根据研报内容，以下是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**：成交量模型[13] **模型构建思路**：基于价量关系进行市场择时[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 2. **模型名称**：低波动率模型[13] **模型构建思路**：利用低波动率特征进行市场择时[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 3. **模型名称**：特征龙虎榜机构模型[13] **模型构建思路**：基于龙虎榜机构特征进行择时[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 4. **模型名称**：特征成交量模型[13] **模型构建思路**：基于成交量特征进行择时[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 5. **模型名称**：智能算法沪深300模型[13] **模型构建思路**：应用智能算法对沪深300指数进行择时[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 6. **模型名称**：智能算法中证500模型[13] **模型构建思路**：应用智能算法对中证500指数进行择时[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 7. **模型名称**：涨跌停模型[14] **模型构建思路**：基于涨跌停现象进行中期择时[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 8. **模型名称**：月历效应模型[14] **模型构建思路**：利用月历效应进行市场择时[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 9. **模型名称**：长期动量模型[15] **模型构建思路**：基于长期动量效应进行择时[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 10. **模型名称**：A股综合兵器V3模型[16] **模型构建思路**：综合多因子多周期的耦合模型[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 11. **模型名称**：A股综合国证2000模型[16] **模型构建思路**：针对国证2000指数的综合择时模型[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 12. **模型名称**：成交额倒波幅模型[17] **模型构建思路**：基于成交额与波动率倒数的关系进行港股择时[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 13. **模型名称**：杯柄形态识别模型[42][43] **模型构建思路**：识别杯柄形态的技术分析模型[42] **模型具体构建过程**：通过识别A点（起点）、B点（杯柄高点）、C点（突破点）来构建形态[47] 14. **模型名称**：双底形态识别模型[42][48] **模型构建思路**：识别双底形态的技术分析模型[42] **模型具体构建过程**：通过识别A点、C点、E点来构建双底形态[53] 15. **模型名称**：倒杯子形态识别模型[59] **模型构建思路**：识别负面倒杯子形态的风险预警模型[59] **模型具体构建过程**：在一波下跌后出现筑顶，完成后再现下跌突破的形态识别[59] 模型的回测效果 1. **杯柄形态模型**：2020年12月31日至今累计上涨71.77%，跑赢上证综指57.83%[42] 2. **双底形态模型**：2020年12月31日至今累计上涨31.63%，跑赢上证综指17.68%[42] 3. **VIX指数模型**：与中证指数公司历史VIX指数的相关系数达到99.2%[40] 量化因子与构建方式 1. **因子名称**：价量因子[11] **因子构建思路**：基于价格和成交量关系的择时因子[11] **因子具体构建过程**：研报未提供具体构建公式和详细过程 2. **因子名称**：动量因子[11] **因子构建思路**：基于价格动量效应的择时因子[11] **因子具体构建过程**：研报未提供具体构建公式和详细过程 3. **因子名称**：涨跌停因子[11] **因子构建思路**：基于涨跌停现象的择时因子[11] **因子具体构建过程**：研报未提供具体构建公式和详细过程 4. **因子名称**：加速度与趋势因子[11] **因子构建思路**：基于价格加速度和趋势的择时因子[11] **因子具体构建过程**：研报未提供具体构建公式和详细过程 因子的回测效果 研报未提供具体因子的独立测试结果取值

