量化模型与因子总结 一、量化模型与构建方式 1. 模型名称：中美股市共振与背离阶段识别模型 **模型构建思路**：基于共同有效的周度收盘数据，通过识别局部峰谷、评估重要性、过滤重复与短期波动、确定共同区间、筛选显著分化等步骤，将中美股市走势划分为同涨、同跌和显著分化三种阶段[10] **模型具体构建过程**： （1）**识别主要拐点**：基于共同有效的周度收盘数据，在前后各13周内识别局部峰谷，在前后各65周、合计约2.5年的窗口中评估重要性；候选点两侧波动幅度均须达到10%[10] （2）**过滤重复与短期波动**：匹配半年内的同类峰谷，至少一方接近窗口极值，邻近重复点择优保留；结合走势人工复核，保留重要主波段，将短期反弹和回撤并入大阶段[10] （3）**确定共同区间**：同涨、同跌从较晚转向的一方开始，到任一方率先离开同步状态时结束；两地拐点分别保留实际日期，阴影收益按最终共同起止周计算[10] （4）**筛选显著分化**：阶段方向不同，且累计收益差绝对值达到10个百分点，才单列分化区间；弱分化优先并入前段，不符合条件时再检查后段；合并后须保持阶段性质，并重新计算收益[10] （5）**统一配色与复核**：同涨标红、同跌标绿、显著分化标黄；划段允许结合后续走势确认并回溯至实际拐点，最新未结束阶段标注“持续中”[10] **模型评价**：该模型能够系统性地划分中美股市的共振与背离阶段，但阶段划分使用拐点前后数据，并结合后续走势确认及人工复核，存在事后识别特征，实际交易中可能无法及时获得相同信号[61] **模型测试结果**：所用数据期为2005年至今，其中创业板取其2010年中上市后至今的数据，数据频率为周频[9]；标普500与沪深300有10.66%的时间不同步，纳斯达克100与创业板指有38.97%的时间不同步[21]；沪深300在2007年牛市见顶、创业板指在2015年牛市和2021年牛市见顶时，美股与A股均为共振下跌状态[21]；纳斯达克100在本轮调整（2026年6月18日至7月24日）中跌幅仅有7.46%，标普500同期跌幅仅有1.10%[21] 2. 模型名称：创业板指周线缠论走势分解模型 **模型构建思路**：基于缠论技术分析方法，对创业板指周线走势进行分解，识别当前指数状态及未来走势推演[52] **模型具体构建过程**：报告未披露具体构建过程细节，仅展示了创业板指周线缠论走势分解图（2012年至今）[53] **模型评价**：密集成交区支撑及走势分解具有一定主观性，支撑位可能失效，创业板指后续再创新高的预期存在无法兑现、调整幅度扩大的风险[61] **模型测试结果**：创业板指自9月22日开启的回调跌破了前期低点，但仍在去年9月以后的密集成交区下沿得到支撑，预期后期仍将有新高的一笔[52] 3. 模型名称：大类指数聚类模型 **模型构建思路**：采用聚类方法对ETF大类指数进行计算分类[43] **模型具体构建过程**：报告未披露具体构建过程细节，仅说明大类指数采用聚类方法计算得到[43] **模型测试结果**：年初以来总净流入排名前十的大类指数包括半导体材料设备类（YTD合计1286.29亿元）、通信设备类（521.73亿元）、恒生科技（225.48亿元）、有色金属类（223.88亿元）、证券公司类（198.95亿元）、电网设备主题（146.26亿元）、中证软件类（142.37亿元）、卫星通信（126.59亿元）、上证指数（126.47亿元）、卫星产业类（123.29亿元）[43] 二、模型的回测效果 1. 中美股市共振与背离阶段识别模型，标普500与沪深300不同步时间占比10.66%，纳斯达克100与创业板指不同步时间占比38.97%，纳斯达克100本轮调整跌幅7.46%，标普500本轮调整跌幅1.10%[21] 2. 创业板指周线缠论走势分解模型，创业板指自9月22日回调跌破前期低点，仍在密集成交区下沿得到支撑[52] 3. 大类指数聚类模型，半导体材料设备类YTD净流入1286.29亿元，通信设备类YTD净流入521.73亿元，恒生科技YTD净流入225.48亿元[43] 三、量化因子与构建方式 1. 因子名称：成交拥挤度因子 **因子构建思路**：通过计算各长江一级行业成交额占比来衡量市场成交拥挤度，以判断低位轮动热度所在板块[45] **因子具体构建过程**：计算各长江一级行业成交额占全市场成交额的比例，并按月度进行统计对比[46] **因子评价**：成交拥挤度仅反映部分资金行为，且受到统计分类与披露时点影响，相关变化未必能够持续转化为价格上涨[61] **因子测试结果**：本周低位轮动的热度仍在消费板块上[45]；电子板块5月均值成交额占比27.42%，10月8日至10月9日为23.42%；电信业务5月均值7.94%，10月8日至10月9日为6.97%；医疗保健5月均值5.73%，10月8日至10月9日为7.64%；食品饮料5月均值1.39%，10月8日至10月9日为1.64%；沪深全A日均成交额5月均值2.33万亿元，10月8日至10月9日为1.79万亿元[46] 2. 因子名称：自由流通市值分组因子 **因子构建思路**：按自由流通市值将A股分为10组（1大→10小），计算组内个股涨跌幅算术均值，以观察市值风格特征[49] **因子具体构建过程**：将A股按自由流通市值从大到小分为10组，计算每组内个股涨跌幅的算术均值[49] **因子评价**：低位股、小市值股的阶段性强势可能受到短期交易情绪推动，资金偏好变化后可能出现快速回撤，成交不足还可能放大价格波动与交易冲击[61] **因子测试结果**：10月8日至10月9日，第1组（市值最大）-2.08%，第2组-1.39%，第3组-0.97%，第4组-0.85%，第5组-0.75%，第6组0.06%，第7组-0.08%，第8组0.56%，第9组0.05%，第10组（市值最小）0.02%，沪深A股等权均值-0.54%[49]；2026年9月，第1组-6.48%，第2组-5.65%，第3组-3.99%，第4组-3.16%，第5组-1.97%，第6组-1.50%，第7组-0.79%，第8组-0.72%，第9组1.01%，第10组0.99%，沪深A股等权均值-2.23%[49] 3. 因子名称：公募重仓分类因子 **因子构建思路**：将A股分为公募重仓50（A股）、公募重仓非50（A股）和非公募重仓股（A股）三类，跟踪各类股票走势[29] **因子具体构建过程**：根据公募基金持仓数据，将A股划分为公募重仓50、公募重仓非50和非公募重仓股三类，计算累计净值[29] **因子评价**：公募持仓仅反映部分资金行为，且受到统计分类与披露时点影响，相关变化未必能够持续转化为价格上涨[61] **因子测试结果**：年初至10月10日，公募重仓50（A股）、公募重仓非50（A股）和非公募重仓股（A股）累计净值分别为0.98、0.96和0.95，接近粘合状态[29] 4. 因子名称：ETF净流入流出因子 **因子构建思路**：统计年初以来各大类指数ETF的净流入流出情况，以观察资金流向[41] **因子具体构建过程**：按大类指数分类，统计各月ETF净流入流出金额及YTD合计[43] **因子评价**：ETF净申购仅反映部分资金行为，且受到统计分类与披露时点影响，相关变化未必能够持续转化为价格上涨[61] **因子测试结果**：AI基建仍保持小幅净流入状态[41]；半导体材料设备类YTD合计1286.29亿元，通信设备类YTD合计521.73亿元，恒生科技YTD合计225.48亿元，有色金属类YTD合计223.88亿元，证券公司类YTD合计198.95亿元[43] 5. 因子名称：主动权益基金业绩分布因子 **因子构建思路**：统计主动权益基金（普通、偏股、灵活）的收益率分布情况[37] **因子具体构建过程**：计算主动权益基金年初至10月9日收益率的中位数和均值[37] **因子测试结果**：主动权益基金年初至10月9日收益率中位数为-1.41%，均值为0.01%[37] 6. 因子名称：个股累计涨幅中位数和均值因子 **因子构建思路**：统计年初以来个股累计涨幅的中位数和均值，以观察市场整体涨幅分布[33] **因子具体构建过程**：计算年初以来所有个股累计涨幅的中位数和均值[33] **因子测试结果**：市场整体累计涨幅均值和中位数均较为平稳[33] 7. 