根据提供的研报内容，以下是关于量化模型和因子的总结。报告主要涉及风格因子和风险溢价模型，未涉及复杂的多因子模型。 量化因子与构建方式 1. **因子名称：动量因子**[62] * **因子构建思路**：以最近一年股票收益率减去最近一个月股票收益率（剔除涨停板）作为动量指标，旨在捕捉股票的持续上涨趋势[62]。 * **因子具体构建过程**：该因子由“长江动量指数”表征。具体构建过程为，首先计算每只股票的动量指标（最近一年收益率 - 最近一个月收益率），然后在整个A股市场中，选取动量特征强且流动性相对较高的前100只股票作为指数成分股，以反映最具动量特征的股票整体走势[62]。 2. **因子名称：反转因子**[62] * **因子构建思路**：以最近一个月股票收益率作为筛选指标，旨在捕捉股票的短期反转效应[62]。 * **因子具体构建过程**：该因子由“长江反转指数”表征。具体构建过程为，在整个A股市场中，选取反转效应强、流动性较好的前100只股票作为指数成分股，并采用成分股近三个月日均成交量进行加权，以准确表征高反转特征个股的整体表现[62]。 3. **因子名称：风格拥挤度因子**[120] * **因子构建思路**：通过计算不同风格指数换手率的相对Z-score值及其历史分位数，来衡量某一风格交易的拥挤程度，以提示配置风险[120]。 * **因子具体构建过程**：对于特定的风格对比（如成长vs红利），分别计算风格A和风格B指数的近252日平均换手率，并在2005年1月1日以来的历史时间序列上进行Z-score标准化，得到Z-score_A与Z-score_B。然后计算二者差值（Z-score_A - Z-score_B）的滚动6年历史分位数。若历史数据量满1年但不足6年，则以全部历史数据进行计算[120]。公式如下： * 计算Z-score: $$Z = \frac{X - \mu}{\sigma}$$ * 相对拥挤度 = $$历史分位数(Z_{score\_A} - Z_{score\_B})$$ 4. **模型名称：风险溢价模型**[51] * **模型构建思路**：通过比较股票市场盈利收益率与无风险利率（通常为国债收益率）的差异，即风险溢价，来衡量配置股票的相对性价比[51]。 * **模型具体构建过程**：对于特定指数，其风险溢价的计算公式为： $$ERP = \frac{1}{PE_{TTM}} - R_{f}$$ 其中，$$PE_{TTM}$$ 为指数的滚动市盈率，$$R_{f}$$ 为10年期中债国债到期收益率[51]。 模型的回测效果 *本报告未提供量化模型的回测绩效指标，如年化收益率、夏普比率、最大回撤等。* 因子的回测效果 1. **动量因子** * 近一周相对收益：-2.3%[59] * 近一月相对收益：-0.1%[59] * 年初至今相对收益：17.8%[59] 2. **反转因子** * 近一周相对收益：与动量因子相对计算，结果为2.3%[59] * 近一月相对收益：与动量因子相对计算，结果为0.1%[59] * 年初至今相对收益：与动量因子相对计算，结果为-17.8%[59] 3. **成长因子** * 近一周相对收益（较红利）：-1.6%[59] * 近一月相对收益（较红利）：1.0%[59] * 年初至今相对收益（较红利）：24.5%[59] 4. **红利因子** * 近一周相对收益（较成长）：与成长因子相对计算，结果为1.6%[59] * 近一月相对收益（较成长）：与成长因子相对计算，结果为-1.0%[59] * 年初至今相对收益（较成长）：与成长因子相对计算，结果为-24.5%[59] 5. **小盘因子** * 近一周相对收益（较大盘）：0.3%[59] * 近一月相对收益（较大盘）：1.2%[59] * 年初至今相对收益（较大盘）：8.4%[59] 6. **大盘因子** * 近一周相对收益（较小盘）：与小盘因子相对计算，结果为-0.3%[59] * 近一月相对收益（较小盘）：与小盘因子相对计算，结果为-1.2%[59] * 年初至今相对收益（较小盘）：与小盘因子相对计算，结果为-8.4%[59] 7. **微盘股因子** * 近一周相对收益（较基金重仓）：5.3%[59] * 近一月相对收益（较基金重仓）：13.4%[59] * 年初至今相对收益（较基金重仓）：54.6%[59] 8. **风格拥挤度因子** * 成长vs红利相对拥挤度历史分位：68%[70] * 小盘vs大盘相对拥挤度历史分位：37%[70] * 微盘股vs中证800相对拥挤度历史分位：86%[70]

