根据研报内容，以下是量化模型与因子的详细总结： 量化因子与构建方式 风格类风险因子 1. **Value因子** - 构建思路：衡量价值投资策略的有效性 - 具体构建：基于账面市值比（BP）和盈利收益率（EP）等指标 - 公式： $$ BP = \frac{净资产}{总市值} $$ $$ EP = \frac{归母净利润TTM}{总市值} $$ - 评价：市场对价值投资策略的认可度较高[10][12] 2. **Growth因子** - 构建思路：捕捉成长性股票的表现 - 具体构建：包括销售收入TTM的3年复合增速（Sales_growth）和净资产TTM的3年复合增速（Na_growth）[13] 3. **Volatility因子** - 构建思路：衡量股票波动性 - 具体构建：包括过去243天的标准波动率（Stdvol）和FF3特质波动率（Ivff）[13] 4. **Liquidity因子** - 构建思路：衡量股票流动性 - 具体构建：包括过去243天的平均对数换手率（TO）和流动性贝塔（Liquidity beta）[13] 5. **Trend因子** - 构建思路：捕捉趋势投资策略的表现 - 具体构建：基于EWMA（指数加权移动平均）计算趋势指标[13] 其他量化因子 1. **预期EPTTM因子** - 构建思路：基于分析师一致预期的滚动市盈率倒数 - 具体构建： $$ TTM\_FEP = \frac{一致预期滚动净利润}{总市值} $$ - 评价：在中证全指成分股中表现最佳[2][7] 2. **单季ROE因子** - 构建思路：衡量单季度净资产收益率 - 具体构建： $$ Quart\_ROE = \frac{单季净利润 \times 2}{期初净资产 + 期末净资产} $$ - 评价：在多个样本空间中表现突出[20][24][28] 3. **DELTAROE因子** - 构建思路：衡量净资产收益率的同比变化 - 具体构建： $$ Delta\_ROE = 单季ROE - 去年同期ROE $$ - 评价：在国证2000样本空间中表现显著[36][37] 4. **三个月UMR因子** - 构建思路：风险调整后的动量因子 - 评价：在创业板指样本空间中表现最佳[39][40] 因子回测效果 沪深300样本空间 - **高管薪酬因子**：最近一周收益0.91%，近一月收益1.78%[20] - **预期EPTTM因子**：最近一周收益0.85%，近一月收益0.80%[20] - **一个月反转因子**：最近一周收益-0.72%，近一月收益-1.83%[20] 中证500样本空间 - **单季ROE因子**：最近一周收益1.04%，近一月收益2.79%[24] - **单季营收同比增速因子**：最近一周收益1.02%，近一月收益3.23%[24] - **一个月反转因子**：最近一周收益-0.90%，近一月收益-0.34%[24] 中证1000样本空间 - **预期EPTTM因子**：最近一周收益1.23%，近一月收益1.86%[32] - **高管薪酬因子**：最近一周收益1.23%，近一月收益3.92%[32] - **三个月机构覆盖因子**：最近一周收益-0.61%，近一月收益-0.77%[32] 国证2000样本空间 - **一年动量因子**：最近一周收益3.13%，近一月收益6.05%[36] - **DELTAROE因子**：最近一周收益2.34%，近一月收益10.17%[36] - **预期PEG因子**：最近一周收益-2.95%，近一月收益-8.42%[36] 创业板指样本空间 - **三个月UMR因子**：最近一周收益7.07%，近一月收益6.61%[39] - **DELTAROA因子**：最近一周收益4.38%，近一月收益9.41%[39] - **标准化预期外盈利因子**：最近一周收益-3.85%，近一月收益-10.76%[39] 中证全指样本空间 - **预期EPTTM因子**：最近一周收益1.43%，近一月收益1.45%[44] - **3个月盈利上下调因子**：最近一周收益1.29%，近一月收益3.14%[44] - **一个月反转因子**：最近一周收益-1.23%，近一月收益-1.86%[44] 模型构建方式 1. **MFE组合构建模型** - 构建思路：最大化单因子暴露，同时控制行业和风格暴露 - 具体构建：通过线性规划求解，目标函数为最大化因子暴露，约束条件包括风格偏离、行业偏离、换手率等[59] - 公式： $$ \begin{array}{ll}max & f^{T}w \\ s.t. & s_{l}\leq X(w-w_{b})\leq s_{h} \\ & h_{l}\leq H(w-w_{b})\leq h_{h} \\ & w_{l}\leq w-w_{b}\leq w_{h} \\ & b_{l}\leq B_{b}w\leq b_{h} \\ & 0\leq w\leq l \\ & 1^{T}w=1 \\ & \Sigma|w-w_{0}|\leq to_{h}\end{array} $$ - 评价：适用于实际组合优化场景[59][60] 以上内容全面覆盖了研报中涉及的量化模型和因子，包括构建思路、具体过程、评价及测试结果。

