量化模型与因子总结 量化模型与构建方式 1. **模型名称：东方A股因子风险模型(DFQ-2020)[15]** 模型构建思路：该模型旨在识别和解释影响A股收益的一系列风格风险因子，用于风险归因和组合管理[11][15] 模型具体构建过程：模型包含10个风格风险因子，每个因子由多个细分指标合成。具体因子列表及计算方式如下[15]： * Size因子：总市值对数[15] * Beta因子：贝叶斯压缩后的市场Beta[15] * Trend因子：由两个子指标构成，$$Trend\_120 = EWMA(halflife=20)/EWMA(halflife=120)$$，$$Trend\_240 = EWMA(halflife=20)/EWMA(halflife=240)$$，其中EWMA为指数加权移动平均[15] * Volatility因子：由5个子指标构成，包括过去243天的标准波动率(Stdvol)、过去243天的FF3特质波动率(Ivff)、过去243天的最高价/最低价-1(Range)、过去243天收益最高的六天的收益率平均值(MaxRet_6)、过去243天收益最低的六天的收益率平均值(MinRet_6)[15] * Liquidity因子：由2个子指标构成，包括过去243天的平均对数换手率(TO)、过去243天的个股对数换手率与市场对数换手率回归得到的流动性beta(Liquidity beta)[15] * Value因子：账面市值比(BP)或盈利收益率(EP)[15] * Growth因子：由3个子指标构成，包括过去3年ROE变动的平均值(Delta ROE)、销售收入TTM的3年复合增速(Sales_growth)、净资产TTM的3年复合增速(Na_growth)[15] * SOE因子：国有持股比例(State Owned Enterprise)[15] * Certainty因子：由3个子指标构成，包括公募基金持仓比例(Instholder Pct)、对市值正交化后的分析师覆盖度(Cov)、上市天数(Listdays)[15] * Cubic Size因子：市值幂次项[15] 2. **模型名称：MFE组合构建模型[60]** 模型构建思路：通过组合优化方法，在控制行业暴露、风格暴露等实际约束条件下，构建最大化单一因子暴露的投资组合，以更准确地评估因子在指数增强策略中的有效性[60] 模型具体构建过程：采用线性规划求解以下优化问题，目标为最大化因子暴露[60]： $$\begin{array}{ll}max & f^{T}w \\\ s.t. & s_{l}\leq X(w-w_{b})\leq s_{h} \\\ & h_{l}\leq H(w-w_{b})\leq h_{h} \\\ & w_{l}\leq w-w_{b}\leq w_{h} \\\ & b_{l}\leq B_{b}w\leq b_{h} \\\ & 0\leq w\leq l \\\ & 1^{T}w=1 \\\ & \Sigma|w-w_{0}|\leq to_{h}\end{array}$$ 其中，$f$ 为因子取值向量，$w$ 为待求解的股票权重向量，$w_b$ 为基准指数成分股权重向量。约束条件依次为：组合相对于基准的风格暴露约束（$X$ 为风格因子暴露矩阵，$s_l$, $s_h$ 为上下限）[63]；组合相对于基准的行业偏离约束（$H$ 为行业暴露矩阵，$h_l$, $h_h$ 为上下限）[63]；个股相对于基准成分股的权重偏离约束（$w_l$, $w_h$ 为上下限）[63]；组合在成分股内权重的占比约束（$B_b$ 为成分股标识向量，$b_l$, $b_h$ 为上下限）[63]；卖空限制及个股权重上限约束（$l$ 为上限）[63]；权重和为1的满仓约束[63]；组合换手率约束（$w_0$ 为上期持仓权重，$to_h$ 为换手率上限）[63] 量化因子与构建方式 1. **因子名称：估值类因子[20]** 因子构建思路：从账面价值、盈利收益、销售收益等角度衡量公司的估值水平[20] 因子具体构建过程：包含多个细分因子： * BP：账面市值比，计算公式为 