量化因子与构建方式 1 **因子名称**：盈利预期期限结构因子 **因子构建思路**：通过分析分析师对上市公司未来多年盈利预测的趋势（期限结构），将盈利预测数据与年度变量拟合斜率，量化分析师的乐观、中性或悲观预期[7] **因子具体构建过程**： - 将未来年度（如第1年、第2年等）作为X轴，对应盈利预测值作为Y轴 - 对数据点进行线性回归，计算斜率： $$ \text{斜率} = \frac{n\sum xy - (\sum x)(\sum y)}{n\sum x^2 - (\sum x)^2} $$ 其中，\( x \)为年度变量，\( y \)为盈利预测值，\( n \)为预测年度数 - 根据斜率正负和大小划分期限结构形态（向上倾斜/水平/向下倾斜）[7] **因子评价**：历史表现稳定，能有效捕捉分析师预期差异[9] 2 **因子名称**：合成动量ff因子 **因子构建思路**：将盈利预期期限结构因子（动量ff）与传统分析师预期调升因子（如一致预期净利润3个月变化率）结合，提升稳定性和收益能力[11] **因子具体构建过程**： - 标准化处理两个因子的数值 - 按一定权重线性合成（具体权重未披露）： $$ \text{合成动量ff} = w_1 \times \text{动量ff} + w_2 \times \text{预期调升因子} $$ **因子评价**：兼具高收益与稳定性，2021年后回撤显著改善[11] --- 因子的回测效果 1 **盈利预期期限结构因子**：累计IC表现稳定（图示趋势，无具体数值）[8][9] 2 **合成动量ff因子**：累计IC曲线优于传统预期调升因子（图示对比）[12] --- 量化模型与构建方式 1 **模型名称**：多指数选股组合模型 **模型构建思路**：基于合成动量ff因子在不同指数成分股中筛选排名靠前的股票构建组合[15] **模型具体构建过程**： - 在沪深300、中证500、中证800、中证1000成分股中分别选取因子排名前50、50、100、100的股票 - 等权重配置，定期调仓（频率未明确）[15] --- 模型的回测效果 1 **沪深300选股组合**： - 2025年6月超额收益4.29% - 2025上半年累计超额收益5.36%[15] 2 **中证500选股组合**： - 2025年6月超额收益2.36% - 2025上半年累计超额收益3.76%[15] 3 **中证800选股组合**： - 2025年6月超额收益3.72% - 2025上半年累计超额收益5.55%[15] 4 **中证1000选股组合**： - 2025年6月超额收益1.69% - 2025上半年累计超额收益4.17%[15]

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. **优化复制模型** - **构建思路**：通过数学优化方法最小化跟踪误差，复制目标指数的收益[31] - **具体构建过程**： 1. 定义资产组合收益率： $${\tilde{R}}_{t}=\Sigma_{i=1}^{M}{\widetilde{W}}_{i,t}\cdot Y_{i,t}=Y_{t}\cdot{\overline{{W}}}_{t}$$ 其中${\widetilde{W}}_{i,t}$为持仓权重，$Y_{i,t}$为资产收益[31] 2. 目标函数为跟踪误差最小化： $$w=a r g\,m i n\;\;\;T E$$ 其中$TE=\sqrt{\frac{1}{T}\Sigma_{t=1}^{T}(\tilde{R}_t-R_t)^2}$[32] 3. 