量化模型与因子构建方式 基本面因子 市值因子 1. **因子名称**：对数总市值 (ln_mv) * **构建思路**：反映上市公司的规模特征，是基础的风格因子之一[38]。 * **具体构建过程**：使用Wind字段`S_VAL_MV`（当日总市值），计算其自然对数[39]。 $$ln\_mv = \ln(S\_VAL\_MV)$$ * **因子评价**：在港股通股票池中表现出一定的正向效应，但稳定性较弱[39]。 2. **因子名称**：对数流通市值 (ln_float_mv) * **构建思路**：反映上市公司的流通规模特征[38]。 * **具体构建过程**：使用Wind字段`S_DQ_MV`（当日流通市值），计算其自然对数[39]。 $$ln\_float\_mv = \ln(S\_DQ\_MV)$$ * **因子评价**：在两个股票池中均表现出一定的正向效应，即流通市值较大的股票长期收益略高，但稳定性较弱[39]。 3. **因子名称**：非线性市值 (nlsize) * **构建思路**：捕捉市值维度的非线性收益驱动逻辑[38]。 * **具体构建过程**：使用Wind字段`S_VAL_MV`（当日总市值），计算总市值对数的三次方对总市值对数的正交增量[39]。 * **因子评价**：在两类选股池中的有效性差异较大，在港股通中有效性较强[39]。 成长因子 1. **因子名称**：经营活动产生的现金流净额（ttm）同比增长率 (ocf_ttm_yoy) * **构建思路**：反映上市公司现金流维度的增长能力，衡量企业未来发展的持续性与确定性[42]。 * **具体构建过程**：使用Wind字段`NET_CASH_FLOWS_OPER_ACT`（经营活动产生的现金流量净额），计算其TTM值相对于去年同期的增长率[43]。 $$ocf\_ttm\_yoy = \frac{NET\_CASH\_FLOWS\_OPER\_ACT_{TTM, t}}{NET\_CASH\_FLOWS\_OPER\_ACT_{TTM, t-12m}} - 1$$ * **因子评价**：在港股市场整体具备正向选股能力，该指标表现尤为突出，符合机构投资者看重现金流支撑的真实成长的逻辑[44]。 2. **因子名称**：归母公司净利润（扣非，ttm）同比增长率 (np_deducted_yoy) * **构建思路**：反映上市公司扣除非经常性损益后的净利润增长能力[42]。 * **具体构建过程**：使用Wind字段`NONCONTINUOUS_NET_OP - MINORITY_INT_INC`（归母公司净利润（扣非）），计算其TTM值相对于去年同期的增长率[43]。 $$np\_deducted\_yoy = \frac{(NONCONTINUOUS\_NET\_OP - MINORITY\_INT\_INC)_{TTM, t}}{(NONCONTINUOUS\_NET\_OP - MINORITY\_INT\_INC)_{TTM, t-12m}} - 1$$ * **因子评价**：在港股市场整体具备正向选股能力，该指标表现突出[44]。 3. **因子名称**：归母公司净利润（ttm）同比增长率 (np_ttm_yoy) * **构建思路**：反映上市公司净利润的增长能力[42]。 * **具体构建过程**：使用Wind字段`NET_PROFIT_CS`（归母公司净利润），计算其TTM值相对于去年同期的增长率[43]。 $$np\_ttm\_yoy = \frac{NET\_PROFIT\_CS_{TTM, t}}{NET\_PROFIT\_CS_{TTM, t-12m}} - 1$$ 4. **因子名称**：利润总额（ttm）同比增长率 (ebt_ttm_yoy) * **构建思路**：反映上市公司利润总额的增长能力[42]。 * **具体构建过程**：使用Wind字段`INC_PRETAX`（利润总额），计算其TTM值相对于去年同期的增长率[43]。 $$ebt\_ttm\_yoy = \frac{INC\_PRETAX_{TTM, t}}{INC\_PRETAX_{TTM, t-12m}} - 1$$ 5. **因子名称**：净资产收益率（TTM）同比增长率 (roe_ttm_yoy) * **构建思路**：反映上市公司净资产收益率指标的增长情况[42]。 * **具体构建过程**：先计算`roe_ttm`（归母公司净利润TTM / 净资产过去一年均值），再计算该值相对于去年同期的增长率[43]。 $$roe\_ttm\_yoy = \frac{roe\_ttm_{t}}{roe\_ttm_{t-12m}} - 1$$ 6. **因子名称**：营业总收入（ttm）同比增长率 (tot_rev_ttm_yoy) * **构建思路**：反映上市公司营业总收入的增长能力[42]。 * **具体构建过程**：使用Wind字段`TOT_OPER_REV`（营业总收入），计算其TTM值相对于去年同期的增长率[43]。 $$tot\_rev\_ttm\_yoy = \frac{TOT\_OPER\_REV_{TTM, t}}{TOT\_OPER\_REV_{TTM, t-12m}} - 1$$ 7. **因子名称**：营业收入（ttm）同比增长率 (rev_ttm_yoy) * **构建思路**：反映上市公司营业收入的增长能力[42]。 * **具体构建过程**：使用Wind字段`BUS_INC`（营业收入），计算其TTM值相对于去年同期的增长率[43]。 $$rev\_ttm\_yoy = \frac{BUS\_INC_{TTM, t}}{BUS\_INC_{TTM, t-12m}} - 1$$ 8. **因子名称**：营业利润（ttm）同比增长率 (op_ttm_yoy) * **构建思路**：反映上市公司营业利润的增长能力[42]。 * **具体构建过程**：使用Wind字段`OPPROFIT`（营业利润），计算其TTM值相对于去年同期的增长率[43]。 $$op\_ttm\_yoy = \frac{OPPROFIT_{TTM, t}}{OPPROFIT_{TTM, t-12m}} - 1$$ 9. **因子名称**：基本每股收益（ttm）同比增长率 (eps_ttm_yoy) * **构建思路**：反映上市公司每股收益的增长能力[42]。 * **具体构建过程**：先计算基本每股收益（归母公司净利润TTM / 加权平均总股本），再计算该值相对于去年同期的增长率[43]。 $$eps\_ttm\_yoy = \frac{eps\_ttm_{t}}{eps\_ttm_{t-12m}} - 1$$ 10. **因子名称**：每股经营活动产生的现金流净额（ttm）同比增长率 (ocfps_ttm_yoy) * **构建思路**：反映上市公司每股现金流的增长能力[42]。 * **具体构建过程**：先计算每股经营活动现金流净额TTM（经营活动现金流净额TTM / 最新总股本），再计算该值相对于去年同期的增长率[43]。 $$ocfps\_ttm\_yoy = \frac{ocfps\_ttm_{t}}{ocfps\_ttm_{t-12m}} - 1$$ 11. **因子名称**：每股营业收入（ttm）同比增长率 (orps_ttm_yoy) * **构建思路**：反映上市公司每股营业收入的增长能力[42]。 * **具体构建过程**：先计算每股营业收入TTM（营业总收入TTM / 最新总股本），再计算该值相对于去年同期的增长率[43]。 $$orps\_ttm\_yoy = \frac{orps\_ttm_{t}}{orps\_ttm_{t-12m}} - 1$$ 12. **因子名称**：资产总计同比增长率 (tot_assets_yoy) * **构建思路**：反映上市公司资产规模的扩张能力[42]。 * **具体构建过程**：使用Wind字段`TOT_ASSETS`（资产总计），计算其期末值相对于去年同期的增长率[43]。 $$tot\_assets\_yoy = \frac{TOT\_ASSETS_{t}}{TOT\_ASSETS_{t-12m}} - 1$$ 13. **因子名称**：归母公司股东权益总计同比增长率 (tot_equity_yoy) * **构建思路**：反映上市公司股东权益的增长能力[42]。 * **具体构建过程**：使用Wind字段`PARSH_INT`（归母公司股东权益），计算其期末值相对于去年同期的增长率[43]。 $$tot\_equity\_yoy = \frac{PARSH\_INT_{t}}{PARSH\_INT_{t-12m}} - 1$$ 14. **因子名称**：每股净资产同比增长率 (bps_yoy) * **构建思路**：反映上市公司每股净资产的增长能力[42]。 * **具体构建过程**：先计算每股净资产（归母公司股东权益期末值 / 最新总股本），再计算该值相对于去年同期的增长率[43]。 $$bps\_yoy = \frac{bps_{t}}{bps_{t-12m}} - 1$$ 15. **因子名称**：归母公司净利润（ttm)过去三年复合增速 (np_ttm_cagr_3y) * **构建思路**：反映上市公司净利润的长期复合增长能力[42]。 * **具体构建过程**：使用Wind字段`NET_PROFIT_CS`（归母公司净利润），计算其TTM值过去三年的复合增长率[43]。 16. **因子名称**：总资产净利率（ROA1，TTM）同比增长率 (roa1_ttm_yoy) * **构建思路**：反映上市公司总资产净利率指标的增长情况[42]。 * **具体构建过程**：先计算`roa1_ttm`（净利润(含少数股东损益)TTM / 总资产过去一年均值），再计算该值相对于去年同期的增长率[43]。 $$roa1\_ttm\_yoy = \frac{roa1\_ttm_{t}}{roa1\_ttm_{t-12m}} - 1$$ 17. **因子名称**：总资产收益率（ROA2，TTM）同比增长率 (roa2_ttm_yoy) * **构建思路**：反映上市公司总资产收益率指标的增长情况[42]。 * **具体构建过程**：先计算`roa2_ttm`（EBIT / 总资产），再计算该值相对于去年同期的增长率[43]。 $$roa2\_ttm\_yoy = \frac{roa2\_ttm_{t}}{roa2\_ttm_{t-12m}} - 1$$ 18. **因子名称**：投入资本回报率（TTM）同比增长率 (roic_ttm_yoy) * **构建思路**：反映上市公司投入资本回报率指标的增长情况[42]。 * **具体构建过程**：先计算`roic_ttm`，再计算该值相对于去年同期的增长率[43]。 $$roic\_ttm\_yoy = \frac{roic\_ttm_{t}}{roic\_ttm_{t-12m}} - 1$$ 价值因子 1. **因子名称**：市净率倒数 (bp) * **构建思路**：反映上市公司股价与净资产（账面价值）的相对关系，是价值投资的核心指标之一[48]。 * **具体构建过程**：使用Wind字段`PARSH_INT`（归母公司股东权益）和`S_VAL_MV`（总市值），计算最新财报净资产与总市值的比值[49]。 $$bp = \frac{PARSH\_INT}{S\_VAL\_MV}$$ * **因子评价**：在两个选股池中均具有一定的有效性，选股能力较好[49]。 2. **因子名称**：市盈率倒数(TTM) (ep_ttm) * **构建思路**：反映上市公司股价与过去十二个月净利润的相对关系[48]。 * **具体构建过程**：使用Wind字段`NET_PROFIT_CS`（归母公司净利润）和`S_VAL_MV`（总市值），计算归母公司净利润TTM与总市值的比值[49]。 $$ep\_ttm = \frac{NET\_PROFIT\_CS_{TTM}}{S\_VAL\_MV}$$ * **因子评价**：在两个选股池中均具有一定的有效性，选股能力较好[49]。 3. **因子名称**：市销率倒数(TTM) (sp_ttm) * **构建思路**：反映上市公司股价与营业收入的相对关系[48]。 * **具体构建过程**：使用Wind字段`TOT_OPER_REV`（营业总收入）和`S_VAL_MV`（总市值），计算营业总收入TTM与总市值的比值[49]。 $$sp\_ttm = \frac{TOT\_OPER\_REV_{TTM}}{S\_VAL\_MV}$$ 4. **因子名称**：市盈率倒数 2(TTM) (opp_ttm) * **构建思路**：反映上市公司股价与营业利润的相对关系[48]。 * **具体构建过程**：使用Wind字段`OPPROFIT`（营业利润）和`S_VAL_MV`（总市值），计算营业利润TTM与总市值的比值[49]。 $$opp\_ttm = \frac{OPPROFIT_{TTM}}{S\_VAL\_MV}$$ 5. **因子名称**：市现率 1(TTM) (pocf_ttm) * **构建思路**：反映上市公司股价与经营性现金流的相对关系[48]。 * **具体构建过程**：使用Wind字段`NET_CASH_FLOWS_OPER_ACT`（经营活动产生的现金流量净额）和`S_VAL_MV`（总市值），计算经营性现金流净额TTM与总市值的比值[49]。 $$pocf\_ttm = \frac{NET\_CASH\_FLOWS\_OPER\_ACT_{TTM}}{S\_VAL\_MV}$$ * **因子评价**：选股能力较好[49]。 6. **因子名称**：市现率 2(TTM) (pncf_ttm) * **构建思路**：反映上市公司股价与现金净流量的相对关系[48]。 * **具体构建过程**：使用Wind字段`NET_INCR_CASH_CASH_EQU`（现金及现金等价物净增加额）和`S_VAL_MV`（总市值），计算现金净流量TTM与总市值的比值[49]。 $$pncf\_ttm = \frac{NET\_INCR\_CASH\_CASH\_EQU_{TTM}}{S\_VAL\_MV}$$ 7. **因子名称**：市盈率倒数(LYR) (ep_lyr) * **构建思路**：反映上市公司股价与上一完整会计年度净利润的相对关系[48]。 * **具体构建过程**：使用Wind字段`NET_PROFIT_CS`（归母公司净利润）和`S_VAL_MV`（总市值），计算归母公司净利润（上一完整会计年度）与总市值的比值[49]。 $$ep\_lyr = \frac{NET\_PROFIT\_CS_{LYR}}{S\_VAL\_MV}$$ 8. **因子名称**：市销率倒数(LYR) (sp_lyr) * **构建思路**：反映上市公司股价与上一完整会计年度营业收入的相对关系[48]。 * **具体构建过程**：使用Wind字段`TOT_OPER_REV`（营业总收入）和`S_VAL_MV`（总市值），计算营业总收入（上一完整会计年度）与总市值的比值[49]。 $$sp\_lyr = \frac{TOT\_OPER\_REV_{LYR}}{S\_VAL\_MV}$$ 9. **因子名称**：市盈率倒数 2(LYR) (opp_lyr) * **构建思路**：反映上市公司股价与上一完整会计年度营业利润的相对关系[48]。 * **具体构建过程**：使用Wind字段`OPPROFIT`（营业利润）和`S_VAL_MV`（总市值），计算营业利润（上一完整会计年度）与总市值的比值[49]。 $$opp\_lyr = \frac{OPPROFIT_{LYR}}{S\_VAL\_MV}$$ 10. **因子名称**：市现率 1(LYR) (pocf_lyr) * **构建思路**：反映上市公司股价与上一完整会计年度经营性现金流的相对关系[48]。 * **具体构建过程**：使用Wind字段`NET_CASH_FLOWS_OPER_ACT`（经营活动产生的现金流量净额）和`S_VAL_MV`（总市值），计算经营性现金流净额（上一完整会计年度）与总市值的比值[49]。 $$pocf\_lyr = \frac{NET\_CASH\_FLOWS\_OPER\_ACT_{LYR}}{S\_VAL\_MV}$$ 11. **因子名称**：市现率 2(LYR) (pncf_lyr) * **构建思路**：反映上市公司股价与上一完整会计年度现金净流量的相对关系[48]。 * **具体构建过程**：使用Wind字段`NET_INCR_CASH_CASH_EQU`（现金及现金等价物净增加额）和`S_VAL_MV`（总市值），计算现金净流量（上一完整会计年度）与总市值的比值[49]。 $$pncf\_lyr = \frac{NET\_INCR\_CASH\_C

