根据提供的研报内容，以下是关于量化模型和因子的总结： 量化模型与构建方式 1. **模型名称：预期高股息组合模型**[3][8] * **模型构建思路**：该模型旨在构建一个高股息收益的投资组合。其核心是通过两阶段方法构建“预期股息率”指标，并辅以反转因子和盈利因子进行筛选，最终从沪深300成分股中优选股票构建组合[3][8]。 * **模型具体构建过程**：模型的构建遵循明确的选股步骤： 1. **确定股票池**：以沪深300成分股为初选池，剔除停牌及涨停的股票[13]。 2. **应用辅助筛选因子**： * **反转因子筛选**：剔除股票池中短期动量最高的20%股票（即21日累计涨幅最高的20%个股）[13]。 * **盈利因子筛选**：剔除股票池中盈利下滑的个股（即单季度净利润同比增长率小于0的股票）[13]。 3. **核心排序指标**：在通过上述筛选的剩余股票中，按“预期股息率”从高到低排序[9]。 4. **组合构建**：选取预期股息率最高的30只个股，采用等权重方式构建投资组合。组合每月底调仓一次[3][8][9]。 2. **模型名称：红利择时框架**[25][27] * **模型构建思路**：该模型是一个多因子合成信号模型，用于对中证红利指数进行择时判断，输出看多或看空的观点[25][27]。 * **模型具体构建过程**：模型综合了五个不同类别的因子信号： * **通胀因子**：PPI同比（高/低位），信号方向为正向（+）[27]。 * **流动性因子**：包括M2同比（高/低位）和M1-M2剪刀差（高/低位），信号方向均为负向（-）[27]。 * **利率因子**：美国10年期国债收益率（高/低位），信号方向为正向（+）[27]。 * **市场情绪因子**：红利股成交额占比（上/下行），信号方向为负向（-）[27]。 * **合成信号**：将上述五个单因子信号合成为一个综合信号。报告期内（2025年10月），合成信号值为0，代表对红利持“谨慎”或“看空”态度[25][27]。 模型的回测效果 1. **预期高股息组合模型**： * **回测期**：2009年2月2日至2017年8月31日（103个自然月）[11] * **累计收益**：358.90%[11] * **累计超额收益（相对于沪深300全收益指数）**：107.44%[11] * **年化超额收益**：8.87%[11] * **超额收益滚动一年最大回撤**：12.26%[11] * **月度超额胜率**：60.19%[11] 2. **红利择时框架**：报告中未提供该模型的历史回测效果数据。 量化因子与构建方式 1. **因子名称：预期股息率**[3][8] * **因子构建思路**：该因子是对未来股息支付能力的预测，而非简单的历史股息率。构建过程分为两个阶段，结合了已公告的分红信息和基于历史规律的预测[3][8]。 * **因子具体构建过程**：采用两阶段方法构建： * **第一阶段**：对于已经发布年报并公告利润分配方案的股票，直接根据其公告内容计算股息率[3][8]。 * **第二阶段**：对于尚未公告分红的股票，利用历史分红数据与相关基本面指标，预测其可能的分红并计算预期股息率[3][8]。 2. **因子名称：反转因子**[3][13] * **因子构建思路**：用于规避短期涨幅过高的股票，认为这类股票后续可能面临回调压力[3][13]。 * **因子具体构建过程**：计算股票的21日累计涨幅，并将其作为反向筛选指标，剔除涨幅最高的20%的股票[13]。 3. **因子名称：盈利因子（单季度净利润同比增长率）**[3][13] * **因子构建思路**：筛选盈利状况改善或稳定的公司，规避盈利下滑的股票[3][13]。 * **因子具体构建过程**：计算公司的单季度净利润同比增长率，并直接剔除该增长率小于0的股票[13]。 4. **因子名称：PPI同比（高/低位）**[27] * **因子构建思路**：作为通胀环境的代理变量，用于红利择时[27]。 5. **因子名称：M2同比（高/低位）**[27] * **因子构建思路**：作为流动性宽紧的代理变量，用于红利择时[27]。 6. **因子名称：M1-M2剪刀差（高/低位）**[27] * **因子构建思路**：作为经济活动活跃度的代理变量，用于红利择时[27]。 7. **因子名称：美国10年期国债收益率（高/低位）**[27] * **因子构建思路**：作为全球无风险利率和资金成本的代理变量，用于红利择时[27]。 8. **因子名称：红利股成交额占比（上/下行）**[27] * **因子构建思路**：作为市场对红利板块情绪热度的代理变量，用于红利择时[27]。 因子的回测效果 报告中未提供单个因子的历史表现数据（如IC值、IR值等）。

量化模型与构建方式 1. 模型名称：预期高股息组合模型；模型构建思路：通过两阶段构建预期股息率指标，并结合反转与盈利因子进行辅助筛选，从沪深300成分股中优选股票构建高股息组合[5][10][16]；模型具体构建过程： (1) 剔除停牌及涨停的沪深300成份股作为待选股票池[15]； (2) 剔除股票池中短期动量最高的20%股票（即21日累计涨幅最高的20%个股）[15]； (3) 剔除股票池中盈利下滑的个股（即单季度净利润同比增长率小于0的股票）[15]； (4) 在剩余股票池中，按预期股息率排序，选取预期股息率最高的30只个股等权构建组合[11]。 预期股息率构建分为两个阶段： 第一阶段：根据年报公告利润分配情况计算股息率[5][10]； 第二阶段：利用历史分红与基本面指标预测并计算股息率[5][10]。 2. 