根据研报内容，以下是关于量化模型与因子的总结： 量化因子与构建方式 1. **因子名称：动量因子**[25] * **因子构建思路**：基于股价的历史表现，筛选出近期表现强势的股票，以捕捉趋势延续的效应[25] * **因子具体构建过程**：以“长江动量”指数为代表，其构建过程为：首先计算个股的动量指标，该指标为最近一年股票收益率减去最近一个月股票收益率（并剔除涨停板影响）；然后，在A股市场中综合选择动量特征强且流动性相对较高的前100只股票作为指数成分股[25] 2. **因子名称：反转因子**[26] * **因子构建思路**：基于股价的均值回归现象，筛选出近期表现弱势的股票，以捕捉价格反弹的效应[26] * **因子具体构建过程**：以“长江反转”指数为代表，其构建过程为：以最近一个月股票收益率作为筛选指标；然后，在A股市场中综合选择反转效应强、流动性较好的前100只股票作为指数成分股；最后，采用成分股近三个月日均成交量进行加权[26] 3. **因子名称：风格拥挤度因子**[33][127] * **因子构建思路**：通过比较不同风格指数的交易活跃度（换手率）在其历史序列中的相对位置，来衡量该风格交易的拥挤程度，作为风格配置的风险预警指标[33][127] * **因子具体构建过程**：对于特定的风格对比（如风格A vs 风格B）： 1. 分别计算风格A和风格B指数的近252日平均换手率时间序列。 2. 将上述时间序列在2005年1月1日以来的历史数据中进行Z-score标准化，得到Z-score_A与Z-score_B。 3. 计算二者差值：$$差值 = Z\text{-}score\_A - Z\text{-}score\_B$$ 4. 计算该差值的滚动6年历史分位数（若历史数据量满1年但不足6年，则以全部历史数据计算）。此分位数即为该风格对的相对拥挤度[127] 4. **因子名称：风格累计超额净值因子**[24][128] * **因子构建思路**：通过计算特定风格指数相对于市场基准（万得全A）的累计超额收益，来评估该风格的相对表现[24][128] * **因子具体构建过程**： 1. 以2020年1月4日为基准日。 2. 将风格指数和万得全A指数的每日收盘点数分别除以基准日的收盘点数，得到各自的累计净值。 3. 将风格指数的累计净值除以同一交易日的万得全A指数累计净值，得到风格指数相对于万得全A指数的累计超额净值[128] 5. **因子名称：机构调研活跃度因子**[109][129] * **因子构建思路**：通过计算板块、指数或行业在特定周期内的机构调研频率相对于其历史水平和市场整体水平的差异，来捕捉机构投资者的关注度变化[109][129] * **因子具体构建过程**： 1. 计算目标对象（板块、指数或行业）近n个交易日的“日均机构调研次数”。 2. 将该“日均机构调研次数”在滚动y年的历史时间序列上进行Z-score标准化，得到Z_score_target。 3. 同样计算万得全A的“日均机构调研次数”在相同窗口下的Z-score标准化值，得到Z_score_WindA。 4. 计算机构调研活跃度：$$机构调研活跃度 = Z\_score\_target - Z\_score\_WindA$$ 5. 最后计算该“机构调研活跃度”值的滚动y年历史分位数（长期口径：n=126, y=6年；短期口径：n=63, y=3年；历史数据不足时按规则取全部可用数据）[129] 6. **因子名称：股债性价比因子（ERP）**[77] * **因子构建思路**：通过计算股票指数的盈利收益率与无风险收益率的差值，来衡量投资股票市场相对于债券市场的风险补偿溢价[77] * **因子具体构建过程**：对于特定指数，其ERP计算公式为： $$指数ERP = \frac{1}{指数PE\_TTM} - 10年期中债国债到期收益率$$ 其中，PE_TTM为指数的滚动市盈率[77] 因子的回测效果 1. **动量因子**，近一周收益率2.5%，近一月收益率0.2%，年初至今收益率37.2%[25] 2. **反转因子**，近一周收益率2.0%，近一月收益率-1.9%，年初至今收益率11.8%[25] 