量化模型与构建方式 1. **模型名称：量化大势研判行业配置策略** **模型构建思路：** 基于产业生命周期理论，将股票资产划分为五种风格阶段，通过全局比较不同风格下资产的优势（“有没有好资产”）和估值（“贵不贵”），自下而上地判断未来市场的主流风格并进行行业配置[6]。 **模型具体构建过程：** 1. **资产分类：** 将股票资产（以中信二三级行业为标的，整理合并为202个）根据产业生命周期划分为五种风格：外延成长、质量成长、质量红利、价值红利、破产价值[6]。 2. **资产比较框架：** 遵循 `g > ROE > D` 的优先级顺序[1][6]。主流资产（实际增速资产 `g`、预期增速资产 `gf`、盈利资产 `ROE`）优先比较，只有当主流资产均无优势时，才考虑次级资产（质量红利、价值红利、破产价值），次级资产的优先级由拥挤度确定[10]。 3. **优势判断：** * 对于**预期成长 (gf)**：比较分析师预期增速 (`g_fttm`) 的高低，计算其优势差 (`Δgf`)[7][23]。优势差计算类似于因子择时中的 Spread，即头部资产与尾部资产在特定指标上的差值[23]。 * 对于**实际成长 (g)**：比较业绩动量 (`Δg`)，即净利润增速 (`g_ttm`) 的变化[7][27]。 * 对于**盈利能力 (ROE)**：在 PB-ROE 框架下，比较估值水平的高低[7]。 * 对于**质量红利**：采用 `DP+ROE` 综合打分[44]。 * 对于**价值红利**：采用 `DP+BP` 综合打分[47]。 * 对于**破产价值**：采用 `PB+SIZE` 综合打分（取最低）[50]。 4. **行业选择：** 在每月确定的占优风格下，根据该风格的筛选逻辑（如预期增速最高、PB-ROE 残差最低等），选取排名前5的细分行业[17]。 5. **组合构建：** 将选出的行业以等权重方式进行配置[17]。 2. **因子名称：预期净利润增速 (g_fttm)** **因子构建思路：** 基于分析师对未来盈利的一致预期，衡量资产的成长潜力，用于筛选预期成长风格的资产[7][37]。 **因子具体构建过程：** 报告未给出具体计算公式，但指出该因子为行业层面的分析师预期净利润增速[25]。通常构建方式为汇总行业内个股的分析师一致预期净利润增速，并进行行业加权平均。 3. **因子名称：净利润增速 (g_ttm) 及变化 (Δg)** **因子构建思路：** 基于历史财务数据，衡量资产的实际成长性及其动量，用于筛选实际成长风格的资产[7][38]。 **因子具体构建过程：** 报告未给出具体计算公式，但指出 `g_ttm` 为行业净利润增速，`Δg` 为其变化值，用于表征业绩动量[27]。通常 `g_ttm` 为行业最近12个月净利润的同比增速，`Δg` 为其环比或历史变化。 4. **因子名称：超预期因子 (sue, sur, jor)** **因子构建思路：** 衡量公司实际财报业绩相对于市场预期的偏离程度，用于捕捉业绩惊喜，是实际成长策略的具体因子[38]。 **因子具体构建过程：** 报告未给出具体计算公式和说明。通常 `SUE` (Standardized Unexpected Earnings) 为标准化意外盈余，`SUR` 可能为收入惊喜，`JOR` 含义不明。 5. **因子名称：PB-ROE 回归残差** **因子构建思路：** 在盈利能力 (`ROE`) 策略中，用于筛选高 `ROE` 但估值 (`PB`) 相对较低的资产，即寻找盈利能力强且估值合理的标的[41]。 **因子具体构建过程：** 报告未给出具体计算公式。通常构建方式为：在横截面上对 `PB` 和 `ROE` 进行回归（如 `PB = α + β * ROE + ε`），取回归残差 `ε`。残差为负表示相对于其 `ROE` 水平，该资产的 `PB` 估值较低。 6. **因子名称：股息率 (dp)** **因子构建思路：** 衡量资产的现金分红回报，是红利类策略（质量红利、价值红利）的核心因子[44][47]。 **因子具体构建过程：** 报告未给出具体计算公式。通常为每股股息除以股价。 7. **因子名称：市净率倒数 (bp)** **因子构建思路：** 衡量资产的账面价值低估程度，是价值红利策略的因子之一[47]。 **因子具体构建过程：** 报告未给出具体计算公式。通常为每股净资产除以股价，即市净率 (`PB`) 的倒数。 8. **因子名称：市净率 (pb)** **因子构建思路：** 衡量资产的估值水平，在破产价值策略中，低 `PB` 是重要筛选标准[50]。 **因子具体构建过程：** 报告未给出具体计算公式。通常为股价除以每股净资产。 9. **因子名称：规模 (size)** **因子构建思路：** 衡量资产的市值大小，在破产价值策略中，与小市值因子结合使用[50]。 **因子具体构建过程：** 报告未给出具体计算公式。通常为总市值或流通市值的对数。 