量化模型与构建方式 1. **模型名称**：攻守兼备红利50组合[15] * **模型构建思路**：该模型属于红利系列产品，旨在构建一个兼具“稳健”与“成长”风格的红利投资组合[15]。其思路可能是在筛选高分红股票的基础上，融入对上市公司质量或成长性的考量，以实现“攻守兼备”的效果[16]。 * **模型具体构建过程**：报告未详细披露该组合的具体选股因子、权重配置及再平衡规则。 2. **模型名称**：央国企高分红30组合[15] * **模型构建思路**：该模型同样属于红利系列产品，其风格定位为“稳健+成长”，但聚焦于中央企业和国有企业[15]。其构建思路是在央国企范围内，筛选具备高分红特征的股票。 * **模型具体构建过程**：报告未详细披露该组合的具体选股因子、权重配置及再平衡规则。 3. **模型名称**：电子均衡配置增强组合[15] * **模型构建思路**：该模型属于行业增强系列产品，聚焦于电子板块[15]。其思路是在电子行业内进行均衡配置，并试图通过量化方法增强组合表现，以跑赢电子行业基准。 * **模型具体构建过程**：报告未详细披露该组合的具体选股因子、行业配置及增强方法。 4. **模型名称**：电子板块优选增强组合[15] * **模型构建思路**：该模型同样属于电子行业增强系列产品，但其选股逻辑更为聚焦[15]。它旨在筛选电子板块内迈入成熟期的细分赛道龙头企业进行投资[15]。 * **模型具体构建过程**：报告未详细披露该组合对“成熟期细分赛道龙头企业”的具体定义、筛选因子及增强方法。 模型的回测效果 （注：报告主要提供了特定时间窗口的表现数据，未提供完整的长期回测指标如年化收益、夏普比率、最大回撤等。以下为报告中提及的业绩表现。） 1. **攻守兼备红利50组合**： * 2025年初以来相对中证红利全收益超额收益：约11.13%[23] * 本周（2025年12月22日至26日）相对中证红利全收益超额收益：约0.52%[16][23] * 本周绝对收益在同类红利基金产品中的分位：约17%分位[16][23] * 2025年初以来绝对收益在同类红利基金产品中的分位：约34%分位[23] 2. **电子均衡配置增强组合**： * 本周（2025年12月22日至26日）绝对收益：约4.82%[8][33] * 本周相对电子全收益指数表现：略跑输[8][33] 3. **电子板块优选增强组合**： * 本周（2025年12月22日至26日）相对电子全收益指数表现：落后较多[8][33] 量化因子与构建方式 （注：本报告为策略跟踪周报，未详细阐述底层量化因子的构建过程。报告中提及了“红利质量”等因子类别，但未给出具体因子定义和计算公式。） 1. **因子类别名称**：红利质量[16][19] * **因子的构建思路**：该因子类别旨在结合上市公司的分红能力（红利）与基本面质量（质量）。其思路是筛选出不仅分红率高，而且盈利质量、成长性或财务稳健性更优的股票，以规避“价值陷阱”[16]。 * **因子具体构建过程**：报告未提供具体的因子计算公式。通常，“质量”维度可能涉及盈利能力（如ROE、ROA）、盈利稳定性、成长性（如净利润增长率）或财务健康度（如资产负债率）等指标。 2. **因子类别名称**：红利低波[19] * **因子的构建思路**：该因子类别旨在结合上市公司的分红特征与股价的低波动特性。其思路是筛选出分红稳定且股价波动率较低的股票，以追求更稳健的收益风险比。 * **因子具体构建过程**：报告未提供具体的因子计算公式。通常，“低波”维度可能使用历史日收益率或周收益率计算出的波动率指标。 3. **因子类别名称**：红利增长[19] * **因子的构建思路**：该因子类别旨在结合上市公司的分红特征与未来分红或盈利的增长潜力。其思路是筛选出当前有分红且未来具备持续增长能力的股票。 * **因子具体构建过程**：报告未提供具体的因子计算公式。通常，“增长”维度可能涉及分析师对未来分红或盈利的一致预期增长率。 4. **因子类别名称**：红利价值[19] * **因子的构建思路**：该因子类别旨在结合上市公司的分红特征与估值水平。其思路是筛选出分红率高且估值较低的股票，追求深度价值。 * **因子具体构建过程**：报告未提供具体的因子计算公式。通常，“价值”维度可能使用市盈率（PE）、市净率（PB）、市销率（PS）等估值指标。 因子的回测效果 （注：报告未提供上述因子类别的独立测试结果，如IC值、分组收益等。仅提供了基于这些因子类别构建的指数在特定周期的表现。） 1. **红利质量类别指数代表（中证红利质量指数 931468.CSI）**： * 本周（2025年12月22日至26日）绝对收益：1.62%[19] * 本周相对中证红利指数超额收益：1.07%[19] * 所属类别（红利质量）周度绝对收益均值：0.92%[19] 2. **红利低波类别指数代表（中证红利低波动指数 h30269.CSI）**： * 本周绝对收益：-0.37%[19] * 本周相对中证红利指数超额收益：-0.93%[19] * 所属类别（红利低波）周度绝对收益均值：-0.04%[19] 3. **红利增长类别指数代表（中证红利潜力指数 h30089.CSI）**： * 本周绝对收益：0.64%[19] * 本周相对中证红利指数超额收益：0.08%[19] * 所属类别（红利增长）周度绝对收益均值：0.60%[19] 4. **红利价值类别指数代表（中证红利价值指数 h30270.CSI）**： * 本周绝对收益：-0.11%[19] * 本周相对中证红利指数超额收益：-0.67%[19] * 所属类别（红利价值）周度绝对收益均值：-0.30%[19]

量化模型与因子总结 量化模型与构建方式 1. **模型名称**：风格相对拥挤度模型[71][127] * **模型构建思路**：通过计算不同风格指数换手率标准化值的差异及其历史分位，来衡量某一风格相对于另一风格的交易拥挤程度，以判断其配置风险或性价比[71][127]。 * **模型具体构建过程**： 1. 对于风格A指数和风格B指数，分别计算其近252个交易日的平均换手率[127]。 2. 将上述平均换手率值，在2005年1月1日以来的历史时间序列上进行Z-score标准化，得到Z-score_A与Z-score_B[127]。 3. 计算二者差值：$$Diff_{AB} = Z\text{-}score_A - Z\text{-}score_B$$[127] 4. 计算差值Diff_AB的滚动6年历史分位数（若历史数据不足6年但满1年，则使用全部历史数据计算），该分位数即为风格A相对于风格B的相对拥挤度[127]。 2. **模型名称**：风格累计超额净值模型[128] * **模型构建思路**：以万得全A指数为基准，计算各风格指数的累计超额收益，用于跟踪风格表现的相对强弱[128]。 * **模型具体构建过程**： 1. 设定基准日（报告中为2020年1月4日）[128]。 2. 将各风格指数及万得全A指数的每日收盘价除以基准日收盘价，得到各自的累计净值序列[128]。 3. 将各风格指数每日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的累计超额净值[128]。 3. **模型名称**：机构调研活跃度模型[129] * **模型构建思路**：通过标准化并比较不同板块（指数、行业）的机构调研频率，构建活跃度指标并计算其历史分位，以衡量市场关注度的变化[129]。 * **模型具体构建过程**： 1. 对于特定板块，计算其近n个交易日的“日均机构调研次数”[129]。 2. 将该日均值在滚动y年的历史时间序列上进行z-score标准化[129]。 3. 将上述标准化值与万得全A指数的同期标准化结果作差，得到“机构调研活跃度”[129]。 4. 计算该“机构调研活跃度”的滚动y年历史分位数（长期口径：n=126，y=6年；短期口径：n=63，y=3年。