3. **成长风格累计超额净值因子**，近一周超额0.6%，近一月超额-4.6%，年初至今超额27.8%[24] 4. **小盘风格累计超额净值因子**，近一周超额2.2%，近一月超额-1.1%，年初至今超额9.1%[24] 5. **微盘股风格累计超额净值因子**，近一周超额0.0%，近一月超额7.0%，年初至今超额39.9%[24] 6. **动量风格累计超额净值因子**，近一周超额0.5%，近一月超额2.1%，年初至今超额25.4%[24] 7. **成长 vs 红利风格拥挤度因子**，本周末历史分位69%，上周末历史分位69%，上年末历史分位1%[33] 8. **小盘 vs 大盘风格拥挤度因子**，本周末历史分位34%，上周末历史分位33%，上年末历史分位5%[33] 9. **微盘股 vs 中证800风格拥挤度因子**，本周末历史分位82%，上周末历史分位81%，上年末历史分位89%[33]

根据提供的研报内容，以下是关于量化模型和因子的总结。报告主要涉及对市场风格和因子的跟踪分析，而非构建新的量化模型或因子。报告内容侧重于对现有风格指数和因子的表现、拥挤度、估值等进行监测和解读。 量化因子与构建方式 1. **因子名称：动量因子（由“长江动量指数”表征）[25]** * **因子构建思路：** 该因子旨在捕捉A股市场中具有强势动量特征的股票表现。其构建逻辑是选择近期表现强势（高动量）且流动性好的股票[25]。 * **因子具体构建过程：** 指数以最近一年股票收益率减去最近一个月股票收益率（剔除涨停板）作为动量指标，综合选择A股市场中动量特征强且流动性相对较高的前100只股票作为指数成分股[25]。 * **因子评价：** 该指数能够较好地表征A股市场中最具动量特征的股票的整体走势[25]。 2. **因子名称：反转因子（由“长江反转指数”表征）[26]** * **因子构建思路：** 该因子旨在捕捉A股市场中具有反转效应（即近期表现弱势的股票可能反弹）的股票表现[26]。 * **因子具体构建过程：** 指数以最近一个月股票收益率作为筛选指标，综合选择A股市场中反转效应强、流动性较好的前100只股票作为指数成分股，并采用成分股近三个月日均成交量进行加权[26]。 * **因子评价：** 该指数旨在准确表征我国A股市场各阶段高反转特征个股的整体表现[26]。 3. **因子名称：风格拥挤度因子[36][119]** * **因子构建思路：** 该因子用于衡量特定风格（如成长、红利、小盘等）的交易热度或拥挤程度，以判断其配置风险与机会[36][119]。 * **因子具体构建过程：** 将各风格指数的近n个交易日的日均换手率在历史时间序列上进行z-score标准化，并与万得全A的标准化结果作差，最后计算该差值的滚动y年历史分位值[119]。 * 具体参数：n取63（近一个季度），滚动窗口为6年（历史数据量满1年且不足6年时，以全部历史数据进行计算）[119]。 * **因子评价：** 拥挤度分位值越高，表明该风格交易越拥挤，潜在风险可能越大；分位值越低，则表明该风格关注度较低，可能蕴含机会[36]。 4. **因子名称：风格超额净值因子[120]** * **因子构建思路：** 该因子用于衡量特定风格指数相对于市场基准（万得全A）的长期累计超额收益表现[120]。 * **因子具体构建过程：** 以2016年1月4日为基准日，计算各风格指数及万得全A指数的累计净值。将各风格指数的累计净值除以同一交易日的万得全A指数累计净值，得到各风格指数相对于万得全A指数的累计超额净值[120]。 5. **因子名称：机构调研活跃度因子[101][121]** * **因子构建思路：** 该因子用于衡量不同板块、行业或指数受到机构投资者关注的程度[101][121]。 * **因子具体构建过程：** 将板块（指数、行业）的近n个交易日的“日均机构调研次数”在滚动y年的历史时间序列上进行z-score标准化，并与万得全A的标准化结果作差得到“机构调研活跃度”，最后计算该活跃度的滚动y年历史分位数[121]。 * **长期口径参数：** n取126（近半年），滚动窗口为6年[121]。 * **短期口径参数：** n取63（近一季度），滚动窗口为3年[121]。 6. **因子名称：股债性价比因子（ERP）[69]** * **因子构建思路：** 该因子用于衡量权益资产相对于债券资产的估值吸引力，即风险溢价[69]。 * **因子具体构建过程：** 计算公式为： $$指数erp = 1/指数PE\_TTM – 10年期中债国债到期收益率$$ [69] 然后计算该ERP值在历史序列中的分位数。 因子的回测效果 1. **动量因子（长江动量指数）** * 近一周收益率：-5.3%[25] * 近一月收益率：-8.5%[25] * 年初至今收益率：25.4%[25] * 相对反转因子的超额收益（动量-反转）：近一周 -0.5%，近一月 -4.1%，年初至今 17.3%[25] 2. **反转因子（长江反转指数）** * 近一周收益率：-4.8%[25] * 近一月收益率：-4.5%[25] * 年初至今收益率：8.1%[25] 3. **成长因子（国证成长指数）** * 近一周收益率：-4.6%[25] * 近一月收益率：-0.8%[25] * 年初至今收益率：22.9%[25] * 相对红利因子超额收益（成长-红利）：近一周 -5.3%，近一月 -3.1%，年初至今 22.6%[25] * 当前拥挤度历史分位：41%（处于历史均衡位置）[36] 4. **红利因子（中证红利指数）** * 近一周收益率：0.7%[25] * 近一月收益率：2.3%[25] * 年初至今收益率：0.3%[25] * 当前拥挤度历史分位：45%（处于历史均衡位置）[36] 5. **小盘因子（巨潮小盘指数）** * 近一周收益率：-5.0%[25] * 近一月收益率：-2.7%[25] * 年初至今收益率：21.5%[25] * 相对大盘因子超额收益（小盘-大盘）：近一周 -3.1%，近一月 -3.1%，年初至今 6.7%[25] * 当前拥挤度历史分位：57%（处于历史均衡位置）[36] 6. **大盘因子（巨潮大盘指数）** * 近一周收益率：-1.9%[25] * 近一月收益率：0.4%[25] * 年初至今收益率：14.8%[25] * 当前拥挤度历史分位：100%（处于历史极高位置）[36] 7. **微盘股因子（万得微盘股指数）** * 近一周收益率：-1.5%[25] * 近一月收益率：0.2%[25] * 年初至今收益率：56.9%[25] * 相对基金重仓因子超额收益（微盘股-基金重仓）：近一周 2.2%，近一月 0.7%，年初至今 33.1%[25] * 当前拥挤度历史分位：5%（处于历史极低位置）[36] 8. **基金重仓因子（基金重仓指数）** * 近一周收益率：-3.7%[25] * 近一月收益率：-0.4%[25] * 年初至今收益率：23.8%[25] * 当前拥挤度历史分位：98%（处于历史极高位置）[36] 模型或因子指标取值总结 （本报告未提供传统意义上的量化模型回测指标，如夏普比率、信息比率(IR)、最大回撤等。所提供的“回测效果”主要为不同时间窗口的收益率和相对超额收益，以及拥挤度的历史分位数。）

核心观点 - 报告提出在中低频维度下，投资者主要收益来源于核心beta机会，价值类风格包含低估值、PB-ROE和红利等代表[13] - 成长风格在A股市场较为主流，主要关注公司增速和基本面弹性[15] - 盈利质地风格代表A股市场看重公司护城河、现金流等财务稳健度的投资者[15] - 极致的单一风格因轮动而不占优，beta方向选择错误时子策略难以扭转劣势[16] 风格划分维度看投资机会 - 价值类风格包含低估值、PB-ROE和红利等代表，红利以股息安全垫和低估值暴露为代表[13] - 成长风格主要从公司增速角度选择更具基本面弹性的个股[15] - 盈利质地风格看重公司护城河、现金流等财务稳健度[15] - 年初至今表现最佳的三个长江风格指数为创业板成长(39.9%)、高波指数(31.09%)和低估值成长指数(25.94%)[17] 海外具备长期超额回报的风格策略 - 日本90年代泡沫破灭后，高股息策略在低增速+低利率环境下表现突出[29][30] - 2000-2001年美股互联网泡沫破灭期间，标普500高股息保持较好绝对收益[40] - 美国市场更注重股东综合回报(股息+回购)，信息技术和金融行业回购率居前[48][49] - 日本企业分红政策稳定性强，近年分红增长能达到20%左右[39] 主动策略Smart Beta指数化 - 传统PB-ROE策略存在ROE持续性差和行业偏斜问题[60][61] - 提出9大象限划分法，重点关注高ROE低PB和低ROE低PB区域[64][67] - 低ROE低PB区域需关注ROE成长潜力，通过杜邦分析寻找业绩复苏企业[73][75] - 长江价值潜力指数采用PB-ROE框架，每年5月和11月定期调整[84][86] 港股Smart Beta化初探 - 港股产业结构中红利占比高于美股，新消费+科技占比高于A股[89][90] - 2024年港股回购金额达2657亿港元，较2023年翻倍[95][98] - 长江港股通现金流质量策略综合考虑经营性现金流和ROE稳健性[112] - 长江港股通回购率组合表现优于中证港股通回购指数[117][124]