添加约束条件： 权重和为1：$$\Sigma_{i=1}^{N}w_{i}=1$$[33] 非负约束：$$0\leq w_{i}\leq1$$[35] 行业/风格中性约束： $$z_{l o w}\leq\frac{X_{s}^{T}w-X_{s}^{T}\tilde{w}}{s_{b}}\leq z_{u p}$$ $$w_{l o w}^{I}\leq X_{I}^{T}w-X_{I}^{T}\bar{w}\leq w_{u p}^{I}$$[36] - **评价**：灵活平衡成本与精度，但依赖历史数据可能产生模型风险[30] 2. **Barra多因子模型** - **构建思路**：基于CAPM和Fama-French三因子模型扩展，解释个股收益来源[47] - **具体构建过程**： 因子收益方程： $${\begin{bmatrix}r_{1}\\ r_{2}\\ \vdots\\ r_{n}\end{bmatrix}}={\begin{bmatrix}x_{11}\\ x_{21}\\ \vdots\\ x_{n1}\end{bmatrix}}f_{1}+{\begin{bmatrix}x_{12}\\ x_{22}\\ \vdots\\ x_{n2}\end{bmatrix}}f_{2}+\cdots+{\begin{bmatrix}x_{1m}\\ x_{2m}\\ \vdots\\ x_{n m}\end{bmatrix}}f_{m}+{\begin{bmatrix}u_{1}\\ u_{2}\\ \vdots\\ u_{n}\end{bmatrix}}$$ 其中$x_{ij}$为股票i对因子j的暴露，$f_j$为因子收益[46] 3. **TCN神经网络因子挖掘模型** - **构建思路**：通过时序卷积网络挖掘高频量价Alpha因子[52] - **评价**：相比遗传规划算法能发现更复杂的非线性关系[51] 量化因子与构建方式 1. **波动类因子** - 特异率：1减Fama-French三因子模型拟合优度[48] - 残差波动率：Fama-French三因子回归残差的标准差[48] - 换手率变异系数：换手率标准差/均值[48] 2. **空头意愿因子** - 每笔成交额：总成交额/成交笔数[48] - 高量每笔成交：高成交量区间的每笔成交额占比[48] 3. **交易拥挤度因子** - 量价相关性：成交量与价格的秩相关系数[48] - 高量交易成本：最高20%价格区间的成交量占比[48] 4. **质量因子** - 盈利因子：扣非ROE与资产报酬率的均值[48] 5. **成长因子** - 绝对净利润增长：单季度扣非净利润时间序列回归斜率[48] 模型的回测效果 1. **沪深300指数增强基金** - 年化超额收益：3.74%[23] - 信息比率(IR)：1.51[23] - 跟踪误差：2.22%[23] - 超额胜率：72%[23] 因子的回测效果 1. **打新增强** - 2025年打新收益：2.13%（科创板4.34%，创业板2.52%）[67] 2. **股指期货增强** - 2025年基差：沪深300(-6.75%)、中证500(-13.60%)[72] 3. **大宗交易增强** - 历史折价率中位数：5.38%（2025年8.23%）[74] 4. **定向增发增强** - 历史折价率中位数：14.55%（2025年11.87%）[77]

电网排放因子更新趋势 - 2022年全国电力二氧化碳排放因子为0.5366千克/千瓦时，较此前三次更新值（0.5810、0.5703、0.5568）持续下降，反映非化石燃料装机占比提升及可再生能源消费增长 [1] - 电网排放因子下降是能源消费低碳化转型的重要表现，但受能源禀赋与电网安全限制，因子不能降为零 [1] 排放因子计算逻辑 - 全国平均电网排放因子=火电总碳排放量/总发电量，火电包括燃煤、燃气机组（不含生物质） [2] - 组合电网排放因子为电量边际（OM）与容量边际（BM）加权平均值，因考量新增高参数机组排放强度，数据低于平均排放因子 [2] - 平均排放因子反映社会平均排放水平用于核算，组合因子体现额外性原则用于减排量计算 [2] 可再生能源环境价值影响 - 绿证制度体现可再生能源电力的环境价值，通过修复化石燃料负外部性降低电网排放因子 [1] - 市场化交易的可再生电量扣除后，统计口径缩小导致排放因子上升，需研究如何将社会价值纳入核算 [3] - 欧盟通过GOs政策扣除绿电交易电量，我国近两次因子更新也扣除市场化非化石能源电量，但欧盟口径更小 [5][6] 避免重复计算机制 - 个体采购绿电后若重复纳入电量结构会导致排放因子下降被其他用户共享，存在重复计算风险 [4] - CCER与绿证存在重复补贴可能，2024年政策允许海上风电/光热项目选择绿证或CCER，但电量扣除问题待解决 [4] 企业排放因子修正方法 - 企业可通过绿电/绿证交易修正排放因子：绿电电量排放因子为零，绿证电量使用扣除非化石电量的平均因子，火电电量使用化石能源平均因子 [7][8] - 示例企业采购30%绿电+40%绿证+30%火电，组合排放因子为0.4839千克/千瓦时，较未采购环境权益显著降低 [8] 政策建议 - 加强国际谈判争取绿电/绿证互认，应对欧盟碳边境调节机制，降低出口企业碳关税风险 [9] - 明确统计规则以协调消纳保障机制、能耗双控与环境属性实现，避免重复计算 [9] - 允许企业通过不同环境权益采购路径修正排放因子，降低减碳成本并提升绿证消费意愿 [10]

保险业增资概况 - 2025年上半年共有13家险企公布增资方案或获批增资，总金额达484.75亿元，涵盖寿险、财险、健康险及再保险公司等类型 [1][3] - 增资规模显著扩大，超400亿元，平安人寿单笔增资199.99亿元，注册资本从338亿元升至360亿元，占行业增资总额近50% [3] - 二季度增资密集，三峡人寿、安盛环球再保险、鼎和财险、中华联合人寿等公司接连释放增资计划 [4] 增资与发债的资本补充方式 - 除股权增资外，资本补充债券成为重要渠道，新华保险、太平人寿等多家公司上半年密集发债 [5] - 增资适用于长期资金需求及股东支持强的险企，发债更适合短期资金补充及优化监管指标，中大型险企倾向利用低利率环境发债 [5][6] - 众安保险增资39亿港元（约5亿美元）用于金融科技创新，中邮保险获准增资39.8亿元，注册资本增至326.43亿元 [5] 增资动因分析 - 提升偿付能力是核心考量，增资直接增加资本金以增强风险抵御能力，同时支持业务扩张及新产品研发 [7] - "偿二代"二期过渡期延长至2025年底，监管政策调整（如股票投资风险因子下调10%）刺激资本补充需求 [7][8] - 监管鼓励拓宽资本补充渠道，支持增资扩股及发行资本工具，优化股东资质要求以增强外源性资本吸引力 [9] 未来趋势与分化 - 行业资本补充需求将持续高位，中小险企因盈利能力弱、资本不足面临更大增资压力，大型险企融资渠道更广 [9][10] - 创新业务型险企（如养老、健康领域）需大量资金投入研发，增资需求迫切 [9] - 中小险企增资难度较高，需依赖战略投资者或创新融资方式，大型险企凭借市场认可度更易筹集资金 [10]

报告行业投资评级 未提及 报告的核心观点 工银瑞信基金指数及量化投资部人员充足、研究方向多样，以“ARC”投资导航系统为核心，多位基金经理有不同投资方法，涵盖多因子和 SmartBeta 等策略，产品线丰富，能为投资者提供不同赛道解决方案，代表产品各有特色且业绩表现良好 [1][12][38] 根据相关目录分别进行总结 工银主动量化团队——前沿视角 + 多元覆盖，积极主动把握确定性投资机会 - 团队概况：工银瑞信基金指数及量化投资部有 15 位投研人员，由焦文龙牵头管理，分工明确，覆盖多领域；核心成员经验丰富，各负责多只公募基金；投资理念以“ARC”为核心，在人员和研究方向优势下可发挥最大作用 [8][9][12] - 主动量化投资框架：多位基金经理投资方法多样，多因子策略在因子构建、挖掘和模型构建有特色，SmartBeta 策略有明确决策步骤，注重策略合理性和交易辅助 [19][20][30] - 主动量化产品线：在管 11 只主动产品，涵盖多品类，各细分品类产品定位鲜明，能为投资者提供专项解决方案，目标是在不同赛道为投资者增添收益 [38][39][40] 工银主动量化代表产品投资特征分析 - 工银聚享：自 2024 年 2 月业绩超越基准，定位于高仓位固收 + 且股票端配小盘，换手率适中、持仓分散，行业配置稳定，不依靠高换手和行业偏离获超额收益 [43][45][50] - 工银瑞信中证 1000 指数增强：何顺管理后业绩领先，区间回报领先同类，交易换手贡献显著超额收益，高换手、适度涉猎微盘股，有适度行业偏离和风格因子暴露调整 [56][59][60] - 工银新价值：2024 年以来业绩领先，低换手、持股分散，持股偏大盘，有适度行业调整，主要靠选股贡献超额收益，能捕获 Beta 和 Alpha 投资机会 [72][73][81]

