有限关注因子构建 - 投资者关注度是稀缺资源 导致非理性决策行为 高关注度股票被优先纳入决策但长期表现不佳 [1] - 构建四个细分指标：异常换手率（当日换手率/过去252日平均换手率） 异常成交量（当日成交量/过去252日平均成交量） 极端收益（当日收益与市场收益差的平方） 龙虎榜指标（上榜取1否则0） [2] - 采用线性合成与随机森林两种方法合成因子 线性合成将三个连续变量标准化后加总 取值范围0-4 随机森林使用过去60个月训练 以收益前20%和后20%作为标签 得到负例概率 [3] - 随机森林法带有收益预测属性 因子分组收益和IC表现更显著 [4] 因子表现验证 - 高有限关注组别显示股东户数增长更明显 验证因子对散户关注度的刻画能力 线性合成法最高最低组区分度更突出 [7] - 随机森林法RankIC为-0.076 RankICIR为-0.86 胜率70.1% 线性合成法RankIC为-0.081 RankICIR为-0.71 胜率66.7% [8] - 因子在中证1000表现最佳 因小盘股中散户追涨杀跌行为更易引起股价波动 [12][13] 市场择时应用 - 2019-2021年上半年因子IC回撤 显示散户追涨赚钱效应强 2021年下半年后因子持续负向 [14][17] - 行业涨跌趋势一致性指标与因子IC波动高度相关 沪深300和中证1000因子IC相关性达0.5 [19] - 基于沪深300因子IC择时策略：IC高于12个月均线满仓否则空仓 年化收益5.12% 夏普率0.35 月度胜率76.32% [22][23] - 大小盘轮动策略：IC高于均线做多沪深300否则做多中证1000 年化收益7.25% 夏普率0.32 [22][23] 选股策略应用 - 在指数增强组合中作为负向因子使用 沪深300和中证500中直接叠加因子效果更好 中证1000中无增强效果 [26][30] - 高关注域中价量因子（低波动率、低流动性、长期动量）和成长因子表现突出 盈利价值因子有效性下降 [31][32] - 分域指数增强组合：沪深300年化收益13.11% 夏普率0.69 中证500年化收益14.06% 夏普率0.66 [36] - 分域选股组合：沪深300年化收益15.34% 夏普率0.74 中证500年化收益14.94% 夏普率0.70 [38][39] 因子特性总结 - 因子通过异常换手率、异常成交量、极端收益和龙虎榜指标构建 有效刻画散户关注度 [40] - 因子IC为负向 高关注股票后续回撤风险大 尤其在小盘股中表现显著 [40][13] - 因子IC波动可反映市场赚钱效应 2019-2021年上半年为正向 2021年下半年后转为负向 [40] - 在选股应用中 对大市值股票池（沪深300/中证500）的增量效果更明显 [41]

量化模型与构建方式 1. **模型名称**：市值分域的线性回归模型 - **模型构建思路**：通过市值分组加权回归方法构建复合因子，适配不同市值选股域的表现差异[7] - **模型具体构建过程**： 1. 将全市场股票按市值对数分为11组（KMedian聚类） 2. 采用分组加权回归，权重公式： $$w_{i}=w_{b a s e}+(1-w_{b a s e})*|i-I|/n$$ 其中： - \(w_{base}\)为最小权数（取0.9、0.5、0三种情况） - \(n=11\)为分组数 - \(I\)为最大权重分组（从1到11循环测试） 3. 对5类子因子（分红、ROE_SUE、日度量价、高频量价、复合因子）分别采用OLS回归系数IR加权复合[7][10] 2. **模型名称**：风格因子加权复合模型 - **模型构建思路**：基于市值、估值、价值-成长指标、行业等多风格因子聚类加权，提升因子在不同风格域的适应性[98] - **模型具体构建过程**： 1. 对5类风格因子（市值、市值三次方、估值、价值-成长指标、行业）进行曼哈顿距离聚类，分为11组 2. 价值-成长指标计算： - 价值指标：分析师一致预期市盈率+市净率+市销率+市现率+预期分红 - 成长指标：盈利增长+历史市值增长率+利润增长率+净现金流增长率+营收增长率 - 最终指标为两者相减[98] 3. 