市场因子和风格因子 - 国内市场因子和风格因子在时序和权重结构上具备稳定性和有效性[1] - 双因子定价模型能提升跨资产配置策略的业绩表现，加入相关信号后可优化策略表现[2] - 市场因子反映统一的周期驱动因素，风格因子表征资产内部结构的差异[4] - 国内资产的市场因子和风格因子构建是基于周期规律的发现[13] - 全球和国内资产存在统一的周期规律，但国内市场在周期特征上存在小幅偏离[13] 主成分分析 - 通过PCA等方法，可以将多个金融经济变量转化为少数几个主成分，得到市场因子和风格因子[13] 资产周期特征 - 国内资产的周期特征为后续研究提供了可靠的基石[13] - 图表展现了国内部分资产的周期状态，包括股票、利率和商品等资产类别[91] - 在股指基本面财务指标上也发现了明显的周期特征[91] - 通过MUSIC算法验证了国内资产内部的三周期特征[91] - 图表展现了上证指数和深证成指的同比序列及回归拟合曲线[91] - 图表展现了中国10年期国债收益率和南华工业品指数的同比序列及回归拟合曲线[91] - 国内资产的周期特征表明存在某些共通的驱动因子，为后续研究提供了可靠的基石[91] 财务数据 - 全A股市场ROE同比呈现逐年下降趋势，从2005年12月至2013年4月，ROE同比下降了8%至0%之间[192][200] - 沪深300指数营业利润率同比呈现逐年下降趋势，从2005年12月至2013年4月，营业利润率同比下降了8%至0%之间[192][200]

量化因子与构建方式 1. **PE因子** - **因子构建思路**: 通过整体法和中位数法计算市场主要指数的PE估值[3][4][5][6] - **因子的公式**: 无 - **文章对因子的评价**: 无 2. **PB因子** - **因子构建思路**: 通过整体法和中位数法计算市场主要指数的PB估值[3][4][5][6] - **因子的公式**: 无 - **文章对因子的评价**: 无 3. **PEG因子** - **因子构建思路**: 通过预测PEG计算市场主要指数的PEG估值[3][4][5][6] - **因子的公式**: 无 - **文章对因子的评价**: 无 4. **基金重仓股配置比例因子** - **因子构建思路**: 基金对单个行业或指数的重仓股市值除以基金对所有行业或指数的重仓股市值之和[22][25] - **因子的公式**: $$ P o s i t i o n_{i,t}=\frac{M V_{i,t}}{\sum_{i}M V_{i,t}} $$ 其中，i 为行业或指数，t 为时间[23][26] - **文章对因子的评价**: 无 因子的具体指标值 1. **PE因子** - **沪深300指数**: 整体法11.46，中位数法19.21，分位数水平分别为14.54%、6.18%[3] - **上证50指数**: 整体法10.12，中位数法14.84，分位数水平分别为45.82%、31.27%[4] - **中证500指数**: 整体法20.16，中位数法23.67，分位数水平分别为7.97%、8.37%[5] - **创业板指数**: 整体法23.31，中位数法27.05，分位数水平分别为0.20%、0.20%[6] 2. **PB因子** - **沪深300指数**: 整体法1.11，中位数法1.93，分位数水平分别为1.99%、12.35%[3] - **上证50指数**: 整体法0.98，中位数法1.77，分位数水平分别为1.79%、49.80%[4] - **中证500指数**: 整体法1.43，中位数法1.75，分位数水平分别为0.40%、9.76%[5] - **创业板指数**: 整体法3.20，中位数法2.94，分位数水平分别为0.40%、0.60%[6] 3. **PEG因子** - **沪深300指数**: 1.19，分位数水平为63.71%[3] - **上证50指数**: 1.69，分位数水平为66.60%[4] - **中证500指数**: 0.84，分位数水平为29.48%[5] - **创业板指数**: 0.81，分位数水平为1.03%[6] 4. **基金重仓股配置比例因子** - **沪深300指数**: 54.59%，分位数水平为33.33%[3] - **上证50指数**: 16.31%，分位数水平为33.33%[4] - **中证500指数**: 15.87%，分位数水平为70.18%[5] - **创业板指数**: 13.23%，分位数水平为59.65%[6]

金融工程 证券研究报告 2024 年 08 月 10 日 作者 吴先兴 分析师 SAC 执业证书编号：S1110516120001 wuxianxing@tfzq.com 姚远超 分析师 SAC 执业证书编号：S1110523070007 yaoyuanchao@tfzq.com 因子跟踪周报：换手率、bp 分位数因子表现较好20240810 因子 IC 跟踪 | --- | --- | |-----------------------------------------|--------------------------------------------| | IC 方面，最近一周，1 个月日均换手率、bp | 三年分位数、1 个月换手率波 | | 动等因子表现较好，Beta | 、标准化预期外收入、标准化预期外盈利等因子 | | 表现较差；最近一月，bp 三年分位数、bp | 、1 个月日均换手率等因子表 | | 现较好，季度 roa、季度 roe | 、季度营收同比增长等因子表现较差；最近 | | 一年，bp、Fama-French 三因子 1 | 月残差波动率、季度 ep 等因子表现较 | | 好 ...

