量化模型与构建方式 1. **模型名称：日历效应调整的指数增强模型**[7] * **模型构建思路**：基于对12个大类因子在季度、年末年初、春节、两会、国庆等特定日历窗口下表现规律的统计，在合成大类因子权重时进行动态调整，以增强多因子选股模型的收益并降低尾部风险[4][7]。 * **模型具体构建过程**： 1. **基础因子构建**：首先构建12个大类因子，每个大类因子由若干子类因子去异常、标准化后等权合成得到[16]。大类因子包括：价格稳定、成交稳定、流动性、拥挤度、反转、分析师、成长、质量、SUE、动量、价值、成交笔数[16]。 2. **日历效应识别**：以因子月度IC（信息系数）为基础，使用Welch检验比较日历窗口期与非日历窗口期因子IC的差异（超额差异水平），并使用单样本T检验判断日历窗口期内因子IC是否显著大于0（超额绝对水平），以此判断因子在特定日历效应下的选股能力差异[18]。 3. **权重调整规则制定**：根据上述统计检验结果，总结出各日历窗口下表现相对增强或减弱的因子规律[7][9]。例如：一季度拥挤度因子收益更弱；二季度基本面（除价值）和动量因子更强；三季度基本面（除价值）因子更弱、流动性因子更强；四季度基本面（除价值）和动量因子更弱；年末年初低波、拥挤度、质量、价值等低风险偏好因子更强；春节前因子多有效、春节后易失效；两会前因子弱、两会后因子强；国庆前后基本面因子弱、量价因子尚可[9][38][40][55][67][80][90]。 4. **动态权重合成**：在月度调仓时，根据当月的日历属性（如属于哪个季度、是否临近春节等），依据预先制定的权重调整规则，对12个大类因子的合成权重进行倾斜（例如，增加当期表现预期增强的因子权重，降低预期减弱的因子权重），从而构建出经过日历效应调整的复合因子得分，用于选股[7][91]。 模型的回测效果 1. **日历效应调整的指数增强模型**，在沪深300、中证500、中证1000指数上的增强策略显示，收益增强在2019年以后较为稳定，且日历效应调整可以降低尾部风险，提高月度胜率[9]。但报告指出，该模型在2025年7月后失效，原因是当时处于成长周期，而日历效应规则降低了基本面（除价值）因子的配置，导致错失其上涨机会[9]。 量化因子与构建方式 1. **因子名称：价格稳定因子**[16] * **因子构建思路**：通过多个子因子衡量股价的稳定性和波动特征，通常低波动、稳定的股票被认为风险较低[16]。 * **因子具体构建过程**：由4个子类因子去异常标准化后等权合成[16]。 * 残差波动率：Fama-French三因子模型回归残差的标准差。$$ \sigma_{\epsilon} = \sqrt{\frac{1}{T-1} \sum_{t=1}^{T} (\epsilon_t - \bar{\epsilon})^2} $$ 其中 $\epsilon_t$ 为t日的回归残差。 * 特异率：1减去Fama-French三因子模型回归的拟合优度（R²）。$$ Idio = 1 - R^2 $$ * 残差峰度：Fama-French三因子模型回归残差的峰度。 * 高价振幅：价格处于历史最高20%区间内的平均振幅。 2. **因子名称：成交稳定因子**[16] * **因子构建思路**：从成交量分布和集中度的角度衡量交易行为的稳定性[16]。 * **因子具体构建过程**：由4个子类因子去异常标准化后等权合成[16]。 * 换手率变异系数：换手率除以（标准差/平均值），即换手率的变异系数的倒数。 * 成交占比熵：以个股成交量占市场总成交量的比例作为概率p，计算熵值。$$ Entropy = -\sum p \cdot \log(p) $$ * 量大单买入强度：过去n个交易日，大买单成交额的（标准差/平均值）。 * 波峰：使用日内1分钟成交量K线数据，筛选出成交量大于均值+1倍标准差的K线，并计算这些K线中局部峰值数量的20日均值。 3. **因子名称：流动性因子**[16] * **因子构建思路**：衡量股票的交易活跃度和交易成本，流动性好的股票更容易买卖[16]。 * **因子具体构建过程**：由3个子类因子去异常标准化后等权合成[16]。 * 换手率：成交量 / 总股本。 * 非流动性：收益率的绝对值 / 总成交额。$$ Illiq = |r| / Volume $$ * 一致买入占比：盘口买一价上的买入成交额 / 总成交额。 4. **因子名称：拥挤度因子**[16] * **因子构建思路**：衡量交易行为的拥挤程度，可能反映过热或一致的交易行为[16]。 * **因子具体构建过程**：由3个子类因子去异常标准化后等权合成[16]。 * 量价相关性：成交量和复权收盘价的秩相关系数。 * 加权偏度：以成交量加权的收盘价偏度。 * 时量价比：时间加权价格 / 成交量加权价格。 5. **因子名称：反转因子**[16] * **因子构建思路**：捕捉股票的短期价格反转效应[16]。 * **因子具体构建过程**：由3个子类因子去异常标准化后等权合成[16]。 * 高量交易成本：价格处于最高20%区间的成交量 / 全价格区间的成交量。 * 每笔成交额：总成交额 / 成交笔数。 * 短期反转：以“5分钟成交量/成交笔数”作为划分标准，筛选出后20%的数据，计算其对数收益率之和。 6. **因子名称：分析师因子**[16] * **因子构建思路**：基于分析师预期数据，捕捉盈利增长预期带来的溢价[16]。 * **因子具体构建过程**：该大类因子目前仅包含1个子类因子[16]。 * 预期增长：分析师一致预期EPS的近两个月平均值 / 较远两个月平均值。 7. **因子名称：成长因子**[16] * **因子构建思路**：衡量公司的成长能力，高成长性公司通常更受市场青睐[16]。 * **因子具体构建过程**：由2个子类因子去异常标准化后等权合成[16]。 * 归母净利润同比：(本期季度归母净利润 - 去年同期季度归母净利润) / |去年同期季度归母净利润|。 * 营业收入同比：(本期季度营业收入 - 去年同期季度营业收入) / |去年同期季度营业收入|。 8. **因子名称：质量因子**[16] * **因子构建思路**：衡量公司的盈利质量、运营效率和财务稳健性[16]。 * **因子具体构建过程**：由5个子类因子去异常标准化后等权合成[16]。 * ROE：净利润 / 净资产。 * 总资产周转率：营业收入 / 总资产。 * 净利率：净利润 / 营业收入。 * 现金总资产比率：经营活动现金流净额 / 总资产。 * 现金营业收入比率：经营活动现金流净额 / 营业收入。 9. **因子名称：SUE因子**[16] * **因子构建思路**：衡量公司盈利的超预期程度，即标准化意外盈余[16]。 * **因子具体构建过程**：由5个子类因子去异常标准化后等权合成[16]。 * ROE 2年SUE：单季度扣非净利润归一化后对时间序列（如过去8个季度）进行线性回归的斜率项。 * 总资产周转率2年SUE：单季度扣非净利润对时间回归的斜率 / 平均净资产。 * 净利率2年SUE：（当期归母净利润 - 过去8个季度均值）/ 过去8个季度标准差。 * 现金总资产比率2年SUE：（当期GPOA - 过去8个季度均值）/ 过去8个季度标准差。 * 现金营业收入比率2年SUE：（当期销售毛利率 - 过去8个季度均值）/ 过去8个季度标准差。 10. **因子名称：动量因子**[16] * **因子构建思路**：捕捉股票价格的趋势延续效应[16]。 * **因子具体构建过程**：由3个子类因子去异常标准化后等权合成[16]。 * 半衰残差动量：过去240个交易日，基于Fama-French三因子模型的日度残差收益率，从第240日到第20日前进行累积。 * 长期动量：过去240个交易日（剔除最近20个交易日）的收益率。 * 排序动量：对日度收益率做截面排序，对过去240个交易日（剔除最近20日）的排序值求和。 11. **因子名称：价值因子**[16] * **因子构建思路**：衡量股票价格相对于其基本面价值的低估程度[16]。 * **因子具体构建过程**：由4个子类因子去异常标准化后等权合成[16]。 * BP：净资产 / 总市值。 * SALES2EV：营业收入 / 企业价值。 * DP：近12个月分红 / 总市值。 * EP：归母净利润（TTM）/ 总市值。 12. **因子名称：成交笔数因子**[16] * **因子构建思路**：从委托单的粒度分析交易行为，捕捉潜在的交易者结构或行为信息[16]。 * **因子具体构建过程**：由4个子类因子去异常标准化后等权合成[16]。 * 高量每笔成交：以5分钟成交量为划分，筛选出后20%的数据计算每笔成交额，再除以全时间段每笔成交额。 * 每笔流出额占比：以成交量为划分，计算每笔流出额 / 全区间每笔流出额。 * 收益偏度：收益率序列的偏度。 * ROE增长：过去8个季度的ROE对时间序列进行线性回归的斜率项。 * 总资产周转率增长：过去8个季度的总资产周转率对时间序列进行线性回归的斜率项。 因子的回测效果 （注：报告提供了大量因子在不同日历窗口下的统计检验t值（超额差异水平和超额绝对水平）及分年IC图表，但未提供统一的、可横向对比的因子绩效指标（如年化收益、夏普比率、IC均值等）。以下根据报告内容，总结部分因子在特定窗口下的表现规律。） 1. **动量因子**，在二季度表现增强（超额绝对水平t值多为正且较高），在一季度和四季度表现不稳定或较弱[9][22][32][40]。 2. **基本面因子（包含成长、质量、SUE）**，在二季度和年初表现增强，在三季度和四季度表现较弱[9][22][26][32][38][40]。 3. **流动性因子**，在三季度表现相对增强[26][40]。 4. **低波因子（价格稳定、成交稳定）**，在年末年初效应和春节前表现增强[38][44][55]。 5. **拥挤度因子**，在一季度表现相对较弱，在年末表现增强[18][44]。 6. **质量因子**，在年末表现增强[44]。 7. **价值因子**，在年末和春节前表现增强[44][55]。 8. **反转因子**，在春节后和两会前表现相对稍强[62][68]。 9. **分析师因子**，在国庆前表现相对较弱[80]。