净资产/总市值[20] * FBP：预期BP，使用分析师一致预期数据计算[20] * Quart_EP：单季度市盈率倒数，计算公式为 单季度归母净利润/总市值[20] * TTM_EP：滚动市盈率倒数，计算公式为 归母净利润TTM/总市值[20] * Quart_SP：单季度市销率倒数，计算公式为 单季度营业收入/总市值[20] * TTM_SP：滚动市销率倒数，计算公式为 营业收入TTM/总市值[20] * TTM_EP_PCT_1Y：EPTTM一年分位点，计算当前EPTTM在过去一年中的分位点[20] * TTM_FEP：一致预期滚动市盈率倒数，使用一致预期滚动PE数据计算倒数[20] * TTM_FPEG：一致预期滚动PEG，计算公式为 一致预期滚动PE / 个股滚动净利复合增长率[20] * PB_ROE_RANK：PB与ROE的rank差，计算公式为 全市场PB排序 - 单季ROE排序[20] 2. **因子名称：成长类因子[20]** 因子构建思路：从收入、利润、盈利预期等角度衡量公司的成长能力[20] 因子具体构建过程：包含多个细分因子： * YOY_Quart_NP：单季度净利润同比增速，计算单季度净利润同比增长率[20] * YOY_Quart_OR：单季度营业收入同比增速，计算单季度营业收入同比增长率[20] * YOY_Quart_OP：单季度营业利润同比增速，计算单季度营业利润同比增长率[20] * SUE：标准化预期外盈利，计算公式为 (单季实际净利 - 预期净利) / 预期净利标准差[20] * SUR：标准化预期外收入，计算公式为 (单季实际营收 - 预期营收) / 预期营收标准差[20] * Delta_ROE：单季净资产收益率同比变化，计算公式为 单季净资产收益率 - 去年同期净资产收益率[20] * Delta_ROA：单季总资产收益率同比变化，计算公式为 单季总资产收益率 - 去年同期总资产收益率[20] * UE_PERC：单季净利润超预期幅度，计算公式为 单季度净利润/分析师预期单季度净利润 - 1[20] 3. **因子名称：盈利类因子[20]** 因子构建思路：衡量公司的盈利能力[20] 因子具体构建过程：包含多个细分因子： * Quart_ROE：单季度净资产收益率，计算公式为 单季净利润*2/(期初净资产+期末净资产)[20] * Quart_ROA：单季度总资产收益率，计算公式为 单季净利润*2/(期初总资产+期末总资产)[20] 4. **因子名称：分析师预期类因子[20]** 因子构建思路：从分析师覆盖、盈利预测调整等角度反映市场预期[20] 因子具体构建过程：包含多个细分因子： * ORGAN_NUM_3M：分析师覆盖度，统计过去3个月撰写研报的机构数量[20] * ANA_REC：分析师认可度，计算公式为 (认可业绩分析师数 - 不认可业绩分析师数) / 覆盖分析师数[20] * FNP_QOQ_PERC_3M：预期净利润环比增幅，计算公式为 当前一致预期滚动净利/3月前一致预期净利 - 1[20] * FROE_CHANGE_3M：预期滚动ROE三个月环比，计算公式为 当前一致预期ROE - 3个月前一致预期ROE[20] * UD_PCT：分析师上下调数量差占比，计算公式为 过去3个月(上调家数-下调家数)/总家数 + 总家数/10000[20] 5. **因子名称：景气度因子[20]** 因子构建思路：衡量公司经营状况的变化趋势[20] 因子具体构建过程：包含细分因子 NPYOY_CHANGE：单季净利同比增速环比变化，计算公式为 单季净利同比增速 - 上季度单季净利同比增速[20] 6. **因子名称：分红因子[20]** 因子构建思路：衡量公司的分红回报[20] 因子具体构建过程：包含细分因子 DIVIDEND_RATE：股息率，计算公式为 最近四个季度预案分红金额/总市值[20] 7. **因子名称：公司治理因子[20]** 因子构建思路：从高管激励角度衡量公司治理水平[20] 因子具体构建过程：包含细分因子 MANAGER_SALARY：高管薪酬，取公司前三高管的薪酬[20] 8. **因子名称：PEAD因子[20]** 