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]

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：TV-AR模型（时变预测模型系统）** - **构建思路**：通过联合线性控制函数检测预测变量参数的不稳定性，提升预测效率[16] - **具体构建过程**： 1. 采用时变自回归（TV-AR）框架动态调整参数 2. 引入线性控制函数校正样本外预测偏差 3. 蒙特卡洛模拟验证有限样本有效性，检测超50%变量存在参数不稳定现象 - **模型评价**：显著提升预测效用增益，适用于非平稳金融时间序列 2. **模型名称：高频贝塔估计技术** - **构建思路**：基于傅里叶估计方法解决粗糙波动与异步交易噪声问题[14] - **具体构建过程**： 1. 采用傅里叶变换重构资产价格路径 2. 设计抗噪声的协方差矩阵估计量： $$\hat{\beta}_{t} = \frac{\int_{0}^{t} \mathcal{F}(d\log p_{1})(s)\overline{\mathcal{F}(d\log p_{2})(s)}ds}{\int_{0}^{t} |\mathcal{F}(d\log p_{2})(s)|^{2}ds}$$ 其中$\mathcal{F}$表示傅里叶变换算子 3. 通过高频数据验证日内贝塔离散度与流动性关联性 - **模型评价**：在微观结构噪声环境下保持估计鲁棒性 3. **模型名称：高维因子择时框架** - **构建思路**：结合宏观变量与因子特性利差实现多因子动态配置[16] - **具体构建过程**： 1. 构建因子特性矩阵（包括多空端价差、动量延续性等） 2. 设计收缩惩罚函数控制过拟合风险： $$\min_{\theta} \|R-X\theta\|^{2} + \lambda \sum_{j=1}^{p} \frac{|\theta_{j}|}{1+|\theta_{j}|}$$ 3. 通过滚动窗口优化实现因子权重动态调整 - **模型评价**：在大市值因子择时中表现突出 4. **模型名称：长记忆随机区间模型(LMSR)** - **构建思路**：基于Parkinson波动率捕捉金融时间序列持续特性[40] - **具体构建过程**： 1. 构建区间波动率测度： $$RV_{t} = \frac{1}{4\ln 2}(h_{t}-l_{t})^{2}$$ 2. 引入分整差分算子$(1-L)^{d}$刻画长记忆性 3. 采用Whittle近似估计进行参数校准 - **模型评价**：样本外预测损失降低38% 量化因子与构建方式 1. **因子名称：无形资产投资因子** - **构建思路**：替代传统MTB比率与盈利能力因子[11] - **具体构建过程**： 1. 计算企业研发支出与无形资产摊销占比 2. 构建正交化组合： $$INTANG = \frac{RD+IA}{TA} - \beta_{1}HML - \beta_{2}RMW$$ 其中TA为总资产 3. 按行业调整后分组构建多空组合 - **因子评价**：1993年后预测力显著超越传统价值因子 2. **因子名称：债券评级联动因子** - **构建思路**：捕捉股债市场分割导致的套利机会[14] - **具体构建过程**： 1. 计算股票与同发行人债券评级变动相关性 2. 构建配对交易组合：做空评级下调股票/做空评级上调股票 3. 控制行业与规模风险暴露 - **因子评价**：未被现有经济关联因子解释 3. **因子名称：僵尸企业调整动量因子** - **构建思路**：剔除信贷扭曲企业提升动量效应[14] - **具体构建过程**： 1. 识别僵尸企业（连续3年利息覆盖率<1且负债增长） 2. 在传统11-1月动量策略中剔除该类企业 3. 优化组合权重函数： $$w_{i} = \frac{1}{\sigma_{i}}(1-D_{i}^{zombie})$$ 其中$D_{i}^{zombie}$为僵尸企业虚拟变量 - **因子评价**：日本市场夏普比率提升3倍 4. **因子名称：员工前瞻性预期因子** - **构建思路**：捕捉劳动力市场未公开信息[11] - **具体构建过程**： 1. 构建员工满意度调查中的未来预期指数 2. 计算行业调整后的异常预期值 3. 采用Fama-MacBeth回归验证预测力衰减模式 - **因子评价**：信号受套利行为影响快速衰减 模型回测效果 1. **TV-AR模型** - 样本外预测效用增益：+22%[16] - 参数不稳定变量检出率：51.3%[16] 2. **高频贝塔模型** - 日内贝塔离散度与流动性相关系数：0.67[14] 3. **高维因子择时框架** - 大市值因子择时IR：1.82[16] 4. **LMSR波动率模型** - 样本外预测损失降幅：38%[40] 因子回测效果 1. **无形资产投资因子** - 月均超额收益：42bps[11] - 信息比率(IR)：0.93[11] 2. **债券评级联动因子** - 月均超额收益：0.45%[14] - 最大回撤：8.7%[14] 3. **僵尸调整动量因子** - 超额收益提升幅度：+300%[14] - 夏普比率：1.52 vs 原策略0.49[14] 4. **员工预期因子** - 年化异常收益：8-11%[11] - 信号半衰期：4.2个月[11]

