| | | | | 历史行情.指标排序 HY3 MAP 周期: 日线 日期: 2026-04-09 四 指标: RSR行业(88,76) RSL(144) | | | | | | --- | --- | --- | --- | --- | --- | --- | --- | --- | | | 代码 | 名称 | 涨幅% | 收盘 | 总金额 | SSV1 | RSVA | RSR1 | | 1 | 881339 | 光纤光缆 | 4.96 | 3703.05 | 462.7亿 | 100.00 | 100.00 | 100.00 | | 2 | 881340 | 网络接配及塔设 | | 1.17 10596.36 | 1009亿 | 99.60 | 100.00 | 99.80 | | 3 | 393002 | 电子装联 | 0.61 | 3791.14 | 168.1亿 | 98.70 | 100.00 | 99.35 | | 4 | 881331 | 光学元件 | 0.96 | 1543.04 | 263.2亿 | 98.10 | 100.00 | 99.05 | | 5 | 881316 | 激光设备 ...

量化模型与构建方式 1. **模型名称：量化大势研判行业配置策略（综合模型）**[1][7] * **模型构建思路**：基于产业生命周期理论，将股票资产划分为五种风格阶段，通过自下而上的全局资产比较，确定未来市场的主流风格，并据此选择最具优势的细分行业进行配置[1][7]。 * **模型具体构建过程**： 1. **风格定义**：根据产业周期，将权益资产划分为五种风格：外延成长、质量成长、质量红利、价值红利、破产价值[7]。 2. **资产比较框架**：采用 `g > ROE > D` 的优先级顺序考察资产。首先判断主流资产（预期增速资产、实际增速资产、盈利资产）是否有优势，若有则配置；若主流资产均无优势，则根据拥挤度等因素转向次级资产（质量红利、价值红利、破产价值）[7][11]。 3. **优势判断**：通过计算各风格下头部资产与尾部资产的“优势差”（类似因子择时中的 Spread）来刻画该风格资产的趋势强弱[24]。 4. **行业选择**：在每个被判定为具有优势的风格下，使用对应的具体策略（如预期成长策略、盈利能力策略等）筛选出排名靠前的细分行业[16]。 5. **组合构建**：以中信二三级行业（整理合并后为202个）为标的，每个策略每期选择5个行业，综合后以等权重配置[18]。 2. **模型名称：预期成长策略**[16][38] * **模型构建思路**：选取分析师预期增速最高的行业进行配置，主要关注分析师对未来盈利的预期[16][38]。 * **模型具体构建过程**：使用行业的预期净利润增速（g_fttm）作为核心因子。每月末，计算所有行业的预期净利润增速，并选取该因子值最高的5个行业进行等权重配置[16][38]。 3. **模型名称：实际成长策略**[16][39] * **模型构建思路**：选取业绩超预期或业绩动量（△g）最高的行业进行配置，关注已实现的业绩增长趋势[16][39]。 * **模型具体构建过程**：使用三个因子综合衡量行业的实际成长性：标准化未预期盈余（sue）、超预期营收（sur）和业绩动量（jor）。每月末，综合这些因子筛选出排名最高的5个行业进行等权重配置[39]。 4. **模型名称：盈利能力策略**[16][42] * **模型构建思路**：在具有高盈利能力的资产中，选取估值相对较低的行业进行配置，采用PB-ROE框架[16][42]。 * **模型具体构建过程**：使用行业的PB-ROE回归残差作为核心因子。该因子通过横截面回归 $$ PB = \alpha + \beta * ROE + \epsilon $$ 得到残差项 `\epsilon`，`\epsilon` 越小代表在给定ROE水平下估值越低。每月末，选取残差最低（即估值最便宜）的5个高ROE行业进行等权重配置[42]。 5. **模型名称：质量红利策略**[16][45] * **模型构建思路**：选取兼具高股息和高盈利质量的行业进行配置[16][45]。 * **模型具体构建过程**：使用股息率（dp）和净资产收益率（roe）两个因子。每月末，对这两个因子进行综合打分（具体加权方式未明确），选取总分最高的5个行业进行等权重配置[45]。 6. **模型名称：价值红利策略**[16][47] * **模型构建思路**：选取兼具高股息和高账面价值（低市净率）的行业进行配置[16][47]。 * **模型具体构建过程**：使用股息率（dp）和账面市值比（bp）两个因子。每月末，对这两个因子进行综合打分（具体加权方式未明确），选取总分最高的5个行业进行等权重配置[47]。 7. **模型名称：破产价值策略**[16][52] * **模型构建思路**：选取市净率极低、市值较小的行业进行配置，关注破净、并购或壳价值等主题[16][52]。 * **模型具体构建过程**：使用市净率（pb）和市值（size）两个因子。每月末，对这两个因子进行综合打分（具体加权方式未明确，pb取低分，size取小分），选取总分最低（即估值最低、市值最小）的5个行业进行等权重配置[52]。 