量化模型与构建方式 1 景气动量模型 1) 模型名称：景气动量模型 2) 模型构建思路：自上而下行业轮动模型，基于行业盈利能力g和盈利能力边际变化Δg构建，从宏观、中观、微观三个视角对行业Δg开展建模[2] 3) 模型具体构建过程： - 宏观视角：将增长、通胀等宏观因子与行业整体ROE变化、估值变化映射，构建宏观戴维斯双击因子 - 中观视角：用产业链数据对行业财务状况进行Nowcast，计算中观景气度因子 - 微观视角：使用卖方分析师一致预期数据补充财报数据，计算微观景气度因子 - 加权组合三个视角的因子得到景气动量因子[16] 4) 模型评价：表现对市场风格依赖度高，尤其与成长因子显著正相关，是一个名副其实的Smart Beta[2][23] 2 遗传规划模型 1) 模型名称：遗传规划模型 2) 模型构建思路：自下而上行业轮动模型，采用"生物育种"原理直接挖掘行业量价、估值等数据[3] 3) 模型具体构建过程： - 将单目标遗传规划改造为双目标遗传规划，同时评价因子分组单调性和多头组表现 - 使用NSGA-II算法挖掘兼具分组表现单调、多头表现优秀的因子 - 采用贪心策略和方差膨胀系数合成行业得分[18] - 最新一期权重最高的因子计算过程： $$ts_covariance_torch(ts_grouping_deczscorecut_torch(ts_decsortcut_torch(daily_exc,60,9,2),ts_decsortcut_torch(daily_exc,30,8,2),15,2.0,1),exp_torch(low_st),55)$$ 1) 计算60日和30日超额收益变量A和B 2) 对B进行zscore标准化提取特定日期集合T 3) 计算T中A之和变量C 4) 计算标准化收盘价的自然指数变量D 5) 计算C和D的55日协方差[35] 4) 模型评价：对市场风格依赖度低，超额收益来自对行业机会的把握[3][32] 模型的回测效果 1 景气动量模型 1) 回测区间：20160430-20250131 2) 年化收益：9.61% 3) 年化波动：22.51% 4) 夏普比率：0.43 5) 最大回撤：-44.84% 6) 卡玛比率：0.21[25] 7) BARRA因子暴露：Growth(0.32)[25] 2 遗传规划模型 1) 回测区间：20220930-20250214 2) 年化收益：32.57% 3) 年化波动：18.17% 4) 夏普比率：1.79 5) 最大回撤：-19.63% 6) 卡玛比率：1.66[34] 7) 年化超额收益：28%[3] 量化因子与构建方式 1 宏观戴维斯双击因子 1) 因子构建思路：基于宏观因子与行业ROE变化、估值变化的映射关系构建[16] 2 中观景气度因子 1) 因子构建思路：用产业链数据对行业财务状况进行Nowcast[16] 3 微观景气度因子 1) 因子构建思路：使用卖方分析师一致预期数据补充财报数据[16] 因子的回测效果 1 最新一期遗传规划因子 1) 训练集IC：0.042 2) 训练集NDCG@5：0.362 3) 因子权重：40.7%[35]

根据提供的研报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. **模型名称**：均线比较模型 **模型构建思路**：通过比较各宽基指数与其不同周期的均线（如5日、10日、20日等）的相对位置，判断市场趋势和支撑/压力位[6][7] **模型具体构建过程**：计算各指数的收盘价与MA5、MA10、MA20等均线的差值百分比，公式为： $$ vsMA = (收盘价 - MA_n) / MA_n \times 100\% $$ 其中MA_n代表n日均线值[7] **模型评价**：能够直观反映短期与中长期市场趋势的背离情况，但对极端行情敏感度较低[7] 2. **模型名称**：风险溢价模型 **模型构建思路**：以十年期国债即期收益率为无风险利率基准，计算各宽基指数的超额收益风险溢价[14][16] **模型具体构建过程**： $$ 风险溢价 = 指数收益率 - 十年期国债收益率 $$ 并统计近1年/5年分位值及波动率[16] **模型评价**：具有明显的均值回归特性，中证1000/2000的波动率显著高于大盘指数[14][16] 3. **模型名称**：股债性价比模型 **模型构建思路**：通过PE-TTM倒数与国债收益率的差值衡量股债相对吸引力[22] **模型具体构建过程**： $$ 