量化因子与构建方式 1. 因子名称：量稳换手率 STR 因子 - **因子的构建思路**：从考察日频换手率稳定性的角度，构造了量稳换手率因子 STR(The Stability of Turnover Rate)[5][10] - **因子具体构建过程**：利用最简单的日频数据，同时参考 UTD 因子的研究思路，从考察"日频换手率稳定性"的角度构建[10] - **因子评价**：因子计算过程简单，且效果优秀，表现大幅优于传统换手率和换手率变化率因子[5][10] 因子的回测效果 量稳换手率 STR 因子 - 年化收益率：41.49%[3][23] - 年化波动率：14.38%[3][23] - 信息比率(IR)：2.89[3][23] - 月度胜率：77.73%[3][23] - 最大回撤率：9.96%[3][23] 5月份量稳换手率 STR 因子收益统计 - 10分组多头组合的收益率：-1.60%[4][23] - 10分组空头组合的收益率：-2.95%[4][23] - 10分组多空对冲的收益率：1.35%[4][23] 回测期 2006/01/01-2021/04/30 - 月度 IC 均值：-0.079[5] - 年化 ICIR：-2.72[5] - 10 分组多空对冲的年化收益：42.99%[5] - 年化波动：14.51%[5] - 信息比率(IR)：2.96[5] - 月度胜率：77.60%[5] - 最大回撤：11.08%[5] 传统换手率因子(Turn20)回测期 2006/01/01-2021/04/30 - 月度 IC 均值：-0.072[10] - 年化 ICIR：-2.10[10] - 多空对冲的年化收益：33.41%[10] - 信息比率(IR)：1.90[10] - 月度胜率：71.58%[10]

量化因子与构建方式 1. 因子名称：换手率分布均匀度UTD因子 - **因子的构建思路**：基于个股的分钟成交量数据，构建换手率分布均匀度UTD因子，其对股票样本的误判程度明显减弱，选股效果也大幅优于传统因子[5] - **因子具体构建过程**： - 使用个股的分钟成交量数据 - 计算每只股票的换手率分布均匀度 - 将股票按换手率分布均匀度进行分组，构建10分组多空对冲组合 - 公式：未提供具体公式[5] - **因子评价**：UTD因子对股票样本的误判程度明显减弱，选股效果大幅优于传统因子[5] 因子的回测效果 换手率分布均匀度UTD因子 - **年化收益**：20.26%[3] - **年化波动**：7.38%[3] - **信息比率（IR）**：2.74[3] - **月度胜率**：75.81%[3] - **月度最大回撤**：5.51%[3] 换手率分布均匀度UTD因子（回测期2014/01/01-2021/01/31） - **月度IC均值**：-0.047[5] - **RankIC均值**：-0.071[5] - **年化ICIR**：-2.85[5] - **年化RankICIR**：-3.93[5] - **年化收益**：21.85%[5] - **年化波动**：7.56%[5] - **信息比率（IR）**：2.89[5] - **月度胜率**：82.93%[5] - **最大回撤**：4.31%[5] 5月份换手率分布均匀度UTD因子 - **10分组多头组合的收益率**：-2.88%[4] - **10分组空头组合的收益率**：-2.07%[4] - **10分组多空对冲的收益率**：-0.82%[4]

量化因子与构建方式 1. **因子名称**：信息分布均匀度 UID 因子 - **因子的构建思路**：利用个股分钟数据，在计算每日高频波动率的基础上，构建信息分布均匀度 UID 因子[4] - **因子具体构建过程**：通过个股分钟数据计算每日高频波动率，然后基于这些数据构建信息分布均匀度 UID 因子[4] - **因子评价**：选股效果大幅优于传统波动率因子，剔除市场常用风格和行业干扰后，纯净 UID 因子仍具备不错的选股能力[5] 因子的回测效果 1. **信息分布均匀度 UID 因子** - **年化收益**：10分组多空对冲的年化收益为28.00%[2][9] - **年化波动**：年化波动为9.66%[2][9] - **信息比率（IR）**：信息比率为2.90[2][9] - **月度胜率**：月度胜率为80.65%[2][9] - **最大回撤**：月度最大回撤为5.13%[2][9] 2. **信息分布均匀度 UID 因子（5分组）** - **年化收益**：5分组多空对冲的年化收益为21.32%[5] - **年化波动**：年化波动为5.84%[5] - **信息比率（IR）**：信息比率为3.65[5] - **月度胜率**：月度胜率为83.12%[5] - **最大回撤**：最大回撤为2.18%[5] 3. **纯净 UID 因子** - **年化收益**：全市场5分组多空对冲的年化收益为12.96%[5] - **信息比率（IR）**：信息比率为2.61[5] - **月度胜率**：月度胜率为75.32%[5] - **最大回撤**：最大回撤为1.22%[5] 5月份信息分布均匀度 UID 因子收益统计 1. **多头组合收益率**：-4.29%[3][21] 2. **空头组合收益率**：-1.86%[3][21] 3. **多空对冲收益率**：-2.43%[3][21]

