根据提供的研报内容，以下是关于量化模型和因子的详细总结。 量化模型与构建方式 1. 模型名称：国信金工指数增强模型 **模型构建思路**：以多因子选股为主体，通过收益预测、风险控制和组合优化三个主要流程，构建对标不同基准指数（沪深300、中证500、中证1000、中证A500）的增强组合，目标是稳定战胜各自基准[11][12] **模型具体构建过程**：模型构建主要包括以下步骤： 1. **收益预测**：基于多因子模型进行股票收益预测 2. **风险控制**：控制组合相对于基准指数的风险暴露 3. **组合优化**：通过优化算法确定最终股票权重，最大化预期收益同时控制风险 具体优化模型如下： $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ 其中： - $f$ 为因子取值向量 - $w$ 为待求解的股票权重向量 - $w_b$ 为基准指数成分股权重向量 - $X$ 为风格因子暴露矩阵 - $H$ 为行业暴露矩阵 - $s_l$, $s_h$ 为风格因子相对暴露上下限 - $h_l$, $h_h$ 为行业偏离上下限 - $w_l$, $w_h$ 为个股权重偏离上下限 - $B_b$ 为成分股标识向量 - $b_l$, $b_h$ 为成分股权重占比上下限 - $l$ 为个股权重上限 约束条件包括控制风格暴露、行业偏离、个股权重偏离、成分股权重占比等[42][43] 2. 模型名称：单因子MFE组合 **模型构建思路**：采用组合优化方式，在控制行业暴露、风格暴露等实际约束条件下，检验单因子的有效性，通过构建最大化单因子暴露组合（MFE组合）来评估因子表现[42] **模型具体构建过程**：构建过程如下： 1. 设定MFE组合的约束条件，包括风格暴露、行业暴露、个股权重偏离、成分股权重占比等 2. 每个月末，根据约束条件构建每个单因子的MFE组合 3. 在回测期内根据各期MFE组合换仓，计算历史收益并扣除交易费用 4. 计算MFE组合相对于基准的收益风险统计指标 对于不同基准指数，约束条件设置不同： - 沪深300和中证500：控制行业相对暴露为0，市值风格因子相对暴露为0，个股最大偏离权重1%，成分股权重占比100% - 公募重仓指数：个股最大偏离权重0.5%，行业、市值因子保持中性[46] 量化因子与构建方式 研报中涉及30余个因子，分为估值、反转、成长、盈利、流动性、波动、公司治理、分析师等维度[16][17] 1. 估值类因子 **因子名称**：BP **因子构建思路**：衡量公司净资产与总市值的比率 **因子具体构建过程**：BP = 净资产/总市值[17] **因子名称**：单季EP **因子构建思路**：衡量单季度净利润与总市值的比率 **因子具体构建过程**：单季EP = 单季度归母净利润/总市值[17] **因子名称**：单季SP **因子构建思路**：衡量单季度营业收入与总市值的比率 **因子具体构建过程**：单季SP = 单季度营业收入/总市值[17] **因子名称**：EPTTM **因子构建思路**：衡量滚动净利润与总市值的比率 **因子具体构建过程**：EPTTM = 归母净利润TTM/总市值[17] **因子名称**：SPTTM **因子构建思路**：衡量滚动营业收入与总市值的比率 **因子具体构建过程**：SPTTM = 营业收入TTM/总市值[17] **因子名称**：EPTTM一年分位点 **因子构建思路**：衡量当前EPTTM在过去一年中的相对位置 **因子具体构建过程**：计算EPTTM在过去一年中的分位点[17] **因子名称**：股息率 **因子构建思路**：衡量公司分红能力 **因子具体构建过程**：股息率 = 最近四个季度预案分红金额/总市值[17] 2. 反转类因子 **因子名称**：一个月反转 **因子构建思路**：衡量短期价格反转效应 **因子具体构建过程**：一个月反转 = 过去20个交易日涨跌幅[17] **因子名称**：三个月反转 **因子构建思路**：衡量中期价格反转效应 **因子具体构建过程**：三个月反转 = 过去60个交易日涨跌幅[17] **因子名称**：一年动量 **因子构建思路**：衡量长期价格动量效应 **因子具体构建过程**：一年动量 = 近一年除近一月后动量[17] 3. 成长类因子 **因子名称**：单季净利同比增速 **因子构建思路**：衡量单季度净利润同比增长情况 **因子具体构建过程**：单季净利同比增速 = 单季度净利润同比增长率[17] **因子名称**：单季营收同比增速 **因子构建思路**：衡量单季度营业收入同比增长情况 **因子具体构建过程**：单季营收同比增速 = 单季度营业收入同比增长率[17] **因子名称**：单季营利同比增速 **因子构建思路**：衡量单季度营业利润同比增长情况 **因子具体构建过程**：单季营利同比增速 = 单季度营业利润同比增长率[17] **因子名称**：SUE **因子构建思路**：衡量盈利超预期程度 **因子具体构建过程**：SUE = (单季度实际净利润-预期净利润)/预期净利润标准差[17] **因子名称**：SUR **因子构建思路**：衡量收入超预期程度 **因子具体构建过程**：SUR = (单季度实际营业收入-预期营业收入)/预期营业收入标准差[17] **因子名称**：单季超预期幅度 **因子构建思路**：衡量盈利超预期幅度 **因子具体构建过程**：单季超预期幅度 = 预期单季度净利润/财报单季度净利润[17] 4. 盈利类因子 **因子名称**：单季ROE **因子构建思路**：衡量单季度净资产收益率 **因子具体构建过程**：单季ROE = 单季度归母净利润*2/(期初归母净资产+期末归母净资产)[17] **因子名称**：单季ROA **因子构建思路**：衡量单季度总资产收益率 **因子具体构建过程**：单季ROA = 单季度归母净利润*2/(期初归母总资产+期末归母总资产)[17] **因子名称**：DELTAROE **因子构建思路**：衡量ROE的变化情况 **因子具体构建过程**：DELTAROE = 单季度净资产收益率-去年同期单季度净资产收益率[17] **因子名称**：DELTAROA **因子构建思路**：衡量ROA的变化情况 **因子具体构建过程**：DELTAROA = 单季度总资产收益率-去年同期单季度总资产收益率[17] 5. 流动性类因子 **因子名称**：非流动性冲击 **因子构建思路**：衡量价格冲击成本 **因子具体构建过程**：非流动性冲击 = 过去20个交易日的日涨跌幅绝对值/成交额的均值[17] **因子名称**：一个月换手 **因子构建思路**：衡量短期换手率 **因子具体构建过程**：一个月换手 = 过去20个交易日换手率均值[17] **因子名称**：三个月换手 **因子构建思路**：衡量中期换手率 **因子具体构建过程**：三个月换手 = 过去60个交易日换手率均值[17] 6. 波动类因子 **因子名称**：特异度 **因子构建思路**：衡量个股特异性风险 **因子具体构建过程**：特异度 = 1-过去20个交易日Fama-French三因子回归的拟合度[17] **因子名称**：一个月波动 **因子构建思路**：衡量短期波动率 **因子具体构建过程**：一个月波动 = 过去20个交易日日内真实波幅均值[17] **因子名称**：三个月波动 **因子构建思路**：衡量中期波动率 **因子具体构建过程**：三个月波动 = 过去60个交易日日内真实波幅均值[17] 7. 公司治理因子 **因子名称**：高管薪酬 **因子构建思路**：衡量公司治理水平 **因子具体构建过程**：高管薪酬 = 前三高管报酬总额取对数[17] 8. 分析师类因子 **因子名称**：预期EPTTM **因子构建思路**：衡量一致预期滚动EP **因子具体构建过程**：基于分析师一致预期数据计算[17] **因子名称**：预期BP **因子构建思路**：衡量一致预期滚动PB **因子具体构建过程**：基于分析师一致预期数据计算[17] **因子名称**：预期PEG **因子构建思路**：衡量一致预期PEG比率 **因子具体构建过程**：基于分析师一致预期数据计算[17] **因子名称**：预期净利润环比 **因子构建思路**：衡量预期净利润变化情况 **因子具体构建过程**：预期净利润环比 = 一致预期净利润/3个月前一致预期净利润[17] **因子名称**：三个月盈利上下调 **因子构建思路**：衡量分析师盈利预测调整情况 **因子具体构建过程**：三个月盈利上下调 = 过去3个月内分析师(上调家数-下调家数)/总家数[17] **因子名称**：三个月机构覆盖 **因子构建思路**：衡量机构关注度 **因子具体构建过程**：三个月机构覆盖 = 过去3个月内机构覆盖数量[17] **因子名称**：标准化预期外盈利 **因子构建思路**：衡量盈利超预期程度（标准化） **因子具体构建过程**：基于实际盈利与预期盈利的差异计算[17] **因子名称**：标准化预期外收入 **因子构建思路**：衡量收入超预期程度（标准化） **因子具体构建过程**：基于实际收入与预期收入的差异计算[17] 模型的回测效果 1. 