点击注册小程序 查看完整报告 特别申明： 本订阅号中所涉及的证券研究信息由光大证券研究所编写，仅面向光大证券专业投资者客户，用作新媒体形势下研究 信息和研究观点的沟通交流。非光大证券专业投资者客户，请勿订阅、接收或使用本订阅号中的任何信息。本订阅号 难以设置访问权限，若给您造成不便，敬请谅解。光大证券研究所不会因关注、收到或阅读本订阅号推送内容而视相 关人员为光大证券的客户。 报告摘要 量化市场跟踪 大类因子表现： 本周（2025.12.08-2025.12.12，下同），规模因子、beta因子、非线性市值因子、获得正收益（1.18%、 0.91%和0.82%），BP因子和流动性因子获得负收益（-0.55%和-0.38%），市场大市值风格占优。 单因子表现： 沪深300股票池中，本周表现较好的因子有总资产增长率(2.05%)、单季度ROA(1.71%)、换手率相对波动 率(1.59%),表现较差的因子有对数市值因子(-1.00%)、下行波动率占比(-1.10%)、大单净流入(-1.14%)。 中证500股票池中，本周表现较好的因子有单季度EPS(1.61%)、总资产增长率(1.39%)、动量弹簧因子 (1.2 ...

核心观点 - 报告期内（2025年12月8日至12月12日），市场呈现明显的大市值风格占优特征，规模因子、beta因子和非线性市值因子获得正收益 [1] - 在各类量化选股策略中，私募调研跟踪策略和PB-ROE-50组合表现突出，超额收益显著 [3] 因子表现跟踪 大类因子表现 - 本周全市场股票池中，规模因子收益为1.18%，beta因子收益为0.91%，非线性市值因子收益为0.82%，显示大市值风格占优 [1][20] - BP因子和流动性因子表现不佳，分别获得负收益-0.55%和-0.38% [1][20] 单因子表现 - **沪深300股票池**：表现最好的因子是总资产增长率(2.05%)、单季度ROA(1.71%)和换手率相对波动率(1.59%) [1][12] - **沪深300股票池**：表现最差的因子是对数市值因子(-1.00%)、下行波动率占比(-1.10%)和大单净流入(-1.14%) [1][12] - **中证500股票池**：表现最好的因子是单季度EPS(1.61%)、总资产增长率(1.39%)和动量弹簧因子(1.22%) [1][14] - **中证500股票池**：表现最差的因子是市销率TTM倒数(-2.49%)、下行波动率占比(-2.55%)和市净率因子(-3.06%) [1][14] - **流动性1500股票池**：表现最好的因子是总资产增长率(2.25%)、单季度营业收入同比增长率(2.05%)和单季度ROA同比(1.92%) [2][18] - **流动性1500股票池**：表现最差的因子是市盈率因子(-0.90%)、下行波动率占比(-0.95%)和市净率因子(-0.97%) [2][18] 行业内因子表现 - 成长类因子在通信、综合等行业表现突出，例如净资产增长率因子在通信、综合、煤炭行业表现较好 [2][22] - 动量因子表现分化：5日动量因子在国防军工、通信行业表现为动量效应，在商业贸易、钢铁、食品饮料行业表现为反转效应 [2][22] - 估值类因子普遍承压，BP因子在多数行业表现不佳，但EP因子在通信行业表现较好 [2][22] - 规模与流动性因子在特定行业占优：对数市值因子在综合、通信、农林牧渔、电子行业表现较好；流动性因子在通信、商业贸易、电子行业表现较好 [2][22] 量化组合跟踪 PB-ROE-50组合表现 - 本周该组合在各股票池中均获得显著正超额收益：在中证500股票池为0.30%，在中证800股票池为1.60%，在全市场股票池为1.59% [3][24] - 今年以来，该组合超额收益显著，在全市场股票池累计超额收益达20.09%，绝对收益率达46.31% [25] 机构调研组合跟踪 - 私募调研跟踪策略表现最佳，本周相对中证800获得超额收益2.77% [3][27] - 公募调研选股策略本周相对中证800获得超额收益1.79% [3][27] - 今年以来，私募调研跟踪策略累计超额收益为19.34%，公募调研选股策略为19.08% [28] 大宗交易组合跟踪 - 本周大宗交易组合表现不佳，相对中证全指超额收益为-0.95% [3][31] - 但该组合今年以来累计超额收益高达37.70%，绝对收益率为67.77% [32] 定向增发组合跟踪 - 本周定向增发组合表现最差，相对中证全指超额收益为-1.50% [3][37] - 今年以来，该组合累计超额收益为-8.69%，但绝对收益率仍为11.24% [38]

量化模型与因子总结 量化模型与构建方式 1. **模型名称**：中性约束条件下最大化因子暴露组合[22] **模型构建思路**：在构建单因子投资组合时，采用一种优化方法，在确保投资组合相对基准指数在行业和风格暴露保持中性的基础上，最大化目标因子在组合中的暴露[22]。 **模型具体构建过程**：模型的具体构建方法在附录中提及，但正文未详细展开。其核心思想是通过优化求解，在满足行业和风格因子暴露中性（即组合在这些维度上的暴露与基准指数一致或为零）的约束条件下，使投资组合对目标因子的暴露达到最大[22]。 量化因子与构建方式 风格因子（共10个大类）[16] 构建思路：参考BARRA因子模型构建，以捕捉A股市场的风格变化[16]。大类风格因子通过细分因子合成[16]。 1. **因子名称**：估值因子 **因子具体构建过程**：估值因子 = BP。其中BP（Book to Price）为细分因子，构造方式为：归母股东权益 / 总市值[17]。 2. **因子名称**：成长因子 **因子具体构建过程**：成长因子 = (SGRO + EGRO) / 2[17]。 * 细分因子SGRO（Sales growth）：过去五个财年年报的每股营业收入按时间进行回归，将回归系数（斜率）除以每股营业收入的平均值，得到营业收入增长率SGRO[17]。 * 细分因子EGRO（Earnings growth）：过去五个财年年报的每股归母净利润按时间进行回归，将回归系数（斜率）除以每股归母净利润的平均值，得到归母净利润增长率EGRO[17]。 3. **因子名称**：盈利因子 **因子具体构建过程**：盈利因子 = (ETOP + CETOP) / 2[17]。 * 细分因子ETOP（Earnings-to-price ratio）：归母净利润TTM / 总市值[17]。 * 细分因子CETOP（Cash earnings-to-price ratio）：经营活动产生的现金流量净额TTM / 总资产[17]。 4. **因子名称**：规模因子 **因子具体构建过程**：规模因子 = LNCAP。其中LNCAP（Natural log of market cap）为细分因子，构造方式为：总市值的对数[17]。 5. **因子名称**：Beta因子 **因子具体构建过程**：Beta因子 = BETA。其中BETA为细分因子，构造方式为：将个股过去252个交易日的日收益率与中证全指日收益率进行半衰指数加权回归，半衰期为63个交易日。最终取回归系数作为BETA[17]。 6. **因子名称**：动量因子 **因子具体构建过程**：动量因子 = RSTR。其中RSTR（Relative strength）为细分因子，构造方式为：过去504个交易日个股累计收益率，不含最近21个交易日。其中收益率序列使用半衰指数加权，半衰期为126个交易日[17]。 7. **因子名称**：流动性因子 **因子具体构建过程**：流动性因子 = (STOM + STOQ + STOA) / 3[17]。 * 细分因子STOM（Share turnover, one month）：个股过去1个月的换手率加总，之后取对数[17]。 * 细分因子STOQ（Average share turnover, trailing 3 months）：个股过去3个月STOM的均值[17]。 * 细分因子STOA（Average share turnover, trailing 12 months）：个股过去12个月STOM的均值[17]。 8. **因子名称**：波动性因子 **因子具体构建过程**：波动性因子 = (DASTD + CMRA + HSIGMA) / 3[17]。 * 细分因子DASTD（Daily standard deviation）：过去250个交易日个股相对于所有股票等权指数的超额收益率的标准差。其中计算标准差时使用半衰指数加权，半衰期为40个交易日[17]。 * 细分因子CMRA（Cumulative range）：计算个股过去12个月内的累计对数收益率，将累计最高收益与累计最低收益做差得到CMRA[17]。 * 细分因子HSIGMA（Historical sigma）：计算BETA时残差的标准差[17]。 9. **因子名称**：非线性市值因子 **因子具体构建过程**：非线性市值因子 = NLSIZE。其中NLSIZE（Non-linear Size）为细分因子，构造方式为：将股票总市值对数的三次方与对数市值进行加权最小二乘回归，其中权重为对数市值的平方根，最终取回归残差作为NLSIZE。总市值越大或越小的股票NLSIZE越大，中市值股票NLSIZE小[17]。 10. **因子名称**：杠杆因子 **因子具体构建过程**：杠杆因子 = (MLEV + DTOA + BLEV) / 3[17]。 * 细分因子MLEV（Market leverage）：非流动负债 / 总市值[17]。 * 细分因子DTOA（Debt to assets）：总负债 / 总资产[17]。 * 细分因子BLEV（Book leverage）：非流动负债 / 归属母公司股东权益[17]。 选股因子（共53个）[21] 构建思路：构建了53个常用的选股因子，涵盖了估值、成长、质量、规模、反转、动量、流动性、波动性、分红、公司治理以及技术等多个方面[21]。在计算全市场股票池因子表现时，会对每个单因子进行中性化处理，消除其与行业、风格（规模、估值、成长）因子的相关性[47]。 **因子列表及具体构建过程如下表所示**[22]： | 因子类别 | 因子名称 | 构造方式 | 参考方向 | | :--- | :--- | :--- | :--- | | 估值 | BP | 归属母公司股东权益/总市值 | 正向[22] | | | 单季度EP | 单季度归母净利润/总市值 | 正向[22] | | | EP_TTM | 归母净利润TTM/总市值 | 正向[22] | | | 单季度SP | 单季度营业收入/总市值 | 正向[22] | | | SP_TTM | 营业收入TTM/总市值 | 正向[22] | | | 单季度CFEV | 单季度经营活动产生的现金流量净额/（市值 + 短期借款 + 长期借款 + 应付债券 - 货币资金） | 正向[22] | | | CFEV_TTM | 经营活动产生的现金流量净额TTM/（市值 + 短期借款 + 长期借款 + 应付债券 - 货币资金） | 正向[22] | | 成长 | 单季度净利润同比增速 | 单季度归母净利润同比增长率 | 正向[22] | | | 单季度营业收入同比增速 | 单季度营业收入同比增长率 | 正向[22] | | | 单季度营业利润同比增速 | 单季度营业利润同比增长率 | 正向[22] | | | 标准化预期外盈利 | （当前季度归母净利润 -（去年同期单度归母净利润+过去8个季度单季归母净利润同比增长均值））/ 过去8个季度的单季度归母净利润同比增长值的标准差 | 正向[22] | | | 标准化预期外收入 | （当前季度营业收入 -（去年同期单度营业收入+过去8个季度单季度营业收入同比增长均值））/ 过去8个季度的单季营业收入同比增长值的标准差 | 正向[22] | | | 单季度ROE同比 | ROE单季度同比变化 | 正向[22] | | | 单季度ROA同比 | ROA单季度同比变化 | 正向[22] | | 质量 | 单季度ROE | 单季度归母净利润/归属母公司股东权益 | 正向[22] | | | 单季度ROA | 单季度归母净利润/总资产 | 正向[22] | | | 单季度毛利率 | （单季度营业收入-单季度营业成本）/单季度营业收入 | 正向[22] | | | 单季度营业利润率 | 单季度营业利润/单季度营业收入 | 正向[22] | | | 单季度净利润率 | 单季度归母净利润/单季度营业收入 | 正向[22] | | | 盈余质量 | (经营活动现金流量净额-营业利润) /总资产 | 正向[22] | | | 流动比率 | 流动资产/流动负债 | 正向[22] | | 规模 | 对数市值 | 总市值的对数 | 负向[22] | | 反转 | 20日反转 | 个股过去20个交易日收益率 | 负向[22] | | | 60日反转 | 个股过去60个交易日收益率 | 负向[22] | | 动量 | 60日动量 | 个股过去60个交易日（排除近20日）收益率 | 正向[22] | | | 240日动量 | 个股过去240个交易日（排除近20日）收益率 | 正向[22] | | | 盈余公告前隔夜动量 | 个股盈余公告前20个交易日的隔夜收益 | 正向[22] | | | 盈余公告次日开盘跳空超额 | 个股盈余公告次日开盘价/昨日收盘价-中证全指次日开盘价/昨日收盘价 | 正向[22] | | 流动性 | 20日换手率 | 个股过去20个交易日换手率的平均值 | 负向[22] | | | 60日换手率 | 个股过去60个交易日换手率的平均值 | 负向[22] | | | 20日换手率波动 | 个股过去20个交易日换手率的标准差 | 负向[22] | | | 60日换手率波动 | 个股过去60个交易日换手率的标准差 | 负向[22] | | | 20日非流动性冲击 | 个股过去20个交易日的收益率绝对值/过去20日成交额的均值 | 正向[22] | | | 60日非流动性冲击 | 个股过去60个交易日的收益率绝对值/过去60日成交额的均值 | 正向[22] | | 波动性 | 20日收益率标准差 | 个股过去20个交易日的日收益率标准差 | 负向[22] | | | 60日收益率标准差 | 个股过去60个交易日的日收益率标准差 | 负向[22] | | | 20日特异度 | 个股过去20个交易日的日收益与Fama-French三因子回归的拟合度 | 负向[22] | | | 60日特异度 | 个股过去60个交易日的日收益与Fama-French三因子回归的拟合度 | 负向[22] | | | 20日三因子模型残差波动率 | 个股过去20个交易日的日收益对Fama-French三因子回归的残差的标准差 | 负向[22] | | | 120日三因子模型残差波动率 | 个股过去120个交易日的日收益对Fama-French三因子回归的残差的标准差 | 负向[22] | | | 240日三因子模型残差波动率 | 个股过去240个交易日的日收益对Fama-French三因子回归的残差的标准差 | 负向[22] | | 分红 | 股息率 | 最近4个季度分红/总市值 | 正向[22] | | 公司治理 | 前五大股东持股比例 | 前五大股东持股比例合计 | 正向[22] | | | 前十大股东持股比例 | 前十大股东持股比例合计 | 正向[22] | | 技术 | 20日成交额 | 过去20个交易日日均成交额 | 负向[22] | | | 60日成交额 | 过去60个交易日日均成交额 | 负向[22] | | | 60日偏度 | 过去60个交易日日度收益率数据计算的偏度 | 负向[22] | | | 240日偏度 | 过去240个交易日日度收益率数据计算的偏度 | 负向[22] | | | 20日成交量变异系数 | 过去20个交易日成交量的标准差 / 过去20个交易日成交量均值 | 负向[22] | | | 60日成交量变异系数 | 过去60个交易日成交量的标准差 / 过去60个交易日成交量均值 | 负向[22] | | | 20日成交量比率 | 过去20个交易日成交量均值/ 过去240个交易日成交量均值 | 负向[22] | | | 60日成交量比率 | 过去60个交易日成交量均值/ 过去240个交易日成交量均值 | 负向[22] | | | 120日成交量比率 | 过去120个交易日成交量均值/ 过去240个交易日成交量均值 | 负向[22] | 模型的回测效果 *注：报告中未提供“中性约束条件下最大化因子暴露组合”模型整体的综合回测指标（如年化收益、夏普比率等），仅提供了该模型框架下各单因子的超额收益表现。