报告核心观点 - 构建基于风格因子的A股风格投资体系，不同宏观及市场因子决定当前A股占优风格因子，对应不同风格资产或底层投资组合 [3] - 年内视角下，A股占优风格为高盈利、高估值、小市值，具备业绩弹性的科技成长及中游制造板块有望获较强超额收益 [3] 风格因子的构建及其表现 风格因子的构建 - 通过自下而上方式构建风格因子组合，体系分市值、估值、盈利、动量四个维度，构建时将样本内股票按因子指标高低排序分组，计算各组加权涨跌幅、因子收益率或拟合因子净值曲线 [9] - 市值因子：将全A上市满1个月股票按总市值排序分大、中、小市值三组，做多小市值组合并做空大市值组合得因子收益率，2010年至今小市值风格优势明显，2017 - 2018年及2024年1 - 8月大市值占优，做多小市值做空大市值组合约有5倍收益 [12] - 估值因子：采用PE(TTM)指标，将全A上市满1个月股票按市盈率排序分高、中、低估值三组，做多高PE组合并做空低PE组合得因子收益率，A股低估值风格优势显著，2017 - 2018年及2022 - 2024年优势累计，高估值行情在2013 - 2014年、2019 - 2021年及2024Q4出现 [13][14] - 盈利因子：采用盈利增速的万得一致预期数据，按盈利预期由高到低排序分组，做多高增速组合并做空低增速组合得因子收益率，A股盈利因子走势有周期性，2010 - 2014年、2019 - 2021年高盈利增速占优，2016 - 2018年、2022 - 2024年8月低盈利增速占优 [16] - 动量因子：采用1个月动量，基于前一个月涨跌幅排序分组，做多前期涨跌幅前30%组合并做空后30%组合得因子收益率，A股整体反转效应明显，2010 - 2012年及2021年至今反转效应增强，2017及2020年动量效应阶段性出现 [18] 全A风格因子表现 - 2013 - 2014年，A股呈盈利因子主导行情，2014年3月后市值因子影响提升，小市值优势显著 [24] - 2015 - 2016年中，小市值因子优势明显，反转因子阶段性走强，盈利因子暴露度下降，估值因子暴露度提升 [24] - 2016年8月 - 2018年，A股呈估值因子主导风格，低估值风格是超额收益主要来源，市场呈大市值风格，高增速组合走弱，动量效应增强 [24] - 2019 - 2021年初，市场进入盈利因子主导行情，高盈利组合跑赢，动量效应强化 [24] - 2021 - 2023年，市场进入市值因子主导阶段，2021年8月前高盈利小市值风格占优，8月后小市值优势强化，反转效应增强，2023年小市值、低估值因子体现优势 [27] - 2024年以来，A股进入风格轮动或转换期，前三季度低估值、低盈利优势延续，市值风格切换，四季度高估值、小市值走强，反转效应增强，高盈利风格修复 [27] - 2025年起，高估值因子重新走强，市场情绪回升，高估值、强反转因子表现突出，盈利因子底部修复 [27] 不同类型资产风格因子表现 - 新兴成长类资产小市值风格优势明显，2021年7月后小市值加速崛起，反转趋势显著；2015年前高估值风格占优，2015 - 2018年中低估值走强，2021年7月后低估值风格增强；2022年8月前高盈利增风格占优，8月后低盈利增速、低估值占优；动量因子表现与全A类似，2021年7月后反转趋势增强 [29] - 红利资产低估值因子优势明显，市值因子呈周期性大小轮动；2021年中之前高盈利风格优势显著，此后盈利因子走弱，近两年趋稳；2019年以来反转效应更强势 [33] 风格因子影响因素 盈利因子及其影响因素 - 盈利因子与经济周期高度相关，经济基本面上行时，高盈利增速股票表现更好，用库存周期指征经济周期，2017年后同向相关性明显，2017年前有阶段性反向相关性 [45] 估值因子及其影响因素 - 