根据提供的研报内容，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：全天候定量择时模型** - **模型构建思路**：通过多维度市场信号（如技术指标、市场情绪等）动态识别市场风险与机会[7] - **模型具体构建过程**： 1. 结合日线级别顶背离、TD9计数等传统技术指标判断趋势转折点[7] 2. 引入箱体震荡中枢（3300-3350点）作为成本参考基准[7] 3. 通过0.382时间回调比例特征预测调整周期（如3周）[7] 4. 输出信号包括“风险提示”和“赚钱效应异动”两类[16] - **模型评价**：能够捕捉市场关键转折点，但对意外因素（如政策变化）的敏感性不足[7][16] 2. **模型名称：四轮驱动模型** - **模型构建思路**：基于行业动量、趋势强度、温度指标等维度筛选板块机会[16] - **模型具体构建过程**： 1. **动量指标**：计算相对强度RS6（6日相对收益） $$RS6 = \frac{P_t}{P_{t-6}} - 1$$ 2. **趋势指标**：TendS综合得分（含波动率、斜率等4项子指标）[16] 3. **温度指标**：Newhigh（创新高个股占比）与Tempe（板块过热/过冷阈值）[16] 4. 信号触发条件：如传媒行业需同时满足RS6>0.5、Tempe>50等[16] 3. **模型名称：行业性价比分析模型** - **模型构建思路**：通过横向对比行业估值与历史分位数定位性价比[12] - **模型具体构建过程**：未披露具体公式，但提及对科技型板块的底部入场机会判断[8][12] --- 模型的回测效果 1. **全天候定量择时模型** - 风险提示信号准确率：未披露具体数值，但提及对4月初趋势调整的预判有效性[7] - 信号响应延迟：从触发到市场实际调整约1-3个交易日[16] 2. **四轮驱动模型** - 传媒行业信号区间收益：0.69%（2025-06-05至2025-06-13）[16] - 电子行业信号区间收益：-1.98%（同期）[16] - 非银金融信号区间收益：0.31%（未到期）[16] --- 量化因子与构建方式 1. **因子名称：TD9计数因子** - **因子构建思路**：通过连续9日收盘价与4日前收盘价对比判断超买/超卖[7] - **因子具体构建过程**：未披露具体公式，但提及用于日线级别顶背离确认[7] 2. **因子名称：赚钱效应异动因子** - **因子构建思路**：综合动量、趋势、温度指标捕捉板块资金流入[16] - **因子具体构建过程**： - 动量子因子MomU：短期（U）动量变化率阈值（如0.09→0.14）[16] - 趋势子因子TendS：包含波动率、斜率等4项加权得分[16] --- 因子的回测效果 1. **TD9计数因子** - 日线级别顶背离预测调整成功率：未披露具体数值[7] 2. **赚钱效应异动因子** - 传媒行业信号触发后5日胜率：58.3%（历史回测）[16] - 电子行业信号触发后5日胜率：42.1%（历史回测）[16] --- 注：部分模型（如缠论分析、周期分析）因未披露具体构建细节未列入[11][9]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称：分红预测模型** - **模型构建思路**：基于上市公司分红信息（年报、快报、预警、分析师预测等）预测指数成分股分红对股指期货合约的影响[7][19][22] - **模型具体构建过程**： 1. **预估净利润**：按优先级采用年报>快报>预警>TTM净利润>分析师预测[22][23] 2. **计算税前分红总额**： - 已公布预案的直接采用 - 未公布预案的沿用历史分红率（若去年分红率>0） - 净利润为负则设分红率为0[26] 3. **计算指数影响**： $$股息点 = 股票权重 \times \left(\frac{税后分红总额}{最新市值}\right)$$ 