量化因子与构建方式 防御属性因子 1. 因子名称: 防御属性因子 2. 因子构建思路: - 第一层筛选: 寻找股价稳健个股，按日收益率标准差从小到大排列，选择前50%股票作为基础池[55] - 第二层筛选: 溯源个股防御属性，从低拥挤、筹码分散和高股息三个维度筛选得分领先的Top10%个股，构建防御属性股票池[55][56] 3. 文章对因子的评价: 防御属性个股在市场动荡时能够保持相对稳定的表现，为投资组合的长期增长提供稳健的支撑[116] 4. 因子的公式: 无 进攻属性因子 1. 因子名称: 进攻属性因子 2. 因子构建思路: - 第一层筛选: 寻找股价高弹性个股，按日标准差从大到小排列，选择前50%股票作为基础池[209] - 第二层筛选: 溯源个股进攻属性，从重创新和高成长两个维度筛选得分领先的Top15%个股，构建进攻属性股票池[211] 3. 文章对因子的评价: 进攻属性个股在趋势行情下表现出更强的收益弹性，为投资组合的短期表现注入动能[267] 4. 因子的公式: 无 二维择时模型 1. 因子名称: 二维择时模型 2. 因子构建思路: - 宏观维度: 计算机指数与美债收益率呈负相关关系，美债收益率下行时，计算机指数通常走强[331] - 风险维度: 当计算机指数波动率处于近一年高位时，指数通常面临下行风险[331] - 策略构建: 当宏观维度提示积极信号时，增配进攻组合至75%；当风险维度带来双重积极信号时，增配进攻组合至100%；反之则增配防御组合以控制下行风险[404] 3. 文章对因子的评价: 计算机综合增强策略相对计算机行业指标超额表现较为稳健，全区间年化收益近15%，超额行业指数7.4%，分年胜率逾83%[405] 4. 因子的公式: 无 因子的具体指标值 防御属性因子 - 年化收益: - 2013: 109.08%[409] - 2014: 70.28%[409] - 2015: 120.43%[409] - 2016: -39.85%[409] - 2017: -13.68%[409] - 2018: -15.59%[409] - 2019: 55.44%[409] - 2020: 5.26%[409] - 2021: 6.79%[409] - 2022: -14.50%[409] - 2023: 19.92%[409] - 20240628: -24.52%[409] - 全区间: 14.90%[409] 进攻属性因子 - 年化收益: - 2013: 89.97%[330] - 2014: 53.81%[330] - 2015: 118.85%[330] - 2016: -42.49%[330] - 2017: -21.77%[330] - 2018: -18.18%[330] - 2019: 67.39%[330] - 2020: 10.22%[330] - 2021: -8.97%[330] - 2022: -21.50%[330] - 2023: 1.51%[330] - 20240628: -31.11%[330] - 全区间: 7.25%[330] 二维择时模型 - 年化收益: - 2013: 108.53%[416] - 2014: 72.17%[416] - 2015: 132.82%[416] - 2016: -34.77%[416] - 2017: -13.83%[416] - 2018: -15.56%[416] - 2019: 54.88%[416] - 2020: 5.34%[416] - 2021: 6.95%[416] - 2022: -14.91%[416] - 2023: 19.72%[416] - 20240628: -23.48%[416] - 全区间: 16.45%[416]