权益市场资金流向 - 宽基ETF净流出852亿元，中证A500ETF净流出412亿元[12] - 行业ETF净买入118.2亿元，金融地产ETF和周期制造ETF分别净买入66.1亿元和54.6亿元[6][16] - 红利ETF转为净流入55.4亿元，自由现金流ETF净流入19.9亿元[21] - 两融余额月度净增1343.75亿元，为2019年后第二高水平[24] - 南向交易净买入1241.0亿元，创2019年以来新高[28] 债券市场交易动态 - 银行自营净买入利率债3055亿元，农商行净买入4696亿元[34] - 保险净买入长久期利率债1990亿元，其中20~30年期债券1597亿元[37] - 证券公司净卖出利率债3084亿元，各期限均减持[38] - 基金净卖出中短期利率债，1~3年期净卖出654亿元[39] - 银行理财净买入利率债626亿元，信用债650亿元[40] 商品与流动性 - 黄金ETF净流出15.7亿元，能源和豆粕ETF分别净流出0.11亿元和1.38亿元[41] - 央行通过逆回购和MLF净投放2365亿元，其中MLF净投放1000亿元[6][46]

根据研报内容，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**：红利超额收益择时策略 - **模型构建思路**：基于全球流动性（10年期美债收益率）、内部流动性（国内M2同比）、国内经济预期（M1-M2同比剪刀差）三个维度构建中证红利相对于万得全A的超额收益择时模型[8] - **模型具体构建过程**： 1. 美债端信号：当10年期美债收益率60日均线上穿250日均线时看多红利[8][10] 2. 国内流动性信号：M2同比3月均线上穿12月均线时看空红利超额[12][15] 3. 经济预期信号：M1-M2剪刀差3月均线上穿12月均线时看空红利超额[12][17] - **模型评价**：2010年以来年化超额收益8.14%，2025年超额择时收益-5.36%[8] 2. **模型名称**：红利50优选组合 - **模型构建思路**：在高股息基础上叠加多因子增强，采用Barra风格因子约束，结合三维择时模型动态调整红利暴露[45] - **模型具体构建过程**： 1. 筛选高股息股票池 2. 加入动量、质量等因子构建线性多因子模型 3. 通过回归方程动态调整组合风格暴露$$ w_i = \frac{1}{n} + \beta \cdot (f_i - \bar{f}) $$ 其中$w_i$为权重，$f_i$为因子得分[45] 量化因子与构建方式 1. **因子名称**：PETTM估值因子 - **因子构建思路**：采用权重因子加权调整中证红利指数PETTM估值[19] - **因子具体构建过程**： 1. 计算成分股PETTM 2. 按股息率加权求和：$$ PETTM_{index} = \sum_{i=1}^n (PETTM_i \times \frac{DY_i}{\sum DY}) $$[19] 2. **因子名称**：成交拥挤度因子 - **因子构建思路**：通过成交额百分位预测未来收益[31] - **因子具体构建过程**： 1. 计算中证红利成交额近三年滚动百分位 2. 构建回归方程：$$ R_{t+1} = \alpha + \beta \cdot Percentile_t $$[31] 模型的回测效果 1. **红利超额收益择时模型**： - 年化超额收益8.14%[8] - 2025年超额收益-5.36%[8] 2. **红利50优选组合**： - 近一年绝对收益9.53%，超额收益6.20%[46] - 近三月绝对收益6.04%，超额收益2.91%[46] 因子的回测效果 1. **PETTM估值因子**： - 近三年绝对PETTM百分位98.53%，预测未来一年收益-1.34%[22] - 近三年相对PETTM百分位72.36%，预测未来一年超额收益0.92%[22] 2. **成交拥挤度因子**： - 绝对成交额百分位47.40%，预测未来一年收益16.23%[31] - 相对成交额百分位7.21%，预测未来一月超额收益0.81%[32]

