根据提供的研报内容，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，通过行业扩散指数捕捉行业趋势，选择向上趋势的行业进行配置[27] - 模型具体构建过程： 1. 计算各中信一级行业的扩散指数，反映行业价格动量强度 2. 选择扩散指数排名靠前的行业作为配置标的 3. 每月进行轮动调仓，2025年6月建议配置非银行金融、银行等6个行业[31] - 模型评价：在趋势行情中表现优异，但在反转行情中可能失效[28] 2. 模型名称：GRU因子行业轮动模型 - 模型构建思路：基于GRU深度学习网络，利用分钟频量价数据生成行业因子，捕捉短期交易机会[34] - 模型具体构建过程： 1. 通过GRU网络处理历史量价数据 2. 输出各行业的GRU因子得分，反映短期交易信号 3. 选择因子得分高的行业进行配置，2025年6月调入非银行金融等6个行业[35] - 模型评价：短周期表现较好，但对极端行情适应性有限[39] 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：1.99%（月度）[31] - 2025年以来超额收益：0.37%[31] - 本周超额收益：0.79%[31] 2. GRU因子行业轮动模型 - 2025年6月超额收益：0.25%[37] - 2025年以来超额收益：-3.83%[37] - 本周超额收益：0.25%[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：通过标准化处理行业价格动量指标，生成0-1区间的扩散指数[28] - 因子具体构建过程： 1. 计算各行业价格动量指标（如相对强度） 2. 进行标准化处理：$DI_i = \frac{x_i - min(x)}{max(x) - min(x)}$ 3. 截至2025/6/20，综合金融扩散指数为1.0（最高），煤炭为0.174（最低）[28] 2. 因子名称：GRU行业因子 - 因子构建思路：通过GRU网络提取量价特征，生成行业排序因子[35] - 因子具体构建过程： 1. 输入分钟频量价数据至GRU网络 2. 输出行业因子得分，截至2025/6/20，煤炭得分3.48（最高），通信得分-17.95（最低）[35] 因子的回测效果 1. 行业扩散因子 - 周度Rank IC：石油石化环比提升0.09（最高），农林牧渔下降0.229（最低）[30] 2. GRU行业因子 - 周度Rank IC：非银行金融环比提升显著，通信因子下降幅度最大[36]