根据提供的华创证券《市场情绪监控周报（20251013-20251017）》，总结其中涉及的量化模型与因子内容如下： 量化模型与构建方式 1. 宽基轮动策略模型 - **模型名称**：宽基轮动策略[12] - **模型构建思路**：基于不同宽基指数（沪深300、中证500、中证1000、中证2000及"其他"组）的热度变化率进行轮动投资，捕捉市场情绪变化带来的收益[12] - **模型具体构建过程**： 1. 将全A股样本按宽基指数成分股分组，计算每组股票的总热度指标[7][8] 2. 计算每个宽基组股票的周度热度变化率，并取2期移动平均（MA2）进行平滑处理[9] 3. 在每周最后一个交易日，选择总热度变化率MA2最大的宽基组作为投资标的[12] 4. 如果变化率最大的为"其他"组，则选择空仓[12] 2. 概念热度选股模型 - **模型名称**：概念热度选股模型[30] - **模型构建思路**：在热门概念板块中，选择关注度较低的个股，利用市场过度反应与关注度不足的定价偏差获取超额收益[29][30] - **模型具体构建过程**： 1. 在每周最后一个交易日，筛选出本周热度变化率最大的5个概念[30] 2. 将这些概念对应的成分股作为选股股票池，并剔除其中流通市值最小的20%股票[30] 3. 构建两个组合： - **热度TOP组合**：从每个热门概念中选出总热度排名前10的个股，等权持有[30] - **热度BOTTOM组合**：从每个热门概念中选出总热度排名最后的10只个股，等权持有[30] 模型的回测效果 1. 宽基轮动策略 - 年化收益率：8.74%[15] - 最大回撤：23.5%[15] - 2025年收益：33.5%[15] 2. 概念热度选股模型 - **热度BOTTOM组合**： - 年化收益率：15.71%[32] - 最大回撤：28.89%[32] - 2025年收益：37.6%[32] 量化因子与构建方式 1. 个股总热度因子 - **因子名称**：个股总热度[7] - **因子构建思路**：通过加总股票的浏览、自选与点击次数，衡量个股受市场关注的程度，作为情绪热度的代理变量[7] - **因子具体构建过程**： 1. 计算单只股票当日的浏览、自选与点击次数之和[7] 2. 将该数值除以同一日全市场所有股票的浏览、自选与点击次数之和，进行归一化处理[7] 3. 将归一化后的数值乘以10000，使得因子取值区间为[0, 10000][7] 公式为：$$个股总热度 = \frac{个股(浏览次数+自选次数+点击次数)}{全市场(浏览次数+自选次数+点击次数)} \times 10000$$ [7] 2. 聚合总热度因子 - **因子名称**：宽基/行业/概念总热度[7][8] - **因子构建思路**：将宽基指数、行业或概念内的成分股个体热度加总，得到更高层面的市场情绪热度指标[7] - **因子具体构建过程**：对特定群体（如沪深300成分股、申万一级行业成分股、特定概念成分股）内的所有个股的总热度因子进行求和处理[7][8] 3. 热度变化率因子 - **因子名称**：热度变化率（MA2）[9][17][26][27] - **因子构建思路**：计算聚合总热度指标的周度环比变化率，并平滑处理，以捕捉关注度的边际变化趋势[9][17] - **因子具体构建过程**： 1. 计算本周的聚合总热度（宽基/行业/概念）与上周的聚合总热度的变化率[9][17] 2. 对该周度变化率进行2期移动平均（MA2）平滑处理[9][17] 4. 估值历史分位数因子 - **因子名称**：估值历史分位数[3][37][40][41][43] - **因子构建思路**：计算宽基指数或行业的当前估值指标（如PE）在其历史序列中的位置，判断其相对估值水平[3][37] - **因子具体构建过程**： 1. 选定估值指标（报告中未明确具体指标，通常为PE或PB）和回溯期（滚动5年或从2015年开始）[3][37][40][41] 2. 计算当前估值在选定历史区间内的百分位排名[3][37][40][41] 例如，对于滚动5年历史分位数：$$估值历史分位数 = \frac{当前估值在过去5年历史数据中的排名}{过去5年总数据点数} \times 100\%$$ [3][40] 因子的回测效果 （报告中未提供因子的独立回测绩效指标，如IC、IR等）