行业合并为TMT、上游、中游、消费、金融、综合六类，跨类时曼哈顿距离贡献为聚类数[98] 4. 采用与市值分域类似的交叉复合加权方法构建因子 --- 量化因子与构建方式 1. **因子名称**：分红因子 - **因子构建思路**：结合股息率与分红虚拟变量，反映基本面分红能力[10] - **因子具体构建过程**：由股息率因子与是否有分红的虚拟变量线性回归复合[10] 2. **因子名称**：ROE_SUE因子 - **因子构建思路**：综合ROE和SUE指标，反映盈利质量与增长[10] - **因子具体构建过程**：由ROE、SUE及对应的虚拟变量线性回归复合[10] 3. **因子名称**：日度量价因子 - **因子构建思路**：捕捉短期量价特征[10] - **因子具体构建过程**：由换手率、反转、特质波动、非流动性四个因子复合[10] 4. **因子名称**：高频量价因子 - **因子构建思路**：利用高频数据捕捉微观结构信号[10] - **因子具体构建过程**：由10个手工高频因子复合（具体因子未列明）[10] --- 模型的回测效果 1. **市值分域线性回归模型**（全市场测试，2017.01-2025.07） - **IC**：0.057（等权）→0.058（base_w=0.5）[8][9] - **Rank MAE**：1.090（等权）→1.089（base_w=0.5）[8][9] - **多空收益**：1.07%（等权）→1.08%（base_w=0.9）[11] - **多头收益**：0.33%（等权）→0.31%（base_w=0）[11] 2. **风格因子加权模型**（沪深300增强，严约束） - **年化超额收益**：5.83%（等权）→7.36%（base_w=0交叉复合）[103] - **IR**：0.804（等权）→0.901（base_w=0交叉复合）[103] - **最大回撤**：14.99%（等权）→16.33%（base_w=0交叉复合）[103] --- 因子的回测效果 1. **分红因子**（全市场IC，2017.01-2025.07） - **IC**：0.006（等权）→0.007（base_w=0）[13][14] 2. **ROE_SUE因子**（全市场IC） - **IC**：0.020（等权）→0.021（base_w=0.5）[15][16] 3. **日度量价因子**（全市场IC） - **IC**：0.042（等权）→0.044（base_w=0）[17][18] 4. **高频量价因子**（全市场IC） - **IC**：0.035（等权）→0.037（base_w=0.5）[19][20] --- 关键结论 - **市值加权效果**： - 沪深300增强中，极端大市值加权（base_w=0）提升年化超额1%以上[49][97] - 中证500增强中，base_w=0.5交叉复合效果最佳（年化超额15.06%）[92] - **风格因子加权局限性**：对中证1000增强效果不显著，仅严约束组合年化提升1%[132][141]

核心观点 - "有限关注"因子通过异常换手、异常成交、极端收益、龙虎榜等指标构建，代表个股被散户关注的程度，因子平均IC为负向，在偏小股票池中表现更突出[3][6][23] - 因子IC变化能反映市场"赚钱效应"，2019-2021年上半年因子IC明显回撤，显示散户追涨股票赚钱效应强，用沪深300因子IC构建择时信号月度胜率达70%以上[3][25][33] - 在指数增强组合中，直接叠加因子方法在沪深300和中证500中表现优于剔除法，但对中证1000无效，因子对大股票池选股增量效果更明显[3][35][40] - 有限关注域中价量类因子（低波动率、低流动性、长期动量）和成长类因子表现突出，估值类因子（盈利、价值、红利）有效性下降，分域选股组合收益提升更明显[3][41][55] 因子构建 - 采用异常换手率、异常成交量、极端收益、龙虎榜四个细分指标，通过线性合成和随机森林两种方法构建因子，随机森林法ICIR和胜率更高（RankICIR -0.86，胜率70.1%）[8][13][19] - 