美联储政策转向 - 美联储主席鲍威尔在杰克逊霍尔年会释放鸽派信号，强调就业下行风险上升，通胀风险相对有限[2] - 美联储废除2020年以来的平均通胀目标制，恢复2%通胀目标框架，但保留就业目标[2][9] - 市场对9月降息概率推升至约90%，纳斯达克与标普500指数随之上涨[2][9] 就业市场数据 - 近三个月月均新增就业仅3.5万个，表明劳动力需求显著减弱[26] - 初请失业金人数（4周移动平均）升至20.5-25.0万人范围，续请失业金人数（4周移动平均）升至180-198万人范围[14] - 就业市场呈现供需双弱格局，招聘率下降而解雇率维持低位[3] 经济与通胀指标 - 美国8月NAHB住房市场指数降至32，接近十年低点[10][15] - 7月成屋销售数量虽重回400万套上方，但仍处长期低位[10][12] - 日本CPI同比增速有所回落，核心CPI（不含食品和能源）同比增速波动[16][17] 风险提示 - 若就业数据大幅好转且关税成本向消费端传导，可能导致通胀超预期并影响降息节奏[4][31]

核心观点 - 美联储降息预期将助力A股继续上行 通过短期资本流动和长期基本面改善双重机制推动市场 [3][4][30][31] - 科技成长板块尤其是TMT行业迎来估值修复机会 受益于国产算力替代逻辑和产业积极变化 [4][5][31] - 量化择时模型强烈看好后市 提示满仓操作且2024年以来获得7.33%超额收益 [16][20][22] 市场表现回顾 - 主要股指全线上涨 科创50整周大涨13.31% 周五单日涨幅达8.59% [3][12] - 风格层面出现反转 周期风格强势反弹 消费风格涨幅落后 大盘风格优于中小盘 [3][12] - 核心资产表现突出 宁组合上涨4.51% 茅指数上涨3.71% [3][12] - TMT行业领涨 通信行业上涨10.84% 电子行业上涨8.95% 计算机行业上涨7.93% [4][13] A股高频数据跟踪 - 动态HMM择时模型基于隐马尔科夫链与动态调制构建 截至8月22日强烈看好后市并提示满仓操作 [16][19] - 该模型在2024年以来测试集中获得7.33%超额收益 通过下行风险暴露管理和凯利权重优化实现稳健收益 [20][22] - 个人投资者情绪指数7日移动平均数报-9.4% 较8月17日的7.4%明显下降 但与市场走势保持强关联性 [21][24] - 融资盘延续净流入趋势 成交占比维持高位 达到9.24行情以来最高活跃程度 [25][26] - 银行股红利性价比不足 当前股债差异补偿仅0.55% 低于1%的最低要求 静态股息率视角进入"鱼尾"阶段 [27][29] 后市展望及投资观点 - 美联储降息通过短期资本流动渠道缓解中美利差压力 银行代客结售汇顺差有望扩大 提升中国资产吸引力 [4][30] - 长期基本面改善体现在：全球政策利率空间打开带动消费投资需求复苏 缓解出口压力；国内降息预期增强有助于逆转居民去杠杆进程 减轻地产拖累和地方政府化债压力 [4][31] - 配置建议侧重个股α逻辑 重点关注科技成长板块估值修复机会 包括AI应用、算力链和光模块等TMT方向 [5][31]

报告行业投资评级 未提及 报告的核心观点 - 8月中旬起连续两周债市调整，信用债跌幅超7月底上一轮调整幅度，跌出性价比 [3][36] - 交易盘卖出并换仓高流动性品种，配置盘逢调整买入中短债但需求不强 [36] - 策略上流动性为王，3 - 5年银行二级资本债有参与机会，1 - 3年弱资质城投下沉可参与，超长久期策略不确定性高 [3][36] 各部分总结 债市调整情况 - 8月中旬起连续两周债市调整，上周调整超预期，信用债跌幅高于利率，股债“跷跷板”效应发力，债市对基本面指标钝化，收益率上行 [1][9] - 2025年8月18 - 22日，各期限国债、中票、城投债等收益率上行，超长期限信用债跌幅多数超同期限利率债，流动性好的二永超长债跌幅低，超长城投债跌幅大 [9][10][11] 二永债情况 - 行情同步走弱，“波动放大器”特征不明显，1Y - 5Y跌幅与普信债类似，超长期限与超长信用债跌幅差距接近 [2][16] - 1年以内、7年及以上曲线平坦，2 - 6年陡峭化最高，3年以上部分离2025年以来收益率最低点差25BP - 35BP，3年以上收益率点位突破新高 [16] - 8月第二周情绪最悲观，上周边际情绪好转，成交幅度显示主线交易行情指向模糊 [18][19] 超长期限信用债情况 - 机构卖盘行情连续两周走强，上周出售心态更急迫，折价幅度增大，市场买入意愿弱，高活跃度成交以短期限地产、金融瑕疵个券为主 [2][20][24] 机构行为情况 - 公募等交易盘持续卖出但换仓而非全面减持，减持3 - 5年国股行二级债，增持1 - 3年二级资本债，对弱资质城投卖出意愿低 [29] - 理财、保险等配置盘逢调整适度买入，以3年及以内品种为主，8月以来理财负债端增幅有限，需求不强但非全面赎回 [3][29] 信用债ETF类产品情况 - 最近两周市场调整中表现一般，规模增速和净值表现疲弱，规模缩水，单位净值亏损且上周亏损规模增大，换手率均值降至新低点 [33]

投资评级 - 维持"买入"评级 [2][9] 核心观点 - 北美云服务厂商资本开支同比快速增长，高端AI服务器需求激增，带动公司业绩增长 [6] - 公司上半年实现营业收入3607.60亿元，同比增长35.58%，归母净利润121.13亿元，同比增长38.61% [5][6] - GB200系列良率持续改善，GB300下半年步入实质性出货阶段，明年有望成为AI服务器业务重要盈利支撑点 [7] - 精密机构件出货量同比增长17%，800G高速交换机营收较2024全年增长近三倍 [8] - 预计2025/2026/2027年营业收入分别为8829.2/12358.4/16680.9亿元，归母净利润分别为334.3/475.2/623.9亿元 [9] 财务表现与预测 - 2024年营业收入6091.35亿元，同比增长27.88%，预计2025年增长44.95%至8829.24亿元 [11] - 2024年归母净利润232.16亿元，同比增长10.34%，预计2025年增长44.01%至334.33亿元 [11] - 预计2025年每股收益1.68元，市盈率28.51倍，市净率5.25倍 [11] - 毛利率稳定在7%左右，净利率维持在3.8%附近 [12] - ROE从2024年15.2%提升至2027年22.3%，ROIC从12.0%提升至18.7% [12] 业务亮点 - AI服务器营收同比增长超60%，云服务商服务器营收同比增长超150% [7] - Q2整体服务器营收增长超50%，GB200系列实现量产爬坡且良率持续改善 [7] - 800G高速交换机需求持续增长，预计成为2025-2026年出货主力 [8] - CPO(共封装光学)新一代ASIC及1.6T交换机正在推进中 [8]

报告行业投资评级 未提及 报告的核心观点 本周报以qb的债券资产流动性打分为基础，跟踪不同债券板块个券的流动性得分情况，发现城投债中长久期高评级债项流动性下降，产业债长久期中低评级债项流动性下降 [2] 各目录总结 城投债 - 中长久期高评级高等级流动性债项数量减少，分区域看江苏高等级流动性债项数量增加，山东减少，四川、天津、重庆整体维持；分期限看1年以内、2 - 3年期增加，1 - 2年期维持，3 - 5年和5年期以上减少；从隐含评级看AA(2)增加，AA+维持，AAA、AA、AA - 减少 [9] - 高等级流动性城投债收益率均以上行为主，上行幅度集中在2 - 8bp [11] - 升幅前二十中主体级别以AA+、AA为主，区域集中在江苏、浙江、四川、山东，涉及建筑装饰、综合等行业；降幅前二十中主体级别以AA为主，区域分布以浙江、江苏、贵州等地为主，以建筑装饰、综合为主 [12] 产业债 - 长久期中低评级高等级流动性债项数量减少，分行业看公用事业、交运增加，煤炭、钢铁维持，房地产减少；分期限看1年以内增加，1 - 2年期、2 - 3年期和3 - 5年期维持，5年期以上减少；分隐含评级看AAA增加，AAA+、AAA - 维持，AA+和AA减少 [18] - 高等级流动性债项收益率均以上行为主，上行幅度集中在2 - 12bp，部分细项下行较多，其中隐含评级为AAA+的B等级流动性债项上行12bp [21] - 流动性得分升幅前二十主体行业以交运、房地产等为主，主体级别以AAA、AA+为主；升幅前二十债券所属行业以交通运输、房地产和建筑装饰为主。降幅方面，流动性得分降幅前二十主体以建筑装饰、房地产、公用事业等为主，主体级别以AAA、AA+为主，降幅前二十债券所属行业以交运和建筑装饰等为主 [22]