* 因子的回测效果 风格因子表现（近一周多空收益）[19] 1. Beta因子， 多空收益 4.54%[19] 2. 动量因子， 多空收益 4.34%[19] 3. 波动性因子， 多空收益 3.81%[19] 4. 规模因子， 多空收益 3.36%[19] 5. 流动性因子， 多空收益 1.59%[19] 6. 成长因子， 多空收益 1.15%[19] 7. 非线性市值因子， 多空收益 0.88%[19] 8. 盈利因子， 多空收益 0.61%[19] 9. 杠杆因子， 多空收益 -0.56%[19] 10. 估值因子， 多空收益 -3.71%[19] 选股因子表现（基于“中性约束条件下最大化因子暴露组合”） **以下为各股票池中，因子在“最近一周”窗口期的超额收益表现。** 沪深300股票池[24] 1. 标准化预期外盈利因子， 超额收益 0.87%[24] 2. 240日动量因子， 超额收益 0.78%[24] 3. 单季度净利润率因子， 超额收益 0.74%[24] 中证500股票池[28] 1. 单季度毛利率因子， 超额收益 1.49%[28] 2. 单季度营业利润率因子， 超额收益 1.26%[28] 3. 单季度净利润率因子， 超额收益 1.05%[28] 中证800股票池[33] 1. 单季度ROE因子， 超额收益 1.02%[33] 2. 盈余公告前隔夜动量因子， 超额收益 0.97%[33] 3. 标准化预期外盈利因子， 超额收益 0.94%[33] 中证1000股票池[38] 1. 单季度营业利润率因子， 超额收益 1.34%[38] 2. 单季度净利润率因子， 超额收益 1.25%[38] 3. 单季度营业利润同比增速因子， 超额收益 1.15%[38] 沪深300ESG股票池[42] 1. 标准化预期外盈利因子， 超额收益 0.96%[42] 2. 单季度营业利润同比增速因子， 超额收益 0.57%[42] 3. 单季度ROA因子， 超额收益 0.52%[42] 全市场股票池（近一周Rank IC）[46] 1. 单季度ROE因子， Rank IC 17.68%[46] 2. 单季度ROA因子， Rank IC 17.19%[46] 3. 单季度净利润率因子， Rank IC 16.25%[46]

私募行业规模与市场环境 - 截至2025年10月末，私募基金总规模达22.05万亿元，较9月末增加1.31万亿元，创历史新高并迈入“22万亿时代” [3] - 增长主要由私募证券投资基金驱动，其存续规模达7.01万亿元，环比9月增加1.04万亿元，增幅高达17.42% [3] - 同期私募股权投资基金和创业投资基金增长相对平缓，分别增长0.2万亿元和0.08万亿元，增幅仅为1.8%和2.3% [3] - 2025年A股市场大幅上涨，商品市场中黄金、白银等贵金属以及铜、铝等工业金属表现亮眼，为私募提供了良好发展环境 [3] 私募赋能平台与活动 - “金长江”私募赋能计划由长江证券、兴业银行、证券时报共同推出，旨在通过研究、资金、交易与品牌四重赋能构建私募成长平台 [1] - 长江证券“金航母”平台自2023年以来投资规模超百亿元，连接长期资本与优质管理人 [6] - 12月5日金长江私募综合金融服务系列沙龙上海站成功举行，汇聚50多位私募基金管理人及业内专家，探讨因子投资、行业趋势等话题 [4] 因子投资研究观点 - 因子投资已进入新时代，因子衰减在2024年显现，量价类因子获取收益能力下降 [7] - 不同板块的因子分化在2024年显著增加，量价和基本面因子的系统性风险趋势从2024年开始相反 [7] - 因子动量效应切换自2019年开始并于2024年结束，当前处于该周期的相对较弱阶段 [8] 大宗商品配置观点 - 商品正迎来战略性配置机会，三大逻辑支撑看多：基本面处于历史估值低位、政策“反内卷”修复企业盈利、海外降息及全球流动性宽松提供推力 [9][10] - 周期属性：资源稀缺性明显，资本开支不足，供给侧改革效果显现，供给将维持低增速 [9] - 金融属性：美联储加息周期于2024年下半年终结，弱势美元激发金融属性，纸币贬值凸显商品投资价值 [10] - 商品属性：全球经济复苏、海内外补库存、国内新兴产业需求驱动增长，多数大宗商品库存处于近十年较低分位 [10] - 危机属性：美元信用下降、去美元化加速、地缘政治冲突等，使大宗商品相对美元涨价成为长期趋势 [10] 私募管理人对市场与策略的展望 - **市场整体判断**：市场近期震荡是对前期情绪的修正，不影响中长期向上方向，当前估值整体合理偏低 [11]；A股今年强势表现是长期悲观定价的反转和全球流动性牛市的缩影 [12]；当前处在健康的“牛市中场休息”阶段，是布局2026年的好时机 [13]；2025年国内大类资产走势发生转折，权益市场强势反弹，债券持续走弱 [14]；四季度市场转入震荡，焦点转回宏观基本面 [15] - **经济与政策展望**：经济处于“二阶导已转向，一阶导在磨底”阶段，供给侧出清显现积极信号 [11]；随着地产拖累减轻、行业竞争趋于理性，经济或逐步走出通缩 [14]；宏观经济多项指标企稳，“反内卷”政策有望带动明年更多板块修复 [15]；2026年作为“十五五”开局之年，政策有望保持积极 [14] - **投资主线与机会**：适合在低关注度、低估值的区域寻找预期差，进行“左侧布局” [11]；应重点关注“反内卷”行业、具有战略性资源属性的大宗、服务型消费等政策驱动型行业 [12]；加快自主科技创新、抓住AI科技革命是中国经济的重要突破口，市场核心依然是“AI+” [13]；将围绕通胀修复的宏观主线积极布局，依托风险平价策略获取绝对收益 [14]；大宗商品上行预期有望带来下一轮牛市叙事，是趋势跟踪和风格轮动策略的大舞台 [15]；2026年风险资产中的估值溢价会更多流向新兴产业，中国资产将获得重估 [17]；结构性机会将长期存在，但波动与分化可能加剧 [18] - **流动性环境**：2026年美联储降息预期依然强烈，但全球流动性可能处于相对平衡制约的区间 [17]；在日央行加息预期下，全球资本市场流动性趋于紧张 [18] - **量化私募发展**：2025年是私募量化发展的大年，行业规模和收益显著增长 [16]；量化企业应积极结合AI等前沿技术开发，产品创新进入百花齐放的新时代 [16]；量化管理人需克服周期，为投资人提供穿越牛熊的持有体验 [16]；专注于策略迭代与风控精细化，通过系统化方法捕捉错误定价 [18]