国信金工指数增强模型 - 沪深300指数增强组合：本周超额收益-0.17%，本年超额收益16.49%[5][14] - 中证500指数增强组合：本周超额收益0.26%，本年超额收益8.94%[5][14] - 中证1000指数增强组合：本周超额收益0.91%，本年超额收益17.72%[5][14] - 中证A500指数增强组合：本周超额收益-0.21%，本年超额收益9.06%[5][14] 因子的回测效果 1. 沪深300样本空间中因子表现（最近一周）[19] - 单季超预期幅度：0.55% - 单季营收同比增速：0.48% - 单季ROE：0.42% - 一个月换手：0.24% - 非流动性冲击：0.22% - 标准化预期外收入：0.20% - 一个月波动：0.19% - 三个月机构覆盖：0.17% - 三个月波动：0.10% - DELTAROA：0.05% - SPTTM：0.03% - 股息率：0.02% - 单季ROA：-0.01% - 高管薪酬：-0.02% - 特异度：-0.07% - EPTTM一年分位点：-0.09% - 三个月换手：-0.09% - 预期PEG：-0.19% - 三个月盈利上下调：-0.22% - DELTAROE：-0.23% - 预期EPTTM：-0.29% - 一年动量：-0.37% - 标准化预期外盈利：-0.37% - 一个月反转：-0.37% - 单季EP：-0.45% - EPTTM：-0.48% - 单季SP：-0.50% - 三个月反转：-0.52% - 单季营利同比增速：-0.52% - 单季净利同比增速：-0.54% - BP：-0.66% - 预期净利润环比：-0.68% - 预期BP：-0.77% 2. 中证500样本空间中因子表现（最近一周）[21] - 三个月换手：1.34% - 单季营收同比增速：1.28% - EPTTM一年分位点：0.97% - DELTAROE：0.91% - 单季EP：0.90% - EPTTM：0.65% - 单季ROE：0.47% - 单季超预期幅度：0.39% - 股息率：0.32% - 三个月机构覆盖：0.29% - 预期净利润环比：0.28% - 预期PEG：0.26% - 高管薪酬：0.25% - 单季ROA：0.23% - 预期EPTTM：0.22% - BP：0.17% - 一个月换手：0.10% - 非流动性冲击：0.05% - 预期BP：0.05% - 三个月反转：-0.05% - 三个月波动：-0.09% - 特异度：-0.28% - 一个月波动：-0.35% - 标准化预期外盈利：-0.40% - 单季营利同比增速：-0.44% - 单季SP：-0.50% - 单季净利同比增速：-0.52% - 一个月反转：-0.52% - DELTAROA：-0.57% - 三个月盈利上下调：-0.64% - SPTTM：-0.85% - 标准化预期外收入：-1.16% - 一年动量：-1.45% 3. 中证1000样本空间中因子表现（最近一周）[23] - 三个月机构覆盖：1.30% - 单季ROE：1.20% - 高管薪酬：1.06% - 单季ROA：1.04% - 预期PEG：1.01% - EPTTM：0.97% - 三个月反转：0.92% - 单季EP：0.82% - 三个月波动：0.76% - 单季营收同比增速：0.69% - 单季超预期幅度：0.56% - 一个月换手：0.47% - 一个月波动：0.47% - 特异度：0.28% - 预期BP：0.26% - EPTTM一年分位点：0.23% - 股息率：0.22% - 三个月换手：0.22% - 单季SP：0.21% - 三个月盈利上下调：0.20% - 预期EPTTM：0.16% - 标准化预期外收入：0.14% - 非流动性冲击：0.13% - BP：0.01% - DELTAROE：-0.06% - SPTTM：-0.07% - 一个月反转：-0.12% - 标准化预期外盈利：-0.27% - 单季净利同比增速：-0.30% - 单季营利同比增速：-0.31% - 预期净利润环比：-0.34% - DELTAROA：-0.37% - 一年动量：-0.64% 4. 中证A500样本空间中因子表现（最近一周）[25] - 单季营收同比增速：0.47% - EPTTM一年分位点：0.46% - 单季ROE：0.30% - 非流动性冲击：0.26% - 特异度：0.24% - 单季超预期幅度：0.23% - 高管薪酬：0.20% - 预期EPTTM：0.01% - 单季ROA：-0.06% - BP：-0.15% - 预期PEG：-0.18% - 三个月机构覆盖：-0.21% - 预期BP：-0.23% - 一个月换手：-0.24% - 一个月反转：-0.28% - 三个月波动：-0.29% - EPTTM：-0.34% - 三个月换手：-0.35% - 三个月盈利上下调：-0.39% - 单季EP：-0.40% - SPTTM：-0.48% - 一个月波动：-0.50% - 单季SP：-0.51% - 标准化预期外收入：-0.59% - 单季营利同比增速：-0.62% - 三个月反转：-0.65% - 标准化预期外盈利：-0.69% - 单季净利同比增速：-0.95% - 预期净利润环比：-1.01% - 股息率：-1.02% - DELTAROE：-1.13% - DELTAROA：-1.18% - 一年动量：-1.27% 5. 公募重仓指数样本空间中因子表现（最近一周）[27] - 高管薪酬：表现较好 - 单季ROE：表现较好 - 三个月机构覆盖：表现较好 - 一年动量：表现较差 - 预期净利润环比：表现较差 - 预期EPTTM：表现较差

量化模型与构建方式 1. 国信金工指数增强模型 - **模型名称**：国信金工指数增强模型[12] - **模型构建思路**：以多因子选股为主体，构建对标不同基准指数（沪深300、中证500、中证1000、中证A500）的增强组合，力求稳定战胜基准[11] - **模型具体构建过程**：构建流程主要包括收益预测、风险控制和组合优化三块[12] 2. 因子MFE组合构建模型 - **模型名称**：最大化单因子暴露组合（MFE组合）[42] - **模型构建思路**：在满足各种实际约束条件下检验因子有效性，采用组合优化方式检验控制行业暴露、风格暴露等约束后的单因子有效性[42] - **模型具体构建过程**：采用组合优化模型构建因子的MFE组合，目标函数为最大化单因子暴露，约束条件包括组合在风格因子上的偏离度、行业偏离度、个股权重偏离度、成分股权重占比控制、个股权重上下限控制等[42][43] - **优化模型公式**： $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$[42] 3. 