证券研究报告 金融工程|专题报告 ETF 产品融合行业轮动策略系列（一） 请务必阅读报告末页的重要声明 glzqdatemark1 证券研究报告 |报告要点 广发基金 ETF 产品为投资者进行行业轮动提供方便的 Beta 配置工具。基于国联金工 ETF 轮动 模型，以广发基金 ETF 基金为投资标的，构建出可落地的投资策略。 策略本期配置港股非银 ETF，芯片 ETF 龙头，电信 ETF，金融地产 ETF，家电 ETF 龙头。2024 年 7 月基准收益率为-3.37%，无剔除版因子轮动行业增强收益为-3.43%，超额为-0.06%。双 剔除版因子轮动行业增强收益为-5.83%，超额为-2.47%。 |分析师及联系人 陆豪 康作宁 朱人木 SAC：S0590523070001 SAC：S0590524010003 SAC：S0590522040002 金融工程专题 ETF 产品融合行业轮动策略系列（一） | --- | |-----------------------------------------| | 相关报告 | | 1、《景气指数上升，两融资金流重新净流入 | | —周报 2024 年 8 月 2 ...

量化模型与构建方式 1. 公募实时持仓模型 - **模型名称**：公募实时持仓模型 - **模型构建思路**：基于基金净值、持仓披露、调研行为等市场公开信息，对公募基金持仓进行实时测算[4][21] - **模型具体构建过程**： 1. 收集基金净值数据 2. 获取基金持仓披露信息 3. 分析基金调研行为 4. 综合以上数据进行实时测算 - **模型评价**：该模型能够实时反映公募基金的持仓动态，具有较高的市场敏感度[4][21] 2. 北上资金行为模型 - **模型名称**：北上资金行为模型 - **模型构建思路**：按照托管机构划分为配置型外资和交易型外资，监测北上资金的动向[4][30] - **模型具体构建过程**： 1. 按托管机构划分北上资金为配置型外资和交易型外资 2. 收集北上资金的买入和卖出数据 3. 分析北上资金的净流入和净流出情况 - **模型评价**：该模型能够细分北上资金的类型，提供更为精细的资金流向分析[4][30] 3. ETF资金持仓模型 - **模型名称**：ETF资金持仓模型 - **模型构建思路**：通过监测ETF基金的持仓动态，反映市场资金的流向[4][35] - **模型具体构建过程**： 1. 收集ETF基金的持仓数据 2. 计算ETF持仓占流通市值的比重 3. 分析ETF持仓的变化趋势 - **模型评价**：该模型能够反映市场资金的动态，特别是指数投资产品的供需情况[4][35] 4. 两融余额动向模型 - **模型名称**：两融余额动向模型 - **模型构建思路**：通过监测融资余额和融券余额，分析市场投资者的多空情绪[4][39] - **模型具体构建过程**： 1. 收集融资余额和融券余额数据 2. 计算融资余额和融券余额的变化 3. 分析融资余额和融券余额的趋势 - **模型评价**：该模型能够反映市场投资者的多空情绪，具有较高的市场预警功能[4][39] 模型的回测效果 公募实时持仓模型 - **仓位变化**：近三个月仓位在底部震荡[4][21] 北上资金行为模型 - **净流入**：2024年7月以来北上资金买入达到21亿元[4][30] ETF资金持仓模型 - **持仓占比**：2024年3月以来维持历史高位，占比达到6.16%[4][35] 两融余额动向模型 - **融资余额**：2024年5月以来有所下滑，融券处于较低水平[4][39] 量化因子与构建方式 1. 主力资金因子 - **因子名称**：主力资金因子 - **因子的构建思路**：通过大单与超大单的加总，作为主力资金的代理变量[49] - **因子具体构建过程**： 1. 收集大单（挂单金额20-100万元）与超大单（挂单金额>100万元）的数据 2. 计算大单与超大单的加总 3. 分析主力资金的净流入和净流出情况 - **因子评价**：该因子能够反映市场上最活跃的资金动向，具有较高的市场敏感度[49] 2. 龙虎榜因子 - **因子名称**：龙虎榜因子 - **因子的构建思路**：通过交易所每日公开披露的"交易公开信息"栏目，分析当日买入与卖出金额最大的五个营业部的交易数据[51] - **因子具体构建过程**： 1. 收集交易所每日公开披露的"交易公开信息"数据 2. 统计当日买入与卖出金额最大的五个营业部的交易数据 3. 分析龙虎榜的交易动向 - **因子评价**：该因子能够反映当前市场最热点的交易动向，具有较高的市场预警功能[51] 3. 高频股东户数因子 - **因子名称**：高频股东户数因子 - **因子的构建思路**：通过交易所推出的投资者与上市公司的互动平台，监测股东户数的变化[54] - **因子具体构建过程**： 1. 收集高频股东户数数据 2. 计算股东户数的变化比例 3. 分析股东户数的变化趋势 - **因子评价**：该因子能够反映股东户数的变化，具有较高的市场预警功能[54] 因子的回测效果 主力资金因子 - **净流入**：7月15日以来主力资金净买入最多的个股为香雪制药，净流入12373.3万元[50] 龙虎榜因子 - **上榜个股**：2024年3月以来进入龙虎榜的个股包括首药控股-U、昭衍新药、泰格医药等[52] 高频股东户数因子 - **增幅最高**：股东户数增幅最高的个股为药康生物，增幅26.31%[55]

