量化因子与构建方式 1. 估值类因子 1. **bp** - 构建思路：衡量公司净资产与市值的相对关系[13] - 构建过程：$$ bp = \frac{当前净资产}{当前总市值} $$[13] - 评价：正向因子，反映低估潜力 2. **bp三年分位数** - 构建思路：评估当前bp在历史分位水平[13] - 构建过程：计算股票当前bp在最近三年的分位数[13] 3. **季度ep** - 构建思路：衡量季度净利润与净资产的关系[13] - 构建过程：$$ 季度ep = \frac{季度净利润}{净资产} $$[13] 4. **季度sp** - 构建思路：反映营业收入与净资产的比率[13] - 构建过程：$$ 季度sp = \frac{季度营业收入}{净资产} $$[13] 2. 盈利类因子 1. **季度资产周转率** - 构建思路：评估公司资产运营效率[13] - 构建过程：$$ 季度资产周转率 = \frac{季度营业收入}{总资产} $$[13] 2. **季度毛利率** - 构建思路：衡量毛利润占销售收入的比例[13] - 构建过程：$$ 季度毛利率 = \frac{季度毛利润}{季度销售收入} $$[13] - 评价：近期IC表现突出（7.04%）[9] 3. **季度roa/roe** - 构建思路：分别反映总资产和净资产的盈利能力[13] - 构建过程： - $$ 季度roa = \frac{季度净利润}{总资产} $$ - $$ 季度roe = \frac{季度净利润}{净资产} $$[13] 3. 成长类因子 1. **标准化预期外盈利** - 构建思路：量化业绩超预期程度[13] - 构建过程： $$ \frac{当前季度净利润 - (去年同期单季净利润 + 过去8季度单季净利润同比增长均值)}{过去8季度单季净利润同比增长标准差} $$[13] - 评价：多头组合近期超额收益显著（最近一周0.92%）[11] 2. **一致预期净利润复合增速** - 构建思路：反映分析师对未来盈利增长的共识[13] - 构建过程：直接采用一致预期三年复合增长率[13] - 评价：最近一周IC达7.50%[9] 4. 换手率类因子 1. **1个月换手率与均价的相关性** - 构建思路：捕捉价量背离现象[13] - 构建过程：计算过去20日换手率与均价的相关系数[13] - 评价：反向因子，近期IC表现最佳（10.17%）[9] 2. **1个月换手率波动** - 构建思路：衡量换手率稳定性[13] - 构建过程：过去20日换手率标准差[13] - 评价：一年累计超额收益达13.93%[11] 5. 波动率类因子 1. **1月特异度** - 构建思路：评估收益不可被三因子解释的部分[13] - 构建过程：$$ 1 - R^2_{Fama-French三因子回归} $$[13] - 评价：近一年IC均值3.23%[9] 6. 其他因子 1. **小市值** - 构建思路：捕捉规模效应[13] - 构建过程：对数市值[13] - 评价：一年累计超额收益15.02%[11] 2. **Beta** - 构建思路：衡量系统性风险暴露[13] - 构建过程：490日个股与市场收益回归系数[13] --- 因子回测效果 IC表现（%）[9] | 因子名称 | 最近一周 | 最近一月均值 | 最近一年均值 | |------------------------|----------|--------------|--------------| | 1个月换手率与均价相关性 | 10.17 | 2.65 | 2.75 | | 季度毛利率 | 7.04 | 0.06 | 0.49 | | 一致预期净利润复合增速 | 7.50 | 1.74 | 0.44 | | bp | -7.07 | 0.84 | 1.37 | 多头组合超额收益（%）[11] | 因子名称 | 最近一周 | 最近一月 | 最近一年 | |------------------------|----------|----------|----------| | 标准化预期外盈利 | 0.92 | 2.09 | -0.37 | | 小市值 | 0.35 | 1.71 | 15.02 | | 1个月换手率波动 | 0.38 | 0.59 | 13.93 | | bp三年分位数 | -0.60 | -2.29 | -0.76 | --- 数据处理方法 - 因子值转为行业内排序分位数 - 对非规模/bp因子进行市值、bp与行业中性化处理[7] - 多头组合构建：前10%股票按√流通市值加权[10]