历史数据不足时使用全部可用数据计算）[129]。 模型的回测效果 *本报告为市场跟踪周报，未提供上述模型的长期历史回测绩效指标（如年化收益率、夏普比率、最大回撤等）。报告主要展示了模型在特定时点（2025年12月26日当周）的输出结果和状态判断[71][75][77][78]。* 量化因子与构建方式 1. **因子名称**：滚动季度夏普率[37][39] * **因子构建思路**：计算万得全A指数滚动一个季度（约63个交易日）的夏普比率，作为衡量市场情绪与风险的指标[37]。 * **因子具体构建过程**：报告未给出详细计算公式，但遵循夏普比率通用定义，即区间超额收益率均值除以收益率标准差。文中指出该指标上升至历史极高位置表明市场情绪达到极端高峰[37]。 2. **因子名称**：风险溢价（ERP）[51][59] * **因子构建思路**：计算股票指数市盈率倒数与无风险利率的差值，作为衡量股债相对性价比的指标[51]。 * **因子具体构建过程**：对于任一指数，其ERP计算公式为： $$ERP = \frac{1}{PE_{TTM}} - R_{f}$$ 其中，\(PE_{TTM}\) 为指数的滚动市盈率，\(R_{f}\) 为10年期中国国债到期收益率[51]。 3. **因子名称**：成交热度[25][35] * **因子构建思路**：使用换手率的历史分位来度量指数、板块或行业的交易活跃程度[25]。 * **因子具体构建过程**：成交热度定义为“周度日均自由流通换手率”在设定历史区间（例如2005年1月1日至今）内的历史分位值[25][35]。 4. **因子名称**：动量因子（基于长江动量指数）[61] * **因子构建思路**：以最近一年收益率减去最近一个月收益率（剔除涨停板）作为动量指标，筛选动量特征强的股票[61]。 * **因子具体构建过程**：报告未给出具体加权和调仓细节。长江动量指数综合选择A股市场中动量特征强且流动性相对较高的前100只股票作为成分股，以表征动量风格的整体走势[61]。 5. **因子名称**：反转因子（基于长江反转指数）[61] * **因子构建思路**：以最近一个月收益率作为筛选指标，筛选反转效应强的股票[61]。 * **因子具体构建过程**：报告未给出具体加权和调仓细节。长江反转指数综合选择A股市场中反转效应强、流动性较好的前100只股票作为成分股，并采用近三个月日均成交量进行加权，以表征反转风格的整体表现[61]。 因子的回测效果 *本报告未提供上述因子的IC、IR、多空收益等传统因子测试结果。报告主要展示了这些因子或基于其构建的指数在特定时期（近一周、近一月、年初至今）的表现，以及相关指标（如PE分位、ERP分位）在当周末的截面或时间序列值[17][35][49][59][66]。*

量化模型与构建方式 1. **模型名称：成交量模型**[8][11] * **模型构建思路：** 属于短期择时模型，基于市场价量关系构建，核心思想简单普世[8]。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程，仅提及其为基于价量角度构建的模型之一[8]。 2. **模型名称：特征龙虎榜机构模型**[11] * **模型构建思路：** 属于短期择时模型，基于龙虎榜中的机构交易行为特征构建。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程。 3. **模型名称：特征成交量模型**[11] * **模型构建思路：** 属于短期择时模型，基于特殊的成交量特征构建。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程。 4. **模型名称：智能算法沪深300模型**[11] * **模型构建思路：** 属于短期择时模型，应用智能算法对沪深300指数进行择时。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程。 5. **模型名称：智能算法中证500模型**[11] * **模型构建思路：** 属于短期择时模型，应用智能算法对中证500指数进行择时。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程。 6. **模型名称：涨跌停模型**[8][12] * **模型构建思路：** 属于中期择时模型，基于市场涨跌停股票的数量、分布等特征构建[8]。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程。 7. **模型名称：上下行收益差模型**[8][12] * **模型构建思路：** 属于中期择时模型，通过计算市场上行收益与下行收益的差值来捕捉市场动能或情绪[8]。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程。 8. **模型名称：月历效应模型**[12] * **模型构建思路：** 属于中期择时模型，基于历史数据中存在的特定月份或时间段的规律性收益模式构建。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程。 9. **模型名称：长期动量模型**[8][13] * **模型构建思路：** 属于长期择时模型，基于资产的长期价格趋势（动量）进行择时[8]。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程。 10. **模型名称：A股综合兵器V3模型**[14] * **模型构建思路：** 属于综合择时模型，通过耦合不同周期（短、中、长）或不同策略的择时模型信号，形成攻守兼备的综合观点[8]。 * **模型具体构建过程：** 报告未详细说明具体耦合规则和权重分配。 11. **模型名称：A股综合国证2000模型**[14] * **模型构建思路：** 属于综合择时模型，专门针对国证2000指数，通过耦合相关择时模型信号形成综合观点。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程。 12. **模型名称：成交额倒波幅模型**[15] * **模型构建思路：** 属于港股中期择时模型，结合成交额与波动率（倒波幅）指标来判断市场状态。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程。 13. **模型名称：恒生指数上下行收益差模型**[15] * **模型构建思路：** 属于港股中期择时模型，原理与A股的上下行收益差模型类似，应用于恒生指数。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程。 14. **模型名称：形态学监控模型（杯柄形态、双底形态）**[38] * **模型构建思路：** 基于技术分析中的经典价格形态（如杯柄形态、双底形态）进行选股或择时，认为形态突破后价格会延续原有趋势。 * **模型具体构建过程：** 报告展示了形态识别出的具体个股及其关键点位（如A点、B点、C点），但未给出形态识别的量化算法和突破判断的具体阈值[42][46][50][52]。 15. **模型名称：VIX指数模型**[35] * **模型构建思路：** 通过计算期权的隐含波动率来反映市场对未来波动率的预期，常作为市场情绪或恐慌程度的指标。 * **模型具体构建过程：** 报告提及根据公开披露的VIX计算方法复现了VIX指数，并与历史官方数据相关性达99.2%，但未列出具体计算公式[35]。 模型的回测效果 *本报告为周度观点报告，主要展示模型的最新信号，未提供历史回测的量化指标（如年化收益率、夏普比率、最大回撤等）。* 量化因子与构建方式 *本报告未涉及具体的量化因子构建。* 因子的回测效果 *本报告未涉及具体的量化因子测试。*