权重动态调整公式： $$\mathrm{w_{it}={\frac{w_{i0}\times\mathrm{\scriptsize{\boldmath~(~1+R~)}~}}{\sum_{1}^{n}w_{i0}\times\mathrm{\scriptsize{\boldmath~(~1+R~)}~}}}}$$[24] 4. **预测合约影响值**： - 除权除息日预测：已公布的直接采用，未公布的参考历史时间差中位数[27][28] - 累加交割日前所有分红点数[28] - **模型评价**：需依赖历史分红率假设，市场突变时预测可能偏差[4][31] 2. **模型名称：股指期货定价模型** - **模型构建思路**：基于无套利原理计算含分红影响的期货理论价格[31][32] - **模型具体构建过程**： - **离散红利情况**： $$F_t = (S_t - D)(1 + r)$$ $$D = \sum_{i=1}^{m} D_i / (1 + \phi)$$ （D为红利现值，r为无风险利率）[31] - **连续红利情况**： $$F_t = S_t e^{(r - d)(T - t)}$$ （d为年化红利率）[32] --- 量化因子与构建方式 1. **因子名称：分红点数因子** - **因子构建思路**：量化分红对期货合约基差的直接影响[7][10][11][12][13] - **因子具体构建过程**： - 计算合约实际价差与含分红价差： $$含分红价差 = 实际价差 + 分红点数$$ - 年化对冲成本计算（剔除分红）： $$年化成本 = \left(\frac{实际价差}{收盘价}\right) \times \left(\frac{365}{合约剩余天数}\right)$$[10][11][12][13] 2. **因子名称：分红剩余影响因子** - **因子构建思路**：衡量分红对合约价格的未兑现影响比例[10][14] - **因子具体构建过程**： $$剩余影响比例 = \frac{分红点数}{收盘价} \times 100\%$$[10][14] --- 模型回测效果 1. **分红预测模型** - 上证50 6月合约分红点数预测：3.70点[7][10] - 沪深300 6月合约分红点数预测：4.71点[7][11] - 中证500 6月合约分红点数预测：10.68点[7][12] - 中证1000 6月合约分红点数预测：10.32点[7][13] 2. **股指期货定价模型** - 上证50 IH2506合约理论价差：-7.53点（实际-11.23点）[10] - 沪深300 IF2506合约理论价差：-3.07点（实际-7.78点）[11] --- 因子回测效果 1. **分红点数因子** - IH2507合约：分红点数46.89点，含分红价差-3.55点[10] - IC2509合约：分红点数41.13点，含分红价差-157.11点[12] 2. **分红剩余影响因子** - 上证50 6月合约剩余影响：0.14%[10][14] - 中证1000 6月合约剩余影响：0.17%[13][14] 3. **年化对冲成本（剔除分红）** - IH2506：14.67%（365天）[10] - IM2507：15.48%（365天）[13]

根据研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称**：最优因子择时投资组合模型 **模型构建思路**：通过整合大量因子与预测变量构建择时策略，利用收缩技术防止过拟合[3] **模型具体构建过程**： - 使用Ledoit-Wolf协方差矩阵收缩估计量，计算最优收缩强度[25] - 采用Kozak-Nagel-Santosh收缩方法变体估计权重，公式为： $$\hat{W}_{t}=\left(\hat{\Sigma}_{t}+\hat{\overline{t}}_{t}\left[\begin{array}{cc}0&0\\ 