量化模型与构建方式 1. **模型名称**：DFQ-2020风险因子模型 - **模型构建思路**：基于多因子风险模型框架，通过控制行业暴露、风格暴露等约束条件构建最大化单因子暴露组合（MFE组合）[16][56] - **模型具体构建过程**： - 目标函数：最大化单因子暴露 $$max\ f^{T}w$$ - 约束条件： 1. 风格因子偏离约束 $$s_{l}\leq X(w-w_{b})\leq s_{h}$$ 2. 行业偏离约束 $$h_{l}\leq H(w-w_{b})\leq h_{h}$$ 3. 个股权重偏离约束 $$w_{l}\leq w-w_{b}\leq w_{h}$$ 4. 成分股权重占比约束 $$b_{l}\leq B_{b}w\leq b_{h}$$ 5. 换手率约束 $$\Sigma|w-w_{0}|\leq to_{h}$$[56][59] - **模型评价**：通过线性规划高效求解，适用于沪深300、中证500等指数的增强组合构建[56][60] 量化因子与构建方式 1. **因子名称**：Trend风格因子 - **因子构建思路**：捕捉股票价格趋势延续性，通过指数加权移动平均（EWMA）比率计算[14] - **因子具体构建过程**： - Trend_120：$$EWMA(halflife=20)/EWMA(halflife=120)$$ - Trend_240：$$EWMA(halflife=20)/EWMA(halflife=240)$$[14] - **因子评价**：在震荡市场中表现突出，反映市场对趋势延续性资产的偏好[11][8] 2. **因子名称**：UMR动量因子（风险调整后） - **因子构建思路**：基于不同时间窗口（1/3/6/12个月）的收益风险调整动量[19] - **因子具体构建过程**： - 一个月UMR：过去20个交易日风险调整收益 - 三个月UMR：过去60个交易日风险调整收益 - 六个月UMR：过去120个交易日风险调整收益[19] - **因子评价**：在中证全指和中证500样本中表现优异，但动量类因子近期普遍承压[8][25] 3. **因子名称**：估值类因子（EPTTM、BP） - **因子构建思路**：衡量盈利与市值比率（EPTTM）或账面市值比（BP）[19] - **因子具体构建过程**： - EPTTM：$$归母净利润TTM/总市值$$ - BP：$$净资产/总市值$$[19] - **因子评价**：在沪深300样本中近期表现强劲，反映市场对低估值的关注[21][24] 4. **因子名称**：波动率因子（Stdvol、Ivff） - **因子构建思路**：衡量股票历史波动率[14] - **因子具体构建过程**： - Stdvol：过去243天的标准差波动率 - Ivff：过去243天的Fama-French三因子特质波动率[14] - **因子评价**：近期表现疲软，反映市场对高波动资产的规避[12][13] --- 模型的回测效果 1. **DFQ-2020风险因子模型**： - Trend风格近一周多空收益2.92%，近一年年化14.11%[13] - Volatility风格近一周收益-1.98%，历史年化-13.23%[13] --- 因子的回测效果 1. **六个月UMR因子**： - 中证全指：近一周收益1.23%，近一年年化7.43%[44] - 中证500：近一周收益0.99%，近一年年化-4.07%[26] 2. **单季EP因子**： - 沪深300：近一周收益1.02%，历史年化5.59%[22] - 中证800：近一周收益1.40%，历史年化7.77%[30] 3. **三个月反转因子**： - 国证2000：近一周收益2.78%，近一年年化10.61%[36] - 创业板指：近一周收益2.52%，历史年化1.54%[39] 4. **BP因子**： - 中证全指：近一周收益0.69%，历史年化4.65%[44] - 沪深300：近一周收益0.44%，历史年化2.93%[22] 5. **分析师认可度因子**： - 沪深300：近一周收益0.81%，历史年化3.46%[22] - 中证1000：近一周收益-0.35%，历史年化7.55%[33] 6. **非流动性冲击因子**： - 国证2000：近一周收益1.42%，近一年年化14.67%[36] - 中证全指：近一周收益-0.14%，历史年化0.18%[44] --- 附录：MFE组合构建细节 - **行业约束**：控制中信一级行业暴露为0[60] - **市值约束**：控制市值风格因子暴露为0[60] - **个股权重偏离**：最大偏离基准权重1%[60]

