量化模型与构建方式 1. **模型名称：微盘股/茅指数轮动模型**[19][24] * **模型构建思路**：通过比较微盘股与茅指数的相对价值和动量趋势，判断市场风格偏向，从而在两者之间进行轮动配置，以获取更高的相对收益[19][24]。 * **模型具体构建过程**： 1. 计算微盘股与茅指数的相对净值：`微盘股/茅指数相对净值`[19]。 2. 计算该相对净值的243日移动平均线（年均线）[19][24]。 3. 分别计算微盘股指数和茅指数过去20个交易日的收盘价斜率（动量）[19][24]。 4. **轮动信号生成规则**： * 当`微盘股/茅指数相对净值`高于其243日均线，且`微盘股20日斜率`为正时，倾向于投资微盘股[19][24]。 * 当`微盘股/茅指数相对净值`低于其243日均线，或`微盘股20日斜率`为负而`茅指数20日斜率`为正时，轮动模型发出切换至茅指数的信号[19][24]。 2. **模型名称：微盘股择时风控模型**[19][24] * **模型构建思路**：监控与微盘股系统性风险相关的宏观和市场指标，当指标触及预设阈值时发出平仓信号，以控制中期风险[19][24]。 * **模型具体构建过程**： 1. 计算十年期国债到期收益率的同比变化率（`十年国债利率同比`）[19]。 2. 计算微盘股波动率拥挤度的同比变化率（`波动率拥挤度同比`）[19]。 3. **风控信号生成规则**：设定两个阈值，十年国债利率同比阈值为30%，波动率拥挤度同比阈值为55%[19][24]。当任一指标触及或超过其对应阈值时，模型发出平仓信号[19][24]。 3. **模型名称：宏观择时模型**[40] * **模型构建思路**：综合经济增长和货币流动性两个维度的宏观信号，动态调整权益资产（股票）的配置仓位[40]。 * **模型具体构建过程**：模型根据经济增长和货币流动性层面的信号强度，综合计算出推荐的股票仓位。例如，截至报告期，模型对经济增长的信号强度为50%，对货币流动性的信号强度为60%，最终给出的12月份权益推荐仓位为55%[40][41]。 量化因子与构建方式 1. **因子名称：一致预期因子**[46][57] * **因子构建思路**：基于分析师对未来盈利的一致预期数据构建因子，捕捉市场对上市公司未来业绩的共识变化[57]。 * **因子具体构建过程**：包含多个细分因子，例如： * `EPS_FTTM_Chg3M`：未来12个月一致预期EPS过去3个月的变化率[57]。 * `ROE_FTTM_Chg3M`：未来12个月一致预期ROE过去3个月的变化率[57]。 * `TargetReturn_180D`：一致预期目标价相对于目前股价的收益率[57]。 2. **因子名称：市值因子**[46][57] * **因子构建思路**：使用公司规模（市值）作为因子，通常小市值公司可能具有更高的风险溢价[57]。 * **因子具体构建过程**： * `LN_MktCap`：流通市值的对数[57]。 3. **因子名称：成长因子**[46][57] * **因子构建思路**：衡量公司盈利或收入的增长能力，高成长性的公司可能获得市场溢价[57]。 * **因子具体构建过程**：包含多个细分因子，例如： * `NetIncome_SQ_Chg1Y`：单季度净利润同比增速[57]。 * `OperatingIncome_SQ_Chg1Y`：单季度营业利润同比增速[57]。 * `Revenues_SQ_Chg1Y`：单季度营业收入同比增速[57]。 4. **因子名称：反转因子**[46][58] * **因子构建思路**：基于股票过去一段时间的价格表现，认为过去表现差的股票未来可能反弹，而过去表现好的股票未来可能回调[58]。 * **因子具体构建过程**：包含多个不同时间窗口的收益率因子，例如： * `Price_Chg20D`：20日收益率[58]。 * `Price_Chg40D`：40日收益率[58]。 * `Price_Chg60D`：60日收益率[58]。 * `Price_Chg120D`：120日收益率[58]。 5. **因子名称：质量因子**[46][57] * **因子构建思路**：衡量公司的盈利质量、财务稳健性和运营效率，高质量的公司通常被认为风险更低[57]。 * **因子具体构建过程**：包含多个细分因子，例如： * `ROE_FTTM`：未来12个月一致预期净利润/股东权益均值[57]。 * `OCF2CurrentDebt`：过去12个月经营现金流净额/流动负债均值[57]。 * `GrossMargin_TTM`：过去12个月毛利率[57]。 * `Revenues2Asset_TTM`：过去12个月营业收入/总资产均值[57]。 6. **因子名称：技术因子**[46][58] * **因子构建思路**：基于价量数据构建，捕捉市场的交易行为、情绪和趋势[58]。 * **因子具体构建过程**：包含多个细分因子，例如： * `Volume_Mean_20D_240D`：20日成交量均值/240日成交量均值[58]。 * `Skewness_240D`：240日收益率偏度[58]。 * `Volume_CV_20D`：20日成交量标准差/20日成交量均值[58]。 * `Turnover_Mean_20D`：20日换手率均值[58]。 7. **因子名称：价值因子**[46][57] * **因子构建思路**：衡量公司的估值水平，寻找价格低于其内在价值的股票[57]。 * **因子具体构建过程**：包含多个细分因子，例如： * `BP_LR`：最新年报账面净资产/最新市值[57]。 * `EP_FTTM`：未来12个月一致预期净利润/最新市值[57]。 * `SP_TTM`：过去12个月营业收入/最新市值[57]。 * `EP_FY0`：当期年报一致预期净利润/最新市值[57]。 * `Sales2EV`：过去12个月营业收入/企业价值[57]。 8. **因子名称：波动率因子**[46][58] * **因子构建思路**：衡量股票价格或收益的波动性，低波动率的股票可能具有防御属性或风险更低[58]。 * **因子具体构建过程**：包含多个细分因子，例如： * `Volatility_60D`：60日收益率标准差[58]。 * `IV_CAPM`：CAPM模型残差波动率[58]。 * `IV_FF`：Fama-French三因子模型残差波动率[58]。 * `IV_Carhart`：Carhart四因子模型残差波动率[58]。 9. **因子名称：可转债择券因子（正股一致预期、正股成长、正股财务质量、正股价值、转债估值）**[54] * **因子构建思路**：针对可转债特性构建择券因子，一部分因子从预测正股表现的角度出发（如正股一致预期、价值等），另一部分直接衡量转债的估值水平（如平价底价溢价率）[54]。 * **因子具体构建过程**：报告提及了五类可转债择券因子，包括正股一致预期、正股成长、正股财务质量、正股价值以及转债估值因子（如平价底价溢价率），但未给出具体构建公式[54]。 模型的回测效果 1. **宏观择时模型**：2025年年初至报告期的收益率为13.57%，同期Wind全A收益率为25.65%[40]。 因子的回测效果 *（以下因子表现数据均基于“上周”和“今年以来”两个时间窗口，在“全部A股”、“沪深300”、“中证500”、“中证1000”四个股票池中的IC均值和多空收益）[47]* 1. **一致预期因子** * **上周IC均值**：全部A股(-0.13%)， 沪深300(-3.26%)， 中证500(-1.98%)， 中证1000(-3.26%)[47]。 * **今年以来IC均值**：全部A股(1.93%)， 沪深300(4.73%)， 中证500(3.26%)， 中证1000(2.33%)[47]。 * **上周多空收益**：全部A股(-0.41%)， 沪深300(-0.31%)， 中证500(0.25%)， 中证1000(-0.66%)[47]。 * **今年以来多空收益**：全部A股(14.72%)， 沪深300(8.94%)， 中证500(22.18%)， 中证1000(21.22%)[47]。 2. **市值因子** * **上周IC均值**：全部A股(17.14%)， 沪深300(-3.23%)， 中证500(10.89%)， 中证1000(18.18%)[47]。 * **今年以来IC均值**：全部A股(3.79%)， 沪深300(-1.32%)， 中证500(2.08%)， 中证1000(3.22%)[47]。 * **上周多空收益**：全部A股(1.80%)， 沪深300(0.50%)， 中证500(0.90%)， 中证1000(1.83%)[47]。 * **今年以来多空收益**：全部A股(14.58%)， 沪深300(-3.98%)， 中证500(5.09%)， 中证1000(4.13%)[47]。 