股债性价比 = 1/PE-TTM - 国债收益率 $$ 设置80%/20%分位值作为危险/机会阈值[22] **模型评价**：当前中小盘指数多数处于危险值上方，显示权益资产溢价较高[22] 量化因子与构建方式 1. **因子名称**：PE-TTM估值因子 **因子构建思路**：跟踪滚动市盈率的历史分位值判断估值水平[21][22] **因子具体构建过程**：计算当前PE-TTM相对于近1年/5年/全部历史数据的分位百分比，公式为： $$ 分位值 = \frac{当前PE排名}{历史PE总数} \times 100\% $$ 并计算±1/2倍标准差区间[21] **因子评价**：中证500分位值达83.72%显示高估，创业板指34.13%相对安全[21] 2. **因子名称**：股息率因子 **因子构建思路**：通过现金分红回报率评估防御性投资价值[26][27] **因子具体构建过程**： $$ 股息率 = 年度分红总额 / 总市值 $$ 统计近5年98.84%分位的沪深300显示极高配置价值[27] **因子评价**：高股息策略在利率下行期表现突出，但需警惕盈利可持续性[26] 3. **因子名称**：破净率因子 **因子构建思路**：统计市净率<1的个股占比反映市场悲观程度[29] **因子具体构建过程**： $$ 破净率 = 破净个股数 / 总成分股数 \times 100\% $$ 上证50破净率24%显著高于中证2000的5.45%[29] **因子评价**：破净率中枢下移可能预示市场情绪转向乐观[29] 模型的回测效果 1. **均线比较模型**： - 中证2000当前偏离MA5达-1.51%，MA20偏离+2.83%[7] - 创业板指MA60支撑位有效性达87.6%[21] 2. **风险溢价模型**： - 上证50风险溢价近5年分位值29.68%，中证2000仅4.76%[16] - 中证1000近1年波动率2.08%显著高于沪深300的1.33%[16] 3. **股债性价比模型**： - 中证1000当前值超80%分位线12.17%[22] - 创业板指距危险值(80%分位)仍有7.01%空间[22] 因子的回测效果 1. **PE-TTM因子**： - 中证500当前PE28.22超+1倍标准差7.13%[21] - 创业板指PE34.29处于近5年34.13%分位[21] 2. **股息率因子**： - 沪深300股息率3.64%接近+2倍标准差上限[27] - 中证2000股息率1.03%低于历史均值1.16%[27] 3. **破净率因子**： - 上证50破净率24%较9月高点下降37%[29] - 创业板指破净率3%为全市场最低[29]

根据提供的金融工程日报内容，以下是量化模型与因子的总结： 量化因子与构建方式 1. **因子名称：封板率** - 构建思路：通过统计涨停股票的封板情况反映市场情绪强度[16] - 具体构建过程： $$封板率=\frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$ 筛选上市满3个月的股票，计算当日同时满足盘中最高价涨停和收盘涨停的股票占比[16] 2. **因子名称：连板率** - 构建思路：衡量涨停股票的持续性效应[16] - 具体构建过程： $$连板率=\frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$ 基于前一日涨停股票池，计算次日仍能涨停的比例[16] 3. **因子名称：大宗交易折价率** - 构建思路：反映大资金交易的流动性溢价[25] - 具体构建过程： $$折价率=\frac{大宗交易总成交金额}{当日成交份额的总市值}-1$$ 汇总当日所有大宗交易数据，按成交金额加权计算[25] 4. **因子名称：股指期货年化贴水率** - 构建思路：量化期货市场对现货指数的预期偏差[27] - 具体构建过程： $$年化贴水率=\frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ 分别计算上证50/沪深300/中证500/中证1000主力合约的基差年化值[27] 因子回测效果 1. **封板率因子** - 当日取值：83%（较前日提升28%）[16] - 近一月分位数：处于75%高位区间[16] 2. **连板率因子** - 当日取值：26%（较前日提升11%）[16] - 近一月分位数：处于60%中位区间[16] 3. **大宗交易折价率因子** - 当日取值：4.46%[25] - 近半年均值：4.97%[25] 4. **股指期货贴水率因子** - 上证50年化升水率：1.45%（60%分位）[27] - 沪深300年化贴水率：0.22%（61%分位）[27] - 中证500年化贴水率：5.83%（48%分位）[27] - 中证1000年化贴水率：8.77%（55%分位）[27] 模型评价 1. 