根据研报内容，以下是关于量化模型和因子的总结： 量化模型与构建方式 1. 模型名称：价值成长轮动策略模型[6] * 模型构建思路：基于宏观经济、流动性及市场情绪三个维度，通过多因子打分体系来预测价值与成长风格的相对表现[6] * 模型具体构建过程：模型选取了三个维度的因子进行综合打分[6]： * 经济繁荣敏感度：用于捕捉大盘股（通常与价值风格相关）对经济周期的敏感性[6] * 流动性宽松受益度：用于捕捉成长股对流动性环境的敏感性[6] * 市场情绪与拥挤度：用于刻画市场的风险偏好和交易拥挤情况[6] 将各因子得分加总，得到综合分数，以此判断风格偏向（例如，分数高则偏向成长风格）[6] 2. 模型名称：大小盘轮动策略模型[6] * 模型构建思路：与价值成长轮动策略模型类似，同样基于宏观经济、流动性及市场情绪三个维度构建打分体系，但目标在于预测大盘与小盘风格的相对表现[6] * 模型具体构建过程：构建过程与价值成长轮动策略模型一致，但因子解读侧重于对不同市值风格的影响[6] 3. 模型名称：行业轮动综合模型[11][22] * 模型构建思路：构造宏观、基本面、技术面、拥挤度四个维度的指标（共10个）作为行业轮动框架，通过综合正负向指标来生成行业配置信号[11][22] * 模型具体构建过程：模型包含四个引擎[11][22]： * 宏观指标引擎：将一级行业划分为5个板块（上游周期、中游制造、下游消费、TMT、大金融），并构建基于宏观增长与流动性二阶差分的象限划分体系，根据所处象限推荐配置板块[13] * 基本面指标引擎：包含历史景气、景气变化与景气预期三个部分，生成行业基本面得分[17] * 技术面指标引擎：包含指数动量、龙头股动量与K线形态三个部分，生成行业技术面得分[18] * 拥挤度指标引擎：包含融资流入、换手率与成交占比三个部分，生成行业拥挤度得分（作为负向指标使用）[21][22] 最终，结合宏观、基本面、技术面三个维度的正向得分，并负向配置拥挤度因子，构建行业轮动综合得分[22] 模型的回测效果 报告未提供模型的历史回测绩效指标（如年化收益率、夏普比率、最大回撤等）。 量化因子与构建方式 1. 因子名称：行业轮动宏观因子[13] * 因子构建思路：基于宏观经济增长和流动性的二阶差分（变化速度）来划分经济象限，从而判断对不同行业板块的利好程度[13] * 因子具体构建过程：构建一个象限体系，横轴为宏观经济增长的二阶差分，纵轴为流动性的二阶差分[13]根据当前数据点所处的象限（如“扩张强化/衰退缓解”和“宽松加码/紧缩放缓”），给出对应的板块配置建议（如大金融、中游制造）[13] 2. 因子名称：行业轮动基本面因子[17] * 因子构建思路：从历史、变化和预期三个角度衡量行业的景气度[17] * 因子具体构建过程：因子由三个子部分构成： * 历史景气 * 景气变化 * 景气预期 综合这三个部分生成各行业的基本面得分[17] 3. 因子名称：行业轮动技术面因子[18] * 因子构建思路：从市场交易数据中捕捉行业的动量趋势和形态信号[18] * 因子具体构建过程：因子由三个子部分构成： * 指数动量 * 龙头股动量 * K线形态 综合这三个部分生成各行业的技术面得分[18] 4. 因子名称：行业轮动拥挤度因子[21][22] * 因子构建思路：通过融资、换手和成交数据衡量行业的交易热度和潜在风险[21] * 因子具体构建过程：因子由三个子部分构成： * 融资流入 * 换手率 * 成交占比 综合这三个部分生成各行业的拥挤度得分，该因子在综合模型中作为负向指标使用[21][22] 因子的回测效果 报告未提供因子的历史测试绩效指标（如IC值、ICIR、因子收益率等）。