因子构建思路：捕捉盈余公告后的价格漂移现象[20] 因子具体构建过程：包含多个细分因子： * AOG：盈余公告次日开盘跳空超额，计算公式为 盈余公告次日开盘涨跌幅 - 中证500开盘涨跌幅[20] * ALG：盈余公告次日最低价超额，计算盈余公告次日最低价超额[20] 9. **因子名称：流动性因子[20]** 因子构建思路：从换手率、非流动性冲击等角度衡量股票的流动性[20] 因子具体构建过程：包含多个细分因子： * TURNOVER_1M：一个月日均换手，计算过去20个交易日换手率均值[20] * TURNOVER_3M：三个月日均换手，计算过去60个交易日换手率均值[20] * ILLIQ_1M：一个月非流动性冲击，计算过去20个交易日日度涨跌幅绝对值比成交额的均值[20] * IVR_1M：特异度，计算公式为 1 - 过去20日Fama-French三因子回归拟合度[20] 10. **因子名称：波动率因子[20]** 因子构建思路：衡量股票价格的波动情况[20] 因子具体构建过程：包含多个细分因子： * ATR_1M：一个月真实波动率，计算过去20个交易日日内真实波幅均值[20] * ATR_3M：三个月真实波动率，计算过去60个交易日日内真实波幅均值[20] 11. **因子名称：反转与动量因子[20]** 因子构建思路：捕捉股票价格的短期反转和长期动量效应[20] 因子具体构建过程：包含多个细分因子： * REVERSE_1M：一个月反转，计算过去20个交易日涨跌幅[20] * REVERSE_3M：三个月反转，计算过去60个交易日涨跌幅[20] * MOMENTUM_1M：一年动量，计算剔除近1个月的过去一年涨跌幅[20] * UMR_1M：一个月UMR，计算一个月窗口下风险调整后的UMR动量[20] * UMR_3M：三个月UMR，计算三个月窗口下风险调整后的UMR动量[20] * UMR_6M：六个月UMR，计算六个月窗口下风险调整后的UMR动量[20] * UMR_1Y：一年UMR，计算十二个月窗口下风险调整后的UMR动量[20] 12. **因子名称：机构因子[20]** 因子构建思路：衡量机构投资者的持仓情况[20] 因子具体构建过程：包含细分因子 FUND_HOLD_MV：公募持股市值，取过去半年报/年报中主动股基持股市值[20] 风格因子的回测效果 1. Beta因子，近一周收益3.74%，上一周收益-0.75%，近一月收益10.06%，今年以来收益27.17%，近一年收益59.45%，历史年化收益1.21%[13] 2. Volatility因子，近一周收益3.41%，上一周收益0.45%，近一月收益6.01%，今年以来收益9.97%，近一年收益35.11%，历史年化收益-12.85%[13] 3. Liquidity因子，近一周收益3.34%，上一周收益-1.10%，近一月收益3.92%，今年以来收益20.65%，近一年收益32.29%，历史年化收益-3.28%[13] 4. SOE因子，近一周收益0.63%，上一周收益-0.29%，近一月收益1.44%，今年以来收益7.极因子，近一周收益-0.33%，上一周收益-1.56%，近一月收益-2.55%，今年以来收益-2.67%，近一年收益0.62%，历史年化收益2.63%[13] 6. Certainty因子，近一周收益-0.83%，上一周收益0.87%，极因子，近一周收益-1.51%，上一周收益3.36%，近一月收益0.59%，今年以来收益-30.87%，近一年收益-50.44%，历史年化收益-26.52%[13] 8. Trend因子，近一周收益-1.96%，上一周收益-0.46%，近一月收益-3.40%，今年以来收益-4.05%，近一年收益18.60%，历史极因子，近一周收益-2.14%，上一周收益3.14%，近一月收益-2.79%，今年以来收益-38.32%，近一年收益-59.18%，历史年化收益-29.70%[13] 10. Value因子，近一周收益-2.40%，上一周收益0.85%，近一月收益-6.37%，今年以来收益-15.60%，近一年收益-29.84%，历史年化收益6.76%[13] 细分因子的回测效果 (按选股空间分类) 沪深300样本空间[23] 1. 