2025年下半年首个交易日，小微盘风格持续强势，中证2000增强ETF（159552）、1000ETF增强 （159680）双双刷新上市新高。 其中，中证2000增强ETF（159552）上半年净值增长率29.18%，涨幅位居宽基ETF第一，半年超额收益 率近14%。 【小盘风格为何强势？】 另一方面，宏观经济运行方向。大小盘风格与经济周期的关系虽不完全线性，但总体来看，经济预期平 淡或缓和阶段，小盘风格偏强；经济企稳回升期，大盘风格占优。 展望后市，该机构认为，当前环境或仍有利于偏小盘风格演绎。 产业趋势上，AI、半导体等产业仍处于景气阶段，重要会议继续注重"发展新质生产力"，多维度支持科 创领域发展。 宏观环境上，我国结构性问题依然突出，外部不确定性也对增长带来挑战，稳增长政策下半年仍有加码 需求及空间。 从拥挤度水平看，截至6月27日，小盘指数换手率为2.1%，处于2015年以来77%分位数，交易拥挤度相 对偏高；但从小盘指数/大盘指数换手率比值来看，大约为4.1倍，位于历史均值附近。 从估值层面看，当前小盘指数/大盘指数PE(TTM)比值为2.2倍，处于2015年以来72.5%分位数。从资本 市场建设 ...

报告行业投资评级 未提及 报告的核心观点 - 消费转型是中国可持续发展必经之路，中国需转向消费、投资、出口协调驱动经济模式 [3][10][11] - 中国居民消费率长期低于理论最优水平，目前距最优水平至少有 15%提升空间，消费倾向是影响消费率关键因素 [3][21][114] - 美国和日本转型经验表明政策干预、收入分配优化与结构性改革对释放消费动能至关重要，中国消费转型难度或高于美日，预计需 15 年左右迈向消费大国 [4][114][115] - 中国消费转型需从提升财产性收入、优化社保制度、改善人口结构、构建消费文化和增加优质服务消费供给等方面发力 [5][75][116] 根据相关目录分别进行总结 大国发展引擎转变：消费转型是中国持续发展的必经之路 - 投资、出口、消费结构适配性决定经济体中长期发展质量，中国应转向消费驱动增长模式 [3][11] - 中国消费率长期偏低，2023 年最终消费支出占 GDP 比重为 55.6%，低于全球平均水平约 14 个百分点 [14] - 通过构建最优消费率与实际消费率动态分析框架，发现 1990 年以来实际消费率长期低于理论最优水平，目前距最优水平至少有 15%提升空间 [21] 消费率演变三阶段：基于 LMDI 因子分解探寻低消费原因 - 改革开放以来，中国居民消费率经历三个阶段：1978 - 2000 年先上后下，2000 - 2010 年持续下降，2010 年至今稳步回升 [25] - 采用 LMDI 模型将居民消费率变化拆解为消费倾向、二次分配和初次分配三大因子，消费倾向和初次分配主导了消费率长期趋势 [27][28][32] - 各阶段影响消费因素不同：1978 - 2000 年，前期消费率上升后因通胀和政府引导回落；2000 - 2010 年，外需替代内需和初次分配失衡导致消费率下降；2010 年至今，消费倾向主导消费率趋势，疫情影响消费倾向和消费率 [35][41][44] 美日转型启示录 美国经验：人口红利 + 消费信贷创新 - 二战后美国通过人口红利、城镇化提升和可支配收入增长释放内需，政府通过金融制度创新和社会保障体系建设推动消费发展 [47][51] 日本经验：国民收入倍增计划 - 日本在 1970 