核心观点 - 报告核心观点为：在截至2026年1月16日的一周内，市场风格以高Beta和低杠杆为主导，小市值风格亦表现突出[1][2][18] 主要市场指数与风格表现回顾 - **宽基指数表现**：本周主要宽基指数大部分上涨，其中中证500上涨2.18%，北证50上涨1.58%，中证1000上涨1.27%，深证成指上涨1.14%，创业板指上涨1.00%，中证2000上涨0.94%，中证800上涨0.20%，而上证指数下跌0.45%，沪深300下跌0.57%[2][10][11] - **行业指数表现**：本周计算机、电子、传媒、有色金属、机械等行业表现居前，周涨幅分别为4.31%、3.64%、3.34%、3.03%和1.36%；国防军工、农林牧渔、煤炭、房地产、非银行金融等行业表现居后，其中国防军工周跌幅达5.86%[2][14][16] - **风格因子表现**：最近一周，Beta因子、杠杆因子、非线性市值因子的表现尤为突出，其多空收益分别为4.40%、-2.55%和1.67%，表明高Beta、低杠杆和小市值股票跑赢市场[2][18] 选股因子表现跟踪 - **沪深300股票池**：本周表现较好的因子为20日成交量变异系数、标准化预期外盈利、盈余公告前隔夜动量[3][25] - **中证500股票池**：本周表现较好的因子为60日特异度、20日特异度、60日动量，其最近一周超额收益分别为1.32%、1.21%和1.06%[3][27] - **中证800股票池**：本周表现较好的因子为60日动量、标准化预期外盈利、盈余公告前隔夜动量，其最近一周超额收益分别为1.47%、1.25%和1.25%[3][30] - **中证1000股票池**：本周表现较好的因子为20日特异度、60日偏度、CFEV_TTM，其最近一周超额收益分别为1.42%、1.35%和1.35%[3][33] - **沪深300ESG股票池**：本周表现较好的因子为20日成交量变异系数、20日特异度、盈余公告前隔夜动量[3][36] - **全市场股票池**：本周表现较好的因子为单季度ROA、单季度ROE、单季度净利润率，其近一周Rank IC分别为16.18%、16.13%和15.86%[3][38][39] 量化基金表现 - **指数增强型基金**：过去一周，沪深300指数增强产品超额收益平均值为0.58%，中证500指数增强产品为-0.26%，中证1000指数增强产品为0.44%[4][43] - **主动量化与对冲型基金**：本周业绩最好的主动量化基金为汇安量化优选A（005599.OF），周绝对收益为8.68%；业绩最好的对冲型基金为中邮绝对收益策略（002224.OF），周绝对收益为2.39%[4][46] 招商证券量化指数增强组合周度跟踪 - **近期超额收益**：招商证券构建的指数增强组合近一周超额收益分别为：沪深300增强组合0.24%，中证500增强组合-0.27%，中证800增强组合0.59%，中证1000增强组合-0.06%，沪深300ESG股票池下的沪深300增强组合0.12%[5][51][52] - **长期绩效**：自2010年以来，各增强组合相对于基准指数的年化超额收益分别为：沪深300增强组合6.40%，中证500增强组合8.50%，中证800增强组合7.12%，中证1000增强组合14.90%，沪深300ESG股票池下的沪深300指数增强组合5.56%[53]

量化市场跟踪：大类因子表现 - 本周（2026.01.05-2026.01.09）beta因子、残差波动率因子、规模因子获得正收益，分别为1.07%、1.02%和0.59% [4] - 动量因子本周获得显著负收益，为-1.08% [4] - 市场呈现大市值风格占优、反转效应显著的特征 [4] 量化市场跟踪：单因子表现 - 在沪深300股票池中，本周表现最好的因子是5日平均换手率，收益为4.90%，表现最差的因子是ROE稳定性，收益为-1.43% [5] - 在中证500股票池中，本周表现最好的因子是毛利率TTM，收益为1.29%，表现最差的因子是市盈率因子，收益为-4.69% [5] - 在流动性1500股票池中，本周表现最好的因子是毛利率TTM，收益为2.17%，表现最差的因子是市盈率TTM倒数，收益为-3.18% [5] 量化市场跟踪：因子行业内表现 - 本周，净资产增长率因子在非银金融、综合行业表现较好，净利润增长率因子在综合行业表现较好 [6] - 5日动量因子在传媒、通信、钢铁、医药生物行业表现为动量效应，在煤炭、农林牧渔行业表现为反转效应 [6] - 1月动量因子在传媒、综合、通信、国防军工行业表现为动量效应，在煤炭、石油石化行业反转效应显著 [6] - 估值类因子中，BP因子在房地产、休闲服务行业表现较好，EP因子在银行、非银金融行业表现较好 [6] - 对数市值因子在综合、国防军工行业表现较好，残差波动率因子在多数行业表现较好，流动性因子在传媒、国防军工行业表现突出 [6][7] 量化策略组合跟踪：PB-ROE-50组合 - 本周PB-ROE-50组合在中证800股票池中获得超额收益1.36%，在全市场股票池中获得超额收益1.23% [8] - 该组合在中证500股票池中获得超额收益为-2.18% [8] 量化策略组合跟踪：机构调研组合 - 本周私募调研跟踪策略相对中证800获得超额收益2.28% [9] - 本周公募调研选股策略相对中证800获得超额收益为-0.31% [9] 量化策略组合跟踪：大宗交易与定向增发组合 - 本周大宗交易组合相对中证全指获得超额收益0.69% [10] - 本周定向增发组合相对中证全指获得超额收益为-1.58% [11]

量化模型与因子总结 量化模型与构建方式 1. **模型名称：PB-ROE-50组合** * **模型构建思路：** 基于PB（市净率）和ROE（净资产收益率）两个核心指标进行选股，旨在寻找估值合理且盈利能力强的公司[24]。 * **模型具体构建过程：** 报告未详细描述该组合的具体构建公式和步骤，仅提及其为基于PB和ROE指标构建的组合[24]。 2. **模型名称：机构调研组合（公募调研选股策略）** * **模型构建思路：** 利用公募基金调研上市公司的行为信息进行选股[27]。 * **模型具体构建过程：** 报告未详细描述该策略的具体构建公式和步骤，仅提及其为基于公募调研事件的选股策略[27]。 3. **模型名称：机构调研组合（私募调研跟踪策略）** * **模型构建思路：** 利用私募基金调研上市公司的行为信息进行选股[27]。 * **模型具体构建过程：** 报告未详细描述该策略的具体构建公式和步骤，仅提及其为基于私募调研事件的选股策略[27]。 