根据提供的量化研报内容，以下是关于报告中涉及的量化模型和因子的总结。 量化因子与构建方式 **1 大类风格因子** - **因子构建思路**：从不同维度刻画市场风格，并分析其在全市场股票池中的近期表现[1] - **因子具体构建过程**：报告未提供具体构建公式，但列出了因子类型，包括流动性因子、杠杆因子、盈利因子、估值因子、非线性市值因子、市值因子、Beta因子、残差波动率因子和成长因子[1] - **因子评价**：报告指出近期市场风格偏向于大市值[1] **2 单因子** - **因子构建思路**：通过构建多头组合，计算其剔除行业与市值影响后相对于基准指数的超额收益，以评估因子在不同股票池（沪深300、中证500、流动性1500）中的表现[12][16][18] - **因子具体构建过程**：对于每个因子，计算其因子值，然后构建因子多头组合（通常是因子值最高的股票组合），并计算该组合相对于基准指数的超额收益，收益已剔除行业和市值影响[12][16][18] - **因子评价**：报告对不同股票池中表现较好和较差的因子进行了列举，例如在沪深300中，单季度营业利润同比增长率等因子表现较好，而总资产增长率等因子表现较差[12]；在中证500中，市销率TTM倒数等因子表现较好[16]；在流动性1500中，市盈率因子等因子表现较好[18] **3 行业内因子** - **因子构建思路**：分析特定因子在不同申万一级行业内的表现，观察因子收益的行业一致性[23] - **因子具体构建过程**：报告未提供具体构建公式，但展示了如净资产增长率、净利润增长率、每股净资产、每股经营利润TTM、BP、残差波动率、流动性、对数市值等因子在各行业内的收益情况[24] - **因子评价**：报告指出基本面因子在各行业表现分化，估值类因子中BP因子在多数行业获取正收益，残差波动率因子和流动性因子在美容护理行业正收益明显，有色金属、非银金融、建筑材料行业大市值风格显著[23] 量化模型与构建方式 **1 PB-ROE-50 组合模型** - **模型构建思路**：基于市净率（PB）和净资产收益率（ROE）进行选股的价值投资策略模型[25] - **模型具体构建过程**：报告未提供该模型具体的构建公式和详细选股步骤，但提及其为一种选股组合[25] **2 机构调研组合模型** - **模型构建思路**：利用公募基金和私募基金的调研活动信息构建选股策略，跟踪机构调研行为以捕捉投资机会[27] - **模型具体构建过程**：报告提及了“公募调研选股策略”和“私募调研跟踪策略”，但未提供具体的模型构建公式和选股规则[27] **3 大宗交易组合模型** - **模型构建思路**：基于大宗交易数据，根据“高成交、低波动”原则构造选股组合，挖掘大宗交易背后蕴含的超额信息[31] - **模型具体构建过程**：模型使用“大宗交易成交金额比率”和“6日成交金额波动率”两个指标。选择“大宗交易成交金额比率”高且“6日成交金额波动率”低的股票，通过月频调仓方式构建组合[31] - 报告未提供具体的指标计算公式 - **模型评价**：该模型旨在通过统计分析大宗交易数据来捕捉其背后的市场信息[31] **4 定向增发组合模型** - **模型构建思路**：以定向增发事件作为驱动，基于股东大会公告日等节点构建事件驱动选股策略[36] - **模型具体构建过程**：模型以股东大会公告日为时间节点，并综合考虑市值因素、调仓周期以及对仓位的控制来构造组合，但报告未提供具体的选股公式和权重配置方法[36] - **模型评价**：该模型旨在分析再融资政策收紧背景下定向增发事件是否仍具备投资价值[36] 模型的回测效果 | 模型名称 | 近2周超越基准收益率 | 今年以来超额收益率 | 近2周绝对收益率 | 今年以来绝对收益率 | | :--- | :--- | :--- | :--- | :--- | | PB-ROE-50 组合 (中证500基准) | -0.82%[26] | 3.45%[26] | 1.33%[26] | 33.67%[26] | | PB-ROE-50 组合 (中证800基准) | 1.45%[26] | 17.48%[26] | 3.13%[26] | 41.39%[26] | | PB-ROE-50 组合 (全市场基准) | 0.75%[26] | 23.60%[26] | 2.40%[26] | 52.34%[26] | | 机构调研组合-公募调研选股 (中证800基准) | 1.03%[28] | 12.06%[28] | 2.71%[28] | 34.87%[28] | | 机构调研组合-私募调研跟踪 (中证800基准) | 1.89%[28] | 19.74%[28] | 3.58%[28] | 44.11%[28] | | 大宗交易组合 (中证全指基准) | -0.57%[32] | 31.09%[32] | 1.06%[32] | 61.58%[32] | | 定向增发组合 (中证全指基准) | -1.13%[37] | -5.06%[37] | 0.50%[37] | 17.02%[37] | 因子的回测效果 **1 大类风格因子近期表现 (全市场股票池)** 报告列出了各大类因子在最近2周（2025.09.29-2025.10.10）的表现[1][20]： - 流动性因子：0.36% - 杠杆因子：0.34% - 盈利因子：0.27% - 估值因子：0.18% - 非线性市值因子：0.18% - 市值因子：0.11% - 成长因子：-0.21% - 残差波动率因子：-0.55% - Beta因子：-0.65% **2 单因子近期表现 (不同股票池)** 以下为各股票池中最近2周表现最佳和最差的三个因子及其收益[12][16][18]： **沪深300股票池** - 表现较好因子： - 单季度营业利润同比增长率：2.54% - 单季度净利润同比增长率：2.36% - 经营现金流比率：2.30% - 表现较差因子： - 总资产增长率：-1.94% - 总资产毛利率TTM：-1.39% - 单季度EPS：-0.50% **中证500股票池** - 表现较好因子： - 市销率TTM倒数：1.90% - 净利润断层：1.55% - 标准化预期外盈利：1.28% - 表现较差因子： - 单季度总资产毛利率：-2.12% - 总资产毛利率TTM：-2.08% - 5日反转：-1.30% **流动性1500股票池** - 表现较好因子： - 市盈率因子：2.19% - 市盈率TTM倒数：2.09% - 市销率TTM倒数：2.00% - 表现较差因子： - 单季度总资产毛利率：-1.64% - 总资产毛利率TTM：-1.63% - 5日反转：-1.42% **3 行业内因子近期表现** 报告展示了多个因子在申万一级行业内的近期收益情况，例如在有色金属行业，对数市值因子收益为3.78%，表明大市值风格显著；在美容护理行业，残差波动率因子收益为3.40%，流动性因子收益为2.17%[24]。

证券研究报告 | 2025年10月11日 港股投资周报 多只有色股创一年新高，港股精选组合年内上涨 76.55% 核心观点 金融工程周报 港股精选组合绩效回顾 本周，港股精选组合绝对收益-2.14%，相对恒生指数超额收益 1.00%。 本年，港股精选组合绝对收益 76.55%，相对恒生指数超额收益 45.49%。 我们根据分析师关注度、股价相对强弱、股价路径平稳性、创新高连续性等 角度在过去 20 个交易日创出过 250 日新高的股票池中筛选出平稳创新高股 票。 近期，中广核矿业等股票平稳创出新高。 按照板块来看，创新高股票数量最多的是周期板块，其次为科技、医药、消 费、大金融和制造板块，具体个股信息可参照正文。 港股市场一周回顾 宽基指数方面，本周恒生中型股指数收益最高，累计收益-1.84%；恒生科技 指数收益最低，累计收益-5.48%。 行业指数方面，本周公用事业行业收益最高，累计收益 1.57%；非必需性消 费行业收益最低，累计收益-6.71%。 概念板块方面，本周 LED 照明概念板块收益最高，累计收益 6.37%；集成 电路产业基金概念板块收益最低，累计收益-13.29%。 南向资金监控 南向资金整 ...