年代通过产业升级、社保改革和金融服务完善实现消费扩容，但转型面临劳动力转移滞后问题 [53][57][59] 中国启示：城镇化、收入增收仍有空间 - 中国消费转型面临人口老龄化前置、城镇化相对滞后和收入增速相对不足问题，转型难度或高于美日，预计需 15 年左右迈向消费大国 [4][71][115] 政策工具箱：多维消费驱动战略 提升财产性收入：从利息依赖到权益赋能 - 中国财产性收入存在“利息依赖、权益缺位”问题，需通过资本市场改革提升分红比例、稳定资产价格激活居民财产性收入 [76][79][116] 社保制度迭代：从普惠性覆盖到质量提升 - 中国社保体系存在覆盖不足和保障质量差异问题，需提升社保体系包容性，优化缴费和补贴标准 [80][89] 人口结构优化：释放短中长期消费潜力 - 生育政策优化可释放消费潜力，当前生育补贴政策需扩容，同时应发展银发经济 [90][95][100] 观念革新：消费文化构建 - 中国消费文化需转变，可借鉴美日经验，通过媒体引导和政策推动塑造消费文化 [103][104][107] 增加优质服务消费供给 - 中国服务消费供需错配，需扩大服务业开放，构建跨境服务贸易促进体系，深化对内开放制度改革，推动优质服务业供给 [109][112] 总结与展望 - 中国需转向消费驱动增长模式，预计 15 年左右迈向消费大国 [114][115] - 促进消费需聚焦收入、人口结构、社会保障与文化建设四大维度，同时提升服务消费供给 [116]

量化因子与构建方式 1 因子名称：新价量相关性RPV因子 因子构建思路：通过划分价量四象限，利用月度IC均值有效甄别出价量相关性因子的反转效应和动量效应，在"动量因子切割"研究的基础上，以相关性的形式加入"成交量"的信息，分别为日内、隔夜的价量相关性找到最佳代表，并完成信息叠加[6] 因子具体构建过程： - 日内价量相关性采用CCOIV指标（收盘价与日内换手率的相关系数），体现收盘价序列与换手率序列的反转效应 - 隔夜价量相关性采用COV指标（隔夜收益率与昨日换手率的相关系数），体现隔夜收益率与昨日换手率的动量效应 - 将CCOIV和COV标准化后等权合成RPV因子[6] 因子评价：通过叠加日内反转与隔夜动量效应，显著提升因子区分能力[6] 2 因子名称：聪明版日频价量相关性SRV因子 因子构建思路：改进RPV因子中的日内价量相关性部分，通过识别"聪明"交易时段（知情交易集中时段），使用更高信息含量的换手率指标[6] 因子具体构建过程： - 日内部分：将下午交易时段每分钟换手率与涨跌幅计算"聪明"指标，选取指标最高的20%时段（24分钟）作为知情交易时段，计算该时段换手率与下午涨跌幅的相关系数 - 隔夜部分：将RPV中的昨日全天换手率替换为昨日最后半小时换手率（信息密度更高） - 将改进后的日内与隔夜相关性指标标准化后等权合成SRV因子[6] 因子评价：通过捕捉知情交易时段信息，因子稳定性和区分能力显著优于RPV[6] 因子的回测效果 1 新价量相关性RPV因子（2014/01-2025/06）： - 年化收益率14.57% - 年化波动率7.73% - IR 1.89 - 月度胜率72.99% - 最大回撤10.63%[7][10] 2025年6月当月表现： - 多头组合收益率6.09% - 空头组合收益率5.95% - 多空对冲收益率0.14%[10] 2 聪明版日频价量相关性SRV因子（2014/01-2025/06）： - 年化收益率17.28% - 年化波动率6.50% - IR 2.66 - 月度胜率75.18% - 最大回撤3.74%[7][10] 2025年6月当月表现： - 多头组合收益率6.33% - 空头组合收益率6.78% - 多空对冲收益率-0.45%[10] 历史回测补充数据（2014/01-2023/08/31）： - RPV因子年化收益16.29%，IR 2.41[6] - SRV因子年化收益18.91%，IR 3.07，最大回撤3.11%，月度胜率80.00%[6]

