量化模型与因子总结 量化模型与构建方式 1. **模型名称**：风格相对拥挤度模型[71][127] * **模型构建思路**：通过计算不同风格指数换手率标准化值的差异及其历史分位，来衡量某一风格相对于另一风格的交易拥挤程度，以判断其配置风险或性价比[71][127]。 * **模型具体构建过程**： 1. 对于风格A指数和风格B指数，分别计算其近252个交易日的平均换手率[127]。 2. 将上述平均换手率值，在2005年1月1日以来的历史时间序列上进行Z-score标准化，得到Z-score_A与Z-score_B[127]。 3. 计算二者差值：$$Diff_{AB} = Z\text{-}score_A - Z\text{-}score_B$$[127] 4. 计算差值Diff_AB的滚动6年历史分位数（若历史数据不足6年但满1年，则使用全部历史数据计算），该分位数即为风格A相对于风格B的相对拥挤度[127]。 2. **模型名称**：风格累计超额净值模型[128] * **模型构建思路**：以万得全A指数为基准，计算各风格指数的累计超额收益，用于跟踪风格表现的相对强弱[128]。 * **模型具体构建过程**： 1. 设定基准日（报告中为2020年1月4日）[128]。 2. 将各风格指数及万得全A指数的每日收盘价除以基准日收盘价，得到各自的累计净值序列[128]。 3. 将各风格指数每日的累计净值除以同一交易日万得全A指数的累计净值，得到该风格指数相对于万得全A的累计超额净值[128]。 3. **模型名称**：机构调研活跃度模型[129] * **模型构建思路**：通过标准化并比较不同板块（指数、行业）的机构调研频率，构建活跃度指标并计算其历史分位，以衡量市场关注度的变化[129]。 * **模型具体构建过程**： 1. 对于特定板块，计算其近n个交易日的“日均机构调研次数”[129]。 2. 将该日均值在滚动y年的历史时间序列上进行z-score标准化[129]。 3. 将上述标准化值与万得全A指数的同期标准化结果作差，得到“机构调研活跃度”[129]。 4. 计算该“机构调研活跃度”的滚动y年历史分位数（长期口径：n=126，y=6年；短期口径：n=63，y=3年。历史数据不足时使用全部可用数据计算）[129]。 模型的回测效果 *本报告为市场跟踪周报，未提供上述模型的长期历史回测绩效指标（如年化收益率、夏普比率、最大回撤等）。报告主要展示了模型在特定时点（2025年12月26日当周）的输出结果和状态判断[71][75][77][78]。* 量化因子与构建方式 1. **因子名称**：滚动季度夏普率[37][39] * **因子构建思路**：计算万得全A指数滚动一个季度（约63个交易日）的夏普比率，作为衡量市场情绪与风险的指标[37]。 * **因子具体构建过程**：报告未给出详细计算公式，但遵循夏普比率通用定义，即区间超额收益率均值除以收益率标准差。文中指出该指标上升至历史极高位置表明市场情绪达到极端高峰[37]。 2. **因子名称**：风险溢价（ERP）[51][59] * **因子构建思路**：计算股票指数市盈率倒数与无风险利率的差值，作为衡量股债相对性价比的指标[51]。 * **因子具体构建过程**：对于任一指数，其ERP计算公式为： $$ERP = \frac{1}{PE_{TTM}} - R_{f}$$ 其中，\(PE_{TTM}\) 为指数的滚动市盈率，\(R_{f}\) 为10年期中国国债到期收益率[51]。 3. **因子名称**：成交热度[25][35] * **因子构建思路**：使用换手率的历史分位来度量指数、板块或行业的交易活跃程度[25]。 * **因子具体构建过程**：成交热度定义为“周度日均自由流通换手率”在设定历史区间（例如2005年1月1日至今）内的历史分位值[25][35]。 4. **因子名称**：动量因子（基于长江动量指数）[61] * **因子构建思路**：以最近一年收益率减去最近一个月收益率（剔除涨停板）作为动量指标，筛选动量特征强的股票[61]。 * **因子具体构建过程**：报告未给出具体加权和调仓细节。长江动量指数综合选择A股市场中动量特征强且流动性相对较高的前100只股票作为成分股，以表征动量风格的整体走势[61]。 5. **因子名称**：反转因子（基于长江反转指数）[61] * **因子构建思路**：以最近一个月收益率作为筛选指标，筛选反转效应强的股票[61]。 * **因子具体构建过程**：报告未给出具体加权和调仓细节。长江反转指数综合选择A股市场中反转效应强、流动性较好的前100只股票作为成分股，并采用近三个月日均成交量进行加权，以表征反转风格的整体表现[61]。 因子的回测效果 *本报告未提供上述因子的IC、IR、多空收益等传统因子测试结果。报告主要展示了这些因子或基于其构建的指数在特定时期（近一周、近一月、年初至今）的表现，以及相关指标（如PE分位、ERP分位）在当周末的截面或时间序列值[17][35][49][59][66]。*

