市场表现 - 本周北向资金净卖出147.6亿元人民币，两融余额减少83亿元[14] - 沪深300ETF、红利ETF基金本周净流入居前[17] - 电力设备及新能源、纺织服装、机械、轻工制造、有色金属、农林牧渔景气度边际提升居前[16] - 沪深300偏悲观、创业板指偏乐观，创业板指数快慢线差值在2024年7月11日触发金叉信号[15] - 本周市场总体表现下跌，沪深300指数快慢线差值在2024年3月26日触发金叉信号[20] - 本周全球股市整体表现下跌，沪深300指数下跌1.56%，创业板指数下跌2.6%，上证50下跌1.1%[49] 资金流向 - 北向资金本周表现净卖出，成交额下降，北向资金净卖出147.6亿元人民币，两融余额减少83亿元[29] - 沪深300指数快慢线差值在2024年3月26日触发金叉信号，本周继续回落，空头比例较大[30] - 创业板指快慢线差值在2024年7月11日触发金叉信号，本周继续上升，但指数下跌[31] 行业情况 - 行业扩散指数排名前六的中信一级行业分别是银行、家电、电力及公用事业、煤炭、石油石化、有色金属[32] - 中信一级行业中融资余额上升最多的五个行业分别是消费者服务、非银行金融、银行、轻工制造、交通运输[36] - 今年中信一级行业涨跌幅居前的有银行、电力及公用事业、交通运输，涨跌幅居后的有综合、计算机、传媒[94] ETF资金流向 - 宽基ETF中，沪深300ETF流入居前，行业ETF中，红利ETF基金流入居前[33] - 宽基ETF中，沪深300ETF、上证50ETF等净流入较多，中证1000ETF、中证500ETF等净流出较多[70] - 本周宽基 ETF 净流出前十中，中证1000ETF净流出最多，达10.70亿元，净流出排名第一[81] 个股情况 - 个股净流入居前的有东山精密、贵州茅台、紫金矿业、中国船舶、深南电路[37] - 本周净流入个股分布中，净流入居前的有东山精密(7.54)、贵州茅台(7.14)、紫金矿业(6.74)、中国船舶(3.39)、深南电路(3.3)、宇通客车(2.41)、百济神州-U(2.38)、药明康德(2.37)、长电科技(2.2)、福斯特(2.16)[117] - 北向资金周度个股净流入前50中，贵州茅台净流入最高，达到7.14亿人民币，占据食品饮料行业首位[118]

2024 年 8 月 11 日 总量研究 左侧区间仍需稳步蓄势 ——金融工程市场跟踪周报 $$2 0 2 4 0 8 1 1$$ 要点 本周市场核心观点与市场复盘： 本周（2024.08.05-2024.08.09，下同）市场震荡回调，中证 1000 领跌主要宽基 指数。行业表现方面，食品饮料、房地产涨幅居前；计算机、国防军工、电子、 通信领跌。量能表现方面，本周各宽基指数量能均出现收缩，截至 8 月 9 日， 主要宽基指数量能择时指标均呈现谨慎信号。资金面方面，北向资金呈现周度净 流出，配置盘净流出规模超百亿；股票型 ETF 持续净流入，宽基 ETF 仍为净流 入主要方向。 从近期市场交易特征、资金面偏好来看，市场交易风格没有明显改善。中长线资 金仍为当前市场托底的重要力量，资金面持续性、市场风险偏好的改善仍是下一 阶段决定方向的重要变量。短期关注政策面存在支撑或改善的方向，中长线关注 成长风格的相对机会。 本周市场各宽基指数普遍下跌。上证综指下跌 1.10%，上证 50 下跌 1.56%，沪 深 300 下跌 1.43%，中证 500 下跌 2.23%，中证 1000 下跌 2.60%，创业板指 下跌 2 ...

