根据提供的研报内容，以下是量化模型与因子的详细总结： 量化因子与构建方式 1. **因子名称**：冲击系数（effect） - **因子构建思路**：用于衡量指数成分股调整带来的资金冲击效应，通过计算个股净调整规模与过去两周日均成交额的比值来评估潜在交易机会[5][6] - **因子具体构建过程**： 1. 计算个股在拟调入指数中的权重（$$wt_{in}$$）和调出指数中的权重（$$wt_{out}$$）[6] 2. 获取跟踪各指数的被动产品总规模（$$index\_scale$$）[6] 3. 计算个股过去两周日均成交额（$$avg\_amt$$）[6] 4. 公式： $$\mathrm{effect}_{s}={\frac{\sum_{i}^{m}wt_{i n}*index_{-}scale_{i}-\sum_{i}^{n}wt_{o u t}*index_{-}scale_{i}}{avg_{-}amt_{s}}}$$ 其中，分子为净调整规模（调入规模减调出规模），分母为流动性指标[6] - **因子评价**：该因子直接关联资金流动与市场流动性，对短期交易机会捕捉具有较高敏感性[7] --- 因子回测效果 1. **冲击系数因子** - **高冲击个股示例**： - 沪农商行（冲击系数12.55，净调入28.02亿元）[8][9] - 国泰海通（冲击系数7.58，净调入39.14亿元）[8][9] - **负冲击个股示例**： - 东方雨虹（冲击系数-7.12，净调出11.42亿元）[13] - 华兰生物（冲击系数-6.79，净调出8.55亿元）[13] --- 数据处理细节 - **权重计算**：调入个股权重基于自由流通市值测算，调出个股采用指数公司公布的权重，并对特殊加权方式（如股息率加权）和权重上限进行修正[5] - **规模汇总**：同一股票在不同指数中的调入/调出规模分别计算后汇总为净调整规模[6] 注：报告中未涉及量化模型或其他因子的构建，故未列出相关内容。

根据提供的金融工程日报内容，该报告主要涉及市场表现、情绪指标和资金流向的统计分析，但未提及具体的量化模型或因子构建内容。以下是可提取的关键信息分类： --- 市场情绪指标构建方式 1. **封板率因子** - 构建思路：反映涨停股的封板稳定性[17] - 具体构建： $$封板率=\frac{\text{最高价涨停且收盘涨停股票数}}{\text{最高价涨停股票数}}$$ - 评价：短期情绪强弱的有效指标 2. **连板率因子** - 构建思路：衡量涨停股的持续动能[17] - 具体构建： $$连板率=\frac{\text{连续两日收盘涨停股票数}}{\text{昨日收盘涨停股票数}}$$ --- 资金流向指标构建方式 1. **大宗交易折价率因子** - 构建思路：捕捉大资金交易偏好[26] - 具体构建： $$折价率=\frac{\text{大宗交易总成交金额}}{\text{当日成交份额总市值}}-1$$ 2. **股指期货年化贴水率因子** - 构建思路：反映市场远期预期[28] - 具体构建： $$年化贴水率=\frac{\text{基差}}{\text{指数价格}} \times \left(\frac{250}{\text{合约剩余交易日数}}\right)$$ --- 指标回测效果 1. **封板率因子** - 当日值：70%（较前日+9%）[17] 2. **连板率因子** - 当日值：32%（较前日+15%）[17] 3. **大宗交易折价率因子** - 近半年均值：5.53% - 当日值：5.36%[26] 4. **股指期货年化贴水率因子** - 中证1000当日值：22.82%（近一年11%分位）[28] - 沪深300当日值：13.59%（近一年10%分位）[28] --- 注：报告未涉及多因子模型或复合因子构建，以上均为单一统计指标。

根据研报内容，以下是量化模型与因子的详细总结： --- 量化模型与构建方式 1. **扩散指数模型** - **构建思路**：通过监测微盘股指数成分股的价格涨跌扩散情况，预测未来变盘临界点[6][43] - **具体构建**： - 横轴为未来N天股价涨跌幅（1.1至0.9代表±10%），纵轴为回顾窗口期长度T（20至10天） - 计算扩散指数值：例如横轴0.95与纵轴15天对应值0.16，表示未来5天若成分股均跌5%，扩散指数为0.16[43] - 动态更新成分股，指数天然有下行趋势[43] - **评价**：用于捕捉市场情绪转折点，但对成分股变动敏感 2. **小市值低波50策略** - **构建思路**：在微盘股成分股中筛选小市值且低波动的50只股票，双周调仓[40][41] - **具体构建**： - 