因子名称：长江一级行业指数涨幅因子 **因子构建思路**：统计长江一级行业指数在各区间的涨幅表现，以回顾各行业弹性[23] **因子具体构建过程**：计算各长江一级行业指数从起涨日至高点的区间最大涨幅、本轮行情以来累计涨幅、本月以来涨幅、7月以来涨跌幅[23] **因子测试结果**：电信业务区间最大涨幅433.28%，本轮行情以来累计涨幅239.47%，本月以来涨幅-4.47%，7月以来涨跌幅-31.21%；电子区间最大涨幅374.12%，本轮行情以来累计涨幅184.54%，本月以来涨幅-5.53%，7月以来涨跌幅-36.02%；金属材料及矿业区间最大涨幅217.38%，本轮行情以来累计涨幅114.01%，本月以来涨幅0.73%，7月以来涨跌幅-9.81%；万得全A区间最大涨幅99.28%，本轮行情以来累计涨幅62.03%，本月以来涨幅-1.43%，7月以来涨跌幅-14.57%[23] 8. 因子名称：当月强势股因子 **因子构建思路**：统计当月涨幅榜Top20个股，分析其属性特征（如超跌、北交所、锂电池等）[26] **因子具体构建过程**：按当月涨幅排序，选取Top20个股，统计其最低到最高涨幅、前最低价、起涨时流通市值、起涨时成交额等指标[26] **因子测试结果**：本月强势股多是低位股，15只启动时自由流通市值在40亿以下，且有13只起涨时成交额在3亿以下[26]；力王股份最低到最高涨幅71%，前最低价13.53元，起涨时流通市值8.75亿元，起涨时成交额21.39千万元；领湃科技最低到最高涨幅46%，前最低价19.75元，起涨时流通市值41.41亿元，起涨时成交额40.03千万元[26] 四、因子的回测效果 1. 成交拥挤度因子，电子板块5月均值成交额占比27.42%，10月8日至10月9日23.42%；电信业务5月均值7.94%，10月8日至10月9日6.97%；医疗保健5月均值5.73%，10月8日至10月9日7.64%；食品饮料5月均值1.39%，10月8日至10月9日1.64%；沪深全A日均成交额5月均值2.33万亿元，10月8日至10月9日1.79万亿元[46] 2. 自由流通市值分组因子，10月8日至10月9日第1组-2.08%，第2组-1.39%，第3组-0.97%，第4组-0.85%，第5组-0.75%，第6组0.06%，第7组-0.08%，第8组0.56%，第9组0.05%，第10组0.02%，沪深A股等权均值-0.54%[49] 3. 公募重仓分类因子，年初至10月10日公募重仓50（A股）累计净值0.98，公募重仓非50（A股）累计净值0.96，非公募重仓股（A股）累计净值0.95[29] 4. ETF净流入流出因子，半导体材料设备类YTD合计1286.29亿元，通信设备类YTD合计521.73亿元，恒生科技YTD合计225.48亿元，有色金属类YTD合计223.88亿元，证券公司类YTD合计198.95亿元[43] 5. 主动权益基金业绩分布因子，年初至10月9日收益率中位数-1.41%，均值0.01%[37] 6. 个股累计涨幅中位数和均值因子，市场整体累计涨幅均值和中位数均较为平稳[33] 7. 长江一级行业指数涨幅因子，电信业务区间最大涨幅433.28%，本轮行情以来累计涨幅239.47%，本月以来涨幅-4.47%，7月以来涨跌幅-31.21%；电子区间最大涨幅374.12%，本轮行情以来累计涨幅184.54%，本月以来涨幅-5.53%，7月以来涨跌幅-36.02%；万得全A区间最大涨幅99.28%，本轮行情以来累计涨幅62.03%，本月以来涨幅-1.43%，7月以来涨跌幅-14.57%[23] 8. 当月强势股因子，力王股份最低到最高涨幅71%，前最低价13.53元，起涨时流通市值8.75亿元，起涨时成交额21.39千万元；领湃科技最低到最高涨幅46%，前最低价19.75元，起涨时流通市值41.41亿元，起涨时成交额40.03千万元[26]

量化模型与构建方式 1. 模型名称：指数增强基金超额收益模型；模型构建思路：以指数增强基金相对基准的超额收益作为核心评估指标，统计其超额收益的中位数及分位数分布，以衡量指数增强基金整体的主动管理能力；模型具体构建过程：统计指数增强基金相对基准的超额收益，新成立基金在6个月建仓期满之后才参与统计，计算其超额收益的中位数及不同分位数的取值分布[39][41]；模型评价：该模型能够有效反映指数增强基金整体获取超额收益的能力，通过分位数分布可观察超额收益的离散程度[39][41] 2. 模型名称：量化对冲基金收益模型；模型构建思路：以量化对冲型基金的绝对收益作为核心评估指标，统计其收益的中位数及分位数分布，以衡量量化对冲基金的整体表现；模型具体构建过程：统计量化对冲型基金的收益情况，新成立基金在6个月建仓期满之后才参与统计，计算其收益的中位数及不同分位数的取值分布[39][41]；模型评价：该模型能够反映量化对冲基金在市场不同环境下的绝对收益获取能力[39][41] 3. 模型名称：FOF基金权益仓位测算模型；模型构建思路：依据业绩比较基准计算FOF基金中权益类资产的权重，并将基金类指数按照预计权益占比进行折算，以评估FOF基金的实际权益暴露水平；模型具体构建过程：依据业绩比较基准计算FOF基金中权益类资产的权重，将基金类指数按照预计权益占比进行折算，对于复合指数（如中证南方养老目标日期、中证平安退休宝等指数），由于其权益占比会随着时间变动，因而作为一个单独的分类进行统计[42][46]；模型评价：该模型能够有效刻画FOF基金的实际权益仓位分布，有助于投资者了解不同类型FOF基金的风险暴露特征[42][46] 模型的回测效果 1. 指数增强基金超额收益模型，上周超额收益中位数0.00%，今年以来超额收益中位数4.13%，上周超额收益最小值-2.32%，上周超额收益10%分位数-0.56%，上周超额收益20%分位数-0.31%，上周超额收益30%分位数-0.18%，上周超额收益40%分位数-0.08%，上周超额收益60%分位数0.08%，上周超额收益70%分位数0.18%，上周超额收益80%分位数0.35%，上周超额收益90%分位数0.57%，上周超额收益最大值2.45%，今年以来超额收益最小值-14.51%，今年以来超额收益10%分位数-0.72%，今年以来超额收益20%分位数1.16%，今年以来超额收益30%分位数2.21%，今年以来超额收益40%分位数3.10%，今年以来超额收益60%分位数5.33%，今年以来超额收益70%分位数6.35%，今年以来超额收益80%分位数8.00%，今年以来超额收益90%分位数9.38%，今年以来超额收益最大值21.08%[41] 2. 量化对冲基金收益模型，上周收益中位数-0.06%，今年以来收益中位数1.22%，上周收益最小值-0.65%，上周收益10%分位数-0.53%，上周收益20%分位数-0.23%，上周收益30%分位数-0.15%，上周收益40%分位数-0.12%，上周收益60%分位数-0.02%，上周收益70%分位数0.07%，上周收益80%分位数0.19%，上周收益90%分位数0.49%，上周收益最大值1.56%，今年以来收益最小值-4.95%，今年以来收益10%分位数-3.82%，今年以来收益20%分位数-2.59%，今年以来收益30%分位数-1.38%，今年以来收益40%分位数0.02%，今年以来收益60%分位数1.82%，今年以来收益70%分位数2.24%，今年以来收益80%分位数2.45%，今年以来收益90%分位数3.12%，今年以来收益最大值6.07%[41] 3. FOF基金权益仓位测算模型，目标日期基金权益仓位主要分布在50%-65%区间内，绝大多数目标风险基金权益仓位在50%以下，普通FOF基金权益仓位主要分布在25%以下和65%-100%区间内[42] 量化因子与构建方式 （本报告未涉及具体的量化因子构建内容） 因子的回测效果 （本报告未涉及具体的量化因子回测内容）