模型的回测效果 1. **量化大势研判行业配置策略（综合模型）** * 年化收益：26.94% (2009年以来)[18] * 各年超额收益（相对于万得全A）：2009年51%，2010年14%，2011年-11%，2012年0%，2013年36%，2014年-4%，2015年16%，2016年-1%，2017年27%，2018年7%，2019年8%，2020年44%，2021年38%，2022年62%，2023年10%，2024年52%，2025年14%，2026年3月0%[21] 2. **预期成长策略** * 历史表现：在2019年以来超额收益显著，2014-2015年期间也有较高超额[38]。 3. **实际成长策略** * 历史表现：长期超额都较为显著，特别是在成长风格占优的环境下[39]。 4. **盈利能力策略** * 历史表现：2016年-2020年超额较为显著，2021年-2024年上半年持续较弱[42]。 5. **质量红利策略** * 历史表现：在2016年、2017年、2023年超额较为显著[45]。 6. **价值红利策略** * 历史表现：在2009年、2017年、2021-2023年超额较为显著[47]。 7. **破产价值策略** * 历史表现：在2015-2016年、2021-2023年超额较为显著[52]。 量化因子与构建方式 1. **因子名称：预期净利润增速 (g_fttm)**[24][26] * **因子构建思路**：基于分析师对未来净利润的一致预期，衡量资产的预期成长性[24]。 * **因子具体构建过程**：报告中使用的是行业层面的预期净利润增速。具体计算为：使用未来12个月（FTM）的预测净利润均值，计算其同比或环比增速。该因子用于构建“预期成长策略”和计算“预期增速资产优势差”[24][26][38]。 * **因子评价**：是判断主题轮动和预期成长风格的核心指标[24]。 2. **因子名称：净利润增速 (g_ttm)**[28][29] * **因子构建思路**：基于过去12个月（TTM）已实现的净利润，衡量资产的实际成长性[28]。 * **因子具体构建过程**：报告中使用的是行业层面的净利润增速（g_ttm）。该因子用于计算“实际增速资产优势差”[28][29]。 3. **因子名称：业绩动量 (△g)**[28][39] * **因子构建思路**：衡量业绩增长趋势的变化，即增速的加速度[28]。 * **因子具体构建过程**：报告未给出明确定义，通常为近期净利润增速的变化值（如g_ttm的差分）。该因子是“实际成长策略”的筛选逻辑之一[16][39]。 4. **因子名称：标准化未预期盈余 (sue)**[39] * **因子构建思路**：衡量公司业绩超出市场一致预期的程度[39]。 * **因子具体构建过程**：报告未给出具体公式，但该因子是“实际成长策略”采用的因子之一[39]。 5. **因子名称：超预期营收 (sur)**[39] * **因子构建思路**：衡量公司营业收入超出市场一致预期的程度[39]。 * **因子具体构建过程**：报告未给出具体公式，但该因子是“实际成长策略”采用的因子之一[39]。 6. **因子名称：业绩动量 (jor)**[39] * **因子构建思路**：衡量业绩的动量效应[39]。 * **因子具体构建过程**：报告未给出具体公式，但该因子是“实际成长策略”采用的因子之一[39]。 7. **因子名称：净资产收益率 (ROE)**[30][32] * **因子构建思路**：衡量资产的盈利能力[30]。 * **因子具体构建过程**：报告中使用的是行业层面的ROE。该因子用于构建“盈利能力策略”、“质量红利策略”和计算“ROE优势差”[30][32][42][45]。 8. **因子名称：PB-ROE回归残差**[42] * **因子构建思路**：在控制盈利能力（ROE）后，衡量资产的估值相对高低，残差越低代表估值越便宜[42]。 * **因子具体构建过程**：每月末，在横截面上对行业进行回归：$$ PB = \alpha + \beta * ROE + \epsilon $$，取回归残差 `\epsilon` 作为因子值。该因子是“盈利能力策略”的核心筛选因子[42]。 9. **因子名称：股息率 (dp)**[34][37][45][47] * **因子构建思路**：衡量资产的现金分红回报率[34]。 * **因子具体构建过程**：报告中使用的是行业层面的股息率。该因子用于构建“质量红利策略”和“价值红利策略”，并用于计算“高股息资产拥挤度”[34][37][45][47]。 10. **因子名称：账面市值比 (bp)**[47] * **因子构建思路**：衡量资产的价值水平，bp越高代表估值越低[47]。 * **因子具体构建过程**：报告中使用的是行业层面的账面市值比。该因子是“价值红利策略”的筛选因子之一[47]。 11. **因子名称：市净率 (pb)**[52] * **因子构建思路**：衡量资产的估值水平，pb越低代表估值越低[52]。 * **因子具体构建过程**：报告中使用的是行业层面的市净率。该因子是“破产价值策略”的筛选因子之一[52]。 12. **因子名称：市值 (size)**[52] * **因子构建思路**：衡量资产的规模大小[52]。 * **因子具体构建过程**：报告中使用的是行业层面的平均总市值。该因子是“破产价值策略”的筛选因子之一[52]。 13. **因子名称：资产优势差 (Spread)**[24] * **因子构建思路**：用于因子择时或风格判断，通过比较头部资产与尾部资产在某个因子上的表现差异，来刻画该因子所代表风格的强弱趋势[24]。 * **因子具体构建过程**：对于某个因子（如g_fttm, g_ttm, ROE），每月计算该因子值最高的头部组（如Top 30%）的中位数与因子值最低的尾部组（如Bottom 30%）的中位数之差，即：$$ 优势差 = Top组中位数 - Bottom组中位数 $$[24][25]。该差值扩大表示头部资产相对尾部资产的优势在扩大，该风格可能占优。 14. **因子名称：拥挤度**[30][33][34] * **因子构建思路**：衡量某一类资产或因子交易的拥挤程度，过高可能预示风险[30][34]。 * **因子具体构建过程**：报告未给出具体计算方法，但提及用于评估ROE资产和高股息（DP）资产的交易状态[30][33][34][37]。