公募重仓指数构建模型 - **模型名称**：公募重仓指数构建模型[44] - **模型构建思路**：以公募基金持股信息构建公募重仓指数，测试因子在"机构风格"下的有效性[44] - **模型具体构建过程**：通过基金定期报告获取持股信息，将符合条件的基金持仓股票权重平均获得公募基金平均持仓信息，选取累计权重达到90%的股票作为成分股构建指数[45] 量化因子与构建方式 估值类因子 1. **因子名称**：BP[17] - **因子构建思路**：衡量净资产与总市值的比值[17] - **因子具体构建过程**：净资产/总市值[17] 2. **因子名称**：单季EP[17] - **因子构建思路**：衡量单季度归母净利润与总市值的比值[17] - **因子具体构建过程**：单季度归母净利润/总市值[17] 3. **因子名称**：单季SP[17] - **因子构建思路**：衡量单季度营业收入与总市值的比值[17] - **因子具体构建过程**：单季度营业收入/总市值[17] 4. **因子名称**：EPTTM[17] - **因子构建思路**：衡量滚动归母净利润与总市值的比值[17] - **因子具体构建过程**：归母净利润TTM/总市值[17] 5. **因子名称**：SPTTM[17] - **因子构建思路**：衡量滚动营业收入与总市值的比值[17] - **因子具体构建过程**：营业收入TTM/总市值[17] 6. **因子名称**：EPTTM分位点[17] - **因子构建思路**：衡量EPTTM在过去一年中的相对位置[17] - **因子具体构建过程**：EPTTM在过去一年中的分位点[17] 7. **因子名称**：股息率[17] - **因子构建思路**：衡量分红收益水平[17] - **因子具体构建过程**：最近四个季度预案分红金额/总市值[17] 反转类因子 8. **因子名称**：一个月反转[17] - **因子构建思路**：衡量短期价格反转效应[17] - **因子具体构建过程**：过去20个交易日涨跌幅[17] 9. **因子名称**：三个月反转[17] - **因子构建思路**：衡量中期价格反转效应[17] - **因子具体构建过程**：过去60个交易日涨跌幅[17] 10. **因子名称**：一年动量[17] - **因子构建思路**：衡量长期价格动量效应[17] - **因子具体构建过程**：近一年除近一月后动量[17] 成长类因子 11. **因子名称**：单季净利同比增速[17] - **因子构建思路**：衡量单季度净利润同比增长情况[17] - **因子具体构建过程**：单季度净利润同比增长率[17] 12. **因子名称**：单季营收同比增速[17] - **因子构建思路**：衡量单季度营业收入同比增长情况[17] - **因子具体构建过程**：单季度营业收入同比增长率[17] 13. **因子名称**：单季营利同比增速[17] - **因子构建思路**：衡量单季度营业利润同比增长情况[17] - **因子具体构建过程**：单季度营业利润同比增长率[17] 14. **因子名称**：SUE[17] - **因子构建思路**：衡量盈利超预期程度[17] - **因子具体构建过程**：（单季度实际净利润-预期净利润）/预期净利润标准差[17] 15. **因子名称**：SUR[17] - **因子构建思路**：衡量营收超预期程度[17] - **因子具体构建过程**：（单季度实际营业收入-预期营业收入）/预期营业收入标准差[17] 16. **因子名称**：单季超预期幅度[17] - **因子构建思路**：衡量盈利超预期幅度[17] - **因子具体构建过程**：预期单季度净利润/财报单季度净利润[17] 盈利类因子 17. **因子名称**：单季ROE[17] - **因子构建思路**：衡量单季度净资产收益率[17] - **因子具体构建过程**：单季度归母净利润*2/（期初归母净资产+期末归母净资产）[17] 18. **因子名称**：单季ROA[17] - **因子构建思路**：衡量单季度总资产收益率[17] - **因子具体构建过程**：单季度归母净利润*2/（期初归母总资产+期末归母总资产）[17] 19. **因子名称**：DELTAROE[17] - **因子构建思路**：衡量净资产收益率变化[17] - **因子具体构建过程**：单季度净资产收益率-去年同期单季度净资产收益率[17] 20. **因子名称**：DELTAROA[17] - **因子构建思路**：衡量总资产收益率变化[17] - **因子具体构建过程**：单季度总资产收益率-去年同期单季度总资产收益率[17] 流动性类因子 21. **因子名称**：非流动性冲击[17] - **因子构建思路**：衡量流动性冲击程度[17] - **因子具体构建过程**：过去20个交易日的日涨跌幅绝对值/成交额的均值[17] 22. **因子名称**：一个月换手[17] - **因子构建思路**：衡量短期换手率水平[17] - **因子具体构建过程**：过去20个交易日换手率均值[17] 23. **因子名称**：三个月换手[17] - **因子构建思路**：衡量中期换手率水平[17] - **因子具体构建过程**：过去60个交易日换手率均值[17] 波动类因子 24. **因子名称**：特异度[17] - **因子构建思路**：衡量特异性风险[17] - **因子具体构建过程**：1-过去20个交易日Fama-French三因子回归的拟合度[17] 25. **因子名称**：一个月波动[17] - **因子构建思路**：衡量短期波动率[17] - **因子具体构建过程**：过去20个交易日日内真实波幅均值[17] 26. **因子名称**：三个月波动[17] - **因子构建思路**：衡量中期波动率[17] - **因子具体构建过程**：过去60个交易日日内真实波幅均值[17] 公司治理类因子 27. **因子名称**：高管薪酬[17] - **因子构建思路**：衡量公司治理水平[17] - **因子具体构建过程**：前三高管报酬总额取对数[17] 分析师类因子 28. **因子名称**：预期EPTTM[17] - **因子构建思路**：衡量一致预期滚动EP[17] - **因子具体构建过程**：一致预期滚动EP[17] 29. **因子名称**：预期BP[17] - **因子构建思路**：衡量一致预期滚动PB[17] - **因子具体构建过程**：一致预期滚动PB[17] 30. **因子名称**：预期PEG[17] - **因子构建思路**：衡量一致预期PEG[17] - **因子具体构建过程**：一致预期PEG[17] 31. **因子名称**：预期净利润环比[17] - **因子构建思路**：衡量预期净利润环比变化[17] - **因子具体构建过程**：一致预期净利润/3个月前一致预期净利润[17] 32. **因子名称**：三个月盈利上下调[17] - **因子构建思路**：衡量分析师盈利预测调整[17] - **因子具体构建过程**：过去3个月内分析师（上调家数-下调家数）/总家数[17] 33. **因子名称**：三个月机构覆盖[17] - **因子构建思路**：衡量机构关注度[17] - **因子具体构建过程**：过去3个月内机构覆盖数量[17] 模型的回测效果 1. **沪深300指数增强模型**，本周超额收益-0.17%，本年超额收益16.49%[5][14] 2. **中证500指数增强模型**，本周超额收益0.26%，本年超额收益8.94%[5] 3. **中证1000指数增强模型**，本周超额收益0.91%，本年超额收益17.72%[1][5][14] 4. **中证A500指数增强模型**，本周超额收益-0.21%，本年超额收益9.06%[5] 因子的回测效果 沪深300样本空间中因子表现 1. **单季超预期幅度因子**，最近一周0.55%，最近一月1.62%，今年以来8.41%，历史年化3.99%[19] 2. **单季营收同比增速因子**，最近一周0.48%，最近一月2.34%，今年以来17.35%，历史年化4.94%[19] 3. **单季ROE因子**，最近一周0.42%，最近一月2.94%，今年以来15.41%，历史年化4.92%[19] 4. **BP因子**，最近一周-0.66%，最近一月-2.15%，今年以来-4.88%，历史年化2.30%[19] 5. **预期净利润环比因子**，最近一周-0.68%，最近一月0.24%，今年以来3.35%，历史年化1.73%[19] 6. **预期BP因子**，最近一周-0.77%，最近一月-2.05%，今年以来-3.76%，历史年化2.78%[19] 中证500样本空间中因子表现 1. **三个月换手因子**，最近一周1.34%，最近一月-0.63%，今年以来-6.97%，历史年化4.43%[21] 2. **单季营收同比增速因子**，最近一周1.28%，最近一月2.58%，今年以来15.18%，历史年化3.81%[21] 3. **EPTTM一年分位点因子**，最近一周0.97%，最近一月-2.17%，今年以来1.06%，历史年化5.31%[21] 4. **一年动量因子**，最近一周-1.45%，最近一月-2.12%，今年以来4.58%，历史年化2.89%[21] 5. **标准化预期外收入因子**，最近一周-1.16%，最近一月-0.01%，今年以来9.36%，历史年化6.42%[21] 6. **SPTTM因子**，最近一周-0.85%，最近一月1.06%，今年以来-3.58%，历史年化2.66%[21] 中证1000样本空间中因子表现 1. **三个月机构覆盖因子**，最近一周1.30%，最近一月0.52%，今年以来5.98%，历史年化7.22%[23] 2. **单季ROE因子**，最近一周1.20%，最近一月1.70%，今年以来-0.61%，历史年化7.62%[23] 