证 券 研 究 报 告 基本面因子进化论：基于基本面预测的新因子构建 ——以沪深300和中证500指数增强为例 证券分析师：邓虎 A0230520070003 研究支持： 方思齐 A0230123090003 ◼ 基于基本面预测去改进基本面因子是修正基本面因子逻辑瑕疵的重要手段。 传统基本面因子 • 只强调历史数据与未 来股价的关系，有效 性存在周期特征 进行未来基本面预 测 新基本面因子 • 强调对未来基本面的 预测，与股价的关系 更依赖基本面和股价 的驱动关系 图1：传统基本面因子的进一步改进思路 2025.08.22 主要内容 2 1. 基本面因子的失效背后 2. 现有基本面因子的进一步改进 3. 改进基本面选股组合测算 4. 结合量价因子的进一步改进 5. 风险收益提示 1.1 基本面因子的失效背后 www.swsresearch.com 证券研究报告 3 资料来源：Wind，申万宏源研究 • 总体来看，基本面因子失效的一个重要原因在于，研究方法通常直接使用历史基本面数据回归或预测未来股价 涨跌幅，而这一逻辑存在一定瑕疵，通常会默认基本面有自身的动量效应，导致基本面因子的表现有一定的周 期性。 • 从 ...

报告行业投资评级 未提及 报告的核心观点 - 商品本周空头占比小幅上升，不同板块表现各异，各品种综合信号有空头、中性等情况，基本面因子在不同品种上呈现不同多空状态 [1] 各品种情况总结 甲醇 - 策略净值方面，上周供给因子走强0.64%，库存因子下行0.66%，本周综合信号空头 [1] - 基本面因子上，进口到港量持续偏高，供给端空头延续；甲醇制烯烃以及MTBE装置产能利用率小幅下降，需求端中性偏空；上周港口库存大幅增加，库存端转为空头；甲醇华东、华南沿海地区市场价格释放空头信号，但因子贡献度不高，价差端中性偏空 [1] 浮法玻璃 - 策略净值方面，上周库存因子上行2.47%，价差因子走弱0.17%，利润因子走低0.20%，合成因子下行0.13%，本周综合信号空头 [1] - 基本面因子上，浮法玻璃产能利用率环比持平，供给端维持中性；二线城市商品房成交套数减少，需求端中性偏空；重点八省浮法玻璃企业累库，库存端空头；动力煤以及管道气制浮法玻璃成本因子释放多头信号，利润端中性偏多 [1] 铁矿 - 策略净值方面，上周供给因子走强0.38%，合成因子上行0.08%，本周综合信号转为中性 [3][4] - 基本面因子上，FMG的发货量减少，7月铁矿砂及其精矿进口数量下滑，供给端空头反馈减弱，信号转为中性；港口进口铁矿的日均疏港量上升，钢厂烧结用矿粉消耗量小幅增加，需求端转为多头反馈，信号仍为中性；港口进口贸易矿库存累积，主要港口库存上升，库存端信号转为空头；西澳到青岛的运价中枢上移，价差端多头反馈进一步增强，信号转为多头 [4] 沪铝 - 策略净值方面，上周需求因子上行0.01%，价差因子下行0.01%，合成因子较上周持平，本周综合信号维持中性 [4] - 基本面因子上，SMM国产铅精矿价格上升，供给端空头反馈增强，信号转为空头；上期所仓单库存以及LME注册仓单库存均有所累积，库存端转为空头反馈，信号整体维持中性；远月价格抬升，近月持仓量增加，价差端信号转为多头 [4] 板块因子情况总结 商品板块因子强度 - 截面偏强的板块是农产品，截面偏弱的是能源板块 [1] - 黑色板块动量因子边际下降但未反转，期限结构分化收窄；有色板块持仓量因子边际下降，截面上的分化扩大；能化板块截面动量分化；农产品板块油粕持仓量回升，棕榈油短周期动量回升；黄金时序动量有所企稳，贵金属板块内分化收窄 [1] 各板块因子数据 |板块|动量时序|动量截面|期限结构|持仓量| | --- | --- | --- | --- | --- | |黑色板块|-0.42|0.18|0.29|0.79| |有色板块|-0.13|0.54|0.99|1.1| |能化板块|0.02|0.74|-0.6|0.06| |农产品板块|-0.09|0.05|0.17|-0.16| |贵金属板块|0.37|0.49|0.68|2.15| [1]

