量化模型与因子总结 量化因子与构建方式 1. 因子名称：风格组相对拥挤度[123] * 因子构建思路：通过计算两种风格指数换手率标准化值的差值及其历史分位，来衡量一种风格相对于另一种风格的交易拥挤程度[123] * 因子具体构建过程： 1. 对于风格A和风格B，分别计算其指数的近252日平均换手率[123] 2. 将上述换手率数据在2005年1月1日至今的历史时间序列上进行Z-score标准化，得到Z-score_A与Z-score_B[123] 3. 计算二者差值：$Diff = Z\_score\_A - Z\_score\_B$[123] 4. 计算差值Diff的滚动6年历史分位数（历史数据量满1年且不足6年时，以全部历史数据进行计算），该分位数即为风格A相对于风格B的相对拥挤度[123] 2. 因子名称：风格指数累计超额净值[124] * 因子构建思路：以万得全A指数为基准，计算各风格指数相对于基准的累计超额表现，用于衡量风格的长期收益特征[124] * 因子具体构建过程： 1. 以2020年1月4日为基准日，将各风格指数及万得全A指数的每日收盘点数除以基准日收盘点数，得到各自的累计净值[124] 2. 将各风格指数在交易日t的累计净值，除以同一交易日万得全A指数的累计净值，得到该风格指数相对于万得全A指数的累计超额净值[124] 3. 因子名称：机构调研活跃度[125] * 因子构建思路：通过计算板块（指数、行业）的日均机构调研次数相对于市场整体水平的标准化差异及其历史分位，来衡量机构关注度的热度[125] * 因子具体构建过程： 1. 计算板块（指数、行业）近n个交易日的“日均机构调研次数”[125] 2. 将上述数据在滚动y年的历史时间序列上进行z-score标准化[125] 3. 将板块的标准化值与万得全A的标准化结果作差，得到“机构调研活跃度”[125] 4. 最后计算“机构调研活跃度”的滚动y年历史分位数[125] * 长期口径参数：n取126（近半年），滚动窗口y为6年（历史数据量满3年且不足6年时，以全部历史数据进行计算）[125] * 短期口径参数：n取63（近一季度），滚动窗口y为3年（历史数据量满1年且不足3年时，以全部历史数据进行计算）[125] 4. 因子名称：股债风险溢价（ERP）[50] * 因子构建思路：通过计算股票指数市盈率倒数与无风险利率（10年期国债收益率）的差值，来衡量股票市场相对于债券市场的风险溢价水平，用于评估股债性价比[50] * 因子具体构建过程：对于特定指数，其ERP计算公式为：$指数erp = \frac{1}{指数PE\_TTM} - 10年期中债国债到期收益率$[50] * 因子评价：该指标是衡量权益资产配置价值的重要参考，ERP处于历史较高分位时，通常意味着配置权益的性价比较高[50] 5. 因子名称：滚动季度夏普率[37] * 因子构建思路：计算万得全A指数滚动季度（约63个交易日）的夏普比率，用于衡量市场在承担单位风险下所获得的超额回报，作为市场情绪与风险的观测指标[37] * 因子评价：该指标上升至历史极高位置通常表明市场情绪达到极端高峰，后续市场易进入震荡或调整状态；当其从高点回落时，市场回撤风险有所减弱[37] 6. 因子名称：成交热度[26] * 因子构建思路：使用周度日均自由流通换手率的历史分位值来衡量市场或特定板块、行业的交易活跃程度[26] * 因子具体构建过程：成交热度 = 指定标的（如指数、行业）的周度日均自由流通换手率在其历史时间序列（报告中未明确具体区间）上的百分位值[26] 因子的回测效果 1. 风格组相对拥挤度因子，成长vs红利相对拥挤度历史分位：68%[70]，小盘vs大盘相对拥挤度历史分位：39%[70]，微盘股vs中证800相对拥挤度历史分位：93%[70] 2. 风格指数累计超额净值因子，成长较红利超额收益（近一周）：-2.0%[59]，小盘较大盘超额收益（近一周）：0.1%[59]，微盘股较基金重仓超额收益（近一周）：3.3%[59]，动量较反转超额收益（近一周）：-2.9%[59] 3. 股债风险溢价（ERP）因子，万得全A指数ERP历史分位：63%[50]，沪深300指数ERP历史分位：64%[50]，中证500指数ERP历史分位：74%[50]，创业板指数ERP历史分位：87%[50] 4. 成交热度因子，万得全A成交热度历史分位：82%[35]，消费板块成交热度历史分位：89%[35]，医药板块成交热度历史分位：67%[35]，纺织服装行业成交热度历史分位：100%[35]