根据提供的研报内容，以下是量化模型和因子的总结： 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[6][26] - 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. 每月进行行业轮动调整[26][30] - 模型评价：在趋势性行情中表现较好，但在市场反转时可能失效[26][36] 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，捕捉行业短期交易特征[7][32] - 模型具体构建过程： 1. 使用GRU深度学习网络处理行业量价数据 2. 生成GRU行业因子得分 3. 选择因子得分高的行业进行配置[32][35] - 模型评价：在短周期表现较好，但对极端行情适应性有限[32][37] 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标准化指标[6][26] - 因子具体构建过程： 1. 计算行业价格序列的扩散指标 2. 进行标准化处理得到0-1区间的扩散指数[26][27] 2. 因子名称：GRU行业因子 - 因子构建思路：通过GRU网络提取行业量价特征[7][32] - 因子具体构建过程： 1. 输入行业分钟频量价数据到GRU网络 2. 输出行业因子得分[32][33] 模型的回测效果 1. 扩散指数行业轮动模型 - 2025年6月超额收益：1.20%[30] - 2025年以来超额收益：-0.44%[26][30] 2. GRU因子行业轮动模型 - 2025年6月超额收益：0.00%[35] - 2025年以来超额收益：-4.13%[32][35] 因子的回测效果 1. 行业扩散因子 - 最新排名前六行业得分：综合金融(1.0)、非银行金融(0.997)、银行(0.97)[27] - 环比提升最大行业：有色金属(+0.167)、农林牧渔(+0.164)[27][29] 2. GRU行业因子 - 最新排名前六行业得分：钢铁(2.42)、建筑(1.47)、交通运输(0.85)[33] - 环比提升最大行业：电力设备及新能源、电子、机械[33]