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，捕捉行业趋势变化，选择向上趋势的行业进行配置[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. 每月进行轮动调整，配置前六名行业[26][27] - 模型评价：在趋势行情中表现优异，但在市场反转时可能失效[26][38] 2. 模型名称：GRU因子行业轮动模型 - 模型构建思路：基于分钟频量价数据，通过GRU深度学习网络生成行业因子，捕捉短期交易信号[33][39] - 模型具体构建过程： 1. 使用GRU网络处理行业量价数据 2. 输出行业因子得分，反映行业短期动量 3. 每周调整配置，选择因子得分最高的行业[33][36] - 模型评价：短周期表现较好，长周期稳定性一般，极端行情可能失效[33][39] 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：2.05%[26] - 本周超额收益：-0.81%[30] - 7月以来超额收益：-1.00%[30] 2. GRU因子行业轮动模型 - 2025年以来超额收益：-4.52%[33] - 本周超额收益：0.29%[37] - 7月以来超额收益：0.77%[37] 量化因子与构建方式 1. 因子名称：扩散指数 - 因子构建思路：衡量行业价格趋势强度，反映行业动量[26][27] - 因子具体构建过程： 1. 计算行业价格序列的扩散指标 2. 标准化处理得到0-1之间的扩散指数 3. 指数越高代表趋势越强[27][28] 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，生成因子得分[33][36] - 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，得分越高代表短期动量越强[36] 因子的回测效果 1. 扩散指数 - 最新排名前六行业：综合金融(1.0)、综合(0.998)、通信(0.995)、非银行金融(0.987)、传媒(0.975)、计算机(0.973)[27] - 环比提升前六行业：煤炭(0.318)、石油石化(0.297)、钢铁(0.278)、家电(0.099)、电力及公用事业(0.091)、电力设备及新能源(0.073)[29] 2. GRU行业因子 - 最新排名前六行业：煤炭(1.77)、钢铁(1.08)、建筑(0.72)、银行(0.19)、交通运输(0.18)、电力及公用事业(0.14)[36] - 环比提升较大行业：煤炭、钢铁、建筑[33]