标准化预期外收入因子，近一周收益1.43%，近一月收益4.03%，今年以来收益8.71%，近1年年化收益10.07%，历史年化收益4.94%[23] 2. 一年动量因子，近一周收益1.31%，近一月收益2.30%，今年以来收益-0.73%，近1年年化收益-8.40%，历史年化收益2.15%[23] 3. 单季营收同比增速因子，近一周收益1.20%，近一月极因子，近一周收益1.05%，近一月收益2.89%，今年以来收益11.20%，近1年年化收益8.13%，历史年化收益3.47%[23] 5. 盈余公告开盘跳空超额因子，近一周收益0.86%，近一月收益3.08%，今年以来收益10.28%，近1年年化收益8.02%，历史年化收益3.52%[23] 6. 分析师认可度因子，近一周收益0.85%，近一月收益2.87%，今年以来收益10.06%，近1年年化收益9.56%，历史年化收益3.72%[23] 7. 公募持股市值因子，近一周收益0.77%，近一月收益3.64%，今年以来收益9.54%，近1年年化收益8.74%，历史年化收益3.75%[23] 8. DELTAROA因子，近一周收益0.69%，近一月收益3.30%，今年以来收益10.17%，近1年年化收益8.97%，历史年化收益4.43极因子，近一周收益0.60%，近一月收益-0.66%，今年以来收益4.09%，近1年年化收益8.70%，历史年化收益1.03%[23] 10. 单季净利同比增速因子，近一周收益0.51%，近一月收益2.94%，今年以来收益9.81%，近1年年化收益5.29%，历史年化收益3.56%[23] 11. DELTAROE因子，近一周收益0.47%，近一月收益3.38%，今年以来收益10.75%，近1年年化收益6.93%，历史年化收益4.19%[23] 12. 标准化预期外盈利因子，近一周收益0.43%，近一月收益3.26%，今年以来收益9.88%，近1年年化收益8.46%，历史年化收益4.59%[23] 13. 预期ROE环比变化因子，近一周收益0.28%，近一月收益1.18%，今年以来收益1.83%，近1年年化收益-5.11%，历史年化收益2.55%[23] 14. 单季ROA因子，近一周收益0.18%，近一月收益3.极因子，近一周收益0.09%，近一月收益0.96%，今年以来极因子，近一周收益0.05%，近一月收益-0.91%，今年以来收益0.01%，近1年年化收益-0.80%，历史年化收益1.67%[23] 17. 盈余公告最低价跳空超额因子，近一周收益0.04%，近一月收益1.99%，今年以来收益6.23%，近1年年化收益4.58%，历史年化收益3.94%[23] 18. 预期净利润环比因子，近一周收益-0.08%，近一月收益0.17%，今年以来收益2.30%，近1年年化收益-2.91%，历史年化收益1.54%[23] 19. 单季ROE因子，近一周收益-0.10%，近一月收益3.05%，今年以来收益10.00%，近1年年化收益9.44%，历史年化收益4.56%[23] 20. 3个月盈利上下调因子，近一周收益-0.21%，近一月收益1.11%，今年以来收益5.59%，近1年年化收益5.73%，历史年化收益5.23%[23] 21. 一个月反转因子，近一周收益-

量化模型与构建方式 1. **模型名称**：DFQ-FactorGCL - **模型构建思路**：基于超图卷积神经网络和时间残差对比学习的股票收益预测模型[6] - **模型具体构建过程**：未详细描述 2. **模型名称**：DFQ-FactorVAE-pro - **模型构建思路**：加入特征选择与环境变量模块的FactorVAE模型[6] - **模型具体构建过程**：未详细描述 3. **模型名称**：Neural ODE - **模型构建思路**：时序动力系统重构下深度学习因子挖掘模型[6] - **模型具体构建过程**：未详细描述 量化因子与构建方式 1. **因子名称**：Beta风格因子 - **因子构建思路**：衡量股票对市场波动的敏感性，基于贝叶斯压缩后的市场Beta[16] - **因子具体构建过程**：$$Beta = \text{贝叶斯压缩后的市场Beta}$$[16] - **因子评价**：近期表现突出，市场对高Beta股票偏好稳定[11][13] 2. **因子名称**：UMR因子（一个月UMR） - **因子构建思路**：风险调整后的动量因子，基于一个月窗口计算[21] - **因子具体构建过程**：未详细描述 - **因子评价**：在中证全指样本空间中表现最佳[47] 3. **因子名称**：DELTAROA - **因子构建思路**：单季总资产收益率同比变化[21] - **因子具体构建过程**：$$DELTAROA = \text{单季总资产收益率} - \text{去年同期总资产收益率}$$[21] - **因子评价**：在中证1000样本空间中表现最佳[36] 4. **因子名称**：非流动性冲击 - **因子构建思路**：衡量股票流动性风险，基于过去20个交易日日度涨跌幅绝对值比成交额的均值[21] - **因子具体构建过程**：$$ILLIQ\_1M = \frac{\sum_{t=1}^{20} |r_t|}{V_t}$$[21] - **因子评价**：在国证2000样本空间中表现最佳[39] 5. **因子名称**：预期PEG - **因子构建思路**：一致预期滚动PE与个股滚动净利复合增长率的比值[21] - **因子具体构建过程**：$$TTM\_FPEG = \frac{\text{一致预期滚动PE}}{\text{个股滚动净利复合增长率}}$$[21] - **因子评价**：在沪深300样本空间中表现最佳[24] 6. **因子名称**：一年动量 - **因子构建思路**：剔除近1个月的过去一年涨跌幅[21] - **因子具体构建过程**：$$MOMENTUM\_1Y = \sum_{t=2}^{12} r_t$$[21] - **因子评价**：在中证500样本空间中表现最佳[28] 模型的回测效果 1. **DFQ-FactorGCL模型**：未提供具体回测数据 2. **DFQ-FactorVAE-pro模型**：未提供具体回测数据 3. **Neural ODE模型**：未提供具体回测数据 因子的回测效果 1. **Beta风格因子**： - 近一周收益：0.88%[13] - 近一月收益：5.18%[13] - 今年以来收益：21.07%[13] 2. **一个月UMR因子**： - 近一周收益：1.82%[47] - 近一月收益：1.49%[47] - 今年以来收益：6.19%[47] 3. **DELTAROA因子**： - 近一周收益：0.63%[36] - 近一月收益：1.57%[36] - 今年以来收益：8.06%[36] 4. **非流动性冲击因子**： - 近一周收益：1.26%[39] - 近一月收益：1.99%[39] - 今年以来收益：12.11%[39] 5. **预期PEG因子**： - 近一周收益：0.75%[24] - 近一月收益：2.07%[24] - 今年以来收益：7.23%[24] 6. **一年动量因子**： - 近一周收益：0.84%[28] - 近一月收益：2.33%[28] - 今年以来收益：3.83%[28] 附录 - **MFE组合构建方式**：通过线性规划最大化单因子暴露，控制行业、风格等约束[63] - 目标函数：$$max\ f^{T}w$$[63] - 约束条件：风格偏离、行业偏离、换手率等[63]

量化模型与构建方式 1. **模型名称**：DFQ-FactorGCL **模型构建思路**：基于超图卷积神经网络和时间残差对比学习的股票收益预测模型[7] **模型具体构建过程**：通过超图卷积网络捕捉股票间非线性关系，结合时间残差模块学习时序动态特征，最后通过对比学习优化因子表征。目标函数为最小化预测收益与真实收益的残差。 2. **模型名称**：Neural ODE **模型构建思路**：时序动力系统重构下的深度学习因子挖掘模型[7] **模型具体构建过程**：利用神经常微分方程（Neural ODE）建模因子动态演化过程，通过连续时间序列的隐状态更新捕捉因子非线性变化。