宏观研究报告核心观点 - "十五五"规划将确定我国中长期目标和阶段性任务 重大项目是国家战略意图和资源支持方向的集中体现 预计延续"民生、科技+产业、基础设施、生态建设、安全工程"5大类项目布局 特别关注水利基建、科技产业融合、城市更新等新项目部署[3] - 自"十三五"规划起实施重大项目清单式管理 "十四五"规划包含102项重大项目 成为稳经济重要抓手[3] 金融工程研究报告核心观点 - 截至2025年9月12日转债市场定价偏离度指标达5.27% 处于2018年以来99.3%分位数水平 估值维持高位震荡[4] - 转债长期配置价值较低 绝对收益投资者应优先降低偏股转债仓位 偏债策略可维持正常配置权重[4] 公司研究报告核心观点 - 科锐国际作为人服行业首家A股上市企业 以猎头业务起家 通过收并购拓展招聘和灵活用工业务 已形成技术+服务+平台全产业链生态模式[5] - 公司建立自有AI大模型 赋能产业互联平台禾蛙 智能化、生态化、国际化形成壁垒 中高端人才访寻、招聘流程外包和灵活用工三大业务基础扎实[5] - 预计2025-2027年实现营收150.9/189.3/228.2亿元 归母净利润3.0/3.7/4.3亿元 当前股价对应PE 20.1x/16.4x/13.9x 估值具提升空间[5] 行业表现数据 - 通信行业表现最佳：1月涨幅18.6% 3月涨幅58.4% 1年涨幅123.5%[1] - 综合行业：1月涨幅17.1% 3月涨幅43.1% 1年涨幅123.0%[1] - 电力设备行业：1月涨幅16.2% 3月涨幅39.0% 1年涨幅68.5%[1] - 国防军工行业表现最弱：1月跌幅7.6% 3月涨幅11.4% 1年涨幅51.5%[1] - 银行业：1月跌幅4.4% 3月跌幅5.1% 1年涨幅30.0%[1]

量化模型与构建方式 1. 指数风控模型 - **模型构建思路**：通过构建指数层面的风险控制模型，对冲非目标风格和行业敞口，以最大化信息比率并控制主动风险[20][22] - **模型具体构建过程**： 1. 确定纳入模型的指数列表：筛选在交易日之前发布的指数，成分均为A股，可获取指数成分列表和权重数据[22] 2. 确定使用的风险因子：包括风格因子（如市值、动量、盈余等）和行业因子[22] 3. 合成指数层面数据：基于个股风控模型，根据实时权重将个股行业/风格得分进行加权，得到指数敞口数据[22] 4. 进行组合优化：控制行业及主要风格的敞口偏离，对冲非目标暴露[20][22] - **模型评价**：指数风控模型较个股模型有效性显著提升，行业贡献大幅超过风格，模型解释度更高[23][24] 2. 指数配置组合模型 - **模型构建思路**：以微观个股因子作为信号，向上集成得到指数综合打分信号，构建行业和风格敞口受控的配置组合[25][32] - **模型具体构建过程**： 1. 因子分类与测试：将因子分为基本面、分析师、量价和高频四类，测试单因子在指数层面的有效性[26][27] 2. 子策略构建：筛选长期表现较好的因子构建子策略，如量价类划分为动量反转、流动性、波动率等[27] 3. 综合信号生成：基于多策略进行因子筛选，得到指数综合打分信号[32] 4. 组合优化：锚定中证全指，控制行业及主要风格敞口偏离，得到最终配置组合[32] 量化因子与构建方式 1. 基本面因子 - **因子构建思路**：基于公司财务数据构建，反映企业基本经营状况[26][27] - **因子具体构建过程**：细分为成长、盈利、估值、财务质量、机构持仓等子类别，共包含166个细分因子[30] - 成长因子：59个 - 盈利因子：52个 - 估值因子：30个 - 财务质量因子：14个 - 机构持仓因子：8个 - 规模因子：3个 2. 分析师因子 - **因子构建思路**：基于分析师预测数据构建，反映市场预期变化[26][27] - **因子具体构建过程**：细分为估值、盈利调整、覆盖度、成长、超预期等子类别，共包含38个细分因子[30] - 估值因子：16个 - 盈利调整因子：10个 - 覆盖度因子：6个 - 成长因子：3个 - 超预期因子：3个 3. 