量化模型与构建方式 1. 因子名称："日与夜的殊途同归"新动量因子；因子构建思路：基于日内与隔夜各自的价量关系，分别对日内因子、隔夜因子进行改进，再重新合成新的动量因子[6][7]；因子具体构建过程：将交易时段切割为日与夜两个部分，分别探索各自的价量关系，在传统动量因子基础上加入成交量信息进行修正[7]；因子评价：选股能力显著优于传统动量因子[6] 模型的回测效果 1. "日与夜的殊途同归"新动量因子（2014/02-2025/06），年化收益率18.15%，年化波动率8.79%，信息比率2.07，月度胜率77.37%，最大回撤率9.07%[1][7][14] 2. "日与夜的殊途同归"新动量因子（2014/01/01-2022/07/31），IC均值-0.045，年化ICIR-2.59，10分组多空对冲年化收益率22.64%，信息比率2.85，月度胜率83.33%，最大回撤率5.79%[6] 3. "日与夜的殊途同归"新动量因子（2025年6月），10分组多头组合收益率6.19%，10分组空头组合收益率6.71%，10分组多空对冲收益率-0.52%[1][10] 传统动量因子对比 1. 传统动量因子（2014/01/01-2022/07/31），10分组多空对冲信息比率1.09，月度胜率62.75%，最大回撤20.35%[6]

量化因子与构建方式 1. **因子名称：估值偏离EPD因子** - **构建思路**：结合布林带均值回复策略与基本面估值修复逻辑，利用PE指标的均值回复特性构建[7][8] - **具体构建过程**： 1. 计算个股PE时间序列的布林带上下轨（均值±标准差） 2. 定义估值偏离度：$$EPD = \frac{PE_t - \mu_{PE}}{\sigma_{PE}}$$，其中$\mu_{PE}$为PE均值，$\sigma_{PE}$为PE标准差[7] 3. 因子值越大表示估值偏离历史均值程度越高，预期未来均值回复概率越大[7] 2. **因子名称：缓慢偏离EPDS因子** - **构建思路**：在EPD基础上剔除个股估值逻辑变化的干扰（通过个股信息比率代理）[7][8] - **具体构建过程**： 1. 计算个股信息比率IR（衡量估值逻辑稳定性） 2. 调整EPD因子：$$EPDS = EPD \times (1 - IR)$$，IR越高则因子权重越低[7] 3. 通过降低高波动个股的权重，增强因子稳健性[8] 3. **因子名称：估值异常EPA因子** - **构建思路**：在EPDS基础上剔除Beta、成长与价值风格的影响[7][8] - **具体构建过程**： 1. 对EPDS因子进行横截面回归，剥离市场Beta、估值（BP）、成长（GP）等风格暴露 2. 取回归残差作为EPA因子值：$$EPA = EPDS - (\beta_1 \cdot Beta + \beta_2 \cdot BP + \beta_3 \cdot GP)$$[7] 3. 保留纯粹的"估值异常"信号，避免风格干扰[8] 因子回测效果 | 因子名称 | 年化收益率 | 年化波动率 | 信息比率(IR) | 月度胜率 | 最大回撤率 | |----------------|------------|------------|--------------|------------|------------| | 估值偏离EPD | 17.61% | 9.98% | 1.76 | 70.81% | 8.93% | | 缓慢偏离EPDS | 16.27% | 5.70% | 2.85 | 78.92% | 3.10% | | 估值异常EPA | 17.25% | 5.10% | 3.38 | 81.08% | 3.12% | *数据来源：2010/02-2025/06全市场回测（剔除北交所）[8][13]* 补充说明 - **6月EPA因子表现**：多头组合收益7.40%，空头组合收益5.61%，多空对冲收益1.78%[15] - **历史RankIC表现**：EPA因子月度RankIC均值0.061，RankICIR达4.75（2010/01-2022/05）[7]