量化模型与构建方式 1. 宽基形态择时策略模型 **模型名称**：宽基形态择时策略模型[12] **模型构建思路**：基于宽基指数成分股出现的特定技术形态信号（看多或看空）来构建择时策略，判断宽基指数的未来走势观点[12] **模型具体构建过程**：该模型通过统计宽基指数成分股中出现的看多形态信号和看空形态信号的数量，形成多空对比，从而生成对宽基指数的整体观点（看多、中性或看空）[12] 模型根据每日信号情况更新观点，并跟踪策略表现[12] 2. 行业形态择时策略模型 **模型名称**：行业形态择时策略模型[14] **模型构建思路**：基于中信一级行业指数成分股出现的形态信号构建多空比率剪刀差，用于行业指数的择时判断[14] **模型具体构建过程**：首先统计每个行业指数成分股中每日出现看多形态和看空形态的股票数量[14] 如果当日没有看多形态的成分股，则看多形态成分股数量记为0；如果当日没有看空形态的成分股，则看空形态成分股数量记为0[14] 如果当日看多和看空形态成分股数量都为0，则多空形态剪刀差数值为0[14] 多空形态剪刀差比率的计算公式为： $$多空形态剪刀差比率 = \frac{看多形态成分股数量 - 看空形态成分股数量}{总成分股数量}$$ 基于此剪刀差比率构建行业择时策略[14] 3. 特殊K线形态识别模型 **模型名称**：特殊K线形态识别模型[21] **模型构建思路**：识别六种特定的股票技术形态，包括三种正面形态（金针探底、火箭发射、满江红）和三种负面形态（上吊线、天堂线、乌云线），用于个股的买卖信号判断[21] **模型具体构建过程**：对每只股票的历史K线数据进行模式识别，当出现符合特定形态定义的K线组合时生成相应信号[21] 例如金针探底形态的定义条件包括：振幅要求（K线振幅大于5%）、位置要求（出现在过去20个交易日的低位）、下影线长度（下影线长度超过80%）、开盘价和收盘价要求（收盘价和开盘价相同形成十字星）[26] 4. 券商金股形态组合模型 **模型名称**：券商金股形态组合模型[27] **模型构建思路**：结合券商月度金股的基本面优势和形态学技术信号，构建双层筛选的投资组合策略[27] **模型具体构建过程**：首先选取券商推荐的月度金股作为基础股票池，然后观察这些金股何时出现形态学买点信号[27] 在出现买点信号的第二个交易日买入，构建组合持有到当月月底[27] 通过形态学信号对金股进行二次筛选，提升组合表现[27] 模型的回测效果 1. 宽基形态择时策略模型回测效果 **创业板指**：策略年化收益28.62%，策略最大回撤-39.95%，指数年化收益8.23%，指数最大回撤-70.30%[12] **上证50**：策略年化收益11.91%，策略最大回撤-21.81%，指数年化收益3.85%，指数最大回撤-50.77%[12] **中证800**：策略年化收益19.05%，策略最大回撤-23.04%，指数年化收益5.86%，指数最大回撤-51.50%[12] **万得微盘股指数**：策略年化收益46.96%，策略最大回撤-34.85%，指数年化收益37.42%，指数最大回撤-51.80%[12] **中证500**：策略年化收益20.24%，策略最大回撤-41.19%，指数年化收益7.74%，指数最大回撤-65.85%[12] **沪深300**：策略年化收益12.29%，策略最大回撤-24.25%，指数年化收益5.29%，指数最大回撤-46.92%[12] 2. 行业形态择时策略模型回测效果 **家电行业**：策略年化收益15.99%，策略最大回撤-38.25%，指数年化收益11.06%，指数最大回撤-48.96%[15] **综合金融行业**：策略年化收益15.39%，策略最大回撤-13.18%，指数年化收益-0.79%，指数最大回撤-61.34%[15] **综合行业**：策略年化收益24.58%，策略最大回撤-40.81%，指数年化收益1.16%，指数最大回撤-81.18%[15] **电力设备及新能源行业**：策略年化收益23.94%，策略最大回撤-41.70%，指数年化收益6.55%，指数最大回撤-70.51%[15] **基础化工行业**：策略年化收益21.45%，策略最大回撤-38.71%，指数年化收益4.41%，指数最大回撤-62.79%[16] **国防军工行业**：策略年化收益32.67%，策略最大回撤-45.35%，指数年化收益5.42%，指数最大回撤-72.96%[16] **建筑行业**：策略年化收益19.50%，策略最大回撤-20.68%，指数年化收益2.09%，指数最大回撤-68.84%[16] **纺织服装行业**：策略年化收益16.45%，策略最大回撤-42.64%，指数年化收益0.76%，指数最大回撤-74.22%[16] **有色金属行业**：策略年化收益32.81%，策略最大回撤-40.52%，指数年化收益4.95%，指数最大回撤-65.28%[16] **电力及公用事业行业**：策略年化收益17.11%，策略最大回撤-41.46%，指数年化收益2.62%，指数最大回撤-67.22%[16] **钢铁行业**：策略年化收益18.63%，策略最大回撤-50.33%，指数年化收益-1.76%，指数最大回撤-69.97%[16] **交通运输行业**：策略年化收益17.77%，策略最大回撤-32.45%，指数年化收益0.56%，指数最大回撤-65.47%[16] **煤炭行业**：策略年化收益29.17%，策略最大回撤-24.76%，指数年化收益0.46%，指数最大回撤-69.70%[16] 量化因子与构建方式 1. 