量化模型与因子总结 量化模型与构建方式 1. **模型名称**：超预期增强行业轮动策略[13] **模型构建思路**：以基本面为核心，叠加估值面和资金面进行多维度行业分析[13] **模型具体构建过程**： * **因子构成**：模型综合了多个维度的因子。 * **基本面**：包括基于实际披露业绩构建的盈利因子和质量因子，以及基于研报文本分析与分析师预期构建的分析师预期因子和超预期因子[13]。超预期因子指公司公告的营业收入、净利润等指标超出市场一致预期的部分[13]。 * **估值面**：包含估值动量因子[13]。 * **资金面**：考虑北向持仓、公募持仓等[13]。 * **合成方式**：将上述多个因子合成一个综合的“超预期增强因子”[22]。 * **组合构建**：每月初根据合成的超预期增强因子对行业进行排序，选取排名前1/6（即5个）的行业，以等权方式构建投资组合，按月调仓[32]。 2. **模型名称**：景气度估值行业轮动策略[14] **模型构建思路**：主要基于估值动量、盈利与质量因子进行行业轮动[14] **模型具体构建过程**：策略构建方法与超预期增强行业轮动策略一致[14]，即每月初根据合成的因子对行业排序，选取排名前5的行业等权配置，按月调仓。其核心因子为估值动量、盈利和质量因子[14]。 3. **模型名称**：调研行业精选策略[14] **模型构建思路**：基于机构调研数据，从行业层面的调研热度与广度两个视角判断机构投资者关注度的动向[14] **模型具体构建过程**： * **因子构成**： * **调研热度因子**：通过覆盖公司的调研活动平均数来刻画行业内的公司受关注热度[14]。 * **调研广度因子**：通过行业的调研覆盖程度来刻画行业拥挤度，该因子排名越高代表调研广度越低、拥挤度越低[45]。 * **合成方式**：将调研热度与调研广度两个细分因子合成为“调研活动因子”[14][45]。 * **组合构建**：每月初根据合成的调研活动因子对行业进行排序，选取排名前5的行业，以等权方式构建投资组合，按月调仓[36]。 模型的回测效果 （注：以下指标为截至2026年1月的长期历史回测结果，其中“今年以来”指标在报告中特指2026年1月单月表现） 1. **超预期增强行业轮动策略** * 年化收益率：12.71%[33] * 年化波动率：25.16%[33] * 夏普比率：0.505[33] * 最大回撤率：54.44%[33] * 年化超额收益率（相对行业等权基准）：7.12%[33] * 月均双边换手率：68.75%[33] * 2026年1月收益率：3.20%[33] * 2026年1月超额收益率：2.36%[33] 2. **景气度估值行业轮动策略** * 年化收益率：10.07%[33] * 年化波动率：25.91%[33] * 夏普比率：0.389[33] * 最大回撤率：56.24%[33] * 年化超额收益率（相对行业等权基准）：4.85%[33] * 2026年1月收益率：3.76%[33] * 2026年1月超额收益率：2.92%[33] 3. **调研行业精选策略** * 测试期：2017年1月-2026年1月[42] * 年化收益率：6.26%[37] * 年化波动率：19.83%[42] * 夏普比率：0.316[37] * 最大回撤率：40.18%[42] * 年化超额收益率（相对行业等权基准）：2.14%[37] * 月均双边换手率：157.35%[37] * 2026年1月收益率：0.20%[37] * 2026年1月超额收益率：-0.64%[37] 量化因子与构建方式 1. **因子名称**：盈利因子[13] **因子构建思路**：基于公司实际披露的业绩构建[13] 2. **因子名称**：质量因子[13] **因子构建思路**：基于公司实际披露的业绩构建[13] 3. **因子名称**：估值动量因子[13] **因子构建思路**：属于估值面因子，用于捕捉估值趋势[13] 4. **因子名称**：分析师预期因子[13] **因子构建思路**：基于研报文本分析与分析师预期构建[13] 5. **因子名称**：超预期因子[13] **因子构建思路**：识别公司公告的业绩指标（如营业收入、净利润）超出市场一致预期的部分[13] 6. **因子名称**：北向流入因子[13] **因子构建思路**：属于资金面因子，考虑北向资金的持仓动向[13] 7. **因子名称**：调研活动因子[14] **因子构建思路**：综合机构调研的热度与广度信息，刻画机构投资者对行业的关注度[14] **因子具体构建过程**：由两个细分因子合成： * **调研热度**：通过行业内覆盖公司的调研活动平均数来刻画[14]。 * **调研广度**：通过行业的调研覆盖程度来刻画行业拥挤度，该因子值越高代表调研广度越低、拥挤度越低[45]。 8. **因子名称**：超预期增强因子[22] **因子构建思路**：将盈利、质量、估值动量、分析师预期、超预期等多个因子合成一个综合因子，用于超预期增强行业轮动策略[13][22] **因子评价**：在行业预测方面具有显著效果[32] 9. **因子名称**：景气度估值因子[14] **因子构建思路**：主要基于估值动量、盈利与质量因子合成，用于景气度估值行业轮动策略[14] 因子的回测效果 （注：以下单因子表现数据为2026年1月当月表现） 1. **盈利因子** * IC值：30.34%[17] * 多空收益：4.52%[17] * 多头超额收益：2.31%[17] 2. **质量因子** * IC值：-3.89%[18] * 多空收益：-0.86%[18] * 多头超额收益：-1.81%[18] 3. **估值动量因子** * IC值：44.09%[17] * 多空收益：4.41%[17] * 多头超额收益：1.80%[17] 4. **分析师预期因子** * IC值：12.91%[17] * 多空收益：0.22%[18] * 多头超额收益：-1.84%[18] 5. **超预期因子** * IC值：-39.85%[18] * 多空收益：-2.82%[18] * 多头超额收益：-1.20%[18] 6. **调研活动因子** * IC值：16.16%[17] * 多空收益：-0.63%[18] * 多头超额收益：-0.70%[18] 7. **超预期增强因子** * IC历史均值（2011年以来）：8.26%[22] * 风险调整的IC（2011年以来）：0.297[22] * 多空年化收益率（2011年以来）：17.85%[23] * 多空夏普比率（2011年以来）：1.01[23] * 2026年1月IC值：18.62%[23] * 2026年1月多空收益率：2.51%[23] 8. **调研活动因子（长期表现）** * IC历史均值（2017年以来）：9.09%[22] * 风险调整的IC（2017年以来）：0.469[22] * 多空年化收益率（2017年以来）：14.99%[27] * 多空夏普比率（2017年以来）：1.35[27]