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，通过计算行业扩散指数来捕捉行业趋势，选择趋势向上的行业进行配置[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. 扩散指数公式： $DI_t = \frac{N_{up}}{N_{up} + N_{down}}$ 其中，( N_{up} )为行业成分股中价格上涨的股票数量，( N_{down} )为价格下跌的股票数量[26] 3. 选择扩散指数排名前六的行业作为配置标的[26] - 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[25] 2. 模型名称：GRU因子行业轮动模型 - 模型构建思路：基于GRU（门控循环单元）深度学习网络，利用分钟频量价数据生成行业因子，捕捉短期交易信号[33] - 模型具体构建过程： 1. 输入分钟级行业量价数据（如成交量、收益率等） 2. 通过GRU网络提取时序特征，输出行业因子得分 3. 根据因子得分排名选择前六的行业配置（如银行、交通运输等）[34] - 模型评价：短周期自适应能力强，但长周期表现不稳定，极端行情可能失效[38] --- 量化因子与构建方式 1. 因子名称：行业扩散指数因子 - 因子构建思路：通过统计行业内个股价格变动方向的比例，量化行业趋势强度[26] - 因子具体构建过程： 1. 对每个中信一级行业，计算当日上涨股票数量占比 2. 标准化为0-1区间，1表示全部成分股上涨，0表示全部下跌[26] 2. 因子名称：GRU行业因子 - 因子构建思路：利用GRU网络从高频量价数据中提取行业动量特征[34] - 因子具体构建过程： 1. 对行业分钟频数据（如收益率、波动率）进行归一化 2. 输入GRU网络训练，输出因子得分（如银行因子得分为2.68）[34] --- 模型的回测效果 1. 扩散指数行业轮动模型 - 2025年累计超额收益：1.48%[25] - 周度超额收益（2025/7/18）：-1.61%[29] - 7月以来超额收益：-1.62%[29] 2. GRU因子行业轮动模型 - 2025年累计超额收益：-5.75%[33] - 周度超额收益（2025/7/18）：-1.27%[36] - 7月以来超额收益：-0.30%[36] --- 因子的回测效果 1. 行业扩散指数因子 - 当前排名前六行业得分：综合金融(1.0)、综合(0.998)、非银行金融(0.996)[26] - 周度环比提升最大行业：消费者服务(+0.224)、食品饮料(+0.208)[28] 2. GRU行业因子 - 当前排名前六行业得分：银行(2.68)、交通运输(2.42)、有色金属(-0.87)[34] - 周度环比提升最大行业：建材、银行、综合金融[34]