量化模型与构建方式 1. 动态因子调整模型（小盘股票池“2+3”模型） * 模型名称： 小盘股票池“2+3”动态因子调整模型[4][98] * 模型构建思路： 针对小盘股票池因子表达稳定、动量效应强的特点，结合固定有效因子与动态动量筛选，并剔除高失效风险的因子，构建动态选股模型[4][93][98]。 * 模型具体构建过程： 1. 固定因子选择： 每期固定选择估值因子（BTOP）和残差波动率因子（VOLATILITY）[98]。 2. 动态因子筛选： * 剔除高失效风险因子： 在每个月末，剔除当期条件失效概率高于80%的因子[93][98]。 * 计算动量评分： 对剩余因子，计算其中期动量（过去6个月RankIC均值）和长期动量（过去3至12个月RankICIR均值）[4][82]。 * 选择动态因子： 根据动量评分，选取评分最高的前3个因子[98]。 3. 模型合成： 将2个固定因子与3个动态筛选出的因子结合，构成每期用于选股的5个因子集合[98]。 4. 组合构建： 使用这5个因子对股票进行等权打分，选取得分最高的50只股票构建等权投资组合[103]。 2. 动态因子调整模型（大盘股票池综合打分模型） * 模型名称： 大盘股票池综合打分动态因子调整模型[4][109] * 模型构建思路： 针对大盘股票池因子表达剧烈、失效反转风险高的特点，采用更严格的因子剔除标准，并将失效概率信息融入综合评分，以动态选择因子[4][106][109]。 * 模型具体构建过程： 1. 初步剔除高失效风险因子： 在每个月末，首先剔除当期条件失效概率高于70%的因子[109]。 2. 构建综合评分： 对剩余因子，构建综合评分。评分结合了正向的动量指标和负向的失效风险指标[87][88]。 * 动量指标： 包括中期动量（过去6个月RankIC均值）和长期动量（过去3至12个月RankICIR均值）[4][82]。 * 失效风险指标： 使用条件失效概率 $P$（次月失效|当月状态）[74][87]。将失效风险转化为负向评分，例如使用 $1 - P$ 的形式[88]。 3. 选择动态因子： 根据综合评分，选取评分最高的前5个因子[109]。 4. 组合构建： 使用这5个因子对股票进行等权打分，并构建投资组合[109]。 3. 因子动量评估指标 * 指标名称： 因子RankIC动量指标[4][62][66] * 指标构建思路： 通过计算当期因子选股能力（RankIC）与历史不同窗口期选股能力均值之间的相关性，来刻画因子的动量效应，并寻找最优的动量观察窗口[4][63][66]。 * 指标具体构建过程： 1. 定义动量窗口： 使用“m_n”表示从过去第m个月开始，到过去第n个月结束的历史数据均值。例如，“3_12”表示跳空最近3个月，回溯过去第3至第12个月共10个月的数据均值[66]。 2. 计算历史动量： 对于每个因子，在时间截面 $t$，计算其在指定历史窗口（如“3_12”）内的RankIC（或RankICIR）的均值，作为该因子的历史动量值 $Momentum_{t}^{m\_n}$[4][66]。 3. 评估动量效应： 在时间截面 $t$，计算所有因子当期RankIC值 $RankIC_t$ 与其对应的历史动量值 $Momentum_{t}^{m\_n}$ 的截面斯皮尔曼秩相关系数[65]。该相关系数越高，表明因子的选股能力在指定窗口下延续性（动量效应）越强[66]。 4. 确定最优参数： 通过比较不同“m_n”参数组合下的平均相关系数，发现“3_12”窗口（即近端跳空3个月，回溯12个月）的动量效应最为稳健和显著，被确立为最优动量窗口[4][66]。 4. 因子条件失效概率指标 * 指标名称： 因子条件失效概率[4][72][74] * 指标构建思路： 基于因子当期有效性状态，通过滚动历史窗口统计其下一期陷入或维持失效状态的概率，用以评估因子短期反转的潜在风险[4][74]。 * 指标具体构建过程： 1. 定义状态： 在每个月末，根据因子当期RankIC值的正负（是否符合预期方向）将其划分为“有效”或“失效”两种状态[74]。 2. 构建转移矩阵： 滚动过去一年的历史数据，统计因子从“当月有效”转移到“次月失效”的频率，以及从“当月失效”维持到“次月失效”的频率[72][74]。 3. 计算条件概率： 以当期因子的状态（有效或失效）为条件，计算其次月失效的条件概率 $P$（次月失效|当月状态）[74][87]。该概率即为当期关注的因子失效指标。 