选股标准：总市值≤20亿元（如茂化实华19.5亿元、浙江力诺19.32亿元），结合历史波动率排序[41] - 费用：双边千三交易成本，基准为万得微盘股指数[40] - **评价**：兼顾流动性与风险控制，但超额收益受市场风格影响较大 3. **日历效应模型** - **构建思路**：分析微盘股指数在不同时间维度的收益规律[7][22][56] - **具体构建**： - **日度效应**：2024-2025年期间，星期二、四绝对收益为正（0.4%-0.8%），星期一为负（-0.2%）[56][58] - **月度效应**：2月胜率84%（历史平均收益7.22%），3月超额收益胜率90%[7][60][63] --- 量化因子与构建方式 1. **杠杆因子** - **构建思路**：衡量公司财务杠杆水平对收益的影响[5][38] - **具体构建**：RankIC本周0.143（历史平均-0.006），公式为： $$ \text{杠杆因子} = \frac{\text{总负债}}{\text{总资产}} $$ - **评价**：短期有效性显著，但长期稳定性不足 2. **成交额因子** - **构建思路**：捕捉流动性对微盘股收益的贡献[5][38] - **具体构建**：RankIC本周0.051（历史平均-0.08），标准化成交额排名 - **评价**：与市场活跃度正相关，但易受极端值干扰 3. **PB倒数因子** - **构建思路**：低估值策略在微盘股中的表现[5][38] - **具体构建**：RankIC本周0.042（历史平均0.034），公式为： $$ \text{PB倒数因子} = \frac{1}{\text{市净率}} $$ 4. **非线性市值因子** - **构建思路**：控制市值对收益的非线性影响[5][38] - **具体构建**：RankIC本周-0.116（历史平均-0.033），采用分段回归法 --- 模型回测效果 | 模型/策略 | 年化收益 | 超额收益 | IR | 最大回撤 | |---------------------|----------|----------|-------|----------| | 小市值低波50策略 | 42.78% | 0.22% | 1.2 | -12.5% | [40][42] | 扩散指数首次阈值法 | - | - | - | - | [47] | 扩散指数双均线法 | - | - | - | - | [52][53] --- 因子回测效果 | 因子名称 | 本周RankIC | 历史平均RankIC | |--------------------|------------|----------------| | 杠杆因子 | 0.143 | -0.006 | [5][38] | 未复权股价因子 | -0.190 | -0.017 | [5][38] | PE_TTM倒数因子 | -0.143 | 0.018 | [5][38] --- 注：部分模型（如扩散指数法）未披露具体回测数值，仅提供信号触发时点[46][51]

根据研报内容，以下是量化模型与因子的详细总结： 量化因子与构建方式 1. **因子名称：Barra风格因子** - **构建思路**：基于多维度市场特征构建的综合风格因子体系，涵盖市场风险、市值、动量等核心维度[14] - **具体构建过程**： - **Beta因子**：历史beta值 - **市值因子**：总市值取自然对数 - **动量因子**：历史超额收益率序列均值 - **波动因子**： $$0.74 \times 历史超额收益率波动率 + 0.16 \times 累积超额收益率离差 + 0.1 \times 历史残差收益率波动率$$ - **非线性市值**：市值风格的三次方 - **估值因子**：市净率倒数 - **流动性因子**： $$0.35 \times 月换手率 + 0.35 \times 季换手率 + 0.3 \times 年换手率$$ - **盈利因子**： $$0.68 \times 预测盈利价格比 + 0.21 \times 市现率倒数 + 0.11 \times 市盈率TTM倒数$$ - **成长因子**： $$0.18 \times 预测长期盈利增长率 + 0.11 \times 预测短期增长率 + 0.24 \times 盈利增长率 + 0.47 \times 营业收入增长率$$ - **杠杆因子**： $$0.38 \times 市场杠杆率 + 0.35 \times 账面杠杆 + 0.27 \times 资产负债率$$ - **因子评价**：全面覆盖市场风格特征，但需动态调整权重以适应市场变化[14] 