封板率/连板率因子对短期市场情绪捕捉效果显著，但需结合换手率过滤噪音[16] 2. 大宗交易折价率因子在机构调仓周期中预测效果更优[25] 3. 股指期货贴水率因子对市场风格切换有领先指示作用[27]

量化因子与构建方式 1. 因子名称：CDS因子 - **因子的构建思路**：CDS因子通过中国主权CDS（信用违约掉期）利差的变化，反映海外市场对中国潜在风险的定价变化，进而捕捉其对港股和A股市场的影响[7] - **因子具体构建过程**： 1. 计算CDS指标的20日变化值，公式为： $ \Delta CDS_{20} = CDS_{t} - CDS_{t-20} $ 其中，$ CDS_{t} $为当前时点的CDS值，$ CDS_{t-20} $为20日前的CDS值[7] 2. 通过回归分析，评估CDS变化与港股、A股收益的相关性，回归公式为： $ y = \beta \cdot \Delta CDS_{20} + \epsilon $ 其中，$ y $为股指20日收益，$ \Delta CDS_{20} $为CDS的20日变化，$ \beta $为回归系数，$ \epsilon $为误差项[11] 3. 根据拟合优度（$ R^2 $）和回归系数的绝对值，评估CDS因子对不同板块的弹性和相关性[14][15] - **因子评价**：CDS因子能够较好地反映海外市场情绪变化，且对港股的择时效果优于A股，尤其在CDS指标20日变化为负时，表现出显著的看多信号[7] --- 因子的回测效果 1. CDS因子 - **年化收益**：11.8%[13] - **年化波动**：13.8%[13] - **最大回撤**：19.1%[13] - **夏普比率**：0.853[13] 2. 恒生指数（基准） - **年化收益**：6.3%[13] - **年化波动**：23.5%[13] - **最大回撤**：64.1%[13] - **夏普比率**：0.266[13] --- 量化模型与构建方式 1. 模型名称：CDS择时模型 - **模型构建思路**：基于CDS因子的变化，构建择时策略，通过判断CDS指标的20日变化方向，决定港股的投资信号[7] - **模型具体构建过程**： 1. 当$ \Delta CDS_{20} < 0 $时，生成看多港股信号，进行多头配置[7] 2. 当$ \Delta CDS_{20} \geq 0 $时，生成看空信号，降低港股配置权重或空仓[7] 3. 计算策略的净值表现，并与恒生指数基准进行对比，评估超额收益[13] - **模型评价**：CDS择时模型在历史回测中表现出较高的年化超额收益和较低的波动率，显示出良好的风险收益特征[7][13] --- 模型的回测效果 1. CDS择时模型 - **年化收益**：11.8%[13] - **年化波动**：13.8%[13] - **最大回撤**：19.1%[13] - **夏普比率**：0.853[13] 2. 恒生指数（基准） - **年化收益**：6.3%[13] - **年化波动**：23.5%[13] - **最大回撤**：64.1%[13] - **夏普比率**：0.266[13]

根据提供的研报内容，以下是量化模型和因子的详细总结： 量化模型与构建方式 1. **模型名称：宏观择时模型** - 模型构建思路：通过经济增长、通货膨胀、利率、汇率和风险情绪等多个维度构建宏观动量模型，对股票、债券等大类资产进行择时[25] - 模型具体构建过程： 1. 使用代理变量预测未来的宏观环境（如Inflation等） 2. 根据不同环境选择表现最优的资产构建绝对收益组合 3. 季度配置信号基于逆周期投资框架，月度信号基于宏观动量模型[25] - 模型评价：能够有效捕捉大类资产轮动机会，但依赖宏观变量预测准确性 2. **模型名称：行业ETF轮动模型** - 模型构建思路：从行业基本面、预期基本面、情绪面、量价技术面、宏观经济等维度构建多因子行业轮动策略[26] - 模型具体构建过程： 1. 