投资评级 - 维持"买入"评级 [6][9] 核心观点 - 养殖成本优势突出 稳居行业第一梯队 成本从1月13 1元/公斤降至7月11 8元/公斤 [3][4] - 出栏量稳健增长 上半年销售生猪4691万头 同比增长44 84% 其中商品猪3839 4万头 仔猪829 1万头 [4] - 屠宰业务大幅减亏 上半年屠宰量1141 48万头 同比增长110 87% 产能利用率提升78 72% 亏损收窄至1亿元左右 [4] - 高分红积极回报股东 中期分红方案每10股派现9 32元 分红总额50 02亿元 占归母净利润47 50% [5] - 财务状况持续优化 上半年经营活动净现金流173 51亿元 同比增长12 13% 资产负债率降至56 06% [3] 财务表现 - 2025年中报营收764 63亿元 同比增长34 46% 归母净利105 30亿元 同比增长1169 77% [3] - 盈利预测上调 预计2025-2027年EPS分别为3 57元 5 26元和5 58元 [6] - 毛利率持续改善 预计从2024年19 1%提升至2027年25 2% [10] - ROE保持高位 2024-2027年预计分别为24 8% 23 3% 27 4%和23 9% [10] - 资产负债率稳步下降 从2024年58 7%预计降至2027年43 2% [10] 业务展望 - 全年养殖成本目标12元/公斤 [4] - 屠宰肉食业务已覆盖全国20个省级行政区 设立70余个服务站 [4] - 未来将持续提升屠宰厂运营效率 增强盈利能力 [4] - 2024-2026年度现金分红承诺不低于当年可分配利润40% [5]

投资评级 - 报告未明确给出投资评级 [2] 核心观点 - 报告标题为"Q2盈利仍承压 期待下半年盈利拐点" 反映公司短期业绩承压但看好下半年改善 [5] - 公司上半年营收105.5亿元 同比增长2.17% 归母净利润2.88亿元 同比下滑32.69% [5] - 单Q2营收57.35亿元 同比下滑2.78% 归母净利润1.51亿元 同比下滑32.61% [5] - 上半年扣非归母净利润2.38亿元 同比增长0.88% [5] - 新签订单保持平稳 上半年新签订单143.8亿元 同比增长0.2% [6] - 上半年钢结构产品产量约236万吨 同比增长12.19% [6] - 机器人业务进展顺利 已开始对外销售 十大生产基地已投入使用近2500台焊接机器人 [7] 财务表现 - 上半年整体毛利率10.0% 同比下降0.67个百分点 [6] - Q2单季度毛利率10.2% 同比下滑0.58个百分点 [6] - 上半年期间费用率6.61% 同比下降0.05个百分点 [6] - 上半年净利率2.72% 同比下滑1.42个百分点 [6] - 政府补助减少1.44亿元 是净利润下滑幅度大于扣非净利润的主要原因 [6] 盈利预测 - 预计2025年收入222亿元 同比增长3.4% [7] - 预计2026年收入230亿元 同比增长3.5% [7] - 预计2025年归母净利润6.8亿元 同比下滑12.1% [7] - 预计2026年归母净利润11.0亿元 同比增长62.0% [7] - 对应2025年PE 18.8倍 2026年PE 11.6倍 [7] 估值指标 - 最新收盘价18.44元 总市值127亿元 [4] - 市盈率16.46倍 市净率1.32倍 [4] - 资产负债率61.9% [4] - 预计2025年PE 18.75倍 2026年PE 11.58倍 [9] - 预计2025年PB 1.26倍 2026年PB 1.18倍 [9]

量化模型与因子总结 量化因子与构建方式 1. **因子名称：Barra风格因子组**[15] * **因子构建思路**：采用Barra风险模型框架，通过多维度指标捕捉市场主要风险收益特征，构建一系列风格因子[15] * **因子具体构建过程**： * **Beta因子**：计算股票的历史beta值[15] * **市值因子**：对股票的总市值取自然对数[15] * **动量因子**：计算股票历史超额收益率序列的均值[15] * **波动因子**：由历史超额收益率序列波动率、累积超额收益率离差和历史残差收益率序列波动率加权计算，公式为 $$0.74 \times \text{历史超额收益率序列波动率} + 0.16 \times \text{累积超额收益率离差} + 0.1 \times \text{历史残差收益率序列波动率}$$[15] * **非线性市值因子**：计算市值风格的三次方[15] * **估值因子**：使用市净率的倒数[15] * **流动性因子**：由月换手率、季换手率和年换手率加权计算，公式为 $$0.35 \times \text{月换手率} + 0.35 \times \text{季换手率} + 0.3 \times \text{年换手率}$$[15] * **盈利因子**：由分析师预测盈利价格比、市现率倒数和市盈率TTM倒数加权计算，公式为 $$0.68 \times \text{分析师预测盈利价格比} + 0.21 \times \text{市现率倒数} + 0.11 \times \text{市盈率TTM倒数}$$[15] * **成长因子**：由分析师预测长期盈利增长率、分析师预测短期利率增长率、盈利增长率和营业收入增长率加权计算，公式为 $$0.18 \times \text{分析师预测长期盈利增长率} + 0.11 \times \text{分析师预测短期利率增长率} + 0.24 \times \text{盈利增长率} + 0.47 \times \text{营业收入增长率}$$[15] * **杠杆因子**：由市场杠杆率、账面杠杆和资产负债率加权计算，公式为 $$0.38 \times \text{市场杠杆率} + 0.35 \times \text{账面杠杆} + 0.27 \times \text{资产负债率}$$[15] 2. **因子名称：基本面因子组**[18][20][23][25] * **因子构建思路**：基于公司财务报表数据，从盈利能力、增长能力、估值水平等维度构建因子，捕捉基本面驱动的超额收益[18][20][23][25] * **因子具体构建过程**：报告中提及的具体因子包括营业利润率、市销率、ROC（资本回报率）、营业周转率、ROA（资产收益率）、营业利润率超预期增长、ROA增长、ROE超预期增长、净利润超预期增长、ROA超预期增长、营业利润增长、ROC增长、市盈率等，均为基于TTM方式计算的财务指标，并在测试前进行了行业中性化处理[17][21][26] 3. **因子名称：技术类因子组**[18][20][23][25] * **因子构建思路**：基于量价数据，从动量、波动率等维度构建因子，捕捉市场情绪和交易行为带来的收益[18][20][23][25] * **因子具体构建过程**：报告中提及的具体因子包括20日动量、60日动量、120日动量、20日波动、60日波动、120日波动、中位数离差等，并在测试前进行了行业中性化处理[17][22][24][29] 4. **因子名称：GRU因子**[18][20][23][25][31] * **因子构建思路**：基于门控循环单元（GRU）神经网络模型构建的预测因子[18][20][23][25][31] * **因子具体构建过程**：报告提及了open1d、close1d、barra1d、barra5d等具体GRU模型，但未详细描述其构建过程[31] 因子回测效果 1. **Barra风格因子**[16] * 最近一周多空收益：Beta、流动性因子多头表现较好；估值、盈利、杠杆、非线性市值因子空头表现强势[3][16] 2. **全市场股池因子**[18] * **基本面因子**：增长类财务因子多空收益显著为正，超预期增长类因子次之，静态财务因子多空收益多数为负[18] * **技术类因子**：动量类因子多空收益为负向，波动类因子多空收益为正向[18] * **GRU因子**：除open1d模型外，其余模型多空收益均为正向[18] 3. **沪深300股池因子**[20] * **基本面因子**：多空收益基本为正，市盈率因子最强，超预期增长类和增长类因子多头收益显著[20] * **技术类因子**：多空收益多数为正向，波动因子较为显著[20] * **GRU因子**：除barra5d模型外，其余模型多空收益表现强势[20] 4. **中证500股池因子**[23] * **基本面因子**：超预期增长和增长类因子多空收益显著为正，多数静态财务因子多空收益显著为负，估值类因子表现正向[23] * **技术类因子**：多空表现基本为正向，波动类因子更为显著[23] * **GRU因子**：除barra5d模型外，其余模型均取得正向超额收益[23] 