模型的回测效果 1. **量化大势研判行业配置策略**，年化收益 **27.81%** (2009年以来)[17]，2009年超额收益 **51%** [20]，2010年超额收益 **14%** [20]，2011年超额收益 **-11%** [20]，2012年超额收益 **0%** [20]，2013年超额收益 **36%** [20]，2014年超额收益 **-4%** [20]，2015年超额收益 **16%** [20]，2016年超额收益 **-1%** [20]，2017年超额收益 **27%** [20]，2018年超额收益 **7%** [20]，2019年超额收益 **8%** [20]，2020年超额收益 **44%** [20]，2021年超额收益 **38%** [20]，2022年超额收益 **62%** [20]，2023年超额收益 **10%** [20]，2024年超额收益 **52%** [20]，2025年超额收益 **14%** [20]，2026年2月超额收益 **1%** [20]。 因子的回测效果 *(注：报告未提供单个因子的独立测试结果（如IC、IR等），仅提供了基于该因子构建的策略历史表现定性描述。)* 1. **预期成长策略 (基于g_fttm)**，历史表现：2019年以来超额显著，2014-2015年期间也有较高超额[37]。 2. **实际成长策略 (基于sue, sur, jor)**，历史表现：长期超额都较为显著，在成长风格占优环境下尤其突出[38]。 3. **盈利能力策略 (基于PB-ROE残差)**，历史表现：2016年-2020年超额较为显著，2021年-2024年上半年持续较弱[41]。 4. **质量红利策略 (基于dp, roe)**，历史表现：2016年、2017年、2023年超额较为显著[44]。 5. **价值红利策略 (基于dp, bp)**，历史表现：2009年、2017年、2021-2023年超额较为显著[47]。 6. **破产价值策略 (基于pb, size)**，历史表现：2015-2016年、2021-2023年超额较为显著[50]。

报告行业投资评级 * 报告未明确给出对整体市场的投资评级，但基于量化模型对各大类资产、市场风格及行业配置给出了具体的观点和推荐 [8][26][80][99] 报告的核心观点 * 黄金长期上涨的根本逻辑“弱美元+避险”未发生改变，但短期交易结构脆弱，可通过监测交易拥挤度进行仓位管理以规避风险、提高收益 [8][16][19][25] * 2026年2月权益市场景气度继续回升，整体观点中性偏乐观，但市场表现可能不如1月 [8][26][27] * 市场风格上，预期成长、实际成长和盈利能力风格占优，同时看好小盘和成长风格 [8][80][81][83] * 行业配置上，结合胜率赔率策略和出清反转策略，重点推荐有色金属、基础化工、通信、电力设备及新能源、钢铁、电子、石油石化和煤炭等行业 [8][99][102][115] 根据相关目录分别进行总结 1 如何衡量黄金的交易拥挤度？ * 2026年1月底黄金价格出现大幅下跌，1月30日伦敦金现单日下跌9.2%，2月2日SHFE黄金单日下跌13.2%，截至2月2日SHFE黄金收盘价较前高点下跌19.3%，伦敦金现收盘价较前高点回落13.9% [13] * 下跌诱因或为凯文·沃什被提名美联储主席候选人，但其长期上涨的根本逻辑“弱美元+避险”未发生改变 [8][16] * 下跌是短期利空与市场自身交易结构脆弱性共振的结果，前期黄金交易拥挤度处于高位 [8][19] * 黄金交易拥挤度可通过价格乖离率和沪金主力平值IV观察：1月29日黄金价格40日乖离率达21.95%，为滚动5年历史最高值；同日沪金主力平值IV达43.67%，亦为历史高点 [19] * 基于拥挤度的仓位管理策略（当40日乖离率>9%且沪金主力平值IV>30%时，仓位降至40%）在2020年至2026年2月4日的回测中，相较于始终全仓持有黄金，超额收益达53.4%，夏普比率从1.26提升至1.62 [21] * 2025年以来该策略共发出3次拥挤信号，分别发生在2025年4月21日、2025年10月17日及2026年1月26日 [21] 2 大类资产量化观点 2.1 权益：景气度继续回升，2月中性偏乐观 * 金融景气度稳中有升，工业景气度开始走强，景气度整体回升 [8][27] * 1月相比12月，分析师预期2025年净利润走强较多的行业有：有色、建材、计算机、汽车、消服 [8][30] * 预计2026年1月新增社融约为7.44万亿元，同比增加0.39万亿元，社融TTM环比约为1.09% [33][36] * 企业贷款表现有所回暖，政府债券继续发力 [8][33] * 流动性进入下行趋势，2月市场表现或不如1月 [8][38] 2.2 利率：2月10Y国债利率或上行6BP至1.88% * 模型判断2月10年期国债利率或上行6个基点至1.88% [8][26][50] * 经济增长、通货膨胀、债务杠杆、短期利率四大因子均回升，综合判断利率或中幅上行 [8][26][50] * 该利率预测模型2023年以来样本外胜率为68% [47] 2.3 黄金：四大因子角度目前皆为利好 * 从美国经济、就业、财政、对外负债四因子模型来看，目前皆为利好黄金 [8][26][57] * 财政因子依然主导黄金上涨，就业角度同样利好黄金 [8][26][57] * 该黄金择时模型2023年以来样本外胜率为78% [26][54] 2.4 地产：供给侧压力回升 * 截至2025年1月31日，三个月移动平均的房地产行业压力指数为0.847，行业整体压力小幅上行 [8][64] * 供给侧压力有所上升，而需求侧压力则整体持平 [8][26][64] * 70大中城市新房价格连续31个月负增长，2025年12月环比降幅为-0.4% [64] 2.5 海外：贸易冲突迎转机，印权益或重具配置价值 * 