将ETF跟踪指数与中信一级行业匹配（覆盖23个一级行业） 2. 基于行业轮动因子（历史基本面、预期ROE、情绪指标等）计算行业得分 3. 每月选择得分最高的4个行业等权配置[26][28] 3. **模型名称：股债混合配置模型** - 模型构建思路：通过动态调整股债比例实现风险控制与收益增强[31] - 模型具体构建过程： 1. 基础版本采用固定比例（如20/80股债再平衡） 2. 增强版本结合宏观择时信号动态调整权重 3. 风险平价版本根据资产波动率分配权重[31] 4. **模型名称：量化固收+策略** - 模型构建思路：通过股票端量化选股策略增强固收产品收益[38] - 模型具体构建过程： 1. 股票端采用PB盈利、高股息、小盘价值、小盘成长四种选股策略 2. 与债券端（短债基金指数）按10/90或20/80比例月度再平衡 3. 可选配宏观择时模块动态调整股债比例[38][39] 量化因子与构建方式 1. **因子名称：PB盈利因子** - 因子构建思路：结合市净率和盈利能力的复合价值因子[39] - 因子具体构建过程： $$ PB盈利 = \frac{净利润}{市值} \times \frac{1}{市净率} $$ 通过排序筛选高PB盈利得分股票[39] 2. **因子名称：高股息因子** - 因子构建思路：筛选持续高分红股票获取稳定收益[39] - 因子具体构建过程： 1. 计算近12个月股息率 2. 结合分红稳定性和财务健康度筛选[39] 3. **因子名称：小盘价值因子** - 因子构建思路：在小市值股票中挖掘低估标的[39] - 因子具体构建过程： 1. 按市值分组选取小盘股 2. 在组内应用PB、PE等价值指标排序[39] 4. **因子名称：小盘成长因子** - 因子构建思路：捕捉小市值成长股超额收益[39] - 因子具体构建过程： 1. 按市值分组选取小盘股 2. 在组内应用收入增长率、ROE等成长指标排序[39] 模型的回测效果 1. **宏观择时模型** - 股债20/80再平衡策略：2025年累计收益-0.31%，年化波动率2.71%，最大回撤0.51%[32] - 股债风险平价策略：2025年累计收益0.15%，夏普比率0.87[32] - 股债黄金风险平价策略：2025年累计收益1.27%，夏普比率6.09[32] 2. **行业ETF轮动模型** - 2025年2月组合收益4.55%，相对Wind全A超额-0.75%[26] 3. **量化固收+策略** - 不择时20/80组合：小盘成长策略2025年收益3.38%，小盘价值策略3.09%[39] - 宏观择时20/80组合：小盘成长策略2025年收益1.75%，夏普比率0.01[39] 因子的回测效果 1. **PB盈利因子** - 10/90组合2025年收益0.38%，20/80组合0.69%[39] 2. **高股息因子** - 10/90组合2025年收益0.01%，20/80组合-0.04%[39] 3. **小盘价值因子** - 10/90组合2025年收益1.58%，20/80组合3.09%[39] 4. **小盘成长因子** - 10/90组合2025年收益1.72%，20/80组合3.38%[39]

市场资金流向：截至 20250217 两融余额为 18696 亿元，其中融资余额 18584 亿元，融券余额 112 亿元。两融余额占流通市值比重为 2.4%，两融交易占市 场成交额比重为 10.3%。 折溢价：20250217 当日 ETF 溢价较多的是成渝经济圈 ETF，ETF 折价较多的 是沪港深科技 ETF。近半年以来大宗交易日均成交金额达到 15 亿元， 20250217 当日大宗交易成交金额为 10 亿元，近半年以来平均折价率 4.97%， 当日折价率为 6.33%。近一年以来上证 50 股指期货主力合约年化升水率中位 数为 0.08%，近一年以来沪深 300 股指期货主力合约年化贴水率中位数为 1.29%，近一年以来中证 500 股指期货主力合约年化贴水率中位数为 5.45%， 近一年以来中证 1000 股指期货主力合约年化贴水率中位数为 9.29%，当日上 证 50 股指期货主力合约年化升水率为 1.59%，处于近一年来 62%分位点，当 日沪深 300 股指期货主力合约年化升水率为 1.50%，处于近一年来 80%分位 点；当日中证 500 股指期货主力合约年化贴水率为 3.37%，处于近一 ...