量化模型与构建方式 1. **模型名称：PB-ROE-50 组合** [25] **模型构建思路：** 基于市净率（PB）和净资产收益率（ROE）这两个核心估值与盈利能力指标进行选股 [25] **模型具体构建过程：** 模型的具体构建过程未在提供的报告内容中详细描述 [25] 2. **模型名称：机构调研组合** [28] **模型构建思路：** 利用公募基金和私募基金的调研活动信息作为选股信号 [28] **模型具体构建过程：** 报告提及了公募调研选股策略和私募调研跟踪策略，但具体的组合构建细节（如如何根据调研信息筛选股票、权重分配等）未在提供的报告内容中详细说明 [28] 3. **模型名称：大宗交易组合** [32] **模型构建思路：** 基于“高成交、低波动”原则，从发生大宗交易的股票中筛选后续表现更佳的股票 [32] **模型具体构建过程：** 经过测算，选择“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，通过月频调仓方式构造组合 [32] 4. **模型名称：定向增发组合** [38] **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 [38] **模型具体构建过程：** 以股东大会公告日为时间节点，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，具体构建方法可参考其专题报告 [38] 模型的回测效果 1. **PB-ROE-50 组合** [26] **本周超越基准收益率（中证500）：** 0.47% **今年以来超额收益率（中证500）：** 2.06% **本周绝对收益率（中证500）：** 3.63% **今年以来绝对收益率（中证500）：** 25.34% **本周超越基准收益率（中证800）：** 1.54% **今年以来超额收益率（中证800）：** 15.14% **本周绝对收益率（中证800）：** 3.61% **今年以来绝对收益率（中证800）：** 34.74% **本周超越基准收益率（全市场）：** 1.59% **今年以来超额收益率（全市场）：** 18.32% **本周绝对收益率（全市场）：** 4.45% **今年以来绝对收益率（全市场）：** 42.79% 2. **机构调研组合** [29] **公募调研选股策略本周超越基准收益率（中证800）：** 3.63% **公募调研选股策略今年以来超额收益率（中证800）：** 16.50% **公募调研选股策略本周绝对收益率：** 5.74% **公募调研选股策略今年以来绝对收益率：** 36.32% **私募调研跟踪策略本周超越基准收益率（中证800）：** 3.32% **私募调研跟踪策略今年以来超额收益率（中证800）：** 15.79% **私募调研跟踪策略本周绝对收益率：** 5.43% **私募调研跟踪策略今年以来绝对收益率：** 35.49% 3. **大宗交易组合** [33] **本周超越基准收益率（中证全指）：** 2.93% **今年以来超额收益率（中证全指）：** 39.24% **本周绝对收益率：** 5.83% **今年以来绝对收益率：** 68.03% 4. **定向增发组合** [39] **本周超越基准收益率（中证全指）：** -0.01% **今年以来超额收益率（中证全指）：** -3.70% **本周绝对收益率：** 2.81% **今年以来绝对收益率：** 16.21% 量化因子与构建方式 1. **因子名称：动量弹簧因子** [12][14][18] **因子构建思路：** 未在提供的报告内容中详细说明 **因子具体构建过程：** 未在提供的报告内容中详细说明 **因子评价：** 本周在多个股票池中表现优异 [12][14][18] 2. **因子名称：早盘后收益因子** [12][14][18] **因子构建思路：** 未在提供的报告内容中详细说明 **因子具体构建过程：** 未在提供的报告内容中详细说明 **因子评价：** 本周在多个股票池中表现优异 [12][14][18] 3. **因子名称：单季度ROA** [12] **因子构建思路：** 未在提供的报告内容中详细说明 **因子具体构建过程：** 未在提供的报告内容中详细说明 **因子评价：** 本周在沪深300股票池中表现较好 [12] 4. **因子名称：5日反转** [14][18] **因子构建思路：** 未在提供的报告内容中详细说明 **因子具体构建过程：** 未在提供的报告内容中详细说明 **因子评价：** 本周在中证500和流动性1500股票池中表现较好 [14][18] 5. **因子名称：单季度营业收入同比增长率** [18] **因子构建思路：** 未在提供的报告内容中详细说明 **因子具体构建过程：** 未在提供的报告内容中详细说明 **因子评价：** 本周在流动性1500股票池中表现较好 [18] 6. **因子名称：beta 因子** [20] **因子构建思路：** 未在提供的报告内容中详细说明 **因子具体构建过程：** 未在提供的报告内容中详细说明 **因子评价：** 本周在全市场股票池中获得正收益，显示市场动量效应显著 [20] 7. **因子名称：残差波动率因子** [20] **因子构建思路：** 未在提供的报告内容中详细说明 **因子具体构建过程：** 未在提供的报告内容中详细说明 **因子评价：** 本周在全市场股票池中获得正收益，且在多数行业内表现较好 [20][23] 8. **因子名称：动量因子** [20] **因子构建思路：** 未在提供的报告内容中详细说明 **因子具体构建过程：** 未在提供的报告内容中详细说明 **因子评价：** 本周在全市场股票池中获得正收益，显示市场动量效应显著 [20] 9. **因子名称：规模因子** [20] **因子构建思路：** 未在提供的报告内容中详细说明 **因子具体构建过程：** 未在提供的报告内容中详细说明 **因子评价：** 本周在全市场股票池中获得负收益，显示市场小市值风格占优 [20] 10. **因子名称：非线性市值因子** [20] **因子构建思路：** 未在提供的报告内容中详细说明 **因子具体构建过程：** 未在提供的报告内容中详细说明 **因子评价：** 本周在全市场股票池中获得负收益 [20] 11. **因子名称：净资产增长率因子** [23] **因子构建思路：** 未在提供的报告内容中详细说明 **因子具体构建过程：** 未在提供的报告内容中详细说明 **因子评价：** 本周在综合、通信行业表现较好 [23] 12. **因子名称：净利润增长率因子** [23] **因子构建思路：** 未在提供的报告内容中详细说明 **因子具体构建过程：** 未在提供的报告内容中详细说明 **因子评价：** 本周在美容护理、轻工制造、通信行业表现较好 [23] 13. **因子名称：5日动量因子** [23] **因子构建思路：** 未在提供的报告内容中详细说明 **因子具体构建过程：** 未在提供的报告内容中详细说明 **因子评价：** 本周在多数行业表现为反转效应，在农林牧渔、纺织服装行业反转效应明显 [23] 14. **因子名称：1月动量因子** [23] **因子构建思路：** 未在提供的报告内容中详细说明 **因子具体构建过程：** 未在提供的报告内容中详细说明 **因子评价：** 本周在美容护理、食品饮料行业表现为动量效应，在综合、纺织服装、农林牧渔、建筑材料行业反转效应显著 [23] 15. **因子名称：每股净资产因子** [23] **因子构建思路：** 未在提供的报告内容中详细说明 **因子具体构建过程：** 未在提供的报告内容中详细说明 **因子评价：** 本周在计算机行业表现较好 [23] 16. **因子名称：每股经营利润 TTM 因子** [23] **因子构建思路：** 未在提供的报告内容中详细说明 **因子具体构建过程：** 未在提供的报告内容中详细说明 **因子评价：** 本周在通信行业表现较好 [23] 17. **因子名称：BP 因子** [23] **因子构建思路：** 未在提供的报告内容中详细说明 **因子具体构建过程：** 未在提供的报告内容中详细说明 **因子评价：** 本周在商业贸易行业表现较好 [23] 18. **因子名称：EP 因子** [23] **因子构建思路：** 未在提供的报告内容中详细说明 **因子具体构建过程：** 未在提供的报告内容中详细说明 **因子评价：** 本周在综合行业表现较好 [23] 19. **因子名称：对数市值因子** [23] **因子构建思路：** 未在提供的报告内容中详细说明 **因子具体构建过程：** 未在提供的报告内容中详细说明 **因子评价：** 本周在通信、综合行业表现较好 [23] 20. **因子名称：流动性因子** [23] **因子构建思路：** 未在提供的报告内容中详细说明 **因子具体构建过程：** 未在提供的报告内容中详细说明 **因子评价：** 本周在多数行业表现较好 [23] 因子的回测效果 *（注：报告提供了多个股票池下众多因子在“最近1周”、“最近1个月”、“最近1年”、“最近10年”等多个时间窗口的表现数据 [13][15][19]。由于因子数量众多且指标窗口期不完全统一，此处不逐一列出，具体数值请参考报告中对应的图表 [13][15][19]。）*

