与其对应的历史动量值 $Momentum_{t}^{m\_n}$ 的截面斯皮尔曼秩相关系数[65]。该相关系数越高，表明因子的选股能力在指定窗口下延续性（动量效应）越强[66]。 4. **确定最优参数**： 通过比较不同“m_n”参数组合下的平均相关系数，发现“3_12”窗口（即近端跳空3个月，回溯12个月）的动量效应最为稳健和显著，被确立为最优动量窗口[4][66]。 4. 因子条件失效概率指标 * **指标名称**： 因子条件失效概率[4][72][74] * **指标构建思路**： 基于因子当期有效性状态，通过滚动历史窗口统计其下一期陷入或维持失效状态的概率，用以评估因子短期反转的潜在风险[4][74]。 * **指标具体构建过程**： 1. **定义状态**： 在每个月末，根据因子当期RankIC值的正负（是否符合预期方向）将其划分为“有效”或“失效”两种状态[74]。 2. **构建转移矩阵**： 滚动过去一年的历史数据，统计因子从“当月有效”转移到“次月失效”的频率，以及从“当月失效”维持到“次月失效”的频率[72][74]。 3. **计算条件概率**： 以当期因子的状态（有效或失效）为条件，计算其次月失效的条件概率 $P$（次月失效|当月状态）[74][87]。该概率即为当期关注的因子失效指标。 5. 因子收益与选股能力背离指标 * **指标名称**： 因子收益与RankIC滚动相关系数[55][56] * **指标构建思路**： 通过计算因子收益率与其实际选股能力（RankIC）在滚动窗口内的相关性，识别因子回报是否由基本面选股Alpha驱动，以预警交易拥挤和失效风险[55][56]。 * **指标具体构建过程**： 1. **计算时间序列**： 对于每个一级风格因子，分别计算其因子收益率时间序列和RankIC时间序列[55]。 2. **滚动计算相关性**： 采用6个月的向前滚动窗口（T-5期至T期），计算两个序列的斯皮尔曼秩相关系数[55]。 3. **设定风险阈值**： 分析发现，当滚动相关系数的绝对值突破0.75的阈值时，往往预示着因子面临显著的短期失效风险[4][57][60]。极端正相关可能反映“因子拥挤”，极端负相关可能反映市场的“非理性过激”[60]。 量化因子与构建方式 **注**：报告详细分析了一个包含15个一级风格因子的体系，但未提供所有因子的具体计算公式，仅给出了描述性定义[8]。以下列出报告中明确提及并进行分析的核心因子。 1. 估值类因子 * **因子名称**： 账面市值比（BTOP）[8][39] * **因子构建思路**： 属于估值因子，衡量股票的相对便宜程度，通常认为账面价值相对市值越高，股票未来回报可能越高[8]。 * **因子具体构建过程**： 报告未给出具体公式，仅描述为“账面价值除以当前市值”[8]。 * **因子名称**： 股息率（DIVIDEND）[8][39] * **因子构建思路**： 属于估值因子，衡量公司分红回报水平，通常认为股息率越高，股票可能更具投资价值[8]。 * **因子具体构建过程**： 报告未给出具体公式，仅描述为“滚动过去一年股息水平”[8]。 * **因子名称**： 盈利收益率（EARNING）[8][39] * **因子构建思路**： 属于估值/盈利因子，衡量公司盈利相对于市值的水平，通常认为盈利收益率越高，股票估值可能越低[8]。 * **因子具体构建过程**： 报告未给出具体公式，仅描述为“各类盈利 vs 市值”[8]。 * **因子评价**： 估值类因子在大盘股内表现相对极端，选股力度可能更强但方向把控需更精准；BTOP因子在小盘股中优势更明显[39]。在慢牛、震荡、下行市场中更倾向正向表达[30]。 2. 质量类因子 * **因子名称**： 盈利变异性（EARNINGVAR）[8][50] * **因子构建思路**： 属于质量因子，衡量公司盈利的稳定程度，通常认为盈利波动越小，公司质量越高，未来股票回报可能越高（负向因子）[50]。 * **因子具体构建过程**： 报告未给出具体公式，仅描述为“营业收入、净利润、现金的变异程度”[8]。 * **因子名称**： 盈收质量（PROFITABLITY）[8][50] * **因子构建思路**： 属于质量因子，衡量公司盈利的质量和水平，通常认为盈利质量越高，公司基本面越好，未来股票回报可能越高（正向因子）[50]。 * **因子具体构建过程**： 报告未给出具体公式，仅描述为“营收、利润等水平”[8]。 * **因子评价**： 质量类因子在大盘股内存在明显的正向优势，选股区分度高，但在成长股票池内的选股效果弱于其他池[47][50]。盈收质量因子在2021年前后出现有效性分水岭[50]。 3. 价量类因子 * **因子名称**： 动量（MOMENTUM）[8][46] * **因子构建思路**： 属于价量因子，认为过去表现好的股票在未来一段时间内会延续其趋势（报告中定义方向为负）[8][46]。 * **因子具体构建过程**： 报告未给出具体公式，仅描述为“收益率、alpha的动量”[8]。 * **因子评价**： 动量因子在大盘股内持续正向表达，大盘股动量效应显著；而在小盘股内反转效应显著[4][46]。该因子属于失效概率较高的因子之一[4][78]。 4. 波动与流动性因子 * **因子名称**： 残差波动率（VOLATILITY）[8][40] * **因子构建思路**： 属于波动率因子，衡量股票剔除市场影响后的特异性风险，通常认为波动率越低，股票风险越小，未来回报可能越高（负向因子）[8][40]。 * **因子具体构建过程**： 报告未给出具体公式，仅描述为“收益与时间回归残差项的波动率”[8]。 * **因子名称**： 流动性（LIQUIDITY）[8][40] * **因子构建思路**： 属于流动性因子，衡量股票的交易便利程度，通常认为流动性越差，股票需要提供更高的风险补偿（负向因子）[8][40]。 * **因子具体构建过程**： 报告未给出具体公式，仅描述为“短、中、长期的流动性”[8]。 * **因子评价**： 波动率和流动性因子在各个股票池内大多保持稳定的负向表达，失效概率较低[20][40][78]。当其RankIC出现异常正向放大后，市场往往上行[41]。 模型的回测效果 1. 小盘股票池“2+3”动态因子调整模型 * **回测区间**： 2016年1月4日 至 2025年11月28日[103] * **基准**： 中证1000与中证2000指数等权[103] * **业绩指标**： * 年化收益： 8.83%[103] * 年化波动： 21.08%[103] * 夏普比率： 0.42[103] * 最大回撤： 38.67%[103] * 卡玛比率： 0.23[103] * 超额年化收益： 11.47%[103] * 超额波动： 13.82%[103] * 信息比率（IR）： 0.83[103] * 超额最大回撤： 21.10%[103] 因子的回测效果 **注**：报告提供了多个因子在不同股票池和不同年份的RankICIR具体数值及排名[18][22][25][27][34][36][38][46][48][50]。以下选取全区间（约2013-2025年）在特定股票池的RankICIR均值进行概括性展示，以反映因子的长期表现差异。 1. 大盘股票池（沪深300）全区间RankICIR均值 * **BETA**: -0.19[22] * **BTOP**: 0.17[22] * **DIVIDEND**: 0.28[22] * **EARNING**: -0.26[22] * **EARNINGVAR**: 0.22[22] * **GROWTH**: -0.22[22] * **INVENSTMENT**: 0.18[22] * **LEVERAGE**: 0.01[22] * **LIQUIDITY**: -0.38[22] * **LTREVERSAL**: 0.14[22] * **MIDCAP**: -0.11[22] * **MOMENTUM**: 0.03[22] * **PROFITABLITY**: 0.00[22] * **SIZE**: 0.10[22] * **VOLATILITY**: -0.27[22] 2. 小盘股票池（中证1000+中证2000）全区间RankICIR均值 * **BETA**: -0.05[22] * **BTOP**: 0.37[22] * **DIVIDEND**: 0.37[22] * **EARNING**: -0.25[22] * **EARNINGVAR**: 0.23[22] * **GROWTH**: -0.11[22] * **INVENSTMENT**: 0.12[22] * **LEVERAGE**: 0.02[22] * **LIQUIDITY**: -0.54[22] * **LTREVERSAL**: 0.25[22] * **MIDCAP**: -0.36[22] * **MOMENTUM**: 0.06[22] * **PROFITABLITY**: -0.38[22] * **SIZE**: -0.39[22] * **VOLATILITY**: -0.39[22] 3. 