量价因子 - **因子构建思路**：使用日频价格/成交/资金流等数据构建，反映市场交易行为[26][27] - **因子具体构建过程**：细分为动量反转、波动率、流动性、北向资金、资金流等子类别，共包含120个细分因子[30] - 动量反转因子：37个 - 波动率因子：36个 - 流动性因子：26个 - 北向资金因子：11个 - 资金流因子：10个 4. 高频因子 - **因子构建思路**：使用分钟高频数据构建，捕捉短期市场微观结构特征[26][27] - **因子具体构建过程**：细分为动量反转、波动率、流动性、资金流等子类别，共包含32个细分因子[30] - 动量反转因子：13个 - 波动率因子：9个 - 流动性因子：9个 - 资金流因子：1个 模型的回测效果 1. 指数配置组合模型 - **回测期（2015-2024年）**：组合稳定性较强，超额收益表现稳健，最大回撤控制在-3.00%以内[33] - **样本外期（2025年1-8月）**：绝对收益32.0%，超额收益11.5%，超额最大回撤2.0%[1][13] 因子的回测效果 1. 基本面因子 - **2025年1-8月表现**：盈利和成长因子整体表现占优[27][36] 2. 量价因子 - **2025年1-8月表现**：动量反转、波动率、流动性等子策略表现较好[27][36] 3. 多策略组合 - **历史表现**：各子策略间相关性差异较大，没有单一策略能在所有时间内保持有效，验证了多策略的必要性[27] - **2025年1-8月**：基本面类型中的盈利和成长，以及量价类子策略表现较好，但单个子策略仍存在阶段性回撤[27]

核心观点 - 国有大型银行2025年中报显示业绩增速改善 营收同比+1.5% 净利润同比-0.1%降幅收窄 资产质量保持较优水平 不良率1.27%环比持平 资本充足率提升至12.67% [2][3][4] - 42家上市银行整体呈现环比改善态势 营收同比+0.8%转正 净利润同比+0.8%转正 资产质量稳健 不良率1.23%环比持平 行业逻辑从"顺周期"转向"弱周期" [5][6][7] - 信用债类ETF受市场调整影响出现明显回撤 信用债ETF规模下降91亿元至1262亿元 当前贴水率较高存在右侧交易机会 科创债ETF扩容在即带来配置机遇 [11][12][13] - A股重点指数9月调样涉及科创50等5个指数 寒武纪权重被动下调至10%预计引发104亿元资金流出 但流动性充足冲击有限 部分超跌个股存在补涨机会 [16][17] 银行业绩表现 - 国有行营收增速环比转正 1H25同比+1.5%（1Q25为-1.5%） 净其他非息收入同比+37.3%成为主要贡献因素 除中国银行外其他大行营收增速均环比提升 [3] - 国有行净利润降幅收窄 1H25同比-0.1%（1Q25为-2.1%） 六大行均实现增速环比提升 规模增长和成本释放是主要驱动因素 [2][3] - 净利息收入边际改善 1H25同比-2.4%（1Q25为-3.4%） 生息资产同比增速10.4%提升2.9个百分点 净息差降幅14bp较一季度改善1bp [3] - 上市银行整体业绩改善 1H25营收同比+0.8%（1Q25为-1.8%） 净利润同比+0.8%（1Q25为-1.2%） 规模低基数与非息收入修复是主要动力 [5][6] 资产质量与风险 - 国有行资产质量保持优异 不良率1.27%环比持平 关注类贷款占比下降0.03个百分点至1.62% 拨备覆盖率提升1.04个百分点至237.50% [4] - 行业不良生成率保持低位 2Q25年化不良生成率0.75%同比+4bp 关注类占比较2024下降4bp至1.67% 逾期率小幅抬升3bp至1.44% [9] - 对公贷款质量持续优化 公司贷款不良率较2024下降9bp至1.26% 零售贷款不良率提升12bp至1.27% 其中经营贷不良升幅收窄3bp [9] - 资本实力进一步夯实 国有行核心一级资本充足率提升0.36个百分点至12.67% 行业核心一级资本充足率环比+22bp至11.6% [4][10] 收入结构分析 - 净非息收入大幅增长 国有行整体非息收入同比+15.5% 增速较一季度提高10.9个百分点 其中手续费收入同比+4.7%转正 其他非息收入同比+37.3% [3] - 