量化模型与构建方式 1. **模型名称：宽基轮动策略**[13] * **模型构建思路**：基于市场情绪热度变化，构建一个简单的宽基指数轮动策略。每周选择市场关注度（总热度）提升最显著的宽基指数进行投资，若关注度提升最大的是非主流股票（“其他”组），则选择空仓[11][13]。 * **模型具体构建过程**： 1. 将全市场股票按宽基指数成分股（沪深300、中证500、中证1000、中证2000）以及不属于这些指数的“其他”股票进行分组[8]。 2. 计算每个组别（宽基指数或“其他”组）的“总热度”指标，即组内所有成分股“个股总热度”的加和[7]。 3. 计算每个组别总热度的周度变化率，并取2周移动平均（MA2）进行平滑处理[11]。 4. 在每周最后一个交易日，比较各宽基指数组（不包括“其他”组）的周度热度变化率MA2，买入该值最大的宽基指数。如果变化率最大的组是“其他”组，则本周不持仓（空仓）[13]。 2. **模型名称：热门概念内低热度选股策略**[30][32] * **模型构建思路**：在短期内受市场情绪驱动、热度快速上升的概念板块中，逆向选择该概念内关注度（总热度）最低的个股，以期获得超额收益[29][30]。 * **模型具体构建过程**： 1. 每周计算所有概念板块的“总热度”变化率[28]。 2. 选出本周热度变化率最大的5个概念板块，将其所有成分股作为备选股票池[32]。 3. 从备选股票池中剔除流通市值最小的20%的股票[32]。 4. 对于每个选出的热门概念，分别构建两个组合： * **热度TOP组合**：选取该概念内“个股总热度”排名前10的股票，等权持有[32]。 * **热度BOTTOM组合**：选取该概念内“个股总热度”排名后10的股票，等权持有[32]。 模型的回测效果 1. **宽基轮动策略**，年化收益率8.74%，最大回撤23.5%，2025年收益36.71%[16]。 2. **热门概念内低热度选股策略（BOTTOM组合）**，年化收益15.71%，最大回撤28.89%，2025年收益42.4%[34]。 量化因子与构建方式 1. **因子名称：个股总热度**[7] * **因子构建思路**：通过加总反映投资者关注度的行为数据（浏览、自选、点击），构建一个衡量个股受市场关注程度的代理指标[7]。 * **因子具体构建过程**：对于单只股票，计算其日度的浏览、自选与点击次数之和。将该数值除以当日全市场所有股票的浏览、自选与点击次数之和，进行归一化处理。最后将归一化后的数值乘以10000，得到取值区间为[0, 10000]的“个股总热度”指标[7]。 公式为： $$个股总热度 = \frac{股票日度（浏览+自选+点击）次数}{全市场日度（浏览+自选+点击）总次数} \times 10000$$ 2. **因子名称：宽基/行业/概念总热度**[7] * **因子构建思路**：将“个股总热度”因子在宽基指数、行业或概念板块层面进行聚合，得到更高维度的市场情绪热度指标[7]。 * **因子具体构建过程**：对于一个特定的宽基指数、申万行业或概念板块，将其包含的所有成分股的“个股总热度”指标进行简单加和，得到该板块的“总热度”指标[7]。 3. **因子名称：热度变化率MA2**[11][20] * **因子构建思路**：计算板块“总热度”的周度环比变化，并采用移动平均平滑，以捕捉市场关注度的边际变化趋势[11][20]。 * **因子具体构建过程**：对于宽基、行业或概念板块，计算其本周“总热度”相对于上周“总热度”的变化率。然后对该周度变化率序列取2期移动平均（MA2），得到平滑后的热度变化率指标[11][20]。 4. **因子名称：估值历史分位数**[39][40] * **因子构建思路**：计算宽基指数或行业板块当前估值（如PE）在历史序列中所处的位置，以判断其相对估值水平的高低[39][40]。 * **因子具体构建过程**：对于宽基指数（如沪深300），计算其当前估值（如PETTM）在最近5年滚动窗口内的历史分位数[39]。对于行业板块，计算其当前估值自2015年起的历史分位数[40]。

量化模型与构建方式 1. **模型名称：行业四轮轮动模型**[2][6] * **模型构建思路**：该模型旨在识别和推荐市场中具有轮动上涨潜力的行业板块，通过综合多种信号来判断行业的强势、弱势状态以及潜在机会[2][6]。 * **模型具体构建过程**：模型对每个行业进行多维度监控和排序。具体过程包括： 1. **信号监测**：模型持续监测各行业出现的特定技术或市场信号，例如“牛回头(潜在机会)”、“赚钱效应异动(潜在机会)”等[14]。 2. **信号记录**：记录信号首次出现的日期（近期最早信号日期）和最新出现的日期（最新信号日期）[14]。 3. **拥挤度判断**：通过“是否拥挤”指标（取值为0或1）来判断该行业交易是否过于拥挤，0表示不拥挤[14]。 4. **历史表现排序**：根据行业“过去1年Sharpe排序”进行排名，作为评估其长期风险调整后收益的参考[14]。 5. **综合排序输出**：模型综合以上信息，最终输出一个行业排序列表（行业排序），为投资者提供行业轮动配置建议[14]。 模型的回测效果 * 报告中未提供行业四轮轮动模型的具体回测指标（如年化收益率、夏普比率、最大回撤等）数值。

量化模型与构建方式 1. **模型名称：PB-ROE-50组合** * **模型构建思路：** 基于PB（市净率）和ROE（净资产收益率）两个核心指标进行选股，旨在寻找估值合理且盈利能力强的公司[24]。 * **模型具体构建过程：** 研报未详细描述该模型的构建公式和具体步骤，仅提及其为基于PB和ROE的选股组合[24]。 2. **模型名称：机构调研组合** * **模型构建思路：** 利用机构调研事件信息构建选股策略，分为公募调研选股策略和私募调研跟踪策略[27]。 * **模型具体构建过程：** 研报未详细描述该模型的构建公式和具体步骤，仅提及其为基于机构调研事件的选股策略[27]。 3. **模型名称：大宗交易组合** * **模型构建思路：** 基于“高成交、低波动”原则，从发生大宗交易的股票中筛选后续表现更佳的标的[31]。 * **模型具体构建过程：** 根据“大宗交易成交金额比率”和“6日成交金额波动率”两个指标进行筛选。“大宗交易成交金额比率”越高、“6日成交金额波动率”越低的股票，其后续表现更佳。组合采用月频调仓方式构造[31]。 4. **模型名称：定向增发组合** * **模型构建思路：** 以定向增发（定增）的股东大会公告日为事件节点，构建事件驱动选股组合[37]。 * **模型具体构建过程：** 综合考虑市值因素、调仓周期以及对仓位的控制来构造组合，但研报未提供具体的构建公式和详细步骤[37]。 量化因子与构建方式 1. **因子名称：早盘收益因子** * **因子构建思路：** 捕捉股票在早盘时段的收益表现[12]。 * **因子具体构建过程：** 研报未提供具体构建公式。 2. **因子名称：单季度净利润同比增长率** * **因子构建思路：** 衡量公司最新单季度净利润相对于去年同期的增长情况，反映盈利能力的短期变化[12]。 * **因子具体构建过程：** 研报未提供具体构建公式。 3. **因子名称：单季度ROA同比** * **因子构建思路：** 衡量公司最新单季度总资产收益率相对于去年同期的变化[12]。 * **因子具体构建过程：** 研报未提供具体构建公式。 4. **因子名称：标准化预期外盈利** * **因子构建思路：** 衡量公司实际盈利与市场预期之间的差异，并进行标准化处理[12]。 * **因子具体构建过程：** 研报未提供具体构建公式。 5. **因子名称：5日反转** * **因子构建思路：** 捕捉股票在短期（5日）内的价格反转效应[18]。 * **因子具体构建过程：** 研报未提供具体构建公式。 