量化模型与构建方式 **1. 模型名称：港股CCASS优选20组合（“先选经纪商，再选个股”两步筛选法）** - **模型构建思路**：利用港股CCASS数据，对单一经纪商在港股上的持仓进行月度持仓复制跟踪，经回测筛选出绩优经纪商进行持仓借鉴，采用“先选经纪商，再选个股”的两步筛选法构建每期20只股票的港股组合，基准指数为恒生指数[5][31] - **模型具体构建过程**： - 第一步，选经纪商：以月末为截面，对全部经纪商按超额夏普比率与月度胜率分别标准化后等权合成综合得分，取综合分数靠前的N名经纪商得到绩优经纪商池[31] - 第二步，选个股：将资金等权分配至N个经纪商，并汇总其最新持仓，按权重由高到低保留M只股票再等权配置，构建股票组合[31] - 参数设定：令N＝10（经纪商数量）、M＝20（股票数量），即在每期截面取综合得分（标准化后的超额夏普比率+月度胜率）最高的10家绩优经纪商，汇总其持仓后保留权重前20只股票并等权配置，得到每一期持仓[31] - 综合得分构建逻辑可表示为：对每个经纪商的超额夏普比率与月度胜率分别进行标准化处理，再等权合成综合得分，公式如下： $$Score_i = z(Sharpe^{ex}_i) + z(WinRate_i)$$ 公式中 $Score_i$ 为第 $i$ 家经纪商的综合得分，$Sharpe^{ex}_i$ 为第 $i$ 家经纪商的超额夏普比率，$WinRate_i$ 为第 $i$ 家经纪商的月度胜率，$z(\cdot)$ 表示标准化处理 - 组合基准选取恒生指数（HSI.HI）[33] - **模型评价**：该模型基于港交所CCASS持仓明细数据，通过后视镜视角筛选绩优经纪商并复制其持仓，能够捕捉绩优机构的持仓偏好；组合维持大盘价值风格配置，前十大重仓行业以传媒、非银行金融、银行为主，体现出策略在普跌环境中对低估值、高股息及基本面稳健品种的防御性偏好[6][36] 模型的回测效果 **1. 港股CCASS优选20组合** - 2026年10月组合收益率：-4.86%[5][34] - 2026年10月月超额收益率：0.50%[5][34] - 全区间（2020.1~2026.10）超额年化收益率：16.5%[5][34] - 全区间（2020.1~2026.10）超额夏普比率：2.25[5][34] - 全区间（2020.1~2026.10）年化波动率：7.34%[35] - 全区间（2020.1~2026.10）最大回撤：-6.92%[35] - 全区间（2020.1~2026.10）月度胜率：73.17%[35] - 组合超额净值：2.76[35] 分年度超额绩效如下： | 年份 | 年化超额收益率 | 年化波动率 | 夏普比率 | 最大回撤 | 月度胜率 | | --- | --- | --- | --- | --- | --- | | 2020年 | 23.70% | 9.38% | 2.53 | -4.14% | 66.67% | | 2021年 | 14.46% | 7.85% | 1.84 | -4.09% | 75.00% | | 2022年 | 11.91% | 8.45% | 1.41 | -5.28% | 66.67% | | 2023年 | 19.65% | 6.82% | 2.88 | -3.15% | 66.67% | | 2024年 | 20.68% | 7.02% | 2.95 | -4.09% | 91.67% | | 2025年 | 17.73% | 5.30% | 3.34 | -2.55% | 83.33% | | 2026年 | 5.82% | 5.33% | 1.09 | -1.91% | 60.00% | | 全区间 | 16.48% | 7.34% | 2.25 | -6.92% | 73.17% | [35] 量化因子与构建方式 **1. 