量化模型与构建方式 1. **模型名称：量化大势研判行业配置策略** **模型构建思路：** 基于产业生命周期理论，将股票资产划分为五种风格阶段，通过全局比较不同风格下资产的优势（“有没有好资产”）和估值（“贵不贵”），自下而上地判断未来市场的主流风格并进行行业配置[6]。 **模型具体构建过程：** 1. **资产分类：** 将股票资产（以中信二三级行业为标的，整理合并为202个）根据产业生命周期划分为五种风格：外延成长、质量成长、质量红利、价值红利、破产价值[6]。 2. **资产比较框架：** 遵循 `g > ROE > D` 的优先级顺序[1][6]。主流资产（实际增速资产 `g`、预期增速资产 `gf`、盈利资产 `ROE`）优先比较，只有当主流资产均无优势时，才考虑次级资产（质量红利、价值红利、破产价值），次级资产的优先级由拥挤度确定[10]。 3. **优势判断：** * 对于**预期成长 (gf)**：比较分析师预期增速 (`g_fttm`) 的高低，计算其优势差 (`Δgf`)[7][23]。优势差计算类似于因子择时中的 Spread，即头部资产与尾部资产在特定指标上的差值[23]。 * 对于**实际成长 (g)**：比较业绩动量 (`Δg`)，即净利润增速 (`g_ttm`) 的变化[7][27]。 * 对于**盈利能力 (ROE)**：在 PB-ROE 框架下，比较估值水平的高低[7]。 * 对于**质量红利**：采用 `DP+ROE` 综合打分[44]。 * 对于**价值红利**：采用 `DP+BP` 综合打分[47]。 * 对于**破产价值**：采用 `PB+SIZE` 综合打分（取最低）[50]。 4. **行业选择：** 在每月确定的占优风格下，根据该风格的筛选逻辑（如预期增速最高、PB-ROE 残差最低等），选取排名前5的细分行业[17]。 5. **组合构建：** 将选出的行业以等权重方式进行配置[17]。 2. **因子名称：预期净利润增速 (g_fttm)** **因子构建思路：** 基于分析师对未来盈利的一致预期，衡量资产的成长潜力，用于筛选预期成长风格的资产[7][37]。 **因子具体构建过程：** 报告未给出具体计算公式，但指出该因子为行业层面的分析师预期净利润增速[25]。通常构建方式为汇总行业内个股的分析师一致预期净利润增速，并进行行业加权平均。 3. **因子名称：净利润增速 (g_ttm) 及变化 (Δg)** **因子构建思路：** 基于历史财务数据，衡量资产的实际成长性及其动量，用于筛选实际成长风格的资产[7][38]。 **因子具体构建过程：** 报告未给出具体计算公式，但指出 `g_ttm` 为行业净利润增速，`Δg` 为其变化值，用于表征业绩动量[27]。通常 `g_ttm` 为行业最近12个月净利润的同比增速，`Δg` 为其环比或历史变化。 4. **因子名称：超预期因子 (sue, sur, jor)** **因子构建思路：** 衡量公司实际财报业绩相对于市场预期的偏离程度，用于捕捉业绩惊喜，是实际成长策略的具体因子[38]。 **因子具体构建过程：** 报告未给出具体计算公式和说明。通常 `SUE` (Standardized Unexpected Earnings) 为标准化意外盈余，`SUR` 可能为收入惊喜，`JOR` 含义不明。 5. **因子名称：PB-ROE 回归残差** **因子构建思路：** 在盈利能力 (`ROE`) 策略中，用于筛选高 `ROE` 但估值 (`PB`) 相对较低的资产，即寻找盈利能力强且估值合理的标的[41]。 **因子具体构建过程：** 报告未给出具体计算公式。通常构建方式为：在横截面上对 `PB` 和 `ROE` 进行回归（如 `PB = α + β * ROE + ε`），取回归残差 `ε`。残差为负表示相对于其 `ROE` 水平，该资产的 `PB` 估值较低。 6. **因子名称：股息率 (dp)** **因子构建思路：** 衡量资产的现金分红回报，是红利类策略（质量红利、价值红利）的核心因子[44][47]。 **因子具体构建过程：** 报告未给出具体计算公式。通常为每股股息除以股价。 7. **因子名称：市净率倒数 (bp)** **因子构建思路：** 衡量资产的账面价值低估程度，是价值红利策略的因子之一[47]。 **因子具体构建过程：** 报告未给出具体计算公式。通常为每股净资产除以股价，即市净率 (`PB`) 的倒数。 8. **因子名称：市净率 (pb)** **因子构建思路：** 衡量资产的估值水平，在破产价值策略中，低 `PB` 是重要筛选标准[50]。 **因子具体构建过程：** 报告未给出具体计算公式。