量化模型与因子总结 量化模型与构建方式 1. Barra风格因子模型 **模型名称**：Barra风格因子模型[15] **模型构建思路**：基于多维度风险特征构建系统化的风格因子体系，用于描述股票收益的风险来源[15] **模型具体构建过程**：包含10个风格因子，每个因子都有具体的构建公式[15]： 1. **Beta因子**：历史beta值[15] 2. **市值因子**：总市值取自然对数[15] $$市值因子 = \ln(总市值)$$ 3. **动量因子**：历史超额收益率序列均值[15] 4. **波动因子**：综合波动率指标[15] $$波动因子 = 0.74 \times 历史超额收益率序列波动率 + 0.16 \times 累积超额收益率离差 + 0.1 \times 历史残差收益率序列波动率$$ 5. **非线性市值因子**：市值风格的三次方[15] $$非线性市值因子 = 市值^3$$ 6. **估值因子**：市净率倒数[15] $$估值因子 = \frac{1}{市净率}$$ 7. **流动性因子**：多期换手率加权平均[15] $$流动性因子 = 0.35 \times 月换手率 + 0.35 \times 季换手率 + 0.3 \times 年换手率$$ 8. **盈利因子**：多种盈利指标的综合[15] $$盈利因子 = 0.68 \times 分析师预测盈利价格比 + 0.21 \times 市现率倒数 + 0.11 \times 市盈率TTM倒数$$ 9. **成长因子**：增长类指标的综合[15] $$成长因子 = 0.18 \times 分析师预测长期盈利增长率 + 0.11 \times 分析师预测短期利率增长率 + 0.24 \times 盈利增长率 + 0.47 \times 营业收入增长率$$ 10. **杠杆因子**：多种杠杆指标的综合[15] $$杠杆因子 = 0.38 \times 市场杠杆率 + 0.35 \times 账面杠杆 + 0.27 \times 资产负债率$$ 2. GRU预测模型 **模型名称**：GRU多头预测模型[20][34] **模型构建思路**：使用门控循环单元神经网络预测股票未来价格走势，构建多头组合[20][34] **模型具体构建过程**：包含四种不同训练目标的GRU模型变体[20]： - **close1d模型**：预测未来一日close to close收益率[20] - **open1d模型**：预测未来一日open to open收益率[20] - **barra1d模型**：基于Barra因子预测未来一日收益率[20] - **barra5d模型**：基于Barra因子预测未来五日收益率[20] **模型评价**：barra5d模型今年以来表现较强[34] 3. 多因子组合模型 **模型名称**：多因子组合模型[34] **模型构建思路**：综合多个因子构建投资组合，实现风险分散和收益增强[34] **模型具体构建过程**：在选股池内按月调仓，控制风格偏离和行业偏离[33] 量化因子与构建方式 1. 基本面因子 **因子构建思路**：基于公司财务指标构建，反映公司基本面和价值特征[19][22][25][28] **具体因子类别**： - **静态财务因子**：市盈率、市净率、营业利润率等传统估值指标[19][22][25][28] - **增长类因子**：ROC增长、ROA增长、营业收入增长率等增长指标[19][22][25][28] - **超预期增长因子**：净利润超预期增长、ROE超预期增长等超预期指标[19][22][25][28] 2. 技术类因子 **因子构建思路**：基于价格和成交量数据构建，反映市场行为和技术特征[19][22][25][28] **具体因子类别**： - **动量因子**：20日动量、60日动量、120日动量等不同周期的动量指标[19][22][25][28] - **波动因子**：20日波动、60日波动、120日波动等波动率指标[19][22][25][28] - **其他技术因子**：中位数离差等技术指标[19][22][25][28] 模型的回测效果 测试参数设置 - **选股池**：万得全A，剔除ST、*ST、停牌不可交易、上市不满180日股票[33] - **业绩基准**：中证1000指数[33] - **调仓频率**：月度调仓[33] - **手续费**：双边千3[33] - **权重限制**：个股权重上限千2[33] - **风险控制**：风格偏离0.5标准差，行业偏离0.01[33] 具体表现数据 **GRU多头组合表现**[35]： - open1d模型：近一周-1.12%，近一月-0.40%，近三月0.62%，近六月-0.46%，今年以来5.99% - close1d模型：近一周-0.97%，近一月1.71%，近三月1.30%，近六月0.65%，今年以来5.21% - barra1d模型：近一周-0.54%，近一月-1.00%，近三月1.06%，近六月1.56%，今年以来4.62% - barra5d模型：近一周-0.62%，近一月2.29%，近三月1.80%，近六月2.08%，今年以来8.55% **多因子组合表现**[35]： - 近一周-0.47%，近一月-0.12%，近三月1.43%，近六月-0.53%，今年以来1.17% 因子的回测效果 风格因子多空收益表现[17] - 动量因子：最近一周-1.93%，最近一月-8.36%，最近半年-24.78%，今年以来19.89% - 波动因子：最近一周1.82%，最近一月-2.33%，最近半年16.17%，今年以来6.56% - beta因子：最近一周-1.54%，最近一月5.68%，最近半年0.60%，今年以来19.29% - 流动性因子：最近一周0.91%，最近一月42.89%，最近半年9.98%，今年以来12.24% - 估值因子：最近一周0.82%，最近一月0.46%，最近半年0.14%，今年以来3.77% - 成长因子：最近一周0.71%，最近一月2.28%，最近半年2.34%，今年以来3.16% - 杠杆因子：最近一周0.35%，最近一月2.37%，最近半年3.68%，今年以来15.17% - 盈利因子：最近一周0.49%，最近一月-0.64%，最近半年7.01%，今年以来14.10% - 非线性市值因子：最近一周4.22%，最近一月0.44%，最近半年3.16%，今年以来-32.83% - 市值因子：最近一周5.39%，最近一月0.59%，最近半年2.18%，今年以来-37.92% GRU因子多空表现[20] - barra1d：最近一周-1.04%，最近一月-2.69%，最近半年3.42%，今年以来-10.57% - open1d：最近一周-0.21%，最近一月-2.71%，最近半年-1.70%，今年以来3.30% - barra5d：最近一周-0.02%，最近一月3.42%，最近半年5.78%，今年以来7.74% - close1d：最近一周0.04%，最近一月6.10%，最近半年13.61%，今年以来26.47%