量化模型与构建方式 1. **模型名称**：基于微观的风格轮动模型 **模型构建思路**：从基础风格因子（估值、市值、波动率、动量）出发，通过80个底层微观指标构造640个微观特征，并使用常用指数作为风格股票池取代风格因子的绝对比例划分，构造新的风格收益作为标签[6] **模型具体构建过程**： - 优选80个底层因子作为原始特征，构造640个微观特征[6] - 通过滚动训练随机森林模型，规避过拟合风险，优选特征并得到风格推荐[6] - 综合择时结果与打分结果，构造月频风格轮动框架[6] **模型评价**：模型通过微观特征和滚动训练有效降低了过拟合风险，实现了风格择时与评分的结合[6] 模型的回测效果 1. **基于微观的择时+打分风格轮动策略** - 年化收益率：21.63%[7][8] - 年化波动率：24.09%[7][8] - 信息比率（IR）：0.90[7][8] - 月度胜率：59.12%[7][8] - 对冲市场基准的年化收益率：13.35%[7][8] - 对冲市场基准的年化波动率：11.43%[7][8] - 对冲市场基准的信息比率（IR）：1.17[7][8] - 对冲市场基准的月度胜率：66.42%[7][8] - 历史最大回撤：10.28%[7][8] 2. **2025年6月风格轮动模型** - 收益率：1.28%[13] - 相对基准超额：-2.51%[13] 量化因子与构建方式 1. **因子名称**：估值因子 **因子的构建思路**：基于微观个股层面的估值指标构造[6] **因子具体构建过程**：未详细说明 2. **因子名称**：市值因子 **因子的构建思路**：基于微观个股层面的市值指标构造[6] **因子具体构建过程**：未详细说明 3. **因子名称**：波动率因子 **因子的构建思路**：基于微观个股层面的波动率指标构造[6] **因子具体构建过程**：未详细说明 4. **因子名称**：动量因子 **因子的构建思路**：基于微观个股层面的动量指标构造[6] **因子具体构建过程**：未详细说明 因子的回测效果 1. **2025年风格因子实际收益率（多空对冲）** - 动量因子：具体数值未列出[12] - 波动率因子：具体数值未列出[12] - 估值因子：具体数值未列出[12] - 市值因子：具体数值未列出[12] 2. **2025年风格因子择时后收益率（多空对冲）** - 动量因子：具体数值未列出[15] - 波动率因子：具体数值未列出[15] - 估值因子：具体数值未列出[15] - 市值因子：具体数值未列出[15] 3. **近一年风格因子权重** - 市值因子：权重未列出[16] - 估值因子：权重未列出[16] - 动量因子：权重未列出[16] - 波动率因子：权重未列出[16]

市场现状 - 5月社零增速亮眼，餐饮及商品零售走强，“两新”政策驱动下家电、通讯器材表现佳，生产延续相对韧性，高技术制造及装备制造业优势依旧[2] - 5月在地产投资拖累下固投增速边际走弱，新增社融内部政府债为主要支撑[2] 市场走势 - 当前市场股债风险溢价水平接近10年均值+1STD水位，市场情绪接近短期阶段性高点，2024年四季度以来多数情况难突破该阈值[2] - 短期市场或延续低估值因子主导，5月信用增量及基本面修复程度偏弱，政策释放节点前，低估值因子为主导，小市值、弱盈利有相对优势[2] 行业建议 - 6月AI行业配置模型输出TOP10行业主要分布在必需消费、红利风格，包括轻工制造、公用事业等[2] 风险提示 - 政策落地弱于预期，全球衰退风险超预期[2] 评级标准 - 公司投资评级分买入（未来6 - 12个月超越基准指数20%以上）、增持（超越10% - 20%）等[10] - 行业投资评级分强于大市、中性、弱于大市等[11]

根据研报内容，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. **因子名称：Barra风格因子** - **构建思路**：基于多维度市场特征构建的综合风格因子体系，涵盖市场风险、市值、动量等核心维度[14] - **具体构建过程**： - **Beta因子**：历史beta值 - **市值因子**：总市值取自然对数 - **动量因子**：历史超额收益率序列均值 - **波动因子**： $$0.74 \times 历史超额收益率波动率 + 0.16 \times 累积超额收益率离差 + 0.1 \times 历史残差收益率波动率$$ - **非线性市值**：市值风格的三次方 - **估值因子**：市净率倒数 - **流动性因子**： $$0.35 \times 月换手率 + 0.35 \times 季换手率 + 0.3 \times 年换手率$$ - **盈利因子**： $$0.68 \times 预测盈利价格比 + 0.21 \times 市现率倒数 + 0.11 \times 市盈率TTM倒数$$ - **成长因子**： $$0.18 \times 预测长期盈利增长率 + 0.11 \times 预测短期增长率 + 0.24 \times 盈利增长率 + 0.47 \times 营业收入增长率$$ - **杠杆因子**： $$0.38 \times 市场杠杆率 + 0.35 \times 账面杠杆 + 0.27 \times 资产负债率$$ - **因子评价**：全面覆盖市场风格特征，但需动态调整权重以适应市场变化[14] 2. **因子名称：GRU模型因子** - **构建思路**：基于门控循环单元（GRU）神经网络构建的时序预测因子[18][20][22][24] - **具体构建过程**： - 输入层：标准化后的量价数据（如开盘价、收盘价） - 隐藏层：GRU单元捕捉时序依赖 - 输出层：预测未来收益率并生成因子信号 - 衍生模型包括： - **open1d**：基于开盘价序列的1日预测 - **close1d**：基于收盘价序列的1日预测 - **barra1d/5d**：结合Barra因子的1日/5日预测 - **因子评价**：在中小市值股票中表现突出，但对计算资源要求较高[24][28] 3. **因子名称：技术类因子** - **构建思路**：基于价格波动与动量效应的传统技术指标[17][21][26] - **具体构建过程**： - **动量因子**：20日/60日/120日收益率均值 - **波动因子**：20日/60日/120日收益率标准差 - **中位数离差**：价格与移动中位数的偏离度 - **因子评价**：中长期动量稳定性优于短期[26] --- 因子回测效果 | 因子类别 | 测试范围 | 多空收益表现（最近一周） | 三年年化IR | 五年年化IR | |----------------|----------------|--------------------------|------------|------------| | **Barra风格因子** | 万得全A | Beta/估值因子多头占优[15] | - | - | | **基本面因子** | 全市场 | 增长类因子正向收益[17] | - | - | | **技术类因子** | 中证1000 | 120日动量正向0.20%[26] | -4.42% | 1.02% | | **GRU模型** | 中证1000 | close1d超额0.73%[28] | - | - | --- 模型回测效果 | 模型名称 | 超额收益（今年以来） | 近六月超额 | 近三月超额 | |------------|----------------------|------------|------------| | open1d | 6.94%[28] | 5.08% | 5.81% | | close1d | 5.48%[28] | 4.96% | 4.47% | | barra5d | 6.90%[28] | 6.79% | 5.92% | | 多因子组合 | 2.97%[28] | 6.32% | 4.75% | 数据来源：中证1000指数基准，月度调仓[27][28]

彭朝晖的手机铃声响起，是熟识的资本圈朋友，他接起手机，"我没有恶意，提案是我自己写的，我不 想当董事长，我希望为公司做些事情"。 彭朝晖干了一件大事儿。银禧科技(300221)5月22日晚发布公告称，董事会收到持有公司3%以上股份的 股东彭朝晖提交的三项临时提案，包括建议上市公司引入控股股东、改选董事会和监事会、加强市值管 理等议题。 当听到对方说他的行为推动资本市场进步时，彭朝晖来了兴致，提案全球遴选投资人这个行为，颇有爆 炸性传播效果，他在脑海里搜索了一下，觉得应该是国内第一次。放下手机，他向记者展示了一个群聊 里，群友发言对他行为的肯定。在采访间隙，彭朝晖接了三个类似电话，询问他关于提案的事情。 这个提案他花了一周时间琢磨，又用了一个下午写出来。在办公室抽屉里，他拿出那份提案原件，以及 盖着上市公司红印的接收函。早前，他亲自将提案交给上市公司高管手中。 不过随后，5月23日晚，银禧科技公告，董事会经过审查后认为，彭朝晖的临时提案不符合相关规定及 无具体决议事项等，决定不予提交股东大会审议。 "我跟他们交流了，这是律师的意思，这个临时提案更多是建议，并不需要股东表决，并不表明对提案 持反对态度。"彭朝晖表 ...