量化模型与因子总结 一、量化模型与构建方式 1. 模型名称：PCR指标择时模型 - **模型构建思路**：基于期权市场的认沽认购比率（PCR）指标进行择时判断，通过分析PCR指标的变化趋势来研判市场情绪和未来走势[2] - **模型具体构建过程**：报告引用了前期专题研究《期权PCR指标的择时效果探究》，该模型通过计算期权市场中认沽期权与认购期权的成交量或持仓量比值来构建PCR指标，并基于该指标的历史分位数或变化趋势进行择时信号判断[2] - **模型评价**：该模型是期权系列专题研究的第一篇，为后续期权量化研究奠定基础[2] 2. 模型名称：期权波动率偏斜交易模型 - **模型构建思路**：基于期权波动率偏斜（Volatility Skew）中隐藏的交易机会进行策略构建[2] - **模型具体构建过程**：报告引用了前期专题研究《期权波动率偏斜中隐藏的交易机会》，该模型通过分析不同行权价期权的隐含波动率差异，识别波动率偏斜中的交易机会[2] - **模型评价**：该模型是期权系列专题研究的第二篇，拓展了波动率维度的量化策略[2] 3. 模型名称：基于隐含波动率与标的价格反向变动的卖权策略 - **模型构建思路**：利用隐含波动率与标的价格之间的反向变动关系，构建卖出期权策略[2] - **模型具体构建过程**：报告引用了前期专题研究《基于隐含波动率与标的价格反向变动的卖权策略》，该模型通过捕捉隐含波动率与标的价格的反向变动规律，在特定市场条件下执行卖权操作[2] - **模型评价**：该模型是期权系列专题研究的第三篇，为波动率交易提供了策略框架[2] 4. 模型名称：基于日内趋势跟踪的期权买方策略 - **模型构建思路**：通过日内趋势跟踪方法构建期权买方策略[2] - **模型具体构建过程**：报告引用了前期专题研究《基于日内趋势跟踪的期权买方策略》，该模型通过识别日内价格趋势，在趋势形成时买入期权以获取收益[2] - **模型评价**：该模型是期权系列专题研究的第四篇，为日内交易提供了量化策略支持[2] 5. 模型名称：领口策略 - **模型构建思路**：通过同时持有标的资产、买入认沽期权和卖出认购期权来构建领口策略，用于对冲下行风险[5][41] - **模型具体构建过程**：持有现货的同时，买入认沽期权进行下行保护，同时卖出认购期权以降低对冲成本，形成领口组合[5][41] - **模型评价**：该策略适用于持有现货者进行风险对冲，可在市场调整时控制回撤[5][41] 6. 模型名称：价差策略 - **模型构建思路**：通过同时买入和卖出不同行权价或不同到期日的期权来构建价差组合[5][41] - **模型具体构建过程**：在500ETF波动加大的市场环境下，通过构建价差组合来捕捉波动率变化带来的收益，同时控制单边暴露风险[5][41] - **模型评价**：该策略适用于波动加大的市场环境，可避免单边暴露[5][41] 7. 模型名称：日内趋势策略 - **模型构建思路**：基于日内价格趋势进行期权交易[5][41] - **模型具体构建过程**：在500ETF波动加大的环境下，通过识别日内趋势方向进行期权操作，避免隔夜单边暴露风险[5][41] - **模型评价**：该策略适用于波动加大的市场环境，可捕捉日内交易机会[5][41] 二、量化因子与构建方式 1. 因子名称：总持仓量PCR - **因子构建思路**：通过计算认沽期权持仓量与认购期权持仓量的比值来构建总持仓量PCR因子，用于衡量市场情绪和避险倾向[4][12][14][18] - **因子具体构建过程**：总持仓量PCR = 认沽期权总持仓量 / 认购期权总持仓量。该因子通过统计期权市场中认沽期权和认购期权的持仓量数据，计算其比值作为市场情绪指标[4][12][14][18] - **因子评价**：PCR指标普遍回落显示避险情绪上升，该因子能够有效反映市场情绪变化[5][41] 2. 因子名称：成交量PCR - **因子构建思路**：通过计算认沽期权成交量与认购期权成交量的比值来构建成交量PCR因子[16][18][23] - **因子具体构建过程**：成交量PCR = 认沽期权总成交量 / 认购期权总成交量。该因子通过统计期权市场中认沽期权和认购期权的成交量数据，计算其比值作为市场交易情绪指标[16][18][23] - **因子评价**：成交量PCR与持仓量PCR结合使用，可更全面地反映市场情绪[16][18][23] 3. 因子名称：5日历史滚动波动率 - **因子构建思路**：通过计算标的资产过去5个交易日的滚动波动率来构建历史波动率因子[4][20][24][25] - **因子具体构建过程**：基于标的资产过去5个交易日的收益率数据，计算其标准差作为5日历史滚动波动率[4][20][24][25] - **因子评价**：该因子用于衡量短期市场波动水平，与隐含波动率对比可判断市场情绪[35][41] 4. 因子名称：10日历史波动率 - **因子构建思路**：通过计算标的资产过去10个交易日的滚动波动率来构建历史波动率因子[20][24][25] - **因子具体构建过程**：基于标的资产过去10个交易日的收益率数据，计算其标准差作为10日历史波动率[20][24][25] - **因子评价**：该因子用于衡量中期市场波动水平[20][24][25] 5. 因子名称：20日历史波动率 - **因子构建思路**：通过计算标的资产过去20个交易日的滚动波动率来构建历史波动率因子[20][24][25] - **因子具体构建过程**：基于标的资产过去20个交易日的收益率数据，计算其标准差作为20日历史波动率[20][24][25] - **因子评价**：该因子用于衡量中长期市场波动水平[20][24][25] 6. 因子名称：40日历史波动率 - **因子构建思路**：通过计算标的资产过去40个交易日的滚动波动率来构建历史波动率因子[20][24][25] - **因子具体构建过程**：基于标的资产过去40个交易日的收益率数据，计算其标准差作为40日历史波动率[20][24][25] - **因子评价**：该因子用于衡量较长周期市场波动水平[20][24][25] 7. 因子名称：隐含波动率（IV） - **因子构建思路**：通过期权市场价格反推得到的隐含波动率，用于衡量市场对未来波动的预期[4][29][35] - **因子具体构建过程**：基于期权定价模型（如Black-Scholes模型），通过期权市场价格反推得到隐含波动率。报告分析了各期权品种2026-10和2026-11合约的隐含波动率结构分布[29][30][31][32][33][34] - **因子评价**：隐波较上周普遍回落但仍高于历史波动率约2-3个百分点，认购端仍偏贵，显示市场对后市上涨仍有一定预期[4][29] 8. 因子名称：隐含波动率与历史波动率差值 - **因子构建思路**：通过计算隐含波动率与历史波动率之间的差值来构建波动率溢价因子[35][41] - **因子具体构建过程**：IV - HV20，即隐含波动率减去20日历史波动率。该因子用于衡量期权市场的波动率溢价水平[35][41] - **因子评价**：隐波与历史波动率差值收窄至约3个百分点，当前市场情绪较前期有所降温[35] 9. 因子名称：收盘价升贴水率 - **因子构建思路**：通过计算股指期货收盘价与标的指数之间的升贴水率来构建基差因子[9][10][11] - **因子具体构建过程**：收盘价升贴水率 = (期货收盘价 - 标的指数收盘价) / 标的指数收盘价。该因子用于衡量期货市场相对于现货市场的溢价或折价程度[9][10][11] - **因子评价**：各合约升贴水率反映了市场对未来走势的预期[9][10][11] 三、模型与因子的回测效果 模型回测效果 1. **PCR指标择时模型**：报告未披露具体回测指标值[2] 2. **期权波动率偏斜交易模型**：报告未披露具体回测指标值[2] 3. **基于隐含波动率与标的价格反向变动的卖权策略**：报告未披露具体回测指标值[2] 4. **基于日内趋势跟踪的期权买方策略**：报告未披露具体回测指标值[2] 5. **领口策略**：报告未披露具体回测指标值[5][41] 6. **价差策略**：报告未披露具体回测指标值[5][41] 7. **日内趋势策略**：报告未披露具体回测指标值[5][41] 因子回测效果 1. **总持仓量PCR因子**： - 50ETF期权总持仓量PCR为0.69，较上周末降0.05[4][12] - 华泰柏瑞沪深300ETF期权总持仓量PCR为0.86，较上周末降0.03[4][14] - 南方中证500ETF期权总持仓量PCR为0.69，较上周末降0.12[4][18] 2. **成交量PCR因子**：报告未披露具体取值[16][18][23] 3. **5日历史滚动波动率因子**： - 50ETF：10.90%，位于五年历史25%分位附近[4][20] - 华泰柏瑞沪深300ETF：15.79%，位于五年历史50%分位附近[4][24] - 南方中证500ETF：24.26%，位于五年历史75%分位附近[4][25] 4. **10日历史波动率因子**： - 50ETF：12.29%[20] - 华泰柏瑞沪深300ETF：15.74%[24] - 南方中证500ETF：23.56%[25] 5. **20日历史波动率因子**： - 50ETF：10.35%[20] - 华泰柏瑞沪深300ETF：12.02%[24] - 南方中证500ETF：19.81%[25] 6. **40日历史波动率因子**： - 50ETF：10.90%[20] - 华泰柏瑞沪深300ETF：13.25%[24] - 南方中证500ETF：22.27%[25] 7. **隐含波动率（IV）因子**： - 隐波较上周普遍回落，但当前隐波仍高于历史波动率约2-3个百分点[4] - 各品种IV较上周回落，认购端仍偏贵[4] - 500ETF隐波水平远高于50ETF、300ETF[4] 8. **隐含波动率与历史波动率差值因子**： - 隐波与历史波动率差值收窄至约3个百分点[35] 9. **收盘价升贴水率因子**： - IH2610：-0.17%[9] - IH2611：-0.94%[9] - IH2612：-1.55%[9] - IH2703：-2.74%[9] - IF2610：-0.22%[10] - IF2611：-1.03%[10] - IF2612：-1.68%[10] - IF2703：-3.19%[10] - IC2610：-0.24%[11] - IC2611：-1.27%[11] - IC2612：-1.93%[11] - IC2703：-4.16%[11]