3. **高管薪酬因子**，最近一周1.06%，最近一月2.26%，今年以来9.53%，历史年化3.89%[23] 4. **一年动量因子**，最近一周-0.64%，最近一月2.35%，今年以来-2.44%，历史年化-0.61%[23] 5. **DELTAROA因子**，最近一周-0.37%，最近一月-1.09%，今年以来9.58%，历史年化7.85%[23] 6. **预期净利润环比因子**，最近一周-0.34%，最近一月-1.24%，今年以来3.32%，历史年化4.82%[23] 中证A500样本空间中因子表现 1. **单季营收同比增速因子**，最近一周0.47%，最近一月1.15%，今年以来15.65%，历史年化2.96%[25] 2. **EPTTM一年分位点因子**，最近一周0.46%，最近一月-1.26%，今年以来3.09%，历史年化2.87%[25] 3. **单季ROE因子**，最近一周0.30%，最近一月1.68%，今年以来13.78%，历史年化3.35%[25] 4. **一年动量因子**，最近一周-1.27%，最近一月-0.75%，今年以来1.91%，历史年化1.45%[25] 5. **DELTAROA因子**，最近一周-1.18%，最近一月-1.03%，今年以来12.78%，历史年化4.68%[25] 6. **DELTAROE因子**，最近一周-1.13%，最近一月-1.38%，今年以来13.84%，历史年化4.39%[25] 公募重仓指数样本空间中因子表现 1. **高管薪酬因子**，最近一周表现较好[27] 2. **单季ROE因子**，最近一周表现较好[27] 3. **三个月机构覆盖因子**，最近一周表现较好[27] 4. **一年动量因子**，最近一周表现较差[27] 5. **预期净利润环比因子**，最近一周表现较差[27] 6. **预期EPTTM因子**，最近一周表现较差[27]

根据提供的研报内容，以下是关于量化模型和因子的详细总结： 量化模型与构建方式 1. 模型名称：优秀基金业绩增强组合 - **模型构建思路**：从对标宽基指数转变为对标主动股基，在借鉴优秀基金持仓的基础上，采用量化方法进行增强，以达到优中选优的目的[4][52] - **模型具体构建过程**： 1. 对基金进行优选：对基金收益类因子进行分层中性化处理，以解决市场风格突变时的反转问题和持股风格集中化问题[52] 2. 构建优选基金持仓组合：根据业绩分层优选基金的补全持仓构建组合，该组合能较好地跟踪股基中位数的走势[52] 3. 构建增强组合：以业绩分层视角下的优选基金持仓为选股空间和对标基准，采用组合优化的方法控制组合与优选基金持仓在个股偏离、行业偏离及风格上的偏离，最终构建优秀基金业绩增强组合[53] 2. 模型名称：超预期精选组合 - **模型构建思路**：以研报标题超预期与分析师全线上调净利润为条件筛选超预期事件股票池，接着对超预期股票池进行基本面和技术面两个维度的精选，挑选出同时具备基本面支撑和技术面共振的超预期股票[5][58] - **模型具体构建过程**： 1. 筛选股票池：以研报标题出现“超预期”与分析师全线上调净利润为条件，筛选出超预期事件股票池[5][58] 2. 双层优选：对筛选出的股票池，从基本面和技术面两个维度进行精选[5][58] 3. 构建组合：将精选出的股票构建成超预期精选股票组合[5][58] 3. 模型名称：券商金股业绩增强组合 - **模型构建思路**：以券商金股股票池为选股空间和约束基准，采用组合优化的方式控制组合与券商金股股票池在个股、风格上的偏离[6][63] - **模型具体构建过程**： 1. 确定选股空间：使用券商金股股票池作为基础的选股范围和对标基准[6][63] 2. 组合优化：采用组合优化的方法，控制最终构建的组合与券商金股股票池在个股和风格上的偏离[6][63] 3. 构建组合：通过优化过程，构建出券商金股业绩增强组合[6][63] 4. 模型名称：成长稳健组合 - **模型构建思路**：采用“先时序、后截面”的方式，构建成长股二维评价体系，以研报标题超预期及业绩大增为条件筛选成长股股票池，根据距离正式财报预约披露日的间隔天数进行分档优选，并采用多因子打分精选优质个股[7][68] - **模型具体构建过程**： 1. 筛选股票池：以研报标题出现“超预期”和上市公司“业绩预增”为条件，筛选出成长股股票池[7][68] 2. 时序分档：根据上市公司距离正式财报预约披露日的间隔天数对股票池进行分档，优先选择距离财报预约披露日较近的股票[7][68] 3. 截面精选：当样本数量较多时，采用多因子打分的方法进一步精选优质个股[7][68] 4. 引入风控机制：引入了弱平衡机制、跃迁机制、缓冲机制和风险规避机制以降低组合换手、规避组合风险[68] 5. 构建组合：最终构建包含100只股票的等权组合[7] 模型的回测效果 1. 优秀基金业绩增强组合 - **全样本区间（2012.1.4-2025.6.30）**： - 年化收益（考虑仓位及交易费用）：20.31%[54] - 相较偏股混合型基金指数年化超额：11.83%[54] - **2025年本周（2025.9.22-2025.9.26）**： - 绝对收益（考虑仓位）：0.35%[2][16][24] - 相对偏股混合型基金指数超额收益：-0.12%[2][16][18][24] - **2025年本年（2025.1.2-2025.9.26）**： - 绝对收益（考虑仓位）：28.00%[2][16][24] - 相对偏股混合型基金指数超额收益：-4.08%[2][16][18][24] - 在主动股基中排名分位点：54.37%[2][16][24] - 在主动股基中排名：1886/3469[2][16] 2. 超预期精选组合 - **全样本区间（2010.1.4-2025.6.30）**： - 年化收益（考虑仓位及交易费用）：30.55%[59] - 相较偏股混合型基金指数年化超额：24.68%[59] - **2025年本周（2025.9.22-2025.9.26）**： - 绝对收益（考虑仓位）：0.70%[2][16][32] - 相对偏股混合型基金指数超额收益：0.23%[2][16][18][32] - **2025年本年（2025.1.2-2025.9.26）**： - 绝对收益（考虑仓位）：46.54%[2][16][32] - 相对偏股混合型基金指数超额收益：14.47%[2][16][18][32] - 在主动股基中排名分位点：20.61%[2][16][32] - 在主动股基中排名：715/3469[2][16] 3. 券商金股业绩增强组合 - **全样本区间（2018.1.2-2025.6.30）**： - 年化收益（考虑仓位及交易费用）：19.34%[64] - 相较偏股混合型基金指数年化超额：14.38%[64] - **2025年本周（2025.9.22-2025.9.26）**： - 绝对收益（考虑仓位）：-0.54%[2][16][39] - 相对偏股混合型基金指数超额收益：-1.01%[2][16][18][39] - **2025年本年（2025.1.2-2025.9.26）**： - 绝对收益（考虑仓位）：33.26%[2][16][39] - 相对偏股混合型基金指数超额收益：1.19%[2][16][18][39] - 在主动股基中排名分位点：43.07%[2][16][39] - 在主动股基中排名：1494/3469[2][16] 4. 成长稳健组合 - **全样本区间（2012.1.4-2025.6.30）**： - 年化收益（考虑仓位及交易费用）：35.51%[69] - 相较偏股混合型基金指数年化超额：26.88%[69] - **2025年本周（2025.9.22-2025.9.26）**： - 绝对收益（考虑仓位）：0.26%[3][16][47] - 相对偏股混合型基金指数超额收益：-0.22%[3][16][18][47] - **2025年本年（2025.1.2-2025.9.26）**： - 绝对收益（考虑仓位）：51.84%[3][16][47] - 相对偏股混合型基金指数超额收益：19.77%[3][16][18][47] - 在主动股基中排名分位点：15.31%[3][16][47] - 在主动股基中排名：531/3469[3][16]

