根据研报内容，现对其中涉及的量化模型与因子进行总结如下： 量化模型与构建方式 1. **模型名称：量化大势研判行业配置模型**[1][5] * **模型构建思路：** 该模型旨在解决风格系统化轮动难题，采用自下而上的分析框架。其核心思想是，风格是资产的内在属性，内嵌于产业生命周期中。通过全局比较不同风格资产的优势，来确定未来市场的主流风格。[1][5] * **模型具体构建过程：** * **风格定义：** 根据产业周期，将权益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。[5] * **资产比较优先级：** 遵循 g > ROE > D 的基本优先级进行考察。首先分析“有没有（好资产）”，即资产的基本面优势；其次分析“（好资产）贵不贵”，即资产的估值水平。[1][5][9] * **主流与次级资产划分：** 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)。只要其中之一具备优势，市场资金就会优先配置。只有当主流资产均无机会时，才会考虑次级资产（质量红利、价值红利、破产价值），次级资产的优先级主要由拥挤度决定。[9] * **优势差计算：** 用于刻画头部资产的趋势变化，计算方法类似于因子择时中的 Spread。具体而言，是计算某风格下头部资产组（如Top组）与尾部资产组（如Bottom组）在某项核心指标（如增长率g、ROE）上的差异或变化差异（如Δg, Δgf）。[21][25][27] * **具体策略选择：** * **预期成长策略：** 选取分析师预期增速 (gf) 最高的行业。[35] * **实际成长策略：** 选取超预期或业绩动量 (Δg) 最高的行业，具体使用因子：sue (标准化意外盈余)、sur (营收惊喜)、jor (盈余跳跃比率)。[37] * **盈利能力策略：** 在高质量成长和高质量红利资产中，选取低估值行业。具体采用 PB-ROE 回归残差因子，即寻找ROE较高但PB相对其ROE水平较低的行业。[40] * **质量红利策略：** 选取股息率 (DP) 和净资产收益率 (ROE) 综合打分最高的行业。[43] * **价值红利策略：** 选取股息率 (DP) 和市净率 (BP) 综合打分最高的行业。[46] * **破产价值策略：** 选取市净率 (PB) 和规模 (SIZE) 综合打分最低的行业。[49] 2. **因子名称：资产优势差 (例如 Δg, Δgf)**[21][25][27] * **因子构建思路：** 用于度量某风格下头部资产与尾部资产在关键基本面指标上的表现差异，以判断该风格的趋势强弱。[21][25][27] * **因子具体构建过程：** 报告未给出精确的计算公式，但说明其计算类似于因子择时中的 Spread 方法。通常，优势差可以理解为某一时刻，头部组合（如前30%）的指标均值与尾部组合（如后30%）的指标均值之差，或者是这种差值的时间序列变化（如Δ优势差）。[21][25][27] 3. **因子名称：拥挤度**[27][30][31] * **因子构建思路：** 用于衡量某一风格或因子交易的热门程度，高拥挤度可能预示未来收益回落的风险。[27][30][31] * **因子具体构建过程：** 报告未给出具体的构建公式，但提及了“Beta因子暴露”作为衡量ROE资产拥挤度的指标之一。[30][34] 常见的拥挤度度量方法包括估值分位数、换手率、资金流向集中度等。 模型的回测效果 1. **量化大势研判行业配置模型**[16][19] * 年化收益：27.35% (2009年以来)[16] * 相对于万得全A的超额收益：参见下表（具体年份表现）[19] 2. **预期成长策略**[35] * 历史表现：2019年以来超额显著，2014-2015年期间也有较高超额。[35] 3. **实际成长策略**[37] * 历史表现：长期超额都较为显著，在成长风格占优环境下表现更好。[37] 4. **盈利能力策略**[40] * 历史表现：2016年-2020年超额较为显著，2021年以来持续较弱。[40] 5. **质量红利策略**[43] * 历史表现：2016年、2017年、2023年超额较为显著。[43] 6. **价值红利策略**[46] * 历史表现：2009年、2017年、2021-2023年超额较为显著。[46] 7. **破产价值策略**[49] * 历史表现：2015-2016年、2021-2023年超额较为显著。[49] 量化因子与构建方式 1. **因子名称：分析师预期净利润增速 (g_fttm)**[21][23] * **因子构建思路：** 基于分析师对未来十二个月净利润的预测来计算增长率，反映市场对公司的增长预期。[21][23] * **因子具体构建过程：** 报告未给出具体公式。通常，g_fttm = (未来12个月预测净利润均值 / 当前财政年度实际或预测净利润) - 1。[21][23] 2. **因子名称：净利润增速 (g_ttm)**[25][27] * **因子构建思路：** 使用过去十二个月（Trailing Twelve Months）的净利润计算增长率，反映公司近期的实际增长情况。[25][27] * **因子具体构建过程：** 报告未给出具体公式。通常，g_ttm = (当前TTM净利润 / 上一期TTM净利润) - 1。[25][27] 3. **因子名称：净资产收益率 (ROE)**[27][29] * **因子构建思路：** 衡量公司利用股东权益创造利润的效率。[27][29] * **因子具体构建过程：** 报告未给出具体公式。通常，ROE = 净利润 / 平均股东权益。[27][29] 4. **因子名称：股息率 (DP)**[31][33] * **因子构建思路：** 衡量公司现金分红相对于股价的水平。[31][33] * **因子具体构建过程：** 报告未给出具体公式。通常，DP = 近12个月每股股利 / 当前股价。[31][33] 5. **因子名称：市净率 (PB/BP)**[40][46][49] * **因子构建思路：** 衡量股价相对于每股净资产的倍数。[40][46][49] * **因子具体构建过程：** 报告未给出具体公式。通常，PB = 股价 / 每股净资产。[40][46][49] 6. **因子名称：标准化意外盈余 (sue)**[37] * **因子构建思路：** 衡量公司实际公布的盈余与市场预期之间的差异，并经历史波动率标准化。[37] * **因子具体构建过程：** 报告未给出具体公式。 7. **因子名称：营收惊喜 (sur)**[37] * **因子构建思路：** 衡量公司实际公布的营收与市场预期之间的差异。[37] * **因子具体构建过程：** 报告未给出具体公式。 8. **因子名称：盈余跳跃比率 (jor)**[37] * **因子构建思路：** 可能用于衡量盈余变化的剧烈程度或持续性。[37] * **因子具体构建过程：** 报告未给出具体公式。 9. **因子名称：规模 (SIZE)**[49] * **因子构建思路：** 通常指公司的总市值，是重要的风格因子。[49] * **因子具体构建过程：** 报告未给出具体公式。通常为公司总股数乘以股价。[49] 因子的回测效果 *报告未提供单个因子的独立测试结果（如IC值、IR值等），因子效果主要体现在其构成的策略历史表现中。*

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]