根据研报内容，以下是量化模型与因子的详细总结： 量化因子与构建方式 风格类风险因子（DFQ-2020模型） 1. **Size因子** 构建思路：反映市值规模效应[14] 具体构建：总市值对数作为暴露值[14] 2. **Beta因子** 构建思路：衡量个股系统性风险[14] 具体构建：采用贝叶斯压缩后的市场Beta值[14] 3. **Trend因子** 构建思路：捕捉不同时间窗口的趋势效应[14] 具体构建： $$Trend_{120} = EWMA(halflife=20)/EWMA(halflife=120)$$ $$Trend_{240} = EWMA(halflife=20)/EWMA(halflife=240)$$[14] 4. **Volatility因子** 构建思路：衡量股票波动特征[14] 具体构建：包含5个子指标 - Stdvol：243天标准差 - Ivff：Fama-French三因子特质波动率 - Range：最高价/最低价-1 - MaxRet_6/MinRet_6：极端收益均值[14] 5. **Liquidity因子** 构建思路：反映交易活跃度[14] 具体构建： - TO：243天平均对数换手率 - Liquidity beta：个股与市场换手率的回归系数[14] 6. **Growth因子** 构建思路：衡量成长性[14] 具体构建： - Delta ROE：3年ROE变动均值 - Sales_growth：销售收入3年复合增速 - Na_growth：净资产3年复合增速[14] 多维度因子库 1. **估值类因子** - BP（账面市值比）：净资产/总市值[18] - Quart_EP（单季市盈率倒数）：单季归母净利润/总市值[18] - TTM_EP（滚动市盈率倒数）：归母净利润TTM/总市值[18] 2. **成长类因子** - YOY_Quart_NP：单季净利润同比增速[18] - SUE（标准化预期外盈利）： $$(单季实际净利-预期净利)/预期净利标准差$$[18] 3. **盈利类因子** - Quart_ROE：单季净资产收益率[18] - Quart_ROA：单季总资产收益率[18] 4. **分析师预期类因子** - FNP_QOQ_PERC_3M：预期净利润环比增幅[18] - UD_PCT：分析师上下调数量差占比[18] 5. **流动性类因子** - TURNOVER_1M：20日换手率均值[18] - ILLIQ_1M：20日涨跌幅绝对值/成交额的均值[18] 因子回测效果 沪深300样本空间 1. **一个月反转因子** 最近一周：0.74% 最近一月：1.85% 今年以来：6.04%[21] 2. **预期PEG因子** 最近一周：0.63% 最近一月：2.40% 今年以来：2.17%[21] 3. **单季ROE因子** 最近一周：0.42% 最近一月：1.22% 今年以来：2.63%[21] 中证500样本空间 1. **盈余公告开盘跳空超额因子** 最近一周：0.76% 最近一月：0.58% 今年以来：-0.23%[25] 2. **单季EP因子** 最近一周：0.66% 最近一月：-0.04% 今年以来：-0.03%[25] 中证全指样本空间 1. **单季ROE因子** 最近一周：1.46% 最近一月：1.95% 今年以来：1.37%[43] 2. **三个月反转因子** 最近一周：1.01% 最近一月：-0.09% 今年以来：2.38%[43] 模型构建方法 **MFE组合优化模型** 目标函数：最大化单因子暴露 约束条件包括： - 风格暴露限制：$$s_l \leq X(w-w_b) \leq s_h$$ - 行业偏离限制：$$h_l \leq H(w-w_b) \leq h_h$$ - 换手率约束：$$\Sigma|w-w_0| \leq to_h$$[55] 优化方法：线性规划求解[56]