6. **因子名称：动量弹簧因子** * **因子构建思路：** 一种结合了动量和反转特性的因子，具体逻辑未详细说明[18]。 * **因子具体构建过程：** 研报未提供具体构建公式。 7. **因子名称：对数市值因子** * **因子构建思路：** 使用公司市值的对数作为因子，代表规模风格[13]。 * **因子具体构建过程：** 研报未提供具体构建公式。 8. **因子名称：下行波动率占比** * **因子构建思路：** 衡量股价下行波动风险在总波动风险中的比例[13]。 * **因子具体构建过程：** 研报未提供具体构建公式。 9. **因子名称：大类因子（风格因子）** * **因子构建思路：** 将多个底层因子归类为具有共同经济含义的风格大类，用于描述市场整体风格暴露[20]。 * **因子具体构建过程：** 报告中提到了beta因子、规模因子、非线性市值因子和杠杆因子，但未给出具体的构建方法[20]。 10. **因子名称：行业内因子** * **因子构建思路：** 在行业内部计算并比较因子的表现，以观察因子在不同行业内的有效性差异[22]。 * **因子具体构建过程：** 报告中列举了每股经营利润TTM、净资产增长率、净利润增长率、5日动量、1月动量、每股净资产、BP因子、EP因子、残差波动率、流动性、对数市值等因子在行业内的表现，但未给出具体的行业内因子构建方法[22]。 模型的回测效果 （数据统计区间：2025年1月2日至2025年12月26日[25][28][32][38]） 1. **PB-ROE-50组合** * 本周超越基准收益率（中证500）： -0.62%[25] * 本周超越基准收益率（中证800）： 1.31%[25] * 本周超越基准收益率（全市场）： 1.36%[25] * 今年以来超额收益率（中证500）： 2.48%[25] * 今年以来超额收益率（中证800）： 18.55%[25] * 今年以来超额收益率（全市场）： 20.81%[25] * 本周绝对收益率： 3.39%（中证500）/ 3.85%（中证800）/ 4.18%（全市场）[25] * 今年以来绝对收益率： 33.50%（中证500）/ 43.89%（中证800）/ 51.01%（全市场）[25] 2. **机构调研组合** * **公募调研选股策略：** * 本周超越基准收益率（中证800）： 1.88%[28] * 今年以来超额收益率（中证800）： 20.80%[28] * 本周绝对收益率： 4.44%[28] * 今年以来绝对收益率： 46.62%[28] * **私募调研跟踪策略：** * 本周超越基准收益率（中证800）： 2.14%[28] * 今年以来超额收益率（中证800）： 19.55%[28] * 本周绝对收益率： 4.69%[28] * 今年以来绝对收益率： 45.10%[28] 3. **大宗交易组合** * 本周超越基准收益率（中证全指）： -1.94%[32] * 今年以来超额收益率（中证全指）： 34.11%[32] * 本周绝对收益率： 0.79%[32] * 今年以来绝对收益率： 67.63%[32] 4. **定向增发组合** * 本周超越基准收益率（中证全指）： -1.79%[38] * 今年以来超额收益率（中证全指）： -8.91%[38] * 本周绝对收益率： 0.95%[38] * 今年以来绝对收益率： 13.86%[38] 因子的回测效果 （数据统计区间：最近1周为2025年12月22日至2025年12月26日[12][14][18][20]） 1. **大类因子（全市场股票池）本周表现：** * Beta因子收益： 1.31%[20] * 规模因子收益： 0.62%[20] * 非线性市值因子收益： 0.58%[20] * 杠杆因子收益： -0.13%[20] 2. **单因子近期表现（示例，详细列表见报告原文）：** * **沪深300股票池本周表现前三因子：** * 早盘收益因子： 2.16%[12] * 单季度净利润同比增长率： 1.75%[12] * 单季度ROA同比： 1.68%[12] * **中证500股票池本周表现前三因子：** * 单季度营业利润同比增长率： 1.16%[14] * 单季度净利润同比增长率： 1.11%[14] * 标准化预期外盈利： 1.08%[14] * **流动性1500股票池本周表现前三因子：** * 5日反转： 3.33%[18] * 单季度净利润同比增长率： 1.58%[18] * 动量弹簧因子： 1.43%[18]

量化模型与构建方式 1. **模型名称：股指期货分红点位预测模型** * **模型构建思路：** 预测股指期货标的指数在未来一年及特定合约存续期内的累计分红点位，以修正期货基差计算[9]。 * **模型具体构建过程：** 基于信达金工衍生品研究报告系列二《股指期货分红点位预测》中的方法进行预测[9]。报告给出了截至2025年12月26日，对中证500、沪深300、上证50、中证1000指数未来一年分红点位的预测值，并进一步拆算了各指数在不同期限期货合约（当月、次月、当季、下季）存续期内的预估分红点位[9][10][11][13][15][16][17][18]。 2. **因子名称：分红调整后的年化基差** * **因子构建思路：** 在计算股指期货基差时，剔除合约存续期内预期分红的影响，以更真实地反映期货价格相对于现货指数的溢价或折价水平[19]。 * **因子具体构建过程：** 1. 计算实际基差：股指期货合约收盘价减去标的指数收盘价[19]。 2. 加上存续期内未实现的预期分红点位[19]。 3. 将调整后的基差进行年化处理，公式为： $$年化基差 = \frac{(实际基差 + (预期)分红点位)}{指数价格} \times \frac{360}{合约剩余天数}$$[19] 其中，“(预期)分红点位”即使用上述分红点位预测模型得到的数值。 3. **模型名称：期现对冲策略（连续对冲与最低贴水策略）** * **模型构建思路：** 通过卖空股指期货合约对冲持有现货指数（全收益指数）的风险，旨在获取稳定的绝对收益或降低组合波动[43][44][45]。 * **模型具体构建过程：** * **通用设置：** * **回测区间：** 2022年7月22日至2025年12月26日[44][45]。 * **现货端：** 持有对应标的指数的全收益指数，使用70%的资金[44][45]。 * **期货端：** 做空与现货端等名义本金的股指期货合约（IC/IF/IH/IM），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头寸数量[44][45]。 * **不考虑**手续费、冲击成本及合约不可无限细分性质[44][45]。 * **策略一：连续对冲策略** * **调仓规则：** 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，在当日以收盘价平仓，并同时以收盘价卖空下一季月（或当月）合约[44]。 * **策略二：最低贴水策略** * **调仓规则：** 调仓时，计算当日所有可交易期货合约的年化基差，选择年化基差贴水幅度最小的合约开仓。同一合约持有8个交易日后，或该合约离到期剩余不足2日时，才可重新选择新合约（排除剩余到期日不足8日的合约）。每次选择后，无论是否换仓，都继续持有8个交易日[45]。 4. **因子名称：信达波动率指数 (Cinda-VIX)** * **因子构建思路：** 借鉴海外经验并结合中国场内期权市场实际，编制能够反映市场对未来波动率预期的指数，用于衡量市场恐慌或不确定性程度[61][62]。 * **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》中的算法进行编制[62]。该指数具有期限结构，可反映对未来不同期限（如30日、60日、90日、120日）的波动率预期[62][66][68][69][70][73]。 