量化因子与构建方式 1. **因子名称**：价格区间因子 - **构建思路**：衡量股票在日内不同价格区间成交的活跃程度，反映投资者对未来走势的预期[12] - **具体构建过程**： 1. 使用高频快照数据提取高价格80%区间成交量因子（VH80TAW）、高价格80%区间成交笔数因子（MIH80TAW）和低价格10%区间每笔成交量因子（VPML10TAW） 2. 按25%、25%、50%权重合成因子 3. 对合成因子进行行业市值中性化处理[12][14] - **因子评价**：样本外表现稳定，超额收益曲线持续向上[17] 2. **因子名称**：量价背离因子 - **构建思路**：通过价格与成交量的相关性衡量市场情绪，低相关性预示未来上涨概率更高[22] - **具体构建过程**： 1. 计算快照成交价与成交笔数的相关性（CorrPMW）、成交价与成交量的相关性（CorrPVW） 2. 对两个细分因子等权合成 3. 进行行业市值中性化处理[22][25] - **因子评价**：近年收益趋平但今年以来表现回升[26] 3. **因子名称**：遗憾规避因子 - **构建思路**：基于行为金融学理论，捕捉投资者卖出后股价反弹的规避情绪[27] - **具体构建过程**： 1. 使用逐笔数据计算卖出反弹占比因子（LCVOLESW）和卖出反弹偏离因子（LCPESW） 2. 等权合成后做行业市值中性化[30][33] - **因子评价**：样本外超额收益稳定，但今年以来表现一般[36] 4. **因子名称**：斜率凸性因子 - **构建思路**：通过订单簿斜率和凸性分析供需弹性，反映投资者价格敏感度[37] - **具体构建过程**： 1. 提取低档位买方斜率因子（Slope_abl）和高档位卖方凸性因子（Slope_alh） 2. 等权合成并做行业市值中性化[39][40] - **因子评价**：2016年后收益平稳但样本外表现平淡[42] --- 量化模型与构建方式 1. **模型名称**：高频"金"组合中证1000指数增强策略 - **构建思路**：将价格区间、量价背离、遗憾规避因子等权合成构建增强策略[3] - **具体构建过程**： 1. 周频调仓，单边手续费率0.2% 2. 加入换手率缓冲机制控制成本 3. 基准为中证1000指数[44][45] 2. **模型名称**：高频&基本面共振组合中证1000指数增强策略 - **构建思路**：结合高频因子与基本面因子（一致预期、成长、技术因子）提升表现[49] - **具体构建过程**： 1. 高频因子与基本面因子等权合成 2. 相同调仓频率和风控机制[50][51] --- 因子的回测效果 | 因子名称 | 上周多头超额 | 本月多头超额 | 今年以来多头超额 | 多空收益率（今年以来） | |------------------|--------------|--------------|-------------------|------------------------| | 价格区间因子 | 0.40%[13] | 0.51%[13] | 5.86%[13] | 13.69%[13] | | 量价背离因子 | -0.24%[13] | 1.53%[13] | 9.00%[13] | 16.21%[13] | | 遗憾规避因子 | 0.27%[13] | -0.49%[13] | 2.32%[13] | 12.41%[13] | | 斜率凸性因子 | -1.74%[2] | -2.46%[2] | -5.90%[2] | -12.37%[39] | --- 模型的回测效果 | 模型名称 | 年化超额收益 | 跟踪误差 | IR | 超额最大回撤 | |------------------------------------|--------------|----------|-------|--------------| | 高频"金"组合增强策略 | 10.51%[45] | 4.25%[45]| 2.47[45] | 6.04%[45] | | 高频&基本面共振组合增强策略 | 14.57%[51] | 4.16%[51]| 3.50[51] | 4.52%[51] |