2026年1月印度股权市场外资延续流出，外国组合投资（FPI）净流出39.76亿美元 [8][26][68] * 外资流出背景下，NIFTY 50指数1月下跌3.10% [8][26][70] * 印美贸易冲突出现转机，若缓解可能带来外资回流，使印度权益市场重具配置价值 [8][26][78] 3 风格量化观点 3.1 风格综合观点：市场△gf继续保持扩张 * 预期增速资产优势差继续回升，推荐预期成长风格 [80][85] * 实际增速资产优势差小幅回升，景气类策略宜正常标配 [80][85] * ROE优势差继续上行，拥挤度较低，盈利能力策略可继续增配 [80][85] * 高股息类资产拥挤度仍高，不建议超配 [80][85] * Δgf、Δg、ΔROE同处扩张，2月推荐预期成长+实际成长+盈利能力风格 [8][80][83] 3.2 风格补充观察：看好小盘和成长 * 长期看美债利率下行趋势逆转可能性较小，风险偏好上行背景下看好成长风格 [8][80][87] * 1月机构调研关注度继续向大盘倾斜 [80][90] * 从市值因子拥挤度看，1月小盘风格拥挤度继续提升 [80][93] * 从季节效应看，2010年以来2月份小盘显著占优，平均跑赢大盘4.20% [80][96] 4 行业配置量化观点 4.1 行业推荐：胜率与赔率 * 胜率赔率策略综合考虑行业景气度（胜率）与估值、股息率（赔率），推荐有色金属、电力设备及新能源、基础化工、通信、钢铁、电子 [99][102][105] * 该策略2024年以来绝对收益70.68%，相较于中信一级行业等权基准超额收益19.61% [8][105] 4.2 行业推荐：出清反转策略 * 出清反转策略捕捉行业供给出清结束、需求上升、竞争格局改善的投资机会 [8][106] * 当下处在反转期-分散化且前6个月出清过的行业为石油石化、煤炭、有色金属 [115][116] * 国联民生金工多维行业配置策略（胜率赔率与出清反转策略按4:1权重组合）2026年截至1月底绝对收益8.41%，相对于中信一级行业等权基准超额收益3.34% [99]

量化模型与构建方式 1. **模型名称：量化大势研判行业配置策略（资产比较策略）**[8][12] * **模型构建思路**：基于产业生命周期理论，将权益资产划分为五种内在风格属性。通过“g>ROE>D”的优先级顺序，自下而上地比较所有资产的优劣，筛选出具有基本面优势的资产，其风格属性即代表未来市场主流风格，并据此进行行业配置。[8] * **模型具体构建过程**： 1. **风格定义与资产分类**：根据产业生命周期，将股票资产划分为五种风格：外延成长、质量成长、质量红利、价值红利、破产价值。[8] 2. **资产比较框架**：采用分级比较逻辑。 * **主流资产比较**：优先比较实际增速资产（g）、预期增速资产（gf）、盈利资产（ROE）三类。只要其中一类资产具备优势，市场资金就会集中配置，次级资产机会不大。[12] * **次级资产比较**：当主流资产均无优势时，转向比较次级资产，其优先级由拥挤度决定：质量红利 > 价值红利 > 破产价值。[12] 3. **优势判断与因子应用**：对每一类风格资产，使用特定的量化因子进行横向比较，筛选出优势行业。 * **预期成长（gf）**：比较分析师预期增速（g_fttm）。[9][38] * **实际成长（g）**：比较业绩动量，使用超预期因子，如sue、sur、jor。[9][40] * **盈利能力（ROE）**：在PB-ROE框架下，选择估值较低的高ROE资产，使用PB-ROE回归残差因子。[9][43] * **质量红利**：结合股息率（dp）和盈利能力（roe）进行综合打分。[46] * **价值红利**：结合股息率（dp）和市净率倒数（bp）进行综合打分。[49] * **破产价值**：结合低市净率（pb）和小市值（size）进行综合打分（打分最低）。[53] 4. **行业配置**：以中信二三级行业（整理合并后为202个）为标的，每期在每个占优的风格策略下，选择排名靠前的5个行业，以等权重方式进行配置。[19] * **模型评价**：该框架自2009年以来对A股的风格轮动具有较好的解释能力。[19] 2. **因子名称：资产优势差（Spread）**[25] * **因子构建思路**：用于刻画某类资产中头部资产（Top组）相对于尾部资产（Bottom组）的趋势变化，类似于因子择时中的Spread指标。通过监测优势差的扩张与收缩，来判断对应风格资产的景气度。[25] * **因子具体构建过程**： 1. 每月末，计算所有行业在特定因子（如预期增速g_fttm、实际增速g_ttm、ROE）上的数值。 2. 根据因子值对行业进行排序，并分为若干组（如十分位）。 3. 计算头部组（如Top组）因子值的中位数与尾部组（如Bottom组）因子值的中位数之差。 $$资产优势差 = Top组中位数 - Bottom组中位数$$ 4. 观察该差值的时间序列变化，若差值扩大（Δ为正），则表明头部资产相对优势在增强；若差值缩小（Δ为负），则表明优势在减弱。[25][29] 模型的回测效果 1. **量化大势研判行业配置策略（资产比较策略）**，年化收益27.67%（2009年以来），2009年超额收益51%，2010年超额收益14%，2011年超额收益-11%，2012年超额收益0%，2013年超额收益36%，2014年超额收益-4%，2015年超额收益16%，2016年超额收益-1%，2017年超额收益27%，2018年超额收益7%，2019年超额收益8%，2020年超额收益44%，2021年超额收益38%，2022年超额收益62%，2023年超额收益10%，2024年超额收益52%，2025年超额收益14%，2026年1月超额收益-1%。