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]

本期内容转载自公众号「十分之一信箱」 Hi 亲爱的朋友！ 01 即便是参加伦敦马拉松的专业跑者,也会 陷入焦虑和紧张情绪。神奇的是,当跑者站 上起跑线,真正开跑之后,这种焦虑感就会 明显减轻甚至完全消失了,反而越跑越开 心越兴奋,那么为什么启动这么难呢? 02 为什么一旦开始,又会感到快乐呢?这里我 们会认识一种让我们快乐的「快乐因子」。 03 研究表明,和不付出或是只付出一点点相 比,让我们更高兴的,是真正花了力气、认 真努力过后得到的东西,这是为什么呢? 04 为了更好的开始,有没有什么小技巧可以 帮助我们启动呢? 大儿﹜ エイタ JUVU 70八氏 『 σ 7 十 , 西 ロ 西比水族馆一共要救助 60 只,总费用将 超过 20 万元人民币。对于一个非营利机 构来说,密西西比水族馆怎么筹集这笔资 金呢? 赵一鸣、好想来,「遍地都是」的零 食店究竟是如何赚钱的? 01 相比于以往的超市货架,这些零食店集 合店到底是如何把零食价格压到这么低 的呢? 价格压得这么低,这些零食集合店能赚钱 02 吗?它们都想出了什么主意? 03 2021 年底,全国只有 2500 家零食集合 店,到今年,就可能会达到 4.5 ...

报告核心观点 - 不同估值因子在不同股票池、行业和市场环境下表现有差异，收益源于估值与基本面的错误定价，在A股长期有效但效果或边际下滑，利用此构建的组合在中证800和中证1000股票池有较好回报 [6] 各部分总结 概述 - 估值因子是投资者构建策略和优化组合的关键依据，经典估值指标可帮助识别投资机会与风险，价值股在中美资本市场长期跑赢成长股 [10] - 关于估值因子收益来源有有效市场假说和行为金融学两种假说 [10] - 报告研究了估值因子在不同股票池、行业和市场环境下的表现差异、收益来源以及利用其构建的投资组合，并得出相关结论 [11][12][13][14] 估值因子 - 相对估值法常见实用，如PE法用于盈利稳定、周期性弱的行业，PB法适用于有大量固定资产且账面价值稳定的行业 [15] - 估值因子包括EP、BP、SP、CFP、PEG，各有优缺点和适用公司 [16] 因子IC分析 - 因子IC表征因子对未来股票收益预测能力，ICIR表征预测能力稳定性，EP、BP的IC表现较好，EP的ICIR表现较好 [18][19] - EP、BP、SP、CFP的IC和ICIR在全A、中证1000和中证800中递减，PEG的IC和ICIR在中证800和中证1000中高于全A [19] 因子回归法分析 - 股票的|T|大于2比例表征因子统计显著频率，因子收益率表征一单位因子暴露对应的收益，EP因子显著性和收益表现较好 [24] 因子分层测试分析 - EP因子在各范围具备较好单调性且分组收益差距大，BP因子在全A范围内分组效果较好，SP因子在中证800和全A范围内分组效果较好 [28][29] - CFP因子在全A范围内分组效果尚可，在中证800和中证1000内部效果不好，PEG因子分组收益中间高两端低 [29] 不同行业的因子预测效果 - EP因子在大部分行业表现较好，BP因子在公用事业、金融行业等重资产行业表现较好，SP因子在TMT行业表现较好 [1][40] 估值因子的收益来源 - 估值因子收益源于估值和基本面的错误定价，投资者精力有限，估值会向基本面吻合方向修复 [41] - 构建估值 - 基本面双特征投资组合，高估值 - 弱基本面组合产生显著负向收益，低估值 - 强基本面产生显著正向收益，估值和基本面相对吻合的组合无显著非零收益 [2][46] 估值因子效果长期有效但可能边际下滑 - 除PEG因子外，EP、BP、SP和CFP因子长期IC累加呈上行趋势，估值因子长期有效但会阶段性预测能力下降 [48] - 美国市场价值因子曾经历低迷，原因包括未反映无形资产和价值股估值水平下降，后价值因子反转产生正向收益 [60][63][67] - A股价值因子长期呈上涨态势，2021年至今加速上行，随着A股投资者结构机构化，错误定价产生的收益可能下降 [71][75] 估值陷阱 景气周期高点 - 上游周期类公司在经济扩张期利润暴涨，静态低估值但长期利润中枢低，如中远海控，周期类公司EP因子预测能力通常小于BP因子 [76][79] 结构性衰退 - 公司长远前景不确定，利润可能单边下行，如柯达衰落、光伏行业竞争格局恶化，可通过成长性和回报率筛选股票规避 [80][81][82] 利用错误定价构建的投资组合 中证800股票精选 - 每月末在中证800股票池用BP、EP、净利润增长率和ROE因子对个股等权打分取前40个个股构成组合，年化回报14.87%，最大回撤31.65%，年化波动26.6%，相对基准超额13.54%，月度胜率63.13%，选择个股数量增加，年化收益和波动下降 [85] 中证1000股票精选 - 每月末在中证1000股票池用上述因子对个股等权打分取前40个个股构成组合，年化回报19.11%，最大回撤27.23%，年化波动28.72%，相对基准超额16.81%，月度胜率70.5%，选择个股数量增加，年化收益和波动下降 [89] 总结 - 中证800样本池选股策略在18 - 20年相对逆风，中证1000样本池选股策略超额收益稳定，估值因子收益来源与“拙能胜巧”思想相符 [93]