量化投资策略表现 - 今年以来量价类因子整体表现较好 基本面因子中成长类因子相对表现较好 [1] 量化策略长期业绩依赖要素 - 丰富的数据源包括传统财报数据、行情数据以及非传统数据如社交媒体情绪、供应链、招聘数据等 这些数据可转化为前瞻性投资信号 [1] - 供应链数据（如供应商、客户集中度）可识别新能源产业链隐性壁垒 招聘数据（如BOSS直聘、猎聘）可预判企业扩张节奏（如AI人才需求激增） 短视频观看点击量可检查新消费品受欢迎程度 [1] - 丰富因子库可分散收益源并提升抗周期能力 需定期淘汰旧因子并引入新因子 包括强经济逻辑支撑因子和算法挖掘因子 [1] 模型迭代与新技术应用 - 需持续迭代模型并对新技术持开放态度 近年来AI技术在量化投资流程中应用广泛 [2] - AI技术应用包括引入新技术、提高因子开发效率及构建更强预测信号 如用大模型分析文本数据或用transformer等模型做端到端因子挖掘 [2]

报告基本信息 - 报告名称为国投期货商品量化CTA周度跟踪 [1] - 报告发布方为国投期货研究院金融工程组 [2] - 报告发布时间为2025年8月5日 [2] 报告行业投资评级 - 未提及 报告核心观点 - 商品本周空头占比上升，主要表现为能化板块因子强度回落，截面偏强的板块是贵金属和农产品，偏弱的是能源板块 [3] 各板块分析总结 板块整体情况 - 黄金时序动量边际回升，贵金属板块内分化收窄；有色板块持仓量因子继续小幅回落，截面分化扩大，铜和锌处于偏弱一端；黑色板块短周期动量因子边际下降，但长周期逐步企稳，期限结构分化收窄；能化板块截面动量整体下降，PTA、纯碱和玻璃处于板块截面偏弱一端；农产品方面，油粕持仓量均小幅下降，分化收窄 [3] 各板块因子数据 |板块|动量时序|动量截面|期限结构|持仓量| | ---- | ---- | ---- | ---- | ---- | |高四板块|-0.42|0.18|0.29|0.79| |有色板块|-0.13|0.54|0.99|1.1| |能化板块|0.02|0.74|-0.6|0.06| |农产品板块|-0.09|0.05|0.17|-0.16| |股指板块|0|0.49|0.68|2.15| |贵金属板块|0.37|||-1.07| [5] 各品种情况 甲醇 - 策略净值方面，上周供给因子走强0.21%，需求因子上行0.13%，库存因子走弱0.19%，价差因子上行0.09%，合成因子走高0.16%，本周综合信号空头延续；基本面因子上，供给端空头，需求端中性，库存端多头，价差端转为空头 [4] 玻璃 - 策略净值方面，上周库存因子下行2.28%，价差因子上行2.50%，合成因子走弱0.04%，本周综合信号空头；基本面因子上，供给端维持中性，需求端中性，库存端多头，价差端空头，利润端空头 [7] 铁矿 - 策略净值方面，上周各因子保持不变，本周综合信号维持中性；基本面因子上，供给端转为空头反馈，信号整体维持中性，需求端多头反馈强度小幅下降，信号仍为中性，库存端空头反馈减弱，价差端多头反馈强度进一步减弱 [7] 铅 - 策略净值方面，上周供给因子走强0.52%，需求因子下行0.51%，价差因子上行0.46%，合成因子走强0.15%，本周综合信号由空头转为中性；基本面因子上，供给端信号转为中性，库存端转为空头反馈，信号整体维持中性，价差端空头反馈增强 [7]

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**：价值50组合 - **构建思路**：基于价值风格因子筛选股票，追求高beta弹性和长期稳健超额收益[7] - **具体构建过程**： 1. 以国证价值指数为基准，选取估值（如PE、PB）、股息率等价值因子 2. 通过因子加权（如等权或优化权重）构建组合 3. 定期调仓以维持风格暴露[7] 2. **模型名称**：价值均衡50组合 - **构建思路**：在价值因子的基础上加入风险控制，降低组合波动[7] - **具体构建过程**： 1. 与价值50组合同源因子，但引入行业中性化或波动率约束 2. 通过风险模型（如Barra）优化权重[7] 3. **模型名称**：成长50组合 - **构建思路**：聚焦营收增长、盈利增长等成长因子[7] - **具体构建过程**： 1. 以国证成长指数为基准，选取ROE、净利润增长率等指标 2. 