4. **模型名称：大宗交易组合** * **模型构建思路：** 根据“高成交、低波动”原则，筛选发生大宗交易且后续表现可能更佳的股票[31]。 * **模型具体构建过程：** 通过统计分析发现，“大宗交易成交金额比率”越高、“6日成交金额波动率”越低的股票后续表现更佳。模型根据这两个指标，以月频调仓方式构造组合[31]。具体公式未在报告中给出。 5. **模型名称：定向增发组合** * **模型构建思路：** 以定向增发的股东大会公告日为事件节点，进行事件驱动选股[37]。 * **模型具体构建过程：** 综合考虑市值因素、调仓周期以及对仓位的控制来构造组合[37]。具体公式和详细步骤未在报告中给出。 模型的回测效果 （注：以下模型业绩统计区间均为2026.01.05-2026.01.09[25][28][32][38]） 1. **PB-ROE-50组合** * 本周超越基准收益率（中证500）： -2.18%[24][25] * 本周超越基准收益率（中证800）： 1.36%[24][25] * 本周超越基准收益率（全市场）： 1.23%[24][25] * 本周绝对收益率（中证500）： 5.56%[25] * 本周绝对收益率（中证800）： 5.59%[25] * 本周绝对收益率（全市场）： 6.34%[25] 2. **机构调研组合（公募调研选股策略）** * 本周超越基准收益率（中证800）： -0.31%[27][28] * 本周绝对收益率： 3.85%[28] 3. **机构调研组合（私募调研跟踪策略）** * 本周超越基准收益率（中证800）： 2.28%[27][28] * 本周绝对收益率： 6.55%[28] 4. **大宗交易组合** * 本周超越基准收益率（中证全指）： 0.69%[31][32] * 本周绝对收益率： 5.77%[32] 5. **定向增发组合** * 本周超越基准收益率（中证全指）： -1.58%[37][38] * 本周绝对收益率： 3.38%[38] 量化因子与构建方式 （注：报告中列出了大量因子，但均未提供具体的构建公式和详细过程，仅给出了因子名称和方向。以下为报告中出现的全部因子列表。） 1. **因子名称：** 5日平均换手率；**因子方向：** 负向[13] 2. **因子名称：** 换手率相对波动率；**因子方向：** 负向[13] 3. **因子名称：** 单季度营业收入同比增长率；**因子方向：** 正向[13] 4. **因子名称：** 6日成交金额的标准差；**因子方向：** 负向[13] 5. **因子名称：** 单季度营业利润同比增长率；**因子方向：** 正向[13] 6. **因子名称：** 单季度ROE同比；**因子方向：** 正向[13] 7. **因子名称：** 单季度净利润同比增长率；**因子方向：** 正向[13] 8. **因子名称：** 毛利率TTM；**因子方向：** 正向[13] 9. **因子名称：** 单季度ROA同比；**因子方向：** 正向[13] 10. **因子名称：** 单季度EPS；**因子方向：** 正向[13] 11. **因子名称：** 净利润断层；**因子方向：** 正向[13] 12. **因子名称：** 早盘后收益因子；**因子方向：** 负向[13] 13. **因子名称：** 5日反转；**因子方向：** 负向[13] 14. **因子名称：** 6日成交金额的移动平均值；**因子方向：** 负向[13] 15. **因子名称：** 动量调整小单；**因子方向：** 负向[13] 16. **因子名称：** 早盘收益因子；**因子方向：** 正向[13] 17. **因子名称：** ROIC增强因子；**因子方向：** 正向[13] 18. **因子名称：** EPTTM分位点；**因子方向：** 正向[13] 19. **因子名称：** 标准化预期外收入；**因子方向：** 正向[13] 20. **因子名称：** 市盈率TTM倒数；**因子方向：** 正向[13] 21. **因子名称：** 动量弹簧因子；**因子方向：** 正向[13] 22. **因子名称：** 营业利润率TTM；**因子方向：** 正向[13] 23. **因子名称：** 5分钟收益率偏度；**因子方向：** 负向[13] 24. **因子名称：** 净利润率TTM；**因子方向：** 正向[13] 25. **因子名称：** 总资产增长率；**因子方向：** 正向[13] 26. **因子名称：** 5日成交量的标准差；**因子方向：** 负向[13] 27. **因子名称：** 总资产毛利率TTM；**因子方向：** 正向[13] 28. **因子名称：** 市盈率因子；**因子方向：** 正向[13] 29. **因子名称：** 经营现金流比率；**因子方向：** 正向[13] 30. **因子名称：** 市销率TTM倒数；**因子方向：** 正向[13] 31. **因子名称：** 市净率因子；**因子方向：** 正向[13] 32. **因子名称：** 单季度总资产毛利率；**因子方向：** 正向[13] 33. **因子名称：** 下行波动率占比；**因子方向：** 负向[13] 34. **因子名称：** 小单净流入；**因子方向：** 负向[13] 35. **因子名称：** 单季度ROE；**因子方向：** 正向[13] 36. **因子名称：** 标准化预期外盈利；**因子方向：** 正向[13] 37. **因子名称：** 对数市值因子；**因子方向：** 负向[13] 38. **因子名称：** 单季度ROA；**因子方向：** 正向[13] 39. **因子名称：** 日内波动率与成交金额的相关性；**因子方向：** 负向[13] 40. **因子名称：** 大单净流入；**因子方向：** 正向[13] 41. **因子名称：** 成交量的5日指数移动平均；**因子方向：** 