3. **成长因子** * **上周IC均值**：全部A股(-0.46%)， 沪深300(-10.58%)， 中证500(-7.15%)， 中证1000(-4.41%)[47]。 * **今年以来IC均值**：全部A股(1.38%)， 沪深300(4.12%)， 中证500(1.41%)， 中证1000(1.22%)[47]。 * **上周多空收益**：全部A股(0.24%)， 沪深300(-0.64%)， 中证500(-0.41%)， 中证1000(-1.15%)[47]。 * **今年以来多空收益**：全部A股(18.75%)， 沪深300(47.80%)， 中证500(2.83%)， 中证1000(13.38%)[47]。 4. **反转因子** * **上周IC均值**：全部A股(14.00%)， 沪深300(5.70%)， 中证500(12.53%)， 中证1000(16.69%)[47]。 * **今年以来IC均值**：全部A股(6.83%)， 沪深300(0.56%)， 中证500(4.10%)， 中证1000(6.63%)[47]。 * **上周多空收益**：全部A股(1.90%)， 沪深300(1.14%)， 中证500(2.46%)， 中证1000(1.68%)[47]。 * **今年以来多空收益**：全部A股(14.55%)， 沪深300(-24.31%)， 中证500(-7.75%)， 中证1000(11.20%)[47]。 5. **质量因子** * **上周IC均值**：全部A股(4.51%)， 沪深300(9.33%)， 中证500(9.95%)， 中证1000(5.73%)[47]。 * **今年以来IC均值**：全部A股(0.52%)， 沪深300(2.08%)， 中证500(1.35%)， 中证1000(0.12%)[47]。 * **上周多空收益**：全部A股(0.91%)， 沪深300(0.96%)， 中证500(1.92%)， 中证1000(0.86%)[47]。 * **今年以来多空收益**：全部A股(4.34%)， 沪深300(31.40%)， 中证500(0.85%)， 中证1000(-2.28%)[47]。 6. **技术因子** * **上周IC均值**：全部A股(16.08%)， 沪深300(8.60%)， 中证500(13.68%)， 中证1000(16.35%)[47]。 * **今年以来IC均值**：全部A股(8.92%)， 沪深300(3.40%)， 中证500(4.80%)， 中证1000(7.18%)[47]。 * **上周多空收益**：全部A股(0.84%)， 沪深300(1.55%)， 中证500(0.23%)， 中证1000(1.39%)[47]。 * **今年以来多空收益**：全部A股(41.96%)， 沪深300(10.99%)， 中证500(4.99%)， 中证1000(18.07%)[47]。 7. **价值因子** * **上周IC均值**：全部A股(17.99%)， 沪深300(13.77%)， 中证500(22.28%)， 中证1000(27.80%)[47]。 * **今年以来IC均值**：全部A股(4.23%)， 沪深300(3.28%)， 中证500(3.02%)， 中证1000(3.06%)[47]。 * **上周多空收益**：全部A股(2.30%)， 沪深300(1.27%)， 中证500(2.58%)， 中证1000(3.23%)[47]。 * **今年以来多空收益**：全部A股(-1.00%)， 沪深300(-9.33%)， 中证500(-8.29%)， 中证1000(-16.98%)[47]。 8. **波动率因子** * **上周IC均值**：全部A股(18.62%)， 沪深300(4.10%)， 中证500(16.49%)， 中证1000(25.23%)[47]。 * **今年以来IC均值**：全部A股(8.90%)， 沪深300(1.19%)， 中证500(4.72%)， 中证1000(7.25%)[47]。 * **上周多空收益**：全部A股(2.58%)， 沪深300(0.52%)， 中证500(2.90%)， 中证1000(3.04%)[47]。 * **今年以来多空收益**：全部A股(30.67%)， 沪深300(-28.15%)， 中证500(-13.97%)， 中证1000(6.00%)[47]。