[Table_IndustryAndDate] 证券研究报告 | 金融工程 | 定期报告 | 2026/10/11 金融工程：AI 识图关注电力、银行 A 股量化择时研究报告 | [Table_Summary] | 市场回顾（本期是指 2026 年 9 月 28 日—2026 年 10 月 9 日） | | | | | | | --- | --- | --- | --- | --- | --- | --- | | 结构表现 | 中证 100 | 沪深 300 | 中证 500 | 中证 800 | 中证 1000 | 中证 2000 | | (涨幅) | -2.71% | -2.75% | -4.89% | -3.34% | -5.47% | -4.50% | | 行业表现 | 强度前五：公用事业、煤炭、交通运输、房地产、石油石化 | | | | | | | | 强度后五：国防军工、建筑材料、机械设备、电子、通信 | | | | | | | | | | 市场估值 | | | | | 指数估值 | ↓：上证指数 | | | | | | | 行业估值 | 相对 PE 较低：国防军工、美容护理、有色金属、食品饮料、 ...

量化模型与构建方式 1. 模型名称：全天候择时模型；模型构建思路：通过对A股自身技术面内因进行综合判断，包括量能变化、走势宽度、涨停股收益等维度，发出择时看多或看空信号[2][8]；模型具体构建过程：报告未披露该模型的详细构建步骤与公式；模型评价：该模型在周五收盘后发出看多信号，与A股技术面内因变化相呼应[2][8] 2. 模型名称：行业四轮驱动模型；模型构建思路：从多个维度对行业进行综合评分与排序，识别具有潜在机会的行业板块[3][9]；模型具体构建过程：报告未披露该模型的详细构建步骤与公式；模型评价：该模型提示关注传媒、电力设备、商贸零售、机械设备、汽车、电子、通信等板块的机会[3][9] 3. 模型名称：周期分析模型；模型构建思路：对上证综指、科创50等指数进行周期分析，判断市场所处周期位置[7][11][13]；模型具体构建过程：报告未披露该模型的详细构建步骤与公式；模型评价：报告未给出定性评价 4. 模型名称：泛行业分歧度跟踪模型；模型构建思路：跟踪泛行业分歧度指标，衡量行业间表现分化程度[7][14]；模型具体构建过程：报告未披露该模型的详细构建步骤与公式；模型评价：报告未给出定性评价 5. 模型名称：行业短期信号模型；模型构建思路：通过行业排序、信号类型（如赚钱效应异动、弱势行业反转）、是否拥挤、过去1年Sharpe排序等维度，生成行业短期交易信号[16]；模型具体构建过程：报告未披露该模型的详细构建步骤与公式；模型评价：报告未给出定性评价 量化因子与构建方式 1. 因子名称：量能因子；因子的构建思路：通过成交额环比变化及较地量回升幅度衡量市场量能变化[2][8]；因子具体构建过程：报告未披露该因子的详细构建步骤与公式；因子评价：10-09成交18643.8亿元，环比+13.81%，连续第二日放量，较9-30地量回升32.8%，缩量企稳已获放量确认[2][8] 2. 因子名称：走势宽度因子；因子的构建思路：通过上涨方向占比衡量市场走势宽度[2][8]；因子具体构建过程：报告未披露该因子的详细构建步骤与公式；因子评价：上涨方向占比由31.29%升至57.48%[2][8] 3. 因子名称：昨日涨停股今日收益因子；因子的构建思路：通过昨日涨停股在今日的收益表现衡量市场赚钱效应[2][8]；因子具体构建过程：报告未披露该因子的详细构建步骤与公式；因子评价：昨日涨停股今日收益由+0.10%回升至+3.11%[2][8] 4. 因子名称：行业排序因子；因子的构建思路：对行业进行排序，作为行业短期信号模型的输入维度之一[16]；因子具体构建过程：报告未披露该因子的详细构建步骤与公式；因子评价：报告未给出定性评价 5. 因子名称：信号类型因子；因子的构建思路：将行业信号分类为赚钱效应异动（潜在机会）、弱势行业反转（潜在机会）等类型[16]；因子具体构建过程：报告未披露该因子的详细构建步骤与公式；因子评价：报告未给出定性评价 6. 因子名称：是否拥挤因子；因子的构建思路：判断行业是否处于拥挤状态[16]；因子具体构建过程：报告未披露该因子的详细构建步骤与公式；因子评价：报告未给出定性评价 7. 因子名称：过去1年Sharpe排序因子；因子的构建思路：基于过去1年Sharpe比率对行业进行排序[16]；因子具体构建过程：报告未披露该因子的详细构建步骤与公式；因子评价：报告未给出定性评价 模型的回测效果 1. 全天候择时模型，周五收盘后发出看多信号[2][8] 2. 行业四轮驱动模型，提示关注传媒、电力设备、商贸零售、机械设备、汽车、电子、通信等板块的机会[3][9] 3. 行业短期信号模型，传媒行业排序17，信号类型为赚钱效应异动（潜在机会），是否拥挤为0，过去1年Sharpe排序20[16]；电力设备行业排序2，信号类型为赚钱效应异动（潜在机会），是否拥挤为0，过去1年Sharpe排序25[16]；商贸零售行业排序3，信号类型为弱势行业反转（潜在机会），是否拥挤为0，过去1年Sharpe排序27[16]；机械设备行业排序4，信号类型为赚钱效应异动（潜在机会），是否拥挤为0，过去1年Sharpe排序9[16]；美容护理行业排序5，信号类型为弱势行业反转（潜在机会），是否拥挤为0，过去1年Sharpe排序29[16]；汽车行业排序6，信号类型为弱势行业反转（潜在机会），是否拥挤为0，过去1年Sharpe排序30[16]；电子行业排序7，信号类型为赚钱效应异动（潜在机会），是否拥挤为0[16]；通信行业排序8，信号类型为无，是否拥挤为0[16]；煤炭行业排序9，信号类型为无，是否拥挤为0，过去1年Sharpe排序2[16]；石油石化行业排序10，信号类型为无，是否拥挤为0，过去1年Sharpe排序3[16] 因子的回测效果 1. 量能因子，10-09成交18643.8亿元，环比+13.81%，连续第二日放量，较9-30地量回升32.8%[2][8] 2. 走势宽度因子，上涨方向占比由31.29%升至57.48%[2][8] 3. 昨日涨停股今日收益因子，昨日涨停股今日收益由+0.10%回升至+3.11%[2][8]

量化择时和拥挤度预警周报（20261009） [Table_Authors] 郑雅斌(分析师) 下周 A 股仍有望在震荡中出现局部修复 本报告导读： 我们认为，近期调整尚未改变对结构性机会的判断，下周 A 股仍有望在震荡中出现 局部修复，中证 500 和中证 2000 方向的表现值得关注。 投资要点： 金 融 工 程 周 报 证 券 研 究 报 告 | [Table_Summary] [ | 下周（20261012-20261016，后文同）市场观点：下周 A 股仍有望在 | | --- | --- | | 震荡中出现局部修复。从量化指标上看，基于沪深 | 300 指数的流动 | | 性冲击指标周五为-0.59，持平于前一周（-0.59），意味着当前市场的 | | | 流动性高于过去一年平均水平-0.59 | 倍标准差。上证 期权成 50ETF | | 交量的 | PUT-CALL 比率震荡上升，周五为 0.76，高于前一周（0.69）， | | 投资者对上证 | 50ETF 短期走势乐观程度下降。上证综指和 Wind 全 | | 五日平均换手率分别为 | 0.93%和 1.36%，处于 年以来的 A 200 ...