5. **因子名称：信达偏度指数 (Cinda-SKEW)** * **因子构建思路：** 通过捕捉不同行权价格期权隐含波动率的偏斜特征，衡量市场对标的资产未来收益分布（尤其是尾部风险）的预期，常被称为“黑天鹅指数”[70][71]。 * **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》中的算法进行编制[62]。当SKEW指数超过100时，通常意味着投资者对市场未来可能出现大幅下跌风险的担忧加剧[71]。 模型的回测效果 （注：以下所有指标的回测区间均为2022年7月22日至2025年12月26日[44][45]） 1. **IC（中证500）对冲策略** * **当月连续对冲模型：** 年化收益-3.47%，波动率3.78%，最大回撤-11.51%，净值0.8862，年换手次数12，2025年以来收益-6.84%[47]。 * **季月连续对冲模型：** 年化收益-2.70%，波动率4.68%，最大回撤-9.16%，净值0.9107，年换手次数4，2025年以来收益-4.33%[47]。 * **最低贴水策略模型：** 年化收益-1.99%，波动率4.48%，最大回撤-8.93%，净值0.9337，年换手次数16.68，2025年以来收益-4.51%[47]。 2. **IF（沪深300）对冲策略** * **当月连续对冲模型：** 年化收益0.26%，波动率2.88%，最大回撤-3.95%，净值1.0090，年换手次数12，2025年以来收益-1.44%[52]。 * **季月连续对冲模型：** 年化收益0.59%，波动率3.23%，最大回撤-4.03%，净值1.0203，年换手次数4，2025年以来收益0.05%[52]。 * **最低贴水策略模型：** 年化收益0.99%，波动率3.00%，最大回撤-4.06%，净值1.0342，年换手次数14.92，2025年以来收益0.05%[52]。 3. **IH（上证50）对冲策略** * **当月连续对冲模型：** 年化收益1.02%，波动率2.95%，最大回撤-4.22%，净值1.0353，年换手次数12，2025年以来收益0.45%[56]。 * **季月连续对冲模型：** 年化收益1.93%，波动率3.35%，最大回撤-3.76%，净值1.0674，年换手次数4，2025年以来收益1.80%[56]。 * **最低贴水策略模型：** 年化收益1.55%，波动率2.97%，最大回撤-3.91%，净值1.0540，年换手次数15.51，2025年以来收益1.28%[56]。 4. **IM（中证1000）对冲策略** * **当月连续对冲模型：** 年化收益-6.53%，波动率4.73%，最大回撤-14.01%，净值0.8284，年换手次数12，2025年以来收益-13.30%[60]。 * **季月连续对冲模型：** 年化收益-4.91%，波动率5.74%，最大回撤-12.63%，净值0.8446，年换手次数4，2025年以来收益-8.40%[60]。 * **最低贴水策略模型：** 年化收益-4.47%，波动率5.49%，最大回撤-11.11%，净值0.8643，年换手次数15.67，2025年以来收益-8.51%[60]。 因子的回测效果 （注：以下为截至2025年12月26日的因子最新取值） 1. **分红调整后的年化基差因子：** * **IC当季合约：** -4.01%[4][20] * **IF当季合约：** -1.71%[4][25] * **IH当季合约：** 0.83%[4][30] * **IM当季合约：** -7.39%[4][36] 2. **信达波动率指数 (Cinda-VIX) 因子 (30日)：** * **上证50VIX：** 16.35[4][62] * **沪深300VIX：** 17.09[4][62] * **中证500VIX：** 24.97[4][62] * **中证1000VIX：** 20.60[4][62] 3. **信达偏度指数 (Cinda-SKEW) 因子：** * **上证50SKEW：** 99.83[71] * **沪深300SKEW：** 100.24[71] * **中证500SKEW：** 103.00[4][71] * **中证1000SKEW：** 102.52[71]

量化模型与构建方式 1. **模型名称：港股精选组合策略**[14][16] * **模型构建思路**：该策略旨在对分析师推荐股票池进行基本面和技术面的双层优选，挑选出同时具备基本面支撑和技术面共振的超预期股票，构建港股精选股票组合[14][16]。 * **模型具体构建过程**： 1. **构建分析师推荐股票池**：以分析师上调盈利预测、分析师首次关注、分析师研报标题超预期事件作为分析师推荐事件，构建初始股票池[16]。 2. **基本面与技术面精选**：对分析师推荐股票池中的股票进行基本面和技术面两个维度的精选，具体筛选标准未在本文中详述，但提及可参考专题报告《基于分析师推荐视角的港股投资策略》[14][16]。 2. **因子名称：250日新高距离**[23] * **因子构建思路**：用于量化股票价格创近期新高的程度，作为动量或趋势跟踪策略的输入指标[21][23]。 * **因子具体构建过程**：计算最新收盘价相对于过去250个交易日最高收盘价的回落幅度。具体公式如下： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 其中，$Closet$为最新收盘价，$ts\_max(Close, 250)$为过去250个交易日收盘价的最大值。若最新收盘价创出新高，则因子值为0；若最新收盘价较新高回落，则因子值为正，表示回落幅度[23]。 3. **模型名称：平稳创新高股票筛选模型**[23][24] * **模型构建思路**：根据分析师关注度、股价相对强弱、股价路径平稳性、创新高连续性等多个角度，从近期创过新高的股票中筛选出趋势更为平稳、可靠的股票[3][23]。 * **模型具体构建过程**：筛选过程分为多个步骤，在满足前序条件的股票池中逐步筛选： 1. **样本池**：全部港股，但剔除成立时间不超过15个月的股票[24]。 2. **创新高初筛**：股票需在过去20个交易日内创出过250日新高[23]。 3. **分析师关注度**：过去6个月内，获得买入或增持评级的分析师研报不少于5份[24]。 4. **股价相对强弱**：过去250日涨跌幅位于样本池前20%[24]。 5. **股价平稳性筛选**：在满足上述条件的股票池内，使用以下两个指标综合打分，取排名在前50%的股票（最少取50只）[24]： * **价格路径平滑性**：股价位移路程比。具体计算公式为：过去120日涨跌幅绝对值 / 过去120日日涨跌幅绝对值加总[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[24]。 6. **趋势延续性筛选**：根据过去5日的250日新高距离在时间序列上的均值进行排序，最终取排序靠前的50只股票作为平稳创新高股票[24]。 模型的回测效果 1. **港股精选组合策略**，全样本（20100101-20250630）年化收益19.11%[16]，全样本相对恒生指数超额收益18.48%[16]，全样本信息比(IR)1.22[20]，全样本跟踪误差14.55%[20]，全样本收益回撤比0.78[20]，全样本相对最大回撤23.73%[20] 2. **港股精选组合策略**，本周（20251222-20251224）绝对收益-0.83%[2][18]，本周相对恒生指数超额收益-1.33%[2][18] 3. **港股精选组合策略**，本年（20250102-20251224）绝对收益57.14%[2][18]，本年相对恒生指数超额收益28.43%[2][18] 量化因子与构建方式 *（本报告中未对单个因子的独立表现进行评价）* 因子的回测效果 *（本报告中未提供单个因子的独立测试结果取值）*