根据研报内容，以下是关于量化因子和模型的总结： 量化因子与构建方式 大类因子 1. **因子名称**：市值因子[18] **因子构建思路**：基于股票市值规模构建的因子[18] **因子评价**：本周市场大市值风格显著[18] 2. **因子名称**：杠杆因子[18] **因子构建思路**：基于公司财务杠杆水平构建的因子[18] 3. **因子名称**：流动性因子[18] **因子构建思路**：基于股票流动性特征构建的因子[18] 4. **因子名称**：残差波动率因子[18] **因子构建思路**：基于股票残差波动率特征构建的因子[18] 5. **因子名称**：估值因子[18] **因子构建思路**：基于公司估值水平构建的因子[18] 行业内因子 6. **因子名称**：净资产增长率因子[21] **因子构建思路**：基于公司净资产增长情况构建的因子[21] 7. **因子名称**：净利润增长率因子[21] **因子构建思路**：基于公司净利润增长情况构建的因子[21] 8. **因子名称**：每股净资产因子[21] **因子构建思路**：基于每股净资产指标构建的因子[21] 9. **因子名称**：每股经营利润TTM因子[21] **因子构建思路**：基于每股经营利润TTM指标构建的因子[21] 10. **因子名称**：EP因子[21] **因子构建思路**：基于盈利价格比构建的估值类因子[21] 量化模型与构建方式 1. **模型名称**：PB-ROE-50组合[23] **模型构建思路**：基于市净率（PB）和净资产收益率（ROE）指标构建的量化选股组合[23] 2. **模型名称**：机构调研组合[25] **模型构建思路**：基于机构调研活动构建的选股策略，包括公募调研选股策略和私募调研跟踪策略[25] 3. **模型名称**：大宗交易组合[29] **模型构建思路**：基于大宗交易数据，按照"高成交、低波动"原则构建的选股组合[29] **模型具体构建过程**：通过"大宗交易成交金额比率"和"6日成交金额波动率"两个指标，采用月频调仓方式构造组合。选择"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[29] 4. **模型名称**：定向增发组合[35] **模型构建思路**：基于定向增发事件驱动构建的选股组合[35] **模型具体构建过程**：以股东大会公告日为时间节点，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[35] 因子的回测效果 | 因子名称 | 最近1周收益 | 最近1个月收益 | 最近1年收益 | 最近10年收益 | |---------|------------|-------------|------------|-------------| | 市值因子 | 0.99%[18] | - | - | - | | 杠杆因子 | -0.41%[18] | - | - | - | | 流动性因子 | -0.43%[18] | - | - | - | | 残差波动率因子 | -0.50%[18] | - | - | - | | 估值因子 | -0.68%[18] | - | - | - | 模型的回测效果 PB-ROE-50组合表现[24] | 股票池 | 本周超越基准收益率 | 今年以来超额收益率 | 本周绝对收益率 | 今年以来绝对收益率 | |--------|------------------|-------------------|----------------|-------------------| | 中证500 | -1.30% | 1.58% | -7.01% | 20.95% | | 中证800 | -2.09% | 13.40% | -6.31% | 30.05% | | 全市场 | -1.46% | 16.48% | -6.44% | 36.70% | 机构调研组合表现[26] | 策略类型 | 本周超越基准收益率 | 今年以来超额收益率 | 本周绝对收益率 | 今年以来绝对收益率 | |----------|------------------|-------------------|----------------|-------------------| | 公募调研选股 | -1.91% | 12.42% | -6.14% | 28.92% | | 私募调研跟踪 | -3.65% | 12.06% | -7.80% | 28.51% | 大宗交易组合表现[30] | 指标 | 本周超越基准收益率 | 今年以来超额收益率 | 本周绝对收益率 | 今年以来绝对收益率 | |------|------------------|-------------------|----------------|-------------------| | 大宗交易组合 | -2.84% | 35.29% | -7.75% | 58.77% | 定向增发组合表现[36] | 指标 | 本周超越基准收益率 | 今年以来超额收益率 | 本周绝对收益率 | 今年以来绝对收益率 | |------|------------------|-------------------|----------------|-------------------| | 定向增发组合 | -1.42% | -3.89% | -6.40% | 12.80% |

量化模型与构建方式 1. 模型名称：基于因子的灵活非决定性资产配置 (FIFAA) **模型构建思路**：将量化方案的学术性/规范性与主观方案的前瞻性/灵活性进行组合，使用基于历史数据得到的量化结果与主观观点转换成资产-因子暴露的预期结果进行叠加[15] **模型具体构建过程**： 1. **构建宏观因子**：选择低相关、数量有限、经济逻辑清晰的宏观因子，要求具有可投资性/简洁性[15][20]。本文选择"经济增长、利率、通胀"三个因子[20][30]。经济增长因子用万得全A指数代表，利率因子用中债国债总财富指数代表，通胀因子用南华工业品/南华农产品/南华能化/南华黑色指数等权复合代表[20][30] 2. **资产向因子映射（计算历史风险载荷）**：使用岭回归计算每个资产相对于宏观多因子的风险载荷（beta）[32]。岭回归在传统回归中加入了对于系数的二范数的惩罚项，回归形式为： $$y\,=\,X W\,=\,w_{1}x_{1}+\cdots+w_{n}x_{n}$$ 其损失函数为： $$L(w)\,=\,\sum_{i=1}^{n}(y_{i}-\sum w_{j}x_{i j})+\lambda\sum w_{j}^{2}$$ 其中y为资产收益，X为因子收益，w为待求系数，λ为惩罚项系数，本文λ选择1.0[32][34]。使用12个月的日频数据，月度滚动计算[32] 3. **资产向因子映射（计算主观风险载荷）**：将主观观点转化为"资产-因子"数值关系[35]。对于单资产单因子的有偏beta*，有如下关系： $$\beta_{f}^{*}\,=\,(1\quad F_{f})\,{\binom{\beta_{f}}{\beta_{!f}}}$$ 其中Ff为风格f相对于所有其他风格的单因子回归系数向量，βf为资产相对于风格f的多因子回归无偏系数，β!f为资产相对于除f外其他风格的多因子回归无偏系数[35][36]。向量化得到： $$\beta^{*}\,=\,F\beta^{*}$$ 其中F为m*m矩阵，其ij元素为风格i相对于风格j的回归系数，且对角线为1；β为资产相对于所有风格的多因子回归无偏系数[38]。