量化模型与构建方式 1. 模型名称：DDM模型；模型构建思路：通过分析DDM模型各要素的边际变化趋势来判断市场涨跌，同时结合市场预期与客观事实的相对位置进行综合研判；模型具体构建过程：报告未披露具体的公式和详细构建步骤，仅提及需关注DDM模型每个要素的边际变化趋势，并对比市场预期和客观事实的相对位置，当市场充分定价了利空要素时，底部拐点亦将到来[3][12]；模型评价：该模型是报告分析市场底部拐点的核心框架，强调预期与现实的相对位置而非单一要素的绝对水平[3][12] 2. 模型名称：反转策略（量化私募产品策略）；模型构建思路：量化类产品多以反转策略为主，通过捕捉市场超跌反弹机会获取超额收益；模型具体构建过程：报告未披露具体的因子构建和公式细节，仅指出量化类产品多以反转策略为主，该策略在震荡偏弱的市场格局中表现突出[3][12]；模型评价：该策略在弱市环境中超额收益持续回升，是典型的弱市特征策略[3][12] 模型的回测效果 1. DDM模型，报告未披露具体指标取值[3][12] 2. 反转策略，报告未披露具体指标取值[3][12] 量化因子与构建方式 本报告未涉及具体的量化因子构建内容 因子的回测效果 本报告未涉及具体的量化因子回测结果

量化模型与构建方式 1 模型名称：分歧度-流动性-景气度三维择时框架 **模型构建思路**：从市场分歧度、流动性和景气度三个维度构建择时框架，综合判断市场趋势方向[8] **模型具体构建过程**：框架由三个子指数构成——市场分歧度指数、市场流动性指数、A股景气度指数2.0，三者共同构成三维择时框架，用于判断市场处于上涨还是下跌趋势[11][12] **模型评价**：当下流动性保持下行趋势，分歧度继续下行，景气度为下行趋势，三维择时框架保持持续阴跌判断[8] 2 模型名称：ETF热点趋势策略 **模型构建思路**：根据K线的最高价与最低价的上涨或下跌形态，先选出最高价与最低价同时为上涨形态的ETF；进一步根据最高价与最低价近20日回归系数的相对陡峭程度，构建支撑阻力因子，并选择因子多头组中近5日换手率/近20日换手率最高，即短期市场关注度明显提升的10只ETF构建风险平价组合[27] **模型具体构建过程**： - 第一步：根据K线的最高价与最低价的上涨或下跌形态，筛选出最高价与最低价同时为上涨形态的ETF[27] - 第二步：根据最高价与最低价近20日回归系数的相对陡峭程度，构建支撑阻力因子[27] - 第三步：选择因子多头组中近5日换手率/近20日换手率最高的10只ETF[27] - 第四步：对选出的10只ETF构建风险平价组合[27] **模型评价**：组合2025年以来收益58.35%，相比沪深300指数的超额收益为45.34%[27] 3 模型名称：全天候策略（高波版：四层结构化-股债金风险平价） **模型构建思路**：采用循环对冲设计，绕过宏观因素刻画直击资产波动进行长期收益平衡，无需杠杆、预测或宏观假设即可获取稳健绝对收益[39] **模型具体构建过程**：策略遵循三项基本原则：1）资产选择；2）风险调整；3）结构对冲，进行平衡配置后，波动率将被大幅熨平[31]。高波版采用四层结构化-股债金风险平价构型[31]。最新权重配置为：A股成长100权重3.96%、A股低波红利权重16.84%、H股恒生科技权重2.04%、H股港股通高股息权重3.44%、美股纳斯达克100权重7.68%、债券沪30年国债权重55.89%、债券沪城投债权重0.00%、商品黄金权重5.24%、商品有色金属权重2.31%、商品能源化工权重1.06%、商品豆粕权重1.53%；合计权益33.97%、债券55.89%、商品10.15%[42] **模型评价**：截至2025年，高波版年化收益率11.8%，年平均最大回撤3.6%，夏普比率2.3[39] 4 模型名称：全天候策略（低波版：五层结构化-风险预算） **模型构建思路**：采用循环对冲设计，绕过宏观因素刻画直击资产波动进行长期收益平衡，无需杠杆、预测或宏观假设即可获取稳健绝对收益[39] **模型具体构建过程**：策略遵循三项基本原则：1）资产选择；2）风险调整；3）结构对冲，进行平衡配置后，波动率将被大幅熨平[31]。低波版采用五层结构化-风险预算构型[37]。最新权重配置为：A股成长100权重0.63%、A股低波红利权重2.66%、H股恒生科技权重0.32%、H股港股通高股息权重0.54%、美股纳斯达克100权重1.22%、债券沪30年国债权重8.84%、债券沪城投债权重84.18%、商品黄金权重0.83%、商品有色金属权重0.37%、商品能源化工权重0.17%、商品豆粕权重0.24%；合计权益5.37%、债券93.02%、商品1.60%[42] **模型评价**：截至2025年，低波版年化收益率8.8%，年平均最大回撤2.0%，夏普比率3.4[39] 5 模型名称：指数增强策略（经典线性多因子选股模型） **模型构建思路**：以经典线性多因子选股模型为核心，通过因子筛选、因子加权和组合优化三个步骤构建指数增强组合[51] **模型具体构建过程**： - 因子筛选：每年末，基于因子值之间的相关系数以及Rank ICIR指标，优选有效因子[54] - 因子加权：每月末，对入选因子进行正交处理，并采用Rank ICIR加权方式合成复合因子，将其作为个股的Alpha得分[54] - 组合优化：在给定风险约束条件下，以最大化复合因子暴露为目标，求解股票的最优权重，分别构建以沪深300、中证500和中证1000为基准的增强组合，力求实现相对于基准指数的稳定超额收益[54] **模型评价**：指数增强本周超额分化，中证1000增强继续跑赢基准[51] 模型的回测效果 1 三维择时框架 - 当下流动性保持下行趋势，分歧度继续下行，景气度为下行趋势，框架保持持续阴跌判断[8] 2 ETF热点趋势策略 - 2025年以来收益58.35%，相比沪深300指数的超额收益为45.34%[27] 3 全天候策略-高波版 - 截至2025年，年化收益率11.8%，年平均最大回撤3.6%，夏普比率2.3[39] - 2026年以来收益率9.5%[39] - 2026年（ytd）收益率9.5%，年化波动率5.4%，夏普率2.1，最大回撤2.8%[41] 4 全天候策略-低波版 - 截至2025年，年化收益率8.8%，年平均最大回撤2.0%，夏普比率3.4[39] - 2026年以来收益率3.5%[39] - 2026年（ytd）收益率3.5%，年化波动率1.0%，夏普率4.3，最大回撤0.4%[41] 5 沪深300指数增强组合 - 本周超额收益-0.8%，本月超额收益-0.8%，本年超额收益为14.8%[51] 6 中证500指数增强组合 - 本周超额收益-0.4%，本月超额收益-0.4%，本年超额收益为16.7%[51] - 自2016年1月1日以来，年化超额收益13.8%，年化信息比2.79[56] 7 中证1000指数增强组合 - 本周超额收益0.3%，本月超额收益0.3%，本年超额收益为13.6%[51] - 自2016年1月1日以来，年化超额收益16.9%，年化信息比3.37[61] 量化因子与构建方式 1 因子名称：支撑阻力因子 **因子构建思路**：根据最高价与最低价近20日回归系数的相对陡峭程度构建[27] **因子具体构建过程**：计算ETF最高价与最低价近20日的回归系数，根据回归系数的相对陡峭程度构建支撑阻力因子，选择因子多头组中近5日换手率/近20日换手率最高的10只ETF[27] **因子评价**：作为ETF热点趋势策略的核心选基因子，辅助筛选出短期市场关注度明显提升的ETF[27] 2 因子名称：经营性净资产/EV因子（noa to ev） **因子构建思路**：以经营性净资产与企业价值之比衡量估值水平[49] **因子具体构建过程**：经营性净资产/EV，即经营性净资产除以企业价值[49] **因子评价**：本周表现最佳的因子，显示出稳健的选股能力[48] 3 因子名称：营业收入/EV因子（sales to ev） **因子构建思路**：以营业收入与企业价值之比衡量估值水平[49] **因子具体构建过程**：营业收入/EV[49] **因子评价**：本周表现优异，显示出稳健的选股能力[48] 4 因子名称：营业收入TTM/(总市值+非流动性负债-货币资金)因子（sp adj） **因子构建思路**：以营业收入TTM与企业价值之比衡量估值水平[49] **因子具体构建过程**：营业收入TTM/(总市值+非流动性负债-货币资金)[49] **因子评价**：本周表现优异，显示出稳健的选股能力[48] 5 因子名称：股息率因子（dividend yield ratio） **因子构建思路**：以股息率衡量股东回报水平[49] **因子具体构建过程**：股息率[49] 6 因子名称：股东权益(报告期)/总市值因子（bp） **因子构建思路**：以账面市值比衡量价值水平[49] **因子具体构建过程**：股东权益(报告期)/总市值[49] 7 因子名称：过去四个季度已实施现金分红总额/当前市值因子（dp historical） **因子构建思路**：以历史分红水平衡量股东回报[49] **因子具体构建过程**：过去四个季度已实施现金分红总额/当前市值[49] 