量化模型与构建方式 1. 模型名称：期现对冲策略（连续对冲策略）[47][48] 模型构建思路：通过持有标的指数全收益指数作为现货端，同时做空股指期货合约进行对冲，利用基差收敛特性获取收益[47][48] 模型具体构建过程：回测区间为2022年7月22日至2025年9月26日[48]。现货端持有对应标的指数的全收益指数，并使用70%资金[48]。期货端做空与现货端金额相同名义本金的股指期货合约，占用剩余30%资金，每次调仓后根据产品净值重新计算现货及期货端数量[48]。调仓规则为连续持有季月或当月合约，直至该合约离到期剩余不足2日，在当日以收盘价进行平仓，并同时以当日收盘价继续卖空下一季月或当月合约[48]。不考虑交易过程中的手续费、冲击成本以及期货合约的不可无限细分性质[48] 2. 模型名称：期现对冲策略（最低贴水策略）[47][49] 模型构建思路：通过选择年化基差贴水幅度最小的合约进行开仓，以优化对冲成本[49] 模型具体构建过程：回测区间为2022年7月22日至2025年9月26日[49]。现货端持有对应标的指数的全收益指数，并使用70%资金[49]。期货端做空与现货端金额相同名义本金的股指期货合约，占用剩余30%资金，每次调仓后根据产品净值重新计算现货及期货端数量[49]。调仓规则为调仓时，对当日所有可交易期货合约的年化基差进行计算，选择年化基差贴水幅度最小的合约进行开仓[49]。同一合约持有8个交易日之后或该合约离到期剩余不足2日，才能进行选择新合约（排除剩余到期日不足8日的期货合约），每次选择后，即使选择结果为持有原合约不变，仍继续持有8个交易日[49]。不考虑交易过程中的手续费、冲击成本以及期货合约的不可无限细分性质[49] 3. 因子名称：分红调整年化基差[22] 因子构建思路：在分析合约基差时，需要剔除指数成分股分红的影响，以更真实地反映市场情绪和期货合约的定价[22] 因子具体构建过程：首先计算预期分红调整后的基差，公式为 预期分红调整后的基差 = 实际基差 + 存续期内未实现的预期分红 [22]。然后将基差进行年化处理，公式为 年化基差 = (实际基差 + (预期)分红点位)/指数价格 × 360/合约剩余天数 [22] 4. 因子名称：Cinda-VIX[65] 因子构建思路：借鉴海外经验，并结合我国场内期权市场的实际情况，开发能够准确反映我国市场波动性的VIX指数，以反应期权市场投资者对标的资产未来波动的预期[65] 因子具体构建过程：基于信达金工衍生品研究报告系列四《挖掘期权市场中隐含的市场情绪》中的算法[65]。VIX具有期限结构，可以反应投资者对同一个标的资产在未来不同期限内的波动预期[65] 5. 因子名称：Cinda-SKEW[71] 因子构建思路：通过捕捉不同行权价格期权隐含波动率（IV）的偏斜特征，以衡量市场对标的资产未来收益分布的预期，洞察市场对尾部风险的忧虑[71] 因子具体构建过程：SKEW指标捕捉了不同行权价格期权隐含波动率（IV）的偏斜特征[71]。当市场对下跌的担忧超过对上涨的预期时，波动率偏斜呈现负值；反之则为正值[71]。SKEW指数超过100，通常意味着投资者对市场未来可能出现的大幅下跌风险的担忧加剧[72] 模型的回测效果 1. IC当月连续对冲模型，年化收益-3.04%，波动率3.88%，最大回撤-9.47%，净值0.9066，年换手次数12，2025年以来收益-4.80%[51] 2. IC季月连续对冲模型，年化收益-2.11%，波动率4.79%，最大回撤-8.34%，净值0.9346，年换手次数4，2025年以来收益-1.94%[51] 3. IC最低贴水策略模型，年化收益-1.43%，波动率4.61%，最大回撤-7.97%，净值0.9553，年换手次数17.00，2025年以来收益-2.35%[51] 4. IF当月连续对冲模型，年化收益0.47%，波动率2.96%，最大回撤-3.95%，净值1.0149，年换手次数12，2025年以来收益-0.84%[56] 5. IF季月连续对冲模型，年化收益0.66%，波动率3.32%，最大回撤-4.03%，净值1.0211，年换手次数4，2025年以来收益0.12%[56] 6. IF最低贴水策略模型，年化收益1.24%，波动率3.09%，最大回撤-4.06%，净值1.0399，年换手次数15.11，2025年以来收益0.62%[56] 7. IH当月连续对冲模型，年化收益1.04%，波动率3.05%，最大回撤-4.22%，净值1.0334，年换手次数12，2025年以来收益0.26%[60] 8. IH季月连续对冲模型，年化收益1.93%，波动率3.45%，最大回撤-3.75%，净值1.0627，年换手次数4，2025年以来收益1.33%[60] 9. IH最低贴水策略模型，年化收益1.68%，波动率3.06%，最大回撤-3.91%，净值1.0542，年换手次数15.74，2025年以来收益1.30%[60] 10. IM当月连续对冲模型，年化收益-6.18%，波动率4.77%，最大回撤-14.00%，净值0.8340，年换手次数12，2025年以来收益-10.69%[62] 11. IM季月连续对冲模型，年化收益-4.51%，波动率5.80%，最大回撤-12.63%，净值0.8580，年换手次数4，2025年以来收益-5.63%[62] 12. IM最低贴水策略模型，年化收益-4.07%，波动率5.56%，最大回撤-11.11%，净值0.8704，年换手次数15.81，2025年以来收益-5.76%[62] 因子的回测效果 1. Cinda-VIX因子，截至2025年9月26日，30日上证50VIX取值19.19，沪深300VIX取值19.09，中证500VIX取值28.46，中证1000VIX取值26.08[65] 2. Cinda-SKEW因子，截至2025年9月26日，上证50SKEW取值100.47，沪深300SKEW取值104.24，中证500SKEW取值102.07，中证1000SKEW取值103.14[72]

量化模型与构建方式 量化因子与构建方式 1. **因子名称**：理想反转因子[5][39] **因子构建思路**：A股反转之力的微观来源是大单成交，通过每日平均单笔成交金额的大小，可以切割出反转属性最强的交易日[5][39] **因子具体构建过程**： （1）对选定股票，回溯取其过去20日的数据[41] （2）计算该股票每日的平均单笔成交金额（成交金额/成交笔数）[41] （3）单笔成交金额高的10个交易日，涨跌幅加总，记作 M_high[41] （4）单笔成交金额低的10个交易日，涨跌幅加总，记作 M_low[41] （5）理想反转因子 M = M_high–M_low[41] （6）对所有股票，都进行以上操作，计算各自的理想反转因子 M[41] 2. **因子名称**：聪明钱因子[5][40] **因子构建思路**：从分钟行情数据的价量信息中，可以识别出机构参与交易的多寡，进而构造出跟踪聪明钱的因子[5][40] **因子具体构建过程**： （1）对选定股票，回溯取其过去10日的分钟行情数据[40] （2）构造指标 $$S_t = |R_t| / (V_t)^{0.25}$$，其中 $$R_t$$ 为第t分钟涨跌幅，$$V_t$$ 为第t分钟成交量[40] （3）将分钟数据按照指标 $$S_t$$ 从大到小进行排序，取成交量累积占比前20%的分钟，视为聪明钱交易[40] （4）计算聪明钱交易的成交量加权平均价VWAPsmart[42] （5）计算所有交易的成交量加权平均价VWAPall[42] （6）聪明钱因子 $$Q = VWAP_{smart} / VWAP_{all}$$[40] 3. **因子名称**：APM因子[5][41] **因子构建思路**：在日内的不同时段，交易者的行为模式不同，反转强度也相应有所不同[5][41] **因子具体构建过程**： （1）对选定股票，回溯取其过去20日数据，记逐日隔夜的股票收益率为 $$r_{night}$$，隔夜的指数收益率为 $$R_{night}$$；逐日下午的股票收益率为 $$r_{afternoon}$$，下午的指数收益率为 $$R_{afternoon}$$[41] （2）将得到的40组隔夜与下午(r,R)的收益率数据进行回归：$$r = \alpha + \beta R + \epsilon$$，得到残差项[41] （3）以上得到的40个残差中，隔夜残差记为 $$\epsilon_{night}$$，下午残差记为 $$\epsilon_{afternoon}$$，进一步计算每日隔夜与下午残差的差值 $$\delta_t = \epsilon_{night} - \epsilon_{afternoon}$$[41] （4）构造统计量stat来衡量隔夜与下午残差的差异程度，计算公式如下（$$\mu$$ 为均值，$$\sigma$$ 