隐含波动率因子 **因子名称**：隐含波动率因子[7] **因子构建思路**：采用Heston模型计算近月平值期权的隐含波动率作为市场恐慌指数，反映市场参与者对未来波动性的预期[7] **因子具体构建过程**：使用Heston随机波动率模型对近月平值期权进行定价反推，计算得出隐含波动率数值[7] 该因子用于衡量市场恐慌情绪和风险偏好程度[7] 2. 连续看多信号因子 **因子名称**：连续看多信号因子[17] **因子构建思路**：统计个股连续出现看多形态信号的天数，作为技术面强势的量化指标[17] **因子具体构建过程**：对每只股票每日进行形态识别，当连续多个交易日都出现看多形态信号时，记录连续看多信号的天数[17] 常见的阈值包括连续4根看多信号和连续5根看多信号[17][18] 3. 特殊K线形态因子 **因子名称**：特殊K线形态因子[21] **因子构建思路**：基于六种特定的K线形态（金针探底、火箭发射、满江红、上吊线、天堂线、乌云线）构建技术面信号因子[21] **因子具体构建过程**：对每只股票的日K线数据进行模式匹配，当出现符合特定形态定义的K线组合时生成相应的因子信号[21] 例如金针探底形态要求K线振幅大于5%、出现在过去20个交易日的低位、下影线长度超过80%、收盘价与开盘价相同形成十字星[26] 因子的回测效果 1. 形态信号胜率表现 **正面信号**：在2025年9月19日至2025年9月25日期间，正面信号共出现3059次，未来高点平均胜率为46.09%[11] **负面信号**：在同期负面信号出现3051次，未来低点平均胜率为52.79%[11] 2. 连续看多信号因子表现 **连续5根看多信号**：出现连续5根看多信号的股票包括松霖科技、科隆股份、ST复华、*ST国华、博云新材、瑞晟智能、先锋电子等[18][19] **连续4根看多信号**：出现连续4根看多信号的股票包括赣能股份、中炬高新、永新光学、盛弘股份、索通发展等28只股票[20][22] 3. 特殊看多形态因子表现 **特殊看多形态股票**：本周出现特殊看多形态信号的股票有棒杰股份、ST美晨、稳健医疗、果麦文化、东方明珠、精智达等[23][28] 4. 券商金股形态因子表现 **券商金股形态信号**：本周券商金股出现70%胜率看多形态信号的股票有诺普信、英维克、温氏股份、农业银行、兆易创新等[27][29]

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：利率价量多周期择时模型**[10][24] * **模型构建思路**：基于核回归算法捕捉利率趋势形态，刻画利率数据的支撑线和阻力线，根据不同投资周期下利率走势的形态突破情况，给出多周期复合择时观点[10] * **模型具体构建过程**： * **趋势识别**：使用核回归算法对国债到期收益率（YTM）数据进行平滑处理，分别拟合出长周期、中周期和短周期下的趋势线（支撑线和阻力线）[10] * **信号生成**：判断当前YTM相对于各周期趋势线的位置，生成突破信号。信号类型包括“向上突破”、“向下突破”和“无信号”[10][13][17] * **信号合成**：对长、中、短三个周期的突破信号进行投票合成。具体规则为：若三个周期中有至少两个周期出现同向突破信号（例如，两个或以上周期为“向下突破”），则生成最终的看多或看空信号；否则可能生成中性信号或进行特殊配置[10][24][29] * **组合构建**：根据合成的最终信号配置不同久期的债券组合[24][29] * 看多信号（至少两个周期向下突破且趋势非向上）：满配长久期债券[24] * 看多信号但趋势向上：配置1/2中久期 + 1/2长久期[24] * 看空信号（至少两个周期向上突破且趋势非向下）：满配短久期债券[29] * 看空信号但趋势向下：配置1/2中久期 + 1/2短久期[29] * 其他情况：短、中、长久期等权配置[29] * **止损机制**：当单日组合超额收益小于-0.5%时，调整持仓为等权配置[29] * **模型评价**：该模型通过多周期共振机制过滤噪音，旨在提高信号的稳定性[10] 2. **因子名称：利率水平结构因子**[7] * **因子构建思路**：将1至10年的国债YTM数据转化为一个代表整体利率水平高低的指标，从均值回归视角进行评估[7] * **因子具体构建过程**：报告未详细说明该因子的具体计算公式，但指出其反映了利率的绝对水平，并通过历史分位数（如3年、5年、10年分位数）来衡量当前水平在历史中的位置[7] 