文章来源 本文摘自：2025年5月15日发布的 5月小盘、价值风格有望占优 郑雅斌 ，资格证书编号： S0880525040105 张雪杰 ，资格证书编号： S0880522040001 更多国泰海通研究和服务 亦可联系对口销售获取 大小盘风格轮动月度策略。 最新观点（模型数据截止至 2025/4/30 ）：月度量化模型最新信号转向小 盘；月度观点上，结合月度效应（历史上 5 月小盘风格大概率占优），我们认为 5 月小盘风格有望占 优。中长期，未来一两年，我们更看好小盘风格。目前市值因子最新估值价差为 1.05 ，相对历史高点区 域 1.7~2.6 ，估值价差当前位置不高。本年以来大小盘风格轮动月度策略相对于等权（沪深 300 和中证 2000 ）基准的超额收益 2.94% 。策略构建详见报告《 量化视角多维度构建大小盘风格轮动策略 》。 价值成长风格轮动月度策略。 最新观点（模型数据截止至 2025/4/30 ）：月度量化模型最新信号继续指 向价值风格；月度观点上，我们认为 5 月价值风格有望继续占优；月度配置策略，继续超配价值风格。相 对于等权（国证成长和国证价值）基准，本年以来价值成长风格轮动策略超额收 ...

能源化工期权 2025-05-16 能源化工期权策略早报 | 卢品先 | 投研经理 | 从业资格号：F3047321 | 交易咨询号：Z0015541 | 邮箱：lupx@wkqh.cn | | --- | --- | --- | --- | --- | | 黄柯涵 | 期权研究员 | 从业资格号：F03138607 | 电话：0755-23375252 | 邮箱：huangkh@wkqh.cn | 能源化工期权策略早报概要：能源类：原油、LPG；聚烯烃类期权：聚丙烯、聚氯乙烯、塑料、苯乙烯；聚酯类期 权：对二甲苯、PTA、短纤、瓶片；碱化工类：烧碱、纯碱；其他能源化工类：橡胶等。 策略上：构建卖方为主的期权组合策略以及现货套保或备兑策略增强收益。 表1：标的期货市场概况 | 期权品种 | 标的合约 | 最新价 | 涨跌 | 涨跌幅 | 成交量 | 量变化 | 持仓量 | 仓变化 | | --- | --- | --- | --- | --- | --- | --- | --- | --- | | | | | | （%） | (万手) | | (万手) | | | 原油 | SC2507 | 462 | -1 ...