公式为： $$ \frac{dh(t)}{dt} = f_\theta(h(t), t) $$ 其中 $h(t)$ 为隐状态，$f_\theta$ 为神经网络参数化的动力系统。 --- 量化因子与构建方式 1. **因子名称**：标准化预期外收入（SUR） **因子构建思路**：衡量营收超预期程度，反映公司基本面意外变化[20] **因子具体构建过程**： $$ SUR = \frac{\text{单季实际营收} - \text{预期营收}}{\text{预期营收标准差}} $$ **因子评价**：在中证500、中证800等样本空间中近期表现突出[26][30] 2. **因子名称**：DELTAROA **因子构建思路**：单季总资产收益率同比变化，捕捉盈利能力改善[20] **因子具体构建过程**： $$ DELTAROA = ROA_{t} - ROA_{t-4} $$ **因子评价**：在国证2000样本中近期多空收益达1.90%[38] 3. **因子名称**：特异度（IVR_1M） **因子构建思路**：Fama-French三因子模型残差，反映个股特异性风险[20] **因子具体构建过程**： $$ IVR = 1 - R^2 \quad \text{(FF3回归拟合度)} $$ 4. **因子名称**：MFE组合构建 **因子构建思路**：最大化单因子暴露的组合优化方法[62] **因子具体构建过程**：通过线性规划求解以下约束优化问题： $$ \begin{array}{ll} \max & f^{T}w \\ s.t. & X(w-w_{b}) \in [s_l, s_h] \\ & H(w-w_{b}) \in [h_l, h_h] \end{array} $$ --- 模型的回测效果 1. **DFQ-FactorGCL模型**：未披露具体指标[7] 2. **Neural ODE模型**：未披露具体指标[7] --- 因子的回测效果 1. **标准化预期外收入（SUR）**： - 中证500：近一周收益1.43%，近一年年化12.83%[27] - 中证800：近一周收益1.36%，历史年化4.46%[31] 2. **DELTAROA**： - 国证2000：近一周收益1.90%，近一年年化27.67%[39] 3. **特异度（IVR_1M）**： - 沪深300：近一周收益-0.85%，历史年化0.32%[23] 4. **单季ROA**： - 沪深300：近一周收益1.12%，历史年化3.53%[23] 5. **三个月波动**： - 中证1000：近一周收益-1.05%，近一年年化-5.02%[35] --- 风格因子表现 1. **Beta风格**：近一周收益2.29%，历史年化0.89%[13] 2. **Value风格**：近一周收益-2.47%，历史年化6.96%[13] 3. **Trend风格**：近一周收益1.12%，历史年化14.31%[13] --- 指数增强产品表现 1. **沪深300增强**： - 近一周超额收益中位数0.21%，头部产品易方达沪深300增强A（1.67%）[52] 2. **中证500增强**： - 近一周超额收益中位数0.24%，头部产品华泰柏瑞中证500增强A（1.13%）[56] 3. **中证1000增强**： - 近一周超额收益中位数0.24%，头部产品国联安中证1000增强A（1.11%）[59]

量化模型与构建方式 1. **模型名称**：东方A股因子风险模型(DFQ-2020) - **模型构建思路**：基于多因子框架，涵盖市值、波动性、流动性、价值、成长等风格因子，通过贝叶斯压缩和市场回归等方法构建风险模型[15][16] - **模型具体构建过程**： - **Size因子**：总市值对数[16] - **Beta因子**：贝叶斯压缩后的市场Beta[16] - **Trend因子**： - Trend_120：$$EWMA(halflife=20)/EWMA(halflife=120)$$ - Trend_240：$$EWMA(halflife=20)/EWMA(halflife=240)$$[16] - **Volatility因子**：包括过去243天的标准波动率、FF3特质波动率、最高价/最低价范围等[16] - **Liquidity因子**：过去243天的平均对数换手率及个股换手率与市场的回归系数[16] - **模型评价**：全面覆盖市场风格，适用于不同市场环境下的风险暴露控制[11][12] 2. **MFE组合优化模型** - **模型构建思路**：在控制行业、风格暴露等约束下，最大化单因子暴露以评估因子有效性[59] - **模型具体构建过程**： - 目标函数：$$max\ f^{T}w$$ - 约束条件： - 风格暴露约束：$$s_{l}\leq X(w-w_{b})\leq s_{h}$$ - 行业偏离约束：$$h_{l}\leq H(w-w_{b})\leq h_{h}$$ - 换手率约束：$$\Sigma|w-w_{0}|\leq to_{h}$$[59] - **模型评价**：通过线性规划高效求解，更贴近实际组合构建的复杂约束[59][60] --- 量化因子与构建方式 1. **因子名称**：一年动量 - **构建思路**：捕捉剔除近1个月后的过去一年股价趋势[20] - **具体构建**：$$MOMENTUM\_1M = \sum_{t=21}^{252} r_t$$（剔除最近20个交易日）[20] - **因子评价**：在中证全指和国证2000样本中近期表现突出[8][38] 2. **因子名称**：标准化预期外收入（SUR） - **构建思路**：衡量营收超分析师预期的幅度[20] - **具体构建**：$$SUR = \frac{实际单季营收-预期营收}{预期营收标准差}$$[20] - **因子评价**：在中证800和沪深300样本中稳定性较高[23][31] 3. **因子名称**：三个月反转 - **构建思路**：捕捉短期价格反转效应[20] - **具体构建**：$$REVERSE\_3M = \sum_{t=1}^{60} r_t$$[20] - **因子评价**：在中证1000样本中近期表现最佳[34][36] 4. **因子名称**：盈余公告跳空超额（AOG/ALG） - **构建思路**：反映盈余公告后的市场异常反应[20] - **具体构建**： - AOG：次日开盘涨跌幅-基准指数开盘涨跌幅 - ALG：次日最低价超额收益[20] - **因子评价**：创业板指样本中近期表现最强[42][44] --- 模型回测效果 1. **东方DFQ-2020风险模型** - 近一周多空收益：Beta风格1.94%，Value风格-1.43%[11][13] - 近一年年化收益：Beta风格51.27%，Growth风格12.71%[13] 2. **MFE组合模型** - 沪深300增强产品近一周超额收益中位数-0.08%，最大2.09%[52][53] - 中证1000增强产品今年以来超额收益中位数5.95%，最大13.91%[58] --- 因子回测效果 1. **一年动量因子** - 中证全指：近一周2.25%，近一年年化-11.61%[47][49] - 国证2000：近一周1.94%，近一年年化28.31%[39][41] 2. **标准化预期外收入（SUR）** - 中证800：近一周1.37%，历史年化4.50%[31][33] - 沪深300：近一周1.12%，今年以来7.43%[23][25] 3. **三个月反转因子** - 中证1000：近一周1.04%，近一年趋势-0.81%[35][37] - 中证500：近一周0.21%，历史年化8.14%[27][29] 4. **盈余公告跳空超额（AOG）** - 创业板指：近一周0.93%，今年以来19.68%[43][45] - 沪深300：近一周0.72%，历史年化3.35%[23][25] --- 附录：MFE组合优化公式说明 - **变量定义**： - $$w$$为股票权重向量，$$w_b$$为基准权重 - $$X$$为风格暴露矩阵，$$H$$为行业暴露矩阵[59] - **约束逻辑**：通过线性规划控制换手率（$$to_h$$）和成分股权重占比（$$B_b$$）[59][60]