验证显示因子最高分组股东户数平均变化达+3,000户（线性合成法），显著高于最低分组的-500户，证实因子对散户关注度的刻画能力[15][17][19] - 全市场测试中因子在中证1000表现最佳，月均多空收益1.2%，IC值-0.12，显著优于沪深300的0.6%和-0.08[23][24] 市场应用 - 沪深300因子IC与行业涨跌趋势一致性指标相关性达0.5（2019-2021年），可用于判断市场强弱，构建的沪深300/中证1000轮动策略年化收益7.25%，最大回撤38.34%[29][32] - 沪深300指数增强组合叠加因子后年化收益提升至13.84%（原12.17%），夏普率从0.64增至0.73，中证500组合年化收益从13.43%提升至13.95%[36][40] - 分域测试显示有限关注域中低波动率因子IC达-0.0406（非域-0.0169），成长因子IC 0.0206（非域0.0143），分析师预期变化因子IC 0.0482（非域0.0036）[42][43] 组合优化 - 分域指数增强组合在沪深300中年化收益13.11%（原12.17%），中证500中14.06%（原13.43%），但增量效果弱于直接叠加因子法[48] - 50只股票的分域选股组合表现更优，沪深300组合年化收益15.34%（原12.80%），中证500组合14.94%（原13.40%），夏普率分别提升至0.74和0.70[55]

量化模型与因子总结 量化模型 1. 基于启发式风格划分的认知风险控制模型 模型构建思路：通过结合启发式方法和因子打分法识别市场认知与个体认知差异，控制认知风险[4][15] 模型具体构建过程： 1) 采用时间序列回归划分个股风格： $$r_{t,t}\sim\beta_{\mathit{Value}}\cdot r_{\mathit{Value},t}+\beta_{\mathit{Growth}}\cdot r_{\mathit{Growth},t}+\varepsilon_{t}$$ 约束条件： $$0\leq\beta_{\mathit{Value}}\leq1$$ $$0\leq\beta_{\mathit{Growth}}\leq1$$ $$\beta_{\mathit{Value}}+\beta_{\mathit{Growth}}=1$$ 2) 计算行业风险贡献： $$RiskContribution_{i}=w_{i}\times{\frac{\partial\sigma_{p}}{\partial w_{i}}}=w_{i}\times{\frac{\sum_{j=1}^{n}w_{i}\cdot Cov\left(r_{i},r_{j}\right)}{\sigma_{p}}}$$ 3) 对高风险行业中的认知差异个股偏离置为0[4][15][81] 2. 基于个股收益聚类的隐性风险识别模型 模型构建思路：采用Louvain社区发现算法对个股超额收益相关性进行聚类，识别传统风险模型无法捕捉的隐性风险[4][15][117] 模型具体构建过程： 1) 计算个股超额收益相关性矩阵 2) 应用Louvain算法最大化模块度进行聚类 3) 对近期走势趋同的股票聚类结果进行风险控制[117] 3. 动态风格因子控制模型 模型构建思路：针对风格因子波动率聚集现象，对近期波动率排名靠前、波动率显著放大的风格因子进行严格控制[4][15][81] 模型具体构建过程： 1) 计算风格因子滚动3个月收益率年化波动率 2) 识别波动率显著放大的风格因子 3) 在组合优化中约束高波动风格因子暴露[27][28] 4. 目标跟踪误差下的自适应个股偏离模型 模型构建思路：根据过去跟踪误差动态调整个股偏离幅度[4][15][81] 模型具体构建过程： 1) 计算组合相对基准的滚动3个月跟踪误差 2) 当跟踪误差超过阈值时自动缩小个股偏离 3) 形成跟踪误差-偏离幅度的动态调整机制[31][32] 量化因子 1. 