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：港股精选组合模型**[13][14] * **模型构建思路**：该模型旨在对分析师推荐股票池进行基本面和技术面的双层优选，挑选出同时具备基本面支撑和技术面共振的超预期股票[13][14] * **模型具体构建过程**：构建过程分为两步： 1. **构建分析师推荐股票池**：以分析师上调盈利预测、分析师首次关注、分析师研报标题超预期事件作为分析师推荐事件构建初始股票池[14] 2. **双层优选**：对分析师推荐股票池中的股票，同时进行基本面维度和技术面维度的筛选，最终构建投资组合[13][14] 2. **因子名称：250日新高距离**[22] * **因子构建思路**：该因子用于量化个股股价创近期新高的程度，是识别市场动量和趋势延续性的关键指标[20][22] * **因子具体构建过程**：具体计算方式为最新收盘价与过去250个交易日最高收盘价的相对距离，公式如下： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 其中，$Closet$ 代表最新收盘价，$ts\_max(Close, 250)$ 代表过去250个交易日收盘价的最大值[22] 当最新收盘价创出新高时，该因子值为0；当股价从高点回落时，该因子为正值，值越大表示回落幅度越大[22] 3. **模型名称：平稳创新高股票筛选模型**[22][23] * **模型构建思路**：该模型旨在从近期创过新高的股票中，进一步筛选出股价路径平稳、趋势延续性好的股票，结合了分析师关注度、股价强度、价格平稳性等多维度标准[2][22][23] * **模型具体构建过程**：筛选过程分为多个步骤，在“过去20个交易日创出过250日新高的股票池”基础上进行[22]： 1. **样本池**：全部港股，但需剔除成立时间不超过15个月的股票[23] 2. **分析师关注度筛选**：过去6个月内，买入或增持评级的分析师研报数量不少于5份[23] 3. **股价相对强弱筛选**：过去250日涨跌幅位于全样本池的前20%[23] 4. **股价平稳性综合打分**：对通过上述筛选的股票，使用以下两个指标进行综合打分，并选取排名前50%的股票（最少取50只）[23]： * **价格路径平滑性**：股价位移路程比 * **创新高持续性**：过去120日的250日新高距离在时间序列上的均值 5. **趋势延续性筛选**：对上述股票，计算其过去5日的250日新高距离在时间序列上的均值，并取排序靠前的50只股票作为最终筛选结果[23] 模型的回测效果 1. **港股精选组合模型**[14][18][19] * 回测区间：20100101-20250630[14] * 年化收益：19.11%[14][19] * 相对恒生指数超额收益：18.48%[14][19] * 信息比率 (IR)：1.22[19] * 跟踪误差：14.55%[19] * 收益回撤比：0.78[19] * 最大回撤：23.73%[19] * 相对最大回撤：参见分年度数据[19] * 最大回撤起始日：20221025[19] * 最大回撤截止日：20230616[19] * **分年度绩效表现 (2010-20250630)**[19]： * **绝对收益**：各年度数值详见原文表1，例如2010年22.81%，2011年-9.50%，...，20250630止41.02%[19] * **超额收益 (相对恒生指数)**：各年度数值详见原文表1，例如2010年17.49%，2011年10.48%，...，20250630止21.02%[19] * **相对最大回撤**：各年度数值详见原文表1，例如2010年6.94%，2011年9.13%，...，20250630止10.77%[19] * **信息比率 (IR)**：各年度数值详见原文表1，例如2010年1.33，2011年1.14，...，20250630止2.03[19] * **跟踪误差**：各年度数值详见原文表1，例如2010年12.49%，2011年12.45%，...，20250630止17.33%[19] * **收益回撤比**：各年度数值详见原文表1，例如2010年2.52，2011年1.15，...，20250630止1.95[19] 2. **港股精选组合近期表现 (特定窗口期)**[1][17] * **本周 (20251006-20251010) 表现**[1][17]： * 绝对收益：-2.14%[1][17] * 相对恒生指数超额收益：1.00%[1][17] * **本年 (20250102-20251010) 表现**[1][17]： * 绝对收益：76.55%[1][17] * 相对恒生指数超额收益：45.49%[1][17]

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：国信金工指数增强组合[11] - **模型构建思路**：以多因子选股为主体，构建对标不同基准指数的增强组合，力求稳定战胜基准[10] - **模型具体构建过程**：构建流程主要包括收益预测、风险控制和组合优化三块[11] 2 模型名称：单因子MFE组合[14] - **模型构建思路**：采用组合优化的方式来检验控制了各种实际约束后单因子的有效性，将组合优化的目标函数修改为最大化单因子暴露[39] - **模型具体构建过程**：采用如下形式的组合优化模型来构建因子的MFE组合： $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ 其中f为因子取值，$f^{T}w$为组合在单因子上的加权暴露，w为待求解的股票权重向量[39] 约束条件包括：组合在风格因子上的偏离度、行业偏离度、个股权重偏离度、成分股权重占比控制、个股权重上下限控制等[40] 具体构建过程包括：设定单因子MFE组合的约束条件；在每个月末根据约束条件构建每个单因子的MFE组合；在回测期内根据各期MFE组合换仓，计算MFE组合历史收益并按双边0.3%扣除交易费用[43] 3 模型名称：公募重仓指数[41] - **模型构建思路**：以公募基金的持股信息构建公募重仓指数，在该样本空间中测试因子表现更能反映出因子在"机构风格"下的有效性[41] - **模型具体构建过程**：选样空间为普通股票型基金以及偏股混合型基金；通过基金定期报告获取持股信息；将符合条件基金的持仓股票权重平均获得公募基金平均持仓信息；选取累计权重达到90%的股票作为成分股[42] 