估值因子与市场情绪高度相关，市场情绪回暖时，高估值股票表现更优，股债风险溢价与估值因子走势高度相关，换手率和涨停家数占比可辅助判断 [49] 市值因子及其影响因素 - 市值因子与剩余流动性高度相关，剩余流动性越充裕，小市值因子表现越强势，2017年4月 - 2019年1月及2023年12月 - 2024年8月二者背离，因市场担忧内需结构转换和经济增长中枢下行，风险偏好走弱，低估值主导 [53] 动量因子及其影响因素 - 动量因子与交易拥挤度、增量资金结构相关，交易拥挤度提升，动量效应增强，市场无显著增量资金时，反转因子强势 [56] - 2010 - 2014年H1，市场增量资金不显著，反转效应强；2014H2 - 2015H1，两融资金主导行情，小市值与高盈利优势明显；2017 - 2018年，北上资金主导，低估值因子主导，动量效应增强；2019 - 2021Q2，主动型公募资金主导，高盈利增速主导；此后无新趋势性主导资金，反转效应增强，低估值趋势走强，高盈利趋势走弱 [57] 风格因子体系及其应用 风格投资体系 - 宏观及市场层面因子影响并决定市场风格表现及占优风格因子，盈利因子受经济周期影响，估值因子受市场情绪影响，市值因子受剩余流动性影响，动量因子受增量资金和交易拥挤度影响 [61] - 不同宏观及市场因子决定A股占优风格因子，可据此买入底层股票组合或投资不同类型风格资产或宽基指数 [66] 基于风格投资体系的A股市场风格展望 - 预计2025年国内经济弱复苏、信用磨底修复、货币持续宽松，市场情绪小幅修复，ERP至少到3.5%左右 [68] - 年内A股占优风格为高盈利、高估值、小市值，当前A股对年内盈利修复未充分计价，高盈利、高估值因子有上行空间，科技成长及中游制造板块有望获超额收益；短期高盈利及小市值风格或阶段性调整 [73]

根据研报内容，总结量化模型与因子如下： 量化模型与构建方式 1. **长江动量指数模型** - 构建思路：选取A股市场中动量特征强且流动性高的股票[24] - 具体构建过程： 1. 计算每只股票最近1年收益率减去最近1个月收益率（剔除涨停板）作为动量指标 2. 按动量指标排序，选取前100只股票作为成分股 3. 采用等权重方式构建指数[24] - 模型评价：能有效表征A股动量效应，但近期超额收益波动较大[23][24] 2. **长江反转指数模型** - 构建思路：捕捉A股市场中反转效应显著的股票[25] - 具体构建过程： 1. 以最近1个月收益率作为反转指标 2. 选取反转效应最强的100只股票 3. 采用近3个月日均成交量加权构建指数[25] - 模型评价：在资金面收紧时表现优异，但需注意风格切换风险[25][48] 量化因子与构建方式 1. **风格拥挤度因子** - 构建思路：通过换手率差异衡量风格过热程度[121] - 具体构建过程： 1. 计算风格指数近n日日均换手率（半年期n=126，一年期n=252） 2. 对全市场换手率进行z-score标准化： $$ z = \frac{x - \mu}{\sigma} $$ 3. 计算风格换手率与万得全A的差值 4. 在滚动窗口（3年/6年）内计算历史分位数[121] - 因子评价：对风格切换有预警作用，但需结合超额净值判断[33][121] 2. **机构调研活跃度因子** - 构建思路：反映资金对板块/行业的关注度[123] - 具体构建过程： 1. 统计板块近n日日均调研次数（季度n=63，半年n=126） 2. 标准化后与万得全A调研活跃度作差 3. 计算滚动窗口（3年/6年）历史分位数[123] - 因子评价：领先性较好，但需区分长短期口径[104][123] 模型回测效果 1. **长江动量指数** - 近一周超额收益：-0.1% - 近一月超额收益：-1.6% - 年初至今超额收益：8.3%[24] 2. **长江反转指数** - 近一周超额收益：0.1% - 近一月超额收益：1.1% - 年初至今超额收益：-3.3%[24] 因子回测效果 1. **风格拥挤度因子** - 成长风格当前分位：0%（极低） - 红利风格当前分位：0%（极低） - 微盘股当前分位：6%（低位）[33][121] 2. **机构调研活跃度因子** - 地产基建板块分位：95%（极高） - 医药板块分位：3%（极低） - 金融板块分位：11%（极低）[104][123] 注：所有测试结果基于2025年5月30日数据[17][19]