量化模型与因子分析总结 量化因子与构建方式 1. **因子名称**：EPRank因子 **构建思路**：改进传统比值算子，采用截面分位点差值方法构建估值类因子，避免分母极端值影响[54] **具体构建过程**： $$EPRank = Percentile(NetProfit) - Percentile(MV)$$ 其中Percentile(·)为指标在股票截面的分位点，取值范围0-100%。相比传统EP=净利润/市值，EPRank通过分位点差值反映相对估值位置[54] **因子评价**：有效解决微利/亏损企业导致的比值失真问题，多空收益显著优于传统EPTMM因子[60] 2. **因子名称**：财务附注复合因子 **构建思路**：利用财务附注中的细分指标（如存货明细、应收账款账龄）构建增量信息因子[72] **具体构建过程**： - 计算分项占比：分项值/主项值（如库存商品/存货总额） - 计算占比变化：当期占比-去年同期占比 - 筛选390个有效附注因子后，按滚动12个月RankICIR加权合成[78] **因子评价**：提供财报主表外的增量信息，与传统因子相关性低（相关系数<0.15）[81] 3. **因子名称**：所得税复合因子 **构建思路**：利用所得税指标的"现金属性"和盈利真实性验证功能构建质量因子[93] **具体构建过程**： - 采用多种算子构建单因子：行业占比、同比增速、标准化偏离等 - 合成方法：筛选RankIC均值>1%的因子，滚动12个月RankICIR加权[95] **因子评价**：所得税作为刚性支出能有效识别盈利质量，剥离传统因子后残差仍具选股能力[99] 4. **因子名称**：预告快报增强因子 **构建思路**：通过业绩预告/快报数据提前更新财务指标，提升传统因子的时效性[109] **具体构建过程**： - 对NPQYOY等传统因子，用预告净利润中位数替代正式财报数据 - 构建公式保持原因子计算逻辑，仅更新数据源[109] **因子评价**：信息传递效率提升使RankICIR从1.95提升至2.60，多空收益显著改善[109] 5. **因子名称**：聚类增强因子 **构建思路**：通过"聚类-扩容-合成"三阶段优化传统因子合成方法[114] **具体构建过程**： - 分组加权法定义因子关联度：计算十分组超额收益序列加权相关性（权重[5,4,3,2,1,1,2,3,4,5]）[125] - Leiden聚类得到8大类：价值、成长、低波等[30] - 增量筛选法扩容：按多空相关性将新因子归入对应大类[34] **因子评价**：解决传统合成方法风格偏移问题，大类因子间相关性显著降低[31] 因子回测效果 1. **EPRank因子** RankIC均值5.46%，年化RankICIR 2.01，多头月均超额0.64%，空头月均超额-0.73%[60] 2. **财务附注复合因子** RankIC均值4.78%，年化RankICIR 2.69，多头月均超额0.77%，空头月均超额-1.02%[78] 3. **所得税复合因子** RankIC均值4.62%，年化RankICIR 2.60，多头月均超额0.67%，空头月均超额-0.47%[95] 4. **预告快报增强因子** RankIC均值4.26%（原3.47%），年化RankICIR 2.60（原1.95），多头月均超额0.72%（原0.53%）[109] 5. **聚类增强因子** RankIC均值12.08%，年化RankICIR 5.32，多头月均超额1.62%，空头年化超额-24.3%[4] 价值大类因子增强后：年化RankICIR从2.77→3.28，成长大类因子从2.84→3.90[13]