因子名称：绩优经纪商筛选因子（超额夏普比率与月度胜率合成因子）** - **因子构建思路**：以月末为截面，对全部经纪商按超额夏普比率与月度胜率分别标准化后等权合成综合得分，用于筛选绩优经纪商池[31] - **因子具体构建过程**： - 对每个经纪商计算超额夏普比率与月度胜率两个基础指标 - 对两个指标分别进行标准化处理 - 将标准化后的超额夏普比率与月度胜率等权合成综合得分，公式如下： $$Score_i = z(Sharpe^{ex}_i) + z(WinRate_i)$$ 公式中 $Score_i$ 为第 $i$ 家经纪商的综合得分，$Sharpe^{ex}_i$ 为第 $i$ 家经纪商的超额夏普比率，$WinRate_i$ 为第 $i$ 家经纪商的月度胜率，$z(\cdot)$ 表示标准化处理 - 按综合得分由高到低排序，取前N名（N＝10）经纪商构成绩优经纪商池[31] - **因子评价**：该因子将收益风险比（超额夏普比率）与稳定性（月度胜率）两个维度结合，能够综合刻画经纪商持仓的绩优程度，为后续持仓复制提供筛选依据[31] **2. 因子名称：资金流机构来源分类因子（四类托管机构持仓市值占比）** - **因子构建思路**：将港股通成分股通过香港联交所的持股明细进行资金流估算，并按照资金流的机构来源，分成四类托管机构：南向资金、外资、中资和港资及其他[25] - **因子具体构建过程**： - 基于香港联交所持股明细数据，对港股通成分股进行资金流估算 - 按资金流的机构来源将持仓划分为四类托管机构：南向资金、外资、中资、港资及其他[25] - 计算各类托管机构持仓市值占比，截至10月30日，四类持仓市值占比分别为21.73%、56.19%、13.22%、8.86%，较2026年9月的变化分别为+0.06pct、+0.32pct、+0.00pct、-0.38pct[25] - 注：四类经纪商的持仓市值加总并不一定等于总市值，归一化仅在这四类经纪商中的持仓市值中计算得到[31] - **因子评价**：该因子从机构来源维度刻画港股通标的的资金结构变化，可用于跟踪南向资金、外资等不同资金主体的持仓动向与边际变化[25] 因子的回测效果 **1. 绩优经纪商筛选因子（超额夏普比率与月度胜率合成因子）** 后视镜视角下的绩优经纪商（全样本，股票数量=20，经纪商数量=10）各经纪商指标取值如下[32]： | 经纪商名称 | 年化超额收益率 | 年化超额波动率 | 超额夏普比率 | 最大回撤 | 月度胜率 | 周度胜率 | | --- | --- | --- | --- | --- | --- | --- | | 辉立证券(香港) | 10.4% | 6.0% | 1.73 | -3.8% | 73.61% | 64.17% | | 加福证券 | 12.9% | 10.0% | 1.29 | -10.9% | 79.17% | 55.70% | | 巨亨证券 | 18.1% | 11.0% | 1.65 | -12.0% | 73.61% | 60.26% | | 奕丰证券(香港) | 8.6% | 5.5% | 1.57 | -4.1% | 70.83% | 59.61% | | 中润证券 | 14.1% | 8.7% | 1.62 | -9.1% | 69.44% | 57.65% | | 宝盛证券(香港) | 9.8% | 7.1% | 1.38 | -5.9% | 72.22% | 57.98% | | 沪市港股通 | 9.8% | 6.6% | 1.48 | -7.2% | 70.83% | 57.65% | | 银河—联昌证券(香港) | 9.6% | 5.9% | 1.64 | -4.4% | 66.67% | 60.59% | | 盈透证券香港 | 12.3% | 8.8% | 1.40 | -10.3% | 69.44% | 57.65% | | 新基立证券 | 11.4% | 9.1% | 1.26 | -8.6% | 70.83% | 57.33% | [32] **2. 资金流机构来源分类因子（四类托管机构持仓市值占比）** 截至2026年10月30日，四类托管机构持仓市值占比及较2026年9月变化如下[25]： | 托管机构类型 | 持仓市值占比 | 较2026年9月变化 | | --- | --- | --- | | 南向资金 | 21.73% | +0.06pct | | 外资 | 56.19% | +0.32pct | | 中资 | 13.22% | +0.00pct | | 港资及其他 | 8.86% | -0.38pct | [25]