研究文献概况 - 本月新增量化金融相关研究文献 80 篇，涵盖权益、基金、债券等多个领域[1] 权益类研究（非 ESG） - 无形资产因子及内在价值模型解决传统因子失效问题，后者月均超额收益 56bps[10] - 僵尸企业调整使日本动量策略超额收益与夏普比率提升 3 倍[12] - 102 个异象双重排序实现年化夏普比率 2[15] 固收类研究 - 高频在线通胀率预测收益率曲线斜率因子贡献率 61%[22] - 气候灾害后绿色债券溢价 5 个月内消退，量化宽松使企业疫情期降级率↑37%[24] - 发行人不赎回盈利性可赎回债券引致 40bps 价格跳跃[26] 基金研究 - 高技能基金流动性选择策略驱动超额收益，美国公共养老基金跑输基准 7 个百分点[28] - 新型时间序列估计量均方误差↓37%，收购经理技能被低估 29%[31] 资产配置研究 - 整体投资组合方法取代传统战略配置，货币系统化管理整合四类风格溢价[32] - 波动率关联性约束使组合危机期绩效↑23%，波动率择时增强指数策略风险调整收益↑19%[33][37] 机器学习研究 - 机器学习期权定价经济价值高于传统模型，GraphSAGE 模型提升信用风险预测精度 19%[38] - 长记忆随机区间模型样本外预测损失↓38%[38] 行业与风格研究 - 行业失配企业导致自身及行业异常应计额膨胀，中断应计模型有效性[41] 权益 - ESG 类研究 - 家族企业抑制绿色创新资源压力↑86%，供应链客户促进创新地理距离↓10%效应↑23%[42] - ESG 百分位归一化虚增头部评分贡献率<45%，披露与分析师预测精度呈 U 型关系[42] - 气候风险促慈善捐赠↑24%，污染资产免责改革降排放↓28%，强制 CSR 披露提专利质量↑35%[45]

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. **扩散指数模型** - **构建思路**：通过监测微盘股指数成分股的价格涨跌扩散情况，预测未来变盘临界点[6][43] - **具体构建**： - 横轴为未来N天股价涨跌幅（1.1至0.9代表±10%），纵轴为回顾窗口期长度T（20至10天） - 计算扩散指数值：例如横轴0.95与纵轴15天对应值0.16，表示未来5天若成分股均跌5%，扩散指数为0.16[43] - 动态更新成分股，指数天然有下行趋势[43] - **评价**：用于捕捉市场情绪转折点，但对成分股变动敏感 2. **小市值低波50策略** - **构建思路**：在微盘股成分股中筛选小市值且低波动的50只股票，双周调仓[40][41] - **具体构建**： - 选股标准：总市值≤20亿元（如茂化实华19.5亿元、浙江力诺19.32亿元），结合历史波动率排序[41] - 费用：双边千三交易成本，基准为万得微盘股指数[40] - **评价**：兼顾流动性与风险控制，但超额收益受市场风格影响较大 3. **日历效应模型** - **构建思路**：分析微盘股指数在不同时间维度的收益规律[7][22][56] - **具体构建**： - **日度效应**：2024-2025年期间，星期二、四绝对收益为正（0.4%-0.8%），星期一为负（-0.2%）[56][58] - **月度效应**：2月胜率84%（历史平均收益7.22%），3月超额收益胜率90%[7][60][63] --- 量化因子与构建方式 1. **杠杆因子** - **构建思路**：衡量公司财务杠杆水平对收益的影响[5][38] - **具体构建**：RankIC本周0.143（历史平均-0.006），公式为： $$ \text{杠杆因子} = \frac{\text{总负债}}{\text{总资产}} $$ - **评价**：短期有效性显著，但长期稳定性不足 2. **成交额因子** - **构建思路**：捕捉流动性对微盘股收益的贡献[5][38] - **具体构建**：RankIC本周0.051（历史平均-0.08），标准化成交额排名 - **评价**：与市场活跃度正相关，但易受极端值干扰 3. **PB倒数因子** - **构建思路**：低估值策略在微盘股中的表现[5][38] - **具体构建**：RankIC本周0.042（历史平均0.034），公式为： $$ \text{PB倒数因子} = \frac{1}{\text{市净率}} $$ 4. **非线性市值因子** - **构建思路**：控制市值对收益的非线性影响[5][38] - **具体构建**：RankIC本周-0.116（历史平均-0.033），采用分段回归法 --- 模型回测效果 | 模型/策略 | 年化收益 | 超额收益 | IR | 最大回撤 | |---------------------|----------|----------|-------|----------| | 小市值低波50策略 | 42.78% | 0.22% | 1.2 | -12.5% | [40][42] | 扩散指数首次阈值法 | - | - | - | - | [47] | 扩散指数双均线法 | - | - | - | - | [52][53] --- 因子回测效果 | 因子名称 | 本周RankIC | 历史平均RankIC | |--------------------|------------|----------------| | 杠杆因子 | 0.143 | -0.006 | [5][38] | 未复权股价因子 | -0.190 | -0.017 | [5][38] | PE_TTM倒数因子 | -0.143 | 0.018 | [5][38] --- 注：部分模型（如扩散指数法）未披露具体回测数值，仅提供信号触发时点[46][51]