5. **中证1000股池因子**[25] * **基本面因子**：增长类和超预期增长类因子多空表现为正向，静态财务因子多空收益表现为负向，估值类因子偏向正向[25] * **技术类因子**：中长期动量因子表现为负向，短期动量和波动类因子表现为正向[25] * **GRU因子**：除barra5d模型略有回撤外，其余模型多空表现较好[25] 量化模型与构建方式 1. **模型名称：GRU模型**[18][20][23][25][31] * **模型构建思路**：使用门控循环单元（GRU）神经网络进行时序预测，构建股票选择模型[18][20][23][25][31] * **模型具体构建过程**：报告提及了open1d、close1d、barra1d、barra5d等具体GRU模型变体，但未详细描述其网络结构、输入特征、训练过程等构建细节[31] 2. **模型名称：多因子组合模型**[31] * **模型构建思路**：综合多个因子构建组合模型进行投资[31] * **模型具体构建过程**：报告未详细描述其具体构建过程，如因子合成方法、权重确定方式等[31] 模型的回测效果 1. **GRU模型 (open1d)**[31][32] * 近一周超额收益：-0.01% * 近一月超额收益：-2.37% * 近三月超额收益：-0.74% * 近六月超额收益：4.65% * 今年以来超额收益：5.23% 2. **GRU模型 (close1d)**[31][32] * 近一周超额收益：-0.38% * 近一月超额收益：-3.85% * 近三月超额收益：-0.62% * 近六月超额收益：2.77% * 今年以来超额收益：3.64% 3. **GRU模型 (barra1d)**[31][32] * 近一周超额收益：0.65% * 近一月超额收益：0.36% * 近三月超额收益：0.92% * 近六月超额收益：1.34% * 今年以来超额收益：3.80% 4. **GRU模型 (barra5d)**[31][32] * 近一周超额收益：0.02% * 近一月超额收益：-2.40% * 近三月超额收益：0.54% * 近六月超额收益：5.14% * 今年以来超额收益：6.44% 5. **多因子组合模型**[31][32] * 近一周超额收益：-0.05% * 近一月超额收益：-2.99% * 近三月超额收益：-1.19% * 近六月超额收益：2.99% * 今年以来超额收益：0.94%

量化模型与构建方式 1.扩散指数模型 - 模型名称：扩散指数模型[3][13][15][34][35] - 模型构建思路：通过监测微盘股成分股未来价格涨跌的扩散情况，判断市场情绪和变盘临界点[34] - 模型具体构建过程： 横轴代表未来N天后股价相对现在的涨跌幅度，从1.1（涨10%）到0.9（跌10%）[34] 纵轴代表回顾过去窗口期的长度T天或未来N天（N=20-T）[34] 计算每个（涨跌幅，时间窗口）组合下的扩散指数值，例如横轴0.95和纵轴15天值为0.33，表示5天后如果所有成分股跌5%，扩散指数值为0.33[34] 通过观察扩散指数值的分布和变化趋势进行市场判断[34][35] 2.首次阈值法（左侧交易） - 模型名称：首次阈值法[3][13][15][39] - 模型构建思路：作为扩散指数模型的左侧交易方法，在特定阈值触发时给出交易信号[3][39] - 模型具体构建过程： 当扩散指数值达到预设阈值（如0.9850）时触发信号[39] 于2025年5月8日收盘收0.9850触发空仓信号[3][39] 3.延迟阈值法（右侧交易） - 模型名称：延迟阈值法[3][13][15][41][43] - 模型构建思路：作为扩散指数模型的右侧交易方法，在确认趋势后给出交易信号[3][43] - 模型具体构建过程： 当扩散指数值达到确认阈值（如0.8975）时触发信号[43] 于2025年5月15日收盘收0.8975给予空仓信号[3][43] 4.双均线法（自适应交易） - 模型名称：双均线法[3][13][15][44] - 模型构建思路：作为扩散指数模型的自适应交易方法，通过均线交叉判断交易时机[3][44] - 模型具体构建过程： 使用两条移动平均线进行趋势判断[44] 当短期均线下穿长期均线时触发空仓信号[44] 于2025年8月4日收盘再次翻空[3][44] 模型的回测效果 1. 首次阈值法，2025年5月8日触发空仓信号[3][39] 2. 延迟阈值法，2025年5月15日触发空仓信号[3][43] 3. 双均线法，2025年8月4日触发空仓信号[3][44] 量化因子与构建方式 1.