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 27.18%，夏普比率 0.98 [1][4] 各部分总结 前言 - 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，周度换仓测算收益 [8] - 上周全市场成长风格组合收益 0.82%，价值风格组合收益 1.15% [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] - 采用估值差的历史分位数法刻画市场风格相对估值水平，经计算初始估值差、除以全市场估值平均数、计算历史排位次序百分比等步骤，且估值差历史分位数高代表相对低估值 [11][12][13] - 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 1.09，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，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 [18] - 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% [3][18][19] 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 0.22，价值风格为 -0.13，推荐成长风格 [4][19] - 2013 年至今，基于投资期望的风格轮动模型策略年化收益率 27.18%，夏普比率 0.98，总收益 1754.20%等 [4][20]

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**：基于上市公司分红公告、历史分红率及盈利预测数据，预测指数成分股分红对股指期货合约的影响[9][11][12] - **模型具体构建过程**： 1. **净利润预估**：优先采用年报、快报、预警及分析师预测数据，未公布数据则使用TTM或历史分红率推算[26][27][31] 2. **分红总额计算**： - 已公布预案的公司直接采用税前分红总额 - 未公布预案的公司按历史分红率推算：$$\text{预估分红总额} = \text{预估净利润} \times \text{历史分红率}$$[31] 3. **指数影响计算**： - 股息率 = 税后分红总额 / 最新市值 - 股息点 = 股票权重 × 股息率，权重通过动态调整公式计算： $$\mathrm{w_{it}={\frac{w_{i0}\times\mathrm{\scriptsize{\boldmath~(~1+R~)}~}}{\sum_{1}^{n}w_{i0}\times\mathrm{\scriptsize{\boldmath~(~1+R~)}~}}}}$$[29] 4. **合约影响值预测**：根据除权除息日历史规律，叠加分红时间分布计算各合约交割前的累计影响[30][32][33] - **模型评价**：依赖历史分红率和盈利预测假设，对市场环境变化敏感[6][35] 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，考虑分红现值和无风险利率对期货定价的影响[35][36] - **模型具体构建过程**： - **离散红利模型**： $$\mathbf{F_t} = (\mathbf{S_t} - \mathbf{D})(1 + r)$$ 其中，$\mathbf{D}$为红利现值，$r$为无风险利率[35] - **连续红利模型**： $$\mathbf{F_t} = \mathbf{S_t} e^{(r-d)(T-t)}$$ 其中，$d$为年化红利率[36] --- 模型的回测效果 1. **分红预测模型** - **上证50期货**： - IH2505合约：分红点数0.27，年化对冲成本0.27%（365天）[13] - IH2509合约：含分红价差7.91，剩余影响2.23%[13] - **沪深300期货**： - IF2505合约：分红点数0.74，年化对冲成本7.07%[14] - IF2512合约：含分红价差-69.86，剩余影响1.81%[14] - **中证500期货**： - IC2505合约：分红点数2.21，年化对冲成本15.59%[15] - **中证1000期货**： - IM2505合约：分红点数3.86，年化对冲成本18.88%[16] 