量化模型与构建方式 1. 模型名称：三角验证体系 - **模型构建思路**：通过思维链推理（COT）、对比分析和反事实推理三种方法，形成多维度验证闭环，提升模型的逻辑一致性和事实准确性[23][24][71] - **模型具体构建过程**： 1. **思维链推理（COT）**：逐步分解问题，显式化模型决策路径，确保逻辑链条的严密性。例如，从"锂价下跌→成本改善→毛利率提升"的因果链中定位逻辑断裂点[24][72][73] 2. **对比分析**：横向对比同行数据（如毛利率变动差异），纵向回溯历史规律（如技术突破对净利润的边际影响），验证预测的合理性[24][77][81] 3. **反事实推理**：假设条件变化（如延迟量产），评估结论的敏感性和稳健性，识别潜在风险[24][83][84] - **模型评价**：三角验证体系显著优化了模型输出的稳定性，修正了单纯COT的评分偏差，提升了逻辑透明度和预测准确性[24][144][145] 2. 模型名称：StockGPT - **模型构建思路**：通过LoRA微调技术，将基本面文本数据与市场时序数据（OHLC）联合建模，增强模型对行情数据与收益率关系的理解[118][125][145] - **模型具体构建过程**： 1. **数据准备**： - 基本面文本数据：通过三角验证体系提取关键信号[125][126] - 时序数据：提取前15个交易日的OHLC数据，归一化处理后生成时间序列Token[125][126] 2. **LoRA微调**： - 引入低秩矩阵A和B，将原始权重矩阵W分解为$W + A \cdot B$，仅优化A和B，冻结W[119][120][121] - 参数设置：学习率乘数为1，批量大小为32，训练轮数为5，最大序列长度为8192，LoRA秩为16[130] 3. **模型训练**：基于2014-2018年的历史数据进行训练，以次月收益组别（0-10）作为标签[129][130] - **模型评价**：StockGPT在捕捉复杂市场关系方面表现出一定潜力，但仍受限于数据噪声和金融因果链复杂性[145][146] --- 模型的回测效果 1. 三角验证体系 - **年化收益**：17.2% - **超额收益**：较基准指数超额收益12.56% - **风格暴露**：显著偏向成长与流动性驱动[144][145] 2. StockGPT - **年化收益**：18.8% - **超额收益**：较中证800超额收益18.31% - **信息比率（IR）**：2.18 - **最大回撤**：-19.47% - **风格暴露**：偏向中小市值、高流动性资产，规避低估值、高杠杆股票[137][138][139] --- 量化因子与构建方式 1. 因子名称：一致预测因子 - **因子构建思路**：基于分析师一致预测数据，提取盈利预测变化、目标价变化等特征[29][30] - **因子具体构建过程**： 1. 收集分析师一致预测数据（如EPS、NP、REV等） 2. 计算当前预测值与1个月前、3个月前预测值的变化率 3. 提取目标价变化、评级上调等特征[30] - **因子评价**：一致预测因子在选股中表现出较高的胜率和信息比率，但部分因子（如净利润增速）表现较弱[30] 2. 因子名称：基于LLM的研报文本因子 - **因子构建思路**：利用大语言模型（LLM）对研报文本进行分析，提取隐含的投资逻辑和观点[33][39] - **因子具体构建过程**： 1. 使用LLM对研报文本进行分步推理，提取长期逻辑、中期信号和短期驱动[33][44] 2. 基于提取的逻辑链条，生成选股因子[33][39] - **因子评价**：LLM因子具有一定的选股效果，但预测收益率分布较为集中，信息整合依赖性强[39][40][43] --- 因子的回测效果 1. 一致预测因子 - **Rank IC**：1.20%-3.47% - **IR**：0.87-1.59 - **胜率**：0.49-0.71[30] 2. 基于LLM的研报文本因子 - **年化收益**：9.2% - **超额收益**：相对于中证全指超额收益7% - **分布特性**：预测收益率集中在5%-10%之间[39][40]