量化模型与构建方式 1. 模型名称：整体法估值模型；模型构建思路：将指数或行业全部成分股的总市值加总，再除以它们的净利润之和，相当于把整个指数看成一家公司来计算估值；模型具体构建过程：以PE为例，公式为 $$PE_{t}=\frac{\sum_{j}\;\;M\,V_{j,t}}{\sum_{j}\;\;N\,P_{j,t}^{T\,T\,M}}$$ 其中，j为成分股，t为交易日，MV为总市值，NP为归属母公司股东的净利润（TTM）；行业PE按当天的中信一级行业成分用上式进行计算，行业整体亏损时PE为负[8]；模型评价：整体法将指数视为一家公司，能够反映成分股整体的估值水平，但受大市值成分股影响较大 2. 模型名称：中位数法估值模型；模型构建思路：把指数成分股的指标从小到大排列，取中间值，不受少数极端值影响；模型具体构建过程：将指数成分股的PE、PB等指标从小到大排列后取中位数，亏损个股的PE按无穷大参与排序，按口径视为最贵；净资产为负的个股不参与PB中位数；股息率为近12个月含税现金分红除以总市值，未分红的个股按0计入[8]；模型评价：中位数法不受少数极端值影响，能够更均衡地反映成分股估值的中枢水平 3. 模型名称：PEG估值模型；模型构建思路：用预测当年PE除以预测当年一致预期净利润增速来衡量估值与成长的匹配程度；模型具体构建过程：指数和行业的PEG为预测当年PE除以预测当年一致预期净利润增速；预测当年在每年5月1日前指上一年度，5月1日起指本年度；PEG为负即一致预期净利润负增长而仍盈利，照常计入历史，排序时排在全部正值之后，按口径视为最贵；预测当年的一致预期净利润或预测PE为负（预期亏损）时PEG没有意义，预测当年净利润同比增速低于-100%时增速无法计算，这两种情况的日子不计入历史[15]；模型评价：PEG将估值与成长性结合，适用于成长性行业的估值比较，但一致预期数据可能随时调整 4. 模型名称：基金重仓股配置比例模型；模型构建思路：以基金季报披露的前十大重仓股市值计算基金在各行业或各指数上的配置比例；模型具体构建过程：行业配置比例为基金在某个中信一级行业的重仓股市值除以在全部中信一级行业的重仓股市值之和（全部行业含综合、综合金融）；指数配置比例为基金在某个指数成分股上的重仓股市值除以在沪深300、上证50、中证500、创业板指四个指数成分股上的重仓股市值之和，四个指数合计为100%，同一只股票属于两个指数的在两个指数各算一次；公式为 $$P o s i t i o n_{i,t}={\frac{M V_{i,t}}{\sum_{i}\ \ M V_{i,t}}}$$ 其中，i为行业或指数，t为季报期，重仓股市值取基金季报披露的前十大重仓股持仓市值[9]；模型评价：基于季报前十大重仓股数据，披露有滞后，与基金实际持仓可能存在差异 5. 模型名称：基金重仓组合估值模型；模型构建思路：把全部样本基金季报前十大重仓股中的A股看成一个组合，按季末持股比例和每日总市值推算组合市值，进而计算组合整体估值；模型具体构建过程：先用季末基金重仓市值除以该公司季末总市值，得到组合对每家公司的持股比例；季内持股比例不变，按每天的总市值推算组合市值，新一期季报可用后换成新持仓；组合的PE、预测PE、PB按整体法计算，分子都是组合市值，分母依次为组合对应的归母净利润（TTM）、一致预期未来12个月净利润和净资产；股息率为组合近12个月现金分红除以组合市值；相对倍数为重仓组合的PE、PB分别除以沪深300整体法的PE、PB，两者都为正时才计算，大于1表示组合估值高于沪深300，小于1表示低于沪深300[75]；模型评价：该模型能够动态跟踪基金重仓组合的估值水平及其相对沪深300的溢价程度 6. 