负向[13] 42. **因子名称：** 动量调整大单；**因子方向：** 正向[13] 43. **因子名称：** ROA稳定性；**因子方向：** 正向[13] 44. **因子名称：** ROE稳定性；**因子方向：** 正向[13] 45. **因子名称：** 净资产增长率因子；**因子方向：** 未明确[22] 46. **因子名称：** 净利润增长率因子；**因子方向：** 未明确[22] 47. **因子名称：** 每股净资产因子；**因子方向：** 未明确[22] 48. **因子名称：** 每股经营利润TTM因子；**因子方向：** 未明确[22] 49. **因子名称：** 5日动量因子；**因子方向：** 未明确[22] 50. **因子名称：** 1月动量因子；**因子方向：** 未明确[22] 51. **因子名称：** BP因子；**因子方向：** 未明确[22] 52. **因子名称：** EP因子；**因子方向：** 未明确[22] 53. **因子名称：** 残差波动率因子；**因子方向：** 未明确[22] 54. **因子名称：** 流动性因子；**因子方向：** 未明确[22] 55. **大类因子名称：** Beta因子；**因子方向：** 未明确[20] 56. **大类因子名称：** 残差波动率因子；**因子方向：** 未明确[20] 57. **大类因子名称：** 规模因子；**因子方向：** 未明确[20] 58. **大类因子名称：** 动量因子；**因子方向：** 未明确[20] 因子的回测效果 （注：以下为报告中提及的近期（2026.01.05-2026.01.09）因子表现，收益为剔除行业与市值影响后多头组合相对于基准指数的超额收益[12]。不同股票池的因子表现数据分别列出。） 沪深300股票池因子表现[12][13] 1. **5日平均换手率因子，** 最近1周收益： 4.90% 2. **换手率相对波动率因子，** 最近1周收益： 4.59% 3. **单季度营业收入同比增长率因子，** 最近1周收益： 3.92% 4. **动量调整大单因子，** 最近1周收益： -1.11% 5. **ROA稳定性因子，** 最近1周收益： -1.15% 6. **ROE稳定性因子，** 最近1周收益： -1.43% 中证500股票池因子表现[14][15] 1. **毛利率TTM因子，** 最近1周收益： 1.29% 2. **单季度净利润同比增长率因子，** 最近1周收益： 1.09% 3. **总资产增长率因子，** 最近1周收益： 0.81% 4. **市净率因子，** 最近1周收益： -3.51% 5. **市盈率TTM倒数因子，** 最近1周收益： -4.06% 6. **市盈率因子，** 最近1周收益： -4.69% 流动性1500股票池因子表现[18][19] 1. **毛利率TTM因子，** 最近1周收益： 2.17% 2. **单季度营业收入同比增长率因子，** 最近1周收益： 2.14% 3. **单季度营业利润同比增长率因子，** 最近1周收益： 1.85% 4. **日内波动率与成交金额的相关性因子，** 最近1周收益： -2.64% 5. **市盈率因子，** 最近1周收益： -3.01% 6. **市盈率TTM倒数因子，** 最近1周收益： -3.18% 全市场股票池大类因子表现[20] 1. **Beta因子，** 本周收益： 1.07% 2. **残差波动率因子，** 本周收益： 1.02% 3. **规模因子，** 本周收益： 0.59% 4. **动量因子，** 本周收益： -1.08%

量化市场跟踪：大类因子表现 - 本周（2025.12.22-2025.12.26）市场大市值风格占优，beta因子、规模因子、非线性市值因子获得正收益，分别为1.31%、0.62%和0.58%，杠杆因子获得负收益-0.13% [4] 量化市场跟踪：单因子表现 - 在沪深300股票池中，本周表现较好的因子有早盘收益因子(2.16%)、单季度净利润同比增长率(1.75%)、单季度ROA同比(1.68%)，表现较差的因子有大单净流入(-1.71%)、市净率因子(-1.83%)、下行波动率占比(-2.05%) [5] - 在中证500股票池中，本周表现较好的因子有单季度营业利润同比增长率(1.16%)、单季度净利润同比增长率(1.11%)、标准化预期外盈利(1.08%)，表现较差的因子有市盈率因子(-2.74%)、总资产毛利率TTM(-2.92%)、市净率因子(-2.95%) [5] - 在流动性1500股票池中，本周表现较好的因子有5日反转(3.33%)、单季度净利润同比增长率(1.58%)、动量弹簧因子(1.43%)，表现较差的因子有市净率因子(-1.78%)、下行波动率占比(-1.90%)、市盈率TTM倒数(-2.23%) [5] 量化市场跟踪：因子行业内表现 - 成长类因子：净资产增长率因子在综合、石油石化行业表现较好，净利润增长率因子在综合行业表现较好 [6] - 质量与价值类因子：每股净资产因子在石油石化、房地产行业表现较好，每股经营利润TTM因子在环保行业表现较好，BP因子在石油石化、轻工制造行业表现较好，EP因子在石油石化行业表现较好 [6] - 动量与反转效应：5日动量因子在石油石化、公用事业行业表现为动量效应，在美容护理、休闲服务、食品饮料行业表现为反转效应，1月动量因子在建筑材料、石油石化、国防军工行业表现为动量效应，在休闲服务、综合行业反转效应显著 [6] - 其他风格因子：对数市值因子在电气设备、石油石化、房地产行业表现较好，残差波动率因子在建筑材料行业表现突出，流动性因子在多数行业表现较好 [6][7] 量化策略组合跟踪：PB-ROE-50组合 - 本周PB-ROE-50组合在中证800和全市场股票池中超额收益显著，在中证500股票池中获得超额收益-0.62%，在中证800股票池中获得超额收益1.31%，在全市场股票池中获得超额收益1.36% [8] 量化策略组合跟踪：机构调研组合 - 本周公募调研选股策略和私募调研跟踪策略均获取正超额收益，公募调研选股策略相对中证800获得超额收益1.88%，私募调研跟踪策略相对中证800获得超额收益2.14% [9] 量化策略组合跟踪：大宗交易与定向增发组合 - 本周大宗交易组合相对中证全指超额收益回撤，获得超额收益-1.94% [10] - 本周定向增发组合相对中证全指超额收益回撤，获得超额收益-1.79% [11]