宏观维度 - 2025年6月美联储降息概率为8.3%，7月为36.8%，美债端模型看多红利[4][8] - 2025年4月国内M2同比为8.0%，前值7.0%；M1 - M2同比剪刀差为 - 6.5%，前值 - 5.4%，两者维度皆看空红利超额[4][10] 估值维度 - 中证红利近三年绝对PETTM位于99.60%分位点，预计未来一年绝对收益为 - 1.55%[4][17] - 近三年相对估值位于77.30%分位点，预计未来一年超额收益为0.49%[4][21] 价量维度 - 中证红利成分股合计64.68%的权重位于半年均线以上，预计未来一年绝对收益为5.96%[4][23] - 绝对成交额处于近三年57.41%百分位，预计未来一年绝对收益为12.37%[4][30] - 相对成交额近三年位于10.41%百分位，预计未来一月超额收益为0.77%[4][32] 资金维度 - 2025Q1偏股型公募基金红利风格暴露度为0.37，较2024Q4的0.45有所降低[4][36] - 国内红利类ETF资金本周净流入 - 28.24亿元，近一月合计净流入 - 53.09亿元[4][37] 总结 - 红利风格或具绝对与超额收益配置价值，长期看好成长风格均值回归[4][44]

根据提供的研报内容，以下是关于量化模型和因子的总结： 量化模型与构建方式 1. **模型名称：中证红利超额收益择时策略**[8] * **模型构建思路**：基于全球流动性（10年期美债收益率）、内部流动性（国内M2同比）和国内经济预期（国内M1-M2同比剪刀差）这三个宏观维度，构建对中证红利指数相对于万得全A指数超额收益的择时模型。[8] * **模型具体构建过程**：报告提及了该策略的存在及其历史表现（自2010年以来年化收益7.97%），但未详细阐述三个宏观指标的具体合成规则、信号产生机制（例如，如何根据均线交叉或其他阈值判断多空）以及最终的仓位或权重决定过程。[8] 2. **模型名称：红利50优选组合**[46] * **模型构建思路**：在传统高股息选股的基础上，叠加多因子模型增强资本利得收益，并采用Barra风格因子进行风险控制，同时结合三维红利超额择时模型的观点动态调整红利风格暴露度以进一步增厚收益。[46] * **模型具体构建过程**：报告指出该组合是“线性多因子模型”，并使用了“Barra风格因子约束”，但未提供具体的因子构成、因子权重、组合优化目标函数或择时信号如何具体影响组合构建的详细步骤。[46] 模型的回测效果 1. **中证红利超额收益择时策略**，自2010年以来年化收益为7.97%，2025年以来收益为-8.46%[8] 2. **红利50优选组合**，近一年绝对收益3.13%，超额收益2.70%；近三月绝对收益-0.72%，超额收益-1.81%；2022年以来绝对收益48.47%，超额收益21.14%[47] 量化因子与构建方式 1. **因子名称：红利风格暴露度**[37] * **因子构建思路**：用于衡量偏股型公募基金在投资组合中对红利风格（高股息）股票的偏好程度。[37] * **因子具体构建过程**：首先，标准化每个季报期截面的A股股息率，形成股息率因子。然后，合并每个季度偏股型公募基金（普通股票型、偏股混合型、灵活配置型）的前十大重仓持股。最后，基于这些重仓持股的标准化股息率，计算基金在红利风格上的暴露度。[37] 计算公式可理解为： $$Exposure_t = \sum_{i=1}^{N} (w_{i,t} \cdot Z(DY_{i,t}))$$ 其中，$Exposure_t$ 是基金在时间 $t$ 的红利风格暴露度，$w_{i,t}$ 是股票 $i$ 在基金前十大重仓中的权重，$DY_{i,t}$ 是股票 $i$ 在时间 $t$ 的股息率，$Z(\cdot)$ 代表标准化函数。 