模型的回测效果 1 国信金工指数增强组合[13] - 沪深300指数增强组合：本周超额收益0.63%，本年超额收益17.65% - 中证500指数增强组合：本周超额收益0.30%，本年超额收益8.35% - 中证1000指数增强组合：本周超额收益0.77%，本年超额收益18.22% - 中证A500指数增强组合：本周超额收益1.57%，本年超额收益11.17% 2 公募基金指数增强产品[28][31][34][36][38] - 沪深300指数增强产品：最近一周超额收益中位数0.22%，最近一月-0.19%，今年以来2.43% - 中证500指数增强产品：最近一周超额收益中位数0.49%，最近一月-0.23%，今年以来2.81% - 中证1000指数增强产品：最近一周超额收益中位数0.45%，最近一月1.11%，今年以来8.91% - 中证A500指数增强产品：最近一周超额收益中位数0.34%，最近一月0.09%，最近一季-0.57% 量化因子与构建方式 1 估值类因子[16] - **因子名称**：BP - **因子构建思路**：衡量公司估值水平 - **因子具体构建过程**：净资产/总市值 - **因子名称**：单季EP - **因子构建思路**：基于季度盈利的估值指标 - **因子具体构建过程**：单季度归母净利润/总市值 - **因子名称**：单季SP - **因子构建思路**：基于季度营收的估值指标 - **因子具体构建过程**：单季度营业收入/总市值 - **因子名称**：EPTTM - **因子构建思路**：基于滚动盈利的估值指标 - **因子具体构建过程**：归母净利润TTM/总市值 - **因子名称**：SPTTM - **因子构建思路**：基于滚动营收的估值指标 - **因子具体构建过程**：营业收入TTM/总市值 - **因子名称**：EPTTM分位点 - **因子构建思路**：估值指标的历史相对位置 - **因子具体构建过程**：EPTTM在过去一年中的分位点 - **因子名称**：股息率 - **因子构建思路**：衡量现金分红回报 - **因子具体构建过程**：最近四个季度预案分红金额/总市值 2 反转类因子[16] - **因子名称**：一个月反转 - **因子构建思路**：短期价格反转效应 - **因子具体构建过程**：过去20个交易日涨跌幅 - **因子名称**：三个月反转 - **因子构建思路**：中期价格反转效应 - **因子具体构建过程**：过去60个交易日涨跌幅 - **因子名称**：一年动量 - **因子构建思路**：长期价格动量效应 - **因子具体构建过程**：近一年除近一月后动量 3 成长类因子[16] - **因子名称**：单季净利同比增速 - **因子构建思路**：衡量净利润增长能力 - **因子具体构建过程**：单季度净利润同比增长率 - **因子名称**：单季营收同比增速 - **因子构建思路**：衡量营业收入增长能力 - **因子具体构建过程**：单季度营业收入同比增长率 - **因子名称**：单季营利同比增速 - **因子构建思路**：衡量营业利润增长能力 - **因子具体构建过程**：单季度营业利润同比增长率 - **因子名称**：SUE - **因子构建思路**：盈利超预期程度 - **因子具体构建过程**：(单季度实际净利润-预期净利润)/预期净利润标准差 - **因子名称**：SUR - **因子构建思路**：营收超预期程度 - **因子具体构建过程**：(单季度实际营业收入-预期营业收入)/预期营业收入标准差 - **因子名称**：单季超预期幅度 - **因子构建思路**：盈利超预期相对幅度 - **因子具体构建过程**：预期单季度净利润/财报单季度净利润 4 盈利类因子[16] - **因子名称**：单季ROE - **因子构建思路**：衡量股东权益回报率 - **因子具体构建过程**：单季度归母净利润*2/(期初归母净资产+期末归母净资产) - **因子名称**：单季ROA - **因子构建思路**：衡量总资产回报率 - **因子具体构建过程**：单季度归母净利润*2/(期初归母总资产+期末归母总资产) - **因子名称**：DELTAROE - **因子构建思路**：ROE改善程度 - **因子具体构建过程**：单季度净资产收益率-去年同期单季度净资产收益率 - **因子名称**：DELTAROA - **因子构建思路**：ROA改善程度 - **因子具体构建过程**：单季度总资产收益率-去年同期单季度总资产收益率 5 流动性类因子[16] - **因子名称**：非流动性冲击 - **因子构建思路**：衡量流动性风险 - **因子具体构建过程**：过去20个交易日的日涨跌幅绝对值/成交额的均值 - **因子名称**：一个月换手 - **因子构建思路**：短期换手率指标 - **因子具体构建过程**：过去20个交易日换手率均值 - **因子名称**：三个月换手 - **因子构建思路**：中期换手率指标 - **因子具体构建过程**：过去60个交易日换手率均值 6 波动类因子[16] - **因子名称**：特异度 - **因子构建思路**：衡量个股特异性风险 - **因子具体构建过程**：1-过去20个交易日Fama-French三因子回归的拟合度 - **因子名称**：一个月波动 - **因子构建思路**：短期波动率指标 - **因子具体构建过程**：过去20个交易日日内真实波幅均值 - **因子名称**：三个月波动 - **因子构建思路**：中期波动率指标 - **因子具体构建过程**：过去60个交易日日内真实波幅均值 7 公司治理类因子[16] - **因子名称**：高管薪酬 - **因子构建思路**：衡量公司治理水平 - **因子具体构建过程**：前三高管报酬总额取对数 8 分析师类因子[16] - **因子名称**：预期EPTTM - **因子构建思路**：基于分析师预期的估值指标 - **因子具体构建过程**：一致预期滚动EP - **因子名称**：预期BP - **因子构建思路**：基于分析师预期的估值指标 - **因子具体构建过程**：一致预期滚动PB - **因子名称**：预期PEG - **因子构建思路**：成长性估值综合指标 - **因子具体构建过程**：一致预期PEG - **因子名称**：预期净利润环比 - **因子构建思路**：预期盈利改善程度 - **因子具体构建过程**：一致预期净利润/3个月前一致预期净利润 - **因子名称**：三个月盈利上下调 - **因子构建思路**：分析师预期调整情绪 - **因子具体构建过程**：过去3个月内分析师(上调家数-下调家数)/总家数 - **因子名称**：三个月机构覆盖 - **因子构建思路**：机构关注度指标 - **因子具体构建过程**：过去3个月内机构覆盖数量 - **因子名称**：标准化预期外收入 - **因子构建思路**：营收预期偏差标准化指标 - **因子具体构建过程**：未明确给出具体公式 - **因子名称**：标准化预期外盈利 - **因子构建思路**：盈利预期偏差标准化指标 - **因子具体构建过程**：未明确给出具体公式 因子的回测效果 沪深300样本空间因子表现[18] - 预期EPTTM：最近一周1.19%，最近一月0.72%，今年以来3.29%，历史年化3.85% - 一个月波动：最近一周1.17%，最近一月2.10%，今年以来-2.84%，历史年化0.74% - BP：最近一周1.15%，最近一月-0.88%，今年以来-4.20%，历史年化2.42% - 单季SP：最近一周1.11%，最近一月-0.54%，今年以来-3.03%，历史年化2.69% - 三个月波动：最近一周1.09%，最近一月1.03%，今年以来-4.59%，历史年化1.54% - 预期BP：最近一周1.02%，最近一月-0.42%，今年以来-3.02%，历史年化2.85% - EPTTM：最近一周0.96%，最近一月-0.04%，今年以来1.69%，历史年化4.26% - 单季EP：最近一周0.91%，最近一月0.43%，今年以来3.74%，历史年化5.12% 中证500样本空间因子表现[20] - SPTTM：最近一周1.69%，最近一月3.28%，今年以来-0.61%，历史年化2.93% - 预期BP：最近一周1.58%，最近一月0.38%，今年以来4.04%，历史年化3.48% - 单季EP：最近一周1.56%，最近一月1.16%，今年以来3.04%，历史年化7.83% - BP：最近一周1.50%，最近一月1.02%，今年以来4.80%，历史年化3.51% - 单季SP：最近一周1.41%，最近一月4.05%，今年以来0.35%，历史年化4.44% - 一个月波动：最近一周1.36%，最近一月-1.97%，今年以来-10.38%，历史年化1.60% - 三个月波动：最近一周1.32%，最近一月-2.09%，今年以来9.68%，历史年化3.44% - EPTTM：最近一周1.28%，最近一月0.02%，今年以来-6.56%，历史年化4.70% 中证1000样本空间因子表现[22] - EPTTM：最近一周2.36%，最近一月2.16%，今年以来-1.52%，历史年化6.92% - SPTTM：最近一周2.14%，最近一月2.98%，今年以来-1.28%，历史年化3.90% - 预期EPTTM：最近一周2.10%，最近一月2.06%，今年以来2.30%，历史年化3.53% - 单季SP：最近一周2.09%，最近一月3.93%，今年以来0.08%，历史年化5.24% - 三个月波动：最近一周2.05%，最近一月-0.22%，今年以来-9.78%，历史年化4.24% - 单季EP：最近一周1.99%，最近一月3.76%，今年以来1.17%，历史年化10.45% - 预期BP：最近一周1.97%，最近一月0.45%，今年以来-2.87%，历史年化3.17% - 一个月波动：最近一周1.96%，最近一月-0.83%，今年以来-9.59%，历史年化2.03% 中证A500样本空间因子表现[24] - 单季SP：最近一周1.99%，最近一月0.56%，今年以来-5.52%，历史年化2.56% - SPTTM：最近一周1.89%，最近一月0.26%，今年以来-6.68%，历史年化2.16% - 一个月波动：最近一周1.69%，最近一月-1.16%，今年以来-7.89%，历史年化0.97% - 三个月波动：最近一周1.67%，最近一月-1.22%，今年以来-10.24%，历史年化2.40% - 预期EPTTM：最近一周1.60%，最近一月0.93%，今年以来1.52%，历史年化2.30% - EPTTM：最近一周1.42%，最近一月-0.01%，今年以来-0.90%，历史年化3.38% - 单季EP：最近一周1.40%，最近一月0.38%，今年以来-0.01%，历史年化5.22% - BP：最近一周1.40%，最近一月-0.12%，今年以来-7.32%，历史年化2.59% 公募重仓指数样本空间因子表现[26] - 预期EPTTM：最近一周2.64%，最近一月0.12%，今年以来-6.15%，历史年化1.28% - 单季EP：最近一周2.62%，最近一月0.80%，今年以来-6.48%，历史年化3.03% - 一个月波动：最近一周2.55%，最近一月-0.71%，今年以来-17.81%，历史年化0.21% - EPTTM：最近一周2.53%，最近一月-0.35%，今年以来-9.08%，历史年化1.00% - 三个月波动：最近一周2.50%，最近一月-0.68%，今年以来-16.05%，历史年化1.41% - BP：最近一周2.37%，最近一月0.65%，今年以来-11.18%，历史年化0.64% - 预期BP：最近一周2.25%，最近一月0.08%，今年以来-11.72%，历史年化1.08% - 股息率：最近一周2.25%，最近一月-0.12%，今年以来-9.73%，历史年化3.21%

根据研报内容，现对其中涉及的量化模型与因子总结如下： 量化模型与构建方式 1. **模型名称：优秀基金业绩增强组合**[4][48][49] * **模型构建思路**：将对标基准从宽基指数转变为主动股基，在借鉴优秀基金持仓的基础上，采用量化方法进行增强，以达到优中选优、稳定战胜主动股基中位数的目的[4][48] * **模型具体构建过程**： 1. 优选基金：对基金进行优选，并对收益类因子进行分层中性化处理，以解决市场风格突变时的反转问题和持股风格集中化问题[48] 2. 构建优选基金持仓组合：根据业绩分层视角下的优选基金补全持仓构建组合，该组合能较好地跟踪股基中位数走势[48] 3. 组合优化增强：以优选基金持仓为选股空间和对标基准，采用组合优化的方法控制组合与优选基金持仓在个股偏离、行业偏离及风格上的偏离，构建最终组合[49] 2. **模型名称：超预期精选组合**[5][54] * **模型构建思路**：以业绩超预期事件为切入点，对超预期股票池进行基本面和技术面两个维度的精选，构建同时具备基本面支撑和技术面共振的股票组合[5][54] * **模型具体构建过程**： 1. 