量化市场跟踪 - 本周全市场股票池中Beta因子和估值因子分别获取正收益0.48%和0.26%，市值因子和盈利因子分别获取负收益-0.24%和-0.42%，市场表现为小市值风格 [2] - 动量因子获取负收益-0.44%，市场表现为反转风格 [2] 单因子表现 - 沪深300股票池中表现较好的因子包括单季度净利润同比增长率(1.83%)、单季度营业利润同比增长率(1.75%)、净利润率TTM(1.52%)，表现较差的因子包括早盘后收益因子(-1.76%)、动量弹簧因子(-1.73%)、成交量的5日指数移动平均(-1.49%) [3] - 中证500股票池中表现较好的因子包括市净率因子(2.57%)、下行波动率占比(2.07%)、市销率TTM倒数(1.33%)，表现较差的因子包括动量弹簧因子(-1.23%)、单季度总资产毛利率(-1.22%)、总资产毛利率TTM(-1.16%) [3] - 流动性1500股票池中表现较好的因子包括下行波动率占比(0.74%)、净利润断层(0.49%)、单季度ROE同比(0.46%)，表现较差的因子包括ROA稳定性(-1.43%)、早盘后收益因子(-1.38%)、动量调整大单(-1.35%) [3] 因子行业内表现 - 基本面因子在交通运输行业正收益较为一致，包括净资产增长率因子、净利润增长率因子、每股净资产因子和每股经营利润TTM因子 [4] - 估值类因子中BP因子在房地产行业正收益明显 [4] - 残差波动率因子和流动性因子在有色金属行业正收益明显 [4] - 市值风格上本周多数行业表现为小市值风格 [4] PB-ROE-50组合跟踪 - 本周PB-ROE-50组合在全市场股票池中获取正超额收益0.92%，在中证500股票池中获得超额收益-0.56%，在中证800股票池中获得超额收益-0.38% [5] 机构调研组合跟踪 - 本周公募调研选股策略相对中证800获得超额收益0.80%，私募调研跟踪策略相对中证800获得超额收益1.21% [6] 大宗交易组合跟踪 - 本周大宗交易组合相对中证全指获得超额收益1.22% [7] 定向增发组合跟踪 - 本周定向增发组合相对中证全指获得超额收益0.05% [8]

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. **单季度净利润同比增长率因子** - 构建思路：反映公司短期盈利能力的增长情况[12] - 具体构建：计算单季度净利润同比变化率，公式为： $$ \text{单季度净利润同比增长率} = \frac{\text{本期净利润} - \text{去年同期净利润}}{\text{去年同期净利润}} $$ - 评价：对沪深300股票池近期表现敏感[13] 2. **市净率因子（PB）** - 构建思路：衡量股价与净资产的比值关系[14] - 具体构建： $$ \text{市净率} = \frac{\text{股票价格}}{\text{每股净资产}} $$ - 评价：在中证500股票池中表现突出[15] 3. **下行波动率占比因子** - 构建思路：捕捉股价下跌时的风险特征[16] - 具体构建：计算收益率下行区间的波动率占总波动率的比例[17] - 评价：在多股票池中稳定性较强[17] 4. **动量弹簧因子** - 构建思路：结合动量效应与均值回复特性[12] - 具体构建：通过标准化处理过去N日收益率与波动率的比值[13] - 评价：近期在沪深300中表现较差[13] 5. **大宗交易组合核心因子** - 构建思路：基于"高成交金额比率+低波动"原则[29] - 具体构建： - 大宗交易成交金额比率 = 大宗交易金额 / 总成交金额 - 6日成交金额波动率 = STD(近6日成交金额)[29] - 评价：事件驱动型因子有效性显著[29] 量化模型与构建方式 1. **PB-ROE-50模型** - 构建思路：结合估值与盈利能力的平衡策略[23] - 具体构建： 1) 在全市场筛选PB分位数最低的股票 2) 在低PB股票中选取ROE最高的50只[24] - 评价：长期超额收益稳定[24] 2. **机构调研组合模型** - 构建思路：利用机构调研行为中的信息优势[25] - 具体构建： - 公募调研选股：跟踪高频调研标的 - 私募调研跟踪：分析调研后股价反应[26] - 评价：私募策略超额更显著[26] 3. **定向增发事件驱动模型** - 构建思路：捕捉定增公告后的股价反应[35] - 具体构建： 1) 以股东大会公告日为事件节点 2) 结合市值因子控制风险[35] - 评价：受政策影响较大[35] 因子回测效果 | 因子名称 | 沪深300(1周) | 中证500(1周) | 流动性1500(1周) | 10年净值 | |--------------------------|--------------|--------------|------------------|----------| | 单季度净利润同比增长率 | 1.83%[13] | 0.88%[15] | 0.05%[17] | 83.5%[15]| | 市净率因子 | 0.81%[13] | 2.57%[15] | 0.08%[17] | 69.64%[15]| | 下行波动率占比 | 1.21%[13] | 2.07%[15] | 0.74%[17] | 148.35%[15]| | 动量弹簧因子 | -1.73%[13] | -1.23%[15] | -0.99%[17] | 65.53%[13]| 模型回测效果 | 模型名称 | 本周超额收益 | 年内超额收益 | 绝对收益 | |--------------------|--------------|--------------|----------| | PB-ROE-50(全市场) | 0.92%[24] | 9.28%[24] | 16.07%[24]| | 公募调研策略 | 0.80%[26] | 2.86%[26] | 5.80%[26]| | 大宗交易组合 | 1.22%[30] | 25.89%[30] | 33.71%[30]| | 定向增发组合 | 0.05%[36] | 8.72%[36] | 15.48%[36]|