为标准差）：$$\mathrm{stat}={\frac{\mu(\delta_{t})}{\sigma(\delta_{t})/{\sqrt{N}}}}$$[43] （5）为了消除动量因子影响，将统计量stat对动量因子进行横截面回归：$$stat = \alpha + \beta \cdot Ret20 + \epsilon$$，其中Ret20为股票过去20日的收益率，代表动量因子[44] （6）将回归得到的残差值 $$\epsilon$$ 作为APM因子[44] 4. **因子名称**：理想振幅因子[5][46] **因子构建思路**：基于股价维度可以对振幅进行切割，不同价态下振幅因子所蕴含的信息存在结构性差异[5][46] **因子具体构建过程**： （1）对选定股票，回溯取其最近20个交易日数据，计算股票每日振幅（最高价/最低价-1）[46] （2）选择收盘价较高的25%有效交易日，计算振幅均值得到高价振幅因子V_high[46] （3）选择收盘价较低的25%有效交易日，计算振幅均值得到低价振幅因子V_low[46] （4）将高价振幅因子V_high与低价振幅因子V_low作差，得到理想振幅因子V = V_high - V_low[46] 5. **因子名称**：交易行为合成因子[31] **因子构建思路**：将多个交易行为因子进行加权合成，以获取更稳健的表现[31] **因子具体构建过程**： （1）因子值处理：将理想反转、聪明钱、APM、理想振幅因子在行业内进行因子去极值与因子标准化[31] （2）因子权重：滚动选取过去12期因子ICIR值作为权重[31] （3）加权合成：使用上述权重对标准化后的因子值进行加权，形成交易行为合成因子[31] 模型的回测效果 1. **理想反转因子**，IC均值-0.050[6][15]，rankIC均值-0.060[6][15]，信息比率2.46[6][15]，多空对冲月度胜率77.4%[6][15]，2025年9月多空对冲收益-0.42%[7][15]，近12个月多空对冲月度胜率58.3%[7][15] 2. **聪明钱因子**，IC均值-0.037[6][18]，rankIC均值-0.061[6][18]，信息比率2.70[6][18]，多空对冲月度胜率81.8%[6][18]，2025年9月多空对冲收益0.30%[7][18]，近12个月多空对冲月度胜率83.3%[7][18] 3. **APM因子**，IC均值0.029[6][22]，rankIC均值0.034[6][22]，信息比率2.29[6][22]，多空对冲月度胜率76.4%[6][22]，2025年9月多空对冲收益1.68%[7][22]，近12个月多空对冲月度胜率50.0%[7][22] 4. **理想振幅因子**，IC均值-0.053[6][26]，rankIC均值-0.073[6][26]，信息比率2.98[6][26]，多空对冲月度胜率83.2%[6][26]，2025年9月多空对冲收益0.40%[7][26]，近12个月多空对冲月度胜率66.7%[7][26] 5. **交易行为合成因子**，IC均值0.066[6][31]，rankIC均值0.091[6][31]，多空对冲信息比率3.23[6][31]，多空对冲月度胜率82.1%[6][31]，多头对冲组均值年化收益率8.39%[31]，收益波动比2.67[31]，月度胜率79.1%[31]，2025年9月多空对冲收益0.57%[7][31]，近12个月多空对冲月度胜率75.0%[7][31]；在国证2000中信息比率2.79[31]，在中证1000中信息比率2.67[31]，在中证800中信息比率1.02[31]

量化模型与因子总结 量化因子与构建方式 1. **因子名称**：250日新高距离[11] **因子构建思路**：通过计算当前收盘价与过去250日最高价的相对距离，来衡量股票或指数接近历史高点的程度，用于捕捉趋势强度和动量效应[11] **因子具体构建过程**： 对于给定的证券，在时间点t，其250日新高距离的计算公式为： $$250 \text{ 日新高距离} = 1 - \frac{{\text{Close}_t}}{{\text{ts\_max}(\text{Close}, 250)}}$$[11] 其中，$\text{Close}_t$代表证券在时间点t的最新收盘价，$\text{ts\_max}(\text{Close}, 250)$代表该证券在过去250个交易日中收盘价的最大值[11] **因子评价**：该因子是趋势跟踪和动量策略中的核心指标，能有效识别处于强势上升通道的标的[11] 2. **因子名称**：平稳创新高股票筛选因子[23][26] **因子构建思路**：在创250日新高的股票池中，结合分析师关注度、股价相对强弱、价格路径平滑性、创新高持续性等多维度指标，筛选出以更平稳方式创出新高的股票，以捕捉更强且更持续的动量效应[23][26] **因子具体构建过程**： 筛选过程分为多个步骤，具体条件如下： - **初筛股票池**：选择过去20个交易日内曾创出250日新高的股票[19][26] - **分析师关注度**：过去3个月内，获得“买入”或“增持”评级的分析师研报数量不少于5份[26] - **股价相对强弱**：过去250日涨跌幅位于全市场所有股票的前20%[26] - **多指标综合打分**：对通过上述条件的股票，使用以下两个指标进行综合打分，并保留排名在前50%的股票[26] - **价格路径平滑性（股价位移路程比）**：计算公式为 $\frac{{\text{过去120日涨跌幅的绝对值}}}{{\text{过去120日日涨跌幅绝对值之和}}}$[23] - **创新高持续性**：过去120日的250日新高距离在时间序列上的均值[26] - **趋势延续性**：依据过去5日的250日新高距离在时间序列上的均值进行排序，最终选取排名最靠前的50只股票作为平稳创新高股票[26] 因子回测效果 1. **250日新高距离因子** 截至2025年9月26日，主要指数的250日新高距离取值如下[12]： - 上证指数：1.43% - 深证成指：1.76% - 沪深300指数：0.95% - 中证500指数：1.37% - 中证1000指数：2.08% - 中证2000指数：3.67% - 创业板指：2.60% - 科创50指数：1.60% 截至同一时间，部分中信一级行业的250日新高距离取值如下[13]： - 电力设备及新能源行业：1.69% - 有色金属行业：0.82% - 电子行业：2.65% - 传媒行业：2.74% - 机械行业：2.09% - 食品饮料行业：距离较远（无具体值） - 银行业：距离较远（无具体值） - 煤炭行业：距离较远（无具体值） - 交通运输行业：距离较远（无具体值） - 综合金融行业：距离较远（无具体值） 2. **平稳创新高股票筛选因子** 该因子的直接回测数值指标（如IC、IR、多空收益等）在所提供的研报内容中未明确给出。其输出结果是50只筛选出的股票列表[27][31]。 截至2025年9月26日，应用该因子筛选出的平稳创新高股票在不同板块的分布数量如下[27]： - 科技板块：20只 - 制造板块：13只 - 周期板块：筛选出部分股票（未提供总数） - 消费板块：筛选出部分股票（未提供总数） - 医药板块：筛选出部分股票（未提供总数） - 大金融板块：筛选出部分股票（未提供总数） 在科技板块中，电子行业的入选股票最多；在制造板块中，机械行业的入选股票最多[27]。

证券研究报告·金融工程报告 2025 年 9 月 26 日 江海证券研究发展部 金融工程定期报告 金融工程研究组 A 股市场快照：宽基指数每日投资动态 2025.09.26 ◆市场表现：2025 年 9 月 25 日, 各宽基指数（表 1）涨跌各现，其中创业板指（1.58%） 分析师：梁俊炜 投资要点： 执业证书编号：S1410524090001 A 股市场快照：宽基指数每日投资动 和沪深 300（0.6%）涨幅最大，而中证 2000（-0.61%）和中证 1000（-0.37%）下跌。 当年涨跌情况，创业板指（51.09%）涨幅最大，其次是中证 2000（32.27%）和中 证 500（28.22%），中证全指（22.74%）和沪深 300（16.74%）涨幅扩大，而上证 50（9.98%）涨幅最小。另外，上证 50 连续四日连阳。 ◆均线比较：上证 50 连续四日连阳，持续修复，已突破 10 日及 20 日均线。中证 2000 跌破 5 日及 10 日均线。沪深 300、中证 500、中证全指和创业板指达到近 250 相关研究报告 态 2025.09.25 A 股市场快照：宽基指数每日投资动 态 2025 ...