行业非息收入明显修复 1H25同比+6.6%（1Q25同比-2.1%） 手续费收入同比+3.1%（1Q25同比-0.7%） 其他非息收入同比+10.6%（1Q25同比-3.9%） [8] - 息差压力有所缓解 上市银行2Q25单季净息差环比降幅收窄 大行、股份行、城商行和农商行分别环比变动-4、-4、-8和-1bp 负债端成本率改善幅度相仿 [8] 投资建议与展望 - 银行股投资逻辑转向"弱周期" 经济偏平淡期间高股息具有吸引力 推荐两条主线：区域优势城农商行（江苏、上海、成渝、山东、福建）和高股息稳健品种 [5][10] - 全年业绩展望积极 预计规模保持平稳 政策呵护息差企稳 手续费继续修复 其他非息储备充足 营收业绩将延续平稳改善趋势 [6][10] - 信用债类ETF投资机会显现 当前信用债ETF贴水率中位数-54BP 科创债ETF贴水率中位数-31BP 市场企稳后可关注右侧交易机会 [11][14] - 成分券性价比突出 信用债成分券利差1.5BP 科创债成分券利差8BP 后续科创债ETF集中上市带来做多机会 [12][14] - 指数调样带来个股机会 寒武纪权重下调至10%预计引发104亿元资金流出 但冲击系数仅-0.88 林泰新材、聚星科技等超跌个股存在补涨机会 [16][17]

量化模型与构建方式 1. **模型名称**：央国企高分红30组合[13] **模型构建思路**：聚焦于具有稳健成长风格的央国企高分红股票，通过量化方法筛选出30只标的构建投资组合[13] **模型具体构建过程**：从央国企股票池中，选取高分红特征的股票，具体筛选逻辑未详细说明，最终构建包含30只股票的组合[13] 2. **模型名称**：攻守兼备红利50组合[13] **模型构建思路**：结合防御与增长特性，在红利资产中精选50只个股，追求相对纯粹红利资产的超额收益[5][13] **模型具体构建过程**：从红利资产中，通过量化方法筛选出兼具防守和增长特性的50只股票构建组合，具体筛选因子和权重分配未详细说明[5][13] 3. **模型名称**：电子均衡配置增强组合[13] **模型构建思路**：在电子行业进行均衡配置，通过量化方法增强组合表现，旨在跑赢电子行业指数[5][13] **模型具体构建过程**：在电子行业内，进行均衡的行业配置和个股选择，使用量化模型增强组合，具体模型细节未详细说明[5][13] 4. **模型名称**：电子板块优选增强组合[13] **模型构建思路**：聚焦电子板块中迈入成熟期的细分赛道龙头企业，通过优选策略进行增强配置[13] **模型具体构建过程**：在电子板块中，筛选处于成熟期的细分行业龙头企业，使用量化方法进行优选和增强配置，具体选股因子和模型未详细说明[13] 模型的回测效果 1. **央国企高分红30组合**，周度绝对收益未提供，周度超额收益（相对于中证红利全收益）0.76%[5][23] 2. **攻守兼备红利50组合**，周度绝对收益未提供，周度超额收益（相对于中证红利全收益）0.99%[5][23]，2025年初以来超额收益（相对于中证红利全收益）6.04%[23] 3. **电子均衡配置增强组合**，周度绝对收益5.01%[5][31]，周度超额收益（相对于电子行业指数）未提供（报告指出未跑赢）[5][31] 4. **电子板块优选增强组合**，周度绝对收益3.91%[5][31]，周度超额收益（相对于电子行业指数）未提供（报告指出未跑赢）[5][31] 量化因子与构建方式 1. **因子名称**：红利因子[20] **因子构建思路**：基于公司的分红行为，识别具有稳定和高分红特征的股票[20] **因子具体构建过程**：通常使用股息率（D/P）或过去若干年的累计分红等指标来衡量，具体公式未在提供内容中详细说明[20] 2. **因子名称**：红利低波因子[20] **因子构建思路**：结合高分红和低波动特性，寻找收益稳定且风险较低的股票[20] **因子具体构建过程**：通常是在红利因子的基础上，引入波动率指标（如历史价格波动率）进行筛选或加权，具体公式未在提供内容中详细说明[20] 