3. **因子名称：利率期限结构因子**[7] * **因子构建思路**：捕捉不同期限国债收益率之间的利差，反映利率曲线的陡峭程度[7] * **因子具体构建过程**：报告未详细说明该因子的具体计算公式，但指出其读数代表了期限利差，并通过历史分位数进行评估[7] 4. **因子名称：利率凸性结构因子**[7] * **因子构建思路**：衡量利率曲线的弯曲程度，即凸性特性[7] * **因子具体构建过程**：报告未详细说明该因子的具体计算公式，但指出其读数代表了凸性结构，并通过历史分位数进行评估[7] 模型的回测效果 1. **基于5年期国债YTM的利率价量多周期择时模型** * 长期表现（2007年12月31日至今）：年化收益率5.5%，最大回撤2.88%，收益回撤比1.91，相对业绩基准的年化超额收益率1.07%，超额收益回撤比0.62，逐年绝对收益胜率100%，逐年超额收益胜率100%[25][37] * 短期表现（2024年底以来）：年化收益率1.86%，最大回撤0.59%，收益回撤比3.15，相对业绩基准的超额收益率0.86%[4][25] 2. **基于10年期国债YTM的利率价量多周期择时模型** * 长期表现（2007年12月31日至今）：年化收益率6.09%，最大回撤2.74%，收益回撤比2.23，相对业绩基准的年化超额收益率1.66%，超额收益回撤比1.16，逐年绝对收益胜率100%，逐年超额收益胜率100%[28][37] * 短期表现（2024年底以来）：年化收益率2.35%，最大回撤0.58%，收益回撤比4.07，相对业绩基准的超额收益率1.56%[4][28] 3. **基于30年期国债YTM的利率价量多周期择时模型** * 长期表现（2007年12月31日至今）：年化收益率7.38%，最大回撤4.27%，收益回撤比1.73，相对业绩基准的年化超额收益率2.42%，超额收益回撤比0.87，逐年绝对收益胜率94.44%，逐年超额收益胜率94.44%[33][37] * 短期表现（2024年底以来）：年化收益率2.98%，最大回撤0.92%，收益回撤比3.26，相对业绩基准的超额收益率2.87%[4][33] 因子的回测效果 （报告中未提供利率水平、期限、凸性结构因子的独立测试结果）

根据研报内容，现对其中涉及的量化模型与因子进行总结如下： 量化模型与构建方式 **1 多策略选股模型** - **模型构建思路**：为应对市场风格切换，将价值、成长、质量和出清四个驱动要素不同、适应市场环境差异明显的子策略进行多策略配置，以平稳穿越各类市场环境[22] - **模型具体构建过程**：包含四个子策略：价值股策略、成长股策略、质量选股策略、出清选股策略[22] 采用传统风险平价以及动量优化的风险平价调整权重，构建股票组合[22] 传统风险平价追求子资产对组合贡献均等的风险，核心要素为子资产的风险指标[22] 动量优化根据策略的波动和动量特征，调整对应风险贡献，提升配置效果[22] 根据子策略过去12个月的风险特征，并以子策略过去80日动量秩排序调整其在多策略选股组合风险贡献度占比[22] **2 极致风格高BETA选股模型** - **模型构建思路**：将非ST个股按大小市值和成长价值标准交叉分组，得到大盘成长、大盘价值、小盘成长、小盘价值四个分组，基于量价和基本面因子分组单调性判断选股能力强弱、因子有效性排序，筛选单一风格强势特指因子，针对不同风格象限构建单一风格增强策略[45][47] - **模型具体构建过程**：对于大小盘筛选标准，全市场A股自由流通市值累计百分位前60%个股划分为大市值，自由流通市值累计百分位在75%至95%个股划分为小市值[45] 对于成长价值划分，分别计算四个价值因子，月末排名后50%和前50%个股分别划分为价值和成长个股[45] 对于大盘价值，采用低换手低波动高股息策略，在大盘价值股票基础池中剔除盈利质量排名靠后个股，用波动率、换手和高股息等因子排序优选[47] 对于大盘成长，采用剔除高波动的盈利预期平衡策略，在大盘成长股票基础池中剔除波动率、换手率排名靠前个股，用盈利质量、预期净利润相关因子排序优选[47] 对于小盘价值，采用剔除低盈利的低波反转增强策略，在小盘价值股票基础池中剔除盈利、预期增速排名靠后个股，用低波动、反转、小市值因子排序优选[47] 对于小盘成长，采用低盈利高预期组合策略，在小盘成长股票基础池中剔除短期反转排名后30%个股，用预期净利润增长年率、一致性修正因子和月换手率因子优选[48] 根据子策略过去12个月风险特征，并以子策略过去80日动量秩排序调整权重占比[48] **3 "红利+"优选股票策略** - **模型构建思路**：在红利策略基础上，根据股息率要素筛选"红利+"优选的股息率增强股票组合，根据波动、ROE、估值和盈利增长等因子筛选具备该因子特征的股票[75] - **模型具体构建过程**：根据股票的波动、ROE、估值和盈利增长等因子，筛选出具备该因子特征的股票，同时满足几类因子特征的股票被定义为"红利+"优选股票池[75] 