根据提供的量化研报内容，以下是关于量化模型和因子的总结： 量化因子与构建方式 1. 因子名称：估值价差赔率因子[7] * 因子构建思路：基于多空两组的估值价差（即因子多空两组BP中位数的比率）来构建风格因子的赔率指标，用以定位风格轮动的大周期，具有左侧交易特征（“跌多了买，涨多了卖”）[7] * 因子具体构建过程： 1) 选定因子，按照因子值排序分为五组（行业中性，每个行业内分组后再合并），确定多头组和空头组[11] 2) 计算多头组和空头组的中位数 log(BP)，对数处理是为了使BP呈现正态分布[11] 3) 估值价差原始值 = 多头组中位数 log(BP) - 空头组中位数 log(BP)[11] 4) 对估值价差原始值进行滚动六年窗口的zscore处理，得到最终的赔率指标[11] 2. 因子名称：A股赔率因子[32] * 因子构建思路：基于ERP（股权风险溢价）和DRP（信用风险溢价）的标准化数值等权计算A股资产的赔率[32] * 因子具体构建过程：报告提及了计算基础（ERP和DRP），但未详细描述具体的加权或合成公式。 3. 因子名称：债券赔率因子[33] * 因子构建思路：根据长短债预期收益差构建债券资产的赔率指标[33] * 因子具体构建过程：报告提及了构建基础（长短债预期收益差），但未详细描述具体的计算过程。 4. 因子名称：美股AIAE指标[37] * 因子构建思路：作为衡量美股估值风险的赔率指标[37] * 因子具体构建过程：报告未详细描述其具体构建过程。 5. 因子名称：美联储流动性指数[37] * 因子构建思路：结合数量维度和价格维度构建，用以衡量美联储流动性的充裕程度[37] * 因子具体构建过程：报告提及了构建维度（数量维度和价格维度），但未详细描述具体的合成方法。 6. 因子名称：风格因子综合评分[42][45][47][50] * 因子构建思路：综合赔率、趋势、拥挤度三个维度对风格因子进行评价和排名[42][45][47][50] * 因子具体构建过程：报告多次提到基于“赔率-趋势-拥挤度”三标尺进行综合分析并给出综合得分，但未详细描述三者的具体加权或合成公式。 7. 因子名称：行业轮动因子[58] * 因子构建思路：基于行业景气度、趋势、拥挤度三个维度构建行业轮动模型[58] * 因子具体构建过程： * 以行业过去12个月信息比率刻画行业动量和趋势[58] * 以行业的换手率比率、波动率比率和beta比率刻画行业的交易拥挤度[58] * 报告未详细描述景气度的具体计算方法和三者的最终合成方式。 量化模型与构建方式 1. 模型名称：赔率增强型策略[63] * 模型构建思路：结合各资产的赔率指标，在目标波动率约束的条件下持续超配高赔率资产，低配低赔率资产[63] * 模型具体构建过程：报告提及了核心思想（基于赔率进行超低配）和约束条件（目标波动率），但未详细描述资产选择、权重计算等具体步骤。 2. 模型名称：胜率增强型策略[66] * 模型构建思路：从货币、信用、增长、通胀和海外五个因素出发，获得各资产的宏观胜率评分，并据此构建配置策略[66] * 模型具体构建过程：报告提及了胜率的来源（五个宏观因素），但未详细描述评分卡的构建方法以及如何根据胜率评分进行资产配置。 3. 模型名称：赔率+胜率策略[69] * 模型构建思路：将赔率策略的风险预算和胜率策略的风险预算进行简单相加得到综合得分，并据此构建配置策略[69] * 模型具体构建过程：报告描述了核心合成方式（风险预算简单相加），但未详细说明赔率策略和胜率策略各自的风险预算具体是如何计算得出的。 因子的回测效果 1. 估值价差赔率因子（截至报告时点）[12][15][16][17][18][19][20][21][22][23][24][25][26] * 小微盘风格赔率：-0.72倍标准差（中低赔率水平） * 红利风格赔率：0.47倍标准差（中等赔率水平） * PB因子赔率：0.63倍标准差（中高赔率水平） * PE因子赔率：0.82倍标准差（中高赔率水平） * 质量风格赔率（ROE因子）：1.17倍标准差（中高赔率水平） * 低波风格赔率：1.75倍标准差（超高赔率水平） * 动量风格赔率：-1.36倍标准差（中低赔率水平） 2. 风格因子综合评分（截至报告时点）[42][45][47][50] * 价值风格：赔率0.6倍标准差，趋势0，拥挤度-1.4倍标准差，综合得分2.4 * 质量风格：赔率1.7倍标准差，趋势-1.4倍标准差，拥挤度-0.8倍标准差，综合得分1 * 成长风格：赔率0.8倍标准差，趋势-0.2倍标准差，拥挤度0.4倍标准差，综合得分0.9 * 小盘风格：赔率-0.7倍标准差，趋势1.8倍标准差，拥挤度0.4倍标准差，综合得分0.2 3. 行业轮动模型（历史回测）[59] * 2011年以来年化收益：13.1% * 2011年以来年化超额收益：11.0% * 2011年以来最大回撤：25.4% * 2011年以来信息比率(IR)：1.18 * 2014年以来年化收益：13.0% * 2014年以来年化超额收益：12.0% * 2014年以来最大回撤：25.4% * 2014年以来信息比率(IR)：1.08 * 2019年以来年化收益：10.8% * 2019年以来年化超额收益：10.7% * 2019年以来最大回撤：12.3% * 2019年以来信息比率(IR)：1.02 模型的回测效果 1. 赔率增强型策略（历史回测）[65] * 2011年以来年化收益：6.6% * 2011年以来年化波动率：2.4% * 2011年以来最大回撤：3.0% * 2011年以来夏普比率：2.72 * 2014年以来年化收益：7.5% * 2014年以来年化波动率：2.3% * 2014年以来最大回撤：2.4% * 2014年以来夏普比率：3.19 * 2019年以来年化收益：7.0% * 2019年以来年化波动率：2.2% * 2019年以来最大回撤：2.4% * 2019年以来夏普比率：3.02 2. 胜率增强型策略（历史回测）[68] * 2011年以来年化收益：7.0% * 2011年以来年化波动率：2.3% * 2011年以来最大回撤：2.8% * 2011年以来夏普比率：2.96 * 2014年以来年化收益：7.7% * 2014年以来年化波动率：2.2% * 2014年以来最大回撤：2.3% * 2014年以来夏普比率：3.36 * 2019年以来年化收益：6.3% * 2019年以来年化波动率：2.1% * 2019年以来最大回撤：2.3% * 2019年以来夏普比率：2.87 3. 赔率+胜率策略（历史回测）[71] * 2011年以来年化收益：7.0% * 2011年以来年化波动率：2.4% * 2011年以来最大回撤：2.8% * 2011年以来夏普比率：2.86 * 2014年以来年化收益：7.6% * 2014年以来年化波动率：2.3% * 2014年以来最大回撤：2.7% * 2014年以来夏普比率：3.26 * 2019年以来年化收益：7.2% * 2019年以来年化波动率：2.4% * 2019年以来最大回撤：2.8% * 2019年以来夏普比率：2.85