则可推导出基于主观观点的无偏beta估计： $$\beta=F^{-1}\beta^{*}$$ 本文简化处理，利用资产价格走势的相对反转特性，对比资产近期动量变化与对应因子的动量变化来调整风险暴露[40]。具体地，对比资产近两个月的历史12个月涨跌幅变动值与对应因子近两个月的历史12个月涨跌幅变动值大小，当资产变动值大于风格变动值，则beta降低，调整系数设为0.8，反之设为1.2[40]。调整系数矩阵A示例为： | 资产/因子 | 万得全A | 标普500 | 中债国债 | 商品指数复合 | |---|---|---|---|---| | 中证红利全收益 | 0.80 | 0.00 | 0.00 | 0.00 | | 国证成长全收益 | 1.20 | 0.00 | 0.00 | 0.00 | | 国信价值全收益 | 1.20 | 0.00 | 0.00 | 0.00 | | 恒生指数 | 0.80 | 0.00 | 0.00 | 0.00 | | 纳斯达克100 | 0.00 | 1.20 | 0.00 | 0.00 | | 中债新综合 | 0.00 | 0.00 | 0.80 | 0.00 | | 黄金 | 0.00 | 0.00 | 0.00 | 0.80 | [40] 调整后主观风险载荷矩阵计算为： $$\tilde{B}\;=\;(A\cdot B)(F^{-1})^{T}$$ 最终采用历史风险载荷矩阵和主观风险载荷矩阵等权结合[43] 4. **组合优化**：对风格敞口无偏好，优化目标为在风格敞口差异尽量小的条件下最大化预期收益[44]。优化目标和约束条件为： $$m a x(w^{T}r)$$ $$s.\,t.\,w^{T}I\;=\;1$$ $$a b s(w^{T}\beta_{i}-w^{T}\beta_{j})<0.1*m a x(a b s(w^{T}\beta_{i}),a b s(w^{T}\beta_{j}))$$ 其中r为资产预期收益，w为待求最优权重，β为风险载荷[44]。预期收益设置：对于国内权益和港股使用"乐观-中性-悲观"预期三档，中性预期下年化收益设置为10%，当前价格高于历史95%分位数时预期收益为-15%，低于历史5%分位数时预期收益为25%；其他资产使用历史三年年化收益作为预期收益[44] 5. **再平衡**：允许一定程度的因子敞口偏离，以降低调仓频率和费用，本文采用月度再平衡[18][45] **模型评价**：该方法将量化和主观优点结合，提供了新的资产配置思路，即使在模型构建时做了较多简化，优化结果相对于多资产等权提供了更高的收益和风险收益比[2][26] 模型的回测效果 1. FIFAA模型（历史载荷优化组合） 年化收益13.63%，年化波动11.47%，最大回撤-18.97%[49][50] 2. FIFAA模型（调整载荷优化组合） 年化收益15.43%，年化波动16.46%，最大回撤-33.86%[49][50] 3. 资产等权组合（基准） 年化收益10.32%，年化波动11.91%，最大回撤-25.27%[49][50] 4. 不同风险载荷调整系数结果对比 - 系数=0.1：年化收益15.16%，年化波动16.42%，最大回撤-37.50%[57] - 系数=0.2：年化收益15.43%，年化波动16.46%，最大回撤-33.86%[57] - 系数=0.3：年化收益15.29%，年化波动16.29%，最大回撤-32.58%[57] - 系数=0.4：年化收益15.39%，年化波动15.95%，最大回撤-31.50%[57] - 系数=0.5：年化收益15.30%，年化波动15.73%，最大回撤-30.51%[57] 5. 不同预期收益设置结果对比 - 基准组合（历史3年年化收益）：历史载荷组合年化收益13.96%，调整载荷组合年化收益15.00%[69] - 中性预期=5%：历史载荷组合年化收益15.27%，调整载荷组合年化收益15.90%[70] - 中性预期=10%：历史载荷组合年化收益13.63%，调整载荷组合年化收益15.26%[71] - 中性预期=15%：历史载荷组合年化收益13.96%，调整载荷组合年化收益14.93%[72]

全球资本流动趋势 - 全球投资者正从防御性现金和短久期债券转向风险资产，包括发达市场和新兴市场股票以及新兴市场债券 [2] - 高质量政府债券持续获得机构关注，实物资产也获得强劲的机构投资兴趣 [2] - 资金正从美国股市流出，流入欧洲和新兴市场，美国政策不确定性的上升给投资者带来挑战 [3] 欧洲机构投资者动态 - 欧洲机构投资者的主要关切包括高企的股票估值、利率持续不确定性以及地缘政治紧张局势 [4] - 欧洲面临内部压力，如增长前景疲软、财政约束、能源转型的长期成本以及监管碎片化问题 [4] - 流动性风险也在欧洲机构投资者的关注清单上 [4] 对中国资产的配置展望 - 预计一些大型主权财富基金和养老基金有可能在未来6到12个月增加对中国的配置 [1][6] - 欧洲资产管理公司越来越将中国视为独立的资产类别，而不仅仅是新兴市场篮子的一部分 [1][6] - 投资焦点在于在岸股票和新经济板块，特别是技术、先进制造业和人工智能领域 [6] 中国指数产品吸引力 - 广泛的中国敞口指数和主题或行业敞口指数均具有吸引力，主题包括技术、人工智能、电动车和制造业转型 [7] - 因子投资方面，中国行业的价值和股息策略也颇受关注 [7] - 例如，追踪富时中国科技指数的景顺中国科技ETF（CQQQ）今年已获得显著的资金净流入 [7] 越南市场升级影响 - 富时罗素将越南股市从前沿市场升级至次级新兴市场类别，自2026年9月21日起生效 [8] - 升级后，以新兴市场为基准的基金可以将越南纳入投资范围，预计将带来10亿至15亿美元的被动资金流入 [9] - 主动管理资金的流入规模预计约为被动资金的4至5倍，但对其他新兴市场的影响相对较小 [9] ESG投资趋势 - 可持续性投资，特别是气候考虑因素，是投资者议程中的重要组成部分 [11] - 投资者行为正从简单的ESG基金投资转向更加整合化、主题化和策略特定化的投资方式 [11] - 欧洲和亚洲在ESG投资方面继续保持领先地位，企业信息披露的透明度正成为必须满足的条件 [11]

根据提供的研报内容，以下是其中涉及的量化模型与因子的详细总结。 量化模型与构建方式 1. **模型名称：三维择时框架**[7][12] * **模型构建思路**：通过综合评估市场的分歧度、流动性和景气度三个维度的状态，对市场整体走势进行判断[7][12] * **模型具体构建过程**：模型监控三个核心指标：1）市场分歧度指数，反映投资者观点分歧程度；2）市场流动性指数，反映资金面状况；3）A股景气度指数2.0，反映宏观经济与企业盈利景气状况（金融与工业等分项）[7][11][12][23][24] 通过观察这三个指标的趋势（上行或下行）及其组合，形成对市场（如震荡、下跌）的判断[7][12] 2. **模型名称：ETF热点趋势策略**[27][28] * **模型构建思路**：根据ETF价格的上涨形态和市场关注度的提升，筛选出具有短期趋势的ETF构建投资组合[27] * **模型具体构建过程**：1）首先筛选出最高价与最低价同时呈现上涨形态的ETF；2）计算支撑阻力因子，该因子基于最高价与最低价近20日回归系数的相对陡峭程度；3）在支撑阻力因子的多头组中，进一步选择近5日换手率与近20日换手率比值最高的ETF，即短期关注度明显提升的品种；4）最终对选出的约10只ETF采用风险平价方法构建组合[27] 3. **模型名称：资金流共振策略**[35][36] * **模型构建思路**：结合融资融券资金和主动大单资金两类资金流在行业层面的动向，寻找两者有共振效应的行业进行推荐[35][36] * **模型具体构建过程**： * **行业融资融券资金因子**：首先计算个股层面的（融资净买入-融券净卖出），在行业内加总，然后使用Barra市值因子进行中性化处理，再计算其最近50日的均值，最后取该均值的两周环比变化率[35] * **行业主动大单资金因子**：计算行业层面的净流入数据，并采用其最近一年的成交量时间序列进行中性化处理，然后对中性化后的结果进行排序，最后取最近10日的均值[35] * **策略逻辑**：研究发现融资融券因子的多头端在某些市场状态下有稳定的负向超额收益，而主动大单因子（剔除极端多头行业后）有稳定正向超额收益。