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0.16，接近无套利均衡[13] --- 关键因子与构建方式 1. **因子名称**：分红点数因子 - **因子构建思路**：反映分红对期货合约价格的直接影响[12][13][14] - **因子具体构建过程**： - 单合约分红点数 = 各成分股分红点数的交割前累计和[33] 2. **因子名称**：年化对冲成本因子 - **因子构建思路**：衡量剔除分红后的持有成本[12][13][14] - **因子具体构建过程**： - 年化对冲成本 = （实际价差 - 分红点数） / 合约价格 × 年化天数[13][14] --- 因子的回测效果 1. **分红点数因子**： - IH2509合约：59.91点[13] - IC2512合约：75.31点[15] 2. **年化对冲成本因子**： - IF2506合约：3.05%（365天）[14] - IM2509合约：11.84%（365天）[16] --- 以上内容严格依据研报中的模型、因子及测试结果整理，未包含免责声明等无关信息。

量化因子与构建方式 1. **因子名称：估值偏离EPD因子** - **构建思路**：结合布林带均值回复策略与基本面估值修复逻辑，利用PE指标的均值回复特性构建[7] - **具体构建过程**： 1. 计算个股PE的Z-score，衡量其与历史均值的偏离程度： $$EPD = \frac{PE_t - \mu_{PE}}{\sigma_{PE}}$$ 其中$\mu_{PE}$为滚动窗口内PE均值，$\sigma_{PE}$为标准差[7] 2. 通过Z-score识别估值异常（高估或低估）的股票[7] - **因子评价**：捕捉短期估值偏离后的均值回复效应，但易受个股估值逻辑突变影响[7] 2. **因子名称：缓慢偏离EPDS因子** - **构建思路**：在EPD基础上剔除估值逻辑可能发生变化的个股（通过信息比率筛选）[7] - **具体构建过程**： 1. 计算个股信息比率IR，衡量其估值逻辑稳定性[7] 2. 对EPD因子进行截面调整： $$EPDS = EPD \times (1 - P_{change})$$ 其中$P_{change}$为估值逻辑改变概率（由IR代理）[7] - **因子评价**：降低"伪异常"干扰，提升因子稳健性[7] 3. **因子名称：估值异常EPA因子** - **构建思路**：在EPDS基础上进一步剥离Beta、成长与价值风格的影响[7] - **具体构建过程**： 1. 对EPDS因子进行多因子正交化处理： $$EPA = EPDS - \beta_1 \cdot MKT - \beta_2 \cdot HML - \beta_3 \cdot SMB$$ 其中MKT、HML、SMB分别代表市场、价值、规模因子[7] 2. 保留纯估值异常效应[7] - **因子评价**：逻辑纯净度高，兼具收益性与稳定性[7] 因子的回测效果 1. **EPD因子**（2010/02-2025/04） - 年化收益率：17.65% - 年化波动率：10.02% - 信息比率（IR）：1.76 - 月度胜率：71.04% - 最大回撤率：8.93%[8][10] 2. **EPDS因子**（2010/02-2025/04） - 年化收益率：16.31% - 年化波动率：5.73% - 信息比率（IR）：2.85 - 月度胜率：79.23% - 最大回撤率：3.10%[8][10] 3. **EPA因子**（2010/02-2025/04） - 年化收益率：17.30% - 年化波动率：5.12% - 信息比率（IR）：3.38 - 月度胜率：80.87% - 最大回撤率：3.12%[8][10] - **2025年4月表现**： - 多头组合收益率：-3.30% - 空头组合收益率：-3.02% - 多空对冲收益率：-0.28%[13]

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，加入成交量信息构建因子[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，公式为 $$ \text{CCOIV} = \text{Corr}(\Delta \text{Close}_{\text{intraday}}, \text{Volume}_{\text{intraday}}) $$ 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，公式为 $$ \text{COV} = \text{Corr}(\Delta \text{Close}_{\text{overnight}}, \text{Volume}_{\text{previous day}}) $$ 3. 