[20][22] 量化因子与构建方式 1. **因子名称：预期净利润增速（g_fttm）**[9][38] * **因子构建思路**：基于分析师对未来净利润的一致预期，衡量资产的成长潜力。适用于所有产业周期阶段，是预期成长风格的核心筛选指标。[9] * **因子具体构建过程**：报告未给出具体计算公式，但通常指未来十二个月（Forward Twelve Months）的预期净利润增长率，由市场分析师一致预测数据计算得出。 2. **因子名称：超预期因子簇（sue, sur, jor）**[40] * **因子构建思路**：衡量公司实际发布的业绩相对于市场预期的偏离程度，捕捉业绩动量。主要适用于转型期和成长期资产，是实际成长风格的核心筛选指标。[9][40] * **因子具体构建过程**：报告未给出具体计算公式。通常包括： * **SUE（Standardized Unexpected Earnings）**：标准化意外盈余， (实际EPS - 预期EPS) / 历史盈余波动率。 * **SUR（Surprise）**：意外程度， (实际EPS - 预期EPS) / 预期EPS绝对值。 * **JOR**：可能指业绩预告或快报相关的超预期指标。 3. **因子名称：PB-ROE回归残差**[43] * **因子构建思路**：在PB-ROE估值框架下，寻找盈利能力（ROE）较高但估值（PB）相对较低的资产，即“性价比”高的盈利资产。适用于成熟期资产。[9][43] * **因子具体构建过程**： 1. 在横截面上，对行业（或公司）的市净率（PB）与净资产收益率（ROE）进行回归。 $$PB = \alpha + \beta * ROE + \epsilon$$ 2. 计算回归残差 \(\epsilon\)。残差为负表示该行业的实际PB低于其ROE所对应的理论PB，即估值相对偏低，更具投资价值。 4. **因子名称：质量红利复合因子（dp+roe）**[46] * **因子构建思路**：综合考察资产的股息回报（dp）和盈利质量（roe），筛选出既能提供稳定现金分红又具备良好盈利能力的资产。适用于成熟期资产。[46] * **因子具体构建过程**：报告未给出具体的合成公式。通常做法是对股息率（dp）和净资产收益率（roe）分别进行横截面标准化或分位数排序，然后按一定权重（如等权）相加得到综合得分。 5. **因子名称：价值红利复合因子（dp+bp）**[49] * **因子构建思路**：综合考察资产的股息回报（dp）和账面价值（bp，即市净率的倒数），筛选出高股息且估值便宜的深度价值型资产。[49] * **因子具体构建过程**：报告未给出具体的合成公式。通常做法是对股息率（dp）和市净率倒数（bp）分别进行横截面标准化或分位数排序，然后按一定权重（如等权）相加得到综合得分。 6. **因子名称：破产价值复合因子（pb+size）**[53] * **因子构建思路**：寻找市净率（pb）极低、市值（size）较小的资产，这类资产可能蕴含并购重组、壳价值或极端低估的机会。适用于停滞期和衰退期资产。[53] * **因子具体构建过程**：报告明确指出该策略选取“PB+SIZE打分最低”的行业。[53] 通常做法是对市净率（pb）和市值（size）分别进行横截面标准化或分位数排序（注意：pb因子值小代表估值低，size因子值小代表市值小），然后按一定权重相加得到综合得分，并选择得分最低的资产。 7. **因子名称：拥挤度**[12][30][34] * **因子构建思路**：衡量某一类资产或策略的交易热门程度和资金集中度。拥挤度过高可能预示着短期风险加大，用于在次级资产比较中确定优先级，并作为主流资产配置的辅助风控指标。[12][30][34] * **因子具体构建过程**：报告未给出具体计算方法。常见的拥挤度指标可能包括：换手率分位数、估值分位数、资金流入强度、因子收益率波动率等。

量化模型与构建方式 1. **模型名称：量化大势研判行业配置策略**[1][6] * **模型构建思路**：该模型是一个自下而上的风格轮动与行业配置框架。其核心思想是，风格是资产的内在属性，通过全局比较不同风格资产的优势，可以判断未来市场的主流风格，并据此选择最具优势的细分行业进行配置[1][6]。 * **模型具体构建过程**： 1. **风格定义与分类**：根据产业生命周期理论，将股票资产划分为五种风格阶段：外延成长、质量成长、质量红利、价值红利、破产价值[6]。 2. **资产比较框架**：建立“主流资产”与“次级资产”的比较优先级。主流资产包括实际增速资产（g）、预期增速资产（gf）、盈利资产（ROE），三者中只要有一个具备优势，市场资金就会主要配置。只有当主流资产均无机会时，市场才会转向次级资产（质量红利、价值红利、破产价值），次级资产的优先级由拥挤度等因素决定[10]。 3. **优势判断逻辑**： * 对于**预期成长（gf）**，主要看分析师预期增速的高低[7]。 * 对于**实际成长（g）**，主要看业绩动量（Δg）的高低，适用于转型期和成长期[7]。 * 对于**盈利能力（ROE）**，主要看PB-ROE框架下的估值水平高低，适用于成熟期[7]。 * 对于**质量红利**，核心看股息率（DP）和盈利能力（ROE）的综合打分[45]。 * 对于**价值红利**，核心看股息率（DP）和市净率（BP）的综合打分[48]。 * 对于**破产价值**，核心看市净率（PB）和规模（SIZE）的综合打分，选取打分最低的[52]。 4. **优势差计算**：采用类似于因子择时中的Spread方法，计算各风格头部资产的优势差（如Δgf, Δg, ΔROE），用以刻画头部资产的趋势变化。优势差扩张表明该风格资产趋势转好[23]。 5. **行业选择与配置**：以中信二三级行业（整理合并后为202个）为标的，每月根据上述框架判断占优风格，并在该风格下选取排名靠前的细分行业（每期每个策略选5个行业）进行等权重配置[17]。 2. **因子名称：预期净利润增速（gf）**[7][25] * **因子构建思路**：基于分析师对未来盈利的一致预期，衡量资产的预期成长性[7]。 * **因子具体构建过程**：使用行业的预期净利润增速（g_fttm）作为因子值。通过计算该因子值的优势差（Δgf）来观察预期成长风格的趋势变化[25]。 3. **因子名称：净利润增速（g）**[7][28] * **因子构建思路**：基于历史财务数据，衡量资产的实际成长性[7]。 * **因子具体构建过程**：使用行业的净利润增速（g_ttm）作为因子值。通过计算该因子值的优势差（Δg）来观察实际成长风格的趋势变化[28]。 4. **因子名称：盈利能力（ROE）**[7][31] * **因子构建思路**：衡量资产的盈利能力和资本运用效率[7]。 * **因子具体构建过程**：使用行业的净资产收益率（ROE）作为因子值。通过计算该因子值的优势差（ΔROE）来观察盈利能力风格的趋势变化[31]。 5. **因子名称：股息率（DP）**[35][45][48] * **因子构建思路**：衡量资产的现金分红回报率，是高股息策略的核心[7]。 * **因子具体构建过程**：使用行业的股息率（DP）作为因子值。报告中也通过观察DP资产的拥挤度变化来判断高股息策略的配置时机[35]。 6. **因子名称：市净率（PB/BP）**[42][48][52] * **因子构建思路**：衡量资产价格相对于其净资产的估值水平[42][48][52]。 * **因子具体构建过程**：在盈利能力策略中，使用PB-ROE回归残差作为估值因子[42]。在价值红利策略中，直接使用市净率（BP）作为打分因子之一[48]。在破产价值策略中，使用市净率（PB）作为打分因子之一[52]。 7. **因子名称：规模（SIZE）**[52] * **因子构建思路**：衡量公司的市值大小，在破产价值策略中通常与小市值特征相关联[52]。 * **因子具体构建过程**：在破产价值策略中，使用规模（SIZE）作为打分因子之一，通常选取打分最低（即市值较小）的行业[52]。 8. **因子名称：超预期因子（sue, sur, jor）**[39] * **因子构建思路**：衡量公司业绩超出市场预期的程度，是实际成长策略的核心[39]。 * **因子具体构建过程**：在实际成长策略中，具体采用行业的标准化未预期盈余（sue）、盈余惊喜（sur）和业绩超预期（jor）等因子来筛选行业[39]。 9. **因子名称：PB-ROE回归残差**[42] * **因子构建思路**：在PB-ROE估值框架下，寻找盈利能力（ROE）较高但估值（PB）相对较低的资产，即“性价比”高的资产[42]。 * **因子具体构建过程**：对行业进行PB对ROE的横截面回归，取回归残差作为因子值。残差为负表示相对于其ROE水平，该行业的PB估值较低[42]。 模型的回测效果 1. **量化大势研判行业配置策略**，年化收益27.45%（2009年以来）[17]，2009年超额收益51%[20]，2010年超额收益14%[20]，2011年超额收益-11%[20]，2012年超额收益0%[20]，2013年超额收益36%[20]，2014年超额收益-4%[20]，2015年超额收益16%[20]，2016年超额收益-1%[20]，2017年超额收益27%[20]，2018年超额收益7%[20]，2019年超额收益8%[20]，2020年超额收益44%[20]，2021年超额收益38%[20]，2022年超额收益62%[20]，2023年超额收益10%[20]，2024年超额收益52%[20]，2025年超额收益14%[20] 因子的回测效果 *注：报告中未提供各因子的独立回测指标（如IC、IR等），而是展示了基于各因子构建的六类策略的历史表现概览。因此，此处总结各策略的整体表现特征。* 1. **预期成长策略**，在2019年以来以及2014-2015年期间超额收益显著[37] 2. **实际成长策略**，长期超额收益较为显著，在成长风格占优环境下表现尤佳[39] 3. **盈利能力策略**，在2016年-2020年期间超额收益较为显著，2021年以来持续较弱[42] 4. **质量红利策略**，在2016年、2017年、2023年超额收益较为显著[45] 5. **价值红利策略**，在2009年、2017年、2021-2023年超额收益较为显著[48] 6. **破产价值策略**，在2015-2016年、2021-2023年超额收益较为显著[52]