市场表现与交易数据 - 2025年12月25日早盘，A股市场走势分化，沪指震荡拉升，创业板指冲高回落 [1][6] - 在此市场背景下，红利低波ETF（512890）半日上涨0.08%，报1.178元，成交额达2.46亿元，居同类ETF首位 [1][6] - 该ETF当日换手率为0.92%，IOPV为1.1783元，呈现-0.03%的折价 [2][7] - 从阶段表现看，红利低波ETF（512890）近5日下跌0.25%，近60日上涨1.82%，年初至今上涨4.80% [2][7] - 市场上其他同类红利低波ETF产品当日普遍上涨，例如红利低波ETF基金（159547）涨0.33%，红利低波ETF泰康（560150）涨0.26% [2][7] 资金流向 - 红利低波ETF（512890）长期受到资金青睐，近期呈现显著的资金净流入 [2][7] - 近5个交易日，该ETF资金净流入9.3亿元 [2][7] - 近10个交易日，资金净流入17.2亿元 [2][7] - 近60个交易日，资金净流入高达58.1亿元 [2][7] 机构市场观点 - 申万宏源证券认为，2026年春季行情启动在即，虽然AI产业链、顺周期等主线向上空间可能有限，但产业政策主题、高股息博弈、超跌反弹等非主战场预计将非常活跃 [4][9] - 该机构指出短期两大积极因素：一是春季股市流动性保持宽松，支撑来自高净值投资者增配私募、保险“开门红”保费可期、保险资金增配A股以及沪深300与中证A500 ETF净申购放量；二是未来数月存在稳定市场的政策窗口，春节前反弹是A股历史胜率较高的日历特征之一 [4][9] - 开源证券指出，“科技为先”是本轮牛市最强主线，同时认为2026年市场将转向因子投资，盈利增速、营收增速、ROE等因子成为关键 [4][9] - 该机构同时认为，“盈利修复”背景下的顺周期机会与PPI走势密切相关，并指出红利风格在2026年的表现有望优于2025年 [4][9] - 开源证券观点认为，市场正从估值驱动型牛市向盈利驱动的慢牛演变，也是从行业Beta投资向因子投资的演变 [4][9] 产品概况与历史业绩 - 红利低波ETF（512890）成立于2018年12月 [5][10] - 截至2025年12月24日，该产品自成立以来回报率为135.06%，大幅跑赢业绩比较基准，在502只同类产品中排名第80位 [5][10] - 该产品被描述为震荡市中资产配置的稳健工具 [5][10] - 投资者可通过定投方式参与，无股票账户的投资者可通过其场外联接基金进行配置，联接基金代码包括A类007466、C类007467、I类022678、Y类022951 [5][10]

核心观点 - 贯穿本轮牛市的最强主线是“科技为先” [1] - 市场正经历由估值牛到慢牛的演变 也是由行业Beta投资转向因子投资的演变 [1] 科技主线投资逻辑 - “科技为先”主线具备三大中长期占优条件 [1] - 条件一：相对盈利优势 [1] - 条件二：海外映射 [1] - 条件三：全球半导体周期共振上行 [1] 顺周期投资机会 - “盈利修复”慢牛的顺周期机会重点在于PPI [1] - 两大指标为PPI的边际修复提供领先信号 [1] 市场风格展望 - 红利风格在2026年的表现会优于2025年 [1] 有效投资因子 - 2026年要重视业绩期有效性最强的盈利因子 [1] - 盈利因子包括：盈利增速的边际变化（△g）、盈利增速、营收增速 [1] - 从年度有效性来看 盈利因子中最有效的是营收增速、盈利增速、ROE、ROIC [1]

指数投资行业发展趋势 - 中国指数投资行业地位显著提升，ETF已成为资本市场主流投资工具，指数型基金持股规模在2024年三季度已超越主动型基金 [4] - 中国ETF市场发展迅速，截至2025年7月资产管理规模达6810亿美元，超越日本（6680亿美元）成为亚洲最大ETF市场 [4] - 当前中国股票型ETF规模约4万亿元，占A股总市值（约120万亿元）比重仅约3%，未来十年被视作ETF发展的黄金期 [4] - 若A股总市值随GDP保持5%年化增速，至2035年有望达200万亿元，参考美国10%的渗透率，届时股票型ETF规模有望突破20万亿元，叠加多资产ETF整体规模或达30万亿元，可能升至全球第一 [5] 市场分化与风格因子指数价值 - 当前市场呈现结构性分化，行业主题轮动难度大，风格因子指数作为介于主动投资与纯被动指数之间的工具，能通过规则化选股获取特定风格超额收益 [7] - 风格因子指数本质与海外“SmartBeta”理念一致，将投资收益拆解为基准收益、选股收益和风格因子暴露收益，使投资更精细化 [7] - 因子表现具有周期性，完整周期通常十到二十年，经济、库存、金融周期约三到五年，A股市场周期约五年，不同因子在不同周期下表现各异 [7] - 与美国市场以成长因子主导不同，受前期熊市环境影响，中国市场红利、低波等防御性因子更受青睐，但成长因子仍有较大布局空间 [7] - 对1000余只ETF的夏普比率分析显示，风格因子指数类产品的均值与方差表现更优，意味着在承担相同风险下可能提供更高超额收益 [7] - 风格因子指数能避免主动投资的不确定性，突破传统市值加权指数的收益瓶颈，为资产配置提供更优选择 [8] 风格因子指数的配置逻辑与方法 - 