量化因子与构建方式 1. **因子名称：特异度** - **构建思路**：衡量股票价格波动中不能被Fama-French三因子解释的部分，反映个股特异性风险[17] - **构建过程**： $$特异度 = 1 - R^2$$ 其中$R^2$为过去20个交易日个股收益率对Fama-French三因子（市场、市值、价值）回归的拟合优度[17] - **评价**：近期在多个样本空间中表现突出，尤其在沪深300和中证A500中具有稳定的正向预测能力[19][25] 2. **因子名称：EPTTM一年分位点** - **构建思路**：通过动态分位数定位当前估值水平，避免静态阈值失效[17] - **构建过程**：计算EPTTM（TTM净利润/总市值）在过去一年历史数据中的百分位排名[17] 3. **因子名称：三个月反转** - **构建思路**：捕捉短期过度反应后的价格回调效应[17] - **构建过程**：计算过去60个交易日收益率并取反向信号[17] 4. **因子名称：预期BP** - **构建思路**：结合分析师一致预期的动态市净率因子[17] - **构建过程**：使用一致预期净资产除以总市值[17] 5. **因子名称：三个月机构覆盖** - **构建思路**：反映机构关注度的变化[17] - **构建过程**：统计过去3个月内覆盖该股的机构数量[17] 6. **因子名称：单季净利同比增速** - **构建思路**：捕捉企业盈利能力的边际变化[17] - **构建过程**： $$\frac{当期单季净利润 - 去年同期单季净利润}{去年同期单季净利润}$$[17] 7. **因子名称：MFE组合构建模型** - **构建思路**：在控制风格和行业暴露下最大化单因子暴露[39] - **构建过程**： $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ 其中$f$为因子向量，$w$为组合权重，$w_b$为基准权重，$X$为风格暴露矩阵，$H$为行业暴露矩阵[39][40] 因子回测效果 | 因子名称 | 最近一周 | 最近一月 | 今年以来 | 历史年化 | 样本空间 | |------------------|----------|----------|----------|----------|----------------| | 特异度 | 1.18% | 2.02% | 4.23% | 0.51% | 沪深300[19] | | 特异度 | 1.43% | 2.14% | 2.71% | 1.72% | 中证A500[25] | | EPTTM一年分位点 | 1.01% | 1.54% | 1.90% | 5.24% | 中证500[21] | | 三个月反转 | 1.10% | 2.15% | 2.59% | -0.67% | 中证1000[23] | | 预期BP | 0.99% | 1.69% | -0.10% | 3.90% | 中证500[21] | | 三个月机构覆盖 | 1.25% | 0.90% | 3.44% | 6.27% | 中证1000[23] | 模型回测效果 | 模型名称 | 本周超额 | 本年超额 | |------------------------|----------|----------| | 沪深300指数增强组合 | 0.78% | 9.31%[5] | | 中证500指数增强组合 | -0.52% | 9.90%[5] | | 中证1000指数增强组合 | 0.07% | 15.69%[5]| | 中证A500指数增强组合 | 0.26% | 9.96%[5] |

量化因子与构建方式 1. 估值类因子 **因子名称**：bp **构建思路**：衡量公司净资产与市值的相对关系，反映估值水平[13] **构建过程**：$$ bp = \frac{当前净资产}{当前总市值} $$ **因子名称**：bp三年分位数 **构建思路**：通过分位数标准化当前bp值，消除时间序列波动[13] **构建过程**：计算股票当前bp在最近三年的分位数排名 **因子名称**：季度ep **构建思路**：反映单位净资产创造的净利润[13] **构建过程**：$$ 季度ep = \frac{季度净利润}{净资产} $$ **因子名称**：季度sp **构建思路**：衡量单位净资产产生的营业收入[13] **构建过程**：$$ 季度sp = \frac{季度营业收入}{净资产} $$ 2. 盈利类因子 **因子名称**：季度roa **构建思路**：评估资产利用效率[13] **构建过程**：$$ 季度roa = \frac{季度净利润}{总资产} $$ **因子名称**：季度roe **构建思路**：反映股东权益回报率[13] **构建过程**：$$ 季度roe = \frac{季度净利润}{净资产} $$ 3. 成长类因子 **因子名称**：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**： $$ \frac{当前季度净利润 - (去年同期单季净利润 + 过去8个季度单季净利润同比增长均值)}{过去8个季度单季度净利润同比增长值的标准差} $$ 4. 波动率类因子 **因子名称**：Fama-French三因子1月残差波动率 **构建思路**：衡量不能被市场、规模、价值因子解释的特异性风险[13] **构建过程**：对过去20个交易日日收益进行Fama-French三因子回归，取残差标准差 **因子名称**：1月特异度 **构建思路**：通过R方衡量收益的可解释性[13] **构建过程**：$$ 1 - R^2 $$（R方来自Fama-French三因子回归） 5. 反转类因子 **因子名称**：1个月反转 **构建思路**：捕捉短期过度反应后的均值回复效应[13] **构建过程**：累加过去20个交易日收益率 6. 规模类因子 **因子名称**：小市值 **构建思路**：利用市值溢价效应[13] **构建过程**：取对数市值 7. Beta因子 **构建思路**：衡量个股系统性风险[13] **构建过程**：最近490个交易日个股收益与市场收益加权回归系数 --- 因子回测效果 IC表现 | 因子名称 | 最近一周IC | 最近一月IC均值 | 最近一年IC均值 | 历史IC均值 | |-------------------------|------------|----------------|----------------|------------| | 小市值 | 15.09% | 6.09% | 3.61% | 2.20% | [9] | Beta | 13.20% | 5.67% | 1.79% | 0.38% | [9] | 1月特异度 | 11.75% | 6.36% | 3.19% | 2.40% | [9] | bp三年分位数 | -5.70% | 1.72% | 2.69% | 1.71% | [9] 多头组合表现 | 因子名称 | 最近一周超额 | 最近一月超额 | 最近一年超额 | 历史累计超额 | |-------------------------|--------------|--------------|--------------|----------------| | 小市值 | 1.67% | 2.75% | 18.13% | 66.36% | [11] | Beta | 1.85% | 2.84% | 9.25% | -8.52% | [11] | 业绩预告精确度 | 1.49% | 1.49% | 11.74% | 34.48% | [11] --- 数据处理方法 - 因子值基于五年周频数据，先转为行业内排序分位数 - 非规模/Bp类因子需进行市值、bp与行业中性化处理[7] - 季度数据优先级：业绩预告 < 业绩快报 < 正式财报[14]