为规避股票组合中较小市值股票权重占比过高带来的风格偏移，仅从优选股票池中中证800指数和中证1000指数的成分股中挑选高股息标的，最终筛选出30只股票构成策略[75] **4 均线趋势策略** - **模型构建思路**：认为均线的相对位置可以象征趋势和反转状态，短均线与长均线位置的相对高低可以表征股价所处的趋势状态[107] - **模型具体构建过程**：以中证800作为基础股票池，根据"(20日均线-240日均线)/20日均线"因子作为趋势强度的因子[107] 采用流通市值加权法划分高低趋势组，认为低趋势组可能处于拉涨初期，后续存在长期趋势收益[107] 在低趋势组中采用质量因子等权打分选取前33支股票作为持仓[107] 趋势强度因子公式为：$$TrendStrength = \frac{MA20 - MA240}{MA20}$$[107] **5 情绪价量策略** - **模型构建思路**：在传统量价分析方法基础上，结合量能和价能要素获得价量共振因子，同时使用市场情绪评分LWMA240进行情绪择时[131] - **模型具体构建过程**：综合价量共振、波动、流动性、估值和ROE等因子筛选出具备这些因子特征的股票并进行因子打分[131] 根据LWMA240评分的正负调整情绪相关的因子打分方向并且规避价量共振程度过高所带来的扰动以优化股票池[131] 最终筛选出因子等权打分最高的50只股票构成情绪择时下价量选股策略[131] **6 科创板策略** - **模型构建思路**：针对科创板股票的特定策略组合[8] - **模型具体构建过程**：策略持仓合计选入30支股票，主要分布在电子行业[8] 模型的回测效果 **1 多策略选股模型** - 9月绝对收益：-0.38%，9月超额收益：-2.95%[3][30] - 今年以来绝对收益：35.98%，今年以来相对收益：9.95%[21] - 全区间年化收益：16.32%，全区间年化超额：13.68%，信息比：1.55[41][45] - 年化波动：19.97%，最大回撤：33.14%，夏普比率：0.82[45] **2 极致风格高BETA选股模型** - 9月绝对收益：-3.28%，9月超额收益：-5.77%[5][62] - 今年以来绝对收益：15.12%，今年以来相对收益：-6.92%[21] - 全区间年化收益：25.95%，全区间年化超额：21.01%，信息比：2.27[68][74] - 年化波动：20.97%，最大回撤：45.96%，夏普比率：1.24[74] **3 "红利+"优选股票策略** - 9月绝对收益：0.83%，9月超额收益：-1.77%[6][85] - 今年以来绝对收益：11.55%，今年以来相对收益：-9.80%[21] - 全区间年化收益：14.64%，全区间年化超额：10.93%，信息比：1.09[97][102] - 年化波动：22.42%，最大回撤：44.56%，夏普比率：0.65[102] **4 均线趋势策略** - 9月绝对收益：0.60%，9月超额收益：-1.99%[7][116] - 今年以来绝对收益：13.82%，今年以来相对收益：-7.97%[21] - 全区间年化收益：14.97%，全区间年化超额：13.40%，信息比：0.93[123][129] - 年化波动：20.14%，最大回撤：25.41%，夏普比率：0.74[129] **5 情绪价量策略** - 9月top50绝对收益：1.54%，9月top50超额收益：-1.08%[7][143] - 今年以来top50绝对收益：43.55%，今年以来top50相对收益：16.07%[21] - 全区间top50年化收益：24.51%，全区间top50年化超额：17.94%，信息比：1.13[151] - 全区间top100年化收益：23.87%，全区间top100年化超额：17.34%，信息比：1.20[151] **6 科创板策略** - 9月绝对收益：10.92%，9月超额收益：-0.50%[8] - 今年以来绝对收益：81.32%，今年以来相对收益：19.92%[8]

根据提供的金融工程定期报告，以下是报告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：行业轮动模型**[2][8][15] * **模型构建思路**：该模型通过分析市场走势、行业拥挤度变化以及其他技术指标，生成行业交易信号，以捕捉行业轮动带来的投资机会[2][8][15] * **模型具体构建过程**：模型对不同的行业或主题板块进行监测，其信号生成逻辑综合了多种技术分析方法，具体包括： * **区间震荡与突破**：对于处于区间震荡的板块，观察其是否在区间下轨出现超跌反弹迹象，或是否在突破前高之前进行高位窄幅震荡整理后出现放量上涨[15] * **均线系统**：观察价格是否开始放量上涨并上穿多根均线[15] * **动量与强度**：评估板块的长期动量是否偏强，以及短期板块内部强势股数量是否提升，赚钱效应是否增强[15] * **顶背离风险提示**：结合周期分析的空头信号和KDJ指标的高位死叉或均线下行，作为风险提示信号[15] * **模型评价**：该模型旨在当前市场高位震荡、上行空间受限的背景下，为“高低切换”的投资思路提供信号支持[2][8] 模型的回测效果 *报告未提供行业轮动模型的具体回测指标数值，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：股债收益差**[2][8][10] * **因子构建思路**：该因子通过计算股票市场收益率与债券收益率之间的差值，来衡量股票资产相对于债券资产的吸引力或风险溢价[2][8][10] * **因子具体构建过程**：报告中使用沪深300指数的股债收益差，并结合布林带（Bollinger Bands）进行分析。