通常为股价除以每股净资产。 9. **因子名称：规模 (size)** **因子构建思路：** 衡量资产的市值大小，在破产价值策略中，与小市值因子结合使用[50]。 **因子具体构建过程：** 报告未给出具体计算公式。通常为总市值或流通市值的对数。 模型的回测效果 1. **量化大势研判行业配置策略**，年化收益 **27.81%** (2009年以来)[17]，2009年超额收益 **51%** [20]，2010年超额收益 **14%** [20]，2011年超额收益 **-11%** [20]，2012年超额收益 **0%** [20]，2013年超额收益 **36%** [20]，2014年超额收益 **-4%** [20]，2015年超额收益 **16%** [20]，2016年超额收益 **-1%** [20]，2017年超额收益 **27%** [20]，2018年超额收益 **7%** [20]，2019年超额收益 **8%** [20]，2020年超额收益 **44%** [20]，2021年超额收益 **38%** [20]，2022年超额收益 **62%** [20]，2023年超额收益 **10%** [20]，2024年超额收益 **52%** [20]，2025年超额收益 **14%** [20]，2026年2月超额收益 **1%** [20]。 因子的回测效果 *(注：报告未提供单个因子的独立测试结果（如IC、IR等），仅提供了基于该因子构建的策略历史表现定性描述。)* 1. **预期成长策略 (基于g_fttm)**，历史表现：2019年以来超额显著，2014-2015年期间也有较高超额[37]。 2. **实际成长策略 (基于sue, sur, jor)**，历史表现：长期超额都较为显著，在成长风格占优环境下尤其突出[38]。 3. **盈利能力策略 (基于PB-ROE残差)**，历史表现：2016年-2020年超额较为显著，2021年-2024年上半年持续较弱[41]。 4. **质量红利策略 (基于dp, roe)**，历史表现：2016年、2017年、2023年超额较为显著[44]。 5. **价值红利策略 (基于dp, bp)**，历史表现：2009年、2017年、2021-2023年超额较为显著[47]。 6. **破产价值策略 (基于pb, size)**，历史表现：2015-2016年、2021-2023年超额较为显著[50]。

量化模型与构建方式 1. **模型名称：量化大势研判行业配置策略（资产比较策略）**[8][12] * **模型构建思路**：基于产业生命周期理论，将权益资产划分为五种内在风格属性。通过“g>ROE>D”的优先级顺序，自下而上地比较所有资产的优劣，筛选出具有基本面优势的资产，其风格属性即代表未来市场主流风格，并据此进行行业配置。[8] * **模型具体构建过程**： 1. **风格定义与资产分类**：根据产业生命周期，将股票资产划分为五种风格：外延成长、质量成长、质量红利、价值红利、破产价值。[8] 2. **资产比较框架**：采用分级比较逻辑。 * **主流资产比较**：优先比较实际增速资产（g）、预期增速资产（gf）、盈利资产（ROE）三类。只要其中一类资产具备优势，市场资金就会集中配置，次级资产机会不大。[12] * **次级资产比较**：当主流资产均无优势时，转向比较次级资产，其优先级由拥挤度决定：质量红利 > 价值红利 > 破产价值。[12] 3. **优势判断与因子应用**：对每一类风格资产，使用特定的量化因子进行横向比较，筛选出优势行业。 * **预期成长（gf）**：比较分析师预期增速（g_fttm）。[9][38] * **实际成长（g）**：比较业绩动量，使用超预期因子，如sue、sur、jor。[9][40] * **盈利能力（ROE）**：在PB-ROE框架下，选择估值较低的高ROE资产，使用PB-ROE回归残差因子。[9][43] * **质量红利**：结合股息率（dp）和盈利能力（roe）进行综合打分。[46] * **价值红利**：结合股息率（dp）和市净率倒数（bp）进行综合打分。[49] * **破产价值**：结合低市净率（pb）和小市值（size）进行综合打分（打分最低）。[53] 4. **行业配置**：以中信二三级行业（整理合并后为202个）为标的，每期在每个占优的风格策略下，选择排名靠前的5个行业，以等权重方式进行配置。[19] * **模型评价**：该框架自2009年以来对A股的风格轮动具有较好的解释能力。[19] 2. **因子名称：资产优势差（Spread）**[25] * **因子构建思路**：用于刻画某类资产中头部资产（Top组）相对于尾部资产（Bottom组）的趋势变化，类似于因子择时中的Spread指标。通过监测优势差的扩张与收缩，来判断对应风格资产的景气度。[25] * **因子具体构建过程**： 1. 每月末，计算所有行业在特定因子（如预期增速g_fttm、实际增速g_ttm、ROE）上的数值。 2. 根据因子值对行业进行排序，并分为若干组（如十分位）。 3. 计算头部组（如Top组）因子值的中位数与尾部组（如Bottom组）因子值的中位数之差。 $$资产优势差 = Top组中位数 - Bottom组中位数$$ 4. 观察该差值的时间序列变化，若差值扩大（Δ为正），则表明头部资产相对优势在增强；若差值缩小（Δ为负），则表明优势在减弱。