2. **因子名称：绝对PETTM近三年百分位**[18] * **因子构建思路**：计算中证红利指数当前市盈率（TTM）在其过去三年历史中的分位数，以衡量其估值水平的高低。[18] * **因子具体构建过程**：采用权重因子加权的方式（以适配指数股息率加权的特性）计算中证红利指数的PETTM。然后，计算当前PETTM值在过去三年（约36个月）历史数据中所处的百分位位置。[18] 3. **因子名称：相对PETTM近三年百分位**[22] * **因子构建思路**：计算中证红利指数PETTM与万得全A指数PETTM的比值，并观察该比值在过去三年历史中的分位数，以衡量红利风格相对于全市场的估值高低。[22] * **因子具体构建过程**：首先，分别计算中证红利指数和万得全A指数的PETTM。然后，计算相对估值：$相对PETTM = \frac{PETTM_{中证红利}}{PETTM_{万得全A}}$。最后，计算该相对估值在过去三年历史数据中所处的百分位位置。[22] 4. **因子名称：120日均线上权重合计**[24] * **因子构建思路**：计算中证红利指数中所有价格位于120日移动平均线之上的成分股的权重之和，用以衡量指数整体的价格趋势强度。[24] * **因子具体构建过程**：对于中证红利指数的每一个成分股，判断其当前价格是否高于其120日移动平均线。将所有满足条件的成分股在指数中的权重进行加总，得到该因子的值。[24] 5. **因子名称：绝对成交额近三年百分位**[31] * **因子构建思路**：计算中证红利指数当前成交额在其过去三年历史中的分位数，用以衡量当前的交易活跃度和拥挤度。[31] * **因子具体构建过程**：获取中证红利指数的历史日度成交额数据。计算当前成交额在过去三年（约36个月）历史数据中所处的百分位位置。[31] 6. **因子名称：相对成交额近三年百分位**[31] * **因子构建思路**：计算中证红利指数成交额与万得全A指数成交额的比值，并观察该比值在过去三年历史中的分位数，用以衡量红利风格相对于全市场的交易活跃度和拥挤度。[31] * **因子具体构建过程**：首先，分别获取中证红利指数和万得全A指数的日度成交额数据。然后，计算相对成交额：$相对成交额 = \frac{成交额_{中证红利}}{成交额_{万得全A}}$。最后，计算该相对成交额比值在过去三年历史数据中所处的百分位位置。[31] 因子的回测效果 报告提供了多个因子与未来收益之间的相关性及回归统计量，但未提供这些因子作为投资信号（例如，十分组回测）的具体绩效指标（如年化收益、夏普比率、信息比率等）。所提供的统计量如下： 1. **绝对PETTM近三年百分位**，与未来一年绝对收益的相关性系数为-29.43%，回归T统计值为-15.38[18] 2. **相对PETTM近三年百分位**，与未来一年超额收益的相关性系数为-32.28%，回归T统计值为-17.03[22] 3. **120日均线上权重合计**，与未来一年绝对收益的相关性系数为-43.69%，回归T统计值为-20.38[24] 4. **绝对成交额近三年百分位**，与未来一年绝对收益的相关性系数为-39.71%，回归T统计值为-21.61[28][31] 5. **相对成交额近三年百分位**，与未来一月超额收益的相关性系数为-13.67%，回归T统计值为-7.20[31] 报告还提供了基于最新数据（2025年4月18日）通过回归方程计算出的未来收益预测点估计值： 1. **绝对PETTM近三年百分位**（96.80%），预测未来一年绝对收益为-0.67%[18][23] 2. **相对PETTM近三年百分位**（88.38%），预测未来一年超额收益为-0.54%[23] 3. **120日均线上权重合计**（51.07%），预测未来一年绝对收益为9.15%[24] 4. **绝对成交额近三年百分位**（69.96%），预测未来一年绝对收益为7.52%[31] 5. **相对成交额近三年百分位**（20.29%），预测未来一月超额收益为0.60%[32]