量化模型与构建方式 1.扩散指数行业轮动模型 - 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，选择向上趋势的行业进行配置[26][37] - 模型具体构建过程： 1. 计算每个中信一级行业的扩散指数，扩散指数反映了行业价格动量的强度[27] 2. 具体计算公式未在报告中明确给出，但扩散指数是一个介于0到1之间的数值，数值越高代表行业向上趋势越强[27] 3. 每月选择扩散指数排名前六的行业作为配置组合[26][30] - 模型评价：在趋势行情下表现较好，但在市场反转时可能失效[26][37] 2.GRU因子行业轮动模型 - 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，捕捉短期交易信息[34][38] - 模型具体构建过程： 1. 使用GRU深度学习网络处理分钟频量价数据[38] 2. 生成GRU行业因子，因子值反映了行业短期表现强度[34] 3. 每周根据GRU行业因子排名调仓，选择因子排名前六的行业[34][36] - 模型评价：在短周期表现较好，但长周期表现一般，极端行情下可能失效[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：4.53%[25][30] - 2025年9月以来超额收益：-0.47%[30] - 本周超额收益：0.88%[30] 2.GRU因子行业轮动模型 - 2025年以来超额收益：-7.37%[33][36] - 2025年9月以来超额收益：0.29%[36] - 本周超额收益：-0.23%[36] 量化因子与构建方式 1.行业扩散指数因子 - 因子名称：行业扩散指数 - 因子构建思路：基于价格动量原理，衡量行业价格趋势的强度[27][37] - 因子具体构建过程： 1. 计算每个中信一级行业的扩散指数[27] 2. 扩散指数是一个0到1之间的数值，越高代表行业向上趋势越强[27] 3. 具体计算公式未在报告中明确给出 2.GRU行业因子 - 因子名称：GRU行业因子 - 因子构建思路：基于分钟频量价数据，通过GRU深度学习网络生成，捕捉行业短期表现[34][38] - 因子具体构建过程： 1. 使用GRU深度学习网络处理分钟频量价数据[38] 2. 输出GRU行业因子值，正值代表看多，负值代表看空[34] 因子的回测效果 1.行业扩散指数因子 - 最新排名前六行业：综合(0.99)、银行(0.969)、通信(0.951)、钢铁(0.95)、有色金属(0.947)、商贸零售(0.934)[27] - 周度环比提升前六行业：房地产(0.132)、建材(0.047)、钢铁(0.033)、银行(0.005)、建筑(0.004)、商贸零售(0.003)[29] 2.GRU行业因子 - 最新排名前六行业：综合(4.56)、建筑(3.8)、房地产(3.6)、纺织服装(0.08)、综合金融(-0.07)、家电(-0.16)[34] - 周度环比提升前六行业：综合、建筑、房地产[34]