0&\hat{D}_{t}\end{array}\right]\right)^{-1}\hat{\mu}_{t}$$ 其中前K个元素为原始因子平均收益，剩余为因子-预测变量组合收益[27] - 权重重新缩放使原始因子绝对权重之和为1[30] **模型评价**：收缩机制有效避免高维环境下的虚假择时信号[2] 2. **因子名称**：因子择时投资组合因子 **因子构建思路**：将因子收益与滞后预测变量交互形成择时信号[19] **因子具体构建过程**： - 定义标准化预测变量$X_{t-1}$和因子收益$F_t$ - 构建叉积因子：$$G_{t}=X_{t-1}F_{t}$$ 当$X_{t-1}$为正时做多因子，为负时做空[19] - 期望收益取决于预测变量与因子收益的协方差：$$E\left[G_{t}\right]=\mathrm{Cov}\left(X_{t-1},F_{t}\right)$$[21] **因子评价**：将时间序列预测转化为横截面组合优化问题[23] 模型的回测效果 1. **Fama-French因子择时模型**： - 年化收益4.71%，波动率5.81%，夏普比率0.81[40] - 评估比率0.79，最差12月收益-5.62%[41] - 60个月滚动夏普比率持续优于静态组合[46] 2. **Jensen因子择时模型（小预测集）**： - 年化收益2.97%，波动率2.01%，夏普比率1.48[64] - 扣除交易成本后夏普比率1.35[78] 3. **Jensen因子择时模型（大预测集）**： - 年化收益2.73%，波动率1.91%，夏普比率1.43[71] - 无收缩时夏普比率降至0.81[71] 量化因子与构建方式 1. **宏观预测因子**： - 包含实际1年期收益率、收益率曲线斜率(5y-1y)、Baa级债券与国债利差等6个变量[38] - 标准化为z值后与因子收益交互[36] 2. **因子特定预测因子**： - 基础变量：3个月收益、12个月收益、3个月日波动率[38] - 特征价差：B/M价差、资产增长价差、盈利能力价差[38] - 对Jensen因子集扩展至128个特征价差[38] 因子的回测效果 1. **收益率曲线斜率交互因子**： - 在Fama-French组合中权重排名第一[52] - 与盈利能力因子组合贡献显著超额收益[52] 2. **3个月市场收益交互因子**： - 与规模因子组合权重排名第二[52] - 捕捉市场动量对规模因子的预测效果[52] 3. **盈利能力价差因子**： - 在Jensen因子集中出现频率最高[68] - 与宏观变量组合形成稳定择时信号[68] 注：所有结果均基于1965-2022年月度数据，采用滚动窗口验证方法[31][32]

报告核心观点 - 上周A股市场主要指数多数上涨，两融余额小幅上升，电子等行业融资净买入额较多，综合等行业融券净卖出额较多；国内工程机械仍处更新周期，城市更新行动有望带动工程需求提升，维持机械设备行业“看好”评级及部分公司“增持”评级 [2][3][8] 金融工程研究 市场概况 - 上周（6月4日 - 6月10日）A股市场主要指数多数上涨，创业板指涨幅最大为1.73%，上证50跌幅最大为0.41%，上证综指、深证成指等也有不同涨幅 [2] - 6月10日，沪深两市两融余额为18114.59亿元，较上周增加123.64亿元，融资余额和融券余额均有增加，每日平均参与融资融券交易的投资者数量较前一周增加15.88% [2] - 上周电子、计算机和机械设备行业融资净买入额较多，食品饮料等行业较少；融资买入额占成交额比例较高的是非银金融等行业，较低的是综合等行业；综合、石油石化和社会服务行业融券净卖出额较多，医药生物等行业较少 [3] 标的券情况 - 6月10日，市场ETF融资余额为932.20亿元，较上周减少12.42亿元，融券余额为55.46亿元，较上周增加3.68亿元 [3] - 