根据研报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. **模型名称：资产比较框架模型**[8][12] * **模型构建思路**：基于产业生命周期理论，将权益资产划分为五种风格阶段，通过全局比较确定优势资产，其属性即为未来市场主流风格[8] * **模型具体构建过程**：模型遵循 g>ROE>D 的基本优先级进行考察[8] * 首先分析主流资产（实际增速资产、预期增速资产、盈利资产）是否存在机会[12] * 若主流资产均无机会，则按拥挤度优先级（质量红利>价值红利>破产价值）考察次级资产[12] * 通过计算各风格下资产的“优势差”（类似于因子择时中的 Spread）来判断其趋势变化[25] * 优势差计算公式：$$优势差 = Top组均值 - Bottom组均值$$，用于刻画头部资产的趋势变化[25] 2. **因子名称：预期成长因子 (gf)**[9][25] * **因子构建思路**：基于分析师预期，选取预期净利润增速高的资产，关注未来增长潜力，无论产业周期阶段[9] * **因子具体构建过程**：使用分析师预期数据，计算行业的预期净利润增速 (g_fttm)，并比较其高低[9][27] 3. **因子名称：实际成长因子 (g)**[9][30] * **因子构建思路**：基于历史财务数据，选取业绩动量（即净利润增速变化△g）高的资产，集中于转型期和成长期的资产[9] * **因子具体构建过程**：使用历史财务数据，计算行业的净利润增速 (g_ttm) 及其变化（△g），并比较其高低[9][30] 实际成长策略具体采用 sue（标准未预期盈余）、sur（收入惊喜）、jor（盈利惊喜）等因子进行行业筛选[41] 4. **因子名称：盈利能力因子 (ROE)**[9][32] * **因子构建思路**：选取盈利能力高的资产，并在 PB-ROE 框架下考察其估值水平，集中于成熟期资产[9] * **因子具体构建过程**：计算行业的净资产收益率 (ROE)，并在 PB-ROE 框架下，使用回归残差法评估估值水平，选取高 ROE 且估值相对较低的资产[9][43] 因子具体构建为行业的 PB-ROE 回归残差[43] 5. **因子名称：质量红利因子 (DP+ROE)**[9][46] * **因子构建思路**：结合股息率 (DP) 和盈利能力 (ROE)，选取具有高质量分红特征的资产，集中于成熟期[9] * **因子具体构建过程**：对行业的股息率 (dp) 和净资产收益率 (roe) 进行打分，综合选取打分最高的行业[9][46] 6. **因子名称：价值红利因子 (DP+BP)**[9][49] * **因子构建思路**：结合股息率 (DP) 和市净率 (BP，即账面市值比)，选取具有高股息和低估值特征的资产，集中于成熟期[9] * **因子具体构建过程**：对行业的股息率 (dp) 和市净率 (bp) 进行打分，综合选取打分最高的行业[9][49] 7. **因子名称：破产价值因子 (PB+SIZE)**[9][52] * **因子构建思路**：选取市净率 (PB) 低、规模 (SIZE) 小的资产，关注其潜在的破产重组价值或壳价值，集中于停滞期和衰退期[9] * **因子具体构建过程**：对行业的市净率 (pb) 和规模 (size) 进行打分（低 PB 和小规模得分高），综合选取打分最低的行业[9][52] 模型的回测效果 1. **资产比较框架模型**，年化收益 27.06%[19]，2009年至2025年11月相对万得全A的超额收益分别为：2009年51%、2010年14%、2011年-11%、2012年0%、2013年36%、2014年-4%、2015年16%、2016年-1%、2017年27%、2018年7%、2019年8%、2020年44%、2021年38%、2022年62%、2023年10%、2024年52%、2025年(11月)8%[22] 因子的回测效果 1. **预期成长因子 (gf)**，近3月表现（截至2025年11月30日）：石油化工3.00%、乳制品1.49%、贸易Ⅲ3.20%、速冻食品14.08%、锂51.15%[38] 2. **实际成长因子 (g)**，近3月表现（截至2025年11月30日）：分立器件-9.40%、电池综合服务0.51%、锂电化学品51.88%、稀土及磁性材料-19.31%、其他家电14.93%[41] 3. **盈利能力因子 (ROE)**，近3月表现（截至2025年11月30日）：客车10.46%、白酒-4.26%、配电设备5.95%、非乳饮料-6.27%、网络接配及塔设12.18%[43] 4. **质量红利因子 (DP+ROE)**，近3月表现（截至2025年11月30日）：林木及加工145.24%、锅炉设备-8.71%、车用电机电控16.52%、锂电设备21.95%、网络接配及塔设12.18%[46] 5. **价值红利因子 (DP+BP)**，近3月表现（截至2025年11月30日）：安防-2.24%、日用化学品-8.29%、宠物食品-14.91%、服务机器人-24.98%、网络接配及塔设12.18%[49] 6. **破产价值因子 (PB+SIZE)**，近3月表现（截至2025年11月30日）：汽车销售及服务Ⅲ2.06%、燃气15.88%、棉纺制品10.97%、印染5.62%、建筑装修Ⅲ16.42%[52]