因子标准化后加权合成[7] 4. **模型名称**：成长均衡50组合 - **构建思路**：平衡成长因子与风险因子，避免风格漂移[7] - **具体构建过程**：类似价值均衡组合，加入成长因子与风险优化[7] 5. **模型名称**：小盘50组合 - **构建思路**：捕捉小市值股票的溢价效应[7] - **具体构建过程**： 1. 以国证2000指数为基准，筛选市值最小的50只股票 2. 结合流动性因子（如换手率）剔除极端样本[7] 6. **模型名称**：小盘均衡50组合 - **构建思路**：在小盘因子的基础上控制组合换手和行业偏离[7] - **具体构建过程**：引入换手率阈值和行业中性化处理[7] --- 模型的回测效果 1. **价值50组合**： - 周收益率：-2.12%（超额-0.41%）[8] - 年收益率：12.44%（超额8.78%）[8] - 最大相对回撤：2.35%[8] 2. **价值均衡50组合**： - 周收益率：-0.46%（超额1.26%）[8] - 年收益率：10.16%（超额6.50%）[8] - 最大相对回撤：3.99%[8] 3. **成长50组合**： - 周收益率：-1.48%（超额0.68%）[8] - 年收益率：4.50%（超额2.38%）[8] - 最大相对回撤：3.61%[8] 4. **成长均衡50组合**： - 周收益率：-1.64%（超额0.53%）[8] - 年收益率：8.71%（超额6.59%）[8] - 最大相对回撤：6.11%[8] 5. **小盘50组合**： - 周收益率：1.25%（超额1.43%）[8] - 年收益率：36.52%（超额19.90%）[8] - 最大相对回撤：6.23%[8] 6. **小盘均衡50组合**： - 周收益率：-1.09%（超额-0.90%）[8] - 年收益率：26.60%（超额9.98%）[8] - 最大相对回撤：4.56%[8] --- 量化因子与构建方式 （报告中未明确提及单因子构建细节，仅描述复合模型） --- 因子的回测效果 （报告中未提供单因子测试结果） --- 注：所有模型均基于国证风格指数基准，超额收益为相对基准表现[7][8]

量化模型与构建方式 1. **模型名称：GRU模型** - 模型构建思路：结合基本面和量价特征的GRU模型，用于行业轮动和多头组合策略[9] - 模型具体构建过程：基于GRU神经网络结构，输入包括技术类因子（如动量、波动）和基本面因子（如盈利、成长），通过时间序列训练预测股票收益。具体调仓频率为月度，权重配置上限为0.2%，行业偏离控制在0.01标准差内[29] - 模型评价：在中小市值股票（如中证1000）中表现强势，但对市场风格切换敏感[30] 2. **模型名称：多因子模型** - 模型构建思路：综合基本面和技术因子构建多空组合，行业中性化处理[17] - 模型具体构建过程：每月末按因子值做多前10%股票、做空后10%股票，等权配置。涉及因子包括： - 技术类：动量（20日/60日/120日）、波动率（20日/60日/120日） - 基本面：超预期增长（ROA/ROE）、静态财务（市销率、市盈率）[15][19][21] 模型的回测效果 1. **GRU模型** - 近一周超额收益：-0.11%（close1d）至-0.25%（barra5d）[31] - 今年以来超额收益：3.38%（barra1d）至8.36%（barra5d）[31] 2. **多因子模型** - 近一周超额收益：-0.55%[31] - 今年以来超额收益：3.00%[31] --- 量化因子与构建方式 1. **因子名称：Barra风格因子** - 因子构建思路：涵盖市值、动量、估值等10类风格因子[15] - 因子具体构建过程： - **波动因子**：$$0.74 \times \text{历史超额收益率波动} + 0.16 \times \text{累积超额收益率离差} + 0.1 \times \text{残差收益率波动}$$ - **流动性因子**：$$0.35 \times \text{月换手率} + 0.35 \times \text{季换手率} + 0.3 \times \text{年换手率}$$ - **盈利因子**：$$0.68 \times \text{预测盈利价格比} + 0.21 \times \text{市现率倒数} + 