量化模型与构建方式 1. 模型名称：微盘股/茅指数轮动模型[1][19][24] * 模型构建思路：通过比较微盘股与茅指数的相对价值和动量趋势，构建一个风格轮动策略，以捕捉市场风格切换带来的收益[19][24]。 * 模型具体构建过程： 1. 计算相对净值：计算微盘股指数与茅指数的相对净值（微盘股/茅指数）[24]。 2. 计算移动平均线：计算该相对净值的243日移动平均线（年均线）[24]。 3. 计算动量斜率：分别计算微盘股指数和茅指数过去20日收盘价的斜率[19][24]。 4. 生成轮动信号： * 当微盘股/茅指数相对净值 高于 其243日均线时，模型倾向于投资微盘股[24]。 * 当微盘股/茅指数相对净值 低于 其243日均线时，模型倾向于投资茅指数[24]。 * 结合动量信号进行优化：当微盘股与茅指数的20日斜率方向相反，且其中一方为正时，选择投资斜率为正的指数[24]。 2. 模型名称：微盘股择时风控模型[19][24] * 模型构建思路：通过监控宏观和市场波动率风险指标，对微盘股投资进行中期风险控制，在风险过高时发出平仓信号[19][24]。 * 模型具体构建过程： 1. 选取风险指标： * 十年期国债到期收益率同比（阈值：30%）[19][24]。 * 微盘股波动率拥挤度同比（阈值：55%）[19][24]。 2. 生成风控信号：当 任一 风险指标触及其对应的阈值时，模型发出平仓信号[24]。 3. 模型名称：宏观择时模型[44][45] * 模型构建思路：基于经济增长和货币流动性两个宏观维度的信号，动态调整股票资产的配置仓位，以进行中期权益资产配置[44][45]。 * 模型具体构建过程： 1. 信号维度：模型主要从“经济增长”和“货币流动性”两个层面生成信号[44][45]。 2. 信号强度：每个维度会输出一个信号强度百分比[44][45]。 3. 合成仓位：综合两个维度的信号强度，最终合成一个股票仓位推荐比例[44][45]。 （注：报告未提供该模型具体的指标计算公式和合成规则，仅提及了结果和应用。） 模型的回测效果 1. 微盘股/茅指数轮动模型：截至2025年12月28日，模型发出轮动至茅指数的信号，预期中期配置茅指数能有更高相对收益[1][19]。 2. 微盘股择时风控模型：截至2025年12月28日，波动率拥挤度同比为-17.17%，十年期国债利率同比为7.32%，均未触及各自阈值，因此中期风控信号未触发[19][22]。 3. 宏观择时模型：截至2025年11月30日，模型对12月份经济增长信号强度为50%，货币流动性信号强度为60%，合成的股票推荐仓位为55%[44][45]。该策略2025年年初至报告期的收益率为13.57%，同期Wind全A收益率为25.65%[44]。 量化因子与构建方式 1. 因子名称：一致预期因子 (↑)[48][59][61] * 因子构建思路：基于分析师一致预期数据，捕捉市场对未来盈利能力和回报的共识变化[59][61]。 * 因子具体构建过程：报告列出了该大类下的三个细分因子： * EPS_FTTM_Chg3M: 未来12个月一致预期EPS过去3个月的变化率[61]。 * ROE_FTTM_Chg3M: 未来12个月一致预期ROE过去3个月的变化率[61]。 * TargetReturn_180D: 一致预期目标价相对于目前股价的收益率[61]。 2. 因子名称：成长因子 (↑)[48][59][61] * 因子构建思路：衡量公司业绩的增长速度和潜力[59][61]。 * 因子具体构建过程：报告列出了该大类下的三个细分因子： * NetIncome_SQ_Chg1Y: 单季度净利润同比增速[59]。 * OperatingIncome_SQ_Chg1Y: 单季度营业利润同比增速[59]。 * Revenues_SQ_Chg1Y: 单季度营业收入同比增速[61]。 3. 因子名称：价值因子 (↑)[48][59][61] * 因子构建思路：寻找市场价格低于其内在价值的股票，常用估值比率衡量[59][61]。 * 因子具体构建过程：报告列出了该大类下的五个细分因子： * BP_LR: 最新年报账面净资产/最新市值[59]。 * EP_FTTM: 未来12个月一致预期净利润/最新市值[59]。 * EP_FY0: 当期年报一致预期净利润/最新市值[59]。 * SP_TTM: 过去12个月营业收入/最新市值[59]。 * Sales2EV: 过去12个月营业收入/企业价值[59]。 4. 因子名称：质量因子 (↑)[48][59][61] * 因子构建思路：评估公司的盈利质量、财务稳健性和运营效率[59][61]。 * 因子具体构建过程：报告列出了该大类下的四个细分因子： * ROE_FTTM: 未来12个月一致预期净利润/股东权益均值[61]。 * OCF2CurrentDebt: 过去12个月经营现金流净额/流动负债均值[61]。 * GrossMargin_TTM: 过去12个月毛利率[61]。 * Revenues2Asset_TTM: 过去12个月营业收入/总资产均值[61]。 5. 因子名称：技术因子 (↓)[48][59][61] * 因子构建思路：基于价量数据，捕捉市场的交易行为、趋势和情绪[59][61]。 * 因子具体构建过程：报告列出了该大类下的四个细分因子： * Volume_Mean_20D_240D: 20日成交量均值/240日成交量均值[61]。 * Skewness_240D: 240日收益率偏度[61]。 * Volume_CV_20D: 20日成交量标准差/20日成交量均值[61]。 * Turnover_Mean_20D: 20日换手率均值[61]。 6. 因子名称：波动率因子 (↓)[48][59][61] * 因子构建思路：衡量股票价格波动风险，通常低波动股票具有超额收益[59][61]。 * 因子具体构建过程：报告列出了该大类下的五个细分因子： * Volatility_60D: 60日收益率标准差[61]。 * IV_CAPM: CAPM模型残差波动率[61]。 * IV_FF: Fama-French三因子模型残差波动率[61]。 * IV_Carhart: Carhart四因子模型残差波动率[61]。 7. 因子名称：反转因子 (↓)[48][59][61] * 因子构建思路：认为过去一段时间表现较差的股票在未来短期内可能反弹，而表现过好的股票可能回调[59][61]。 * 因子具体构建过程：报告列出了该大类下的四个细分因子： * Price_Chg20D: 20日收益率[61]。 * Price_Chg40D: 40日收益率[61]。 * Price_Chg60D: 60日收益率[61]。 * Price_Chg120D: 120日收益率[61]。 8. 因子名称：市值因子 (↓)[48][59] * 因子构建思路：捕捉小市值公司相对于大市值公司的超额收益效应（小盘股效应）[59]。 * 因子具体构建过程： * LN_MktCap: 流通市值的对数[59]。 9. 因子名称：可转债正股一致预期因子[58][59] * 因子构建思路：从正股与可转债的相关关系出发，将预测正股的“一致预期”因子应用于可转债择券[58]。 * 因子具体构建过程：未详细说明，但思路是将股票因子中的一致预期类因子（如EPS_FTTM_Chg3M等）应用于可转债对应的正股上[58]。 10. 因子名称：可转债正股成长因子[58][59] * 因子构建思路：从正股与可转债的相关关系出发，将预测正股的“成长”因子应用于可转债择券[58]。 * 因子具体构建过程：未详细说明，但思路是将股票因子中的成长类因子（如NetIncome_SQ_Chg1Y等）应用于可转债对应的正股上[58]。 11. 因子名称：可转债正股财务质量因子[58][59] * 因子构建思路：从正股与可转债的相关关系出发，将预测正股的“质量”因子应用于可转债择券[58]。 * 因子具体构建过程：未详细说明，但思路是将股票因子中的质量类因子（如ROE_FTTM等）应用于可转债对应的正股上[58]。 12. 因子名称：可转债正股价值因子[58][59] * 因子构建思路：从正股与可转债的相关关系出发，将预测正股的“价值”因子应用于可转债择券[58]。 * 因子具体构建过程：未详细说明，但思路是将股票因子中的价值类因子（如BP_LR等）应用于可转债对应的正股上[58]。 13. 因子名称：可转债估值因子[58][59] * 因子构建思路：直接从可转债自身的估值指标出发构建择券因子[58]。 * 因子具体构建过程：选取了“平价底价溢价率”作为估值因子[58]。（注：报告未给出该因子的具体计算公式。） 因子的回测效果 （以下数据均来自报告中的“上周”和“今年以来”两个时间窗口，在“全部A股”股票池中的表现[49]） 1. 一致预期因子： * 上周IC均值：7.67%[49] * 今年以来IC均值：2.04%[49] * 上周多空收益：1.07%[49] * 今年以来多空收益：15.95%[49] 2. 市值因子： * 上周IC均值：-19.22%[49] * 今年以来IC均值：3.34%[49] * 上周多空收益：-2.68%[49] * 今年以来多空收益：11.51%[49] 3. 成长因子： * 上周IC均值：8.12%[49] * 今年以来IC均值：1.51%[49] * 上周多空收益：1.51%[49] * 今年以来多空收益：20.54%[49] 4. 反转因子： * 上周IC均值：-8.54%[49] * 今年以来IC均值：6.53%[49] * 上周多空收益：-3.06%[49] * 今年以来多空收益：11.04%[49] 5. 质量因子： * 上周IC均值：-5.17%[49] * 今年以来IC均值：0.41%[49] * 上周多空收益：-0.68%[49] * 今年以来多空收益：3.63%[49] 6. 技术因子： * 上周IC均值：-5.57%[49] * 今年以来IC均值：8.64%[49] * 上周多空收益：-1.79%[49] * 今年以来多空收益：39.42%[49] 7. 价值因子： * 上周IC均值：-8.99%[49] * 今年以来IC均值：3.97%[49] * 上周多空收益：-1.98%[49] * 今年以来多空收益：-2.96%[49] 8. 波动率因子： * 上周IC均值：-20.39%[49] * 今年以来IC均值：8.57%[49] * 上周多空收益：-3.12%[49] * 今年以来多空收益：26.59%[49]