总量研究 北向资金大幅流入，基金抱团程度加强 -金融工程量化月报 20240604 要点 北向资金追踪： 2024 年 5 月 , 万得全 A 指数下跌 1.21%，北向资金净流入 87.79 亿元，其中沪股通净流入 158.73 亿元，深股通净流入-70.94 亿元。 从行业变动看，上月（2024年５月，下同），中信一级行业多数下跌。电力及 公用事业行业股价上月上涨，获得北向资金最大规模净流入。银行行业股价同样 上涨，亦获得北向资金较大规模加仓。传媒行业股价上月跌幅最高，北向资金减 仓幅度较高；汽车行业遭受北向资金最大规模净流出。 上月，交易盘和配置盘资金分歧加大，配置盘资金再度净流出，净流出规模环比 上月扩大；交易盘资金则延续净流入，净流入规模接近 300 亿元。行业配置思 路上，共识方面，配置盘和交易盘均加仓银行、有色金属行业，二者在电子、电 力设备及新能源等行业分歧较大。 市场情绪追踪：上涨家数占比指标最近一个月震荡下行，上涨家数占比低于 50%，市场情绪仍待修复。从动量情绪指标走势来看，快线拐头向上，处于慢线 上方，预计在未来一段时间内将维持看多观点。 基金分离度眼踪: 截至 2024年 5 月 3 ...

金融衍生品周度报告 2024年6月3日 期债长周期回升 □ 截至5月31日当周,四大期指小幅回落,IH2406下跌0.48%, IF2406下跌0.67%，IC2406下跌0.09%，IM2406上涨0.10%。资 金面上0M0净投放6040亿元维护跨月，资金利率水平偏低。 两融数据再度走弱,市场成交缩量,叠加海外市场回调,观 望情绪再次提升。 □ 跨品种比值震荡,受到电子、部分周期行业带动,IC/IH比值 回升至2.15。持仓量方面,周内波动上升且有所分化,IC和 IM升幅大于IF和IH，目前IM相对维持在较高位置。 □ 估值指标来看,当前沪深300市盈率倒数-10年国债利率处于 过去五年82%的分位点:沪深300股息率/10年国债利率处于 过去五年83%的分位点。相对债市来说,股市依然具有性价 比。 □ 从高频宏观基本面因子评分来看,期指方面,通胀指标2分, 流动性指标4分，估值指标4分，市场情绪指标1分。期债方 面,通胀指标9分,流动性指标7分,市场情绪指标9分。期 现价差方面,主力合约上,本周基差贴水仍在偏高水平震荡, 显示避险需求仍偏高;远月合约贴水幅度小幅收窄。 □ 金融衍生品量化CTA策略上周净 ...

证券研究报告 · 金融工程 · 金工定期报告 金工定期报告 20240603 预期高股息组合跟踪-20240531 投资要点 ■ 预期高股息組合:东吴金工团队采用两阶段构建硕期股息率指标,第一 阶段根据年报公告利润分配情况计算股息率,第二阶段利用历史分红与 基本面指标预测并计算股息率。进一步用两个短期影响股息率的重要因 素--反转因子与盈利因子辅助筛选,利用在沪深 300 成份股中优选,构 建预期高股息组合。组合每期持仓股票30只,每月底调仓一次。 ■ 预期高股息组合 5月表现回顾:预期高股息组合在 2024年5月持仓股 票的平均收益为 2.42%,其基准沪深 300指数 5月涨跌幅为-0.68%,组 合跑赢沪深 300 指数 3.09%。 ■ 2024年6月组合最新持仓明细: | --- | --- | --- | --- | |-------|-----------|----------|--------------| | 序号 | 股票代码 | 股票简称 | 申万一级行业 | | 1 | 688303.SH | 大全能源 | 电力设备 | | 2 | 000983.SZ | 山西焦煤 | 煤炭 | | ...