2. **因子名称：GRU模型因子** - **构建思路**：基于门控循环单元（GRU）神经网络构建的时序预测因子[18][20][22][24] - **具体构建过程**： - 输入层：标准化后的量价数据（如开盘价、收盘价） - 隐藏层：GRU单元捕捉时序依赖 - 输出层：预测未来收益率并生成因子信号 - 衍生模型包括： - **open1d**：基于开盘价序列的1日预测 - **close1d**：基于收盘价序列的1日预测 - **barra1d/5d**：结合Barra因子的1日/5日预测 - **因子评价**：在中小市值股票中表现突出，但对计算资源要求较高[24][28] 3. **因子名称：技术类因子** - **构建思路**：基于价格波动与动量效应的传统技术指标[17][21][26] - **具体构建过程**： - **动量因子**：20日/60日/120日收益率均值 - **波动因子**：20日/60日/120日收益率标准差 - **中位数离差**：价格与移动中位数的偏离度 - **因子评价**：中长期动量稳定性优于短期[26] --- 因子回测效果 | 因子类别 | 测试范围 | 多空收益表现（最近一周） | 三年年化IR | 五年年化IR | |----------------|----------------|--------------------------|------------|------------| | **Barra风格因子** | 万得全A | Beta/估值因子多头占优[15] | - | - | | **基本面因子** | 全市场 | 增长类因子正向收益[17] | - | - | | **技术类因子** | 中证1000 | 120日动量正向0.20%[26] | -4.42% | 1.02% | | **GRU模型** | 中证1000 | close1d超额0.73%[28] | - | - | --- 模型回测效果 | 模型名称 | 超额收益（今年以来） | 近六月超额 | 近三月超额 | |------------|----------------------|------------|------------| | open1d | 6.94%[28] | 5.08% | 5.81% | | close1d | 5.48%[28] | 4.96% | 4.47% | | barra5d | 6.90%[28] | 6.79% | 5.92% | | 多因子组合 | 2.97%[28] | 6.32% | 4.75% | 数据来源：中证1000指数基准，月度调仓[27][28]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称**：扩散指数行业轮动模型 **模型构建思路**：基于价格动量原理，捕捉行业趋势变化[28] **模型具体构建过程**： - 计算各中信一级行业的扩散指数，反映行业价格趋势强度 - 指数值范围0-1，越接近1表示趋势越强 - 每周跟踪指数排名及环比变化，选择趋势最强的6个行业配置[28] **模型评价**：在趋势行情中表现优异，但反转行情中易失效[27] 2. **模型名称**：GRU因子行业轮动模型 **模型构建思路**：利用GRU神经网络处理分钟频量价数据，捕捉短期交易信号[34] **模型具体构建过程**： - 输入层：行业分钟级量价数据 - 隐藏层：GRU网络提取时序特征 - 输出层：生成行业因子得分，反映短期配置价值[34] **模型评价**：短周期表现优异，但长周期稳定性不足[38] 模型的回测效果 1. **扩散指数模型** - 本周超额收益：1.97%[31] - 5月累计超额：1.29%[31] - 2025年累计超额：-1.61%[31] 2. **GRU因子模型** - 本周超额收益：-0.89%[36] - 5月累计超额：-0.46%[36] - 2025年累计超额：-4.08%[36] 量化因子与构建方式 1. **因子名称**：行业扩散指数 **因子构建思路**：通过标准化处理行业价格动量指标[28] **因子具体构建过程**： - 计算行业价格N日涨幅 - 标准化处理至0-1区间： $$ DI_i = \frac{R_i - R_{min}}{R_{max} - R_{min}} $$ 其中$R_i$为行业i的涨幅[28] 2. **因子名称**：GRU行业因子 **因子构建思路**：神经网络提取的行业量价特征[34] **因子具体构建过程**： - 输入：行业分钟级收盘价/成交量 - 网络结构：3层GRU+全连接层 - 输出：行业因子得分（范围-15至15）[34] 因子的回测效果 1. **扩散指数因子** - 当前最高值：非银金融0.972[28] - 最低值：煤炭0.119[28] - 周环比最大增幅：医药+0.037[28] 2. **GRU行业因子** - 当前最高值：石油石化7.24[34] - 最低值：计算机-12.08[34] - 周环比最大增幅：农林牧渔[34] 注：所有数据截至2025年5月30日[28][34]，测试窗口为周频[31][36]