过去一年波动率因子 - 因子名称：过去一年波动率因子[3][14][29] - 因子构建思路：衡量股票过去一年的价格波动情况[3][14] - 因子具体构建过程： 计算股票过去一年收益率的标准差[3][14] 本周rankIC值为0.135，历史平均值为-0.032[3][14][29] 2.残差波动率因子 - 因子名称：残差波动率因子[3][14][29] - 因子构建思路：衡量股票剔除市场风险后的特异性波动[3][14] - 因子具体构建过程： 通过回归模型剔除市场收益后计算残差波动率[3][14] 本周rankIC值为0.057，历史平均值为-0.039[3][14][29] 3.成长因子 - 因子名称：成长因子[3][14][29] - 因子构建思路：衡量公司的成长性[3][14] - 因子具体构建过程： 通常使用营收增长率、利润增长率等指标[3][14] 本周rankIC值为0.053，历史平均值为-0.004[3][14][29] 4.杠杆因子 - 因子名称：杠杆因子[3][14][29] - 因子构建思路：衡量公司的财务杠杆水平[3][14] - 因子具体构建过程： 使用资产负债率、权益乘数等指标[3][14] 本周rankIC值为0.042，历史平均值为-0.006[3][14][29] 5.非流动性因子 - 因子名称：非流动性因子[3][14][29] - 因子构建思路：衡量股票的交易流动性程度[3][14] - 因子具体构建过程： 使用Amihud非流动性指标或其他流动性度量[3][14] 本周rankIC值为0.041，历史平均值为0.04[3][14][29] 6.过去10天收益率因子 - 因子名称：过去10天收益率因子[3][14][29] - 因子构建思路：衡量股票短期价格动量[3][14] - 因子具体构建过程： 计算股票过去10天的累计收益率[3][14] 本周rankIC值为-0.131，历史平均值为-0.061[3][14][29] 7.非线性市值因子 - 因子名称：非线性市值因子[3][14][29] - 因子构建思路：捕捉市值与收益率的非线性关系[3][14] - 因子具体构建过程： 通过对数市值或其他非线性变换构建[3][14] 本周rankIC值为-0.13，历史平均值为-0.033[3][14][29] 8.对数市值因子 - 因子名称：对数市值因子[3][14][29] - 因子构建思路：衡量公司规模效应[3][14] - 因子具体构建过程： 取公司总市值的自然对数[3][14] 本周rankIC值为-0.13，历史平均值为-0.033[3][14][29] 9.10天总市值换手率因子 - 因子名称：10天总市值换手率因子[3][14][29] - 因子构建思路：衡量股票的换手活跃度[3][14] - 因子具体构建过程： 计算过去10天总成交金额除以总市值的平均值[3][14] 本周rankIC值为-0.13，历史平均值为-0.06[3][14][29] 10.pe_ttm倒数因子 - 因子名称：pe_ttm倒数因子[3][14][29] - 因子构建思路：衡量股票的估值水平（盈利率）[3][14] - 因子具体构建过程： 取市盈率TTM的倒数（E/P）[3][14] 本周rankIC值为-0.129，历史平均值为0.017[3][14][29] 因子的回测效果 1. 过去一年波动率因子，本周rankIC值0.135，历史平均值-0.032[3][14][29] 2. 残差波动率因子，本周rankIC值0.057，历史平均值-0.039[3][14][29] 3. 成长因子，本周rankIC值0.053，历史平均值-0.004[3][14][29] 4. 杠杆因子，本周rankIC值0.042，历史平均值-0.006[3][14][29] 5. 非流动性因子，本周rankIC值0.041，历史平均值0.04[3][14][29] 6. 过去10天收益率因子，本周rankIC值-0.131，历史平均值-0.061[3][14][29] 7. 非线性市值因子，本周rankIC值-0.13，历史平均值-0.033[极3][14][29] 8. 对数市值因子，本周rankIC值-0.13，历史平均值-0.033[3][14][29] 9. 10天总市值换手率因子，本周rankIC值-极0.13，历史平均值-0.06[3][14][29] 10. pe_ttm倒数因子，本周rankIC值-0.129，历史平均值0.017[3][14][29]