黑天鹅指数因子 因子构建思路：通过风格因子收益率偏离度衡量市场极端程度[24][25] 因子具体构建过程： 1) 计算风格因子日度收益率偏离度： $$\sigma_{s,t}=\frac{\bar{r}_{s,t}-\bar{r}_{s}}{\sigma_{s}}$$ 2) 计算黑天鹅指数： $$BlackSwan_{t}=\frac{1}{N}\times\sum_{s\in S}\left|\sigma_{s,t}\right|$$ 因子评价：有效捕捉市场极端风险事件[24][25] 2. 成长价值风格因子 因子构建思路：综合估值和成长指标构建风格因子[82][83] 因子具体构建过程： 1) 价值因子包含股息率、BP、EPTTM、OCFPTTM四个子因子，权重各1/4 2) 成长因子包含DeltaROEQ、NPQYOY、SUE、AOG四个子因子，权重各1/4[82][83] 因子评价：传统因子打分法可能无法完全捕捉市场实际交易风格[88][93] 模型回测效果 1. 传统中证500指数增强组合 年化超额收益18.77%，相对最大回撤9.68%，信息比3.56，收益回撤比1.94，年化跟踪误差4.88%[5][16] 2. 引入全流程风控的中证500指数增强组合 年化超额收益16.51%，相对最大回撤4.90%，信息比3.94，收益回撤比3.37，年化跟踪误差3.98%[5][16]

指数增强组合表现 - 沪深300指数增强组合本周超额收益0.77%，本年超额收益3.14% [1][6] - 中证500指数增强组合本周超额收益1.14%，本年超额收益3.91% [1][6] - 中证1000指数增强组合本周超额收益0.79%，本年超额收益5.21% [1][6] 选股因子表现跟踪 沪深300成分股 - 表现较好的因子包括3个月盈利上下调（最近一周1.14%）、标准化预期外盈利（1.07%）、单季净利同比增速（1.06%） [1][7] - 表现较差的因子包括三个月反转（-0.57%）、特异度（-0.55%）、一个月波动（-0.34%） [7] 中证500成分股 - 表现较好的因子包括预期PEG（最近一周0.78%）、BP（0.41%）、标准化预期外收入（0.38%） [1][9] - 表现较差的因子包括股息率（-0.67%）、预期净利润环比（-0.56%）、标准化预期外盈利（-0.45%） [9] 中证1000成分股 - 表现较好的因子包括预期净利润环比（最近一周1.48%）、预期PEG（1.36%）、单季超预期幅度（1.29%） [11] - 表现较差的因子包括三个月反转（-0.85%）、单季ROE（-0.69%）、标准化预期外盈利（-0.65%） [11] 公募基金重仓股 - 表现较好的因子包括一年动量（最近一周1.49%）、3个月盈利上下调（0.91%）、单季净利同比增速（0.88%） [1][13] - 表现较差的因子包括三个月波动（-1.37%）、一个月波动（-1.33%）、股息率（-1.28%） [13] 公募基金指数增强产品表现 沪深300指数增强产品 - 本周超额收益最高2.02%，最低-0.56%，中位数0.45% [1][16] - 今年以来超额收益最高4.86%，最低-2.39%，中位数0.98% [16] 中证500指数增强产品 - 本周超额收益最高1.36%，最低-0.28%，中位数0.59% [1][18] - 今年以来超额收益最高5.41%，最低-2.61%，中位数1.36% [18] 中证1000指数增强产品 - 本周超额收益最高1.44%，最低-0.17%，中位数0.78% [20] - 今年以来超额收益最高7.31%，最低-0.14%，中位数3.12% [20] 公募基金指数增强产品规模 - 沪深300指数增强产品共67只，总规模778亿元 [15] - 中证500指数增强产品共69只，总规模452亿元 [15] - 中证1000指数增强产品共46只，总规模150亿元 [15] 因子MFE组合构建方式 - 采用组合优化模型最大化单因子暴露，控制行业、风格、个股权重等约束 [24] - 设置个股相对于基准权重偏离幅度为0.5%-1%以避免持仓过于集中 [23] 公募重仓指数构建方式 - 选样空间为普通股票型及偏股混合型基金，剔除规模小于五千万且上市不足半年的基金 [25] - 通过定期报告获取持仓信息，选取累计权重达90%的股票作为成分股 [25]