信息叠加：将CCOIV（反转效应）与COV（动量效应）结合，形成RPV因子[6] - **因子评价**：因子通过价量配合增强选股效果，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][12] - **具体构建过程**： 1. 日内部分：将下午涨跌与"聪明"换手率（知情交易比例高的时段换手率）计算相关性 $$ \text{SRV}_{\text{intraday}} = \text{Corr}(\Delta \text{Close}_{\text{afternoon}}, \text{Smart Turnover}_{\text{afternoon}}) $$ 2. 隔夜部分：将隔夜收益与昨日最后半小时换手率计算相关性 $$ \text{SRV}_{\text{overnight}} = \text{Corr}(\Delta \text{Close}_{\text{overnight}}, \text{Turnover}_{\text{last 30min}}) $$ 3. 合成因子：结合效果更优的日内与隔夜部分[12] - **因子评价**：通过识别知情交易时段提升因子稳定性，效果优于RPV因子[12] --- 因子的回测效果 1. **RPV因子**（2014/01-2025/04全市场回测）[7][10] - 年化收益率：14.97% - 年化波动率：7.72% - 信息比率（IR）：1.94 - 月度胜率：73.33% - 最大回撤：10.63% 2. **SRV因子**（2014/01-2025/04全市场回测）[7][10] - 年化收益率：17.84% - 年化波动率：6.44% - 信息比率（IR）：2.77 - 月度胜率：76.30% - 最大回撤：3.74% 3. **2025年4月单月表现**（全市场）[10] - RPV因子：多头收益-0.67%，空头收益-3.38%，多空对冲收益2.70% - SRV因子：多头收益-2.10%，空头收益-3.26%，多空对冲收益1.16% --- 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因子在相同回测期内RankICIR为-4.26，年化收益18.91%，IR 3.07，月度胜率80%[12]

量化因子与构建方式 1 **因子名称**：盈利预期期限结构因子 **因子构建思路**：通过分析未来多年盈利预测的趋势（斜率）反映分析师对公司的乐观、中性或悲观预期[7] **因子具体构建过程**： - 以未来年度为X轴，盈利预测为Y轴，拟合线性趋势 - 斜率分为三类：向上倾斜（乐观）、水平（中性）、向下倾斜（悲观） - 斜率计算公式： $$ \text{斜率} = \frac{n\sum{(x_i y_i)} - \sum{x_i}\sum{y_i}}{n\sum{x_i^2} - (\sum{x_i})^2} $$ 其中$x_i$为年度变量（如1/2/3年），$y_i$为对应盈利预测值 **因子评价**：历史表现稳定，能有效捕捉预期变化[9] 2 **因子名称**：合成动量 ff 因子 **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，提升稳定性和收益能力[11] **因子具体构建过程**： - 原始因子标准化处理： $$ z_{\text{动量}} = \frac{\text{盈利预期斜率} - \mu_{\text{斜率}}}{\sigma_{\text{斜率}}} $$ $$ z_{\text{调升}} = \frac{\text{净利润3个月变化率} - \mu_{\text{调升}}}{\sigma_{\text{调升}}} $$ - 等权合成： $$ \text{合成动量 ff} = 0.5 \times z_{\text{动量}} + 0.5 \times z_{\text{调升}} $$ **因子评价**：兼具高收益与稳定性，改善传统因子的回撤问题[11] --- 因子回测效果 1 **盈利预期期限结构因子**：累计IC显著（图示趋势，未提供具体数值）[8] 2 **合成动量 ff 因子**：累计IC优于单一因子（图示合成后曲线更平滑）[13] --- 选股组合表现 （基于合成动量 ff 因子构建） 1 **沪深300组合**： - 2025年4月超额收益：-0.57% - 2025年前4月累计超额收益：1.21%[14] 2 **中证500组合**： - 2025年4月超额收益：0.73% - 2025年前4月累计超额收益：0.76%[14] 3 **中证800组合**： - 2025年4月超额收益：-0.02% - 2025年前4月累计超额收益：2.07%[14] 4 **中证1000组合**： - 2025年4月超额收益：1.13% - 2025年前4月累计超额收益：2.59%[14]