0.11 \times \text{市盈率TTM倒数}$$[15] 2. **因子名称：技术类因子** - 因子构建思路：基于价格序列的动量和波动特征[19][22][28] - 因子具体构建过程： - **动量因子**：计算20日/60日/120日历史收益率均值 - **波动因子**：计算20日/60日/120日收益率标准差 3. **因子名称：基本面因子** - 因子构建思路：分为超预期增长、静态财务和增长三类[21][24][27] - 因子具体构建过程： - **超预期增长因子**：ROA/ROE/营业利润的同比变化 - **静态财务因子**：市销率、市盈率TTM倒数 --- 因子的回测效果 1. **Barra风格因子（全市场）** - 本周多空收益：beta（正向）、流动性（正向）、市值（负向）[16] 2. **技术类因子（中证1000）** - 20日动量多空收益：1.87%[28] - 120日波动多空收益：0.51%[28] 3. **基本面因子（沪深300）** - 超预期增长因子多空收益：-2.48%（ROA）至-2.05%（营业利润）[21] - 静态财务因子多空收益：+2.38%（市盈率）[21]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化因子与构建方式 1. **因子名称：Barra风格因子** - **构建思路**：基于多维度市场特征构建的综合风格因子体系，涵盖市值、动量、波动等核心风格[15] - **具体构建过程**： - **Beta因子**：历史beta值 - **市值因子**：总市值取自然对数 - **动量因子**：历史超额收益率序列均值 - **波动因子**： $$0.74 \times \text{历史超额收益率序列波动率} + 0.16 \times \text{累积超额收益率离差} + 0.1 \times \text{历史残差收益率序列波动率}$$ - **非线性市值因子**：市值风格的三次方 - **估值因子**：市净率倒数 - **流动性因子**： $$0.35 \times \text{月换手率} + 0.35 \times \text{季换手率} + 0.3 \times \text{年换手率}$$ - **盈利因子**： $$0.68 \times \text{分析师预测盈利价格比} + 0.21 \times \text{市现率倒数} + 0.11 \times \text{市盈率TTM倒数}$$ - **成长因子**： $$0.18 \times \text{分析师预测长期盈利增长率} + 0.11 \times \text{分析师预测短期利率增长率} + 0.24 \times \text{盈利增长率} + 0.47 \times \text{营业收入增长率}$$ - **杠杆因子**： $$0.38 \times \text{市场杠杆率} + 0.35 \times \text{账面杠杆} + 0.27 \times \text{资产负债率}$$[15] 2. **因子名称：GRU模型衍生因子** - **构建思路**：结合GRU神经网络模型生成的量价与基本面特征因子[3][4][5][6] - **具体构建过程**： - **barra1d/barra5d因子**：基于Barra风格因子与GRU模型的1日/5日周期特征融合 - **open1d/close1d因子**：GRU模型对开盘价/收盘价序列的时序特征提取[3][6] 3. **因子名称：技术类因子** - **构建思路**：基于历史价格与波动率的反向因子[26][29] - **具体构建过程**： - **动量因子**：20日/60日/120日历史收益率 - **波动因子**：20日/60日/120日收益率波动率 - **中位数离差因子**：收益率分布偏离度[26][29] 因子回测效果 | 因子类别 | 测试范围 | 近期表现（多空收益） | 长期表现（年化） | |----------------|----------------|------------------------------------|---------------------------| | **Barra风格因子** | 