模型名称：持仓集中度模型；模型构建思路：通过统计重仓记录在不同股票上的分布来衡量基金持仓的集中程度；模型具体构建过程：一只基金的一只前十大重仓股记为一条重仓记录；按重仓基金数排序，计算被最多基金重仓的前20只、前50只股票所占的重仓记录比例，比例越高说明基金持仓越集中在少数股票上；同时统计前两大行业合计、前五大行业合计的配置比例以及港股占比[70]；模型评价：能够直观反映基金持仓的集中与分散程度 7. 模型名称：行业重仓股相对估值模型；模型构建思路：用行业重仓股PE除以本行业整体PE，衡量基金重仓股相对行业整体的估值高低；模型具体构建过程：行业重仓股组合为重仓组合中属于某个中信一级行业的A股，行业按季末分类，估值算法与重仓组合相同；相对倍数为重仓股PE除以本行业整体PE，两者都为正时才计算，比值小于1表示重仓股PE低于行业整体，大于1表示高于行业整体[94]；模型评价：该模型口径与按全部成分股计算的行业整体估值不同，能够反映基金重仓股相对行业整体的估值偏离 8. 模型名称：龙头股估值模型；模型构建思路：在每个中信三级行业中选出总市值最大且市值在500亿元以上的公司作为龙头股，跟踪其估值水平；模型具体构建过程：按中信三级行业分类，在每个行业里选出总市值最大且在500亿元以上的公司作为龙头股；只保留2011年1月7日前上市的公司，若某行业市值最大的公司上市较晚，该行业不选龙头，也不往下递补；PE图共70只，不含当前亏损、没有PE数据以及借壳或重大资产注入不满一年的公司；PEG图共71只，两图入选规则不同；龙头股的PEG用WIND一致预期计算：最近已披露年报之后一个年度的预测PE，除以从该年报年度起两年一致预期净利润的年均复合增速，增速为负时照常计算，PEG为负，预期亏损或增速无法计算的日子不计入历史[97][101]；模型评价：龙头股估值能够反映各细分行业代表性公司的估值位置，但分位只反映当前值在自身历史区间中的位置，不代表绝对估值水平的高低 9. 模型名称：历史分位模型；模型构建思路：把当前值放进该指标自身的历史数据里排序，看排在百分之几，以此判断估值或配置的历史位置；模型具体构建过程：历史分位为当前值在该指标自身历史数据中的排序百分位，分位包含当前值本身，所以创历史新低时分位是1除以历史数据个数而不是0%；对PE、PB、PEG、相对倍数和配置比例，分位越高表示估值越贵或配置越重；对股息率，分位越高表示估值越便宜；分位不高于20%为历史低位，不低于80%为历史高位，其余为历史中间区域[10]；模型评价：历史分位只反映当前值在自身历史中的位置，不代表未来走势 10. 模型名称：股息率与国债收益率差值模型；模型构建思路：通过比较10年期国债收益率与指数E/P或股息率的差值来判断指数相对国债的性价比；模型具体构建过程：计算10年期国债收益率减各指数E/P的差值（E/P为PE的倒数，即每1元市值对应的近12个月净利润），以及10年期国债收益率减各指数股息率的差值，差值越低表示指数相对国债越便宜[27][31]；模型评价：该模型提供了股债相对价值的比较视角，但受国债收益率和盈利波动共同影响 量化因子的构建方式 1. 因子名称：PE估值因子；因子构建思路：以市盈率衡量指数、行业或个股的估值水平；因子具体构建过程：整体法PE为成分股总市值之和除以归母净利润（TTM）之和，公式为 $$PE_{t}=\frac{\sum_{j}\;\;M\,V_{j,t}}{\sum_{j}\;\;N\,P_{j,t}^{T\,T\,M}}$$ 其中，j为成分股，t为交易日，MV为总市值，NP为归属母公司股东的净利润（TTM）；中位数法PE为成分股个股PE从小到大排列取中间值，亏损个股的PE按无穷大参与排序，按口径视为最贵；PE为负表示亏损，排序按每100元市值对应的年盈亏，赚得越少越贵、亏得越多越贵[8][11]；因子评价：PE是最常用的估值因子，但亏损时PE为负，需按口径特殊处理 2. 