[25][29] 模型的回测效果 1. **量化大势研判行业配置策略（资产比较策略）**，年化收益27.67%（2009年以来），2009年超额收益51%，2010年超额收益14%，2011年超额收益-11%，2012年超额收益0%，2013年超额收益36%，2014年超额收益-4%，2015年超额收益16%，2016年超额收益-1%，2017年超额收益27%，2018年超额收益7%，2019年超额收益8%，2020年超额收益44%，2021年超额收益38%，2022年超额收益62%，2023年超额收益10%，2024年超额收益52%，2025年超额收益14%，2026年1月超额收益-1%。[20][22] 量化因子与构建方式 1. **因子名称：预期净利润增速（g_fttm）**[9][38] * **因子构建思路**：基于分析师对未来净利润的一致预期，衡量资产的成长潜力。适用于所有产业周期阶段，是预期成长风格的核心筛选指标。[9] * **因子具体构建过程**：报告未给出具体计算公式，但通常指未来十二个月（Forward Twelve Months）的预期净利润增长率，由市场分析师一致预测数据计算得出。 2. **因子名称：超预期因子簇（sue, sur, jor）**[40] * **因子构建思路**：衡量公司实际发布的业绩相对于市场预期的偏离程度，捕捉业绩动量。主要适用于转型期和成长期资产，是实际成长风格的核心筛选指标。[9][40] * **因子具体构建过程**：报告未给出具体计算公式。通常包括： * **SUE（Standardized Unexpected Earnings）**：标准化意外盈余， (实际EPS - 预期EPS) / 历史盈余波动率。 * **SUR（Surprise）**：意外程度， (实际EPS - 预期EPS) / 预期EPS绝对值。 * **JOR**：可能指业绩预告或快报相关的超预期指标。 3. **因子名称：PB-ROE回归残差**[43] * **因子构建思路**：在PB-ROE估值框架下，寻找盈利能力（ROE）较高但估值（PB）相对较低的资产，即“性价比”高的盈利资产。适用于成熟期资产。[9][43] * **因子具体构建过程**： 1. 在横截面上，对行业（或公司）的市净率（PB）与净资产收益率（ROE）进行回归。 $$PB = \alpha + \beta * ROE + \epsilon$$ 2. 计算回归残差 \(\epsilon\)。残差为负表示该行业的实际PB低于其ROE所对应的理论PB，即估值相对偏低，更具投资价值。 4. **因子名称：质量红利复合因子（dp+roe）**[46] * **因子构建思路**：综合考察资产的股息回报（dp）和盈利质量（roe），筛选出既能提供稳定现金分红又具备良好盈利能力的资产。适用于成熟期资产。[46] * **因子具体构建过程**：报告未给出具体的合成公式。通常做法是对股息率（dp）和净资产收益率（roe）分别进行横截面标准化或分位数排序，然后按一定权重（如等权）相加得到综合得分。 5. **因子名称：价值红利复合因子（dp+bp）**[49] * **因子构建思路**：综合考察资产的股息回报（dp）和账面价值（bp，即市净率的倒数），筛选出高股息且估值便宜的深度价值型资产。[49] * **因子具体构建过程**：报告未给出具体的合成公式。通常做法是对股息率（dp）和市净率倒数（bp）分别进行横截面标准化或分位数排序，然后按一定权重（如等权）相加得到综合得分。 6. **因子名称：破产价值复合因子（pb+size）**[53] * **因子构建思路**：寻找市净率（pb）极低、市值（size）较小的资产，这类资产可能蕴含并购重组、壳价值或极端低估的机会。适用于停滞期和衰退期资产。[53] * **因子具体构建过程**：报告明确指出该策略选取“PB+SIZE打分最低”的行业。[53] 通常做法是对市净率（pb）和市值（size）分别进行横截面标准化或分位数排序（注意：pb因子值小代表估值低，size因子值小代表市值小），然后按一定权重相加得到综合得分，并选择得分最低的资产。 7. **因子名称：拥挤度**[12][30][34] * **因子构建思路**：衡量某一类资产或策略的交易热门程度和资金集中度。拥挤度过高可能预示着短期风险加大，用于在次级资产比较中确定优先级，并作为主流资产配置的辅助风控指标。[12][30][34] * **因子具体构建过程**：报告未给出具体计算方法。常见的拥挤度指标可能包括：换手率分位数、估值分位数、资金流入强度、因子收益率波动率等。

量化模型与构建方式 1. **模型名称：量化大势研判行业配置策略**[1][6] * **模型构建思路**：该模型是一个自下而上的风格轮动与行业配置框架。其核心思想是，风格是资产的内在属性，通过全局比较不同风格资产的优势，可以判断未来市场的主流风格，并据此选择最具优势的细分行业进行配置[1][6]。 * **模型具体构建过程**： 1. **风格定义与分类**：根据产业生命周期理论，将股票资产划分为五种风格阶段：外延成长、质量成长、质量红利、价值红利、破产价值[6]。 2. **资产比较框架**：建立“主流资产”与“次级资产”的比较优先级。主流资产包括实际增速资产（g）、预期增速资产（gf）、盈利资产（ROE），三者中只要有一个具备优势，市场资金就会主要配置。只有当主流资产均无机会时，市场才会转向次级资产（质量红利、价值红利、破产价值），次级资产的优先级由拥挤度等因素决定[10]。 