根据提供的研报内容，以下是关于量化模型和因子的详细总结： 量化模型与构建方式 1. 扩散指数行业轮动模型 - **模型名称**：扩散指数行业轮动模型[3][5][23] - **模型构建思路**：基于价格动量原理，通过计算行业的扩散指数来捕捉行业趋势，选择向上趋势的行业进行配置[24][36] - **模型具体构建过程**： 1. 计算每个中信一级行业的扩散指数，该指数反映了行业价格动量的强度[25][26] 2. 扩散指数的计算涉及行业内部成分股的表现，具体公式未在报告中明确给出，但通常扩散指数可表示为： $$DI_t = \frac{N_{up,t}}{N_t}$$ 其中，$DI_t$为t时刻的扩散指数，$N_{up,t}$为t时刻行业成分股中上涨的股票数量，$N_t$为行业成分股总数[25][26] 3. 根据扩散指数排名，选择排名前六的行业作为月度配置建议[24][28] - **模型评价**：在趋势行情中表现较好，但在市场反转时可能面临失效风险[24][36] 2. GRU因子行业轮动模型 - **模型名称**：GRU因子行业轮动模型[3][6][31] - **模型构建思路**：基于分钟频量价数据，通过GRU（门控循环单元）深度学习网络生成行业因子，捕捉交易信息以进行行业轮动[31][37] - **模型具体构建过程**： 1. 使用GRU神经网络处理分钟频量价数据，提取能够预测行业表现的因子[31][37] 2. GRU因子的计算涉及深度学习网络，具体网络结构和输入输出未在报告中明确给出 3. 根据GRU因子数值排名，选择排名前六的行业作为周度配置建议[32][34] - **模型评价**：在短周期表现较好，长周期表现一般，极端行情下可能失效[31][37] 模型的回测效果 1. 扩散指数行业轮动模型 - 2025年8月平均收益：4.18%[28] - 2025年8月超额收益（相对中信一级行业等权）：0.78%[28] - 2025年8月以来累计超额收益：2.38%[28] - 2025年以来累计超额收益：2.71%[23][28] 2. GRU因子行业轮动模型 - 2025年8月平均收益：1.80%[34] - 2025年8月超额收益（相对中信一级行业等权）：-1.58%[34] - 2025年8月以来累计超额收益：-3.46%[34] - 2025年以来累计超额收益：-8.59%[31][34] 量化因子与构建方式 1. 行业扩散指数因子 - **因子名称**：行业扩散指数[25][26] - **因子构建思路**：通过计算行业内部成分股上涨比例来度量行业动量强度[25][26] - **因子具体构建过程**： 1. 对于每个中信一级行业，计算t时刻行业成分股中上涨股票数量与总股票数量的比值[25][26] 2. 因子计算公式为： $$DI_{i,t} = \frac{N_{up,i,t}}{N_{i,t}}$$ 其中，$DI_{i,t}$为行业i在t时刻的扩散指数，$N_{up,i,t}$为行业i在t时刻上涨的股票数量，$N_{i,t}$为行业i的成分股总数[25][26] 3. 因子值范围在0到1之间，值越大表示行业动量越强[25][26] 2. GRU行业因子 - **因子名称**：GRU行业因子[6][32] - **因子构建思路**：基于分钟频量价数据，通过GRU深度学习网络生成预测行业表现的因子[31][37] - **因子具体构建过程**： 1. 使用GRU神经网络处理历史分钟频量价数据[31][37] 2. 网络输出为每个行业的因子值，具体网络架构和训练过程未在报告中明确给出 3. 因子值可正可负，值越大表示行业预期表现越好[32] 因子的回测效果 1. 行业扩散指数因子 - 截至2025年8月22日，排名前六的行业因子值： - 综合金融：1.0[25] - 综合：1.0[25] - 钢铁：1.0[25] - 非银行金融：0.999[25] - 有色金属：0.997[25] - 通信：0.995[25] 2. GRU行业因子 - 截至2025年8月22日，排名前六的行业因子值： - 建材：3.32[6][32] - 电子：2.36[6][32] - 非银行金融：1.97[6][32] - 综合：-0.28[6][32] - 建筑：-1.49[6][32] - 通信：-3.22[6][32]