市场表现 - 沪深300、中证500、中证800等指数的涨幅分别为-1.43%、-1.53%、-2.23%[9] - 行业表现中，房地产、食品饮料、建筑材料等行业的涨跌幅度分别为-6%、4%、3%[36] 估值数据 - 沪深300的PE为11.2倍，位于历史19%分位，创业板指的PE为23.8倍，接近历史0%分位[39][42][45] - 主要指数PE统计显示，中证全指的PE为29.2倍，上证指数的PE为18.7倍[52] - 行业估值变动跟踪中，房地产、医药生物、银行等行业的PE分别为115.25倍、71.1倍、59.7倍[61][64][70] 市场情绪指标 - 市场情绪之新高新低占比指标显示PB_LF分别为1.9、2.8、4.6[75] - 市场情绪之新高新低占比指标显示PB分位数分别为0.5、1.3、1.6、2.8[76] - 市场情绪之新高新低占比指标显示PB分位数分别为1.7、2.3、2.8[77] ETF规模 - ETF分类规模为20244.33亿元，其中宽基ETF和主题ETF规模较大[114] 宏观因子趋势 - 宏观因子趋势对权益市场一个月影响的观点包括：PMI震荡，CPI同比看多，社融存量同比震荡，10年期国债收益率看多，美元指数看多[133]

- **流通股本收益率因子** - 因子构建思路：流通股本收益率衡量投资者平均赚钱效应[8] - 因子的公式：无 - 文章对因子的评价：当前银行板块的赚钱效应最强，处于历史95%分位水平，获利比率在所有行业中也处于最高水平[8] - **获利盘比率因子** - 因子构建思路：无 - 因子的公式：无 - 文章对因子的评价：无 - **超跌反弹信号因子** - 因子构建思路：无 - 因子的公式：无 - 文章对因子的评价：当前暂无明显的超跌反弹信号[33] - **平台突破信号因子** - 因子构建思路：无 - 因子的公式：无 - 文章对因子的评价：当前暂无行业出现平台突破信号[37] - **顶部预警信号因子** - 因子构建思路：无 - 因子的公式：无 - 文章对因子的评价：在5月底以中证红利指数为代表的高股息板块出现顶部预警信号，近期暂无行业板块发出顶部预警信号[41] - **股价抛压因子** - 因子构建思路：无 - 因子的公式：无 - 文章对因子的评价：大消费板块的股价抛压较小，银行和地产等短期抛压在所有行业中也相对较小[47] 因子的具体指标值 - **流通股本收益率因子** - 流通股本收益率：银行板块处于历史95%分位水平[8] - **超跌反弹信号因子** - 后5日平均收益率：4.56%[35] - 持有5日胜率：71%[35] - 盈亏比：1.87[35] - 后10日平均收益率：7.22%[35] - 持有10日胜率：62%[35] - 盈亏比：1.66[35] - 平均持有交易日：5.2[35] - 平均持有收益：6.30%[35] - 胜率：76%[35] - 盈亏比：2.3[35] - **平台突破信号因子** - 后5日平均收益率：3.30%[39] - 持有5日胜率：62%[39] - 盈亏比：1.45[39] - 后10日平均收益率：5.10%[39] - 持有10日胜率：61%[39] - 盈亏比：1.70[39] - 平均持有交易日：9[39] - 平均持有收益：6.77%[39] - 胜率：60%[39] - 盈亏比：2.15[39]