3. **因子名称**：央国企红利因子[20] **因子构建思路**：在央国企范畴内应用红利因子，捕捉特定所有制结构下的高分红机会[20] **因子具体构建过程**：在央国企股票池中，运用红利因子的构建方法，具体公式未在提供内容中详细说明[20] 4. **因子名称**：红利质量因子[20] **因子构建思路**：将分红能力与公司的质量（如盈利能力、财务稳健性）相结合[20] **因子具体构建过程**：通常是在红利因子的基础上，引入质量类指标（如ROE、盈利增长率、负债率等）进行综合评估，具体公式未在提供内容中详细说明[20] 5. **因子名称**：红利增长因子[20] **因子构建思路**：关注那些不仅有分红，而且分红有增长潜力的公司[20] **因子具体构建过程**：通常涉及历史分红增长率、或预期未来分红增长的指标，具体公式未在提供内容中详细说明[20] 6. **因子名称**：红利价值因子[20] **因子构建思路**：结合分红与估值水平，寻找高分红且被低估的股票[20] **因子具体构建过程**：在红利因子的基础上，引入估值类指标（如市盈率P/E、市净率P/B等）进行筛选，具体公式未在提供内容中详细说明[20] 因子的回测效果 *(注：报告未提供这些因子独立的回测指标（如IC、IR等），仅展示了基于这些因子概念构建的指数表现)* 1. **中证红利指数**，周度绝对收益0.83%[20] 2. **上证红利指数**，周度绝对收益0.90%[20]，周度超额收益（相对于中证红利指数）0.08%[20] 3. **中证红利低波动100指数**，周度绝对收益1.67%[20]，周度超额收益（相对于中证红利指数）0.84%[20] 4. **中证中央企业红利指数**，周度绝对收益2.15%[20]，周度超额收益（相对于中证红利指数）1.32%[20] 5. **中证红利质量指数**，周度绝对收益3.05%[20]，周度超额收益（相对于中证红利指数）2.22%[20] 6. **中证红利潜力指数**，周度绝对收益2.31%[20]，周度超额收益（相对于中证红利指数）1.48%[20] 7. **中证红利价值指数**，周度绝对收益1.00%[20]，周度超额收益（相对于中证红利指数）0.17%[20]

量化模型与构建方式 1. **模型名称**：图表派—基本面派模型 **模型构建思路**：通过做市商与两类投机者（图表派与基本面派）的互动机制，研究股票市场信息效率的局限性，解释恒定错误定价与振荡性错误定价的共存现象[4][21][22] **模型具体构建过程**： - **价格调整规则**：做市商根据超额需求调整价格，公式为 $$P_{t+1}=P_{t}+\alpha(D_{t}^{C}+D_{t}^{F}+D_{t}^{R}-N)$$ 其中，$\alpha$为价格调整参数，$D_{t}^{C}$和$D_{t}^{F}$分别代表图表派与基本面派的需求，$D_{t}^{R}$为非投机需求，$N$为股票总供给[24][26] - **图表派需求**：基于趋势外推，公式为 $$D_{t}^{c}=\beta(P_{t}-P_{t-1})$$ $\beta$为图表派反应系数[27] - **基本面派需求**：仅在风险调整后预期利润为正时交易，分段函数为 $$D_{t}^{F}=\begin{cases}\gamma(F_{t}-P_{t})&\text{if}\ P_{t}-F_{t}>h\\ 0&\text{if}\ \ -h\leq P_{t}-F_{t}\leq h\\ \gamma(F_{t}-P_{t})&\text{if}\ P_{t}-F_{t}<-h\end{cases}$$ $\gamma$为基本面派反应系数，$h$为错误定价阈值[27] - **基本面价值**：服从随机游走，公式为 $$F_{t+1}=F_{t}+\delta_{t}$$ $\delta_{t}\sim N(0,\sigma_{\delta}^2)$[28] **模型评价**：兼容Fama（1970）、Grossman & Stiglitz（1980）和Lo & Farmer（1999）的理论分歧，揭示市场动态复杂性[17][21][85] 