具体构建过程涉及： * 计算股债收益差的时间序列 * 基于近三年的数据计算该时间序列的布林带，包括中轨（通常为移动平均线）以及上下轨（通常为中轨加减N倍标准差）[2][8] * 报告特别指出，当股债收益差持续运行在布林带下轨的-2倍标准差下方时，视为一个关键状态[2][8] * **因子评价**：当股债收益差处于极低水平（如报告所述位置）时，在缺乏新的向上驱动因素情况下，意味着市场整体的上行空间可能有限[2][8] 2. **因子名称：行业拥挤度**[2][8][11] * **因子构建思路**：该因子用于衡量某一行业或板块的交易热度、资金集中程度，以及潜在的交易风险[2][8][11] * **因子具体构建过程**：报告中对“泛行业拥挤度”进行跟踪，但未详细说明其具体计算方法和公式。通常，这类因子可能综合考量板块的成交额占比、换手率、估值分位数、融资余额变化等多个维度的指标[11] 因子的回测效果 *报告未提供股债收益差因子和行业拥挤度因子的具体测试结果取值，如IC值、ICIR、因子收益率等*

根据提供的量化市场追踪周报，以下是关于报告中涉及的量化模型与因子的总结： 量化模型与构建方式 1. **模型名称：主动权益型基金仓位测算模型**[21][24] * **模型构建思路**：通过分析公募基金的持仓数据，估算主动权益型基金的整体仓位水平，以追踪市场资金动向和风险偏好[21] * **模型具体构建过程**： 1. **样本筛选**：确定合格的基金样本，筛选门槛包括：基金成立期满两个季度、未到期、规模大于5000万元、过去四期平均仓位大于60%[24] 2. **基金分类**：将主动权益型基金分为普通股票型、偏股混合型、灵活配置型、平衡混合型四类（基于万得二级分类），其中灵活配置型与平衡混合型合称为配置型基金[24] 3. **加权计算**：对合格样本的仓位，按其持股市值进行加权平均，计算得到整体市场平均仓位[24] 4. **数据净化**：在测算中剔除不完全投资于A股的基金[25] * **模型评价**：该模型能够有效跟踪公募基金的整体仓位变化，是衡量市场情绪和资金配置的重要参考指标[21] 2. **模型名称："固收+"基金仓位测算模型**[21][24] * **模型构建思路**：专门针对"固收+"基金（包括偏债混合型基金、混合债券型二级基金、部分灵活配置型基金）构建仓位测算模型，以观察其权益资产配置比例的变化[21][24] * **模型具体构建过程**： 1. **样本筛选**：确定合格的"固收+"基金样本，筛选门槛包括：成立期满两个季度、未到期、规模大于5000万元、过去四期平均仓位在10%-30%之间[24] 2. **加权计算**：对合格样本的仓位，按其持股市值进行加权平均，计算得到"固收+"基金的整体平均仓位[24] 3. **数据净化**：在测算中剔除不完全投资于A股的基金[25] 3. **模型名称：基金风格暴露分析模型**[29] * **模型构建思路**：通过分析基金的持仓，计算其在不同市值（大盘、中盘、小盘）和风格（成长、价值）维度上的仓位暴露，以判断基金的整体风格偏好[29] * **模型具体构建过程**： 1. **风格划分**：将股票划分为六大风格板块：大盘成长、大盘价值、中盘成长、中盘价值、小盘成长、小盘价值[29] 2. **持仓映射**：将主动偏股型基金的持仓股票映射到对应的风格板块中[29] 3. **仓位计算**：汇总计算基金在每个风格板块上的持仓市值占其总权益市值的比例，得到各风格的仓位暴露[29] 4. **模型名称：基金行业配置分析模型**[32][33] * **模型构建思路**：基于基金持仓数据，分析其在不同行业（中信一级行业）上的配置比例及变动趋势，以洞察资金在行业层面的流向[32][33] * **模型具体构建过程**： 1. **行业分类**：采用中信一级行业分类标准[33] 2. **持仓映射**：将主动权益型基金的持仓股票映射到对应的中信一级行业中[32][33] 3. **加权计算**：以持股市值加权平均的方式，计算基金在各个行业上的配置比例，并跟踪其周度变化[32][33] 5. **因子名称：主力/主动资金流因子**[55][56] * **因子构建思路**：根据同花顺对主力资金的划分标准，通过统计不同级别成交单的净流入/流出情况，构建反映大资金动向的因子[55][56] * **因子具体构建过程**： 