量化模型与构建方式 1. **模型名称：赔率+胜率策略** - 模型构建思路：结合各资产的赔率与胜率策略的风险预算，构建综合配置策略[3] - 模型具体构建过程： 1. 赔率增强型策略：根据资产赔率指标（如A股AIAE指标、债券赔率指标），在目标波动率约束下超配高赔率资产，低配低赔率资产[38] 2. 胜率增强型策略：基于货币、信用、增长、通胀和海外五因子构建宏观胜率评分卡，分配风险预算[41] 3. 综合策略：将赔率策略和胜率策略的风险预算简单相加，生成最终配置权重[44] - 模型评价：综合策略在历史回测中表现稳健，兼顾赔率与胜率的动态平衡 2. **模型名称：行业轮动策略** - 模型构建思路：基于行业景气度、趋势和拥挤度三维框架进行行业配置[33] - 模型具体构建过程： 1. 趋势指标：行业过去12个月信息比率（IR）[33] 2. 拥挤度指标：行业换手率比率、波动率比率和beta比率[33] 3. 景气度判断：通过基本面数据划分高/低景气行业（实心/空心气泡表示）[36] 4. 综合评分：结合三维指标生成行业配置建议（如银行、农林牧渔等）[37] 3. **模型名称：美联储流动性指数模型** - 模型构建思路：从数量维度和价格维度解构美联储流动性[18] - 模型具体构建过程： 1. 包含净流动性、联储信用支持、预期引导、市场隐含和公告意外等子指标[17] 2. 综合加权生成流动性指数，用于判断美股配置价值[18] --- 量化因子与构建方式 1. **因子名称：AIAE指标（A股估值赔率因子）** - 因子构建思路：衡量A股相对实体债务的估值吸引力[10] - 因子具体构建过程： $$ \text{AIAE} = \frac{\text{中证全指总流通市值}}{\text{中证全指总流通市值} + \text{实体总债务}} $$ 截至5月底该指标为16%，位于2010年以来35%分位数[10] 2. **因子名称：质量因子（EPS稳定性等）** - 因子构建思路：综合赔率、趋势和拥挤度三标尺评估质量风格[19] - 因子具体构建过程： 1. 赔率：1.3倍标准差（高赔率） 2. 趋势：-0.3倍标准差（中等趋势） 3. 拥挤度：-0.8倍标准差（低拥挤）[19] - 因子评价：当前上升空间较大，建议长期关注[32] 3. **因子名称：成长因子** - 因子构建思路：通过估值、趋势和拥挤度评估成长风格[21] - 因子具体构建过程： 1. 赔率：-1.9倍标准差（低赔率） 2. 趋势：0.4倍标准差（中等趋势） 3. 拥挤度：0.3倍标准差（中等拥挤）[21] - 因子评价：整体配置价值较低[32] 4. **因子名称：小盘因子** - 因子构建思路：横截面分析小盘风格的风险收益特征[26] - 因子具体构建过程： 1. 赔率：-0.3倍标准差（中性） 2. 趋势：0.4倍标准差（中高水平） 3. 拥挤度：0.5倍标准差（中高水平）[26] --- 模型的回测效果 1. **赔率+胜率策略** - 2011年以来年化收益6.9%，最大回撤2.8%，夏普比率3.04[46] - 2014年以来年化收益7.6%，最大回撤2.6%[46] - 当前配置：泛权益类11.0%、黄金2.4%、债券86.6%[44] 2. **行业轮动策略** - 2011年以来年化超额收益12.3%，信息比率（IR）1.13[34] - 2019年以来年化超额收益9.5%，最大回撤12.3%[34] 3. **赔率增强型策略** - 2011年以来年化收益6.8%，最大回撤3.0%[40] --- 因子的回测效果 1. **质量因子** - 综合得分2.4（三标尺加权），超额收益稳定性较高[19] 2. **成长因子** - 综合得分-1.6，近期趋势和赔率同步下滑[21] 3. **小盘因子** - 综合得分0，拥挤度持续处于中高风险区间[26]