量化模型与构建方式 1. **模型名称**：DFQ-FactorVAE-pro - **模型构建思路**：在FactorVAE模型基础上加入特征选择与环境变量模块，提升因子选股能力[5] - **模型具体构建过程**： 1. 特征选择模块通过LASSO回归筛选有效因子： $$ \min_{\beta} \left( \|Y - X\beta\|_2^2 + \lambda \|\beta\|_1 \right) $$ 其中$Y$为收益，$X$为因子矩阵，$\lambda$为惩罚系数 2. 环境变量模块引入宏观经济指标（如PMI、利率）作为条件变量 3. 通过变分自编码器(VAE)学习因子非线性关系： $$ \mathcal{L} = \mathbb{E}_{q(z|x)}[\log p(x|z)] - \beta D_{KL}(q(z|x)\|p(z)) $$ - **模型评价**：相比传统FactorVAE，在因子稳定性和环境适应性上有显著提升 量化因子与构建方式 1. **因子名称**：3个月盈利上下调 - **构建思路**：反映分析师对盈利预期的调整方向与幅度[6][22] - **具体构建**： $$ \text{因子值} = \frac{\text{上调家数} - \text{下调家数}}{\text{覆盖机构总数}} \times \text{调整幅度标准化值} $$ 其中调整幅度使用过去3个月EPS预测变化率的Z-score 2. **因子名称**：UMR（风险调整后动量） - **构建思路**：结合动量效应与波动率调整[19] - **具体构建**： - 计算窗口期（1/3/6/12个月）收益率 - 除以同期波动率： $$ \text{UMR} = \frac{r_t}{\sigma_t} \times \sqrt{T} $$ $T$为时间周期调整系数 3. **因子名称**：DELTAROA - **构建思路**：捕捉资产收益率边际变化[22][29] - **具体构建**： $$ \text{DELTAROA} = \frac{\text{本期ROA} - \text{去年同期ROA}}{\text{资产规模}} $$ 4. **因子名称**：特异度（IVR_1M） - **构建思路**：衡量个股收益脱离市场共同因素的程度[19] - **具体构建**： $$ \text{IVR} = 1 - R^2_{\text{FF3}} $$ 其中$R^2_{\text{FF3}}$为Fama-French三因子模型拟合度 因子回测效果 沪深300样本空间 1. **3个月盈利上下调**： - 最近一周：0.76% - 近一年年化：5.38% - IR：0.84[22] 2. **六个月UMR**： - 最近一月：1.56% - 历史年化：5.37% - 最大回撤：3.2%[22] 中证500样本空间 1. **一个月UMR**： - 最近一周：1.16% - 今年以来：2.37% - 近十年趋势：5.61%[25] 2. **特异度**： - 最近一月：-1.73% - 信息比率：0.48[25] 中证1000样本空间 1. **一个月换手**： - 最近一周：1.89% - 近一年年化：13.64% - 胜率：68%[32] 2. **标准化预期外收入**： - 最近一月：1.20% - 历史年化：5.70%[32] 模型回测效果 1. **DFQ-FactorVAE-pro**： - 中证800增强年化超额：7.2% - 最大回撤：4.5% - 月度胜率：73%[5] 组合构建方法 1. **MFE组合优化模型**： - 目标函数：最大化因子暴露$f^Tw$ - 关键约束： - 风格暴露$s_l \leq X(w-w_b) \leq s_h$ - 行业中性$h_l \leq H(w-w_b) \leq h_h$ - 换手率$\Sigma|w-w_0| \leq to_h$[56] - 优化方法：线性规划求解