1. **资金划分标准**： * 特大单：成交量在20万股以上，或成交金额在100万元以上的成交单[55] * 大单：成交量在6万股到20万股之间，或成交金额在30万到100万之间，或成交量占流通盘0.1%的成交单[55] * 中单：成交量在1万股与6万股之间，或成交金额在5万到30万之间的成交单[55] * 小单：成交量在1万股以下，或成交金额在5万元以下的成交单[55] 2. **因子计算**：分别计算个股和行业在特大单、大单、中单、小单上的资金净流入额（买入金额 - 卖出金额）[56][60][61][62][63] 3. **主动资金流**：进一步计算主买净额（主买金额 - 主卖金额），用以衡量主动买入/卖出的资金力量[56] 模型的回测效果 1. **主动权益型基金仓位测算模型**，截至2025/10/10平均仓位约为90.39%[21]，其中普通股票型基金平均仓位约为92.55%（较上周上升0.06pct），偏股混合型基金平均仓位约为91.16%（较上周上升0.01pct），配置型基金平均仓位约为88.22%（较上周上升0.05pct）[21] 2. **"固收+"基金仓位测算模型**，截至2025/10/10平均仓位约为23.48%，较上周下降0.23pct[21] 3. **基金风格暴露分析模型**，截至2025/10/10，主动偏股型基金大盘成长仓位37.35%（较上周上升6.08pct），大盘价值仓位9.58%（较上周上升0.27pct），中盘成长仓位7.96%（较上周下降0.32pct），中盘价值仓位4.73%（较上周下降3.64pct），小盘成长仓位31.89%（较上周下降4.44pct），小盘价值仓位8.49%（较上周上升2.04pct）[29] 4. **基金行业配置分析模型**，截至2025/10/10，主动权益型基金配置比例上调较多的行业有传媒（约2.42%，较上周提升0.32pct）、计算机（约4.73%，较上周提升0.28pct）、电子（约18.86%，较上周提升0.26pct）、电力设备及新能源（约7.50%，较上周提升0.18pct）、消费者服务（约0.93%，较上周提升0.15pct）；配比下调较多的行业有非银行金融（约2.74%，较上周下降0.29pct）、综合（约0.51%，较上周下降0.28pct）、建材（约0.70%，较上周下降0.19pct）、轻工制造（约1.23%，较上周下降0.12pct）、基础化工（约3.87%，较上周下降0.12pct）[32] 因子的回测效果 1. **主力/主动资金流因子（个股层面）**，本周（2025W40&41）主力净流入&中小单净流出个股如中兴通讯、海康威视等；主力净流出&中小单净流入个股如中芯国际、阳光电源等[56]；主动资金更看好中兴通讯、北方稀土等标的，东方财富、三花智控等标的遭主动资金净卖出[56] 2. **主力/主动资金流因子（行业层面）**，本周主力净流入&中小单净流出行业如建筑、石油石化等；主力净流出&中小单净流入行业如电子、电力设备及新能源等[56]；主买净额居前的行业有电力及公用事业、建筑、钢铁、煤炭、石油石化等；流出较多的行业有电子、计算机、机械、汽车、医药等[56]

根据研报内容，现总结如下： 量化模型与构建方式 **1 模型名称：综合配置策略** - **模型构建思路**：基于行业景气度信号和拥挤度监测，构建一个动态的行业配置策略[4] - **模型具体构建过程**： 1. 每月更新时，对各个细分行业进行景气度信号判断，将行业分类为“景气上行”、“景气持平”或“景气下行”[4] 2. 同时，计算各行业的拥挤度指标，并设定预警阈值（如95%）[3] 3. 在配置时，选择“景气上行”及“景气持平”、且拥挤度较低的行业[4] 4. 权重设置上，“景气持平”行业的配置权重设置为“景气上行”行业权重的一半[4] 5. 最终根据上述规则确定各行业的配置权重，形成综合配置策略[4] **2 因子名称：行业分化度指标** - **因子构建思路**：通过计算行业间涨幅的离散程度，来衡量市场微观交易结构的分化状况，该指标具有均值回复特征[1] - **因子具体构建过程**： 1. 选取申万一级行业指数作为基础[1] 2. 计算所有申万一级行业指数在特定周期（如日度）的平均涨幅（$$\bar{R}_t$$）和中位数涨幅（$$Median(R_t)$$）[1] 3. 行业分化度（$$D_t$$）即为平均涨幅与中位数涨幅的差值：$$D_t = \bar{R}_t - Median(R_t)$$[1] 4. 