从整体表现来看，上周四大期指全线收涨，中证 500 期指涨幅最大，幅度达 2.55%，沪深 300 期指涨幅最小，幅度为 1.69%。上周 IF 主力合约的升水幅度扩大，IH 主力合约的升水幅度缩小，IC 主力合约的贴水幅度收窄，IM 主力合约 的贴水幅度加深。IF 和 IH 期指为升水状态，IC 和 IM 期指为贴水状态。 全部合约角度看，较上周而言，四大期指当月、下月、当季和下季合约的平均成交量均下降，其中 IH 下降幅度最大， 为-16.57%，IM 下降幅度最小，为-12.76%。四大期指上周五的合计持仓量均下降，其中 IH 下降幅度最大，为-9.92%， IF 下降幅度最小，为-4.26%。 qqqqqqqqqqqqqqqqqqq 股指期货市场概况 基差水平方面，截至上周五收盘，IF、IC、IM 和 IH 当季合约的年化基差率分别为-0.86%、-6.26%、-8.40%和 0.68%， 较上周最后一个交易日，IF、IC、IM 期指贴水幅度均有所扩大，IH 期指升水幅度有所缩小。指数分红影响已被定价 较为充分，关注基差结构变化展示的交易情绪指引。 在本次周报上，我们也汇总了 2 月 10 日至 2 ...

根据研报内容，以下是量化模型与因子的详细总结： 量化因子与构建方式 1. **因子名称**：转股溢价率偏离度 **因子构建思路**：衡量转股溢价率相对于拟合值的偏离度，不同平价可比[17] **因子具体构建过程**： $$转股溢价率偏离度 = 转股溢价率 - 拟合转股溢价率$$ 其中拟合转股溢价率通过截面数据拟合得到，公式为： $$y_{i}=\alpha_{0}+\,\alpha_{1}\cdot\,{\frac{1}{x_{i}}}+\epsilon_{i}$$ （$x_i$为转股价值，$y_i$为转股溢价率）[42] **因子评价**：用于识别转债估值与理论值的偏差，拟合质量取决于样本数量[17] 2. **因子名称**：理论价值偏离度（蒙特卡洛模型） **因子构建思路**：通过蒙特卡洛模拟计算转债理论价值，衡量市场价格与理论价值的偏离[17] **因子具体构建过程**： $$理论价值偏离度 = \frac{转债收盘价}{理论价值} - 1$$ 理论价值通过模拟10000条路径计算，考虑转股、赎回、下修、回售条款，以同信用同期限利率贴现[17] **因子评价**：全面覆盖转债条款，但计算复杂度较高[17] 3. **因子名称**：转债综合估值因子 **因子构建思路**：融合转股溢价率偏离度和理论价值偏离度，提升因子稳定性[17] **因子具体构建过程**： $$转债综合估值因子 = Rank（转股溢价率偏离度） + Rank（理论价值偏离度）$$ **因子评价**：在平衡型和偏债型转债中表现更优[16] 4. **因子名称**：修正YTM - 信用债YTM **因子构建思路**：剥离转股条款影响，比较偏债转债与信用债的收益率差异[12] **因子具体构建过程**： $$修正YTM = 转债YTM \times (1-转股概率) + 预期转股年化收益 \times 转股概率$$ 转股概率通过BS模型计算，最终取截面中位数[44] **因子评价**：反映偏债转债相对信用债的配置性价比[12] 