成长股票池全区间RankICIR均值 * **BETA**: -0.13[25] * **BTOP**: 0.09[25] * **DIVIDEND**: 0.20[25] * **EARNING**: -0.23[25] * **EARNINGVAR**: 0.14[25] * **GROWTH**: -0.16[25] * **INVENSTMENT**: 0.21[25] * **LEVERAGE**: 0.01[25] * **LIQUIDITY**: -0.38[25] * **LTREVERSAL**: 0.09[25] * **MIDCAP**: -0.12[25] * **MOMENTUM**: 0.01[25] * **PROFITABLITY**: 0.08[25] * **SIZE**: 0.03[25] * **VOLATILITY**: -0.18[25] 4. 价值股票池全区间RankICIR均值 * **BETA**: -0.15[27] * **BTOP**: 0.22[27] * **DIVIDEND**: 0.34[27] * **EARNING**: -0.20[27] * **EARNINGVAR**: 0.25[27] * **GROWTH**: -0.19[27] * **INVENSTMENT**: 0.12[27] * **LEVERAGE**: -0.04[27] * **LIQUIDITY**: -0.42[27] * **LTREVERSAL**: 0.13[27] * **MIDCAP**: -0.25[27] * **MOMENTUM**: -0.17[27] * **PROFITABLITY**: 0.08[27] * **SIZE**: -0.08[27] * **VOLATILITY**: -0.40[27]

报告行业投资评级 未提及 报告核心观点 - 中期权益市场慢牛预期稳固，市场风险偏好阶段性回落时哑铃策略有望获超额收益 [1] - 短期转债市场风格切换，不具备趋势性行情，动量效应有阶段性回落风险，市场大概率盘整 [22] - 随着权益市场步入业绩验证阶段，估值和波动率因子有望走强，建议维持中性仓位，以哑铃型配置兼顾成长与防御 [1][22] - 11月建议关注上银转债、首华转债等10只转债 [23] 根据相关目录总结 1 转债周度思考 - 本周（2025/11/10 - 2025/11/14）转债市场风格切换，科技成长风格退潮，能源和消费指数走强，主线不明，板块轮动提速，交易难度加大 [11] - 震荡行情下债性转债估值坚挺，市场倾向防御，转债价格中位数接近134元创近期新高，风格从进攻向防御转变，偏债型转债表现更好 [3][12] - 需关注动量因子尾部风险，避免趋势反转带来的超额收益回撤风险，今年可转债动量因子表现突出，但存在风格切换可能 [4][14][19] 2 可转债市场跟踪 2.1 可转债行情方面 - 展示万得各可转债指数近一周、近两周、9月以来、近一个月、近两个月、近半年、近一年的涨跌幅情况 [24] 2.2 转债个券方面 - 展示近一周个券涨跌幅前十名和后十名 [26][27] 2.3 转债估值方面 - 呈现债性、平衡性、股性可转债估值走势及不同平价可转债的转股溢价率估值走势 [28][36] 2.4 转债价格方面 - 展示高价券占比走势和转债价格中位数 [38]

核心观点 - 报告核心观点为中证1000指数及其增强策略在2025年表现强劲，本周（2025年10月27日至31日）指数收益为1.18%，在主要指数中表现突出，本年策略收益达29.99%，超越基准指数3.99个百分点 [3][4][5][18] 近期市场表现 - 本周（2025年10月27日至31日）主要指数中，中证1000和中证500指数收益领先，分别为1.18%和1.00%，而科创50和上证50指数收益落后，分别为-3.19%和-1.12% [3][7] - 本年以来，微盘指数和创业板指收益排名靠前，分别为67.31%和48.84%，中证红利和上证50指数收益排名靠后，分别为0.83%和12.17% [3][8] 中证1000指数增强策略 - 策略构建采用多因子量化选股方法，对估值、质量、成长、分析师、技术等因子进行加权合成，回测时间为2018年至2024年2月29日，IC加权策略在2024年收益更高，故在周报中持续跟踪 [11] - 策略通过均值-方差模型在指数成分股内构建组合，控制风格、行业及相对基准暴露，每月末调仓，持股数量约为90只 [11] 策略收益表现 - 本周策略收益为1.03%，同期指数收益为1.18%，超额收益为-0.15% [4][12] - 10月份策略收益为0.27%，同期指数收益为-0.90%，超额收益为1.17% [4][14] - 本年以来策略收益为29.99%，同期指数收益为26.00%，超额收益为3.99% [4][15] 投资建议与指数优势 - 中证1000指数2025年表现强劲，得益于其鲜明的产业布局，深度聚焦于新能源、半导体、医疗器械等前沿领域的小市值公司 [5][18] - 作为中小盘指数代表，中证1000具有高弹性、高波动的特点，但临近年末需注意市场风险偏好缩紧带来的高波动风险 [5][18]

量化模型与构建方式 1 模型名称：GRU模型 模型构建思路：基于门控循环单元(GRU)神经网络构建的时序预测模型，结合基本面和量价特征进行股票收益预测[10][30] 模型具体构建过程： - 输入层：包含close1d(日收盘价)、open1d(日开盘价)、barra1d(Barra风格因子日频数据)等特征[31] - 隐藏层：GRU神经网络结构，捕捉时序依赖关系 - 输出层：预测股票未来收益 - 训练方式：使用历史滚动窗口数据训练，优化损失函数 2 模型名称：多因子组合模型 模型构建思路：通过线性加权方式整合多个有效因子构建综合评分模型[31] 模型具体构建过程： - 因子筛选：选取基本面因子(如ROE增长、净利润超预期增长)和技术因子(如60日动量、120日波动)[19][24][29] - 因子标准化：进行行业中性化处理和标准化处理[17] - 权重分配：等权或基于IC-IR动态加权 - 组合构建：每月末按综合评分选股[17] 量化因子与构建方式 1 因子名称：Barra风格因子体系 因子构建思路：基于MSCI Barra多因子模型框架构建的系统化风险因子[15] 因子具体构建过程： - Beta因子：计算股票历史beta值 - 市值因子：$$ \ln(总市值) $$ - 动量因子：历史超额收益率序列均值 - 波动因子：$$ 0.74 \times \sigma_{超额收益} + 0.16 \times 累积超额收益离差 + 0.1 \times \sigma_{残差收益} $$ - 流动性因子：$$ 0.35 \times 月换手 + 0.35 \times 季换手 + 0.3 \times 年换手 $$ - 盈利因子：$$ 0.68 \times 预测盈利价格比 + 0.21 \times 市现率倒数 + 0.11 \times 市盈率ttm倒数 $$ - 成长因子：$$ 0.18 \times 预测长期盈利增长 + 0.11 \times 预测短期增长 + 0.24 \times 盈利增长 + 0.47 \times 营收增长 $$[15] 2 因子名称：超预期增长因子 因子构建思路：捕捉财务指标超出市场预期的增长信号[19] 因子具体构建过程： - 计算ROA/ROC/净利润等指标的同比变化 - 与分析师一致预期比较计算超预期幅度 - 标准化处理并行业中性化[17] 3 因子名称：技术动量因子 因子构建思路：捕捉股票价格趋势特征[19][24][29] 因子具体构建过程： - 20日动量：过去20日收益率 - 60日动量：过去60日收益率 - 120日动量：过去120日收益率 - 波动率：20日/60日/120日收益率标准差 模型的回测效果 1 GRU模型： - barra1d模型：近一周超额0.38%，今年以来超额3.78%[31] - barra5d模型：今年以来超额8.37%[31] - close1d模型：近六月超额6.80%[31] 2 多因子组合模型： - 近一月超额-0.30%，今年以来超额2.54%[31] 因子的回测效果 1 Barra风格因子： - 动量因子：全市场近一周多空收益1.01%(120日动量)[19] - 波动因子：全市场近一周多空收益1.45%(60日波动)[19] - 流动性因子：本周多头表现强势[16] 2 超预期增长因子： - 净利润超预期增长：全市场近一周多空收益0.74%[19] - ROA超预期增长：全市场近一周多空收益0.49%[19] 3 技术动量因子： - 60日动量：中证500近一周多空收益1.75%[24] - 120日波动：中证1000近一周多空收益1.68%[29]