量化模型与构建方式 1. 成长价值风格轮动模型 - **模型构建思路**：基于量化经济中周期分析框架，结合盈利周期、利率周期和信贷周期的变化来判断成长和价值风格的配置比例[73] - **模型具体构建过程**： - **基本面**：盈利周期斜率低利好价值，利率周期水平偏低利好成长，信贷周期走弱利好价值[73] - **估值面**：成长价值PE估值差10年分位数为7.79%，PB估值差10年分位数为13.22%，估值差均值回归上行中利好成长，估值差回落至偏低位置利好均衡[73] - **情绪面**：成长价值换手差10年分位数为5.00%，波动差10年分位数为75.05%，换手差偏低利好价值，波动差均值回归下行中利好价值[73] - **模型评价**：该模型通过综合基本面、估值面和情绪面信号，提供了较为全面的风格轮动策略[73] 2. 小盘大盘风格轮动模型 - **模型构建思路**：基于量化经济中周期分析框架，结合盈利周期、利率周期和信贷周期的变化来判断小盘和大盘风格的配置比例[79] - **模型具体构建过程**： - **基本面**：盈利周期斜率低利好大盘，利率周期水平偏低利好小盘，信贷周期走弱利好大盘[79] - **估值面**：小盘大盘PE估值差10年分位数为31.53%，PB估值差10年分位数为32.72%，估值差均值回归上行中利好小盘[79] - **情绪面**：小盘大盘换手差10年分位数为9.77%，波动差10年分位数为89.24%，换手差偏低利好大盘，波动差均值回归下行中利好大盘[79] - **模型评价**：该模型通过综合基本面、估值面和情绪面信号，提供了较为全面的小盘大盘风格轮动策略[79] 3. 四风格轮动模型 - **模型构建思路**：结合成长价值和小盘大盘轮动模型的结论，确定四种风格的配置比例[85] - **模型具体构建过程**： - **配置比例**：小盘成长0%、小盘价值25%、大盘成长25%、大盘价值50%[85] - **模型评价**：该模型通过综合成长价值和小盘大盘轮动模型的信号，提供了更为细化的风格配置策略[85] 模型的回测效果 成长价值风格轮动模型 - **年化收益率**：11.43%[75] - **年化波动率**：20.55%[78] - **最大回撤**：43.07%[78] - **夏普比率**：0.5328[78] - **收益回撤比**：0.2654[78] - **月度胜率**：60.00%[78] - **季度胜率**：61.70%[78] 小盘大盘风格轮动模型 - **年化收益率**：10.47%[80] - **年化波动率**：22.69%[83] - **最大回撤**：50.65%[83] - **夏普比率**：0.4652[83] - **收益回撤比**：0.2067[83] - **月度胜率**：62.86%[83] - **季度胜率**：57.45%[83] 四风格轮动模型 - **年化收益率**：12.37%[85] - **年化波动率**：21.38%[86] - **最大回撤**：47.79%[86] - **夏普比率**：0.5599[86] - **收益回撤比**：0.2588[86] - **月度胜率**：61.43%[86] - **季度胜率**：63.83%[86]

证 券 研 究 报 告 金融工程周报 流动性风险暂未恶化， A股避风港地位仍未凸显，资金仍有反复 全球资金流向跟踪2024W33 报告日期：2024年08月10日 | --- | --- | --- | --- | |-------------------------------|-------|-------|-------| | | | | | | ◼ 分析师：吕思江 | | | | | ◼ SAC 编号： S1050522030001 | | | | | | | | | | ◼ 分析师：马晨 | | | | | ◼ SAC 编号： S1050522050001 | | | | 投 资 要 点 资金流动概况： 截至8月7日，本周股票流入97亿美元，债券流入100亿美元，现金流入807亿美元，黄金流出3.6亿美元，加密货 币流出0.8亿美元。 债券与黄金的资金流动： 截至8月7日，债券净流入100亿美元，今年以来持续净流入，流入金额连续三周下降。国债单周净流入44亿美元， 连续14周净流入，单周流入金额持续回升。投资级债券单周净流入118亿美元，自2月至今保持连续净流入，单周 流入金额较前一周略有上升。高收 ...

量化因子与构建方式 1. **市场因子** - 构建思路：市场因子是多因素模型中的一个基本因子，用于解释市场整体的收益波动[302] - 公式：$ r_{t}=\alpha_{t}+\beta_{1}factor_{1}+\cdots+\beta_{n}factor_{n}+\varepsilon_{t} $[303] 2. **情绪因子** - 构建思路：情绪因子用于捕捉投资者情绪对市场的影响[304] 3. **规模因子** - 构建思路：规模因子用于解释不同规模公司股票的收益差异[311] 4. **价值因子** - 构建思路：价值因子通过市盈率（PE）、市净率（PB）等指标来衡量股票的价值[312] - 具体指标：PE、PB、PS、EV/EBIDTA[312] 5. **盈利因子** - 构建思路：盈利因子通过净利润增长、ROE等指标来衡量公司的盈利能力[312] - 具体指标：净利润增长、ROE、ROA[312] 6. **动量因子** - 构建思路：动量因子通过股票价格的历史表现来预测未来的价格走势[312] - 具体指标：1M Price、3M Price、6M Price、12M Price[312] 7. **风险因子** - 构建思路：风险因子通过财务杠杆、持股集中度等指标来衡量公司的风险水平[316] - 具体指标：财务杠杆、持股集中度、利息覆盖倍数[316] 8. **GARP因子** - 构建思路：GARP策略结合了价值和成长因子，兼顾股票的成长性和估值[572] - 具体指标：ROE、EPS变动、毛利率、EV/Sales、PE、PEG、EV/EBITDA、PB、分红率[588][590] 因子的回测效果 1. **信息比率（IR）** - 市场因子：0.7[409] - 情绪因子：0.5[409] - 规模因子：0.6[409] - 价值因子：0.8[409] - 盈利因子：0.9[409] - 动量因子：0.7[409] - 风险因子：0.5[409] - GARP因子：0.9[409] 2. **月度收益率** - 市场因子：1.1%[643] - 情绪因子：1.0%[643] - 规模因子：1.2%[643] - 价值因子：1.3%[643] - 盈利因子：1.4%[643] - 动量因子：1.1%[643] - 风险因子：1.0%[643] - GARP因子：1.3%[643] 3. **累计超额收益** - 市场因子：300%[486] - 情绪因子：250%[486] - 规模因子：280%[486] - 价值因子：350%[486] - 盈利因子：320%[486] - 动量因子：300%[486] - 风险因子：250%[486] - GARP因子：330%[486]