融资净买入额排名前五的ETF为广发中证香港创新药（QDII - ETF）等；个股融资净买入额前五名为江淮汽车等，个股融券净卖出额前五名为小商品城等 [3] 行业研究 行业要闻 - 5月挖掘机销量为1.82万台，同比增长2.12%；装载机销量为1.05万台，同比增长7.24%；工程机械主要产品月平均工作时长为84.5小时，同比下降3.86% [5] 公司公告 - 浙江力诺拟收购徐州化工机械有限公司100%股权；莱赛激光拟将募投项目达到预定可使用状态日期调整至2026年8月1日 [6] 周行情回顾 - 2025年6月4日至6月10日，沪深300指数上涨0.35%，申万机械设备行业上涨0.73%，跑赢沪深300指数0.38个百分点，在申万所有一级行业中位于第18位 [6] 估值情况 - 截至2025年6月10日，申万机械设备行业市盈率（TTM，整体法，剔除负值）为26.18倍，相对沪深300的估值溢价率为117.57% [8] 本周观点 - 2025年1 - 5月挖掘机累计销量10.17万台，同比增长17.40%，国内市场累计销量同比增长25.70%，内销延续高景气；4月平地机等非挖产品销量同比增长，非挖需求景气上行 [8] - 5月工程机械主要产品月开工率为59.5%，环比下降2.45pct；国内工程机械仍处更新周期，城市更新有望带动工程需求稳步提升 [8] - 维持行业“看好”评级，维持对三一重工、中联重科、恒立液压、中国中车“增持”评级 [8]

通信行业 - 博通CPO取得积极进展，5月推出单通道200G的CPO产品系列，6月交付支持CPO版本的Tomahawk 6交换芯片，预计科技巨头将推动CPO技术落地和产业链生态成熟 [2] - 看好CPO产业发展前景，推荐太辰光、天孚通信，建议关注中际旭创、新易盛、华工科技 [2] 多元金融行业 - 5月ETF市场总资产规模环比增长1.6%，股票ETF规模环比提升0.9%，债券型基金资产净值达2841亿元、环比增长15%，规模占比环比提升0.8pct至6.9%，龙头集中度环比小幅下滑，前3名地位稳固，5月新发产品较为分散、规模环比下滑 [3] - 《推动公募基金高质量发展行动方案》落地，股票ETF有望迎来快速发展机遇 [3] 银行/证券行业 - 2025年5月全市场发行理财产品5400份，环比-9.8%；公募基金新发份额环比减少，5月发行641亿份，月环比-31%；ETF资产净值持续提升，基准做市信用债ETF贡献核心增量 [3] - 推荐零售及财富管理标杆招行（AH）、财富管理战略地位提升的宁波银行，券商推荐大财富管理产业链具备较强优势的广发证券、东方证券 [3] 电子行业 - 运动相机和全景相机正从极限运动玩家的小众影像设备“破圈”成为大众创意生产力工具，行业处在快速增长阶段，影石创新（待上市）、GoPro、大疆是三大核心玩家 [4] - “全能型”个人影像设备或是发展方向，行业竞争核心正从硬件参数向AI、软件生态、差异化创新能力等多维度转变 [4] 金融工程行业 - 基于开源大模型Qwen3 - 8b增强BERT - FADT策略，构建LLM - FADT策略，增强后策略效果显著优于增强前 [6] - LLM - FADT Top25沪深300指增组合年化超额收益率为12.16%，LLM - FADT医药行业增强组合年化超额收益率为18.53%（回测区间均为20170126 - 20250530） [6] - 行业配置高度稳定、长期稳定在大盘价值风格的基金跑赢基准的平均概率较高，细分行业差异较大的医药主题基金跑赢基准的平均概率更高，消费和TMT主题基金跑赢基准的平均概率更低 [8] 固定收益行业 - 下半年利率或延续震荡市格局，信用债供需关系略好，中短端需求好于长端，供给以央国企产业、国股行二永债为主，关注科创债扩容、城投转型等机会 [9] - 化债下信用风险可控，信用利差仍有下行机会但空间或不大且波动较多，建议以震荡思路应对，票息策略+波段操作>品种选择>信用拉久期>杠杆，关注城投、二永、地产板块，高等级二永债尝试波段增厚收益 [9] 科技/计算机行业 - 2025年中期策略会显示AI算力保持积极向上趋势，推理端与训练端共同推进算力需求；国内外Agent进展提速，业绩有望加速释放；Agent产品有望在特定场景率先落地 [10] 交通运输行业 - 5月客货两旺，6月看多航空，短期暑运旺季催化、油汇利好，中长期供给增速放缓推动供需改善；配置高股息港股公路，Hibor走低支撑红利估值，公路板块业绩稳健；关税缓和推升集运运价，但市场预期或已充分，板块波动率加大 [11] - 推荐中国国航AH/中国东航AH/华夏航空/中远海能H/皖通高速AH/浙江沪杭甬/粤高速A/港铁公司/顺丰控股AH [11] 评级变动 - 极米科技（688696）目标价150元，评级调整为买入（首次），2025 - 2027年EPS分别为5元、5.77元、6.39元 [15]

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：知情交易者活跃度指标** - **模型构建思路**：通过龙虎榜数据监测游资交易活跃程度，反映市场风险偏好变化[3][13] - **模型具体构建过程**：基于龙虎榜买卖方席位数据计算资金净流向，结合滚动窗口标准化处理，公式为： $$ \text{活跃度} = \frac{\sum(\text{游资买入额} - \text{游资卖出额})}{\text{市场总成交额}} $$ - **模型评价**：对短期市场情绪敏感，但需结合其他指标验证信号有效性[15][17] 2. **模型名称：行业拥挤度预警模型** - **模型构建思路**：识别高交易拥挤行业以规避回调风险[12] - **模型具体构建过程**：综合行业换手率偏离度、融资买入占比及机构持仓分位数构建复合信号，阈值触发预警[12][19] --- 量化因子与构建方式 1. **因子名称：分析师预期修正因子** - **因子构建思路**：捕捉分析师一致预期上调带来的超额收益[18] - **因子具体构建过程**：计算申万行业未来12个月ROE及净利润增速的滚动环比变化，标准化后加权： $$ \text{预期修正得分} = w_1 \cdot \Delta \text{ROE} + w_2 \cdot \Delta \text{净利润增速} $$ - **因子评价**：在基本面驱动阶段有效性较高，但对政策敏感行业易滞后[18][19] 2. **因子名称：BARRA风格因子（盈利相关）** - **因子构建思路**：分离盈利质量、盈利能力等基本面风格收益[23][24] - **因子具体构建过程**：采用多变量回归法剥离市值和行业影响，保留纯因子收益[24] --- 模型的回测效果 1. **知情交易者活跃度指标**： - 本周信号分化时胜率58%，近一季IR 0.85[15][17] 2. **行业拥挤度预警模型**： - 触发预警行业后续20日平均超额收益-3.2%，胜率62%[12][19] 因子的回测效果 1. **分析师预期修正因子**： - 本周轻工制造行业因子值0.63（净利润增速），近一季IC 0.12[18][19] 2. **BARRA盈利因子**： - 本周盈利能力因子收益0.3%，近一季年化波动率4.8%[23][24] 注：部分模型（如价格分段体系）因缺乏构建细节未纳入[14][16]

报告核心观点 - 提出基于赔率和胜率的投资期望结合方式，为价值成长风格切换问题提供定量模型解决方案，最新一期风格轮动模型推荐成长风格，2013 年至今该模型策略年化收益率 27.12%，夏普比率 0.99 [1][4] 前言 - 创新性提出基于赔率和胜率的投资期望结合方式应对价值成长风格切换问题，后续将持续样本外跟踪并定期汇报 [1][8] - 借用个股因子合成刻画成长和价值风格，价值用账面市值比、净利润市值比，成长用最近一期单季度净利润同比增速等，对因子做市值中性化和标准化处理后等权复合，选风格暴露前 