量化模型与构建方式 1. **模型名称**：沪深300增强组合[4][8] * **模型构建思路**：基于多因子模型构建的沪深300指数增强策略，旨在获取超越基准指数的超额收益[4] * **模型具体构建过程**：报告未详细描述具体构建过程，仅展示了其业绩表现。通常此类模型会基于一系列选股因子（如风格、技术、基本面因子）对沪深300成分股进行综合评分，选取得分较高的股票构建组合，并可能进行权重优化以控制跟踪误差[4][8] 2. **模型名称**：中证500增强组合[4][8] * **模型构建思路**：基于多因子模型构建的中证500指数增强策略，旨在获取超越基准指数的超额收益[4] * **模型具体构建过程**：报告未详细描述具体构建过程，仅展示了其业绩表现。构建逻辑与沪深300增强组合类似，但应用于中证500成分股池[4][8] 3. **模型名称**：中证1000增强组合[4][8] * **模型构建思路**：基于多因子模型构建的中证1000指数增强策略，旨在获取超越基准指数的超额收益[4] * **模型具体构建过程**：报告未详细描述具体构建过程，仅展示了其业绩表现。构建逻辑与前述增强组合类似，但应用于中证1000成分股池[4][8] 4. **模型名称**：进取组合[8] * **模型构建思路**：以中证500为基准的多因子选股组合，风格可能更为激进[8] * **模型具体构建过程**：报告未详细描述具体构建过程，仅展示了其业绩表现[8] 5. **模型名称**：平衡组合[8] * **模型构建思路**：以中证500为基准的多因子选股组合，风格可能较为均衡[8] * **模型具体构建过程**：报告未详细描述具体构建过程，仅展示了其业绩表现[8] 6. **模型名称**：绩优基金的独门重仓股组合[4][8] * **模型构建思路**：通过筛选绩优基金的独门重仓股来构建投资组合，利用基金经理的选股能力获取超额收益[4] * **模型具体构建过程**：报告未详细描述具体构建过程，仅展示了其业绩表现。通常逻辑是定期分析绩优基金（如业绩排名靠前）的持仓报告，筛选出被少数基金独家重仓持有的股票构成组合[4][8] 7. **模型名称**：盈利、增长、现金流三者兼优组合[4][8] * **模型构建思路**：筛选在盈利能力、成长性和现金流质量三个维度均表现优异的股票构建组合[4] * **模型具体构建过程**：报告未详细描述具体构建过程和筛选标准，仅展示了其业绩表现[4][8] 8. **模型名称**：PB-盈利优选组合[4][8] * **模型构建思路**：结合低市净率（PB）和高盈利能力的选股策略，旨在寻找有基本面支撑的低估值股票[4][28] * **模型具体构建过程**：报告未详细描述具体构建过程和因子权重，仅展示了其业绩表现[4][8][28] 9. **模型名称**：GARP组合[8][32] * **模型构建思路**：采用“合理价格成长”策略，兼顾公司的成长性和估值水平[8][32] * **模型具体构建过程**：报告未详细描述具体构建过程，仅展示了其业绩表现[8][32] 10. **模型名称**：小盘价值优选组合1[8][34] * **模型构建思路**：在微盘股中优选具备价值特征的股票构建组合[8][34] * **模型具体构建过程**：报告未详细描述具体构建过程，仅展示了其业绩表现[8][34] 11. **模型名称**：小盘价值优选组合2[8][36] * **模型构建思路**：在微盘股中优选具备价值特征的股票构建的另一个组合，可能与组合1的筛选标准或权重不同[8][36] * **模型具体构建过程**：报告未详细描述具体构建过程，仅展示了其业绩表现[8][36] 12. **模型名称**：小盘成长组合[4][8] * **模型构建思路**：在微盘股中优选具备高成长特征的股票构建组合[4][38] * **模型具体构建过程**：报告未详细描述具体构建过程，仅展示了其业绩表现[4][8][38] 量化因子与构建方式 1. **因子名称**：市值因子[42] * **因子构建思路**：衡量公司规模大小的风格因子[42] * **因子具体构建过程**：报告未给出具体计算公式。通常为股票的总市值。在因子测试中，将股票按因子值排序，因子值低（小市值）的股票构成多头组合，因子值高（大市值）的股票构成空头组合[41][42] 2. **因子名称**：PB因子[42] * **因子构建思路**：市净率，衡量估值水平的风格因子[42] * **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。在因子测试中，将股票按因子值排序，因子值低（低PB）的股票构成多头组合，因子值高（高PB）的股票构成空头组合[41][42] 3. **因子名称**：PE_TTM因子[42] * **因子构建思路**：滚动市盈率，衡量估值水平的风格因子[42] * **因子具体构建过程**：报告未给出具体计算公式。