根据研报内容，以下是关于量化模型与因子的总结： 量化模型与构建方式 1. 模型名称：股指分红点位测算模型[11][39] * 模型构建思路：该模型旨在精确测算股指期货合约存续期内，其标的指数因成分股分红除息而导致的理论点位下跌幅度，以更准确地计算期货合约的升贴水情况[11][39] * 模型具体构建过程：模型的核心是计算从当前时刻（t）到期货合约到期日（T）之间，指数所有成分股分红所导致的点位下降总和[39] 具体流程如下[40][42]： * 步骤1：获取指数成分股及其精确的日度权重[45][46] * 步骤2：对每只成分股，判断其是否已公布分红金额[42] * 若已公布分红金额，则使用公布值，并判断是否已公布除息日；若未公布，则预测其除息日[42] * 若未公布分红金额，则需要预测其分红金额，公式为：分红金额 = 净利润 × 股息支付率[47] 预测过程包括： * 净利润预测：采用基于历史净利润分布的动态预测法[47][50] 若公司已公布年报、快报或业绩预告，则直接采用（业绩预告取上下限均值）；若未披露，则根据其历史季度盈利分布稳定性进行分类预测[48][50] * 股息支付率预测：[51][53] * 若公司去年分红，则采用去年股息支付率 * 若去年不分红，则采用最近3年股息支付率平均值 * 若从未分红，则默认今年不分红 * 若预测值大于100%，则进行截尾处理 * 步骤3：预测除息日[42][51] 若公司已公布除息日，则直接采用；否则： * 若已公布分红预案，则根据其所处分红阶段（预案或决案），利用历史从预案公告日/股东大会公告日到除息日的间隔天数的稳定性进行线性外推预测[51][56] * 若未公布分红预案，则参考去年或前年的分红日期进行预测，并判断其合理性（如预测日期是否在当前日期之前或太近）[56] * 若上述方法不适用，则采用默认日期（根据历史经验，大部分公司在7月底前分红，默认日期设为7月31日、8月31日或9月30日）[56] * 步骤4：汇总计算指数分红点数。最终指数的分红点数计算公式为： $分红点数 = \sum_{n=1}^{N} \frac{成分股分红金额}{成分股总市值} \times 成分股权重 \times 指数收盘价$ 其中，求和针对所有除息日在 t 和 T 之间（t < 除息日 ≤ T）的成分股进行[39] * 模型评价：该模型对上证50和沪深300指数分红的预测准确度较高，对中证500指数的预测误差稍大但基本稳定[61] 对于股指期货分红点位的预测也具有较好的准确性[61] 2. 因子名称：股息率因子[2][14] * 因子构建思路：通过计算个股的股息率（预案分红金额与当前总市值的比率），来衡量公司的分红回报水平，并用于比较不同行业或公司的分红吸引力[2][14] * 因子具体构建过程：因子计算公式为： 股息率 = 预案分红金额 / 当前总市值[14] * 因子评价：研报指出，煤炭、银行和钢铁行业的股息率排名靠前，表明这些行业在当时具有较高的分红吸引力[2][14] 3. 因子名称：已实现股息率与剩余股息率[3][16] * 因子构建思路：将指数的全年总股息率拆分为已经发生的（已实现）和尚未发生的（剩余）两部分，以动态跟踪指数的分红进程和预期回报[16] * 因子具体构建过程： * 已实现股息率：计算指数中今年已经完成现金分红的公司所产生的股息率总和[16] * 剩余股息率：计算指数中今年尚未进行现金分红的公司其预测股息率的总和[16] 具体而言，若指数中已分红公司数量为N1，未分红公司数量为N2，则[16]： 已实现股息率 = Σ(已分红公司的股息率) 剩余股息率 = Σ(未分红公司的预测股息率) 模型的回测效果 1. 股指分红点位测算模型[61] * 2023年及2024年，对上证50指数和沪深300指数全年分红点位的预测误差基本在5个点以内 * 2023年及2024年，对中证500指数全年分红点位的预测误差基本在10个点左右 * 2023年及2024年，对上证50、沪深300、中证500股指期货主力合约存续期内分红点位的预测与实际值较为接近，显示模型对期货合约具有良好的预测准确性，其中对上证50和沪深300合约的效果最好 因子的回测效果 1. 股息率因子[2] * 截至2025年10月29日，各行业已公布分红预案的股票股息率中位数显示，煤炭、银行、钢铁行业排名前三 2. 已实现股息率与剩余股息率[3][16] * 截至2025年10月29日： * 上证50指数：已实现股息率 2.45%，剩余股息率 0.10% * 沪深300指数：已实现股息率 1.96%，剩余股息率 0.11% * 中证500指数：已实现股息率 1.20%，剩余股息率 0.05% * 中证1000指数：已实现股息率 0.92%，剩余股息率 0.04%