万得全A | 估值因子多头+，流动性/市值因子空头+[16] | 波动因子五年年化-8.97%[26] | | **GRU因子** | 中证1000 | barra5d多空收益+，barra1d回撤-[6] | barra5d超额收益8.63%[31] | | **技术类因子** | 中证500 | 120日动量多空-13.99%[26] | 60日波动年化-15.23%[29] | 模型回测效果 | 模型名称 | 超额收益（vs中证1000） | |----------------|------------------------| | **barra1d** | 近一周-0.24%[31] | | **barra5d** | 今年以来+8.63%[31] | | **多因子组合** | 近六月+2.60%[31] | 评价 - **Barra因子**：体系完整但部分因子（如非线性市值）近期失效风险显著[16][34] - **GRU模型因子**：在中小盘股中表现稳健，但需警惕高频交易环境下的过拟合风险[6][35]

报告核心观点 - 商品本周多空占比变化不大，有色板块空头增加，化工和农产品板块出现局部多头信号，截面偏强的板块是农产品和化工，偏弱的是有色 [3] - 甲醇策略上周供给因子走弱0.03%，库存因子走高0.02%，合成因子下行0.03%，本周综合信号中性；浮法玻璃上周供给、需求、库存因子走强，价差因子走弱，合成因子上行，本周综合信号多头；铝上周供给、库存、价差因子走强，需求因子走弱，合成因子走强，本周综合信号保持空头 [5][8][9] 各板块情况 有色板块 - 动量边际下降，持仓量下降，截面分化收窄，锌、镍截面偏弱，黄金时序动量企稳，沪银持仓量回升，板块内分化或扩大 [2][3] - 动量时序为0.06，动量截面为0.93，期限结构为 -2.2，持仓量为 -0.64 [6] 黑色板块 - 整体持仓量因子边际下降，期限结构分化收窄 [3] - 动量时序为0.21，动量截面为 -0.29，期限结构为 -0.85，持仓量为1.25 [6] 能化板块 - 截面动量分化，乙二醇截面偏强、苯乙烯偏弱 [3] - 动量时序为0.37，动量截面为0.57，期限结构为 -0.02，持仓量为0.16 [6] 农产品板块 - 油脂类持仓量小幅回落，截面偏强 [3] - 动量时序为 -0.45，动量截面为0.69，期限结构为0.93，持仓量为1.37 [6] 股指板块 - 动量时序为0.31，动量截面为 -0.1，期限结构为 -0.32，持仓量为0.48 [6] 贵金属板块 - 动量时序为0，持仓量为0.05 [6] 因子收益情况 甲醇相关因子 - 上周供给因子收益 -0.03%，当月 -0.09%；需求因子上周0.00%，当月 -0.65%；库存因子上周0.02%，当月1.00%；价差因子上周0.00%，当月0.35%；大类累加上周 -0.03%，当月 -0.95% [4] 浮法玻璃相关因子 - 上周供给因子收益1.47%，当月1.52%；需求因子上周1.58%，当月1.58%；库存因子上周1.47%，当月1.46%；价差因子上周 -0.04%，当月0.42%；利润因子上周0.00%，当月0.00%；大类累加上周1.04%，当月1.52% [8] 铝相关因子 - 上周供给因子收益0.52%，当月 -0.40%；需求因子上周 -0.40%，当月 -0.40%；库存因子上周0.56%，当月 -0.19%；价差因子上周0.51%，当月0.28%；大类累加上周0.32%，当月 -0.15% [8][9] 基本面因子情况 甲醇 - 进口甲醇到港量增加，供给端空头；西北、西南地区甲醇订单减少，需求端空头；华南港口总库存减少，库存端多头但强度走弱；华南以及西北地区甲醇现货市场价释放多头信号，价差端多头 [5] 浮法玻璃 - 浮法玻璃产量环比持平，供给端中性；中国30大中城市商品房成交量减少，需求端多头强度走弱转为中性；浮法玻璃企业库存持续减少，库存端多头；9 - 1月差以及沈阳 - 沙河区域价差释放空头信号，价差端中性偏空 [8] 铝 - SMM国内铅精矿加工费继续下降，供给端信号保持空头；中国起动型铅蓄电池本月出口量较上月继续降低，需求端信号保持多头；伦铅所库存继续下降，库存端保持空头；0 - 1价差有所回落，价差端信号保持空头 [9]