量化投资策略表现 - 今年以来量价类因子整体表现较好 基本面因子中成长类因子相对表现较好 [1] 量化策略长期业绩依赖要素 - 丰富的数据源包括传统财报数据、行情数据以及非传统数据如社交媒体情绪、供应链、招聘数据等 这些数据可转化为前瞻性投资信号 [1] - 供应链数据（如供应商、客户集中度）可识别新能源产业链隐性壁垒 招聘数据（如BOSS直聘、猎聘）可预判企业扩张节奏（如AI人才需求激增） 短视频观看点击量可检查新消费品受欢迎程度 [1] - 丰富因子库可分散收益源并提升抗周期能力 需定期淘汰旧因子并引入新因子 包括强经济逻辑支撑因子和算法挖掘因子 [1] 模型迭代与新技术应用 - 需持续迭代模型并对新技术持开放态度 近年来AI技术在量化投资流程中应用广泛 [2] - AI技术应用包括引入新技术、提高因子开发效率及构建更强预测信号 如用大模型分析文本数据或用transformer等模型做端到端因子挖掘 [2]

根据提供的研报内容，以下是量化模型和因子的详细总结： 量化模型与构建方式 1. **模型名称：宏观择时模型** - **模型构建思路**：基于动态宏观事件因子构建股债轮动策略，通过经济增长和货币流动性两个维度生成权益配置信号[26][27] - **模型具体构建过程**： 1. 经济增长信号：综合中采/财新PMI、工业增加值等指标，计算标准化得分 2. 货币流动性信号：结合SHIBOR、国债收益率、M1同比等数据，通过阈值判断生成强度信号 3. 权益仓位计算：$$仓位\% = 50\% \times (经济增长信号 + 货币流动性信号)$$ - **模型评价**：中期配置工具，对政策变化敏感[26] 2. **模型名称：微盘股择时模型** - **模型构建思路**：结合交易情绪与基本面指标监控微盘股风险[30][35] - **模型具体构建过程**： 1. 波动率拥挤度指标：计算市场波动率分位数与历史阈值比较 2. 十年国债利率同比：$$利率同比 = \frac{当期利率 - 上年同期利率}{上年同期利率}$$ 3. 风险预警：当波动率拥挤度>阈值或利率同比>0.3%时触发风控[30] 模型的回测效果 1. **宏观择时模型** - 2025年初至今收益率：1.06%（Wind全A基准1.90%）[26] - 4月权益仓位建议：25%（货币流动性信号强度50%）[26][27] 2. **微盘股择时模型** - 波动率拥挤度同比：-50.09%（未触发阈值）[31] - 十年国债利率同比：-28.69%（未触发0.3%阈值）[31] 量化因子与构建方式 1. **因子分类体系**（八大类）[51]： - **市值因子**：LN_MktCap（流通市值对数） - **价值因子**：BP_LR（账面净资产/市值）、EP_FTTM（预期净利润/市值） - **成长因子**：NetIncome_SQ_Chg1Y（单季度净利润同比） - **质量因子**：ROE_FTTM（预期ROE）、OCF2CurrentDebt（经营现金流/流动负债） - **一致预期因子**：EPS_FTTM_Chg3M（预期EPS变化率） - **技术因子**：Volume_Mean_20D_240D（成交量比率） - **波动率因子**：IV_CAPM（CAPM残差波动率） - **反转因子**：Price_Chg60D（60日收益率） 2. **转债因子构建**： - 正股成长因子：基于正股净利润增速 - 转债估值因子：平价底价溢价率[45] 因子的回测效果 1. **选股因子IC均值（上周）**[41]： | 因子类型 | 全部A股 | 沪深300 | 中证500 | 中证1000 | |---|---|---|---|---| | 市值因子 | 35.37% | -9.73% | 13.63% | 17.13% | | 反转因子 | 11.17% | 17.06% | 30.80% | 31.65% | | 波动率因子 | 2.14% | 5.04% | 16.85% | 15.33% | 2. **多空收益表现**[41][47]： - 市值因子（全部A股）：周度多空收益8.09% - 波动率因子（中证1000）：年内多空收益9.34% - 转债正股成长因子：上周多空收益显著[45] 关键公式说明 - 利率同比计算：$$利率同比 = \frac{r_t - r_{t-12}}{r_{t-12}}$$[35] - CAPM残差波动率：$$IV\_CAPM = \sqrt{\frac{\sum(\epsilon_i^2)}{n}}$$，其中$$\epsilon_i = r_i - (\alpha + \beta \cdot r_m)$$[51]