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称**：沪深300上涨家数占比情绪指标 **模型构建思路**：通过计算指数成分股的近期正收益个数来判断市场情绪，正收益股票增多时可能处于行情底部，大部分股票正收益时可能预示过热风险[24] **模型具体构建过程**： - 计算沪深300指数N日上涨家数占比： $$ \text{上涨家数占比} = \frac{\text{过去N日收益>0的个股数}}{\text{沪深300成分股总数}} $$ - 采用双窗口平滑（短期N2=35日，长期N1=50日）生成快慢线，快线上穿慢线时看多[27] **模型评价**：能快速捕捉上涨机会，但对下跌市场判断存在滞后性[25] 2. **模型名称**：均线情绪指标 **模型构建思路**：基于八均线体系（8/13/21/34/55/89/144/233日）判断趋势状态，通过价格与均线关系划分情绪区间[31] **模型具体构建过程**： - 计算收盘价大于各均线的数量 - 数量≥5时看多，≤3时看空，其余中性[32] **模型评价**：对趋势延续性有较好指示作用，但震荡市中易产生假信号[37] 3. **模型名称**：量能择时模型 **模型构建思路**：通过成交量变化判断市场情绪转折点[23] **模型具体构建过程**：未披露具体公式，输出为多空信号[24] 量化因子与构建方式 1. **因子名称**：横截面波动率 **因子构建思路**：衡量指数成分股收益离散程度，反映Alpha机会丰富度[34] **因子具体构建过程**： - 计算指数成分股日收益率的截面标准差 - 统计不同时间窗口（季度/半年/年）的分位数水平[38] 2. **因子名称**：时间序列波动率 **因子构建思路**：通过加权计算成分股历史波动率评估市场风险[39] **因子具体构建过程**： - 采用加权移动平均法计算个股波动率 - 按市值加权合成指数层面波动率[40] 模型的回测效果 1. **沪深300上涨家数占比模型**： - 近一年胜率：62%[28] - 年化超额收益：8.3%[28] 2. **均线情绪指标模型**： - 年化IR：1.2[33] - 最大回撤：-22%[33] 3. **量能择时模型**： - 当前信号：全宽基指数空头[24] 因子的回测效果 1. **横截面波动率**： - 沪深300近季度值：1.84%（近两年分位55.19%）[38] - 中证1000近季度值：2.53%（近半年分位66.53%）[38] 2. **时间序列波动率**： - 沪深300近季度值：0.59%（近一年分位71.58%）[40] - 中证500近季度值：0.46%（近半年分位64.29%）[40] 注：所有测试结果均基于2025年5月9日数据[21][24][38][40]

点击注册小程序 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。 资金面跟踪： 报告摘要 本周市场核心观点： 本周（2025.02.24-2025.02.28，下同）A股市场呈现剧烈波动，周度涨跌来看，主要宽基指数悉数下跌， 创业板指领跌。行业表现方面，计算机、通信、传媒振幅居前。资金面方面，ETF资金整体净流出，宽基 ETF为净流出主力。 近期市场在成长股不断冲高之下亦出现资金止盈信号，经历周五（2025.02.28）快速调整，市场或将转入 震荡区间。风格方面，成长股、小市值仍将占优。短期可关注科技股超跌反弹机会。 本周市场各指数全面下跌，上证综指下跌1.72%，上证50下跌1.61%，沪深300下跌2.22%，中证500下跌 3.26%，中证1000下跌2.77%，创业板指下跌4.87%，北证50指数下跌2.8 ...