金融工程 | 动态跟踪 报告发布日期 2024 年 08 月 11 日 分红对期指的影响 20240809 研究结论 ⚫ 上市公司已逐步公布分红信息，截止 8 月 9 日，上证 50 成分股中，47 家实施，3 家 股东大会通过；沪深 300 成分股中，273 家实施，26 家股东大会通过，1 家董事会 预案；中证 500 成分股中，427 家实施，71 家股东大会通过，2 家董事会预案；中 证 1000 成分股中，789 家实施，210 家股东大会通过，1 家董事会预案。 ⚫ 根据我们的最新预测模型，上证 50、沪深 300、中证 500、中证 1000 指数 8 月合 约的分红点数分别为 1.67、3.97、2.72、4.94 。若考虑空头对冲并持有股指期货合 | --- | --- | --- | --- | --- | --- | --- | |------------------------|---------------|----------------------------------------------------------------------------------|------ ...

量化模型与构建方式 1. 模型名称：沪深300指数增强组合 - 模型构建思路：通过增强组合策略，获取超额收益[91] - 模型具体构建过程：基于沪深300指数，采用多因子选股策略，构建增强组合[91] - 模型评价：该模型在今年以来表现出色，超额收益显著[91] 2. 模型名称：中证500指数增强组合 - 模型构建思路：通过增强组合策略，获取超额收益[91] - 模型具体构建过程：基于中证500指数，采用多因子选股策略，构建增强组合[91] - 模型评价：该模型在今年以来表现出色，超额收益显著[91] 3. 模型名称：中证1000指数增强组合 - 模型构建思路：通过增强组合策略，获取超额收益[91] - 模型具体构建过程：基于中证1000指数，采用多因子选股策略，构建增强组合[91] - 模型评价：该模型在今年以来表现出色，超额收益显著[91] 4. 模型名称：中证2000指数增强组合 - 模型构建思路：通过增强组合策略，获取超额收益[91] - 模型具体构建过程：基于中证2000指数，采用多因子选股策略，构建增强组合[91] - 模型评价：该模型在今年以来表现出色，超额收益显著[91] 5. 模型名称：“预期惯性”组合 - 模型构建思路：通过分析师预期与动量、估值之间的关系，构建预期类因子[130] - 模型具体构建过程：基于分析师预期数据，构建预期惯性因子，进行多空对冲和多头超额策略[130] - 模型评价：该模型在今年以来表现出色，净值稳定向上[130] 模型的回测效果 1. 沪深300指数增强组合 - 8月绝对收益：-3.09%[100] - 8月超额收益：0.12%[100] - 今年以来绝对收益：3.58%[100] - 今年以来超额收益：6.48%[100] - 最近一年绝对收益：-8.60%[100] - 最近一年超额收益：7.43%[100] 2. 中证500指数增强组合 - 8月绝对收益：-3.10%[100] - 8月超额收益：0.30%[100] - 今年以来绝对收益：-7.92%[100] - 今年以来超额收益：5.14%[100] - 最近一年绝对收益：-17.37%[100] - 最近一年超额收益：4.25%[100] 3. 中证1000指数增强组合 - 8月绝对收益：-3.98%[100] - 8月超额收益：-0.16%[100] - 今年以来绝对收益：-18.08%[100] - 今年以来超额收益：2.04%[100] - 最近一年绝对收益：-25.22%[100] - 最近一年超额收益：1.54%[100] 4. 中证2000指数增强组合 - 8月绝对收益：-2.62%[100] - 8月超额收益：0.30%[100] - 今年以来绝对收益：-23.08%[100] - 今年以来超额收益：2.57%[100] - 最近一年绝对收益：-21.61%[100] - 最近一年超额收益：3.84%[100] 5. “预期惯性”组合 - 8月绝对收益：-1.97%[100] - 8月超额收益：1.43%[100] - 今年以来绝对收益：-16.50%[100] - 今年以来超额收益：-3.44%[100] - 最近一年绝对收益：-23.61%[100] - 最近一年超额收益：-1.99%[100] 量化因子与构建方式 1. 