根据研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **主动偏股基金仓位高频估测模型** - 模型构建思路：通过带约束条件的多元回归模型，利用基金每日净值序列和基准/构建的资产序列，估算主动偏股基金的股票仓位变动趋势[62] - 模型具体构建过程： 1. 以基金净值序列为因变量，基准或构建的资产序列为自变量 2. 采用多元回归模型计算仓位最优估计 3. 通过模拟组合提升估算准确性 4. 跟踪行业配置动向（如家用电器、有色金属等增配行业）[62] - 模型评价：能够相对高频地反映机构投资者仓位变化，但存在与实际仓位的偏差风险[62] 2. **REITs指数系列模型** - 模型构建思路：构建价格指数和全收益指数，反映不同底层资产和项目类型的REITs市场表现[47] - 模型具体构建过程： 1. 采用分级靠档法保持份额稳定 2. 使用除数修正法处理非交易因素变动（如新发、扩募） 3. 细分产权类（-0.37%）和特许经营权类（+0.55%）指数[49] 4. 计算全收益指数包含分红再投资收益[49] - 模型评价：为REITs资产配置提供指数化投资工具，但需注意流动性风险[47] 量化因子与构建方式 1. **行业主题基金标签因子** - 因子构建思路：基于基金中报/年报持仓信息，定义长期行业标签（主题/轮动/均衡）[35] - 因子具体构建过程： 1. 分析近4期持仓数据 2. 划分医药（+3.54%）、国防军工（+0.87%）等9大主题类别[35] 3. 计算主题基金指数周涨跌幅 - 因子评价：能有效区分基金风格特征，但存在标签滞后性[35] 2. **ETF资金流向因子** - 因子构建思路：跟踪股票型ETF资金净流入/流出情况，识别市场热点赛道[52] - 因子具体构建过程： 1. 按宽基（大盘+30.14亿）、行业（TMT+25.6亿）等分类统计[52] 2. 计算细分赛道相对优势（如红利ETF净流入13.35亿）[58] - 因子评价：反映短期资金偏好，但需结合收益率分析（如金融科技ETF+5.01%）[58] 模型的回测效果 1. **主动偏股基金仓位模型** - 本周仓位变动：-0.48pcts[62] - 行业配置差异：家电+0.23pct vs 电子-0.18pct[65] 2. **REITs指数模型** - 综合指数周收益：+0.03%[49] - 细分指数表现：能源基础设施+0.70% vs 园区基础设施-0.68%[49] 因子的回测效果 1. **行业主题因子** - 医药主题基金周收益：+3.54%[35] - 新能源主题基金周收益：-2.24%[35] 2. **ETF资金流向因子** - 沪深300ETF净流入：+17.73亿[59] - 恒生医疗ETF净流出：-10.06亿[60] 注：所有测试结果均截至2025年5月30日[1][2][3]

量化模型与构建方式 1. **模型名称**：择时雷达六面图 - **模型构建思路**：基于流动性、经济面、估值面、资金面、技术面、拥挤度六个维度选取21个指标，综合生成[-1,1]之间的择时分数，划分为"估值性价比"、"宏观基本面"、"资金&趋势"、"拥挤度&反转"四大类[1][6] - **模型具体构建过程**： 1. **流动性维度**：货币方向、货币强度、信用方向、信用强度4个指标[12][15][18][22] 2. **经济面维度**：增长方向、增长强度、通胀方向、通胀强度4个指标[23][27][28][31] 3. **估值面维度**：席勒ERP、PB、AIAE 3个指标[32][36][39] 4. **资金面维度**：两融增量、成交额趋势、中国主权CDS利差、海外风险厌恶指数4个指标[41][44][47][49] 5. **技术面维度**：价格趋势、新高新低数2个指标[51][54] 6. **拥挤度维度**：期权隐含升贴水、VIX、SKEW、可转债定价偏离度4个指标[58][60][64][66] - **模型评价**：多维动态加权框架，能捕捉市场多空信号但需定期调参[1][6] 量化因子与构建方式 1. **因子名称**：货币方向因子 - **构建思路**：判断货币政策宽松/收紧方向[12] - **具体构建**：计算央行政策利率与短端市场利率90天平均变化方向，>0为宽松（分数1），<0为收紧（分数-1）[12] 2. **因子名称**：货币强度因子 - **构建思路**：量化短端利率偏离政策利率的程度[15] - **具体构建**： $$偏离度 = \frac{DR007}{7天逆回购利率}-1$$ 平滑后zscore，<-1.5σ为宽松（分数1），>1.5σ为紧缩（分数-1）[15] 3. **因子名称**：信用方向因子 - **构建思路**：反映商业银行信贷松紧[18] - **具体构建**：中长期贷款12个月增量同比，较3个月前上升为1，反之为-1[18] 4. **因子名称**：增长方向因子 - **构建思路**：跟踪PMI趋势变化[23] - **具体构建**：中采制造业/非制造业PMI、财新PMI的12月均值同比，较3个月前上升为1，反之为-1[23] 5. **因子名称**：席勒ERP - **构建思路**：通胀调整后的股权风险溢价[32] - **具体构建**： $$席勒ERP = \frac{1}{席勒PE} - 10年期国债收益率$$ 计算3年zscore并截尾至±1[32] 6. **因子名称**：价格趋势因子 - **构建思路**：捕捉均线趋势强度[51] - **具体构建**： $$均线距离 = \frac{ma120}{ma240}-1$$ 方向分数（>0为1）+强度分数（max(20)=max(60)为1），取均值[51] 模型回测效果 1. **择时雷达六面图**： - 综合打分0.10（中性）[8] - 流动性得分-0.50（看空）[8][12][15][18][22] - 经济面得分0.25（中性偏多）[8][23][27][28][31] - 估值面得分0.31（中性偏多）[8][32][36][39] - 资金面得分0.00（中性）[8][41][44][47][49] - 技术面得分-0.50（看空）[8][51][54] - 拥挤度得分0.51（看多）[8][58][60][64][66] 因子回测效果 1. **货币方向因子**：当前分数1.00[10][12] 2. **货币强度因子**：当前分数-1.00[10][15] 3. **信用方向因子**：当前分数-1.00[10][18] 4. **增长方向因子**：当前分数-1.00[10][23] 5. **席勒ERP**：当前分数0.55[10][32] 6. **价格趋势因子**：当前分数0.00[10][51]

量化模型与构建方式 券商金股业绩增强组合 1. **模型名称**：券商金股业绩增强组合 - **模型构建思路**：基于券商金股股票池，通过多因子优选和组合优化的方式构建组合，以对标偏股混合型基金指数为目标[12][43] - **模型具体构建过程**： 1. 以券商金股股票池为选股空间和约束基准 2. 采用组合优化方法控制组合与券商金股股票池在个股、风格上的偏离 3. 以全体公募基金的行业分布为行业配置基准 4. 考虑仓位及交易费用影响，构建最终组合[43] - **模型评价**：历史表现稳健，能够稳定战胜偏股混合型基金指数，在公募主动股基中排名靠前[12][43] 模型的回测效果 1. **券商金股业绩增强组合** - 2018-2024年全样本年化收益：21.20%（满仓）/19.01%（考虑仓位）[47] - 相对偏股混合型基金指数年化超额：22.49%（满仓）/14.87%（考虑仓位）[47] - 2018年排名：4.18%分位点（33/789）[47] - 2019年排名：29.30%分位点（286/976）[47] - 2020年排名：17.45%分位点（194/1112）[47] - 2021年排名：16.85%分位点（317/1881）[47] - 2022年排名：21.35%分位点（509/2384）[47] - 2023年排名：11.55%分位点（330/2856）[47] - 2024年排名：6.80%分位点（226/3325）[47] 量化因子与构建方式 1. **因子名称**：EPTTM - **因子表现**：最近一个月表现较好[27] 2. **因子名称**：盈余公告后跳空超额 - **因子表现**：最近一个月表现较好[27] 3. **因子名称**：剥离涨停动量 - **因子表现**：最近一个月和今年以来表现较好[27] 4. **因子名称**：单季度营收增速 - **因子表现**：最近一个月表现较差[27] 5. **因子名称**：单季度净利润增速 - **因子表现**：最近一个月表现较差[27] 6. **因子名称**：SUE - **因子表现**：最近一个月表现较差，今年以来表现较好[27] 7. **因子名称**：总市值 - **因子表现**：今年以来表现较好[27] 8. **因子名称**：预期股息率 - **因子表现**：今年以来表现较差[27] 9. **因子名称**：波动率 - **因子表现**：今年以来表现较差[27] 10. **因子名称**：BP - **因子表现**：今年以来表现较差[27] 因子的回测效果 1. **EPTTM因子**：最近一个月多空收益表现较好[27] 2. **盈余公告后跳空超额因子**：最近一个月多空收益表现较好[27] 3. **剥离涨停动量因子**：最近一个月和今年以来多空收益表现较好[27] 4. **单季度营收增速因子**：最近一个月多空收益表现较差[27] 5. **单季度净利润增速因子**：最近一个月多空收益表现较差[27] 6. **SUE因子**：最近一个月多空收益表现较差，今年以来表现较好[27] 7. **总市值因子**：今年以来多空收益表现较好[27] 8. **预期股息率因子**：今年以来多空收益表现较差[27] 9. **波动率因子**：今年以来多空收益表现较差[27] 10. **BP因子**：今年以来多空收益表现较差[27]

