根据提供的研报内容，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：短期择时模型[5][12][14][15] * 模型构建思路：该模型通过综合评估基本面、估值面、情绪面和流动性四个维度的多个指标信号，生成对市场短期走势的综合判断，以决定仓位水平[5][12][14][15] * 模型具体构建过程： * 一级指标与信号：模型包含四个一级指标：基本面、估值面、情绪面、流动性。每个一级指标下包含若干二级指标[14][15][19] * 二级指标信号生成：每个二级指标根据其当前值在历史（通常为过去5年）中的分位数位置，被赋予“乐观”（看多）、“谨慎”（看空）或“中性”的信号[14][15][19]。例如： * 基本面指标：观察制造业PMI（>50为乐观）、信贷脉冲环比变化分位数（高分为乐观）、M1同比增速（HP滤波去趋势）分位数（高分为乐观）[14][19] * 估值面指标：观察A股整体PE分位数和PB分位数（高分为谨慎）[14][19] * 情绪面指标：观察A股整体Beta离散度分位数（高分为谨慎）、量能情绪分位数（低分为谨慎）、波动率分位数（中性区间）[15][19] * 流动性指标：观察货币利率指标分位数（中性区间）、汇率预期指标分位数（低分为乐观，代表汇率偏强）、沪深净融资额5日均值分位数（高分为中性）[15][19] * 综合信号合成：将四个一级指标的信号（乐观、谨慎、中性）通过一定的规则合成为一个总体的仓位信号（例如，满仓、半仓、空仓）[5][19][25] 2. 模型名称：成长价值风格轮动模型[5][26][27][28] * 模型构建思路：该模型基于基本面、估值面和情绪面三个维度的指标，判断成长风格与价值风格之间哪一类在未来更具相对优势，从而进行超配或低配[5][26][28] * 模型具体构建过程： * 基本面维度：基于量化经济中周期分析框架，观察三个指标： * 盈利周期斜率：斜率大时利好成长风格[26][28] * 利率综合周期水平：水平低时利好成长风格[26][28] * 信贷综合周期变化：上行时利好成长风格[26][28] * 估值面维度：观察成长风格与价值风格之间的估值差（PE差和PB差）在历史（5年）中的分位数。当估值差分位数较低时，意味着估值差有均值回归上行的动力，利好成长风格[26][28] * 情绪面维度：观察成长风格与价值风格之间的换手差和波动差在历史（5年）中的分位数。换手差偏高利好成长风格；波动差反弹至偏高位置则建议均衡配置[26][28] * 信号合成：综合上述各维度的信号，最终给出超配成长或超配价值的建议[26][28] 3. 模型名称：小盘大盘风格轮动模型[5][30][31][32] * 模型构建思路：该模型从流动性、交易行为、市场情绪、价格趋势等多个角度选取11个有效指标，构建综合信号来判断小盘风格与大盘风格的轮动机会[30][32] * 模型具体构建过程： * 指标池：模型包含11个指标，例如：A股龙虎榜买入强度、R007、融资买入余额变化、主题投资交易情绪、等级利差、期权波动率风险溢价、Beta离散度、PB分化度、大宗交易折溢价率、中证1000的MACD指标、中证1000交易量能等[30][32] * 单个指标信号：每个指标独立产生看多小盘（100%）或看多大盘（0%）的信号[32] * 综合信号生成：对11个指标的信号进行综合（例如，投票或平滑处理），形成最终的综合轮动信号。报告中提到采用了“3D平滑”的方式，即连续3个交易日形成看多信号则确认风格观点[30][32]。最终输出小盘仓位百分比和大盘仓位百分比[32] 模型的回测效果 1. 短期择时模型[16][21][24] * 回测期：2012年底至今 * 年化收益率：16.36% * 基准年化收益率（月度中性持仓再平衡）：4.88% * 年化超额收益率：11.48% * 最大回撤：15.49% * 夏普比率：0.9627 * 收益回撤比：1.0561 * 月度胜率：66.03% * 2024年以来年化收益率：30.51% * 2024年以来最大回撤：11.04% 2. 成长价值风格轮动模型[27][29] * 回测期：2012年底至今 * 年化收益率：13.00% * 基准年化收益率（月度风格均衡配置）：8.13% * 年化超额收益率：4.87% * 最大回撤：43.07% * 夏普比率：0.5961 * 收益回撤比：0.3018 * 月度胜率：58.71% * 2025年以来收益率：27.61% * 2025年以来基准收益率：27.48% * 2025年以来超额收益率：0.13% 3. 小盘大盘风格轮动模型[31][32] * 回测期：2014年以来 * 综合策略年化收益率：20.08% * 综合策略年化超额收益率：12.77% * 综合策略最大回撤：40.70% * 2025年以来超额收益率：11.59% 量化因子与构建方式 1. 因子名称：Beta离散度[12][15][30] * 因子构建思路：该因子用于衡量市场风险，反映市场中个股收益率对市场收益率（Beta）的离散程度，离散度高表明市场存在局部风险[12][15] * 因子具体构建过程：计算全市场个股Beta值的标准差或类似离散度指标。报告中提及观察其变化方向和历史分位数[12][15][30] 2. 因子名称：PB分化度[12][15][30] * 因子构建思路：该因子用于衡量市场交易分歧度，反映全市场股票市净率（PB）的离散程度，分化度下行表明市场估值水平趋于收敛，观点分歧小[12][15] * 因子具体构建过程：计算全市场个股PB值的标准差或类似分化度指标。报告中提及观察其变化方向和历史分位数[12][15][30] 3. 因子名称：全A交易量能/量能情绪[12][15] * 因子构建思路：该因子用于衡量短期交易情绪，反映市场整体的交易活跃度[12][15] * 因子具体构建过程：基于全市场交易额构建标准化指标（例如，相对于长期均值的偏离）。报告中提及观察其变化方向和历史分位数[12][15] 因子的回测效果 （报告中未提供上述单个因子的独立回测绩效指标）