因子名称：PB估值因子；因子构建思路：以市净率衡量指数、行业或个股的估值水平；因子具体构建过程：整体法PB为成分股总市值之和除以净资产之和；中位数法PB为成分股个股PB从小到大排列取中间值，净资产为负的个股不参与PB中位数[8][19]；因子评价：PB适用于净资产较为稳定的行业和公司估值 3. 因子名称：PEG因子；因子构建思路：将估值与成长性结合，用预测PE除以一致预期净利润增速；因子具体构建过程：PEG为预测当年PE除以预测当年一致预期净利润增速；预测当年在每年5月1日前指上一年度，5月1日起指本年度；PEG为负即一致预期净利润负增长而仍盈利，照常计入历史，排序时排在全部正值之后，按口径视为最贵；预测当年的一致预期净利润或预测PE为负（预期亏损）时PEG没有意义，预测当年净利润同比增速低于-100%时增速无法计算，这两种情况的日子不计入历史[15]；因子评价：PEG适用于成长性行业的估值比较，负值需按口径特殊排序 4. 因子名称：股息率因子；因子构建思路：以近12个月现金分红除以总市值衡量股票的现金回报水平；因子具体构建过程：股息率为近12个月含税现金分红除以总市值，未分红的个股按0计入；对股息率，分位越高表示估值越便宜[8][10]；因子评价：股息率因子在高股息策略中应用广泛，分位越高表示估值越便宜 5. 因子名称：指数配置比例因子；因子构建思路：以基金在指数成分股上的重仓市值占比衡量基金对各指数的配置偏好；因子具体构建过程：指数配置比例为基金在某个指数成分股上的重仓股市值除以在沪深300、上证50、中证500、创业板指四个指数成分股上的重仓股市值之和，四个指数合计为100%，同一只股票属于两个指数的在两个指数各算一次，公式为 $$P o s i t i o n_{i,t}={\frac{M V_{i,t}}{\sum_{i}\ \ M V_{i,t}}}$$ 其中，i为行业或指数，t为季报期[9]；因子评价：反映基金配置偏好，但受季报披露滞后影响 6. 因子名称：行业配置比例因子；因子构建思路：以基金在中信一级行业的重仓市值占比衡量基金对各行业的配置偏好；因子具体构建过程：行业配置比例为基金在某个中信一级行业的重仓股市值除以在全部中信一级行业的重仓股市值之和，全部行业含综合、综合金融[9]；因子评价：能够反映基金行业配置的历史位置 7. 因子名称：持仓集中度因子；因子构建思路：以重仓记录在不同股票上的分布衡量基金持仓集中程度；因子具体构建过程：一只基金的一只前十大重仓股记为一条重仓记录；按重仓基金数排序，计算被最多基金重仓的前20只、前50只股票所占的重仓记录比例；同时统计前两大行业合计、前五大行业合计的配置比例以及港股占比[70]；因子评价：集中度越高说明基金持仓越集中于少数股票 8. 因子名称：相对倍数因子；因子构建思路：以重仓组合PE、PB分别除以沪深300整体法PE、PB衡量组合相对基准的估值溢价；因子具体构建过程：相对倍数为重仓组合的PE、PB分别除以沪深300整体法的PE、PB，两者都为正时才计算，大于1表示组合估值高于沪深300，小于1表示低于沪深300[75]；因子评价：能够反映基金重仓组合相对市场基准的估值偏离程度 9. 因子名称：行业重仓股PE与行业整体PE之比因子；因子构建思路：以重仓股PE除以本行业整体PE衡量重仓股相对行业整体的估值高低；因子具体构建过程：行业重仓股组合为重仓组合中属于某个中信一级行业的A股，行业按季末分类；相对倍数为重仓股PE除以本行业整体PE，两者都为正时才计算，比值小于1表示重仓股PE低于行业整体，大于1表示高于行业整体[94]；因子评价：口径与行业整体估值不同，能够反映基金重仓股相对行业整体的估值偏离 10. 因子名称：股债性价比因子（国债收益率减E/P及国债收益率减股息率）；因子构建思路：通过比较国债收益率与指数盈利收益率或股息率的差值判断股债相对性价比；因子具体构建过程：计算10年期国债收益率减各指数E/P的差值（E/P为PE的倒数），以及10年期国债收益率减各指数股息率的差值，差值越低表示指数相对国债越便宜[27][31]；因子评价：提供了股债相对价值的比较视角 模型的回测效果 1. 