为进一步平滑数据，观察该分化度指标的20日移动平均值（MA20）[1] **3 因子名称：行业拥挤度指标** - **因子构建思路**：通过量化特定指标，监测行业交易的拥挤程度，以提示潜在风险[3] - **因子具体构建过程**：报告提及使用该指标并对各行业进行监测，且设定了95%作为预警阈值，但未详细说明其具体计算公式和构成[3] 模型的回测效果 **1 综合配置策略** - 最近1个月（2025/9/7-2025/9/30）收益：0.1%[4][36] - 最近1个月相对行业等权指数超额收益：-4.6%[4][36] - 最近1个月相对中证800超额收益：-4.3%[4][36] - 最近3个月（2025/7/7-2025/9/30）收益：13.6%[36] - 最近3个月相对行业等权指数超额收益：未明确列示（基准收益26.3%）[36] - 最近3个月相对中证800超额收益：未明确列示（基准收益19.3%）[36] - 最近6个月（2025/4/7-2025/9/30）收益：25.6%[36] - 最近6个月相对行业等权指数超额收益：未明确列示（基准收益40.1%）[36] - 最近6个月相对中证800超额收益：未明确列示（基准收益32.1%）[36] - 2025年以来（2025/1/2-2025/9/30）收益：14.1%[36] - 2025年以来相对行业等权指数超额收益：未明确列示（基准收益29.5%）[36] - 2025年以来相对中证800超额收益：未明确列示（基准收益20.9%）[36] 因子的回测效果 **1 行业分化度指标** - 截至2025年10月9日，其20日移动均值（MA20）处于2022年以来的93.7%分位，表明行业分化度处于历史高位[1] **2 行业拥挤度指标** - 截至2025年10月9日，有色金属、机械设备、电子三个行业的拥挤度指标位于95%预警阈值以上[3] - 过去1个月内，通信、综合两个行业的拥挤度指标最大值也曾突破95%预警阈值[3]

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]。

根据提供的研报内容，总结如下： 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**：模型构建分为两个主要步骤： 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，同时从基本面和技术面两个维度进行精选，最终构建港股精选股票组合[13][14] * **模型评价**：该模型在回测区间内表现优异，获得了显著的超额收益[14] 2. **因子名称：250日新高距离**[20][22] * **因子构建思路**：该因子用于量化股价接近其过去250个交易日最高点的程度，基于研究表明股价接近52周（约250日）最高价时未来收益可能更高的市场现象[20] * **因子具体构建过程**：因子的具体计算方法如下： $$250\ 日新高距离 = 1 - \frac{Close_t}{ts\_max(Close, 250)}$$ 其中，$Close_t$ 为股票的最新收盘价，$ts\_max(Close, 250)$ 为股票过去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；当最新收盘价较新高回落时，该因子为正值，表示回落的幅度[22] 3. **因子/筛选方法名称：平稳创新高股票筛选方法**[22][23] * **构建思路**：该筛选方法旨在从创出新高的股票中，进一步筛选出股价路径相对平稳、创新高具有持续性的股票，以捕捉更稳健的趋势[20][22] * **具体构建过程**：该方法是一个多步骤的筛选流程，首先确定基础股票池（全部港股，剔除成立时间不超过15个月的股票），然后依次应用以下条件进行筛选[22][23]： 1. **分析师关注度**：过去6个月买入或增持评级的分析师研报不少于5份[23] 2. **股价相对强弱**：过去250日涨跌幅位于样本池前20%[23] 3. **股价平稳性**：在满足上述条件的股票池内，使用以下两个指标综合打分，取排名在前50%的股票（最少取50只）[23]： * **价格路径平滑性（位移路程比）**：具体计算公式未在提供文本中明确给出，但提及此概念[23] * **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[23] 4. **趋势延续性**：过去5日的250日新高距离在时间序列上的均值，取排序靠前的50只股票作为最终的平稳创新高股票[23] 模型的回测效果 1. **港股精选组合模型**[14][17][18][19] * 回测区间：20100101-20250630[14] * 绝对收益（年化）：19.11%[14][19] * 相对恒生指数超额收益（年化）：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] * 最新表现（20250102-20251010）： * 绝对收益：76.55%[1][17] * 相对恒生指数超额收益：45.49%[1][17] 因子的回测效果 *（注：提供的文本中未包含250日新高距离因子或平稳创新高筛选方法的独立回测绩效指标，如IC、IR、多空收益等，因此此部分略过）*

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]