量化模型与因子总结 量化模型与构建方式 1. **模型名称：国信金工指数增强组合模型**[10][11] * **模型构建思路**：以多因子选股为主体，分别构建对标不同宽基指数的增强组合，力求稳定战胜基准[10] * **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部分[11] 2. **模型名称：单因子MFE组合模型**[14][38] * **模型构建思路**：为了在更贴近实际投资约束的条件下检验因子的有效性，采用组合优化的方式，在控制行业、风格等暴露的同时，最大化单因子暴露，构建最大化单因子暴露组合[38] * **模型具体构建过程**：采用如下形式的组合优化模型来构建因子的 MFE 组合[38]： $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ * 目标函数为最大化单因子暴露，其中 `f` 为因子取值向量，`w` 为待求解的股票权重向量[38] * 第一个约束条件限制了组合相对于基准指数的风格暴露，`X` 为风格因子暴露矩阵，`wb` 为基准权重向量，`sl` 和 `sh` 为风格因子相对暴露的上下限[39] * 第二个约束条件限制了组合相对于基准指数的行业偏离，`H` 为股票的行业暴露矩阵，`hl` 和 `hh` 为行业偏离的上下限[39] * 第三个约束条件限制了个股相对于基准指数成分股的权重偏离，`wl` 和 `wh` 为个股偏离的上下限[39] * 第四个约束条件限制了组合在基准成分股内权重的占比下限 `bl` 及上限 `bh`，`Bb` 为个股是否属于基准成分股的 0-1 向量[39] * 第五个约束条件限制卖空并设置个股权重上限 `l`[39] * 第六个约束条件要求权重和为 1，即满仓运作[40] * **模型评价**：该方法能检验在既定实际约束下因子的有效性，认为“有效”的因子更可能在最终组合中发挥真实的收益预测作用[38] 3. **模型名称：公募重仓指数构建模型**[40][41] * **模型构建思路**：以公募基金的持股信息构建一个指数，在该样本空间中测试因子表现，以反映因子在“机构风格”下的有效性[40] * **模型具体构建过程**： * **选样空间**：普通股票型基金以及偏股混合型基金，剔除规模小于五千万且上市不足半年的基金[41] * **构建方式**：通过基金定期报告获取持股信息，将符合条件基金的持仓股票权重平均获得公募基金平均持仓信息，将平均后的股票权重降序排序，选取累计权重达到 90% 的股票作为成分股来构建指数[41] 量化因子与构建方式 报告从估值、反转、成长、盈利、流动性、公司治理、分析师等维度构造了30余个因子[15]，具体明细如下[16]： 1. **因子名称：BP**[16] * **因子构建思路**：估值类因子 * **因子具体构建过程**：净资产 / 总市值[16] 2. **因子名称：单季EP**[16] * **因子构建思路**：估值类因子 * **因子具体构建过程**：单季度归母净利润 / 总市值[16] 3. **因子名称：单季SP**[16] * **因子构建思路**：估值类因子 * **因子具体构建过程**：单季度营业收入 / 总市值[16] 4. **因子名称：EPTTM**[16] * **因子构建思路**：估值类因子 * **因子具体构建过程**：归母净利润 TTM / 总市值[16] 5. **因子名称：SPTTM**[16] * **因子构建思路**：估值类因子 * **因子具体构建过程**：营业收入 TTM / 总市值[16] 6. **因子名称：EPTTM分位点**[16] * **因子构建思路**：估值类因子 * **因子具体构建过程**：EPTTM 在过去一年中的分位点[16] 7. **因子名称：股息率**[16] * **因子构建思路**：估值类因子 * **因子具体构建过程**：最近四个季度预案分红金额 / 总市值[16] 8. **因子名称：一个月反转**[16] * **因子构建思路**：反转类因子 * **因子具体构建过程**：过去 20 个交易日涨跌幅[16] 9. **因子名称：三个月反转**[16] * **因子构建思路**：反转类因子 * **因子具体构建过程**：过去 60 个交易日涨跌幅[16] 10. **因子名称：一年动量**[16] * **因子构建思路**：反转类因子（注：原文归类为反转，但名称为动量） * **因子具体构建过程**：近一年除近一月后动量[16] 11. **因子名称：单季净利同比增速**[16] * **因子构建思路**：成长类因子 * **因子具体构建过程**：单季度净利润同比增长率[16] 12. **因子名称：单季营收同比增速**[16] * **因子构建思路**：成长类因子 * **因子具体构建过程**：单季度营业收入同比增长率[16] 13. **因子名称：单季营利同比增速**[16] * **因子构建思路**：成长类因子 * **因子具体构建过程**：单季度营业利润同比增长率[16] 14. **因子名称：SUE**[16] * **因子构建思路**：成长类因子 * **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[16] 15. **因子名称：SUR**[16] * **因子构建思路**：成长类因子 * **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[16] 16. **因子名称：单季超预期幅度**[16] * **因子构建思路**：成长类因子 * **因子具体构建过程**：预期单季度净利润 / 财报单季度净利润[16] 17. **因子名称：单季ROE**[16] * **因子构建思路**：盈利类因子 * **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）[16] 18. **因子名称：单季ROA**[16] * **因子构建思路**：盈利类因子 * **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）[16] 19. **因子名称：DELTAROE**[16] * **因子构建思路**：盈利类因子 * **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[16] 20. **因子名称：DELTAROA**[16] * **因子构建思路**：盈利类因子 * **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[16] 21. **因子名称：非流动性冲击**[16] * **因子构建思路**：流动性类因子 * **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[16] 22. **因子名称：一个月换手**[16] * **因子构建思路**：流动性类因子 * **因子具体构建过程**：过去 20 个交易日换手率均值[16] 23. **因子名称：三个月换手**[16] * **因子构建思路**：流动性类因子 * **因子具体构建过程**：过去 60 个交易日换手率均值[16] 24. **因子名称：特异度**[16] * **因子构建思路**：波动类因子 * **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[16] 25. **因子名称：一个月波动**[16] * **因子构建思路**：波动类因子 * **因子具体构建过程**：过去 