通常为股价除以最近十二个月每股收益。在因子测试中，将股票按因子值排序，因子值低（低PE）的股票构成多头组合，因子值高（高PE）的股票构成空头组合[41][42] 4. **因子名称**：反转因子[48] * **因子构建思路**：技术类因子，认为过去一段时间跌幅较大的股票未来可能反弹，涨幅较大的股票未来可能回调[48] * **因子具体构建过程**：报告未给出具体计算公式。通常计算过去一段时间的收益率并取负值。在因子测试中，将股票按因子值排序，因子值高（过去表现差）的股票构成多头组合，因子值低（过去表现好）的股票构成空头组合[41][48] 5. **因子名称**：换手率因子[48] * **因子构建思路**：技术类因子，衡量股票交易活跃程度[48] * **因子具体构建过程**：报告未给出具体计算公式。通常为一段时间内的成交股数除以流通股本。在因子测试中，将股票按因子值排序，因子值低（低换手）的股票构成多头组合，因子值高（高换手）的股票构成空头组合[41][48] 6. **因子名称**：波动率因子[48] * **因子构建思路**：技术类因子，衡量股票价格波动风险[48] * **因子具体构建过程**：报告未给出具体计算公式。通常计算过去一段时间收益率的标准差。在因子测试中，将股票按因子值排序，因子值低（低波动）的股票构成多头组合，因子值高（高波动）的股票构成空头组合[41][48] 7. **因子名称**：ROE因子[53] * **因子构建思路**：净资产收益率，衡量公司盈利能力的核心基本面因子[53] * **因子具体构建过程**：报告未给出具体计算公式。通常为净利润除以净资产。在因子测试中，将股票按因子值排序，因子值高（高ROE）的股票构成多头组合，因子值低（低ROE）的股票构成空头组合[41][53] 8. **因子名称**：SUE因子[53] * **因子构建思路**：标准化未预期盈余，衡量公司盈利增长超预期程度的基本面因子[53] * **因子具体构建过程**：报告未给出具体计算公式。通常为（当期实际EPS - 预期EPS）除以历史盈利波动的标准差。在因子测试中，将股票按因子值排序，因子值高（盈利超预期多）的股票构成多头组合，因子值低（盈利低于预期）的股票构成空头组合[41][53] 9. **因子名称**：预期净利润调整因子[53] * **因子构建思路**：反映分析师对公司未来盈利预测调整方向的基本面因子[53] * **因子具体构建过程**：报告未给出具体计算公式。通常计算一段时间内分析师对未来净利润一致预期的调整幅度。在因子测试中，将股票按因子值排序，因子值高（盈利预期上调）的股票构成多头组合，因子值低（盈利预期下调）的股票构成空头组合[41][53] 模型的回测效果 （数据期间：2025年12月31日至2026年01月16日）[8] 1. **沪深300增强组合**，绝对收益5.64%，超额收益3.44%，跟踪误差4.23%，最大相对回撤0.38%[8] 2. **中证500增强组合**，绝对收益7.98%，超额收益-2.30%，跟踪误差4.98%，最大相对回撤4.77%[8] 3. **中证1000增强组合**，绝对收益8.89%，超额收益0.50%，跟踪误差6.83%，最大相对回撤2.78%[8] 4. **进取组合**，绝对收益7.28%，超额收益-3.00%，跟踪误差20.28%，最大相对回撤12.81%[8] 5. **平衡组合**，绝对收益8.34%，超额收益-1.93%，跟踪误差17.57%，最大相对回撤11.94%[8] 6. **绩优基金的独门重仓股组合**，绝对收益8.89%，超额收益2.84%，跟踪误差18.53%，最大相对回撤3.12%[8] 7. **盈利、增长、现金流三者兼优组合**，绝对收益1.82%，超额收益-0.38%，跟踪误差10.21%，最大相对回撤3.01%[8] 8. **PB-盈利优选组合**，绝对收益1.72%，超额收益-0.48%，跟踪误差12.40%，最大相对回撤4.47%[8] 9. **GARP组合**，绝对收益4.89%，超额收益2.69%，跟踪误差11.68%，最大相对回撤2.90%[8] 10. **小盘价值优选组合1**，绝对收益5.91%，超额收益-0.60%，跟踪误差8.50%，最大相对回撤3.40%[8] 11. **小盘价值优选组合2**，绝对收益7.92%，超额收益1.40%，跟踪误差8.30%，最大相对回撤1.53%[8] 12. **小盘成长组合**，绝对收益6.21%，超额收益-0.31%，跟踪误差10.52%，最大相对回撤2.25%[8] 因子的回测效果 （数据期间：2025年12月31日至2026年01月16日）[42][49][53] 1. **市值因子**，全市场多空收益0.16%，沪深300多空收益5.33%，中证500多空收益-9.74%，中证1000多空收益-2.90%[42][43] 