报告核心观点 - 报告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价值风格，2013 年至今该模型策略年化收益率 26.61%，夏普比率 0.98 [1][4] 各部分总结 前言 - 报告创新性提出基于赔率和胜率的投资期望结合方式，后续将持续在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，风格收益周度换仓计算 [8] - 上周全市场成长风格组合收益 1.22%，价值风格组合收益 1.26% [1][8] 赔率 - 赔率指亏损为 1 时盈利的数值，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] - 关注市场风格相对估值水平，用估值差的历史分位数法刻画并修正，计算风格暴露前 20%和后 20%股票组合账面市值比平均数之差为初始估值差，除以全市场估值平均数，再计算其历史排位次序百分比 [11] - 根据最新估值差分位数，当下成长风格赔率估计为 1.10，价值风格赔率估计为 1.07 [2][14] 胜率 - 梳理五个宏观指标和三个微观指标判断胜率，包括十年中债国债到期收益率、美国 6 个月国债收益率、PMI 等 [16] - 七个胜率指标中 4 个指向成长，3 个指向价值，当下成长风格胜率为 46.13%，价值风格胜率为 53.87% [16] 投资期望及策略收益 - 根据公式投资期望=胜率*赔率-（1 - 胜率），计算得成长风格投资期望为 -0.35，价值风格投资期望为 0.43，推荐价值风格 [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 26.61%，夏普比率 0.98，总收益 1772.43%，年化波动 27.14%，最大回撤 50.48% [4][19]

量化因子与构建方式 1. **因子名称**：盈利预期期限结构因子 - **构建思路**：通过分析分析师对上市公司未来多年盈利预测的趋势（向上倾斜、水平、向下倾斜），用斜率度量盈利预期期限结构，反映分析师的乐观、中性或悲观预期[7] - **具体构建过程**： 1. 以未来年度为X轴，盈利预测数据为Y轴，拟合线性趋势 2. 计算斜率： $$ \text{斜率} = \frac{\sum_{t=1}^{n}(x_t - \bar{x})(y_t - \bar{y})}{\sum_{t=1}^{n}(x_t - \bar{x})^2} $$ 其中 \( x_t \) 为年度变量，\( y_t \) 为对应盈利预测值，\( \bar{x} \) 和 \( \bar{y} \) 为均值[7] - **因子评价**：历史表现良好，走势稳定性高[9] 2. **因子名称**：合成动量 ff 因子 - **构建思路**：将盈利预期期限结构"动量 ff"因子与传统分析师预期调升因子（如一致预期净利润3个月变化率）合成，以兼顾收益与稳定性[11] - **具体构建过程**： 1. 标准化处理两个因子的数值 2. 加权合成： $$ \text{合成动量 ff} = w_1 \cdot \text{动量 ff} + w_2 \cdot \text{调升因子} $$ 权重 \( w_1 \) 和 \( w_2 \) 根据历史表现优化确定[11] - **因子评价**：合成后因子走势改善，兼具高收益与稳定性[11] --- 因子的回测效果 1. **盈利预期期限结构因子**： - 累计IC表现见图1[8] 2. **合成动量 ff 因子**： - 累计IC表现见图2[13] --- 选股组合表现 1. **沪深300选股组合**： - 2025年5月超额收益：-0.15% - 2025年前5个月超额收益：1.09%[14] 2. **中证500选股组合**： - 2025年5月超额收益：0.57% - 2025年前5个月超额收益：1.33%[14] 3. **中证800选股组合**： - 2025年5月超额收益：-0.32% - 2025年前5个月超额收益：1.79%[14] 4. **中证1000选股组合**： - 2025年5月超额收益：-0.32% - 2025年前5个月超额收益：2.29%[14] （注：组合构建方法为选取对应指数内"合成动量 ff"因子排名前50/100的股票[14]）