模型名称：红利择时框架模型；模型构建思路：通过合成多个宏观经济与市场情绪因子信号，对中证红利指数进行择时判断[2][25]；模型具体构建过程：模型包含5个子信号，每个信号根据其指标状态输出看多（1）或看空（0）红利的信号，最终合成一个总的择时观点[25][28]。具体因子及规则如下： - 通胀因子：PPI同比（高/低位），信号方向为+[28]。 - 流动性因子1：M2同比（高/低位），信号方向为-[28]。 - 流动性因子2：M1-M2剪刀差（高/低位），信号方向为-[28]。 - 利率因子：美国10年期国债收益率（高/低位），信号方向为+[28]。 - 市场情绪因子：红利股成交额占比（上/下行），信号方向为-[28]。 模型的回测效果 1. 预期高股息组合模型，累计收益358.90%[13]，累计超额收益107.44%[13]，年化超额收益8.87%[13]，超额收益滚动一年最大回撤12.26%[13]，月度超额胜率60.19%[13] 2. 预期高股息组合模型（2025年8月），月度收益5.69%[5][16]，相对沪深300指数超额收益-4.80%[5][16]，相对中证红利指数超额收益4.70%[5][16] 量化因子与构建方式 1. 因子名称：预期股息率因子；因子构建思路：结合已公告的分红数据和基本面指标对未来分红进行预测，从而计算预期股息率[5][10][16]；因子具体构建过程：采用两阶段法计算。 第一阶段：对于已发布年报并公告利润分配方案的股票，直接根据其公告计算股息率。 计算公式为：$$股息率 = \frac{每股现金分红}{股价}$$[5][10] 第二阶段：对于尚未公告的股票，利用其历史分红数据（如分红比例、分红稳定性）和基本面指标（如盈利能力、现金流等）建立预测模型，估算其可能的分红，进而计算预期股息率[5][10]。 2. 因子名称：反转因子；因子构建思路：捕捉股票的短期反转效应，即过去短期涨幅过高的股票未来表现可能不佳[10][15][16]；因子具体构建过程：计算股票过去21日的累计涨幅，并以此作为因子值[15]。 3. 因子名称：盈利因子；因子构建思路：筛选出盈利状况正在改善的股票，规避盈利下滑的风险[10][15][16]；因子具体构建过程：使用单季度净利润同比增长率，计算公式为：$$单季度净利润同比增长率 = \frac{本期单季度净利润 - 上年同期单季度净利润}{|上年同期单季度净利润|}$$，并剔除该值小于0的股票[15]。 4. 因子名称：红利股成交额占比因子；因子构建思路：通过监测红利主题股票的成交额在市场中的占比变化来判断市场情绪[25][28]；因子具体构建过程：计算红利板块股票的总成交额与市场总成交额的比值，并判断该比值的变化趋势（上行或下行）[28]。 因子的回测效果 1. 反转因子，在预期高股息组合模型中用作剔除排名前20%的股票[15] 2. 盈利因子，在预期高股息组合模型中用作剔除单季度净利润同比增速为负的股票[15] 3. 红利股成交额占比因子，2025年9月信号为1（看多）[25][28]

根据研报内容，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**：预期高股息组合模型 **模型构建思路**：采用两阶段构建预期股息率指标，结合反转因子与盈利因子辅助筛选，从沪深300成份股中优选股票构建组合[4][9] **模型具体构建过程**： (1) 剔除停牌及涨停的沪深300成份股作为待选股票池[14] (2) 剔除股票池中短期动量最高的20%股票（21日累计涨幅最高的20%个股）[14] (3) 剔除股票池中盈利下滑的个股（单季度净利润同比增长率小于0的股票）[14] (4) 按预期股息率排序，选取预期股息率最高的30只个股等权构建组合[10] **模型评价**：通过历史分红与基本面指标预测股息率，结合短期影响因素增强选股效果 2. **模型名称**：红利择时框架 **模型构建思路**：基于通胀、流动性、利率和市场情绪等5个单因子信号合成综合信号，判断红利资产配置方向[24][26] **模型具体构建过程**： - 通胀因子：PPI同比（高位看多，低位看空） - 流动性因子：M2同比（高位看空）、M1-M2剪刀差（高位看空） - 利率因子：美国10年期国债收益率（高位看多） - 市场情绪因子：红利股成交额占比（上行看多） - 合成信号：各子信号加权综合[26] 量化因子与构建方式 1. **因子名称**：预期股息率因子 **因子构建思路**：两阶段构建，第一阶段基于年报公告利润分配计算股息率，第二阶段利用历史分红与基本面指标预测股息率[4][9] 2. **因子名称**：反转因子 **因子构建思路**：剔除21日累计涨幅最高的20%个股，避免追涨[14] 3. **因子名称**：盈利因子 **因子构建思路**：剔除单季度净利润同比增长率为负的个股，确保盈利质量[14] 模型的回测效果 1. **预期高股息组合模型**： - 累计收益：358.90%（2009/2-2017/8）[12] - 累计超额收益：107.44%（相对沪深300全收益指数）[12] - 年化超额收益：8.87%[12] - 最大回撤：12.26%（滚动一年）[12] - 月度胜率：60.19%[12] - 2025年6月表现：组合收益1.84%，跑输沪深300指数0.83%，跑赢中证红利指数2.40%[15][17] 2. **红利择时框架**： - 2025年7月信号：合成信号为0（看空红利）[24][26] 因子的回测效果 1. **预期股息率因子**： - 2025年6月Top4持仓股收益：新华保险（16.79%）、工业富联（13.60%）、赣锋锂业（12.72%）、江西铜业（9.90%）[16][20] 2. **反转因子**： - 通过剔除高动量股票控制组合波动性[14] 3. **盈利因子**： - 有效规避盈利下滑个股的负向贡献[14]