20%个股为代表组合，周度换仓测算收益 [8] - 上周全市场成长风格组合收益 3.01%，价值风格组合收益 1.05% [8] 赔率 赔率的定义 - 赔率最早用于衡量博彩赔付比例，一段收益率序列的赔率等于平均正收益/平均负收益的绝对值 [9] 估值的定义 - 关注市场风格相对估值水平，采用估值差的历史分位数法刻画并基于市场估值水平修正，先算风格暴露前后 20%股票组合账面市值比平均数之差为初始估值差，再除以全市场估值平均数，最后算其在历史上的排位次序百分比 [11] 最新赔率结果 - 市场风格相对估值水平与预期赔率负相关，根据最新估值差分位数，当下成长风格赔率估计为 1.10，价值风格为 1.08 [2][14] 胜率 - 梳理五个宏观指标和三个微观指标判断胜率，当前七个胜率指标中 4 个指向成长，3 个指向价值，成长风格胜率为 58.26%，价值风格为 41.74% [3][16] 投资期望及策略收益 - 根据公式计算，成长风格投资期望为 0.22，价值风格为 -0.13，最新一期风格轮动模型推荐成长风格 [4][18] - 2013 年至今，基于投资期望的风格轮动模型策略年化收益率 27.12%，夏普比率 0.99 [4][19]

量化模型与因子分析总结 量化模型与构建方式 1. **模型名称：分红预测模型** - **模型构建思路**：基于上市公司分红信息（已实施、股东大会通过、董事会预案等）和合理假设，预测分红对股指期货各合约的影响[8][10] - **模型具体构建过程**： 1. **预估成分股净利润**：优先采用年报、快报、预警、分析师预测等数据源，按优先级顺序填补未公布数据[23][28] 2. **计算税前分红总额**： - 已公布分红预案的直接采用 - 未公布的按历史分红率推算（若去年分红率>0） - 净利润为负或历史不分红的公司设分红率为0[28] 3. **计算分红对指数的影响**： - 股息率=税后分红总额/最新市值 - 单股票影响=股票权重×股息率 - 权重动态调整公式： $$\mathrm{w_{it}={\frac{w_{i0}\times\mathrm{\scriptsize{\boldmath~(~1+R~)}~}}{\sum_{1}^{n}w_{i0}\times\mathrm{\scriptsize{\boldmath~(~1+R~)}~}}}}$$ （其中$w_{i0}$为基准日权重，$R$为涨跌幅）[26] 4. **预测合约影响值**： - 除权除息日预测：已公布的直接采用，未公布的参考历史分红时间差中位数[29][30] - 累加交割日前所有分红点数为最终影响值[30] - **模型评价**：依赖历史分红率假设，对市场突变敏感[5][32] 2. **模型名称：股指期货定价模型** - **模型构建思路**：基于无套利原理，考虑分红现值和利率影响[32][33] - **模型具体构建过程**： - **离散红利定价公式**： $$\mathbf{D}=\sum_{\mathrm{i=1}}^{\mathrm{m}}\mathbf{D}_{\mathrm{i}}\,/(1+\phi)$$ $$F_t=(S_t-D)(1+r)$$ （$D$为红利现值，$r$为无风险利率）[32] - **连续红利定价公式**： $$F_t=S_t e^{(r-d)(T-t)}$$ （$d$为年化红利率）[33] 模型回测效果 1. **分红预测模型** - **上证50期货**： - IH2506合约：分红点数12.10，年化对冲成本（365天）3.05%[12] - IH2507合约：分红点数49.96，年化对冲成本-1.26%[12] - **沪深300期货**： - IF2506合约：分红点数16.30，年化对冲成本1.54%[13] - IF2509合约：分红点数61.62，年化对冲成本2.60%[13] - **中证500期货**： - IC2506合约：分红点数18.75，年化对冲成本8.11%[14] - IC2512合约：分红点数52.37，年化对冲成本9.76%[14] - **中证1000期货**： - IM2506合约：分红点数17.78，年化对冲成本14.77%[15] - IM2512合约：分红点数38.99，年化对冲成本13.71%[15] 