量化模型与构建方式 1. 量化大势研判行业配置策略 **模型构建思路**：通过自下而上的资产全局比较，基于产业生命周期理论将权益资产划分为五种风格阶段，通过优先级比较（g>ROE>D）筛选优势资产[1][5] **模型具体构建过程**： 1. 划分五种风格阶段：外延成长、质量成长、质量红利、价值红利、破产价值[5] 2. 对全市场权益资产（中信二三级行业）进行风格分类[15] 3. 按主流资产（实际增速资产、预期增速资产、盈利资产）和次级资产（质量红利>价值红利>破产价值）优先级进行比较[9] 4. 主流资产采用优势差（Spread）计算： - 预期增速优势差：$$\Delta gf = g\_fttm_{Top} - g\_fttm_{Bottom}$$[20] - 实际增速优势差：$$\Delta g = g\_ttm_{Top} - g\_ttm_{Bottom}$$[24] - ROE优势差：$$\Delta ROE = ROE_{Top} - ROE_{Bottom}$$[26] 5. 次级资产按拥挤度排序[9] 6. 每月选择优势风格中排名前5的细分行业等权重配置[15] 2. 预期成长策略 **因子构建思路**：选取分析师预期增速最高的行业[34] **因子具体构建过程**： 1. 计算行业预期净利润增速g_fttm[20] 2. 按g_fttm从高到低排序 3. 选择排名前5的行业[34] 3. 实际成长策略 **因子构建思路**：选取超预期/△g最高的行业[36] **因子具体构建过程**： 1. 采用三个因子：sue（未预期盈余）、sur（营收惊喜）、jor（盈利惊喜）[36] 2. 对行业进行多因子综合评分 3. 选择排名前5的行业[37] 4. 盈利能力策略 **因子构建思路**：选取高ROE中PB-ROE框架下估值较低的行业[39] **因子具体构建过程**： 1. 计算行业PB-ROE回归残差：$$残差 = ROE - \beta \times PB$$[39] 2. 按残差从高到低排序（高ROE低PB） 3. 选择排名前5的行业[39] 5. 质量红利策略 **因子构建思路**：选取DP+ROE打分最高的行业[42] **因子具体构建过程**： 1. 计算行业dp（股息率）和roe（净资产收益率）[42] 2. 对dp和roe进行标准化打分并加权求和 3. 选择综合得分前5的行业[42] 6. 价值红利策略 **因子构建思路**：选取DP+BP打分最高的行业[45] **因子具体构建过程**： 1. 计算行业dp（股息率）和bp（市净率倒数）[45] 2. 对dp和bp进行标准化打分并加权求和 3. 选择综合得分前5的行业[45] 7. 破产价值策略 **因子构建思路**：选取PB+SIZE打分最低的行业[48] **因子具体构建过程**： 1. 计算行业pb（市净率）和size（市值）[48] 2. 对pb和size进行标准化打分并加权求和（低pb小市值） 3. 选择综合得分最低的前5个行业[48] 模型的回测效果 1. 量化大势研判行业配置策略 年化收益：27.25%[15] 各年度超额收益： - 2009年：51%[18] - 2010年：14%[18] - 2011年：-11%[18] - 2012年：0%[18] - 2013年：36%[18] - 2014年：-4%[18] - 2015年：16%[18] - 2016年：-1%[18] - 2017年：27%[18] - 2018年：7%[18] - 2019年：8%[18] - 2020年：44%[18] - 2021年：38%[18] - 2022年：62%[18] - 2023年：10%[18] - 2024年：52%[18] - 2025年8月：4%[18] 2. 预期成长策略 近3月表现： - 线缆：49.62%[34] - 水泥：12.71%[34] - 玻璃纤维：63.67%[34] - 稀土及磁性材料：98.77%[34] - 白色家电Ⅲ：-1.21%[34] 3. 实际成长策略 近3月表现： - 集成电路：42.93%[37] - PCB：112.10%[37] - 钨：69.26%[37] - 锂电设备：60.15%[37] - 兵器兵装Ⅲ：80.22%[37] 4. 盈利能力策略 近3月表现： - 啤酒：-3.94%[39] - 白酒：4.12%[39] - 非乳饮料：-4.45%[39] - 网络接配及塔设：202.29%[39] - 建筑装修Ⅲ：4.42%[39] 5. 质量红利策略 近3月表现： - 车用电机电控：38.98%[42] - 其他家电：28.13%[42] - 稀土及磁性材料：98.77%[42] - 网络接配及塔设：202.29%[42] - 玻璃纤维：63.67%[42] 6. 价值红利策略 近3月表现： - 化学制剂：19.43%[45] - 日用化学品：2.12%[45] - 安防：21.03%[45] - 服务机器人：39.81%[45] - 网络接配及塔设：202.29%[45] 7. 破产价值策略 近3月表现： - 汽车销售及服务Ⅲ：4.59%[48] - 动物疫苗及兽药：10.81%[48] - 棉纺制品：4.80%[48] - 包装印刷：13.22%[48] - 印染：3.22%[48]