3. **优势判断逻辑**： * 对于**预期成长（gf）**，主要看分析师预期增速的高低[7]。 * 对于**实际成长（g）**，主要看业绩动量（Δg）的高低，适用于转型期和成长期[7]。 * 对于**盈利能力（ROE）**，主要看PB-ROE框架下的估值水平高低，适用于成熟期[7]。 * 对于**质量红利**，核心看股息率（DP）和盈利能力（ROE）的综合打分[45]。 * 对于**价值红利**，核心看股息率（DP）和市净率（BP）的综合打分[48]。 * 对于**破产价值**，核心看市净率（PB）和规模（SIZE）的综合打分，选取打分最低的[52]。 4. **优势差计算**：采用类似于因子择时中的Spread方法，计算各风格头部资产的优势差（如Δgf, Δg, ΔROE），用以刻画头部资产的趋势变化。优势差扩张表明该风格资产趋势转好[23]。 5. **行业选择与配置**：以中信二三级行业（整理合并后为202个）为标的，每月根据上述框架判断占优风格，并在该风格下选取排名靠前的细分行业（每期每个策略选5个行业）进行等权重配置[17]。 2. **因子名称：预期净利润增速（gf）**[7][25] * **因子构建思路**：基于分析师对未来盈利的一致预期，衡量资产的预期成长性[7]。 * **因子具体构建过程**：使用行业的预期净利润增速（g_fttm）作为因子值。通过计算该因子值的优势差（Δgf）来观察预期成长风格的趋势变化[25]。 3. **因子名称：净利润增速（g）**[7][28] * **因子构建思路**：基于历史财务数据，衡量资产的实际成长性[7]。 * **因子具体构建过程**：使用行业的净利润增速（g_ttm）作为因子值。通过计算该因子值的优势差（Δg）来观察实际成长风格的趋势变化[28]。 4. **因子名称：盈利能力（ROE）**[7][31] * **因子构建思路**：衡量资产的盈利能力和资本运用效率[7]。 * **因子具体构建过程**：使用行业的净资产收益率（ROE）作为因子值。通过计算该因子值的优势差（ΔROE）来观察盈利能力风格的趋势变化[31]。 5. **因子名称：股息率（DP）**[35][45][48] * **因子构建思路**：衡量资产的现金分红回报率，是高股息策略的核心[7]。 * **因子具体构建过程**：使用行业的股息率（DP）作为因子值。报告中也通过观察DP资产的拥挤度变化来判断高股息策略的配置时机[35]。 6. **因子名称：市净率（PB/BP）**[42][48][52] * **因子构建思路**：衡量资产价格相对于其净资产的估值水平[42][48][52]。 * **因子具体构建过程**：在盈利能力策略中，使用PB-ROE回归残差作为估值因子[42]。在价值红利策略中，直接使用市净率（BP）作为打分因子之一[48]。在破产价值策略中，使用市净率（PB）作为打分因子之一[52]。 7. **因子名称：规模（SIZE）**[52] * **因子构建思路**：衡量公司的市值大小，在破产价值策略中通常与小市值特征相关联[52]。 * **因子具体构建过程**：在破产价值策略中，使用规模（SIZE）作为打分因子之一，通常选取打分最低（即市值较小）的行业[52]。 8. **因子名称：超预期因子（sue, sur, jor）**[39] * **因子构建思路**：衡量公司业绩超出市场预期的程度，是实际成长策略的核心[39]。 * **因子具体构建过程**：在实际成长策略中，具体采用行业的标准化未预期盈余（sue）、盈余惊喜（sur）和业绩超预期（jor）等因子来筛选行业[39]。 9. **因子名称：PB-ROE回归残差**[42] * **因子构建思路**：在PB-ROE估值框架下，寻找盈利能力（ROE）较高但估值（PB）相对较低的资产，即“性价比”高的资产[42]。 * **因子具体构建过程**：对行业进行PB对ROE的横截面回归，取回归残差作为因子值。残差为负表示相对于其ROE水平，该行业的PB估值较低[42]。 模型的回测效果 1. **量化大势研判行业配置策略**，年化收益27.45%（2009年以来）[17]，2009年超额收益51%[20]，2010年超额收益14%[20]，2011年超额收益-11%[20]，2012年超额收益0%[20]，2013年超额收益36%[20]，2014年超额收益-4%[20]，2015年超额收益16%[20]，2016年超额收益-1%[20]，2017年超额收益27%[20]，2018年超额收益7%[20]，2019年超额收益8%[20]，2020年超额收益44%[20]，2021年超额收益38%[20]，2022年超额收益62%[20]，2023年超额收益10%[20]，2024年超额收益52%[20]，2025年超额收益14%[20] 因子的回测效果 *注：报告中未提供各因子的独立回测指标（如IC、IR等），而是展示了基于各因子构建的六类策略的历史表现概览。因此，此处总结各策略的整体表现特征。* 1. **预期成长策略**，在2019年以来以及2014-2015年期间超额收益显著[37] 2. **实际成长策略**，长期超额收益较为显著，在成长风格占优环境下表现尤佳[39] 3. **盈利能力策略**，在2016年-2020年期间超额收益较为显著，2021年以来持续较弱[42] 4. **质量红利策略**，在2016年、2017年、2023年超额收益较为显著[45] 5. **价值红利策略**，在2009年、2017年、2021-2023年超额收益较为显著[48] 6. **破产价值策略**，在2015-2016年、2021-2023年超额收益较为显著[52]