筛选超预期事件股票池：以研报标题出现“超预期”与分析师全线上调净利润为条件进行筛选[5][54] 2. 双层优选：对超预期股票池中的股票，进行基本面和技术面两个维度的精选[5][54] 3. 构建组合：挑选出符合条件的股票构建超预期精选股票组合[5] 3. **模型名称：券商金股业绩增强组合**[6][59] * **模型构建思路**：以券商金股股票池为基础，通过组合优化控制与基准的偏离，以期获得稳定战胜偏股混合型基金指数的表现[6][59] * **模型具体构建过程**： 1. 确定选股空间与基准：以券商金股股票池为选股空间和对标基准[6][59] 2. 组合优化控制偏离：采用组合优化的方式，控制组合与券商金股股票池在个股、风格上的偏离[6] 3. 构建组合：形成券商金股业绩增强组合[6] 4. **模型名称：成长稳健组合**[7][64] * **模型构建思路**：采用“先时序、后截面”的方式构建成长股二维评价体系，重点布局成长股超额收益释放的黄金期，以高效获取超额收益[7][64] * **模型具体构建过程**： 1. 筛选成长股股票池：以研报标题出现“超预期”及业绩大增为条件筛选成长股[7][64] 2. 时序分档：根据距离正式财报预约披露日的间隔天数进行分档，优先选择距离财报预约披露日较近的股票[7] 3. 截面精选：当样本数量较多时，采用多因子打分精选优质个股[7] 4. 构建组合：构建100只股票的等权组合，并引入弱平衡机制、跃迁机制、缓冲机制和风险规避机制以降低换手、规避风险[64] 模型的回测效果 1. **优秀基金业绩增强组合**[14][17][24][50][53] * 本周（2025.10.9-2025.10.10）绝对收益（考虑仓位）：-0.98%[14][17][24] * 本周相对偏股混合型基金指数超额收益：0.54%[14][17][24] * 本年（2025.1.2-2025.10.10）绝对收益（考虑仓位）：29.30%[14][17][24] * 本年相对偏股混合型基金指数超额收益：-4.01%[14][17][24] * 本年（截至2025.10.10）在主动股基中排名分位点：54.63%[14][17][24] * 全样本区间（2012.1.4-2025.6.30）年化收益（考虑仓位及费用）：20.31%[50][53] * 全样本区间相对偏股混合型基金指数年化超额收益：11.83%[50][53] 2. **超预期精选组合**[14][17][32][55][57] * 本周（2025.10.9-2025.10.10）绝对收益（考虑仓位）：0.22%[14][17][32] * 本周相对偏股混合型基金指数超额收益：1.74%[14][17][32] * 本年（2025.1.2-2025.10.10）绝对收益（考虑仓位）：47.41%[14][17][32] * 本年相对偏股混合型基金指数超额收益：14.10%[14][17][32] * 本年（截至2025.10.10）在主动股基中排名分位点：21.71%[14][17][32] * 全样本区间（2010.1.4-2025.6.30）年化收益（考虑仓位及费用）：30.55%[55][57] * 全样本区间相对偏股混合型基金指数年化超额收益：24.68%[55][57] 3. **券商金股业绩增强组合**[14][17][39][60][63] * 本周（2025.10.9-2025.10.10）绝对收益（考虑仓位）：-1.51%[14][17][39] * 本周相对偏股混合型基金指数超额收益：0.01%[14][17][39] * 本年（2025.1.2-2025.10.10）绝对收益（考虑仓位）：34.07%[14][17][39] * 本年相对偏股混合型基金指数超额收益：0.76%[14][17][39] * 本年（截至2025.10.10）在主动股基中排名分位点：44.42%[14][17][39] * 全样本区间（2018.1.2-2025.6.30）年化收益（考虑仓位及费用）：19.34%[60][63] * 全样本区间相对偏股混合型基金指数年化超额收益：14.38%[60][63] 4. **成长稳健组合**[1][14][17][43][65][68] * 本周（2025.10.9-2025.10.10）绝对收益（考虑仓位）：-0.08%[14][17][43] * 本周相对偏股混合型基金指数超额收益：1.44%[14][17][43] * 本年（2025.1.2-2025.10.10）绝对收益（考虑仓位）：54.84%[14][17][43] * 本年相对偏股混合型基金指数超额收益：21.53%[14][17][43] * 本年（截至2025.10.10）在主动股基中排名分位点：13.00%[14][17][43] * 全样本区间（2012.1.4-2025.6.30）年化收益（考虑仓位及费用）：35.51%[65][68] * 全样本区间相对偏股混合型基金指数年化超额收益：26.88%[65][68]

量化模型与构建方式 1. 股指期货分红点位预测模型 - **模型名称**：股指期货分红点位预测模型[9] - **模型构建思路**：基于信达金工衍生品研究报告系列二《股指期货分红点位预测》中的方法，对股指期货合约存续期内标的指数未来一年的分红点位进行预测[9] - **模型具体构建过程**：模型对中证500、沪深300、上证50、中证1000指数未来一年内分红点位进行预测，并分别计算各指数在不同期货合约（当月、次月、当季、下季）存续期内的分红点位预估[9] 2. 基差修正模型 - **模型名称**：基差修正模型[20] - **模型构建思路**：在分析合约基差时，需要剔除分红的影响，因此对实际基差进行分红调整和年化处理[20] - **模型具体构建过程**： 1. 计算预期分红调整后的基差：预期分红调整后的基差 = 实际基差 + 存续期内未实现的预期分红[20] 2. 对基差进行年化处理：年化基差 = (实际基差 + (预期)分红点位)/指数价格 × 360/合约剩余天数[20] 3. 