量化模型与构建方式 本报告为市场数据跟踪报告，未涉及具体的量化模型或量化因子的构建[1][2][3][4][5][7][9][11][12][13][14][16][18][19][21][22][23][24][25][26][28][29][30][32][35][36][38][40][42][43][44][45][47][48][49][50][52][54][55][56][57][58][59][60][61][62][63][64][65] 量化因子与构建方式 1. **因子名称**：风险溢价因子；**因子构建思路**：衡量宽基指数相对于无风险利率（十年期国债）的超额收益，以评估其投资价值和市场偏离程度[28]；**因子具体构建过程**：计算各宽基指数的收益率与十年期国债即期收益率之差。公式为： $$风险溢价 = 指数收益率 - 无风险利率$$ 其中，指数收益率通常指指数的预期或历史收益率，无风险利率采用十年期国债即期收益率[28][29][30][32] 2. **因子名称**：股债性价比因子；**因子构建思路**：通过比较股票市场估值（PE-TTM倒数）与债券收益率（十年期国债）的差异，来判断股票和债券哪类资产更具投资吸引力[47]；**因子具体构建过程**：计算各宽基指数市盈率倒数（盈利收益率）与十年期国债即期收益率之差。公式为： $$股债性价比 = \frac{1}{PE-TTM} - 无风险利率$$ 其中，PE-TTM为指数滚动市盈率[44][45][47] 3. **因子名称**：破净率因子；**因子构建思路**：通过计算指数中市净率（PB）小于1的成份股占比，来反映市场的整体估值水平和悲观情绪[54][56]；**因子具体构建过程**：对于每一个宽基指数，遍历其所有成分股，统计其市净率（PB）小于1的个股数量，再除以指数成分股总数量。公式为： $$破净率 = \frac{指数中PB < 1的成份股数量}{指数成份股总数量}$$ 市净率（PB）= 每股股价 / 每股净资产[54][56] 4. **因子名称**：换手率因子；**因子构建思路**：衡量指数整体的交易活跃程度，高换手率通常意味着高流动性或高市场关注度[18][19]；**因子具体构建过程**：计算指数成分股的加权平均换手率。公式为： $$指数换手率 = \frac{\sum(成分股流通股本 \times 成分股换手率)}{\sum(成分股流通股本)}$$ 其中，成分股换手率 = 该股当日成交量 / 流通股本[19] 因子回测效果 1. **风险溢价因子**，当前风险溢价取值：上证50为0.68%[32]，沪深300为1.02%[32]，中证500为1.98%[32]，中证1000为1.69%[32]，中证2000为1.38%[32]，中证全指为1.38%[32]，创业板指为2.27%[32]；近5年分位值取值：上证50为79.37%[32]，沪深300为85.95%[32]，中证500为96.67%[32]，中证1000为90.63%[32]，中证2000为84.29%[32]，中证全指为90.63%[32]，创业板指为91.19%[32] 2. **股债性价比因子**，当前股债性价比状态：所有指数均未高于其80%分位（机会值），中证500低于其20%分位（危险值）且低于其近1年平均值减一倍标准差，显示其回撤风险较大[47] 3. **破净率因子**，当前破净率取值：上证50为24.0%[56]，沪深300为16.33%[56]，中证500为11.6%[56]，中证1000为7.6%[56]，中证2000为3.5%[56]，中证全指为6.27%[56]，创业板指为1.0%[56] 4. **换手率因子**，当前换手率取值：中证2000为3.93[18]，创业板指为3.7[18]，中证1000为2.88[18]，中证500为2.12[18]，中证全指为1.86[18]，沪深300为0.67[18]，上证50为0.3[18]

根据提供的研报内容，报告主要介绍了一只跟踪国证港股通消费主题指数的ETF产品及其标的指数，并未涉及量化模型或量化因子的构建、测试与评价。报告的核心是对指数编制方法、指数特征、宏观政策及市场环境的分析。 量化模型与构建方式 经全面查阅，本篇研报未涉及任何量化模型或量化因子的构建思路、具体过程及评价。 模型的回测效果 经全面查阅，本篇研报未提供任何量化模型的回测效果及指标取值。 量化因子与构建方式 经全面查阅，本篇研报未涉及任何量化因子的构建思路、具体过程及评价。 因子的回测效果 经全面查阅，本篇研报未提供任何量化因子的回测效果及指标取值。 指数编制方法 1. **指数名称**：国证港股通消费主题指数[3][11] 2. **指数构建思路**：为反映港股通范围内消费领域相关上市公司的运行特征，丰富指数化投资工具而编制[3][11]。 3. **指数具体构建过程**： * **样本空间**：港交所上市股票中具备互联互通标的资格的股票[43]。 * **筛选要求**：公司最近一年无重大违规、财务报告无重大问题；考察期内证券价格无异常波动；公司最近一年经营无异常、无重大亏损[43]。 * **选样方法**： 1. 剔除选样空间内最近一年日均成交金额排名位于后10%的股票[43]。 2. 对选样空间剩余股票按照最近一年日均总市值从高到低排序，选取前50只股票作为指数样本股[43]。 * **加权方式**：采用派氏加权法进行逐日连锁计算[3][11]。 * **基日与基点**：基日为2014年12月30日，基点为1000点[3][11]。 4. **指数评价**：指数成份股在大市值区间较为集中，在中小市值区间分布均较为均衡，指数整体兼备龙头与均衡属性[11][52]。指数权重分配较为集中于龙头股，兼具高弹性与成长性[56]。 指数表现与特征 1. **国证港股通消费主题指数** * **累计收益 (2014-12-31 至 2025-09-16)**：24.22%[71] * **相较恒生等权重指数超额收益**：32.04%[71] * **相较恒生指数超额收益**：12.21%[71] * **最新PE(TTM) (截至2025-09-16)**：19.30[75] * **历史PE分位数 (发布以来)**：低于80.88%的时间点[75] * **前十大成份股集中度**：54.73%[56] * **Wind一致预期未来2年净利润增速 (前十大加权)**：33.09%[56] * **加权ROE(TTM) (前十大)**：27.30%[56] * **加权PE(TTM) (前十大)**：30.94[56] * **加权PB(MRQ) (前十大)**：9.37[56] * **预测营收增速 (2025E)**：7.50%[59] * **预测净利润增速 (2025E)**：14.40%[59] * **加权回购金额 (2021-01-01 至 2025-06-30)**：7.77亿港元[68]