金融工程月报 券商金股 2024 年 6 月投资月报 核心观点 券商金股股票池上月回顾 2024年５月,降盛科技、豪鹏科技、湖南黄金等券商金股股票的月度上涨 幅度靠前。 2024年5月,长江证券、国海证券、东吴证券收益排名前三,月度收益分 别为 2.83%、1.84%、1.52%，同期偏股混合型基金指数收益-1.14%，沪深 300 指数收益-0.68%。 2024 年以来，国联证券、国信证券、长江证券收益排名前三，年度收益分 别为 14.62%、10.79%、10.33%，同期偏股混合型基金指数收益-2.23%, 沪深 300 指数收益 4.34%。 券商金股股票池中选股因子表现 最近一个月,SUR、EPTTM、预期股息率表现较好,单季度超预期幅度、 日内收益率、单季度净利润增速表现较差; 今年以来，分析师净上调幅度、剥离涨停动量、EPTTM 表现较好，总市值、 日内收益率、盈余公告后跳空超额表现较差。 券商金股股票池本月特征 截至 2024年 6 月 3 日,共有 49 家券商发布本月金股。在对券商金股股票 池进行去重后，总共有 311 只 A 股。 从绝对占比来看,本期券商金股在电子(8.76%)、计算 ...

N 偏达证券 Research and Development Center 震荡调整中的结构性机会 量化市场追踪周报 (2024W21) 2024 年 6 月 2 日 证券研究报告 金工研究 金工定期报告 | --- | |---------------------------| | 于明明 金融工程与金融产品 | | | 执业编号: S1500521070001 联系电话:+8618616021459 邮 箱: yumingming@cindasc.com 钟晓天 金融工程与金融产品 联席首席分析师 执业编号: S1500521070002 联系电话:+86 15121013021 邮 箱:zhongxiaotian@cindasc.com 董方炜 金融工程与金融产品 分析师 执业编号: S1500522050001 联系电话：+86 13501966827 邮 箱: dongfangwei@cindasc.com 吴彦锦 金融工程与金融产品 分析师 执业编号： S1500523090002 联系电话:+8618616819227 邮 箱:wuyanjin@cindasc.com 周君寨 金融工程与金融产 ...

量化模型与构建方式 1. 模型名称：行业四轮驱动模型 - 模型构建思路：通过行业轮动信号，结合既有规则，识别出具有投资机会的行业[5][8] - 模型具体构建过程： 1. 识别行业轮动信号 2. 结合既有规则进行筛选 3. 建议关注有色金属、通信、电子、传媒、计算机等板块的机会[5][8] - 模型评价：该模型通过多重信号和规则的结合，能够有效识别出具有潜在投资机会的行业[5][8] 2. 模型名称：全天候择时模型 - 模型构建思路：通过全天候的市场数据分析，识别市场的择时机会[7] - 模型具体构建过程： 1. 收集全天候市场数据 2. 进行数据分析，识别市场的择时信号 3. 根据信号进行市场操作建议[7] - 模型评价：该模型通过全天候的数据分析，能够提供较为全面的市场择时建议[7] 量化因子与构建方式 1. 因子名称：势能因子 - 因子的构建思路：通过个股的走势形态，识别出具有较好表现的个股[5][8] - 因子具体构建过程： 1. 收集个股的走势形态数据 2. 计算个股的势能因子值 3. 排序并筛选出表现较好的个股[5][8] - 因子评价：该因子能够有效识别出在过去一段时间内表现较好的个股，具有较高的实用性[5][8] 模型的回测效果 1. 行业四轮驱动模型 - 指标值：未提供具体数值 2. 全天候择时模型 - 指标值：未提供具体数值 因子的回测效果 1. 势能因子 - 指标值：未提供具体数值