期现对冲策略模型 - **模型名称**：期现对冲策略模型[44][45][46] - **模型构建思路**：基于信达金工衍生品研究报告系列三《股指期货基差收敛研究与对冲优化策略》中的基差收敛因素分析与优化策略，构建连续对冲和最低贴水两种对冲策略[44] - **模型具体构建过程**： **连续对冲策略设置**： - 回测区间：2022年7月22日至2025年10月10日[45] - 现货端：持有对应标的指数的全收益指数，使用70%资金[45] - 期货端：做空对冲端使用金额相同名义本金的股指期货合约，占用剩余30%资金[45] - 调仓规则：连续持有季月/当月合约，直至该合约离到期剩余不足2日，在当日以收盘价进行平仓，并同时以当日收盘价继续卖空下一季月/当月合约[45] **最低贴水策略设置**： - 回测区间：2022年7月22日至2025年10月10日[46] - 现货端：持有对应标的指数的全收益指数，使用70%资金[46] - 期货端：做空对冲端使用金额相同名义本金的股指期货合约，占用剩余30%资金[46] - 调仓规则：调仓时，对当日所有可交易期货合约的年化基差进行计算，选择年化基差贴水幅度最小的合约进行开仓。同一合约持有8个交易日之后或该合约离到期剩余不足2日，才能进行选择新合约（排除剩余到期日不足8日的期货合约）[46] 4. 信达波动率指数模型 - **模型名称**：信达波动率指数Cinda-VIX[62] - **模型构建思路**：信达金工借鉴海外经验，并结合我国场内期权市场的实际情况，对指数编制方案进行调整，开发能够准确反映我国市场波动性的VIX指数[62] - **模型具体构建过程**：基于信达金工衍生品研究报告系列四《挖掘期权市场中隐含的市场情绪》中的算法，Cinda-VIX可以反应期权市场投资者对标的资产未来波动的预期，且VIX具有期限结构，可以反应投资者对同一个标的资产在未来不同期限内的波动预期[62] 5. 信达偏度指数模型 - **模型名称**：信达偏度指数Cinda-SKEW[69] - **模型构建思路**：SKEW指标捕捉不同行权价格期权隐含波动率（IV）的偏斜特征，通过分析SKEW，投资者可以洞察市场对标的资产未来收益分布的预期[69] - **模型具体构建过程**：SKEW指标衡量波动率偏斜程度，当市场对下跌的担忧超过对上涨的预期时，波动率偏斜呈现负值；反之则为正值。通过分析SKEW指数的数值及其变化趋势，可以直观地洞察市场对标的资产未来潜在风险的忧虑[69][70] 模型的回测效果 1. IC对冲策略表现（中证500）[48] - 当月连续对冲：年化收益-3.09%，波动率3.88%，最大回撤-9.77%，净值0.9045，年换手次数12，2025年以来收益-5.00% - 季月连续对冲：年化收益-2.20%，波动率4.79%，最大回撤-8.34%，净值0.9314，年换手次数4，2025年以来收益-2.26% - 最低贴水策略：年化收益-1.49%，波动率4.61%，最大回撤-7.97%，净值0.9532，年换手次数16.91，2025年以来收益-2.56% - 指数表现：年化收益5.22%，波动率21.04%，最大回撤-31.46%，净值1.1763，2025年以来收益33.40% 2. IF对冲策略表现（沪深300）[53] - 当月连续对冲：年化收益0.45%，波动率2.96%，最大回撤-3.95%，净值1.0145，年换手次数12，2025年以来收益-0.88% - 季月连续对冲：年化收益0.66%，波动率3.31%，最大回撤-4.03%，净值1.0213，年换手次数4，2025年以来收益0.15% - 最低贴水策略：年化收益1.22%，波动率3.08%，最大回撤-4.06%，净值1.0395，年换手次数15.03，2025年以来收益0.59% - 指数表现：年化收益2.72%，波动率17.10%，最大回撤-25.59%，净值1.0893，2025年以来收益20.85% 3. IH对冲策略表现（上证50）[57] - 当月连续对冲：年化收益1.07%，波动率3.04%，最大回撤-4.22%，净值1.0344，年换手次数12，2025年以来收益0.36% - 季月连续对冲：年化收益1.95%，波动率3.45%，最大回撤-3.75%，净值1.0637，年换手次数4，2025年以来收益1.43% - 最低贴水策略：年化收益1.70%，波动率3.05%，最大回撤-3.91%，净值1.0553，年换手次数15.66，2025年以来收益1.41% - 指数表现：年化收益1.37%，波动率16.22%，最大回撤-22.96%，净值1.0444，2025年以来收益13.96% 4. IM对冲策略表现（中证1000）[59] - 当月连续对冲：年化收益-6.21%，波动率4.77%，最大回撤-14.00%，净值0.8294，年换手次数12，2025年以来收益-10.88% - 季月连续对冲：年化收益-4.53%，波动率5.80%，最大回撤-12.63%，净值0.8511，年换手次数4，2025年以来收益-5.78% - 最低贴水策略：年化收益-4.10%，波动率5.56%，最大回撤-11.11%，净值0.8658，年换手次数15.76，2025年以来收益-5.95% - 指数表现：年化收益1.16%，波动率25.61%，最大回撤-41.60%，净值0.8940，2025年以来收益29.96% 量化因子与构建方式 1. 分红调整年化基差因子 - **因子名称**：分红调整年化基差[20] - **因子构建思路**：衡量股指期货合约价格与标的指数价格之间的差异，剔除分红影响后进行年化处理[20] - **因子具体构建过程**：年化基差 = (实际基差 + (预期)分红点位)/指数价格 × 360/合约剩余天数[20] 2. 波动率指数因子 - **因子名称**：Cinda-VIX[62] - **因子构建思路**：反映期权市场投资者对标的资产未来波动的预期[62] - **因子具体构建过程**：基于期权市场价格计算得出的隐含波动率指数，具有不同期限结构[62] 3. 偏度指数因子 - **因子名称**：Cinda-SKEW[69] - **因子构建思路**：捕捉不同行权价格期权隐含波动率的偏斜特征，反映市场对标的资产未来收益分布的预期[69] - **因子具体构建过程**：通过分析看跌期权与看涨期权的隐含波动率差异，衡量市场对尾部风险的担忧程度[69][70] 因子的回测效果 1. 分红调整年化基差因子取值（截至2025年10月10日）[4][21][27][32][38] - IC当季合约：-8.95% - IF当季合约：-2.17% - IH当季合约：0.87% - IM当季合约：-12.91% 2. 波动率指数因子取值（截至2025年10月10日）[62][70] - 上证50VIX_30：20.50 - 沪深300VIX_30：20.30 - 中证500VIX_30：26.71 - 中证1000VIX_30：24.66 3. 偏度指数因子取值（截至2025年10月10日）[70] - 上证50SKEW：99.06 - 沪深300SKEW：105.08 - 中证500SKEW：101.31 - 中证1000SKEW：104.27