2. **模型名称**：映射F（基本面派主导模型） **模型构建思路**：假设基本面派始终活跃，研究股价收敛至基本面价值的条件[31][37] **模型具体构建过程**： - 二维线性映射： $$F\colon\begin{cases}x^{\prime}=(1+b-c)x-by\\ y^{\prime}=x\end{cases}$$ 其中$b=\alpha\beta$，$c=\alpha\gamma$，$x_t=P_t-F_t$[30][31] - 雅可比矩阵特征值分析：稳定性条件为$0<c<2(1+b)$且$0<b<1$[31][38] 3. **模型名称**：映射C（图表派主导模型） **模型构建思路**：研究仅图表派活跃时股价的非基本面固定点收敛[31][43] **模型具体构建过程**： - 二维线性映射： $$C:\begin{cases}x^{\prime}=(1+b)x-by\\ y^{\prime}=x\end{cases}$$ 固定点为45度线连续体，稳定性条件为$0<b<1$[40][43] 模型的回测效果 1. **图表派—基本面派模型**： - **区域R1**（$0<b<1$且$c<2(1-b)$）：股价收敛至非基本面固定点，错误定价恒定[21][66] - **区域R2**（$0<b<1$且$2(1-b)<c<2(1+b)$）：股价收敛至非基本面固定点或产生奇异准周期振荡[22][66] - **区域R3**（$0<b<1$且$c>2(1+b)$）：发散或收敛至非基本面固定点[66] - **区域R4**（$b>1$）：股价轨迹发散[66] 2. **映射F**： - **稳定盒S**内（$0<c<2(1+b)$）：股价收敛至基本面价值（原点）[31][37] - **稳定盒外**：动态发散[38] 3. **映射C**： - **$0<b<1$**：收敛至非基本面固定点，错误定价水平取决于初始条件[43][46] - **$b>1$**：动态发散[43] 量化因子与构建方式 （报告中未明确提及独立因子构建，仅包含模型参数如$\beta$、$\gamma$、$h$等，故跳过此部分） 因子的回测效果 （无相关内容） 关键参数与指标 - **图表派影响力参数**：$b=\alpha\beta$，测试范围$0.00<b<1.10$[53][66] - **基本面派影响力参数**：$c=\alpha\gamma$，测试范围$0.00<c<4.40$[53][66] - **错误定价阈值**：$h=0.05$（归一化后）[46][53] - **动态类型指标**：固定点收敛、奇异准周期振荡、发散[53][66]

根据提供的金融工程日报内容，该报告主要聚焦市场数据统计与监测指标，未涉及量化模型或量化因子的构建与分析。以下为可提取的核心监测指标分类： 市场情绪监测指标 1. **封板率** 构建思路：反映涨停股的封板稳定性 计算公式： $$封板率=\frac{最高价涨停且收盘涨停股票数}{最高价涨停股票数}$$ 当日取值：69%（较前日下降1%）[16][17] 2. **连板率** 构建思路：衡量涨停股的持续强度 计算公式： $$连板率=\frac{连续两日收盘涨停股票数}{昨日收盘涨停股票数}$$ 当日取值：27%（较前日下降3%）[16][17] 资金流向监测指标 1. **两融交易占比** 构建思路：量化杠杆资金活跃度 计算方式： $$两融交易占比=\frac{融资买入额+融券卖出额}{市场总成交额}$$ 当日取值：11.7%（近一年均值9.2%）[21][23] 2. **大宗交易折价率** 构建思路：监测机构大宗交易成本 计算公式： $$折价率=\frac{大宗交易总成交金额}{当日成交份额总市值}-1$$ 当日取值：7.18%（近半年均值5.89%）[25][26] 衍生品市场监测指标 1. **股指期货年化贴水率** 构建思路：反映期货市场预期 计算公式： $$年化贴水率=\frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ 当日取值： - 中证1000贴水率9.82%（58%分位） - 沪深300贴水率1.85%（54%分位）[27][30] 注：报告未涉及量化模型/因子构建过程及回测效果，主要为市场监测指标的实时统计[2][3][6][7][9][12][13][16][18][21][22][25][27][34][35]