8 因子名称：EBITDA收益率因子（ebitda to ev） **因子构建思路**：以EBITDA与企业价值之比衡量估值水平[49] **因子具体构建过程**：EBITDA/EV[49] 9 因子名称：过去3个月收益率标准差因子（return std 3m） **因子构建思路**：以收益率标准差衡量波动率水平[49] **因子具体构建过程**：过去3个月收益率标准差[49] 10 因子名称：预测股息率因子（dp forecast） **因子构建思路**：以预测股息率衡量预期股东回报[49] **因子具体构建过程**：预测股息率[49] 11 因子名称：市销率倒数因子（sp） **因子构建思路**：以市销率倒数衡量估值水平[49] **因子具体构建过程**：市销率倒数[49] 12 因子名称：(营业收入-生产成本)/EV因子（sale m cost to ev） **因子构建思路**：以营业收入减生产成本与企业价值之比衡量盈利能力[49] **因子具体构建过程**：(营业收入-生产成本)/EV[49] 13 因子名称：经营现金流TTM/总市值因子（ocfp） **因子构建思路**：以经营现金流与市值之比衡量现金流水平[49] **因子具体构建过程**：经营现金流TTM/总市值[49] 14 因子名称：过去6个月收益率标准差因子（return std 6m） **因子构建思路**：以收益率标准差衡量波动率水平[49] **因子具体构建过程**：过去6个月收益率标准差[49] 15 因子名称：扣除非经常损益的净利润TTM/总市值因子（ep de） **因子构建思路**：以扣非净利润与市值之比衡量盈利水平[49] **因子具体构建过程**：扣除非经常损益的净利润TTM/总市值[49] 16 因子名称：过去12个月收益率标准差因子（return std 12m） **因子构建思路**：以收益率标准差衡量波动率水平[49] **因子具体构建过程**：过去12个月收益率标准差[49] 17 因子名称：营业收入TTM因子（or ttm） **因子构建思路**：以营业收入TTM衡量收入规模[49] **因子具体构建过程**：营业收入TTM[49] 18 因子名称：息税前利润EBIT/企业价值EV因子（ebit to ev） **因子构建思路**：以EBIT与企业价值之比衡量估值水平[49] **因子具体构建过程**：息税前利润EBIT/企业价值EV[49] 19 因子名称：市盈率倒数因子（ep） **因子构建思路**：以市盈率倒数衡量估值水平[49] **因子具体构建过程**：市盈率倒数[49] 20 因子名称：单季度市盈率倒数因子（ep_q_report） **因子构建思路**：以单季度市盈率倒数衡量估值水平[49] **因子具体构建过程**：单季度市盈率倒数[49] 21 因子名称：单季度市盈率倒数(考虑快报、预告)因子（ep q adv） **因子构建思路**：以考虑快报、预告的单季度市盈率倒数衡量估值水平[49] **因子具体构建过程**：单季度市盈率倒数(考虑快报、预告)[49] 22 因子名称：过去1个月收益率反转因子 **因子构建思路**：基于过去1个月收益率反转衡量短期反转强度[50] **因子具体构建过程**：过去1个月收益率反转[50] 23 因子名称：理想反转因子 **因子构建思路**：基于换手率或极端交易调整后的短期反转强度[50] **因子具体构建过程**：基于换手率或极端交易调整后的短期反转强度[50] 24 因子名称：5日收盘价在60日最高价与最低价区间中的相对位置因子 **因子构建思路**：以5日收盘价在60日最高价与最低价区间中的相对位置衡量价格变化[50] **因子具体构建过程**：5日收盘价在60日最高价与最低价区间中的相对位置[50] 25 因子名称：分析师一致预期EPS的动量因子 **因子构建思路**：以分析师一致预期EPS的动量衡量预期变化[50] **因子具体构建过程**：分析师一致预期EPS的动量[50] 26 因子名称：营业收入预期因子 **因子构建思路**：以营业收入预期衡量收入预期变化[50] **因子具体构建过程**：营业收入预期因子[50] 27 因子名称：未来第1年每股股利预测的3个月动量因子 **因子构建思路**：以未来第1年每股股利预测的3个月动量衡量股利预期变化[50] **因子具体构建过程**：未来第1年每股股利预测的3个月动量[50] 28 因子名称：未来第1年ROE预测的1个月动量因子 **因子构建思路**：以未来第1年ROE预测的1个月动量衡量盈利预期变化[50] **因子具体构建过程**：未来第1年ROE预测的1个月动量[50] 29 因子名称：分析师盈利预测上调家数与下调家数之差因子 **因子构建思路**：以分析师盈利预测上调家数与下调家数之差衡量预期修正方向[50] **因子具体构建过程**：分析师盈利预测上调家数与下调家数之差[50] 30 因子名称：5日成交量加权均价与60日成交量加权均价的比值因子 **因子构建思路**：以5日成交量加权均价与60日成交量加权均价的比值衡量价格趋势[50] **因子具体构建过程**：5日成交量加权均价与60日成交量加权均价的比值[50] 31 因子名称：未来第1年EPS预测的3个月动量因子 **因子构建思路**：以未来第1年EPS预测的3个月动量衡量盈利预期变化[50] **因子具体构建过程**：未来第1年EPS预测的3个月动量[50] 32 因子名称：未来第1年每股股利预测的1个月动量因子 **因子构建思路**：以未来第1年每股股利预测的1个月动量衡量股利预期变化[50] **因子具体构建过程**：未来第1年每股股利预测的1个月动量[50] 33 因子名称：未来第1年净利润预测的1个月动量因子 **因子构建思路**：以未来第1年净利润预测的1个月动量衡量盈利预期变化[50] **因子具体构建过程**：未来第1年净利润预测的1个月动量[50] 34 因子名称：未来第1年净利润预测的3个月动量因子 **因子构建思路**：以未来第1年净利润预测的3个月动量衡量盈利预期变化[50] **因子具体构建过程**：未来第1年净利润预测的3个月动量[50] 35 因子名称：隐含波动率排名或分位因子 **因子构建思路**：以隐含波动率排名或分位衡量市场预期波动[50] **因子具体构建过程**：隐含波动率排名或分位[50] 36 因子名称：未来第1年预期EP因子 **因子构建思路**：以未来第1年预期EP衡量估值水平[50] **因子具体构建过程**：未来第1年预期EP[50] 37 因子名称：未来第3年预期EP因子 **因子构建思路**：以未来第3年预期EP衡量估值水平[50] **因子具体构建过程**：未来第3年预期EP[50] 38 因子名称：未来第2年预期EP因子 **因子构建思路**：以未来第2年预期EP衡量估值水平[50] **因子具体构建过程**：未来第2年预期EP[50] 39 因子名称：分析师目标价隐含的未来90天预期收益率因子 **因子构建思路**：以分析师目标价隐含的未来90天预期收益率衡量预期收益[50] **因子具体构建过程**：分析师目标价隐含的未来90天预期收益率[50] 40 因子名称：每股收益同比增长率因子 **因子构建思路**：以每股收益同比增长率衡量盈利增长[50] **因子具体构建过程**：每股收益同比增长率[50] 41 因子名称：未来12个月预期EP因子 **因子构建思路**：以未来12个月预期EP衡量估值水平[50] **因子具体构建过程**：未来12个月预期EP[50] 42 因子名称：价值因子 **因子构建思路**：反映高价值个股的市场表现[43] **因子具体构建过程**：价值因子[43] **因子评价**：本周录得3.81%的正收益，反映高价值个股获得市场关注[43] 43 因子名称：盈利收益率因子 **因子构建思路**：反映高盈利收益率个股的市场表现[43] **因子具体构建过程**：盈利收益率因子[43] **因子评价

[Table_IndustryAndDate] 证券研究报告 | 金融工程 | 专题报告 | 2026/10/11 [Table_Title] 金融工程：大类资产及 A 股权益月报 （2026 年 9 月） 权益资产资金边际流出，大盘价值风格有望占优 [Table_Summary] 基于宏观视角及技术视角的 A 股市场大类资产最新观点。 权益(中证 800)：宏观视角，当前整体看空权益资产；技术视角，当前权益资产趋势向下、估值适 中、资金流出；综合来看，当前看空权益资产。 债券(中证全债)：宏观视角，当前整体看好债券资产；技术视角，当前债券资产趋势向下；综合来 看，当前看好债券资产。 黄金(SGE 黄金)：宏观视角，当前整体看好黄金资产；技术视角，当前黄金资产价格趋势向下；综 合来看，当前看平黄金资产。 工业品(南华工业品)：宏观视角，当前整体看空工业品资产；技术视角，当前工业品资产价格趋势 向上；综合来看，当前看平工业品资产。 基于宏观视角及技术视角的 A 股市场权益风格最新观点。 大盘/小盘：宏观视角，当前整体看好大盘风格；技术视角，当前整体看好均衡配置；综合来看，当前 看好大盘风格。 成长/价值：宏观视 ...

