量化模型与构建方式 1. 模型名称：微盘股/茅指数轮动模型[2][17][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，进行大小盘风格轮动配置[17][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（微盘股指数净值 / 茅指数净值）[17]。 2. 计算年均线：计算该相对净值的243日移动平均线（年均线）[17]。 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[17]。 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，初始倾向投资微盘股；反之则倾向投资茅指数[24]。 * 结合动量斜率进行最终判断：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[17][24] * 模型构建思路：通过监控宏观利率和波动率拥挤度指标，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[17]。 * 模型具体构建过程： 1. 计算风险指标： * 计算十年期国债到期收益率的同比变化率（YoY）[17]。 * 计算微盘股波动率拥挤度的同比变化率（YoY）[17]。 2. 设置风险阈值：十年期国债利率同比的阈值为30%，波动率拥挤度同比的阈值为55%[17][24]。 3. 生成风控信号：当 任一指标 触及或超过其对应阈值时，模型发出平仓信号[24]。 3. 模型名称：宏观择时模型[39][40] * 模型构建思路：基于经济增长和货币流动性等多个宏观维度的信号，综合判断中期权益资产（股票）的推荐配置仓位[39][40]。 * 模型具体构建过程：模型细节请参阅专题报告。本报告展示了其输出结果：模型分别对经济增长和货币流动性维度给出信号强度（百分比），并综合生成股票仓位建议[39][40]。例如，截至11月30日，经济增长信号强度为50%，货币流动性信号强度为60%，综合推荐的股票仓位为55%[40]。 模型的回测效果 1. 宏观择时模型，2025年年初至今收益率13.57%[39]，同期Wind全A收益率25.65%[39]，超额收益表现参见图表[42][43]。 2. 微盘股/茅指数轮动模型，截至2025年12月31日，微盘股对茅指数的相对净值为2.08[17]，高于其243日均线1.81[17]，但微盘股20日斜率0.01%等于茅指数20日斜率0.01%[17]，模型发出轮动至茅指数的信号[2][17]。 3. 微盘股择时风控模型，截至2025年12月31日，十年期国债利率同比为10.27%[17]，未触及30%阈值；波动率拥挤度同比为-9.22%[17]，未触及55%阈值；因此中期风控信号未触发[2][17]。 量化因子与构建方式 1. 因子名称：一致预期因子[44][56] * 因子构建思路：使用分析师一致预期数据，捕捉市场对未来盈利预期的变化[56]。 * 因子具体构建过程：包含多个细分因子，例如： * EPS_FTTM_Chg3M：未来12个月一致预期EPS过去3个月的变化率[58]。 * ROE_FTTM_Chg3M：未来12个月一致预期ROE过去3个月的变化率[58]。 * TargetReturn_180D：一致预期目标价相对于目前股价的收益率[58]。 2. 因子名称：市值因子[44][56] * 因子构建思路：捕捉规模效应，通常小市值股票长期表现可能优于大市值股票[56]。 * 因子具体构建过程： * LN_MktCap：流通市值的自然对数[56]。 3. 因子名称：成长因子[44][56] * 因子构建思路：衡量公司的成长性，营收或利润增长更快的公司可能获得溢价[56]。 * 因子具体构建过程：包含多个细分因子，例如： * NetIncome_SQ_Chg1Y：单季度净利润同比增速[56]。 * OperatingIncome_SQ_Chg1Y：单季度营业利润同比增速[56]。 * Revenues_SQ_Chg1Y：单季度营业收入同比增速[58]。 4. 因子名称：反转因子[44][58] * 因子构建思路：捕捉股价的均值回复现象，过去一段时间跌幅较大的股票未来可能反弹，涨幅过大的股票可能回调[58]。 * 因子具体构建过程：包含多个不同时间窗口的收益率，例如： * Price_Chg20D：20日收益率[58]。 * Price_Chg60D：60日收益率[58]。 * Price_Chg120D：120日收益率[58]。 5. 因子名称：质量因子[44][58] * 因子构建思路：衡量公司的盈利能力和财务稳健性[58]。 * 因子具体构建过程：包含多个细分因子，例如： * ROE_FTTM：未来12个月一致预期净利润/股东权益均值[58]。 * GrossMargin_TTM：过去12个月毛利率[58]。 * Revenues2Asset_TTM：过去12个月营业收入/总资产均值[58]。 6. 因子名称：技术因子[44][58] * 因子构建思路：基于价量数据，捕捉市场交易行为和技术形态[58]。 * 因子具体构建过程：包含多个细分因子，例如： * Volume_Mean_20D_240D：20日成交量均值/240日成交量均值[58]。 * Turnover_Mean_20D：20日换手率均值[58]。 * Skewness_240D：240日收益率偏度[58]。 7. 因子名称：价值因子[44][56] * 因子构建思路：寻找价格低于其内在价值的股票，常用估值指标衡量[56]。 * 因子具体构建过程：包含多个细分因子，例如： * BP_LR：最新年报账面净资产/最新市值[56]。 * EP_FTTM：未来12个月一致预期净利润/最新市值[56]。 * SP_TTM：过去12个月营业收入/最新市值[56]。 8. 因子名称：波动率因子[44][58] * 因子构建思路：捕捉波动率效应，低波动股票长期风险调整后收益可能更优[58]。 * 因子具体构建过程：包含多个细分因子，例如： * Volatility_60D：60日收益率标准差[58]。 * IV_CAPM：CAPM模型残差波动率[58]。 * IV_FF：Fama-French三因子模型残差波动率[58]。 9. 因子名称：可转债正股成长因子[53][54] * 因子构建思路：从可转债对应的正股出发，使用预测正股成长的因子来构建可转债择券因子[53]。 * 因子具体构建过程：报告未给出具体公式，但指出其构建逻辑是从预测正股的因子衍生而来[53]。 10. 因子名称：可转债正股财务质量因子[53][54] * 因子构建思路：从可转债对应的正股出发，使用衡量正股财务质量的因子来构建可转债择券因子[53]。 * 因子具体构建过程：报告未给出具体公式，但指出其构建逻辑是从预测正股的因子衍生而来[53]。 11. 因子名称：可转债正股一致预期因子[54] * 因子构建思路：从可转债对应的正股出发，使用正股的一致预期因子来构建可转债择券因子[53]。 * 因子具体构建过程：报告未给出具体公式。 12. 因子名称：可转债正股价值因子[54] * 因子构建思路：从可转债对应的正股出发，使用正股的价值因子来构建可转债择券因子[53]。 * 因子具体构建过程：报告未给出具体公式。 13. 因子名称：可转债估值因子[53][54] * 因子构建思路：直接基于可转债自身的估值指标进行择券[53]。 * 因子具体构建过程：选取了平价底价溢价率作为因子[53]。 因子的回测效果 （以下结果基于“今年以来”时间区间，股票池为“全部A股”，指标为IC均值）[45] 1. 一致预期因子，IC均值1.97%[45] 2. 市值因子，IC均值3.25%[45] 3. 成长因子，IC均值1.54%[45] 4. 反转因子，IC均值6.56%[45] 5. 质量因子，IC均值0.52%[45] 6. 技术因子，IC均值8.84%[45] 7. 价值因子，IC均值3.99%[45] 8. 波动率因子，IC均值8.76%[45] （以下结果为上周表现，股票池为“全部A股”，指标为IC均值）[45] 9. 一致预期因子，IC均值-2.10%[45] 10. 市值因子，IC均值-1.84%[45] 11. 成长因子，IC均值2.87%[45] 12. 反转因子，IC均值7.96%[45] 13. 质量因子，IC均值5.87%[45] 14. 技术因子，IC均值19.20%[45] 15. 价值因子，IC均值5.04%[45] 16. 波动率因子，IC均值18.68%[45]