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：资产比较框架模型**[8][12] * **模型构建思路**：基于产业生命周期理论，将权益资产划分为五种风格阶段，通过全局比较确定优势资产，其属性即为未来市场主流风格[8] * **模型具体构建过程**：模型遵循 g>ROE>D 的基本优先级进行考察[8] * 首先分析主流资产（实际增速资产、预期增速资产、盈利资产）是否存在机会[12] * 若主流资产均无机会，则按拥挤度优先级（质量红利>价值红利>破产价值）考察次级资产[12] * 通过计算各风格下资产的“优势差”（类似于因子择时中的 Spread）来判断其趋势变化[25] * 优势差计算公式：$$优势差 = Top组均值 - Bottom组均值$$，用于刻画头部资产的趋势变化[25] 2. **因子名称：预期成长因子 (gf)**[9][25] * **因子构建思路**：基于分析师预期，选取预期净利润增速高的资产，关注未来增长潜力，无论产业周期阶段[9] * **因子具体构建过程**：使用分析师预期数据，计算行业的预期净利润增速 (g_fttm)，并比较其高低[9][27] 3. **因子名称：实际成长因子 (g)**[9][30] * **因子构建思路**：基于历史财务数据，选取业绩动量（即净利润增速变化△g）高的资产，集中于转型期和成长期的资产[9] * **因子具体构建过程**：使用历史财务数据，计算行业的净利润增速 (g_ttm) 及其变化（△g），并比较其高低[9][30] 实际成长策略具体采用 sue（标准未预期盈余）、sur（收入惊喜）、jor（盈利惊喜）等因子进行行业筛选[41] 4. **因子名称：盈利能力因子 (ROE)**[9][32] * **因子构建思路**：选取盈利能力高的资产，并在 PB-ROE 框架下考察其估值水平，集中于成熟期资产[9] * **因子具体构建过程**：计算行业的净资产收益率 (ROE)，并在 PB-ROE 框架下，使用回归残差法评估估值水平，选取高 ROE 且估值相对较低的资产[9][43] 因子具体构建为行业的 PB-ROE 回归残差[43] 5. **因子名称：质量红利因子 (DP+ROE)**[9][46] * **因子构建思路**：结合股息率 (DP) 和盈利能力 (ROE)，选取具有高质量分红特征的资产，集中于成熟期[9] * **因子具体构建过程**：对行业的股息率 (dp) 和净资产收益率 (roe) 进行打分，综合选取打分最高的行业[9][46] 6. **因子名称：价值红利因子 (DP+BP)**[9][49] * **因子构建思路**：结合股息率 (DP) 和市净率 (BP，即账面市值比)，选取具有高股息和低估值特征的资产，集中于成熟期[9] * **因子具体构建过程**：对行业的股息率 (dp) 和市净率 (bp) 进行打分，综合选取打分最高的行业[9][49] 7. **因子名称：破产价值因子 (PB+SIZE)**[9][52] * **因子构建思路**：选取市净率 (PB) 低、规模 (SIZE) 小的资产，关注其潜在的破产重组价值或壳价值，集中于停滞期和衰退期[9] * **因子具体构建过程**：对行业的市净率 (pb) 和规模 (size) 进行打分（低 PB 和小规模得分高），综合选取打分最低的行业[9][52] 模型的回测效果 1. **资产比较框架模型**，年化收益 27.06%[19]，2009年至2025年11月相对万得全A的超额收益分别为：2009年51%、2010年14%、2011年-11%、2012年0%、2013年36%、2014年-4%、2015年16%、2016年-1%、2017年27%、2018年7%、2019年8%、2020年44%、2021年38%、2022年62%、2023年10%、2024年52%、2025年(11月)8%[22] 因子的回测效果 1. **预期成长因子 (gf)**，近3月表现（截至2025年11月30日）：石油化工3.00%、乳制品1.49%、贸易Ⅲ3.20%、速冻食品14.08%、锂51.15%[38] 2. **实际成长因子 (g)**，近3月表现（截至2025年11月30日）：分立器件-9.40%、电池综合服务0.51%、锂电化学品51.88%、稀土及磁性材料-19.31%、其他家电14.93%[41] 3. **盈利能力因子 (ROE)**，近3月表现（截至2025年11月30日）：客车10.46%、白酒-4.26%、配电设备5.95%、非乳饮料-6.27%、网络接配及塔设12.18%[43] 4. **质量红利因子 (DP+ROE)**，近3月表现（截至2025年11月30日）：林木及加工145.24%、锅炉设备-8.71%、车用电机电控16.52%、锂电设备21.95%、网络接配及塔设12.18%[46] 5. **价值红利因子 (DP+BP)**，近3月表现（截至2025年11月30日）：安防-2.24%、日用化学品-8.29%、宠物食品-14.91%、服务机器人-24.98%、网络接配及塔设12.18%[49] 6. **破产价值因子 (PB+SIZE)**，近3月表现（截至2025年11月30日）：汽车销售及服务Ⅲ2.06%、燃气15.88%、棉纺制品10.97%、印染5.62%、建筑装修Ⅲ16.42%[52]