业绩总结 - DTW择时模型在2022年11月以来的样本外表现表现出色，绝对收益达11.49%[2] - DTW择时模型最新信号显示，各常见宽基指数均为空仓状态，预测涨跌幅较低[12] - DTW择时模型基于相似性思路和DTW算法，通过计算历史行情片段的未来涨跌幅和标准差来得出交易信号[10] - DTW择时模型采用DTW距离算法，相比欧氏距离更适用于时间序列问题，提高了模型效果[35]

[Table_Title] 每日复盘 证券研究报告 20240809 市场复盘：市场震荡回落，成交量创下新低 报告要点： 2024 年 8 月 9 日市场震荡回落，成交量创下新低。上证指数下跌 0.27%，深证成指下跌 0.62%，创业板指下跌 0.98%。市场成交额 5659.25 亿元，较上一交易日减少 570.79 亿元。全市场 1281 只个股上涨，3808 只 个股下跌。 风格上看，稳定、周期、消费和成长风格都出现下跌；基金重仓股指数 表现劣于基金非重仓股；成长股表现劣于价值股。 分行业看，30 个中信一级行业普遍下跌；表现相对靠前的是：房地产 （1.39%），石油石化（0.66%），银行（0.45%）；表现相对靠后的是：消费 者服务（-2.33%），传媒（-2.13%），医药（-1.66%）。概念板块方面，多数 概念板块下跌，射频及天线、房地产精选、城中村改造等板块上涨；维生 素、合成生物、CRO 等大幅走低。 资金筹码方面，主力资金 8 月 9 日净流出 87.00 亿元。其中超大单净流 出 14.16 亿元，大单净流出 72.84 亿元，中单资金净流入 3.59 亿元，小单持 续净流入 83. ...

市场趋势 - 美股中期趋势或仍向上[8][14] - 美股中期趋势或仍向上，当前或主要为资金面扰动带来的调整[140] 套息交易 - 美股存量套息交易规模约为3000亿美元，已平仓比例达76%，潜在下跌空间约为5.5%[2][6] - 典型套息交易规模约为1万亿美元，外汇衍生品市场规模无法准确测算[5] - 套息交易原理是利用日本长期低利率和日元贬值预期，通过借入日元买入高息美元资产获取收益，但近期日元升值导致套息交易反转，加剧了美股的波动[26] - 美股套息交易存量规模或已平仓76%[56] - 根据测算，套息交易平仓带动资金净流出，对标普500的潜在下跌压力幅度在5.5%左右[61] 经济展望 - 美国经济仍有韧性，就业市场仍维持较强韧性，消费表现稳健[67][72][91] - 美国居民部门杠杆率较低，降息周期开启后地产景气有望持续回升[102] - 美国政府财政扩张是支撑加息周期中经济韧性的核心因素之一[120] - 美国滚动12个月赤字率在2023年7月达到高点8.5%后，2024年以来持续回落[120] - 三季度财政扩张有望加速，进一步支撑经济韧性[132] - 美国财政部融资需求预测值历史上与该季度最终实现的财政赤字相关性较强[132] - 美国财政扩张力度走弱使得近期美国经济表现整体偏弱[120] - 美国经济腰斩风险较低，但市场已定价了年内美联储超100bp的降息幅度[140] 资金流向 - A股资金外流压制A股表现，套息交易反转有望缓解资金压力[15] - A股资金外流是2023年至今压制A股表现的重要因素之一，未来有望缓解[167] - 中美利差持续扩大，人民币汇率出现贬值趋势[167] - 存量外资出现外流趋势，国内投资者通过QDII额度购买海外资产[167] - 2021年以来，中美利差扩大，导致人民币汇率贬值，外资出现流出趋势[175] - 2021年以来，国内投资者对海外投资热情持续提升，资金从A股向海外资产流出[182] - 2023年第四季度以来，QDII ETF溢价持续走宽[188]

证券研究报告 2024 年 8 月 9 日 湘财证券研究所 金融工程研究 Alpha 策略周报 Alpha 策略与市场趋势研判周报 | --- | --- | |--------------------------------|-------------------------------------------------------------------------| | 相关研究： | 核心要点： | | 1. 《Alpha组合与期指套利策略实 | 本周 Alpha 动量组合表现（2024 年8 月5 日到2024年8月9日） | | 证研究》2010.07.09 | Alpha 动量组合在整个期间内累计下跌1.93%，而HS300同期累计下跌 | | 2. 《利用Alpha动量和反转策略研 | 1.56%，相对于 HS300 的超额收益为-0.37%。 | | 判市场走势》2011.01.16 | 本周 Alpha 反转组合表现（2024 年8 月5 日到2024年8月9日） | | | Alpha 反转组合在整个期间内累计下跌0.82%，而HS300同期累计下跌 | | | 1.56%，相对于 H ...

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]