2. **PB因子**，全市场多空收益-5.94%，沪深300多空收益-8.16%，中证500多空收益-12.18%，中证1000多空收益-8.70%[42][43] 3. **PE_TTM因子**，全市场多空收益-3.25%，沪深300多空收益-7.85%，中证500多空收益-11.41%，中证1000多空收益-6.82%[42][43] 4. **反转因子**，全市场多空收益-4.10%，沪深300多空收益-0.84%，中证500多空收益-13.83%，中证1000多空收益-1.38%[49] 5. **换手率因子**，全市场多空收益-2.11%，沪深300多空收益-6.95%，中证500多空收益-16.07%，中证1000多空收益-5.47%[49] 6. **波动率因子**，全市场多空收益-3.87%，沪深300多空收益-5.98%，中证500多空收益-15.65%，中证1000多空收益-4.06%[49] 7. **ROE因子**，全市场多空收益1.10%，沪深300多空收益0.13%，中证500多空收益-2.02%，中证1000多空收益1.16%[53] 8. **SUE因子**，全市场多空收益0.37%，沪深300多空收益2.40%，中证500多空收益-0.62%，中证1000多空收益0.17%[53] 9. **预期净利润调整因子**，全市场多空收益0.40%，沪深300多空收益3.35%，中证500多空收益2.00%，中证1000多空收益-1.55%[53]

量化模型与因子分析总结 量化因子与构建方式 风格类因子 1. **Trend因子** 构建思路：衡量股票价格趋势强度[16] 具体构建： - Trend_120 = EWMA(halflife=20)/EWMA(halflife=120) - Trend_240 = EWMA(halflife=20)/EWMA(halflife=240) 评价：本周表现最佳，市场对趋势策略偏好增强[11][13] 2. **Volatility因子** 构建思路：衡量股票价格波动性[16] 具体构建： - Stdvol：过去243天的标准波动率 - Ivff：过去243天的FF3特质波动率 - Range：过去243天的最高价/最低价-1 - MaxRet_6/MinRet_6：过去243天收益最高/最低六天的收益率平均值 评价：本周表现最差，市场对高波动资产需求减弱[11][13] 3. **Size因子** 构建思路：基于总市值对数的规模因子[16] 评价：小盘股关注度持续减弱[11][13] 基础因子库 1. **特异度(IVR_1M)** 构建思路：衡量个股收益与市场收益的偏离程度[20] 具体构建：1-过去20日Fama-French三因子回归拟合度 评价：在沪深300和中证800样本中表现最佳[23][31] 2. **三个月机构覆盖(ORGAN_NUM_3M)** 构建思路：过去3个月撰写研报的机构数量[20] 评价：在中证1000、国证2000和中证全指样本中表现最佳[35][39][47] 3. **BP因子** 构建思路：账面市值比(净资产/总市值)[20] 评价：在创业板指样本中表现最佳[43] 4. **三个月波动(ATR_3M)** 构建思路：过去60个交易日日内真实波幅均值[20] 评价：在中证500样本中表现最佳[27] 因子回测效果 风格因子表现 | 因子名称 | 近一周 | 近一月 | 今年以来 | 近一年年化 | 历史年化 | |---------|-------|-------|---------|-----------|---------| | Trend | 2.39% | 5.57% | -0.70% | 24.36% | 14.25% | | Value | 1.24% | 0.81% | -10.75% | -26.98% | 7.12% | | Volatility | -1.75% | -3.95% | 4.10% | 24.26% | -13.16% | [13] 沪深300样本因子表现 | 因子名称 | 近一周 | 近一月 | 今年以来 | |---------|-------|-------|---------| | 特异度 | 1.30% | 2.11% | 4.32% | | EPTTM一年分位点 | 0.62% | 1.45% | 5.81% | | 一个月UMR | -0.86% | -1.46% | 2.36% | [23] 中证500样本因子表现 | 因子名称 | 近一周 | 近一月 | 今年以来 | |---------|-------|-------|---------| | 三个月波动 | 1.39% | 0.69% | -1.29% | | 预期BP | 0.99% | 1.53% | -0.17% | | 3个月盈利上下调 | -1.39% | -1.26% | 1.52% | [27] 中证800样本因子表现 | 因子名称 | 近一周 | 近一月 | 今年以来 | |---------|-------|-------|---------| | 特异度 | 1.03% | 2.27% | 3.24% | | 三个月波动 | 0.96% | 0.11% | 0.86% | | 标准化预期外收入 | -0.94% | 1.64% | 2.99% | [31] 中证1000样本因子表现 | 因子名称 | 近一周 | 近一月 | 今年以来 | |---------|-------|-------|---------| | 三个月机构覆盖 | 1.25% | 0.91% | 3.03% | | 三个月反转 | 1.10% | 2.13% | 2.53% | | 一年动量 | -1.54% | -0.85% | -0.37% | [35] 国证2000样本因子表现 | 因子名称 | 近一周 | 近一月 | 今年以来 | |---------|-------|-------|---------| | 三个月机构覆盖 | 1.21% | 1.37% | 3.10% | | 预期BP | 1.01% | 0.45% | -3.64% | | 一年动量 | -1.65% | -2.31% | 1.33% | [39] 创业板指样本因子表现 | 因子名称 | 近一周 | 近一月 | 今年以来 | |---------|-------|-------|---------| | BP | 0.68% | 0.06% | -4.33% | | 预期BP | 0.59% | -0.36% | -3.75% | | 单季ROA | -0.61% | -0.29% | 12.94% | [43] 中证全指样本因子表现 | 因子名称 | 近一周 | 近一月 | 今年以来 | |---------|-------|-------|---------| | 三个月机构覆盖 | 1.70% | 1.29% | 4.96% | | 三个月反转 | 1.46% | 1.97% | 4.94% | | 一年动量 | -1.17% | -1.59% | -6.99% | [47] MFE组合构建方法 构建思路：在控制行业和风格暴露约束下最大化单因子暴露[64] 优化模型： $$ \begin{array}{ll} max & f^{T}w \\ s.t. & s_{l}\leq X(w-w_{b})\leq s_{h} \\ & h_{l}\leq H(w-w_{b})\leq h_{h} \\ & w_{l}\leq w-w_{b}\leq w_{h} \\ & b_{l}\leq B_{b}w\leq b_{h} \\ & 0\leq w\leq l \\ & 1^{T}w=1 \\ & \Sigma|w-w_{0}|\leq to_{h} \end{array} $$ 约束条件包括风格偏离、行业偏离、个股权重限制和换手率控制[64][67]

根据提供的研报内容，以下是量化模型与因子的总结： 量化因子与构建方式 1. **因子名称**：行业拥挤度因子 **因子构建思路**：通过计算行业指数价格变动与成交金额变动的马氏距离，衡量行业的交易拥挤程度[17] **因子具体构建过程**： - 计算行业指数最近一周的价格变动和成交金额变动 - 计算两者的马氏距离，公式为： $$D_M = \sqrt{(\mathbf{x} - \mathbf{\mu})^T \mathbf{S}^{-1} (\mathbf{x} - \mathbf{\mu})}$$ 其中，$\mathbf{x}$为价格和成交金额的变动向量，$\mathbf{\mu}$为均值向量，$\mathbf{S}$为协方差矩阵 - 将马氏距离映射到四象限坐标系，第1象限为价量齐升，第3象限为价量齐跌，椭圆外的点表示偏离度超过99%置信水平的行业[17] **因子评价**：能够有效捕捉短期交易过热或超跌的行业[18] 2. **因子名称**：PE分位数因子 **因子构建思路**：通过计算行业PE相对于历史分位数，衡量估值水平[15][17] **因子具体构建过程**： - 统计各行业当前PE值 - 计算自2019年以来的历史PE分位数，公式为： $$P_{PE} = \frac{\text{当前PE在历史序列中的排名}}{\text{总样本数}} \times 100\%$$ - 分位数越高表示估值越高[17] 因子回测效果 1. **行业拥挤度因子**： - 上周检测到建筑材料行业出现短期交易超跌[18] 2. **PE分位数因子**： - 国防军工、钢铁、计算机行业PE分位数最高（100%）[17] - 农林牧渔、食品饮料、公用事业行业PE分位数最低（10%、11%、29%）[17] 注：报告中未提及具体的量化模型，仅包含上述量化因子内容[3][17][18]

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]