量化模型与构建方式 1. **模型名称**：三维择时框架 - **模型构建思路**：通过流动性、分歧度和景气度三个维度的趋势变化进行市场择时判断[7] - **模型具体构建过程**： 1. **流动性指数**：监测市场资金面变化，上行趋势代表资金宽松[22] 2. **分歧度指数**：衡量市场观点分化程度，下行趋势代表共识增强[20] 3. **景气度指数**：跟踪工业与金融等板块基本面，上行趋势反映经济向好[26][28] 4. 综合三维指标状态（当前均为正向）得出满仓结论[7] - **模型评价**：历史表现稳定，能有效捕捉市场趋势转折点[16] 2. **模型名称**：资金流共振策略 - **模型构建思路**：结合融资融券与大单资金流的多维度信号筛选行业[34][40] - **模型具体构建过程**： 1. **两融资金因子**： $$ \text{Factor}_{\text{两融}} = \text{市值中性化}(\text{融资净买入} - \text{融券净买入})_{50\text{日均}} \text{的两周环比} $$ 剔除Barra市值因子影响后标准化[40] 2. **大单资金因子**： $$ \text{Factor}_{\text{大单}} = \text{成交量时序中性化}(\text{净流入分位数})_{10\text{日均}} $$ 剔除极端多头行业[40] 3. 策略组合：在大单因子头部行业中剔除两融因子负向信号行业[40] - **模型评价**：2018年以来年化超额收益13.5%，IR达1.7，回撤控制优于北向资金版本[40][45] 模型的回测效果 1. **三维择时框架**： - 历史年化超额收益16.8%（2018-2025）[36] - 当前状态：流动性↑/分歧度↓/景气度↑/ERP极值[7] 2. **资金流共振策略**： - 年化超额收益13.5%，IR=1.7[40] - 上周绝对收益-1.6%，超额-0.1%（行业等权基准）[40] 量化因子与构建方式 1. **因子名称**：估值类因子群 - **构建思路**：捕捉低估值股票的定价偏差[47] - **具体构建**： - 市盈率倒数（FY1-FY3）：$$ \text{ep\_fy} = 1/\text{预测市盈率} $$[48] - BP因子：$$ \text{bp} = \text{股东权益}/\text{总市值} $$[48] 2. **因子名称**：成长类因子群 - **构建思路**：识别盈利增长持续性[47] - **具体构建**： - 净利润增速：$$ \text{yoy\_np} = (\text{净利润}_t - \text{净利润}_{t-1})/|\text{净利润}_{t-1}| $$[50] - ROE变化：$$ \text{roe\_q\_delta} = \text{ROE}_q - \text{ROE}_{q-4} $$[50] 3. **因子名称**：资金流因子 - **构建思路**：反映主力资金动向[34] - **具体构建**： - 大单净流入分位数：$$ \text{rank}(\text{主动买单量}/\text{总成交量}) $$[43] 因子的回测效果 1. **估值因子**： - 近一周多头超额：ep_fy3（2.18%）、bp（1.88%）[48] - 近一月超额：ep_fy3（3.85%）[48] 2. **成长因子**： - 跨市值表现：peg因子在沪深300超额3.89%，中证1000超额3.07%[50] - 单季度ROE变化因子全市场超额2.4%[50] 3. **资金流因子**： - 交通运输行业大单净流入分位69%，两融分位83%[43] 量化组合表现 1. **沪深300增强组合**： - 本年超额收益4.42%，年化IR=7.77%[52] - 持仓龙头：晶科能源、浪潮信息、药明康德[62] 2. **中证500增强组合**： - 本年超额3.38%，上周超额0.40%[52] - 持仓成长股：新易盛、桐昆股份[62] 3. **中证1000增强组合**： - 本年超额4.99%，年化IR=9.26%[52] - 持仓中小盘：利安隆、万孚生物[62]