5. 因子收益与选股能力背离指标 * 指标名称： 因子收益与RankIC滚动相关系数[55][56] * 指标构建思路： 通过计算因子收益率与其实际选股能力（RankIC）在滚动窗口内的相关性，识别因子回报是否由基本面选股Alpha驱动，以预警交易拥挤和失效风险[55][56]。 * 指标具体构建过程： 1. 计算时间序列： 对于每个一级风格因子，分别计算其因子收益率时间序列和RankIC时间序列[55]。 2. 滚动计算相关性： 采用6个月的向前滚动窗口（T-5期至T期），计算两个序列的斯皮尔曼秩相关系数[55]。 3. 设定风险阈值： 分析发现，当滚动相关系数的绝对值突破0.75的阈值时，往往预示着因子面临显著的短期失效风险[4][57][60]。极端正相关可能反映“因子拥挤”，极端负相关可能反映市场的“非理性过激”[60]。 量化因子与构建方式 注：报告详细分析了一个包含15个一级风格因子的体系，但未提供所有因子的具体计算公式，仅给出了描述性定义[8]。以下列出报告中明确提及并进行分析的核心因子。 1. 估值类因子 * 因子名称： 账面市值比（BTOP）[8][39] * 因子构建思路： 属于估值因子，衡量股票的相对便宜程度，通常认为账面价值相对市值越高，股票未来回报可能越高[8]。 * 因子具体构建过程： 报告未给出具体公式，仅描述为“账面价值除以当前市值”[8]。 * 因子名称： 股息率（DIVIDEND）[8][39] * 因子构建思路： 属于估值因子，衡量公司分红回报水平，通常认为股息率越高，股票可能更具投资价值[8]。 * 因子具体构建过程： 报告未给出具体公式，仅描述为“滚动过去一年股息水平”[8]。 * 因子名称： 盈利收益率（EARNING）[8][39] * 因子构建思路： 属于估值/盈利因子，衡量公司盈利相对于市值的水平，通常认为盈利收益率越高，股票估值可能越低[8]。 * 因子具体构建过程： 报告未给出具体公式，仅描述为“各类盈利 vs 市值”[8]。 * 因子评价： 估值类因子在大盘股内表现相对极端，选股力度可能更强但方向把控需更精准；BTOP因子在小盘股中优势更明显[39]。在慢牛、震荡、下行市场中更倾向正向表达[30]。 2. 质量类因子 * 因子名称： 盈利变异性（EARNINGVAR）[8][50] * 因子构建思路： 属于质量因子，衡量公司盈利的稳定程度，通常认为盈利波动越小，公司质量越高，未来股票回报可能越高（负向因子）[50]。 * 因子具体构建过程： 报告未给出具体公式，仅描述为“营业收入、净利润、现金的变异程度”[8]。 * 因子名称： 盈收质量（PROFITABLITY）[8][50] * 因子构建思路： 属于质量因子，衡量公司盈利的质量和水平，通常认为盈利质量越高，公司基本面越好，未来股票回报可能越高（正向因子）[50]。 * 因子具体构建过程： 报告未给出具体公式，仅描述为“营收、利润等水平”[8]。 * 因子评价： 质量类因子在大盘股内存在明显的正向优势，选股区分度高，但在成长股票池内的选股效果弱于其他池[47][50]。盈收质量因子在2021年前后出现有效性分水岭[50]。 3. 价量类因子 * 因子名称： 动量（MOMENTUM）[8][46] * 因子构建思路： 属于价量因子，认为过去表现好的股票在未来一段时间内会延续其趋势（报告中定义方向为负）[8][46]。 * 因子具体构建过程： 报告未给出具体公式，仅描述为“收益率、alpha的动量”[8]。 * 因子评价： 动量因子在大盘股内持续正向表达，大盘股动量效应显著；而在小盘股内反转效应显著[4][46]。该因子属于失效概率较高的因子之一[4][78]。 4. 波动与流动性因子 * 因子名称： 残差波动率（VOLATILITY）[8][40] * 因子构建思路： 属于波动率因子，衡量股票剔除市场影响后的特异性风险，通常认为波动率越低，股票风险越小，未来回报可能越高（负向因子）[8][40]。 * 因子具体构建过程： 报告未给出具体公式，仅描述为“收益与时间回归残差项的波动率”[8]。 * 因子名称： 流动性（LIQUIDITY）[8][40] * 因子构建思路： 属于流动性因子，衡量股票的交易便利程度，通常认为流动性越差，股票需要提供更高的风险补偿（负向因子）[8][40]。 * 因子具体构建过程： 报告未给出具体公式，仅描述为“短、中、长期的流动性”[8]。 * 因子评价： 波动率和流动性因子在各个股票池内大多保持稳定的负向表达，失效概率较低[20][40][78]。当其RankIC出现异常正向放大后，市场往往上行[41]。 模型的回测效果 1. 小盘股票池“2+3”动态因子调整模型 * 回测区间： 2016年1月4日 至 2025年11月28日[103] * 基准： 中证1000与中证2000指数等权[103] * 业绩指标： * 年化收益： 8.83%[103] * 年化波动： 21.08%[103] * 夏普比率： 0.42[103] * 最大回撤： 38.67%[103] * 卡玛比率： 0.23[103] * 超额年化收益： 11.47%[103] * 超额波动： 13.82%[103] * 信息比率（IR）： 0.83[103] * 超额最大回撤： 21.10%[103] 因子的回测效果 注：报告提供了多个因子在不同股票池和不同年份的RankICIR具体数值及排名[18][22][25][27][34][36][38][46][48][50]。以下选取全区间（约2013-2025年）在特定股票池的RankICIR均值进行概括性展示，以反映因子的长期表现差异。 1. 大盘股票池（沪深300）全区间RankICIR均值 * BETA: -0.19[22] * BTOP: 0.17[22] * DIVIDEND: 0.28[22] * EARNING: -0.26[22] * EARNINGVAR: 0.22[22] * GROWTH: -0.22[22] * INVENSTMENT: 0.18[22] * LEVERAGE: 0.01[22] * LIQUIDITY: -0.38[22] * LTREVERSAL: 0.14[22] * MIDCAP: -0.11[22] * MOMENTUM: 0.03[22] * PROFITABLITY: 0.00[22] * SIZE: 0.10[22] * VOLATILITY: -0.27[22] 2. 小盘股票池（中证1000+中证2000）全区间RankICIR均值 * BETA: -0.05[22] * BTOP: 0.37[22] * DIVIDEND: 0.37[22] * EARNING: -0.25[22] * EARNINGVAR: 0.23[22] * GROWTH: -0.11[22] * INVENSTMENT: 0.12[22] * LEVERAGE: 0.02[22] * LIQUIDITY: -0.54[22] * LTREVERSAL: 0.25[22] * MIDCAP: -0.36[22] * MOMENTUM: 0.06[22] * PROFITABLITY: -0.38[22] * SIZE: -0.39[22] * VOLATILITY: -0.39[22] 3. 成长股票池全区间RankICIR均值 * BETA: -0.13[25] * BTOP: 0.09[25] * DIVIDEND: 0.20[25] * EARNING: -0.23[25] * EARNINGVAR: 0.14[25] * GROWTH: -0.16[25] * INVENSTMENT: 0.21[25] * LEVERAGE: 0.01[25] * LIQUIDITY: -0.38[25] * LTREVERSAL: 0.09[25] * MIDCAP: -0.12[25] * MOMENTUM: 0.01[25] * PROFITABLITY: 0.08[25] * SIZE: 0.03[25] * VOLATILITY: -0.18[25] 4. 价值股票池全区间RankICIR均值 * BETA: -0.15[27] * BTOP: 0.22[27] * DIVIDEND: 0.34[27] * EARNING: -0.20[27] * EARNINGVAR: 0.25[27] * GROWTH: -0.19[27] * INVENSTMENT: 0.12[27] * LEVERAGE: -0.04[27] * LIQUIDITY: -0.42[27] * LTREVERSAL: 0.13[27] * MIDCAP: -0.25[27] * MOMENTUM: -0.17[27] * PROFITABLITY: 0.08[27] * SIZE: -0.08[27] * VOLATILITY: -0.40[27]