量化模型与构建方式 1. **模型名称**：市值分域的线性回归模型 - **模型构建思路**：通过市值分组加权回归方法构建复合因子，适配不同市值选股域的表现差异[7] - **模型具体构建过程**： 1. 将全市场股票按市值对数分为11组（KMedian聚类） 2. 采用分组加权回归，权重公式： $$w_{i}=w_{b a s e}+(1-w_{b a s e})*|i-I|/n$$ 其中： - \(w_{base}\)为最小权数（取0.9、0.5、0三种情况） - \(n=11\)为分组数 - \(I\)为最大权重分组（从1到11循环测试） 3. 对5类子因子（分红、ROE_SUE、日度量价、高频量价、复合因子）分别采用OLS回归系数IR加权复合[7][10] 2. **模型名称**：风格因子加权复合模型 - **模型构建思路**：基于市值、估值、价值-成长指标、行业等多风格因子聚类加权，提升因子在不同风格域的适应性[98] - **模型具体构建过程**： 1. 对5类风格因子（市值、市值三次方、估值、价值-成长指标、行业）进行曼哈顿距离聚类，分为11组 2. 价值-成长指标计算： - 价值指标：分析师一致预期市盈率+市净率+市销率+市现率+预期分红 - 成长指标：盈利增长+历史市值增长率+利润增长率+净现金流增长率+营收增长率 - 最终指标为两者相减[98] 3. 行业合并为TMT、上游、中游、消费、金融、综合六类，跨类时曼哈顿距离贡献为聚类数[98] 4. 采用与市值分域类似的交叉复合加权方法构建因子 --- 量化因子与构建方式 1. **因子名称**：分红因子 - **因子构建思路**：结合股息率与分红虚拟变量，反映基本面分红能力[10] - **因子具体构建过程**：由股息率因子与是否有分红的虚拟变量线性回归复合[10] 2. **因子名称**：ROE_SUE因子 - **因子构建思路**：综合ROE和SUE指标，反映盈利质量与增长[10] - **因子具体构建过程**：由ROE、SUE及对应的虚拟变量线性回归复合[10] 3. **因子名称**：日度量价因子 - **因子构建思路**：捕捉短期量价特征[10] - **因子具体构建过程**：由换手率、反转、特质波动、非流动性四个因子复合[10] 4. **因子名称**：高频量价因子 - **因子构建思路**：利用高频数据捕捉微观结构信号[10] - **因子具体构建过程**：由10个手工高频因子复合（具体因子未列明）[10] --- 模型的回测效果 1. **市值分域线性回归模型**（全市场测试，2017.01-2025.07） - **IC**：0.057（等权）→0.058（base_w=0.5）[8][9] - **Rank MAE**：1.090（等权）→1.089（base_w=0.5）[8][9] - **多空收益**：1.07%（等权）→1.08%（base_w=0.9）[11] - **多头收益**：0.33%（等权）→0.31%（base_w=0）[11] 2. **风格因子加权模型**（沪深300增强，严约束） - **年化超额收益**：5.83%（等权）→7.36%（base_w=0交叉复合）[103] - **IR**：0.804（等权）→0.901（base_w=0交叉复合）[103] - **最大回撤**：14.99%（等权）→16.33%（base_w=0交叉复合）[103] --- 因子的回测效果 1. **分红因子**（全市场IC，2017.01-2025.07） - **IC**：0.006（等权）→0.007（base_w=0）[13][14] 2. **ROE_SUE因子**（全市场IC） - **IC**：0.020（等权）→0.021（base_w=0.5）[15][16] 3. **日度量价因子**（全市场IC） - **IC**：0.042（等权）→0.044（base_w=0）[17][18] 4. **高频量价因子**（全市场IC） - **IC**：0.035（等权）→0.037（base_w=0.5）[19][20] --- 关键结论 - **市值加权效果**： - 沪深300增强中，极端大市值加权（base_w=0）提升年化超额1%以上[49][97] - 中证500增强中，base_w=0.5交叉复合效果最佳（年化超额15.06%）[92] - **风格因子加权局限性**：对中证1000增强效果不显著，仅严约束组合年化提升1%[132][141]