量化模型与构建方式 1. 模型名称：公募指增等权组合（含四大指增等权组合、三大指增等权组合）；模型构建思路：将公募指数增强基金按跟踪指数分类后，分别构建等权组合，以跟踪各指增产品整体超额表现；模型具体构建过程：将Wind投资类型二级为指数增强型基金的样本，根据其跟踪的指数区分为沪深300指增、中证A500指增、中证500指增、中证1000指增等类别[29]；对每一类指增基金采用等权方式构建组合，组合采用月度再平衡，且仅包含再平衡时成立满2个月的基金[21]；超额业绩计算的比较基准为产品所跟踪的标的指数对应的全收益指数[30]；模型评价：该等权组合能够反映公募指增产品整体超额收益的走势，作为行业整体表现的跟踪工具 2. 模型名称：公募主动量化产品等权组合；模型构建思路：将公募主动量化基金等权组合，跟踪主动量化产品整体净值表现；模型具体构建过程：将Wind投资类型为普通股票型、偏股混合型、灵活配置型的基金，根据投资名称、投资目标、基金经理、招股说明书的投资策略、股票仓位等定义主动量化基金[29]；对主动量化基金采用等权方式构建组合，组合采用月度再平衡，且仅包含再平衡时成立满2个月的基金[21]；模型评价：该组合用于跟踪主动量化产品整体绝对收益表现 3. 模型名称：公募市场中性产品等权组合；模型构建思路：将公募市场中性基金等权组合，跟踪市场中性产品整体净值表现；模型具体构建过程：将Wind投资类型二级为股票多空的基金定义为股票市场中性策略[29]；对市场中性基金采用等权方式构建组合，组合采用月度再平衡，且仅包含再平衡时成立满2个月的基金[21]；模型评价：该组合用于跟踪市场中性产品整体绝对收益表现 4. 模型名称：量化固收+分类；模型构建思路：将偏债混合型、一级债基、二级债基和灵活配置型基金中符合量化特征的基金定义为量化固收+；模型具体构建过程：将Wind投资类型为偏债混合型、一级债基、二级债基和灵活配置型的基金，根据投资名称、投资目标、基金经理、招股说明书的投资策略、股票仓位等定义量化固收+[29]；模型评价：该分类用于扩展公募量化产品的统计范围 模型的回测效果 1. 公募沪深300指增等权组合，本周累计超额净值走势见图6[19]，近2年累计超额净值走势见图7[24] 2. 公募中证A500指增等权组合，本周累计超额净值走势见图6[19] 3. 公募中证500指增等权组合，本周累计超额净值走势见图6[19]，近2年累计超额净值走势见图7[24] 4. 公募中证1000指增等权组合，本周累计超额净值走势见图6[19]，近2年累计超额净值走势见图7[24] 5. 公募主动量化产品等权组合，本周累计净值走势见图8[22]，近2年累计净值走势见图9[24] 6. 公募市场中性产品等权组合，本周累计净值走势见图10[24]，近2年累计净值走势见图11[24] 量化因子与构建方式 1. 因子名称：指增超额收益；因子构建思路：以产品所跟踪的标的指数对应的全收益指数为比较基准，计算指增基金相对于基准的超额收益；因子具体构建过程：超额业绩计算的比较基准为产品所跟踪的标的指数对应的全收益指数[30]；采用日频数据进行计算，年化采用242个交易日，几何年化[29]；统计仅考虑成立满2个月的产品[30]；因子评价：该因子用于衡量指增产品获取超额收益的能力 2. 因子名称：近一年跟踪误差；因子构建思路：衡量指增基金相对于跟踪指数的偏离程度；因子具体构建过程：采用日频数据进行计算，年化采用242个交易日，几何年化[29]；统计仅考虑成立满2个月的产品[30]；因子评价：该因子用于衡量指增产品跟踪指数的紧密程度 3. 因子名称：近一年最大回撤；因子构建思路：衡量主动量化和市场中性产品在近一年内的最大回撤幅度；因子具体构建过程：采用日频数据进行计算，年化采用242个交易日，几何年化[29]；统计仅考虑成立满2个月的产品[30]；因子评价：该因子用于衡量产品的下行风险控制能力 4. 因子名称：区间收益；因子构建思路：衡量主动量化和市场中性产品在近一年内的绝对收益表现；因子具体构建过程：采用日频数据进行计算，年化采用242个交易日，几何年化[29]；统计仅考虑成立满2个月的产品[30]；因子评价：该因子用于衡量产品的绝对收益获取能力 5. 因子名称：区间超额；因子构建思路：衡量指增基金在近一年内相对于基准指数的超额收益表现；因子具体构建过程：超额业绩计算的比较基准为产品所跟踪的标的指数对应的全收益指数[30]；采用日频数据进行计算，年化采用242个交易日，几何年化[29]；统计仅考虑成立满2个月的产品[30]；因子评价：该因子用于衡量指增产品的超额收益获取能力 6. 因子名称：年化跟踪误差；因子构建思路：衡量指增基金相对于跟踪指数的年化偏离程度；因子具体构建过程：采用日频数据进行计算，年化采用242个交易日，几何年化[29]；统计仅考虑成立满2个月的产品[30]；因子评价：该因子用于衡量指增产品跟踪指数的紧密程度 因子的回测效果 1. 沪深300指增超额收益因子，本周均值-0.08%，本周25%分位点-2.27%，本周50%分位点-0.22%，本周75%分位点-0.01%，本周最小值0.15%，本周最大值1.01%[8]；本月均值-0.08%，本月25%分位点-2.27%，本月50%分位点-0.22%，本月75%分位点-0.01%，本月最小值0.15%，本月最大值1.01%[8]；本年均值4.15%，本年25%分位点-10.75%，本年50%分位点1.69%，本年75%分位点4.58%，本年最小值6.78%，本年最大值19.69%[8]；近一个月均值0.35%，近一个月25%分位点-3.49%，近一个月50%分位点0.04%，近一个月75%分位点0.45%，近一个月最小值0.79%，近一个月最大值3.98%[8]；近三个月均值2.28%，近三个月25%分位点-9.05%，近三个月50%分位点0.75%，近三个月75%分位点2.09%，近三个月最小值4.05%，近三个月最大值8.28%[8]；近六个月均值2.77%，近六个月25%分位点-11.20%，近六个月50%分位点1.26%，近六个月75%分位点3.35%，近六个月最小值4.71%，近六个月最大值18.70%[8]；近一年均值5.50%，近一年25%分位点-8.17%，近一年50%分位点2.53%，近一年75%分位点6.02%，近一年最小值8.58%，近一年最大值16.70%[8] 2. 中证A500指增超额收益因子，本周均值0.00%，本周25%分位点-1.52%，本周50%分位点-0.22%，本周75%分位点0.02%，本周最小值0.25%，本周最大值1.22%[8]；本月均值0.00%，本月25%分位点-1.52%，本月50%分位点-0.22%，本月75%分位点0.02%，本月最小值0.25%，本月最大值1.22%[8]；本年均值3.24%，本年25%分位点-5.23%，本年50%分位点0.68%，本年75%分位点2.65%，本年最小值6.10%，本年最大值11.85%[8]；近一个月均值0.37%，近一个月25%分位点-2.64%，近一个月50%分位点0.05%，近一个月75%分位点0.48%，近一个月最小值0.86%，近一个月最大值2.69%[8]；近三个月均值2.28%，近三个月25%分位点-6.84%，近三个月50%分位点0.53%，近三个月75%分位点1.89%，近三个月最小值3.85%，近三个月最大值9.60%[8]；近六个月均值2.03%，近六个月25%分位点-6.73%，近六个月50%分位点0.75%，近六个月75%分位点2.03%，近六个月最小值4.19%，近六个月最大值9.09%[8]；近一年均值4.17%，近一年25%分位点-5.46%，近一年50%分位点1.08%，近一年75%分位点4.02%，近一年最小值7.35%，近一年最大值14.33%[8] 3. 