根据提供的金融工程周报内容，以下是关于报告中涉及的量化模型和因子的总结。 量化因子与构建方式 1. **因子名称：250日新高距离**[11] * **因子构建思路**：该因子用于度量当前价格相对于过去一段时间内最高价格的回落幅度，其理论基础是研究表明股价在接近52周（250日）最高价时，未来收益往往更高，体现了动量和趋势跟踪效应[11] * **因子具体构建过程**：具体计算步骤如下： * 首先，计算过去250个交易日（约一年）的收盘价最大值，记为 `ts_max(Close, 250)`[11] * 然后，使用最新收盘价 `Close_t` 与这个最大值进行比较[11] * 因子值的计算公式为： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$[11] * 当最新收盘价创出新高时，分母等于分子，因子值为0；当价格从高点回落时，因子值为正数，代表回落的幅度[11] 2. **因子名称：平稳创新高股票筛选因子**[25][27] * **因子构建思路**：该复合因子旨在从创出新高的股票中，进一步筛选出价格路径相对平滑、趋势更具持续性的股票，其理论基础是研究指出平滑的动量比跳跃的动量效应更强大，可能由于“温水煮青蛙”效应导致关注度较低、持续性更好[25] * **因子具体构建过程**：这是一个多步骤的筛选流程，具体如下： * **初筛股票池**：首先筛选出上市满15个月，且在过去20个交易日内创出过250日新高的股票[19][25] * **分析师关注度**：要求过去3个月内，获得买入或增持评级的分析师研报数量不少于5份[27] * **股价相对强弱**：要求过去250日涨跌幅位于全市场前20%[27] * **股价平稳性与持续性综合打分**：在满足上述条件的股票池内，使用以下两个指标进行综合打分，并选取排名在前50%的股票[27]： * **价格路径平滑性（股价位移路程比）**：该指标衡量价格变动的平滑程度，计算公式为 `过去120日涨跌幅的绝对值 / 过去120日日涨跌幅绝对值加总`[25][27] * **创新高持续性**：使用过去120日的250日新高距离在时间序列上的均值来衡量[27] * **趋势延续性**：最后，使用过去5日的250日新高距离在时间序列上的均值进行排序，选取排名最靠前的50只股票作为最终的“平稳创新高股票”[27] 模型的回测效果 *此部分在提供的报告内容中未涉及具体模型的回测指标数据。* 因子的回测效果 *此部分在提供的报告内容中未涉及具体因子的IC值、IR等统计检验指标数据。报告主要展示了基于因子（如250日新高距离）计算出的当前市场截面数据，例如各指数、行业、个股的因子取值，而非因子的历史表现回测结果。*[12][13][15][19][20][28][30][31][32]

根据提供的金融工程周报内容，以下是关于量化模型和因子的总结。 量化因子与构建方式 **1 因子名称：250日新高距离**[11] **因子构建思路**：该因子用于衡量当前价格相对于过去250个交易日最高点的回落幅度，其理论基础是股价在接近历史高点时往往表现出更强的动量效应[11] **因子具体构建过程**：因子计算基于股票的日收盘价时间序列，具体公式如下： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 其中，`Closet` 代表股票的最新收盘价，`ts_max(Close, 250)` 代表过去250个交易日收盘价的最大值[11] 当最新收盘价创出新高时，该因子值为0；当价格从高点回落时，因子值为正，表示回落的幅度[11] **2 因子名称：平稳创新高股票筛选因子**[25][27] **因子构建思路**：该复合因子旨在从创250日新高的股票中，进一步筛选出价格路径平滑、趋势稳健的个股，其理论基础是平滑的动量效应可能比跳跃式的动量效应更持续和强大[25] **因子具体构建过程**：筛选过程分为多个步骤，首先确定基础股票池为过去20个交易日创出250日新高的股票[25] 然后依次应用以下筛选条件： * **分析师关注度**：过去3个月内，买入或增持评级的分析师研报数量不少于5份[27] * **股价相对强弱**：过去250日涨跌幅位于全市场前20%[27] 在满足上述条件的股票池内，使用以下两个指标进行综合打分，并选取排名在前50%的股票： * **价格路径平滑性（股价位移路程比）**：计算公式为 `过去120日涨跌幅的绝对值 / 过去120日日涨跌幅绝对值加总`[25][27] * **创新高持续性**：过去120日的250日新高距离在时间序列上的均值[27] 最后，根据**趋势延续性**指标进行最终筛选：计算过去5日的250日新高距离在时间序列上的均值，并选取该指标排序靠前的50只股票作为最终的平稳创新高股票[27] 因子回测效果 报告未提供250日新高距离因子或平稳创新高筛选因子的具体回测绩效指标（如IC值、IR、多空收益等）[12][13][19][20][28][30][31][32]

根据提供的行业景气度月报，以下是其中涉及的量化模型和因子的总结： 量化模型与构建方式 1. **模型名称：煤炭行业利润预测模型**[9][10] - **模型构建思路**：基于动力煤价格的长协定价机制，结合价格因子和产能因子的同比变化，逐月估计煤炭行业的营收增速和利润增速[10] - **模型具体构建过程**：模型利用已确定的25年10月动力煤销售价格（根据9月底价格指数确定），并对比上年同期的价格和产能因子，通过回归或拟合方法预测行业利润增速[10][14] 2. **模型名称：生猪供需预测模型**[15] - **模型构建思路**：利用生猪从出生到出栏约6个月的周期规律，通过能繁母猪存栏量预测未来6个月的生猪潜在供给，并与历史需求对比以判断供需缺口[15] - **模型具体构建过程**： 1. 计算历史出栏系数：$$出栏系数 = \frac{单季度生猪出栏}{6个月前的能繁母猪存栏}$$[15] 2. 预测未来单季潜在产能：$$6个月后单季潜在产能 = 当前(t月)能繁母猪存栏 \times 上年同期(t+6月)的出栏系数$$[15][16] 3. 预测未来单季潜在需求：使用上年同期(t+6月)的单季度生猪出栏量作为需求预测值[16] 4. 