量化模型与构建方式 1. **模型名称：GRU模型** - **模型构建思路**：结合基本面和量价特征的时序预测模型，用于股票多空组合构建[3][4][5][6] - **模型具体构建过程**： 1. 输入数据包括量价特征（如开盘价、收盘价）和Barra风格因子（如市值、波动率）[15][17] 2. 通过GRU神经网络对时序特征进行训练，生成股票评分 3. 每月末按评分排序，构建多空组合（前10%做多，后10%做空）[17] - **模型评价**：在不同市场环境下表现分化，对量价特征捕捉能力较强但稳定性待提升[3][4][6] 2. **模型名称：多因子模型** - **模型构建思路**：综合基本面与技术面因子构建复合评分[7][30] - **模型具体构建过程**： 1. 因子标准化与行业中性化处理[17] 2. 动态加权组合财务因子（如市盈率、营收增长率）和技术因子（如动量、波动率）[15][28] 3. 约束条件包括行业偏离≤0.01、风格偏离≤0.5σ[29] --- 量化因子与构建方式 1. **因子名称：Barra风格因子** - **因子构建思路**：基于经典风险模型拆解市场风格收益来源[15] - **因子具体构建过程**： - **市值因子**：总市值自然对数 $$ \text{Size} = \ln(\text{MarketCap}) $$ - **波动因子**：复合波动率计算 $$ \text{Volatility} = 0.74\sigma_{ret} + 0.16|\text{CAR}| + 0.1\sigma_{residual} $$ - **流动性因子**：多期换手率加权 $$ \text{Liquidity} = 0.35\text{Turnover}_{1M} + 0.35\text{Turnover}_{3M} + 0.3\text{Turnover}_{1Y} $$ - **盈利因子**：复合财务指标 $$ \text{Earnings} = 0.68\frac{E}{P} + 0.21\frac{1}{P/CF} + 0.11\frac{1}{P/E_{ttm}} $$ - **因子评价**：市值和估值因子近期表现稳健，动量因子持续失效[16][17] 2. **因子名称：技术类因子** - **构建思路**：捕捉价格序列中的趋势与反转特征[28] - **具体构建过程**： - **动量因子**：N日收益率均值（20/60/120日） - **波动因子**：滚动窗口收益率标准差[28] - **因子评价**：中证1000成分股中动量因子空头收益显著[26][28] 3. **因子名称：基本面因子** - **构建思路**：财务指标加权（静态与动态结合）[18][21] - **具体构建过程**： - **超预期增长因子**：分析师预测与历史增长率差值 - **估值因子**：市盈率/市净率倒数[15][27] --- 模型的回测效果 | 模型名称 | 近一周超额收益 | 今年以来超额收益 | IR（三年年化） | |----------------|----------------|------------------|----------------| | GRU-barra5d | -0.31% | 7.42% | - | [30][31] | GRU-close1d | -0.40% | 5.73% | - | [30][31] | 多因子模型 | 0.66% | 3.28% | - | [30][31] --- 因子的回测效果 | 因子类型 | 中证1000多空收益（近一周） | 沪深300多空收益（近一周） | |----------------|----------------------------|---------------------------| | 市值因子 | - | 正向显著 | [16][21] | 60日动量 | -2.17% | 负向 | [22][28] | 市盈率因子 | 正向显著 | 负向 | [26][27] | 波动率因子 | -1.53% | 正向显著 | [22][28]