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. **模型名称：宏观择时模型** - **模型构建思路**：基于动态宏观事件因子构建股债轮动策略，通过经济增长和货币流动性两个维度生成权益配置信号[26][27] - **模型具体构建过程**： 1. 经济增长信号：综合中采/财新PMI、工业增加值等指标，计算标准化得分 2. 货币流动性信号：结合SHIBOR、国债收益率、M1同比等数据，通过阈值判断生成强度信号 3. 权益仓位计算：$$仓位\% = 50\% \times (经济增长信号 + 货币流动性信号)$$ - **模型评价**：中期配置工具，对政策变化敏感[26] 2. **模型名称：微盘股择时模型** - **模型构建思路**：结合交易情绪与基本面指标监控微盘股风险[30][35] - **模型具体构建过程**： 1. 波动率拥挤度指标：计算市场波动率分位数与历史阈值比较 2. 十年国债利率同比：$$利率同比 = \frac{当期利率 - 上年同期利率}{上年同期利率}$$ 3. 风险预警：当波动率拥挤度>阈值或利率同比>0.3%时触发风控[30] 模型的回测效果 1. **宏观择时模型** - 2025年初至今收益率：1.06%（Wind全A基准1.90%）[26] - 4月权益仓位建议：25%（货币流动性信号强度50%）[26][27] 2. **微盘股择时模型** - 波动率拥挤度同比：-50.09%（未触发阈值）[31] - 十年国债利率同比：-28.69%（未触发0.3%阈值）[31] 量化因子与构建方式 1. **因子分类体系**（八大类）[51]： - **市值因子**：LN_MktCap（流通市值对数） - **价值因子**：BP_LR（账面净资产/市值）、EP_FTTM（预期净利润/市值） - **成长因子**：NetIncome_SQ_Chg1Y（单季度净利润同比） - **质量因子**：ROE_FTTM（预期ROE）、OCF2CurrentDebt（经营现金流/流动负债） - **一致预期因子**：EPS_FTTM_Chg3M（预期EPS变化率） - **技术因子**：Volume_Mean_20D_240D（成交量比率） - **波动率因子**：IV_CAPM（CAPM残差波动率） - **反转因子**：Price_Chg60D（60日收益率） 2. **转债因子构建**： - 正股成长因子：基于正股净利润增速 - 转债估值因子：平价底价溢价率[45] 因子的回测效果 1. **选股因子IC均值（上周）**[41]： | 因子类型 | 全部A股 | 沪深300 | 中证500 | 中证1000 | |---|---|---|---|---| | 市值因子 | 35.37% | -9.73% | 13.63% | 17.13% | | 反转因子 | 11.17% | 17.06% | 30.80% | 31.65% | | 波动率因子 | 2.14% | 5.04% | 16.85% | 15.33% | 2. **多空收益表现**[41][47]： - 市值因子（全部A股）：周度多空收益8.09% - 波动率因子（中证1000）：年内多空收益9.34% - 转债正股成长因子：上周多空收益显著[45] 关键公式说明 - 利率同比计算：$$利率同比 = \frac{r_t - r_{t-12}}{r_{t-12}}$$[35] - CAPM残差波动率：$$IV\_CAPM = \sqrt{\frac{\sum(\epsilon_i^2)}{n}}$$，其中$$\epsilon_i = r_i - (\alpha + \beta \cdot r_m)$$[51]

情绪择时模型构建 - 核心观点：涨跌停板数量及策略收益可反映市场情绪强弱，通过整合五大因子构建的情绪择时模型在回测中表现优异，年化收益率达6.65%，波动率15.37%，最大回撤29.39%，均优于Wind全A指数[1] - 五大关键因子：打板策略收益因子、跌停次日收益因子、涨停板占比因子、跌停板占比因子、净涨停占比因子，组合后显著优于单因子表现[1] - 模型适用性：在沪深300等宽基指数中同样有效，验证了其跨市场适用性[1] 模型改进优化 - 趋势分析改进：加入市场整体趋势判断后，年化收益率提升至9.41%，波动率17.98%，最大回撤46.35%，宏观环境适应性增强[2] - 因子加权改进：对因子信号加权后，年化收益率进一步增至9.68%，波动率降至13.31%，最大回撤优化至24.47%，差异化捕捉能力提升[2] 因子底层逻辑分析 - 情绪监测逻辑：涨停/跌停板占比因子直接反映市场情绪强度，结合使用可预测短期情绪变化[3] - 策略收益有效性：跌停次日收益因子和打板策略收益因子显示，当绝对收益升高时市场情绪较好，但信号频率较低需结合其他指标[3] - 局限性：涨停次日收益因子与市场环境关联性不连续，难以作为独立领先指标[3] 注：原文中风险提示、法律声明、订阅限制等内容已按要求排除[4][5][6][7][8]