量化模型与构建方式 1. **模型名称**：MFE组合构建模型 **模型构建思路**：通过最大化单因子暴露构建组合，同时控制行业、风格等约束条件[51] **模型具体构建过程**： - 目标函数：最大化因子暴露 $$max\ f^{T}w$$ - 约束条件包括： - 风格暴露约束：$$s_{l}\leq X(w-w_{b})\leq s_{h}$$ - 行业偏离约束：$$h_{l}\leq H(w-w_{b})\leq h_{h}$$ - 个股权重偏离约束：$$w_{l}\leq w-w_{b}\leq w_{h}$$ - 成分股权重占比控制：$$b_{l}\leq B_{b}w\leq b_{h}$$ - 换手率约束：$$\Sigma|w-w_{0}|\leq to_{h}$$[51] **模型评价**：适用于多约束条件下的因子有效性检验，能更真实反映实际组合构建中的因子表现 量化因子与构建方式 1. **因子名称**：Beta风格因子 **因子构建思路**：衡量股票对市场波动的敏感性[13] **因子具体构建过程**：使用贝叶斯压缩后的市场Beta值[13] 2. **因子名称**：Trend因子 **因子构建思路**：捕捉股票价格趋势[13] **因子具体构建过程**： - Trend_120：$$EWMA(halflife=20)/EWMA(halflife=120)$$ - Trend_240：$$EWMA(halflife=20)/EWMA(halflife=240)$$[13] 3. **因子名称**：Volatility因子 **因子构建思路**：衡量股票波动性[13] **因子具体构建过程**： - Stdvol：过去243天的标准波动率 - Ivff：Fama-French三因子特质波动率 - Range：最高价/最低价-1 - MaxRet_6/MinRet_6：过去243天最高/最低六日收益率均值[13] 4. **因子名称**：Liquidity因子 **因子构建思路**：衡量股票流动性[13] **因子具体构建过程**： - TO：过去243天平均对数换手率 - Liquidity beta：个股换手率与市场换手率的回归系数[13] 5. **因子名称**：Value因子 **因子构建思路**：基于估值指标构建[13] **因子具体构建过程**： - BP：账面市值比 - EP：盈利收益率[13] 6. **因子名称**：Growth因子 **因子构建思路**：衡量公司成长性[13] **因子具体构建过程**： - Delta ROE：过去3年ROE变动的平均值 - Sales_growth：销售收入TTM的3年复合增速 - Na_growth：净资产TTM的3年复合增速[13] 因子回测效果 1. **Beta因子**： - 近一周收益：6.95% - 近一年年化收益：42.35% - 历史年化收益：0.72%[12] 2. **Liquidity因子**： - 近一周收益：5.53% - 近一年年化收益：33.85% - 历史年化收益：-3.31%[12] 3. **Value因子**： - 近一周收益：-3.55% - 近一年年化收益：-26.81% - 历史年化收益：7.10%[12] 4. **一年动量因子**（中证全指）： - 近一周收益：1.56% - 今年以来收益：-5.61% - 近一年年化收益：-13.27%[40] 5. **DELTAROE因子**（国证2000）： - 近一周收益：8.27% - 近一年年化收益：75.23% - 历史年化收益：11.01%[33] 指数增强产品表现 1. **沪深300指数增强**： - 最近一周超额收益中位数：0.11% - 今年以来超额收益中位数：2.13%[44] 2. **中证500指数增强**： - 最近一周超额收益中位数：-0.37% - 今年以来超额收益中位数：3.32%[48] 3. **中证1000指数增强**： - 最近一周超额收益中位数：-0.23% - 今年以来超额收益中位数：5.22%[50]