量化模型与构建方式 1. **模型名称：预期成长策略** - **构建思路**：通过分析师预期增速（gf）筛选高成长性行业，优先配置预期增速最高的资产[5][6] - **具体构建过程**： 1. 计算行业预期净利润增速 $$g_{fttm} = \frac{E_t[NI_{t+1}] - NI_t}{NI_t}$$，其中 $NI$ 为净利润，$E_t$ 为分析师预期[21][23] 2. 按 $g_{fttm}$ 排序，选取Top组行业（如无烟煤、电力电子等）[14][35] 3. 动态跟踪优势差 $\Delta gf = g_{fttm}^{Top} - g_{fttm}^{Bottom}$，确保头部资产趋势持续[21][23] 2. **模型名称：实际成长策略** - **构建思路**：基于业绩动量（$\Delta g$）筛选超预期行业，聚焦成长期资产[6][25] - **具体构建过程**： 1. 计算行业实际净利润增速 $$g_{ttm} = \frac{NI_t - NI_{t-1}}{NI_{t-1}}$$[25][27] 2. 结合超预期因子（sue、sur、jor）筛选 $\Delta g$ 最高的行业（如聚氨酯、PCB等）[38] 3. 监控优势差 $\Delta g = g_{ttm}^{Top} - g_{ttm}^{Bottom}$[25][27] 3. **模型名称：盈利能力策略** - **构建思路**：在PB-ROE框架下选择估值合理的优质资产[5][40] - **具体构建过程**： 1. 计算行业ROE及PB，回归残差 $$Residual = PB - \alpha \cdot ROE$$，选取低残差行业（如锂电池、啤酒等）[40] 2. 结合ROE优势差（$\Delta ROE$）判断基本面拐点[29] 4. **模型名称：质量红利策略** - **构建思路**：综合股息率（DP）和ROE筛选高分红且盈利稳定的资产[43] - **具体构建过程**： 1. 对行业DP和ROE标准化打分，加权求和 $$Score = w_1 \cdot DP + w_2 \cdot ROE$$[43] 2. 选取高分行业（如公交、玻璃纤维等）[43] 5. **模型名称：价值红利策略** - **构建思路**：结合股息率（DP）和市净率（BP）挖掘低估值高分红资产[47] - **具体构建过程**： 1. 计算行业DP和BP标准化值，加权排序[47] 2. 优选高分行业（如网络接配及塔设、非乳饮料等）[47] 6. **模型名称：破产价值策略** - **构建思路**：筛选低PB和小市值（SIZE）的潜在反转资产[51] - **具体构建过程**： 1. 计算行业PB和SIZE的逆序得分 $$Score = -w_1 \cdot PB - w_2 \cdot SIZE$$[51] 2. 选取最低分行业（如贸易Ⅲ、印染等）[51] --- 模型的回测效果 1. **预期成长策略**：年化收益26.70%，2019年后超额显著，2025年8月Top行业近3月平均收益32.58%（玻璃纤维）[16][35] 2. **实际成长策略**：长期超额显著，2025年8月Top行业近3月平均收益81.60%（PCB）[38] 3. **盈利能力策略**：2016-2020年超额显著，2025年8月Top行业近3月平均收益110.06%（网络接配及塔设）[40] 4. **质量红利策略**：2016-2017年超额显著，2025年8月Top行业近3月平均收益32.58%（玻璃纤维）[43] 5. **价值红利策略**：2021-2023年超额显著，2025年8月Top行业近3月平均收益110.06%（网络接配及塔设）[47] 6. **破产价值策略**：2021-2023年超额显著，2025年8月Top行业近3月平均收益17.24%（印染）[51] --- 量化因子与构建方式 1. **因子名称：预期净利润增速（$g_{fttm}$）** - **构建思路**：反映分析师对未来盈利增长的预期[21][23] - **具体构建**：$$g_{fttm} = \frac{E_t[NI_{t+1}] - NI_t}{NI_t}$$，滚动12个月计算[23] 2. **因子名称：实际净利润增速（$g_{ttm}$）** - **构建思路**：衡量历史业绩动量[25][27] - **具体构建**：$$g_{ttm} = \frac{NI_t - NI_{t-1}}{NI_{t-1}}$$，TTM口径[27] 3. **因子名称：PB-ROE残差** - **构建思路**：识别ROE驱动下被低估的资产[40] - **具体构建**：回归残差 $$Residual = PB - \hat{\alpha} \cdot ROE$$[40] 4. **因子名称：DP+ROE复合因子** - **构建思路**：兼顾分红与盈利质量[43] - **具体构建**：标准化后线性加权 $$Score = Z(DP) + Z(ROE)$$[43] 5. **因子名称：DP+BP复合因子** - **构建思路**：平衡分红与估值[47] - **具体构建**：标准化后加权 $$Score = Z(DP) + Z(BP)$$[47] --- 因子的回测效果 1. **$g_{fttm}$**：优势差（$\Delta gf$）扩张时策略超额显著，2025年8月Top组增速较Bottom组高15%[21][23] 2. **$g_{ttm}$**：优势差（$\Delta g$）缓升，2025年8月头部行业增速差7%[25][27] 3. **PB-ROE残差**：低残差组合在2016-2020年IR达1.2[40] 4. **DP+ROE**：2016年IR峰值1.5，2023年回升至0.8[43] 5. **DP+BP**：2021-2023年IR稳定在1.0以上[47]