根据提供的研报内容，以下是量化模型和因子的总结： 量化模型与构建方式 1. **模型名称**：攻守兼备红利50组合 **模型构建思路**：结合"稳健+成长"风格，旨在通过主动量化策略在红利资产中实现超额收益[15] **模型具体构建过程**： - 采用"自上而下"选股逻辑，从海量基本面因子库筛选有效选股因子 - 聚焦红利质量表现活跃的细分板块（周度平均收益约1.64%）[16] - 相对纯粹红利资产构建超额收益组合 2. **模型名称**：央国企高分红30组合 **模型构建思路**：专注央国企高分红标的，构建防御性投资组合[15] 3. **模型名称**：电子均衡配置增强组合 **模型构建思路**：在电子板块内进行均衡配置，捕捉细分赛道机会[15] 4. **模型名称**：电子板块优选增强组合 **模型构建思路**：聚焦电子行业成熟期细分赛道的龙头企业[15] 模型的回测效果 1. **攻守兼备红利50组合** - 周度超额收益：1.51%（相对中证红利全收益）[22] - 实现正收益[22] 2. **央国企高分红30组合** - 周度超额收益：0.61%（相对中证红利全收益）[22] 3. **电子板块优选增强组合** - 周度收益：6.20%[31] - 跑赢科技类基金产品中位数[31] 量化因子与构建方式 1. **因子名称**：红利质量因子 **因子构建思路**：筛选具有持续分红能力和高质量财务特征的红利股[16] **因子表现**： - 周度平均收益1.64%[16] - 相对纯粹红利资产超额收益显著[16] 2. **因子名称**：电子终端品因子 **因子表现**： - 相关子行业周度涨幅达8%以上[26] 3. **因子名称**：印制电路板因子 **因子表现**： - 相关子行业周度涨幅达8%以上[26] 4. **因子名称**：集成电路设计因子 **因子表现**： - 相关子行业周度涨幅达8%以上[26] 因子的回测效果 1. **红利质量因子** - 中证红利质量指数周度收益4.19%（超额中证红利指数5.30%）[19] 2. **电子终端品因子** - 相关子行业周度涨幅8%+[26] 3. **印制电路板因子** - 相关子行业周度涨幅8%+[26] 4. **集成电路设计因子** - 相关子行业周度涨幅8%+[26] 注：报告中未提供具体的因子构建公式和详细计算过程，主要展示了策略组合的表现结果和部分细分因子的市场表现[15][16][19][22][26][31]

研究框架培训日程 - 2025年研究招聘培训将于8月18、19、25、26日全天举行 时间9:00-17:40 [3][13] - 8月18日聚焦消费领域 涵盖食品饮料、批零社服、纺织服装等细分行业 [14] - 8月19日侧重总量与金融领域 包括宏观研究、策略研究、固定收益研究等 [14] - 8月25日周期篇涉及非金属建材、有色金属、公用事业等周期行业 [15][16] - 8月26日覆盖医药+科技+先进制造 包含生物医药、电子、计算机、军工等前沿领域 [15][16] 研究团队配置 - 消费领域由林逸丹等农业联席首席分析师领衔 [5][6] - 金融领域由谢能宇等基金评价研究首席分析师负责 [8] - 周期领域由韩其成副所长带队 涵盖基础化工、有色金属等传统行业 [9] - 先进制造领域由徐柏乔等电力设备与新能源首席分析师主导 [10] - 医药科技领域由余文心等生物医药专家牵头 [11] 活动组织信息 - 活动主题为"洞察价值 共创未来" 强调全领域深度框架 [18] - 地点设在上海黄浦区国泰海通金融外滩广场B栋1楼报告厅 [18] - 采用分主题日程安排 8/18-19总量+消费+金融 8/25-26周期+医药+科技+制造 [18]