2. **股指期货定价模型** - 理论价差与实际价差对比显示，IH2506合约含分红价差为-3.15点（实际价差-15.25点）[12]，IF2506含分红价差-2.28点（实际价差-18.58点）[13]，验证模型对分红影响的修正效果 关键指标汇总 | 指标 | IH2506 | IF2506 | IC2506 | IM2506 | |---------------------|--------|--------|--------|--------| | 分红点数 | 12.10 | 16.30 | 18.75 | 17.78 | | 年化对冲成本（365天）| 3.05% | 1.54% | 8.11% | 14.77% | | 剩余影响比例 | 0.45% | 0.42% | 0.33% | 0.29% |[12][13][14][15][16]

量化因子与构建方式 1. **因子名称**：新价量相关性RPV因子 - **构建思路**：通过划分价量四象限，利用月度IC均值甄别价量相关性因子的反转效应和动量效应，结合日内与隔夜信息叠加，以相关性形式加入成交量信息[6] - **具体构建过程**： 1. 日内价量相关性：使用CCOIV（日内收盘价与成交量相关性）代表，增强反转效应 2. 隔夜价量相关性：使用COV（隔夜收益与昨日成交量相关性）代表，体现动量效应 3. 信息叠加：将两类相关性因子加权合成RPV因子，公式为加权线性组合（未给出具体权重）[6] - **因子评价**：因子在A股市场中表现稳健，兼具反转与动量特性[6] 2. **因子名称**：聪明版日频价量相关性SRV因子 - **构建思路**：改进RPV因子，通过拆分日内涨跌时段并识别"聪明"交易时段（知情交易集中时段），优化价量相关性计算[6] - **具体构建过程**： 1. 日内部分：将下午交易时段中"聪明"指标（分钟级指标）最大的20%时段（24分钟）作为知情交易时段，计算下午涨跌与"聪明"换手率的相关系数 2. 隔夜部分：将换手率替换为昨日最后半小时换手率（知情交易比例更高） 3. 合成：结合优化后的日内与隔夜价量相关性因子，生成SRV因子[6] - **因子评价**：相比RPV因子，SRV因子在信息比率、最大回撤等指标上表现更优[6] --- 因子的回测效果 1. **RPV因子**（2014/01-2025/05全市场测试）： - 年化收益率：14.69% - 年化波动率：7.75% - 信息比率（IR）：1.90 - 月度胜率：72.79% - 最大回撤：10.63%[7][10] 2. **SRV因子**（2014/01-2025/05全市场测试）： - 年化收益率：17.48% - 年化波动率：6.50% - 信息比率（IR）：2.69 - 月度胜率：75.74% - 最大回撤：3.74%[7][10] 3. **2025年5月单月表现**： - RPV因子：多头收益3.99%，空头收益5.73%，多空对冲收益-1.74% - SRV因子：多头收益3.59%，空头收益5.68%，多空对冲收益-2.09%[10] --- 补充说明 - RPV因子在2014/01-2023/08回测期内年化收益16.29%，IR 2.41[6] - SRV因子在同期的RankICIR为-4.26，年化收益18.91%，IR 3.07，最大回撤仅3.11%[6]