指数增强组合表现 - 沪深300指数增强组合本周超额收益-1.25%，本年超额收益1.61% [1][2] - 中证500指数增强组合本周超额收益-1.53%，本年超额收益2.17% [1][2] - 中证1000指数增强组合本周超额收益-0.88%，本年超额收益3.15% [1][2] 选股因子表现跟踪 沪深300成分股 - 非流动性冲击因子最近一周表现1.05%，最近一月2.34%，今年以来1.49% [5] - 三个月换手因子最近一周表现0.66%，最近一月1.55%，今年以来0.35% [5] - 一个月换手因子最近一周表现0.51%，最近一月1.34%，今年以来0.30% [5] 中证500成分股 - 预期净利润环比因子最近一周表现1.32%，最近一月2.85%，今年以来3.25% [7] - 非流动性冲击因子最近一周表现1.11%，最近一月2.11%，今年以来0.24% [7] - 3个月盈利上下调因子最近一周表现0.81%，最近一月2.58%，今年以来2.76% [7] 中证1000成分股 - 三个月机构覆盖因子最近一周表现1.74%，最近一月4.08%，今年以来4.46% [10] - 三个月换手因子最近一周表现1.40%，最近一月5.35%，今年以来2.65% [10] - 一个月换手因子最近一周表现1.24%，最近一月5.91%，今年以来2.52% [10] 公募基金重仓股 - 非流动性冲击因子最近一周表现1.92%，最近一月3.17%，今年以来3.25% [13] - 一个月换手因子最近一周表现1.30%，最近一月2.97%，今年以来0.93% [13] - 三个月换手因子最近一周表现1.25%，最近一月2.80%，今年以来0.72% [13] 公募基金指数增强产品表现 沪深300指数增强产品 - 本周超额收益最高1.04%，最低-2.85%，中位数-0.53% [1][16] - 最近一月超额收益最高2.95%，最低-3.26%，中位数-0.19% [16][17] - 今年以来超额收益最高3.68%，最低-3.29%，中位数0.40% [16][17] 中证500指数增强产品 - 本周超额收益最高0.86%，最低-1.80%，中位数-0.62% [1][18] - 最近一月超额收益最高4.17%，最低-0.97%，中位数0.73% [18] - 今年以来超额收益最高4.47%，最低-2.73%，中位数0.45% [18] 中证1000指数增强产品 - 本周超额收益最高1.23%，最低-1.30%，中位数-0.29% [1][20] - 最近一月超额收益最高4.39%，最低-0.65%，中位数1.32% [20] - 今年以来超额收益最高5.42%，最低-1.28%，中位数2.04% [20] 公募基金指数增强产品规模 - 沪深300指数增强产品共67只，总规模815亿元 [15] - 中证500指数增强产品共68只，总规模493亿元 [15] - 中证1000指数增强产品共46只，总规模169亿元 [15] 因子MFE组合构建方式 - 采用组合优化模型构建最大化单因子暴露组合，目标函数为最大化单因子暴露 [19][21] - 约束条件包括风格因子偏离度、行业偏离度、个股权重偏离度等 [21][25] - 个股相对于基准指数权重偏离幅度通常设置为0.5%-1% [22] 公募重仓指数构建方式 - 选样空间为普通股票型基金及偏股混合型基金，剔除规模小于五千万且上市不足半年的基金 [23] - 通过基金定期报告获取持仓信息，结合半年报或年报数据构建持仓 [24] - 选取累计权重达到90%的股票作为成分股构建指数 [26]

