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%

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]

报告核心观点 报告围绕红利策略展开，探讨从红利增长到未来高股息的转变，结合红利增长与未来高股息思路构建组合，并对港股红利增长策略进行初步探索，同时改进分析师因子计算方法以提升选股效果 [1][27][64] 从红利增长到未来高股息 新规环境与原组合问题 - 5月7日证监会发布方案，要求业绩不佳的基金经理绩效薪酬下降，2016 - 2024年原红利增长组合相对中证红利指数年化跟踪误差为9.08%，需锚定指数降低误差 [7] - 原红利增长组合无银行，影响组合容量和股息率，对习惯银行红利配置的机构不友好 [7] 走向未来高股息的方案 - 红利增长组合可提前预测分红增长公司，剔除未来低股息公司；转向未来高股息可引入银行板块，降低行业偏离和跟踪误差，但收益优势可能下降 [10] 未来高股息组合表现 - 后验视角下，未来高股息组合相比历史高股息组合有显著超额收益，2011 - 2025/4/30年化收益分别为23.92%（等权）、27.68%（未来股息率加权），历史高股息组合为10.64%（等权）、10.63%（历史股息率加权） [11][13] 预测未来股息率的因子 - 借用多因子框架预测未来股息率，历史股息率有显著预测效果，估值、盈利、成长等因子也有一定效果，但与股息率并列使用可能降低预测效果 [15][16][20] - 先股息率选股再加入其他因子预测，可减少影响；股息率选股后各因子预测差异小，估值因子略高，成长因子在收益和回撤上有优势，考虑先股息率后成长的组合构建方案 [20][25] 未来高股息与红利增长思路的结合 结合方式 - 先根据预测分红增长构建股票池，在池内先按过去三年平均股息率选前100只股票，再按成长因子选前50只股票构建组合，个股按最近年度股息率加权 [31] 股票池构建 - 从过去三年分红比例稳定且盈利预期增长、过去连续两年分红金额增长且盈利预期增长两个维度筛选股票，取并集得到预测分红增长股票池，2016年以来平均有572只股票 [34][39] 选股思路及组合表现 - 多因子打分选股，用股息率、估值、盈利三因子等权打分选前50只股票构建组合，长期战胜指数但超额收益不稳定 [43] - 层层递进选股，先股息率筛选再用成长因子选前50只股票构建新红利增长组合，2016 - 2025/5/31年化收益率12.08%，中证红利全收益指数为6.84%，超额收益更稳定 [46][50] 组合特征 - 股息率方面，新红利增长组合历史和未来股息率高于三因子红利增长组合，与中证红利指数接近且略高 [52][54] - 行业分布上，新红利增长组合与中证红利指数偏差小，在部分行业低配或超配，年化跟踪误差5.82% [59] - 市值分布上，新红利增长组合相比中证红利指数偏小，但绝对市值偏大 [61] 港股红利增长初探 后验视角测试 - 港股通样本池内，筛选当年分红增加股票等权构建已知分红增长组合，2014/12/31 - 2025/4/30年化收益率14.21%，基准组合为8.28%，多数年份有超额收益 [67][70] 策略构建测试 - 筛选过去三年连续分红股票等权构建基准组合，筛选连续两年分红增长股票等权构建港股通红利增长组合，两组合表现接近，简单动量构建策略无效 [71] 分析师因子的改进 改进方法 - 提出新方法计算分析师因子，基于业绩披露时点下的盈利预测调整，以小熊电器为例说明旧方法可能利用失效数据 [77][78] - 重构一致预期净利润变化和分析师盈利上调比例因子，给出改进因子计算方式 [80][81] 选股效果测试 - 回测显示，改进后一致预期净利润变化因子和分析师盈利上调比例因子在多个指数内选股效果优于初始因子 [82][83][91]