根据提供的研报内容，以下是量化模型与因子的总结： 量化因子与构建方式 1. **因子名称**：业绩预告景气度因子 **因子构建思路**：通过业绩预告类型（正向/负向）的披露率差异衡量行业景气度[6][16] **因子具体构建过程**： - 正向预告包括"预增"、"略增"、"续盈"、"扭亏"，负向预告包括"预减"、"略减"、"续亏"、"首亏"[16] - 计算各行业正向披露率（正向预告数量/行业公司总数）和负向披露率（负向预告数量/行业公司总数）[16] - 景气度计算公式： $$景气度 = \frac{正向披露率}{负向披露率}$$ **因子评价**：能有效捕捉行业层面的业绩预期差异，非银金融、有色金属等行业景气度最高[16][17] 2. **因子名称**：净利润增长率中位数因子 **因子构建思路**：基于业绩预告中净利润变动幅度的行业比较[6][18] **因子具体构建过程**： - 取业绩预告中净利润变动幅度上下限绝对值的较大者作为"净利润增长率"[18] - 按行业计算该增长率的中位数 **因子评价**：综合、钢铁等行业增长潜力突出，但需注意预告数据与实际财报的偏差风险[18][19] 因子的回测效果 1. **业绩预告景气度因子** - 非银金融正向披露率39%（全行业最高），有色金属景气度比值达3.5[16][17] - 电子、农林牧渔景气度比值超2.0[17] 2. **净利润增长率中位数因子** - 综合行业中位数增长率200%，钢铁行业150%，非银金融120%[18][19] - 煤炭行业增长率中位数为负（-50%）[19] 事件效应模型 1. **模型名称**：业绩预告事件窗口模型 **模型构建思路**：分析预告公布前后30天的超额收益规律[21][22] **模型具体构建过程**： - 统计2020-2024年个股相对行业指数的每日超额收益 - 正向预告组和负向预告组分别计算事件窗口[-30,30]内的平均超额 - 关键观测窗口： - 预告前30天至前1天（市场提前反应） - 预告后1天至30天（修复效应） **模型评价**：正向预告存在动量效应，负向预告存在修复效应但波动更大[21][22] 模型测试结果 1. **业绩预告事件窗口模型** - 正向预告组： - 预告前30天累计超额1.22%[22] - 预告后30天累计超额1.91%[22] - 负向预告组： - 预告前30天累计超额-1.11%[22] - 预告后30天累计超额0.09%[22] 注：所有数据均基于2020-2024年历史回测结果[21][22]