中证500指增超额收益因子，本周均值0.40%，本周25%分位点-1.42%，本周50%分位点0.08%，本周75%分位点0.31%，本周最小值0.68%，本周最大值2.57%[8]；本月均值0.40%，本月25%分位点-1.42%，本月50%分位点0.08%，本月75%分位点0.31%，本月最小值0.68%，本月最大值2.57%[8]；本年均值3.20%，本年25%分位点-4.24%，本年50%分位点0.72%，本年75%分位点2.74%，本年最小值5.69%，本年最大值13.75%[8]；近一个月均值0.78%，近一个月25%分位点-1.46%，近一个月50%分位点0.28%，近一个月75%分位点0.80%，近一个月最小值1.18%，近一个月最大值3.49%[8]；近三个月均值4.08%，近三个月25%分位点-1.55%，近三个月50%分位点2.05%，近三个月75%分位点3.80%，近三个月最小值5.65%，近三个月最大值17.57%[8]；近六个月均值3.04%，近六个月25%分位点-2.79%，近六个月50%分位点1.11%，近六个月75%分位点2.69%，近六个月最小值5.06%，近六个月最大值10.22%[8]；近一年均值4.29%，近一年25%分位点-4.09%，近一年50%分位点1.52%，近一年75%分位点3.99%，近一年最小值6.86%，近一年最大值15.33%[8] 4. 中证1000指增超额收益因子，本周均值0.10%，本周25%分位点-1.17%，本周50%分位点-0.15%，本周75%分位点0.02%，本周最小值0.34%，本周最大值1.92%[8]；本月均值0.10%，本月25%分位点-1.17%，本月50%分位点-0.15%，本月75%分位点0.02%，本月最小值0.34%，本月最大值1.92%[8]；本年均值4.41%，本年25%分位点-6.04%，本年50%分位点1.82%，本年75%分位点5.13%，本年最小值7.64%，本年最大值11.12%[8]；近一个月均值1.05%，近一个月25%分位点-0.47%，近一个月50%分位点0.54%，近一个月75%分位点0.91%，近一个月最小值1.51%，近一个月最大值3.42%[8]；近三个月均值2.81%，近三个月25%分位点-6.35%，近三个月50%分位点1.13%，近三个月75%分位点2.86%，近三个月最小值4.73%，近三个月最大值9.23%[8]；近六个月均值2.43%，近六个月25%分位点-4.95%，近六个月50%分位点0.27%，近六个月75%分位点2.03%，近六个月最小值5.33%，近六个月最大值8.15%[8]；近一年均值5.93%，近一年25%分位点-5.54%，近一年50%分位点2.57%，近一年75%分位点6.11%，近一年最小值8.38%，近一年最大值15.49%[8] 5. 主动量化收益因子，本周均值-1.38%，本周25%分位点-8.38%，本周50%分位点-2.32%，本周75%分位点-1.34%，本周最小值-0.06%，本周最大值2.66%[8]；本月均值-1.38%，本月25%分位点-8.38%，本月50%分位点-2.32%，本月75%分位点-1.34%，本月最小值-0.06%，本月最大值2.66%[8]；本年均值0.68%，本年25%分位点-33.48%，本年50%分位点-3.55%，本年75%分位点1.30%，本年最小值5.26%，本年最大值64.13%[8]；近一个月均值-4.33%，近一个月25%分位点-14.21%，近一个月50%分位点-6.25%，近一个月75%分位点-4.51%，近一个月最小值-1.94%，近一个月最大值6.45%[8]；近三个月均值-5.92%，近三个月25%分位点-34.83%，近三个月50%分位点-13.05%，近三个月75%分位点-7.06%，近三个月最小值3.55%，近三个月最大值20.10%[8]；近六个月均值-2.97%，近六个月25%分位点-35.98%，近六个月50%分位点-6.48%，近六个月75%分位点-2.08%，近六个月最小值1.04%，近六个月最大值44.10%[8]；近一年均值0.64%，近一年25%分位点-42.46%，近一年50%分位点-4.40%，近一年75%分位点2.09%，近一年最小值6.70%，近一年最大值36.93%[8] 6. 量化对冲收益因子，本周均值0.01%，本周25%分位点-0.65%，本周50%分位点-0.20%，本周75%分位点-0.06%，本周最小值0.14%，本周最大值1.56%[8]；本月均值0.01%，本月25%分位点-0.65%，本月50%分位点-0.20%，本月75%分位点-0.06%，本月最小值0.14%，本月最大值1.56%[8]；本年均值0.42%，本年25%分位点-4.95%，本年50%分位点-2.39%，本年75%分位点1.22%，本年最小值2.44%，本年最大值6.07%[8]；近一个月均值-0.37%，近一个月25%分位点-2.21%，近一个月50%分位点-0.97%，近一个月75%分位点-0.35%，近一个月最小值0.01%，近一个月最大值1.81%[8]；近三个月均值-0.02%，近三个月25%分位点-5.36%，近三个月50%分位点-1.55%，近三个月75%分位点-0.31%，近三个月最小值0.98%，近三个月最大值12.52%[8]；近六个月均值-0.41%，近六个月25%分位点-4.93%，近六个月50%分位点-2.68%，近六个月75%分位点-0.25%，近六个月最小值1.28%，近六个月最大值5.82%[8]；近一年均值0.45%，近一年25%分位点-4.63%，近一年50%分位点-1.88%，近一年75%分位点-0.03%，近一年最小值2.47%，近一年最大值7.01%[8] 7. 沪深300指增近一年跟踪误差因子，均值4.00%，25%分位点1.62%，50%分位点2.78%，75%分位点3.53%，最小值4.79%，最大值15.08%[8] 8. 中证A500指增近一年跟踪误差因子，均值4.15%，25%分位点1.90%，50%分位点3.22%，75%分位点3.86%，最小值4.84%，最大值11.54%[8] 9. 中证500指增近一年跟踪误差因子，均值5.54%，25%分位点2.63%，50%分位点4.46%，75%分位点5.06%，最小值6.27%，最大值17.04%[8] 10. 中证1000指增近一年跟踪误差因子，均值5.11%，25%分位点2.60%，50%分位点4.10%，75%分位点4.79%，最小值5.81%，最大值8.55%[8] 11. 主动量化近一年最大回撤因子，均值20.59%，25%分位点4.60%，50%分位点14.53%，75%分位点18.97%，最小值25.45%，最大值49.35%[8] 12. 量化对冲近一年最大回撤因子，均值5.13%，