量化模型与因子分析总结 量化模型与构建方式 市场情绪指标模型 1. 模型名称：上涨家数占比情绪指标 模型构建思路：通过计算指数成分股的近期正收益个数来判断市场情绪，正收益股票增多可能预示行情底部，大部分股票正收益可能预示过热风险[12] 模型具体构建过程： - 计算沪深300指数N日上涨家数占比 = 沪深300指数成分股过去N日收益大于0的个股数占比 - 对指标进行两次不同窗口期平滑（N1=230，N2=50，N3=35）生成快慢线 - 当快线>慢线时看多市场[13][15] 模型评价：能较快捕捉上涨机会但可能错失持续亢奋阶段的收益，对下跌市场判断存在缺陷[12] 2. 模型名称：均线情绪指标 模型构建思路：通过八均线体系判断标的指数趋势状态，将区间值转换为-1/0/1三档[21] 模型具体构建过程： - 计算沪深300收盘价八均线数值（参数为8,13,21,34,55,89,144,233） - 统计当日收盘价大于八均线指标值的数量 - 当超过5条均线被突破时看多市场[21][26] PB-ROE-50策略模型 1. 模型名称：PB-ROE-50组合策略 模型构建思路：基于PB-ROE定价模型寻找市场预期差，叠加超预期因子增强收益[31] 模型具体构建过程： - 以Wilcox(1984)的PB-ROE定价模型为基础筛选预期差股票池 - 加入SUE(未预期盈余)、ROE同比增长等因子 - 精选50只股票构建组合[31] 模型评价：在各股票池中均能获得稳定超额收益[31] 机构调研策略模型 1. 模型名称：公募调研选股策略 模型构建思路：通过公募调研数据挖掘超额alpha，结合被调研次数和调研前相对基准涨跌幅选股[38] 2. 模型名称：私募调研跟踪策略 模型构建思路：通过知名私募调研数据挖掘超额alpha，选股逻辑与公募调研类似[38] 量化因子与构建方式 负面清单因子 1. 因子名称：有息负债率 因子构建思路：衡量企业偿债压力，高有息负债率预示较高流动性风险[43] 因子具体构建过程： - 传统口径 = (短期借款+长期借款+应付债券)/总资产 - 严苛口径 = (短期借款+应付利息+交易性金融负债+应付短期债券+租赁负债+长期借款+应付债券+长期应付款)/总资产 - 宽松口径 = 严苛口径项+其他流动负债+划分为持有待售的负债+一年内到期的非流动负债[43] 2. 因子名称：财务成本负担率 因子构建思路：从利润表角度衡量企业还息压力[47] 因子具体构建过程： $$财务成本负担率 = 财务费用：利息费用 / 息税前利润$$ 模型的回测效果 市场情绪指标 1. 上涨家数占比模型：当前指标值高于50%，处于情绪景气区间[12][13] 2. 均线情绪指标：当前沪深300处于情绪非景气区间[21] PB-ROE-50策略 | 股票池 | 今年以来超额收益率 | 上月超额收益率 | 今年以来绝对收益率 | 上月绝对收益率 | |--------------|--------------------|----------------|--------------------|----------------| | 中证500 | 2.07% | 2.39% | 1.09% | 3.10% | | 中证800 | 2.60% | 1.30% | 0.51% | 2.87% | | 全市场 | 3.10% | 1.33% | 3.41% | 3.45% | [35] 机构调研策略 | 策略类型 | 今年以来超额收益率 | 上月超额收益率 | 今年以来绝对收益率 | 上月绝对收益率 | |--------------|--------------------|----------------|--------------------|----------------| | 公募调研选股 | -2.18% | -0.44% | -4.17% | 1.10% | | 私募调研跟踪 | 9.67% | 2.57% | 7.44% | 4.16% | [41] 因子的回测效果 有息负债率因子 宽松口径下前30名股票中，中毅达、指南针等9只在传统口径排名100位以后[43][44] 财务成本负担率因子 辽宁成大、银宝山新等17只股票指标值超过10倍[47][48]