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：股指分红点位测算模型** - **模型构建思路**：通过精细化处理成分股分红数据，准确预测股指期货合约的升贴水情况，需考虑成分股权重、分红金额、除息日等核心指标[13][38][39] - **模型具体构建过程**： 1. **成分股权重修正**：基于最近公布权重和个股涨跌幅动态调整权重： $$W_{n,t}={\frac{w_{i0}\times(1+r_{n})}{\sum_{i=1}^{N}w_{i0}\times(1+r_{n})}}$$ 其中 \(w_{i0}\) 为初始权重，\(r_n\) 为个股涨跌幅[45] 2. **分红金额预测**： - 若公司已公布分红金额，直接采用；否则通过净利润 × 股息支付率估算： - **净利润预测**：分稳定/不稳定两类，稳定公司按历史分布预测，不稳定公司采用上年同期值[50] - **股息支付率预测**：优先采用去年值，若无则取3年平均，从未分红则默认不分红[53] 3. **除息日预测**： - 已公布则直接采用；否则根据预案/决案阶段历史间隔天数线性外推，或默认7-9月末日期[56] 4. **分红点数计算**： $$分红点数=\sum_{n=1}^{N}\left(\frac{成分股分红金额}{成分股总市值} \times 成分股权重 \times 指数收盘价\right)$$ 要求除息日在当前日期至合约到期日之间[38] - **模型评价**：对上证50和沪深300预测误差较小（约5点），中证500误差稍大（约10点），整体准确性较高[61] 2. **模型名称：股指期货升贴水跟踪模型** - **模型构建思路**：扣除分红影响后跟踪期货合约基差、期限结构及历史分位点[13][14] - **模型具体构建过程**： 1. **年化升贴水计算**：基于合约价差、分红点数及到期天数，公式为： $$年化升贴水=\left(\frac{含分红价差}{指数收盘价}\right) \times \frac{365}{到期天数}$$ 其中含分红价差=当前价差+分红点数[14] 2. **历史分位点分析**：比较当前升贴水幅度与历史分布[28] --- 量化因子与构建方式 1. **因子名称：股息率因子** - **因子构建思路**：反映成分股分红收益，用于行业比较和指数分红进度分析[3][16] - **因子具体构建过程**： - **已实现股息率**：已分红金额总和 / 成分股总市值[18] - **剩余股息率**：待分红金额总和 / 成分股总市值[18] - **因子评价**：煤炭、银行、钢铁行业股息率最高[16] 2. **因子名称：分红进度因子** - **因子构建思路**：跟踪成分股分红阶段（预案、决案、实施、已分红）[2][15] --- 模型的回测效果 1. **股指分红点位测算模型** - **上证50**：2023年预测误差≤5点[61] - **沪深300**：2024年预测误差≤5点[61] - **中证500**：2023-2024年预测误差约10点[61] 2. **股指期货升贴水跟踪模型** - **IH主力合约**：年化升水3.05%，历史分位点79%[14][28] - **IF主力合约**：年化贴水0.09%，历史分位点79%[14][28] - **IC主力合约**：年化贴水8.05%，历史分位点77%[14][28] - **IM主力合约**：年化贴水8.43%，历史分位点77%[14][28] --- 因子的回测效果 1. **股息率因子** - **上证50**：已实现股息率2.13%，剩余0.13%[18] - **沪深300**：已实现股息率1.70%，剩余0.17%[18] - **中证500**：已实现股息率1.14%，剩余0.06%[18] - **中证1000**：已实现股息率0.87%，剩余0.04%[18] 2. **分红进度因子** - **上证50**：41家已分红，3家不分红[15] - **沪深300**：243家已分红，25家不分红[15] --- 注：以上总结未包含风险提示、免责声明等非核心内容。