整体法估值模型，创业板指PE为27.19倍、历史分位4.51%，上证50 PE为11.72倍、历史分位84.48%，沪深300 PB为1.33倍、历史分位17.36%，创业板指PB为3.82倍、历史分位13.84%，中证1000 PB为1.93倍、历史分位8.95%[12][19] 2. 中位数法估值模型，沪深300 PE为18.71倍、历史分位5.40%，沪深300 PB为2.01倍、历史分位15.17%，中证1000 PB为2.25倍、历史分位17.19%，万得全A PB为2.32倍、历史分位15.45%[12][19] 3. PEG估值模型，创业板指PEG为0.37、历史分位0.49%[15] 4. 基金重仓股配置比例模型，中证500配置比例20.13%、历史分位80.30%，创业板指配置比例20.07%、历史分位98.48%，沪深300配置比例47.02%、历史分位15.15%，上证50配置比例12.78%、历史分位10.61%[34] 5. 基金重仓组合估值模型，组合PE为24.17倍、历史分位51.00%，预测PE为15.15倍、历史分位29.99%，PB为3.20倍、历史分位36.72%，股息率为1.34%、历史分位70.25%，PE相对沪深300为1.80倍、历史分位38.61%，PB相对沪深300为2.39倍、历史分位54.31%[76] 6. 持仓集中度模型，前两大行业合计占比50.62%、历史分位98.51%，前五大行业合计占比71.22%、历史分位98.51%，前20只股票占比23.22%、历史分位44.78%，前50只股票占比35.65%、历史分位43.28%，港股占比10.48%、历史分位78.72%[70] 7. 行业重仓股相对估值模型，建材比值0.11倍、轻工制造比值0.17倍、医药比值0.74倍均创历史新低，交通运输比值1.91倍、历史分位95.53%[94] 8. 龙头股估值模型，PE历史分位最高为海螺水泥98.33%、建设银行97.37%、中国神华95.08%，最低为紫金矿业0.63%、顺丰控股1.56%、海康威视2.11%；PEG方面中国建筑-1.88、中国中铁-0.88、海螺水泥-1.78、中远海控-1.11，历史分位分别为100.00%、99.84%、90.41%、52.66%[97][101] 9. 历史分位模型，10年期国债收益率1.65%、历史分位2.08%[22] 10. 股息率与国债收益率差值模型，10年期国债收益率减E/P差值最低为沪深300中位数法-3.69个百分点、历史分位0.27%，创业板指整体法-2.03个百分点、历史分位0.62%，中证500中位数法-2.01个百分点、历史分位1.85%；10年期国债收益率减股息率差值最低为创业板指整体法0.34个百分点、历史分位2.32%，中证500中位数法0.42个百分点、历史分位2.70%，沪深300中位数法-0.42个百分点、历史分位3.14%[27][31] 因子的回测效果 1. PE估值因子，创业板指整体法PE为27.19倍、历史分位4.51%，上证50整体法PE为11.72倍、历史分位84.48%，沪深300中位数法PE为18.71倍、历史分位5.40%；中信一级行业中有色金属PE为12.45倍创历史新低，非银行金融PE为10.82倍、历史分位4.26%，电子PE为41.28倍、历史分位14.95%，建材PE为237.12倍创历史新高，房地产PE为-5.06倍、历史分位98.85%，农林牧渔PE为-53.29倍、历史分位97.06%[12][46] 2. PB估值因子，沪深300整体法PB为1.33倍、历史分位17.36%，创业板指整体法PB为3.82倍、历史分位13.84%，中证1000整体法PB为1.93倍、历史分位8.95%，沪深300中位数法PB为2.01倍、历史分位15.17%，中证1000中位数法PB为2.25倍、历史分位17