量化模型与构建方式 1. 主动风险预算模型 - **模型名称**：主动风险预算模型 - **模型构建思路**：将风险平价模型与主动信号结合，动态调整股票与债券的配置权重，以优化组合的风险收益比[7][12] - **模型具体构建过程**： 1. **股债横向比价维度**：借鉴美联储FED模型，定义股权风险溢价ERP为： $$ E R P = {\frac{1}{P E_{t t m}}} - Y T M_{T B}^{10Y} $$ 其中，PEttm为中证800市盈率ttm，YTM为10年期国债到期收益率。当ERP > 5%时超配权益资产，当ERP < 2%时低配权益资产[13][14] 2. **股票纵向估值水平维度**：滚动窗口计算股票估值在近5年历史中的分位数，当估值分位数位于25%之下时超配权益资产，反之当估值分位数位于75%之上时低配权益资产[28] 3. **市场流动性维度**：M2与M1的差额为准货币，当M2-M1≥5%时，市场流动性宽松，超配权益资产；当M2-M1≤-5%时，市场流动性收紧，低配权益资产[42] 4. **信号汇总与仓位调整**：将三个维度的信号汇总，代入softmax函数，计算权益仓位的变化： $$ s o f t m a x(x) = {\frac{\exp(\lambda x)}{\exp(\lambda x) + \exp(-\lambda x)}} $$ 其中，x为权益汇总信号，λ为风险调整系数[57][58] - **模型评价**：通过多维度动态调整资产配置，能够更灵活地应对市场变化，优化组合的风险收益比[12][57] 2. 行业轮动模型 - **模型名称**：行业轮动模型 - **模型构建思路**：从交易行为、资金面、基本面三个维度出发，构建6个行业轮动子模型，对一级行业指数进行打分，优选行业[98] - **模型具体构建过程**： 1. **交易行为维度**：由黄金率模型和龙头股模型组成，捕捉行业日内动量+隔夜反转效应和行业内龙头股领先、普通股滞后效应[112] 2. **资金面维度**：由北向双轮驱动模型和机构资金流模型组成，捕捉高活跃成交+高净流入特征的外资偏好和超大单抢筹+小单退出的供需特征[113] 3. **基本面维度**：由历史景气度模型与预期景气度模型组成，捕捉行业上的盈余动量效应和行业的戴维斯双击效应[113] - **模型评价**：通过多维度综合打分，能够更全面地评估行业的投资价值，提升行业轮动策略的有效性[98][113] 模型的回测效果 主动风险预算模型 - **年化收益率**：6.29%[8] - **最大回撤**：4.89%[8] - **收益波动比**：1.61[8] - **收益回撤比**：1.29[8] 行业轮动模型 - **5月组合平均收益率**：-1.73%[171] - **5月基准组合收益率**：-2.37%[171] - **5月超额收益率**：0.65%[171] 量化因子与构建方式 1. 股权风险溢价因子（ERP） - **因子名称**：股权风险溢价因子（ERP） - **因子的构建思路**：通过股权风险溢价ERP来衡量股债横向比价，指导权益资产的配置[13] - **因子具体构建过程**： $$ E R P = {\frac{1}{P E_{t t m}}} - Y T M_{T B}^{10Y} $$ 其中，PEttm为中证800市盈率ttm，YTM为10年期国债到期收益率[14] - **因子评价**：能够有效捕捉股债市场的相对价值变化，指导资产配置[13][14] 2. 股票估值分位数因子 - **因子名称**：股票估值分位数因子 - **因子的构建思路**：通过滚动窗口计算股票估值在历史中的分位数，指导权益资产的配置[28] - **因子具体构建过程**：滚动窗口计算股票估值在近5年历史中的分位数，当估值分位数位于25%之下时超配权益资产，反之当估值分位数位于75%之上时低配权益资产[28] - **因子评价**：能够动态反映股票市场的估值水平，指导资产配置[28] 3. 市场流动性因子 - **因子名称**：市场流动性因子 - **因子的构建思路**：通过M2与M1的差额反映市场流动性，指导权益资产的配置[42] - **因子具体构建过程**：当M2-M1≥5%时，市场流动性宽松，超配权益资产；当M2-M1≤-5%时，市场流动性收紧，低配权益资产[42] - **因子评价**：能够有效捕捉市场流动性的变化，指导资产配置[42] 因子的回测效果 股权风险溢价因子（ERP） - **5月信号**：看多[77] - **6月信号**：看多[77] 股票估值分位数因子 - **5月信号**：中性[77] - **6月信号**：中性[77] 市场流动性因子 - **5月信号**：看多[77] - **6月信号**：看多[77]