国内主流代表性因子包括红利、低波、成长、价值、质量等，单因子体验欠佳易卖在低点，多因子直接组合亦不好用 [10] - 使用单因子关键在于优化选股逻辑，例如价值因子需避免低估值陷阱，可通过剔除ROE不稳定或为负的标的，再结合高股息、高自由现金流等指标构建组合并季度调整 [10] - 成长因子应聚焦“未来成长”，可整合卖方研究员对当季SUE、未来1-2年盈利的一致预期数据，筛选具持续增长潜力的标的 [10] - 多因子组合推荐“恒定比例再平衡”策略，例如采用60%价值+40%成长（或反向）的组合，每月底调整至目标比例，通过涨卖跌买、一年12期滚动操作，或可跑赢基准指数 [10] - 指数投资并非“傻瓜投资”，背后蕴含复杂的选股逻辑和资产配置思想 [10] 指数化投资的未来展望 - 中国资本市场已进入指数投资的高质量发展阶段，市场参与者从简单贝塔、阿尔法追逐向更复杂的因子投资、多资产配置演进 [12] - AI技术应用为指数投资持续赋能，以保险资管为代表的长线资金持续入市推动了ETF市场结构优化 [12] - 政策的持续支持将进一步激活市场活力，吸引更多投资者参与指数投资 [12]

文章核心观点 - 易方达基金董事总经理林伟斌认为，风格因子指数是介于主动与纯被动投资之间的工具，通过规则化选股获取特定风格或策略的超额收益，并分享了单因子优化与多因子组合的实用配置方法，以帮助投资者在风格轮动中构建稳健组合 [1][2] - 林伟斌预测未来十年是中国ETF发展的黄金时期，保守估算到2035年A股总市值有望达200万亿元，参考美国市场渗透率，中国股票型ETF规模或突破20万亿元，整体ETF规模或达30万亿元并跻身全球前列 [1] - 指数投资并非“傻瓜投资”，其背后有复杂的选股与配置逻辑，中国资本市场已进入指数投资高质量发展阶段，市场参与者更成熟、AI技术赋能以及长线资金入市推动市场结构优化 [3] 行业发展趋势 - 未来十年被预测为中国ETF发展的黄金时期 [1] - 保守估算，若A股总市值实现5%年化增速，到2035年有望达到200万亿元 [1] - 参考美国市场10%的ETF渗透率，届时中国股票型ETF规模或可突破20万亿元 [1] - 叠加债券、黄金、商品等多资产ETF的贡献，中国ETF整体规模或达到30万亿元，并有望跻身全球前列 [1] - 中国资本市场已进入指数投资的高质量发展阶段，市场参与者从简单贝塔投资、阿尔法追逐向更复杂的因子投资、多资产配置演进 [3] - AI技术的应用正持续为指数投资赋能 [3] - 以保险资管等为代表的长线资金持续入市，推动了ETF市场结构的进一步优化 [3] 风格因子本质与定义 - 风格因子是介于主动投资与纯被动指数的中间部分，核心与海外市场的Smart Beta理念一致 [1] - 本质是通过明确的规则化选股逻辑，获取特定风格或策略带来的超额收益 [1] - 国内主流的代表性因子包括红利、低波、成长、价值、质量等 [2] 单因子使用与优化方法 - 关键在于优化选股逻辑，无需复杂量化模型，通过基础的“加减”组合有望化繁为简 [2] - 以价值因子为例，需避免低估值“陷阱”，通过负向剔除（如剔除ROE不稳定或为负的标的）筛选优质资产，再结合高股息、高自由现金流等指标构建组合，并按季度调整优化 [2] - 对于成长因子，核心是聚焦“未来成长”而非“过去成长”，可整合卖方研究员的一致预期数据，包括当季SUE、未来1年—2年盈利预测等，筛选具备持续增长潜力的标的，避免因依赖历史成长数据而导致的收益不及预期 [2] 多因子组合配置策略 - 推荐“恒定比例再平衡”策略 [2] - 例如，采用60%价值+40%成长的组合，每月底定期调整至目标比例，实现涨时卖出、跌时买入，通过一年12期的滚动操作，或可跑赢沪深300指数 [2] - 对于偏好成长风格的投资者，或可反向配置60%成长+40%价值，以争取超额收益 [2] - 林伟斌透露自己的投资组合也采用这一逻辑，核心在于通过资产再平衡平滑波动，发挥不同因子的互补效应 [2] 指数投资理念 - 指数投资并非“傻瓜投资”，其背后蕴含着复杂的选股逻辑和资产配置思想 [3]

量化市场跟踪：大类因子表现 - 本周规模因子、beta因子、非线性市值因子获得正收益，分别为1.18%、0.91%和0.82% [4] - 本周BP因子和流动性因子获得负收益，分别为-0.55%和-0.38% [4] - 市场呈现大市值风格占优的特征 [4] 量化市场跟踪：单因子表现 - 在沪深300股票池中，总资产增长率因子表现最佳，收益为2.05%，大单净流入因子表现最差，收益为-1.14% [5] - 在中证500股票池中，单季度EPS因子表现较好，收益为1.61%，市净率因子表现最差，收益为-3.06% [5] - 在流动性1500股票池中，总资产增长率因子表现最佳，收益为2.25%，市净率因子表现最差，收益为-0.97% [5] 量化市场跟踪：因子行业内表现 - 成长类因子如净资产增长率、净利润增长率在通信、综合等行业表现较好 [6] - 动量因子表现分化，5日动量在国防军工、通信行业呈动量效应，在商业贸易等行业呈反转效应 [6] - 估值类因子中，BP因子在多数行业表现不佳，而对数市值因子在综合、通信等行业表现较好 [6] 量化策略组合跟踪：PB-ROE-50组合 - 本周PB-ROE-50组合在各股票池中均获得显著正超额收益 [7] - 该组合在中证500、中证800和全市场股票池中的超额收益分别为0.30%、1.60%和1.59% [7] 量化策略组合跟踪：机构调研组合 - 本周公募调研选股策略和私募调研跟踪策略均获取正超额收益 [8] - 公募调研策略相对中证800的超额收益为1.79%，私募调研策略的超额收益为2.77% [8] 量化策略组合跟踪：大宗交易与定向增发组合 - 本周大宗交易组合相对中证全指的超额收益为-0.95%，出现回撤 [9] - 本周定向增发组合相对中证全指的超额收益为-1.50%，同样出现回撤 [10]