报告核心观点 - 报告尝试融合主观研判与量化分析视角构建风格轮动框架，基于五大维度构建核心风格轮动模型并考虑用于实际可投资组合，本次仅基于基本面维度展开成长价值风格轮动研究，该视角下策略相较均衡配置基准能获长期超额，但受指标传导路径和时滞影响表现有局限 [3] 回顾：风格指数构建与风格轮动框架 - 成长与价值风格指数构建逻辑相似，核心差异在于筛选成分股时分别用成长因子与价值因子排序，构建规则包括上市时间限制、剔除 ST 风险标的、基于风格因子分位数筛选成分股、采用类行业中性权重设置 [18] - 风格轮动框架预计基于资金流、宏观、基本面、情绪、机构五个维度构建核心模型，最终考虑用于实际可投资组合，本篇基于基本面维度展开成长价值风格轮动研究 [27] 基本面视角下看风格轮动 - 基本面视角考察权益市场综合数据，与上一篇报告的宏观数据不同，其与权益市场关联更直接，指标分为市场整体指标和风格差异指标，每个分类下又分成长性、盈利水平等指标，主要反映中长期趋势，多数指标用适中期限长短均线差值判别趋势变动 [30] 基本面因素分析 成长性 - 不同经济周期中，成长性指标对市场风格轮动传导路径不同，权益市场营收和净利润同比增速变动趋势相近，能同步或领先反映风格切换，为风格轮动预判提供观测窗口 [31] - 权益市场成长性综合指标上升时，对应经济环境改善或行业需求上升，此时成长股受关注；经济下行或停滞时，价值股表现更稳定 [33][36] - 成长性指标复合信号：当(全指)营收同比增速、(全指)净利润同比增速二者成长信号之和大于 1 时配置成长，否则配置价值，该复合信号能覆盖多数历史情况 [43][45] 盈利水平 - 盈利水平指标中 ROE 和毛利率作用层级与传导路径有差异，市场整体盈利水平上升时，投资者风险偏好提升，资金追逐成长股，强化成长股估值溢价，盈利水平与成长股相对价值表现正相关 [47] - 盈利水平指标复合信号：当(全指)净资产收益率、(全指)毛利率、(成长 - 价值)毛利率三者成长信号之和大于 1 时配置成长，否则配置价值 [56] 财务健康与偿债能力 - 该类指标关注资产负债率、流动比率等，衡量企业偿债能力，在成长与价值风格轮动中，资产负债率上升和流动比率下降阶段，成长标的可能表现较好 [57][61] - 财务健康与偿债能力指标复合信号：当(全指)资产负债率触发中期均线上穿长期均线，或(全指)流动比率触发中期均线上穿短期均线时为成长信号，否则配置价值 [65] 运营效率 - 运营效率指标多为周转率指标，周转率越高企业运转效率越高，投资者对成长股和价值股的周转率看法不同，成长股可牺牲短期效率换长期市占率，价值股运转效率是“估值锚” [67][73] - 运营效率指标复合信号：当(成长 - 价值)存货周转率、(成长 - 价值)应收账款周转率、(成长 - 价值)总资产周转率三者同时触发中期均线下穿短期均线时配置成长，否则配置价值 [80] 估值水平 - 常见估值指标有市盈率、市净率、市销率、市现率，从利润、资产、营收及现金流维度综合衡量企业估值 [83] - 市场整体估值上升时成长股占优，下降时价值股受青睐 [85] - 估值水平指标复合信号：当(全指)PB_LF、(成长 - 价值)PE_TTM、(成长 - 价值)PS_TTM 三者成长信号之和大于 1 时配置成长，否则配置价值 [91] 综合基本面信号 - 综合 5 类指标信号，当超过 2 类指标复合信号选择配置成长标的时，基本面视角综合信号建议配置成长标的，反之配置价值标的 [93] - 基于基本面视角，成长与价值风格轮动策略换手率低，倾向长期持有，相对基准超额长期提升且稳定，少见大回撤 [93] - 2005 年 1 月 1 日至 2025 年 4 月 29 日，策略平均月度胜率约 60.91%，平均年化收益约 15.26%，相较基准平均年化超额约 6.06%，除 2012 年外其余年度月胜率不低于 50% [10][97] 总结 - 基本面视角下成长价值风格轮动策略能获超额表现，但受指标传导路径和时滞影响，超额收益和胜率有限，较上一篇报告表现有提升，2005 年 1 月至 2025 年 4 月超额表现稳定，回撤控制好 [101] - 风格轮动整体模型需从资金流、情绪、机构等多维度进一步研究完善，目前宏观和基本面视角策略更倾向长期持有，换手低 [101]