深度学习因子与手工收益因子的结合 - 通过将收益因子加入深度学习模型的正交层，可以生成与现有收益因子低相关但选股效果良好的深度学习因子，便于后续人工调整因子权重 [1] - 深度学习模型的黑盒特性在市场剧烈风格转换时难以人工干预，正交层的设计可降低深度因子与手工收益因子的多重共线性问题 [1] 正交层设计的效果验证 - 无论使用Rank MAE还是IC作为损失函数，加入高频/低频量价收益因子的正交层后，深度因子仍保持0.02以上的IC和6以上的IC IR，全市场选股效果显著 [2] - 深度因子与手工收益因子结合构建的多因子组合在全市场多头组合中表现明显改善，但指数增强组合的提升效果存在波动 [2] 多粒度因子与深度因子的协同作用 - 正交层加入收益因子后，深度因子与多粒度因子的相关性低于0.01（高频数据输入），两者结合可显著提升全市场纯多头组合表现 [2] - 深度学习因子对中、大市值股票收益预测能力有限，导致其在指数增强组合中的改善效果不明显 [2]

以下文章来源于阿尔法工场DeepFund ，作者基哥 阿尔法工场DeepFund . 专注基金行业事件、产品和人物故事，探究背后的深层逻辑。 作 者 | 基哥 此外，也有消息称"公募基金因沪深300的业绩基准，不断买入金融，最终触发量化的动量因子"； 甚至还出现《保险资金运用管理办法》修订放宽权益类资产风险因子，引发新一轮配置潮的说法。 对此，我们与多位业内人士沟通后，得到了如下判断。 公募背锅？ 来源 | 阿尔法工场DeepFund 导语 ：一次金融板块意外的集体爆发，将量化又一次推上风口浪尖。 近期，在金融板块集体爆发之下，沪指重新站上3400点。 究竟谁在大举买入金融板块？成为了市场关注的焦点。其中，传播最广的是"公募为了业绩基准集 中调仓引发金融板块暴涨"。 之所以外界普遍将昨日金融板块的集体爆发归咎于公募为了业绩基准集中调仓，其逻辑在于《推动 公募基金高质量发展行动方案》（下称《方案》）中指出，对三年以上产品业绩低于业绩比较基准 超过10个百分点的基金经理，要求其绩效薪酬应当明显下降。 同时，现有主动权益基金大多数以沪深300指数作为业绩比较基准。 又是量化？ 既然并非公募集中调仓引发金融板块暴涨， ...

指数增强型基金市场概况 - 截至2025年一季度末全市场327只指数增强型基金规模合计超2000亿元较2020年末增幅超八成[1] - 指数增强策略结合被动跟踪指数与主动管理能力提供稳定风险收益预期满足投资者对工具型产品需求升级[1] - 蚂蚁基金推出"指数+"服务平台宽基指数增强产品成为重要类别[1] 量化指数增强定义与分类 - 量化指数增强在跟踪基准指数(如沪深300中证500等)基础上通过量化模型优化选股追求超额收益(Alpha)[2] - 指增产品允许基金经理在严格约束下调整持仓(日均跟踪偏离度年跟踪误差受控)区别于完全被动复制的传统指数基金[2] - 与主动管理基金相比指增产品采用"被动跟踪+主动增强"策略通过多因子组合AI选股等方式获取超额收益[3] 历史业绩表现 - 近10年万得指数增强型基金指数涨幅24.88%显著跑赢沪深300(-18.05%)和股票指数型基金指数(2.26%)[3][4] - 截至2025年5月12日沪深300指增基金平均收益25.48%远超普通沪深300指数基金的6.07%[7] - 权益市场震荡上行时期指增产品表现突出因能同时获取指数反弹的Beta收益和量化策略的Alpha收益[8] 量化增强实现方式 - 多因子选股模型综合评估价值动量成长等因子通过科学系统方法提高选股准确性[10] - AI选股技术利用机器学习深度学习挖掘海量数据规律与多因子模型结合提升超额收益水平[11] - 基本面增强策略通过分析公司盈利能力偿债能力等基本面信息优化投资组合[12] 产品选择关键指标 - 选择指增基金应关注年化超额跟踪误差信息比率最大回撤等围绕日超额计算的指标[13] - 优秀指增产品应在各种市场环境下获取稳定超额未来AI大数据技术将加剧行业竞争[13]