报告核心观点 报告介绍戴维斯双击、净利润断层、沪深300增强三种投资策略，阐述策略原理、构建方法，展示历史回测和近期表现数据，体现策略收益和稳定性 [1][2][3] 各策略要点总结 戴维斯双击组合 - 策略简述：以低市盈率买入成长潜力股，待成长性显现、市盈率提高后卖出获乘数效应收益，即EPS和PE“双击”；盈利持续增长时，业绩增速加速增长标的PE向下空间能有效控制 [7] - 历史表现：2010 - 2017回测期内年化收益26.45%，超额基准21.08%，7个完整年度超额收益均超11%；全样本绝对收益23.53%，基准收益2.01%，超额收益21.52% [9] - 近期表现：今年以来累计绝对收益6.18%，超额中证500指数7.90%，本周超额中证500指数2.27%；2025 - 01 - 27开盘调仓，截至2025 - 04 - 25，本期组合超额基准指数2.16% [10] 净利润断层组合 - 策略简述：基本面与技术面共振双击选股模式，“净利润”指业绩超预期，“断层”指盈余公告后首个交易日股价向上跳空；每期筛过去两个月业绩预告和正式财报超预期股票样本，按盈余公告日跳空幅度排序前50股票等权构建组合 [2][12] - 历史表现：2010年至今年化收益28.17%，年化超额基准26.67%；全样本绝对收益28.17%，基准收益1.50%，超额收益26.67% [15] - 近期表现：本年组合累计绝对收益8.31%，超额基准指10.03%，本周超额收益4.31% [2][15] 沪深300增强组合 - 策略简述：投资者偏好分GARP型、成长型、价值型；GARP型用PB与ROE分位数之差构建PBROE因子、PE与增速分位数之差构建PEG因子选股；成长型关注公司成长性，通过营收、毛利、净利润增速选高速成长股；价值型偏好长期稳定高ROE公司；基于投资者偏好因子构建增强沪深300组合 [3][17] - 历史表现：历史回测超额收益稳定；全样本绝对收益9.23%，基准收益0.39%，超额收益8.84% [17] - 近期表现：本年组合相对沪深300指数超额收益7.41%，本周超额收益1.33%，本月超额收益4.08% [3][17]

宏观、技术视角下的大类资产配置最新观点 - 权益资产：宏观层面整体利多，技术层面趋势向下、估值偏低（历史5年ERP分位数78.36%）、资金流入（最新主动净流入462亿元）[1][14][17] - 债券资产：宏观层面整体利多，技术层面趋势向下（历史2个月平均月度涨跌幅-1.34%）[1][11] - 工业品资产：宏观层面整体利多，技术层面趋势向下（历史2个月平均月度涨跌幅-1.86%）[1][11] - 黄金资产：宏观层面整体利多，技术层面趋势向上（历史6个月平均月度涨跌幅3.56%）[1][11] 资产配置组合表现跟踪 - 固定比例+宏观指标+技术指标组合：2025年3月收益率1.20%，2006年3月至今年化收益率11.92%，最大回撤9.06%[24][27] - 波动率控制+宏观指标+技术指标组合：2025年3月收益率1.72%，2006年3月至今年化收益率9.33%[28] - 风险平价+宏观指标+技术指标组合：2025年3月收益率1.18%，2006年3月至今年化收益率9.66%[28] 宏观指标与技术指标相关性 - 宏观信号与技术信号平均相关系数为0.17，两者得分加总后权益资产得分最高（相关系数13.58%），工业品次之（26.51%）[19][20] 月度观点汇总 - 权益：宏观利多+技术面资金流入，看多[21] - 债券：宏观利多+技术面趋势向下，看多[21] - 工业品：宏观利多+技术面趋势向下，看平[21] - 黄金：宏观利多+技术面趋势向上，看多[21]