量化模型与构建方式 1. **模型名称**：东方A股因子风险模型(DFQ-2020) - **模型构建思路**：基于风格类风险因子构建多因子模型，用于解释股票收益的风险来源[14] - **模型具体构建过程**： - 包含10类风格因子（如Size、Beta、Trend等），每类因子由多个子因子合成[14] - 因子计算示例： - **Size因子**：总市值对数 - **Beta因子**：贝叶斯压缩后的市场Beta - **Trend因子**：通过指数加权移动平均比率计算，如 $$Trend\_120 = \frac{EWMA(halflife=20)}{EWMA(halflife=120)}$$ - **Volatility因子**：包含5个子因子，如过去243天的标准波动率、FF3特质波动率等[14] - **模型评价**：覆盖市场主要风险维度，因子定义清晰且具有经济逻辑 2. **MFE组合构建模型** - **构建思路**：通过组合优化最大化单因子暴露，同时控制行业、风格等约束[54] - **具体构建过程**： - 目标函数：最大化因子暴露 $$max\ f^{T}w$$ - 约束条件包括： - 风格暴露限制 $$s_{l}\leq X(w-w_{b})\leq s_{h}$$ - 行业偏离限制 $$h_{l}\leq H(w-w_{b})\leq h_{h}$$ - 换手率约束 $$\Sigma|w-w_{0}|\leq to_{h}$$[54] - **模型评价**：更贴近实际投资约束，能有效检验因子在复杂条件下的表现 --- 量化因子与构建方式 1. **因子名称**：单季ROE - **构建思路**：反映公司当期净资产收益率，属于盈利类因子[19] - **具体构建**： $$Quart\_ROE = \frac{单季净利润*2}{期初净资产+期末净资产}$$[19] 2. **因子名称**：一个月反转 - **构建思路**：捕捉短期价格反转效应[19] - **具体构建**：过去20个交易日涨跌幅的相反数 3. **因子名称**：标准化预期外盈利（SUE） - **构建思路**：衡量盈利超预期程度[19] - **具体构建**： $$SUE = \frac{单季实际净利-预期净利}{预期净利标准差}$$ 4. **因子名称**：特异度（IVR_1M） - **构建思路**：反映个股收益脱离市场共同因素的程度[19] - **具体构建**： $$IVR\_1M = 1 - R^2_{FF3}$$（Fama-French三因子回归拟合度） --- 模型回测效果 1. **DFQ-2020风格因子表现**（中证全指样本） - Liquidity因子：近一周收益5.44%，近一年年化33.79%[11] - Size因子：近一周收益-5.96%，历史年化-29.56%[11] 2. **MFE组合模型** - 沪深300增强产品：近一周超额收益中位数-0.07%，最高0.47%[47] - 中证1000增强产品：今年以来超额收益中位数3.28%，最高9.18%[53] --- 因子回测效果 1. **沪深300样本空间** - 预期PEG因子：近一周收益0.88%，近一年年化2.96%[22] - 单季ROE因子：近一周收益0.86%，历史年化4.25%[22] 2. **中证1000样本空间** - 一个月反转因子：近一周收益1.03%，近一年年化-10.62%[32] - 特异度因子：近一周收益0.76%，历史年化4.98%[32] 3. **创业板指样本空间** - 标准化预期外盈利：近一周收益16.09%，近一年年化32.15%[39] - 3个月盈利上下调：近一周收益-3.87%，历史年化-12.03%[39] --- 附录：MFE组合构建细节 - **优化变量**：$w$为股票权重向量，$w_b$为基准权重[54] - **行业约束**：$B_b$为成分股0-1矩阵，限制成分股权重占比[57] - **换仓频率**：月末调仓，双边交易成本0.3%[58]