通过比较潜在产能和潜在需求来判断供需关系 3. **模型名称：普钢行业利润预测模型**[18] - **模型构建思路**：通过跟踪普通钢材的综合售价，并综合考虑铁矿石、焦炭、喷吹煤、废钢等主要成本指标，构建模型以预测普钢行业的月度利润增速和单吨盈利[18] - **模型具体构建过程**：模型将钢材售价与各项主要原材料成本进行差值计算或回归分析，从而估算出行业利润水平[18][23] 4. **模型名称：结构材料行业盈利跟踪模型**[25] - **模型构建思路**：针对玻璃和水泥制造行业，根据其产品的价格指标和主要成本指标来跟踪行业的盈利变化[25] - **模型具体构建过程**：模型通过对比浮法玻璃等产品的市场价格与生产成本（如原材料、能源等），计算毛利水平，并观察其同比变化[25][28][30] 5. **模型名称：燃料型炼化行业利润预测模型**[31] - **模型构建思路**：利用成品油（燃料）价格与原油价格之间的变化关系（裂解价差）来测算行业利润增速，并结合油价和库存成本进行分析[31] - **模型具体构建过程**：模型关注成品油与原油的价差（裂解价差），并考虑原材料库存成本（例如，利用3个月前的油价低位带来的成本优势）来预测短期利润变化[31][34] 量化因子与构建方式 1. **因子名称：价格因子（煤炭）**[10] - **因子构建思路**：反映煤炭销售价格同比变化的指标，是预测煤炭行业利润的核心驱动因素之一[10] - **因子具体构建过程**：直接使用或计算动力煤等煤炭品种的月度销售价格，并与上年同期进行比较 2. **因子名称：产能因子（煤炭）**[10] - **因子构建思路**：反映煤炭行业产能利用情况或供给能力同比变化的指标，与价格因子共同影响利润预测[10] - **因子具体构建过程**：基于行业产量、产能利用率等数据构建同比指标 3. **因子名称：能繁母猪存栏量**[15][17] - **因子构建思路**：作为生猪供给的领先指标（领先约6个月），用于预测未来生猪出栏量和市场供需[15][17] - **因子具体构建过程**：直接采用农业农村部等官方机构公布的月度能繁母猪存栏数据 4. **因子名称：出栏系数**[15][16] - **因子构建思路**：衡量单位能繁母猪在特定周期内所能提供的生猪出栏量的效率指标，用于连接存栏量与未来供给[15][16] - **因子具体构建过程**：$$出栏系数 = \frac{单季度生猪出栏}{6个月前的能繁母猪存栏}$$，通常使用历史平均值或移动平均值进行计算和预测[15] 5. **因子名称：PMI滚动均值**[23][30] - **因子构建思路**：使用制造业采购经理指数（PMI）的滚动平均值（如12个月均值）作为宏观经济景气的平滑指标，用于判断工业材料需求前景[23][30] - **因子具体构建过程**：计算PMI指标的12个月移动平均值，并观察其环比变化是否超过设定的阈值 6. **因子名称：裂解价差（炼化）**[31] - **因子构建思路**：反映炼化企业将原油加工成成品油的盈利空间，是炼化行业利润的核心驱动因子[31] - **因子具体构建过程**：计算成品油价格与原油价格的差值或比值 7. **因子名称：新钻井数（油服）**[38] - **因子构建思路**：反映油气勘探开发活动热度，是油服行业需求的领先指标[38] - **因子具体构建过程**：跟踪美国或全球活跃石油钻井平台数量等数据的同比变化 模型的回测效果 *（注：报告未提供具体模型的量化回测指标数值，如年化收益率、夏普比率、最大回撤等，此部分内容缺失）* 因子的回测效果 *（注：报告未提供具体因子的量化回测指标数值，如IC值、IR值、因子收益率等，此部分内容缺失）* **要特别注意**：本报告主要侧重于行业景气度的定性判断和配置观点的阐述，并未详细展示底层量化模型和因子的具体构建公式（除出栏系数等少数例子外）以及严格的量化回测绩效指标。

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. 宏观评分模型 - **模型构建思路**：基于多个宏观因子对各大类资产进行评分，形成配置观点[17][20] - **模型具体构建过程**：模型包含9个宏观因子：国内景气、国内货币、国内信用、国内通胀、全球景气、全球货币、全球通胀、美元、金融压力[20]。每个因子对每类资产给出评分（1、0或-1），将所有因子评分加总得到每类资产的宏观评分，根据总分形成看多、谨慎等观点[20]。具体评分规则为：$$宏观评分 = \sum_{i=1}^{9} 因子i评分$$ 2. 美股中期择时模型 - **模型构建思路**：从景气度、资金流、金融压力三个维度构建综合指标对美股进行中期择时[21][23] - **模型具体构建过程**：模型包含三个分项指标：景气度、资金流、金融压力[23]。将三个维度指标等权加总得到美股中期择时综合指标，根据指标读数判断市场观点[21][23]。具体构建公式为：$$美股择时指标 = \frac{景气度指标 + 资金流指标 + 金融压力指标}{3}$$ 3. 黄金择时模型 - **模型构建思路**：基于避险货币、央行态度、财政压力、金融压力等多个因子构建综合择时指标[24][26] - **模型具体构建过程**：模型包含四个核心分项指标：避险货币、央行态度、财政压力、金融压力[26][28]。通过综合这些指标得到黄金择时综合指标，根据指标数值判断黄金配置价值[24][25] 4. 原油择时模型 - **模型构建思路**：从需求、库存、美元指数、投资者预期、宏观风险水平等多个维度构建景气指数[27][30] - **模型具体构建过程**：模型包含五个分项指标：需求、库存、美元指数、投资者预期、宏观风险水平[30]。综合这些指标得到原油景气指数，根据指数读数判断原油市场观点[27][29]。具体构建过程为：$$原油景气指数 = f(需求, 库存, 美元指数, 投资者预期, 宏观风险水平)$$ 5. 大类资产配置模型 - **模型构建思路**：根据大类资产量化配置信号分配风险预算，并基于宏观因子体系调整组合的宏观风险暴露[3][31] - **模型具体构建过程**：模型首先获取各类资产的量化配置信号，然后计算各类资产对宏观风险的暴露程度，通过优化算法调整配置比例，控制组合波动风险[31][33] 模型的回测效果 1. 大类资产配置策略 - 9月收益：2.3%[3][31] - 最近1年收益：13.5%[3][31] - 最大回撤：2.9%[3][31] 2. 美股中期择时模型 - 最新指标读数：72.3[21] 3. 黄金择时模型 - 最新指标读数：-0.63[24] 4. 原油择时模型 - 9月景气指数：0.56[27] - 10月景气指数：0.39[27]