量化模型与构建方式 1. 量化大势研判行业配置策略 **模型构建思路**：通过自下而上的资产全局比较，基于产业生命周期理论将权益资产划分为五种风格阶段，通过优先级比较（g>ROE>D）筛选优势资产[1][5] **模型具体构建过程**： 1. 划分五种风格阶段：外延成长、质量成长、质量红利、价值红利、破产价值[5] 2. 对全市场权益资产（中信二三级行业）进行风格分类[15] 3. 按主流资产（实际增速资产、预期增速资产、盈利资产）和次级资产（质量红利>价值红利>破产价值）优先级进行比较[9] 4. 主流资产采用优势差（Spread）计算： - 预期增速优势差：$$\Delta gf = g\_fttm_{Top} - g\_fttm_{Bottom}$$[20] - 实际增速优势差：$$\Delta g = g\_ttm_{Top} - g\_ttm_{Bottom}$$[24] - ROE优势差：$$\Delta ROE = ROE_{Top} - ROE_{Bottom}$$[26] 5. 次级资产按拥挤度排序[9] 6. 每月选择优势风格中排名前5的细分行业等权重配置[15] 2. 预期成长策略 **因子构建思路**：选取分析师预期增速最高的行业[34] **因子具体构建过程**： 1. 计算行业预期净利润增速g_fttm[20] 2. 按g_fttm从高到低排序 3. 选择排名前5的行业[34] 3. 实际成长策略 **因子构建思路**：选取超预期/△g最高的行业[36] **因子具体构建过程**： 1. 采用三个因子：sue（未预期盈余）、sur（营收惊喜）、jor（盈利惊喜）[36] 2. 对行业进行多因子综合评分 3. 选择排名前5的行业[37] 4. 盈利能力策略 **因子构建思路**：选取高ROE中PB-ROE框架下估值较低的行业[39] **因子具体构建过程**： 1. 计算行业PB-ROE回归残差：$$残差 = ROE - \beta \times PB$$[39] 2. 按残差从高到低排序（高ROE低PB） 3. 选择排名前5的行业[39] 5. 质量红利策略 **因子构建思路**：选取DP+ROE打分最高的行业[42] **因子具体构建过程**： 1. 计算行业dp（股息率）和roe（净资产收益率）[42] 2. 对dp和roe进行标准化打分并加权求和 3. 选择综合得分前5的行业[42] 6. 价值红利策略 **因子构建思路**：选取DP+BP打分最高的行业[45] **因子具体构建过程**： 1. 计算行业dp（股息率）和bp（市净率倒数）[45] 2. 对dp和bp进行标准化打分并加权求和 3. 选择综合得分前5的行业[45] 7. 破产价值策略 **因子构建思路**：选取PB+SIZE打分最低的行业[48] **因子具体构建过程**： 1. 计算行业pb（市净率）和size（市值）[48] 2. 对pb和size进行标准化打分并加权求和（低pb小市值） 3. 选择综合得分最低的前5个行业[48] 模型的回测效果 1. 量化大势研判行业配置策略 年化收益：27.25%[15] 各年度超额收益： - 2009年：51%[18] - 2010年：14%[18] - 2011年：-11%[18] - 2012年：0%[18] - 2013年：36%[18] - 2014年：-4%[18] - 2015年：16%[18] - 2016年：-1%[18] - 2017年：27%[18] - 2018年：7%[18] - 2019年：8%[18] - 2020年：44%[18] - 2021年：38%[18] - 2022年：62%[18] - 2023年：10%[18] - 2024年：52%[18] - 2025年8月：4%[18] 2. 预期成长策略 近3月表现： - 线缆：49.62%[34] - 水泥：12.71%[34] - 玻璃纤维：63.67%[34] - 稀土及磁性材料：98.77%[34] - 白色家电Ⅲ：-1.21%[34] 3. 实际成长策略 近3月表现： - 集成电路：42.93%[37] - PCB：112.10%[37] - 钨：69.26%[37] - 锂电设备：60.15%[37] - 兵器兵装Ⅲ：80.22%[37] 4. 盈利能力策略 近3月表现： - 啤酒：-3.94%[39] - 白酒：4.12%[39] - 非乳饮料：-4.45%[39] - 网络接配及塔设：202.29%[39] - 建筑装修Ⅲ：4.42%[39] 5. 质量红利策略 近3月表现： - 车用电机电控：38.98%[42] - 其他家电：28.13%[42] - 稀土及磁性材料：98.77%[42] - 网络接配及塔设：202.29%[42] - 玻璃纤维：63.67%[42] 6. 价值红利策略 近3月表现： - 化学制剂：19.43%[45] - 日用化学品：2.12%[45] - 安防：21.03%[45] - 服务机器人：39.81%[45] - 网络接配及塔设：202.29%[45] 7. 破产价值策略 近3月表现： - 汽车销售及服务Ⅲ：4.59%[48] - 动物疫苗及兽药：10.81%[48] - 棉纺制品：4.80%[48] - 包装印刷：13.22%[48] - 印染：3.22%[48]