因此，策略在主动大单因子的头部行业（打分较高）中，剔除融资融券因子也处于头部的行业，以提高稳定性。策略通常会进一步剔除大金融板块[35] 模型的回测效果 1. **资金流共振策略**，年化超额收益13.5%[35]，信息比率(IR)1.7[35]，近期（策略上周）绝对收益1.28%[35]，超额收益（相对行业等权）0.55%[35] 量化因子与构建方式 1. **因子名称：Barra风格因子系列**[41][42] * **因子构建思路**：采用经典的Barra风险模型框架，从不同维度刻画股票的风格特征[41][42] * **因子具体构建过程**：报告中提及的Barra风格因子包括：规模(size)、贝塔(beta)、动量(momentum)、波动率(volatility)、非线性规模(nlsize)、价值(value)、流动性(liquidity)、盈利收益率(earnings_yield)、成长(growth)、杠杆(leverage)。报告未详细描述每个因子的具体计算公式，但指出其属于Barra体系[41][42] 2. **因子名称：速动比率 (quick_ratio)**[46] * **因子构建思路**：衡量企业短期偿债能力，属于流动性及质量类因子[46] * **因子具体构建过程**：$$quick\\_ratio = \\frac{速动资产}{流动负债}$$ [46] 3. **因子名称：资产负债率 (debt_asset_ratio)**[46] * **因子构建思路**：衡量企业负债水平，属于杠杆类因子[46] * **因子具体构建过程**：$$debt\\_asset\\_ratio = \\frac{总负债}{总资产}$$ [46] 报告表格中释义为“资产/负债”，但根据因子名称和常规财务定义，应为“总负债/总资产”。 4. **因子名称：产权比率 (debt_to_equity)**[46] * **因子构建思路**：反映由债权人提供的资本与股东提供的资本的相对关系，属于杠杆类因子[46] * **因子具体构建过程**：$$debt\\_to\\_equity = \\frac{total\\_liab}{book\\_value}$$ [46] 其中 total_liab 为总负债，book_value 为账面价值（股东权益） 5. **因子名称：5年盈利波动性 (earnings_variability_5y)**[46] * **因子构建思路**：衡量公司盈利的稳定性，属于盈利质量类因子[46] * **因子具体构建过程**：$$earnings\\_variability\\_5y = standard \\ deviation \\ of \\ yoy \\ eps \\ growth \\ over \\ 5y$$ [46] 计算过去5年每股收益(EPS)同比增速的标准差 6. **因子名称：单季度ROE同比差值（考虑快报、预告）(roe_q_delta_adv)**[49] * **因子构建思路**：基于业绩快报和预告信息，衡量公司最新单季度净资产收益率相对于去年同期改善程度，属于盈利动量类因子[49] * **因子具体构建过程**：报告未给出具体公式，因子释义为“单季度ROE同比差值（考虑快报、预告）”[49] 7. **因子名称：单季度ROA同比差值（考虑快报、预告）(roa_q_delta_adv)**[49] * **因子构建思路**：基于业绩快报和预告信息，衡量公司最新单季度总资产收益率相对于去年同期改善程度，属于盈利动量类因子[49] * **因子具体构建过程**：报告未给出具体公式，因子释义为“单季度ROA同比差值（考虑快报、预告）”[49] 8. **因子名称：单季度每股营业收入同比增长率 (yoy_orps_q)**[49] * **因子构建思路**：衡量公司营收增长情况，属于成长类因子[49] * **因子具体构建过程**：报告未给出具体公式，因子释义为“单季度每股营业收入同比增长率”[49] 9. **因子名称：基金持股比例 (io_to_float_a_share)**[49] * **因子构建思路**：反映机构投资者对公司的关注度和认可度，属于机构关注度类因子[49] * **因子具体构建过程**：$$io\\_to\\_float\\_a\\_share = \\frac{基金总持股数}{个股流通股数}$$ [49] 根据基金年报和半年报披露持股数统计 因子的回测效果 1. **Barra风格因子系列**，最近一周收益：价值(value)因子2.36%[42]，杠杆(leverage)因子1.08%[42]，波动率(volatility)因子0.19%[42]，规模(size)因子-3.76%[42]，贝塔(beta)因子-5.52%[42]，动量(momentum)因子-3.16%[42]，流动性(liquidity)因子-2.43%[42]，盈利收益率(earnings_yield)因子-0.08%[42]，成长(growth)因子-2.86%[42]，非线性规模(nlsize)因子-2.30%[42] 2. **速动比率 (quick_ratio)因子**，近一周多头超额收益1.32%[46]，近一月多头超额收益1.17%[46] 3. **资产负债率 (debt_asset_ratio)因子**，近一周多头超额收益1.21%[46]，近一月多头超额收益1.26%[46] 4. **产权比率 (debt_to_equity)因子**，近一周多头超额收益1.11%[46]，近一月多头超额收益1.45%[46] 5. **5年盈利波动性 (earnings_variability_5y)因子**，近一周多头超额收益1.04%[46]，近一月多头超额收益1.38%[46] 6. **单季度ROE同比差值（考虑快报、预告）(roe_q_delta_adv)因子**，在沪深300成分股中近一周多头超额收益23.45%[49]，在中证500成分股中近一周多头超额收益11.70%[49]，在中证800成分股中近一周多头超额收益18.31%[49]，在中证1000成分股中近一周多头超额收益16.31%[49] 7. **单季度ROA同比差值（考虑快报、预告）(roa_q_delta_adv)因子**，在沪深300成分股中近一周多头超额收益24.07%[49]，在中证500成分股中近一周多头超额收益10.44%[49]，在中证800成分股中近一周多头超额收益16.28%[49]，在中证1000成分股中近一周多头超额收益17.56%[49] 8. **单季度每股营业收入同比增长率 (yoy_orps_q)因子**，在沪深300成分股中近一周多头超额收益11.05%[49]，在中证500成分股中近一周多头超额收益8.25%[49]，在中证800成分股中近一周多头超额收益11.04%[49]，在中证1000成分股中近一周多头超额收益21.00%[49] 9. **基金持股比例 (io_to_float_a_share)因子**，在沪深300成分股中近一周多头超额收益10.96%[49]，在中证500成分股中近一周多头超额收益8.06%[49]，在中证800成分股中近一周多头超额收益10.94%[49]，在中证1000成分股中近一周多头超额收益18.78%[49]