根据研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. 模型名称：扩散指数行业轮动模型 - 模型构建思路：基于价格动量原理，通过跟踪行业扩散指数来捕捉行业趋势变化[23][25] - 模型具体构建过程： 1. 计算各中信一级行业的扩散指数，反映行业价格趋势强度 2. 选择扩散指数排名靠前的行业作为配置标的 3. 每月定期调仓，根据最新扩散指数排名调整行业配置[25][30] - 模型评价：在趋势性行情中表现优异，但在市场反转时可能失效[23][33] 2. 模型名称：GRU因子行业轮动模型 - 模型构建思路：利用GRU神经网络处理分钟频量价数据，生成行业因子进行轮动[33][38] - 模型具体构建过程： 1. 收集行业分钟频交易数据 2. 通过GRU网络提取行业特征因子 3. 根据因子得分排名选择行业配置[33][36] - 模型评价：短周期表现较好，但对极端行情适应性有限[38] 模型的回测效果 1. 扩散指数行业轮动模型 - 2025年以来超额收益：-1.61%[30] - 本周超额收益：-0.79%[30] - 3月以来超额收益：-0.41%[30] 2. GRU因子行业轮动模型 - 2025年以来超额收益：-5.76%[36] - 本周超额收益：-0.39%[36] - 3月以来超额收益：-1.19%[36] 量化因子与构建方式 1. 因子名称：行业扩散指数 - 因子构建思路：衡量行业价格趋势强度的技术指标[25] - 因子具体构建过程： 1. 计算行业内个股的上涨比例 2. 结合价格动量指标进行加权 3. 标准化处理得到0-1区间的扩散指数[25][26] 2. 因子名称：GRU行业因子 - 因子构建思路：通过GRU网络提取的行业量价特征[33] - 因子具体构建过程： 1. 输入行业分钟频量价数据 2. 通过GRU网络进行特征提取 3. 输出行业因子得分[33][34] 因子的回测效果 1. 行业扩散指数 - 当前最高值行业：银行(1.0)、综合金融(1.0)、非银行金融(1.0)[25] - 周环比提升最大行业：食品饮料(+0.591)、房地产(+0.243)[26] 2. GRU行业因子 - 当前最高值行业：综合金融(5.25)、食品饮料(4.49)[33] - 周环比提升最大行业：综合金融、食品饮料、电力设备及新能源[34]