5. **因子名称**：转债市场情绪捕捉指标 **因子构建思路**：结合动量和波动率识别市场情绪[24] **因子具体构建过程**： $$市场情绪指标 = Rank（20日动量） + Rank（波动率偏离度）$$ **因子评价**：用于风格轮动的信号生成[24] --- 量化模型与构建方式 1. **模型名称**：转债低估指数构建模型 **模型构建思路**：通过估值因子筛选低估转债，分风格构建指数[17] **模型具体构建过程**： - 划分标准：平底溢价率>15%为偏股型，<-15%为偏债型，其余为平衡型[15] - 筛选条件：正股市值>5亿、非ST、评级≥AA-、剩余规模≥2亿、剩余期限>30天等[18] - 偏股型采用理论价值偏离度前1/3，其他采用综合估值因子前1/3，成分券上限30只[17] 2. **模型名称**：转债风格轮动模型 **模型构建思路**：根据市场情绪指标动态配置低估指数[24] **模型具体构建过程**： - 计算各低估指数的动量与波动率偏离度排名之和[25] - 选择排名最低的风格配置，若并列则等权或优先平衡型[15] - 双周频调仓，回测区间2018-2025[24] --- 回测效果 1. **低估指数表现**（2018-2025回测）： - 偏股转债低估指数：年化收益23.53%，波动率19.99%，IR 1.18[20] - 平衡转债低估指数：年化收益14.18%，波动率11.82%，IR 1.20[20] - 偏债转债低估指数：年化收益12.32%，波动率9.49%，IR 1.30[20] 2. **风格轮动模型表现**： - 年化收益23.10%，波动率16.20%，IR 1.43，月度胜率65.48%[30] - 2025年以来收益11.31%，近4周收益7.12%[26] 3. **近期增强效果**（2025年2月）： - 偏股/平衡/偏债低估指数超额分别为0.28%、0.17%、0.06%[19] --- 附录公式 1. **百元转股溢价率计算**： $$y_{i}=\alpha_{0}+\,\alpha_{1}\cdot\,{\frac{1}{x_{i}}}+\epsilon_{i}$$ （$x_i$=转股价值，$y_i$=转股溢价率）[42] 2. **修正YTM计算**： $$修正YTM = 转债YTM \times (1-N(d2)) + 预期转股收益 \times N(d2)$$ （$N(d2)$为BS模型转股概率）[44]

证券研究报告 | 2025年02月17日 金融工程日报 沪指震荡收涨，AI 应用持续火爆 核心观点 金融工程日报 市场表现：今日(20250217) 大部分指数处于上涨状态，规模指数中中证 2000 指数表现较好，板块指数中北证 50 指数表现较好，风格指数中沪深 300 成 长指数表现较好。通信、消费者服务、机械、电子、电力公用事业行业表现 较好，有色金属、煤炭、传媒、银行、家电行业表现较差。宇树机器人、光 模块(CPO)、猴痘、高速铜连接、基站等概念表现较好，影视、黄金精选、 锂电负极、动漫、锂电电解液等概念表现较差。 市场情绪：今日市场情绪较为高涨，收盘时有 112 只股票涨停，有 8 只股票 跌停。昨日涨停股票今日收盘收益为 3.81%，昨日跌停股票今日收盘收益为 -0.47%。今日封板率 61%，较前日下降 7%，连板率 29%，较前日提升 6%。 市场资金流向：截至 20250214 两融余额为 18533 亿元，其中融资余额 18423 亿元，融券余额 109 亿元。两融余额占流通市值比重为 2.3%，两融交易占市 场成交额比重为 9.8%。 折溢价：20250214 当日 ETF 溢价较多的是 ...