指数增强组合表现 - 沪深300指数增强组合本周超额收益0.15%，本年累计超额收益0.96% [1][2] - 中证500指数增强组合本周超额收益-0.12%，本年累计超额收益1.77% [1][2] - 中证1000指数增强组合本周超额收益-0.62%，本年累计超额收益-0.14% [1][2] 选股因子表现 沪深300成分股 - 近期有效因子：股息率（本周0.51%）、DELTAROA（本周0.49%）、三个月机构覆盖（本周0.49%）[4][5] - 弱势因子：非流动性冲击（本周-0.76%）、年动量（本周-0.48%）、三个月换手（本周-0.43%）[5] 中证500成分股 - 领先因子：一年动量（本周0.76%）、DELTAROA（本周0.72%）、标准化预期外收入（本周0.58%）[6][7] - 拖累因子：三个月换手（本周-0.88%）、一个月换手（本周-0.94%）、EPTTM（本周-0.85%）[7] 中证1000成分股 - 有效因子：单季净利同比增速（本周0.88%）、DELTAROA（本周0.58%）、单季营收同比增速（本周0.42%）[8][9] - 低效因子：一个月波动（本周-1.81%）、预期EPTTM（本周-1.52%）、三个月波动（本周-1.49%）[9] 公募基金重仓股 - 优选因子：单季营利同比增速（本周0.54%）、特异度（本周0.50%）、单季净利同比增速（本周0.32%）[12][13] - 弱势因子：一个月换手（本周-0.82%）、3个月盈利上下调（本周-0.75%）、一个月反转（本周-0.75%）[13] 公募指数增强产品表现 产品规模 - 沪深300增强产品67只，总规模815亿元；中证500增强产品68只，总规模493亿元；中证1000增强产品46只，总规模169亿元 [16] 沪深300增强产品 - 本周超额收益区间：最高1.34%，最低-0.63%，中位数0.12% [17][18] - 本季超额收益中位数1.28%，今年以来中位数0.43% [17][18] 中证500增强产品 - 本周超额收益区间：最高0.97%，最低-0.82%，中位数0.02% [19][21] - 本季超额收益中位数0.94%，今年以来中位数-0.58% [19][21] 中证1000增强产品 - 本周超额收益区间：最高1.24%，最低-1.00%，中位数-0.01% [20][25] - 本季超额收益中位数2.50%，今年以来中位数0.07% [20][25] 方法论 - MFE组合构建通过优化模型最大化单因子暴露，控制行业/风格偏离（个股权重偏离限制0.5%-1%）[22][23][24] - 公募重仓指数选取累计权重90%的基金重仓股，反映机构选股风格[27][28]

指数增强组合表现 - 沪深300指数增强组合本周超额收益0.44%，本年超额收益0.80% [1][2] - 中证500指数增强组合本周超额收益0.44%，本年超额收益1.81% [1][2] - 中证1000指数增强组合本周超额收益-0.13%，本年超额收益0.50% [1][2] 选股因子表现跟踪 - 沪深300成分股中三个月换手、股息率、一个月换手等因子表现较好 [1][5] - 中证500成分股中高管薪酬、预期净利润环比、股息率等因子表现较好 [1][7] - 中证1000成分股中预期PEG、SPTTM、一个月波动等因子表现较好 [1][10] - 公募基金重仓股中股息率、预期EPTTM、EPTTM等因子表现较好 [1][12] 公募基金指数增强产品表现 - 沪深300指数增强产品本周超额收益最高1.67%，最低-2.70%，中位数0.11% [1][16] - 中证500指数增强产品本周超额收益最高1.55%，最低-0.45%，中位数0.38% [1][17][19] - 中证1000指数增强产品本周超额收益最高1.59%，最低-0.87%，中位数0.30% [1][21] 公募基金指数增强产品规模 - 沪深300指数增强产品共有66只，总规模813亿元 [15] - 中证500指数增强产品共有68只，总规模493亿元 [15] - 中证1000指数增强产品共有46只，总规模169亿元 [15] 因子MFE组合构建方式 - 采用组合优化模型构建最大化单因子暴露组合，控制行业暴露、风格暴露等约束 [20][22][23] - 设置个股相对于基准指数中权重的偏离幅度为0.5%-1% [23] - 每月末构建单因子MFE组合，回测期内按双边0.3%扣除交易费用 [26] 公募重仓指数构建方式 - 选取普通股票型基金和偏股混合型基金，剔除规模小于五千万且上市不足半年的基金 [24] - 通过基金定期报告获取持股信息，构建公募基金平均持仓 [25] - 选取累计权重达到90%的股票作为成分股构建公募基金重仓指数 [27]