量化模型与构建方式 1. 逆周期配置模型 - **模型名称**：逆周期配置模型[3][26] - **模型构建思路**：借助代理变量预测未来的宏观环境，选择不同环境下表现最优的几类资产构建绝对收益组合[26] - **模型具体构建过程**： 1. 使用代理变量（未具体说明）预测宏观环境（如 Inflation 等） 2. 根据预测结果选择当期最优资产类别（如股票、债券、商品等） 3. 构建资产组合并定期调整[26] 2. 宏观动量模型 - **模型名称**：宏观动量模型[26] - **模型构建思路**：从经济增长、通货膨胀、利率、汇率和风险情绪等多个维度构建因子，对股票、债券等大类资产进行择时[26] - **模型具体构建过程**： 1. 选取多维度宏观指标（经济增长、通胀、利率、汇率、风险情绪等） 2. 构建综合动量信号 3. 生成资产择时观点（如正向、中性等）[26] 3. 黄金择时策略 - **模型名称**：黄金择时策略[26] - **模型构建思路**：通过宏观、持仓、量价和情绪等因子构建多周期择时模型[26] - **模型具体构建过程**： 1. 选取宏观、持仓、量价、情绪四类因子 2. 按多周期（未具体说明）计算信号 3. 生成黄金资产择时观点[26] 4. 行业 ETF 轮动策略 - **模型名称**：行业 ETF 轮动策略[3][27] - **模型构建思路**：从行业历史基本面、预期基本面、情绪面、量价技术面、宏观经济等维度构建多因子行业轮动策略[27] - **模型具体构建过程**： 1. 确定基准池：覆盖 23 个一级行业对应的 ETF[27] 2. 构建多因子模型（因子包括历史基本面、预期基本面、情绪、量价、宏观等） 3. 每月生成行业 ETF 组合并等权配置[27][29] 5. 股债混合配置策略 - **模型名称**：股债混合配置策略[4][31] - **模型构建思路**：通过固定比例再平衡或风险平价方法分配股债资产，追求绝对收益[4][31] - **模型具体构建过程**： - **再平衡策略**：每月或每季度将股债比例调整至预设目标（如 20/80）[4][41] - **风险平价策略**：根据资产风险贡献动态分配权重，使各类资产风险贡献均衡[4][31] 6. 量化固收+股票端策略 - **模型名称**：量化固收+股票端策略[4][40] - **模型构建思路**：在固收+产品中采用量化方法构建股票端组合，包括价值、成长、股息等风格[4][41] - **模型具体构建过程**： 1. 选择股票端策略（如 PB 盈利、高股息、小盘价值、小盘成长等） 2. 设定股债比例（如 10/90 或 20/80） 3. 每月再平衡或结合择时模型调整[41] --- 量化因子与构建方式 1. PB 盈利因子 - **因子名称**：PB 盈利因子[4][41] - **因子构建思路**：结合市净率（PB）和盈利指标选股，偏向价值风格[4][41] - **因子具体构建过程**：未详细说明，但应用于股票组合构建[41] 2. 高股息因子 - **因子名称**：高股息因子[4][41] - **因子构建思路**：选取高股息率股票，追求稳定收益[4][41] - **因子具体构建过程**：未详细说明，但应用于股票组合构建[41] 3. 小盘价值因子 - **因子名称**：小盘价值因子[4][41] - **因子构建思路**：选取小市值且估值较低的股票，兼顾成长性和价值性[4][41] - **因子具体构建过程**：未详细说明，但应用于股票组合构建[41] 4. 小盘成长因子 - **因子名称**：小盘成长因子[4][41] - **因子构建思路**：选取小市值且成长性较高的股票，追求超额收益[4][41] - **因子具体构建过程**：未详细说明，但应用于股票组合构建[41] --- 模型的回测效果 1. 行业 ETF 轮动策略 - 上周收益：0.61%[3] - 上周超额收益：0.76%[3] - 9 月累计收益：0.82%[3] - 9 月超额收益：0.28%[3] 2. 股债混合策略 | 策略名称 | 上周收益 | 本月收益 | 本年收益 | 年化波动率 | 最大回撤 | 夏普比率 | |---------|----------|----------|----------|-------------|----------|-----------| | （宏观择时）股债 20/80 再平衡 | -0.10% | -0.09% | 3.85% | 3.38% | 1.78% | 1.61 | | （宏观择时）股债风险平价 | -0.01% | -0.15% | 1.58% | 1.75% | 1.50% | 1.27 | | （宏观择时）股、债、黄金风险平价 | -0.04% | 0.23% | 2.73% | 2.06% | 1.49% | 1.87 | | （宏观择时+行业 ETF 轮动）股债 20/80 再平衡 | 0.22% | 0.21% | 7.83% | 5.28% | 2.54% | 2.12 | | （宏观择时+行业 ETF 轮动）股债风险平价 | 0.11% | -0.03% | 2.94% | 2.18% | 1.45% | 1.90 | 3. 量化固收+策略 | 策略名称 | 上周收益 | 本月收益 | 本年收益 | 年化波动率 | 最大回撤 | 夏普比率 | |---------|----------|----------|----------|-------------|----------|-----------| | 不择时+10/90 月度再平衡 PB 盈利 | -0.18% | -0.04% | 2.49% | 2.34% | 1.82% | -0.01 | | 不择时+10/90 月度再平衡 高股息 | -0.12% | -0.09% | 1.91% | 2.09% | 1.39% | -0.18 | | 不择时+10/90 月度再平衡 小盘价值 | -0.27% | -0.07% | 5.35% | 3.55% | 3.69% | 0.47 | | 不择时+10/90 月度再平衡 小盘成长 | -0.17% | -0.05% | 5.85% | 3.60% | 3.86% | 0.54 | | 不择时+20/80 月度再平衡 PB 盈利 | -0.39% | -0.11% | 4.06% | 4.71% | 3.79% | 0.19 | | 不择时+20/80 月度再平衡 高股息 | -0.28% | -0.22% | 2.88% | 4.19% | 3.47% | 0.05 | | 不择时+20/80 月度再平衡 小盘价值 | -0.57% | -0.16% | 9.91% | 7.14% | 7.74% | 0.60 | | 不择时+20/80 月度再平衡 小盘成长 | -0.37% | -0.14% | 10.95% | 7.25% | 8.07% | 0.68 | | 宏观择时+20/80 月度再平衡 PB 盈利 | -0.64% | -0.19% | 4.82% | 5.21% | 3.65% | 0.26 | | 宏观择时+20/80 月度再平衡 高股息 | -0.45% | -0.37% | 3.88% | 4.54% | 2.63% | 0.18 | | 宏观择时+20/80 月度再平衡 小盘价值 | -1.01% | -0.31% | 9.71% | 8.17% | 7.21% | 0.51 | | 宏观择时+20/80 月度再平衡 小盘成长 | -0.69% | -0.28% | 12.41% | 8.08% | 7.34% | 0.71 | | 逆周期+20/80 季度再平衡 PB 盈利+小盘价值 | -0.41% | -0.11% | 4.07% | 4.67% | 3.70% | 0.19 | | 逆周期+20/80 季度再平衡 PB 盈利+小盘成长 | -0.41% | -0.11% | 4.07% | 4.67% | 3.70% | 0.19 | --- 因子的回测效果 （注：报告中未单独列出因子层面的回测指标，仅作为组合策略的一部分呈现）