市场表现与指数动态 - 最近5个交易日科创50指数跌1.29%，创业板指跌1.12%，大盘价值涨0.28%，大盘成长涨0.04%，上证50涨0.16%，国证2000代表的小盘跌2.98% [1] - 医药生物、农林牧渔市场表现靠前，计算机、国防军工表现靠后 [1] - 中证全指风险溢价指标在2024/01/19达到4.11%，为2016年以来第五次超过4%，截至2025/03/28回落至3.69%，两倍标准差边界为4.72% [1] 估值水平与技术分析 - 截至2025/03/28，中证全指PETTM分位数53%，上证50与沪深300分别为58%、48%，创业板指接近14%，中证500与中证1000分别为33%、38% [2] - 深100指数技术面呈现3年周期规律，2012/2015/2018/2021年熊市下行幅度40%-45%，2021年一季度开始的调整时间与空间已较充分 [2] - 卷积神经网络模型当前配置主题为建筑材料、红利低波等板块 [2][9] 资金交易数据 - 最近5个交易日ETF资金流入162亿元，融资盘减少约248亿元，两市日均成交12346亿元 [3] 量化模型应用 - 卷积神经网络通过标准化价量图表建模，将学习特征映射至行业主题板块，如中证全指建筑材料指数、中证红利低波动指数等 [8][9] 指数与板块跟踪 - 重点跟踪指数包括中证全指建筑材料指数(931009.CSI)、中证红利低波动指数(h30269.CSI)、中证钢铁指数(930606.CSI)等 [9]

量化模型与构建方式 1. **模型名称：择时雷达六面图** - **模型构建思路**：从流动性、经济面、估值面、资金面、技术面、拥挤度六个维度选取21个指标，综合生成[-1,1]之间的择时分数，反映市场中性或偏多/偏空信号[1][5]。 - **模型具体构建过程**： 1. **指标分类**：将指标分为四大类——"估值性价比"、"宏观基本面"、"资金&趋势"、"拥挤度&反转"。 2. **标准化处理**：对单指标计算zscore或分位数，截尾后标准化到±1区间。 3. **综合打分**：加权汇总各维度得分，生成综合择时分数[1][5][6]。 - **模型评价**：多维视角覆盖市场关键驱动因素，但依赖历史数据假设，需动态调整参数[1][5]。 2. **因子名称：货币方向因子** - **因子构建思路**：通过货币政策利率与短端市场利率的变化方向判断货币宽松/收紧[11]。 - **因子具体构建过程**：计算央行政策利率与市场利率（如DR007）90天前的平均变化方向，若>0为宽松（分数=1），<0为收紧（分数=-1）[11][13]。 3. **因子名称：货币强度因子** - **因子构建思路**：衡量短端利率偏离政策利率的程度，反映货币环境松紧[14][16]。 - **因子具体构建过程**： $$偏离度 = \frac{DR007}{7天逆回购利率} - 1$$ 平滑后计算zscore，若<-1.5倍标准差则未来120日分数=1，>1.5倍标准差则分数=-1[14][16]。 4. **因子名称：信用方向因子** - **因子构建思路**：基于中长期贷款同比变化判断信用扩张/收缩[17][19]。 - **因子具体构建过程**：计算中长期贷款过去12个月增量的同比，若较三个月前上升则分数=1，反之=-1[17][19]。 5. **因子名称：信用强度因子** - **因子构建思路**：捕捉信贷数据超预期程度[20][22]。 - **因子具体构建过程**： $$信用强度因子 = \frac{新增人民币贷款 - 预期中位数}{预期标准差}$$ 若>1.5倍标准差则未来60日分数=1，<-1.5倍标准差则=-1[20][22]。 6. **因子名称：增长方向因子** - **因子构建思路**：通过PMI同比变化判断经济增长趋势[23][25]。 - **因子具体构建过程**：计算中采与财新PMI的12月均值同比，较三个月前上升则分数=1，反之=-1[23][25]。 7. **因子名称：通胀方向因子** - **因子构建思路**：结合CPI与PPI判断通胀下行/上行环境[28][30]。 - **因子具体构建过程**： $$通胀方向因子 = 0.5 \times CPI平滑同比 + 0.5 \times PPI原始同比$$ 若较三个月前下降则分数=1，反之=-1[28][30]。 8. **因子名称：席勒ERP** - **因子构建思路**：调整盈利波动后的股权风险溢价[34][36]。 - **因子具体构建过程**： $$席勒PE = \frac{股价}{过去6年通胀调整平均盈利}$$ $$席勒ERP = \frac{1}{席勒PE} - 10年期国债收益率$$ 计算3年zscore并截尾标准化[34][36]。 9. **因子名称：可转债定价偏离度** - **因子构建思路**：通过转债估值偏离度捕捉市场情绪[67][69]。 - **因子具体构建过程**： $$定价偏离度 = \frac{转债价格}{模型定价} - 1$$ 取负值后计算3年zscore[67][69]。 --- 模型的回测效果 1. **择时雷达六面图** - 综合打分：-0.21（中性偏空）[5][7] - 流动性得分：-1.00（显著看空）[7][9] - 经济面得分：0.00（无显著信号）[7][9] - 估值面得分：-0.17（中性）[7][9] - 资金面得分：0.50（显著看多）[7][9] - 技术面得分：0.00（无显著信号）[7][9] - 拥挤度得分：-0.69（显著看空）[7][9] 2. **货币方向因子**：当前分数=-1[11][13] 3. **货币强度因子**：当前分数=-1[14][16] 4. **信用方向因子**：当前分数=-1[17][19] 5. **信用强度因子**：当前分数=-1[20][22] 6. **增长方向因子**：当前分数=1[23][25] 7. **通胀方向因子**：当前分数=-1[28][30] 8. **席勒ERP**：当前分数=0.39[36][38] 9. **可转债定价偏离度**：当前分数=-0.75[67][69] --- 量化因子与构建方式 （注：因子构建过程已整合至模型部分，此处不再重复） --- 因子的回测效果 （注：因子当前分数已整合至模型回测部分）

量化模型与构建方式 1. **模型名称**：三维情绪模型 **模型构建思路**：通过三个维度（情绪预期、情绪温度、情绪浓度）观察市场情绪面的不同频率波动，分别对应中高频、中频、低频维度的市场情绪变化[7] **模型具体构建过程**： - **情绪预期**：合成沪深300股指期货升贴水率和上证50ETF期权成交额PCR的倒数，通过取均值和主成分分析构建 公式： $${\hat{\mathbb{R}}}\times{\hat{\mathbb{R}}}\times{\hat{\mathbb{R}}}={\frac{{\hat{\mathbb{R}}}\oplus{\hat{\mathbb{R}}}\oplus{\hat{\mathbb{R}}}\oplus{\hat{\mathbb{R}}}\oplus{\hat{\mathbb{R}}}}{{\hat{\mathbb{R}}}\oplus{\hat{\mathbb{R}}}\oplus{\hat{\mathbb{R}}}\oplus{\hat{\mathbb{R}}}\oplus{\hat{\mathbb{R}}}\oplus{\hat{\mathbb{R}}}}}$$ 其中，沪深300股指期货升贴水率计算公式为： $${\text{升贴水率}} = \frac{{\text{沪深300股指期货主力价格}} - {\text{沪深300指数价格}}}{{\text{沪深300指数价格}}}$$[8] - **情绪温度**：基于主力买入率（大单买入金额/沪深成交总额）计算三年滚动百分位，并进行平滑处理[12] - **情绪浓度**：计算中信三级行业体系指数的第一主成分方差贡献率，滚动窗口平滑处理后得到[16] **模型评价**：三维情绪模型能够有效捕捉市场情绪的不同频率波动，情绪浓度指标高于警戒线（0.83）时具有长期牛熊转折预示作用[16] 模型的回测效果 1. **三维情绪模型** - 情绪预期当前值（20250220）：0.7696[9] - 情绪温度当前值（20250220）：0.6952[13] - 情绪浓度当前值（20250220）：0.6884[18] 量化因子与构建方式 1. **因子名称**：情绪预期因子 **因子构建思路**：反映市场短期情绪变化，通过股指期货升贴水率和期权成交额PCR合成[8] **因子具体构建过程**： - 计算沪深300股指期货升贴水率 - 计算上证50ETF期权成交额PCR的倒数 - 对两者取均值和主成分分析合成情绪预期指标[8] 2. **因子名称**：情绪温度因子 **因子构建思路**：反映市场主力资金热度变化，基于主力买入率计算[12] **因子具体构建过程**： - 计算主力买入率（大单买入金额/沪深成交总额） - 对主力买入率进行平滑处理 - 计算三年滚动百分位得到情绪温度指标[12] 3. **因子名称**：情绪浓度因子 **因子构建思路**：反映市场多资产相关性变化，衡量情绪累积程度[16] **因子具体构建过程**： - 计算中信三级行业体系指数的第一主成分方差贡献率 - 对贡献率进行滚动窗口平滑处理得到情绪浓度指标[16] 因子的回测效果 1. **情绪预期因子** - 当前值（20250220）：0.7696[9] 2. **情绪温度因子** - 当前值（20250220）：0.6952[13] 3. **情绪浓度因子** - 当前值（20250220）：0.6884[18]