20 个交易日日内真实波幅均值[16] 26. **因子名称：三个月波动**[16] * **因子构建思路**：波动类因子 * **因子具体构建过程**：过去 60 个交易日日内真实波幅均值[16] 27. **因子名称：高管薪酬**[16] * **因子构建思路**：公司治理类因子 * **因子具体构建过程**：前三高管报酬总额取对数[16] 28. **因子名称：预期EPTTM**[16] * **因子构建思路**：分析师类因子 * **因子具体构建过程**：一致预期滚动 EP[16] 29. **因子名称：预期BP**[16] * **因子构建思路**：分析师类因子 * **因子具体构建过程**：一致预期滚动 PB[16] 30. **因子名称：预期PEG**[16] * **因子构建思路**：分析师类因子 * **因子具体构建过程**：一致预期 PEG[16] 31. **因子名称：预期净利润环比**[16] * **因子构建思路**：分析师类因子 * **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[16] 32. **因子名称：三个月盈利上下调**[16] * **因子构建思路**：分析师类因子 * **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[16] 33. **因子名称：三个月机构覆盖**[16] * **因子构建思路**：分析师类因子 * **因子具体构建过程**：过去 3 个月内机构覆盖数量[16] 34. **因子名称：标准化预期外盈利**[18][20][22][24][26] * **因子构建思路**：分析师预期类因子（报告中提及但未在因子库表中列出详细公式，根据名称和上下文推断为标准化后的盈利超预期因子） 35. **因子名称：标准化预期外收入**[18][22][24] * **因子构建思路**：分析师预期类因子（报告中提及但未在因子库表中列出详细公式，根据名称和上下文推断为标准化后的收入超预期因子） 模型的回测效果 1. **国信金工指数增强组合模型**[13] * 沪深300指数增强组合：本周超额收益0.51%，本年超额收益21.85%[13] * 中证500指数增强组合：本周超额收益-0.73%，本年超额收益6.17%[13] * 中证1000指数增强组合：本周超额收益-1.12%，本年超额收益15.93%[13] * 中证A500指数增强组合：本周超额收益-0.28%，本年超额收益10.62%[13] 2. **公募基金指数增强产品（作为市场参照）**[31][33][35][37] * **沪深300指数增强产品**：最近一周超额收益中位数0.01%，最近一月0.85%，最近一季1.46%，今年以来3.98%[31] * **中证500指数增强产品**：最近一周超额收益中位数-0.49%，最近一月-0.13%，最近一季1.79%，今年以来4.05%[33] * **中证1000指数增强产品**：最近一周超额收益中位数-0.15%，最近一月0.66%，最近一季1.90%，今年以来10.62%[35] * **中证A500指数增强产品**：最近一周超额收益中位数-0.12%，最近一月0.42%，最近一季1.10%[37] 因子的回测效果 （以下为各因子在**沪深300样本空间**中MFE组合的近期表现，指标包括最近一周、最近一月、今年以来及历史年化超额收益）[18] 1. **一年动量**， 最近一周1.09%， 最近一月2.08%， 今年以来3.27%， 历史年化2.75%[18] 2. **标准化预期外盈利**， 最近一周0.87%， 最近一月2.24%， 今年以来12.16%， 历史年化4.18%[18] 3. **预期净利润环比**， 最近一周0.86%， 最近一月1.50%， 今年以来6.56%， 历史年化1.72%[18] 4. **DELTAROA**， 最近一周0.73%， 最近一月1.98%， 今年以来15.82%， 历史年化4.80%[18] 5. **DELTAROE**， 最近一周0.72%， 最近一月2.48%， 今年以来18.17%， 历史年化4.51%[18] 6. **3个月盈利上下调**， 最近一周0.57%， 最近一月2.27%， 今年以来11.09%， 历史年化5.36%[18] 7. **单季超预期幅度**， 最近一周0.56%， 最近一月1.11%， 今年以来10.79%， 历史年化3.98%[18] 8. **单季营收同比增速**， 最近一周0.51%， 最近一月0.23%， 今年以来18.88%， 历史年化4.66%[18] 9. **特异度**， 最近一周0.49%， 最近一月0.48%， 今年以来2.73%， 历史年化0.19%[18] 10. **单季营利同比增速**， 最近一周0.46%， 最近一月1.68%， 今年以来14.20%， 历史年化3.48%[18] 11. **单季净利同比增速**， 最近一周0.43%， 最近一月1.65%， 今年以来14.70%， 历史年化3.89%[18] 12. **预期PEG**， 最近一周0.37%， 最近一月1.87%， 今年以来12.05%， 历史年化3.59%[18] 13. **单季ROA**， 最近一周0.30%， 最近一月1.86%， 今年以来15.03%， 历史年化4.10%[18] 14. **标准化预期外收入**， 最近一周0.29%， 最近一月1.00%， 今年以来11.70%， 历史年化4.68%[18] 15. **三个月机构覆盖**， 最近一周0.25%， 最近一月1.20%， 今年以来11.83%， 历史年化3.02%[18] 16. **一个月反转**， 最近一周0.21%， 最近一月-0.65%， 今年以来-0.98%， 历史年化-0.40%[18] 17. **高管薪酬**， 最近一周0.18%， 最近一月0.56%， 今年以来3.83%， 历史年化2.99%[18] 18. **单季ROE**， 最近一周0.16%， 最近一月2.75%， 今年以来21.91%， 历史年化5.32%[18] 19. **BP**， 最近一周-0.34%， 最近一月0.02%， 今年以来-1.65%， 历史年化2.56%[18] 20. **股息率**， 最近一周-0.39%， 最近一月0.20%， 今年以来4.00%， 历史年化3.64%[18] 21. **预期BP**， 最近一周-0.43%， 最近一月-0.13%， 今年以来-0.16%， 历史年化2.86%[18] 22. **SPTTM**， 最近一周-0.43%， 最近一月0.25%， 今年以来-1.05%， 历史年化1.98%[18] 23. **EPTTM年分位点**， 最近一周-0.47%， 最近一月-0.77%， 今年以来4.54%， 历史年化2.34%[18] 24. **预期EPTTM**， 最近一周-0.53%， 最近一月0.45%， 今年以来7.08%， 历史年化3.71%[18] 25. **单季SP**， 最近一周-0.53%， 最近一月0.05%， 今年以来-0.76%， 历史年化2.77%[18] 26. **单季EP**， 最近一周-0.55%， 最近一月0.60%， 今年以来7.77%， 历史年化5.17%[18] 27. **非流动性冲击**， 最近一周-0.63%， 最近一月-0.14%， 今年以来-1.72%， 历史年化0.37%[18] 28. **EPTTM**， 最近一周-0.76%， 最近一月-0.04%， 今年以来5.77%， 历史年化4.22%[18] 29. **三个月反转**， 最近一周-0.76%， 最近一月-0.80%， 今年以来-0.25%， 历史年化0.20%[18] 30. **一个月换手**， 最近一周-0.82%，