因子名称：适度冒险因子 - 因子的构建思路：基于成交量激增时刻的alpha信息[114] - 因子具体构建过程：通过高频数据计算成交量激增时刻的alpha信息，并进行月度频率平滑处理[114] - 因子评价：该因子在月度频率上有较为出色的选股能力[114] 2. 因子名称：完整潮汐因子 - 因子的构建思路：基于个股成交量的潮汐变化[114] - 因子具体构建过程：通过高频数据计算个股成交量的潮汐变化，并进行月度频率平滑处理[114] - 因子评价：该因子在月度频率上有较为出色的选股能力[114] 3. 因子名称：勇攀高峰因子 - 因子的构建思路：基于个股波动率的变动[114] - 因子具体构建过程：通过高频数据计算个股波动率的变动，并进行月度频率平滑处理[114] - 因子评价：该因子在月度频率上有较为出色的选股能力[114] 4. 因子名称：球队硬币因子 - 因子的构建思路：基于个股动量效应的识别[114] - 因子具体构建过程：通过日频数据计算个股动量效应，并进行月度频率平滑处理[114] - 因子评价：该因子在月度频率上有较为出色的选股能力[114] 5. 因子名称：云开雾散因子 - 因子的构建思路：基于波动率的波动率与投资者模糊性厌恶[114] - 因子具体构建过程：通过高频数据计算波动率的波动率，并进行月度频率平滑处理[114] - 因子评价：该因子在月度频率上有较为出色的选股能力[114] 6. 因子名称：飞蛾扑火因子 - 因子的构建思路：基于个股股价跳跃及其对振幅因子的改进[114] - 因子具体构建过程：通过高频数据计算个股股价跳跃，并进行月度频率平滑处理[114] - 因子评价：该因子在月度频率上有较为出色的选股能力[114] 7. 因子名称：草木皆兵因子 - 因子的构建思路：基于显著效应、极端收益扭曲决策权重[114] - 因子具体构建过程：通过高频数据计算显著效应和极端收益，并进行月度频率平滑处理[114] - 因子评价：该因子在月度频率上有较为出色的选股能力[114] 8. 因子名称：水中行舟因子 - 因子的构建思路：基于个股成交额的市场跟随性[114] - 因子具体构建过程：通过高频数据计算个股成交额的市场跟随性，并进行月度频率平滑处理[114] - 因子评价：该因子在月度频率上有较为出色的选股能力[114] 9. 因子名称：花隐林间因子 - 因子的构建思路：基于推动个股价格变化的因素分解[114] - 因子具体构建过程：通过高频数据计算推动个股价格变化的因素，并进行月度频率平滑处理[114] - 因子评价：该因子在月度频率上有较为出色的选股能力[114] 10. 因子名称：待著而救因子 - 因子的构建思路：基于大单成交后的跟随效应[114] - 因子具体构建过程：通过高频数据计算大单成交后的跟随效应，并进行月度频率平滑处理[114] - 因子评价：该因子在月度频率上有较为出色的选股能力[114] 11. 因子名称：综合量价因子 - 因子的构建思路：将

证券研究报告 金工 | --- | --- | --- | |-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|---------------------------------|-----------------------------------------| | 风险大幅释放，静待市场蓄势 | | | | 华泰研究 | 研究员 SAC No. S0570516010001 | 林晓明 linxiaoming@htsc.com | | 2024 年 8 月 11 日│中国内地 量化投资周报 | SFC No. BPY421 | +(86) 755 8208 0134 | | 上周海外风险资产波动趋缓，本轮回调或使市场资金结构发 ...