量化模型与因子总结 量化模型与构建方式 本报告为市场数据跟踪报告，未涉及具体的量化选股或择时模型，因此无量化模型相关内容。 量化因子与构建方式 本报告主要对宽基指数的各类市场指标进行跟踪和统计分析，这些指标可视作用于评估市场状态或指数特征的“因子”。以下是报告中涉及的主要因子： 1. **因子名称：风险溢价因子** * **因子构建思路**：以十年期国债即期收益率为无风险利率参考，计算各宽基指数收益率相对于无风险利率的溢价，用于衡量其相对投资价值和偏离情况[28]。 * **因子具体构建过程**：计算指数收益率与十年期国债即期收益率之差。报告中的“当前风险溢价”即为该差值[32]。 * 公式：$$风险溢价 = 指数收益率 - 无风险利率(十年期国债即期收益率)$$ * **因子评价**：各跟踪指数的风险溢价有明显的均值复归现象，其中中证1000和中证2000的风险溢价波动率相对较大[29]。 2. **因子名称：估值因子 (PE-TTM)** * **因子构建思路**：观察各指数的滚动市盈率作为估值参考，衡量各指数在当前时点的投资价值[40]。 * **因子具体构建过程**：直接采用指数成分股的净利润(TTM)总和与总市值之比，即市盈率(PE)的滚动计算值[43][44]。 * **因子评价**：各宽基指数的PE-TTM分位数在2024年9月底附近探底后急速拉升，整体中枢上移，保持震荡上扬趋势，2025年9月开始拐头向下[40]。 3. **因子名称：股债性价比因子** * **因子构建思路**：以各指数PE-TTM的倒数（即盈利收益率）与十年期国债即期收益率之差来衡量股票资产相对于债券资产的吸引力[47]。 * **因子具体构建过程**：计算指数盈利收益率与十年期国债即期收益率的差值。 * 公式：$$股债性价比 = \frac{1}{PE-TTM} - 十年期国债即期收益率$$ * **因子评价**：该因子用于判断市场估值位置，报告中以近5年历史分位值作为机会值（80%分位）和危险值（20%分位）的参考[47]。 4. **因子名称：股息率因子** * **因子构建思路**：股息率反映现金分红回报率，是红利投资风格的核心指标，在市场低迷时期，高股息因其稳定的现金流和较低的估值而成为避风港[49]。 * **因子具体构建过程**：计算指数成分股现金分红总额与指数总市值之比[51][55]。 * **因子评价**：高股息率在市场利率下行期的表现尤为突出[49]。 5. **因子名称：破净率因子** * **因子构建思路**：破净指的是个股市净率小于1的情形，破净率表示破净个股数占比，反映市场的整体估值态度和悲观/乐观程度[56][57]。 * **因子具体构建过程**：统计指数成分股中市净率(PB)小于1的个股数量，并计算其占指数总成分股数量的比例[58]。 * 公式：$$破净率 = \frac{市净率(PB) < 1的个股数量}{指数总成分股数量}$$ * **因子评价**：破净数和占比越高，低估的情况越普遍；破净数及占比越低，可能表明市场对未来发展持乐观态度[57]。 6. **因子名称：价格相对均线位置因子** * **因子构建思路**：通过比较指数当前价格与不同周期移动平均线(MA)的位置，来判断市场的短期、中期趋势强弱[15]。 * **因子具体构建过程**：计算指数收盘价相对于5日、10日、20日、60日、120日、250日移动平均线的百分比偏离度[16]。 * 公式：$$vsMA_N = \frac{收盘价 - MA_N}{MA_N} \times 100\%$$ * **因子评价**：该因子用于判断市场是否处于多头趋势。报告中指出所有跟踪指数仍在多条均线支撑位之上，市场多头趋势明显[15]。 7. **因子名称：收益分布形态因子 (偏度与峰度)** * **因子构建思路**：通过分析指数日收益率分布的偏度和峰度，来刻画收益分布的特征，例如极端收益出现的可能性和分布集中度[24][26]。 * **因子具体构建过程**：计算指数日收益率序列的偏度和超额峰度（报告中峰度计算减去了正态分布的峰度值3）[26]。 * **因子评价**：峰度越大，说明收益率分布更集中；正偏态显示极端正收益情形增加的程度[24]。 8. **因子名称：资金活跃度因子 (交易金额占比与换手率)** * **因子构建思路**：通过指数交易金额占全市场比重和指数换手率，来衡量资金对不同风格板块的关注度和交易活跃度[18]。 * **因子具体构建过程**： * 交易金额占比：该指数当天交易金额除以中证全指当天交易金额[18]。 * 指数换手率：$$\frac{\Sigma(成分股流通股本 \times 成分股换手率)}{\Sigma(成分股流通股本)}$$[18]。 因子的回测效果 本报告为市场状态跟踪报告，未提供基于历史数据的因子分层回测、多空组合收益、信息比率(IR)等量化因子测试结果。报告主要展示了各因子在特定截止日（2025年12月25日）的截面取值或历史分位值，具体如下： 1. **风险溢价因子** [32] * 上证50：0.25%， 近5年分位值62.86% * 沪深300：0.18%， 近5年分位值59.13% * 中证500：0.79%， 近5年分位值77.06% * 中证1000：0.96%， 近5年分位值78.25% * 中证2000：1.30%， 近5年分位值83.49% * 中证全指：0.59%， 近5年分位值72.06% * 创业板指：0.29%， 近5年分位值59.60% 2. **估值因子 (PE-TTM)** [44] * 上证50：11.78， 近5年分位值84.13% * 沪深300：14.15， 近5年分位值86.20% * 中证500：33.72， 近5年分位值97.52% * 中证1000：46.67， 近5年分位值95.45% * 中证2000：158.45， 近5年分位值86.78% * 中证全指：21.48， 近5年分位值95.62% * 创业板指：41.84， 近5年分位值59.50% 3. **股息率因子** [55] * 上证50：3.14%， 近5年分位值30.83% * 沪深300：2.73%， 近5年分位值36.36% * 中证500：1.40%， 近5年分位值16.53% * 中证1000：1.10%， 近5年分位值36.28% * 中证2000：0.76%， 近5年分位值12.23% * 中证全指：2.01%， 近5年分位值33.97% * 创业板指：0.95%， 近5年分位值60.17% 4. **破净率因子** [58] * 上证50：22.0% * 沪深300：16.0% * 中证500：10.8% * 中证1000：8.0% * 中证2000：3.15% * 中证全指：6.06% 5. **价格相对均线位置因子** (以vsMA5为例) [16] * 上证50：0.4% * 沪深300：0.6% * 中证500：1.7% * 中证1000：1.8% * 中证2000：1.9% * 中证全指：1.2% * 创业板指：1.3% 6. **收益分布形态因子** (当前值) [26] * **峰度**： * 上证50：0.02 * 沪深300：0.60 * 中证500：0.68 * 中证1000：1.35 * 中证2000：1.27 * 中证全指：0.94 * 创业板指：1.04 * **偏度**： * 上证50：1.33 * 沪深300：1.53 * 中证500：1.52 * 中证1000：1.65 * 中证2000：1.66 * 中证全指：1.61 * 创业板指：1.56 7. **资金活跃度因子** [18] * **交易金额占比**： * 中证2000：25.75% * 中证1000：22.84% * 沪深300：20.26% * **换手率**： * 中证2000：3.93 * 创业板指：2.34 * 中证1000：2.31 * 中证全指：1.58 * 中证500：1.51 * 沪深300：0.42 * 上证50：0.17