根据研报内容，总结如下： 量化模型与构建方式 **1. 模型名称：短期择时模型** - **模型构建思路**：从宏观基本面、估值面、情绪面、流动性四个维度选取多个指标，通过各指标在历史数据中的分位数位置判断其信号方向（乐观/谨慎/中性），再综合形成最终的仓位建议[7][19][20][21] - **模型具体构建过程**： 1. **指标选取与信号生成**：选取四个维度共9个二级指标，计算每个指标当前值在过去5年历史中的分位数[22] 2. **信号映射规则**： - **基本面维度**：包含制造业PMI、信贷脉冲环比变化分位数、M1同比增速（HP滤波去趋势）分位数三个指标[22] - **估值面维度**：包含A股整体PE分位数、A股整体PB分位数两个指标[22] - **情绪面维度**：包含A股整体Beta离散度分位数、A股整体量能情绪分位数、A股整体波动率分位数三个指标[22] - **流动性维度**：包含货币利率指标分位数、汇率预期指标分位数、沪深净融资额5日均值分位数三个指标[22] 3. **综合判断**：将各维度下的二级指标信号汇总，得到该维度的一级信号，最终综合四个一级信号得出总仓位信号（例如，乐观对应高仓位，谨慎对应低仓位或空仓）[7][19][20][21] **2. 模型名称：成长价值风格轮动模型** - **模型构建思路**：从基本面、估值面、情绪面三个维度分析当前市场环境对成长风格和价值风格的相对利好程度，从而给出风格配置建议[29] - **模型具体构建过程**： 1. **基本面维度**：基于盈利周期斜率、利率综合周期水平、信贷综合周期变化三个指标判断[31] - 盈利周期斜率大，利好成长[31] - 利率周期水平偏高，利好价值[31] - 信贷周期走强，利好成长[31] 2. **估值面维度**：基于成长价值PE差分位数、成长价值PB差分位数两个指标判断[31] - PE/PB估值差均值回归上行中，利好成长[31] 3. **情绪面维度**：基于成长价值换手差分位数、成长价值波动差分位数两个指标判断[31] - 换手差偏低，利好价值[31] - 波动差反弹至偏高位置，利好均衡[31] 4. **综合判断**：汇总三个维度的信号，得出超配成长或超配价值的建议[29][31] **3. 模型名称：小盘大盘风格轮动模型** - **模型构建思路**：基于专题报告《流动性视角下的市值风格轮动和择时策略》，从11个有效的日频轮动指标出发，通过综合判断构建大小盘轮动信号[14][33] - **模型具体构建过程**： 1. **指标选取**：模型包含11个轮动指标，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1000MACD(10,20,10)、中证1000交易量能等[16][34] 2. **信号生成**：每个指标独立产生支持小盘或大盘的信号（例如，100%代表支持小盘，0%代表支持大盘）[16] 3. **综合信号**：对11个指标的信号进行综合（例如，计算支持小盘/大盘的指标数量或比例），形成最终的综合轮动信号[14][33][34] 4. **策略执行**：根据综合信号决定超配小盘或超配大盘[5][33] 模型的回测效果 **1. 短期择时模型** - **回测期**：2012年底至今[21][24] - **年化收益率**：16.52%[21][24] - **基准年化收益率**：4.73%[21][24] - **年化超额收益率**：11.79%[21][24] - **年化波动率**：14.79%[24] - **最大回撤**：15.49%[21][24] - **夏普比率**：0.9727[24] - **收益回撤比**：1.0660[24] - **月度胜率**：65.81%[24] - **季度胜率**：60.38%[24] - **年度胜率**：71.43%[24] - **2024年以来年化收益率**：32.27%[27] - **2024年以来最大回撤**：11.04%[21][27] - **2025年以来收益率**：23.22%[21][24] **2. 成长价值风格轮动模型** - **回测期**：2012年底至今[30][32] - **年化收益率**：13.10%[30][32] - **基准年化收益率**：7.77%[30][32] - **年化超额收益率**：5.33%[30][32] - **年化波动率**：20.83%[32] - **最大回撤**：43.07%[32] - **夏普比率**：0.5998[32] - **收益回撤比**：0.3041[32] - **月度胜率**：58.44%[32] - **季度胜率**：59.62%[32] - **2025年以来收益率**：28.07%[30][32] - **2025年以来超额收益率**：6.50%[30][32] **3. 小盘大盘风格轮动模型** - **回测期**：2014年以来[34] - **综合信号年化收益率**：19.87%[34] - **综合信号年化超额收益率**：12.91%[34] - **综合信号最大回撤**：40.70%[34] - **2025年以来超额收益率**：9.91%[14][18][34] - **部分指标年化超额示例如下**[34]： - 中证1000交易量能指标：年化超额收益9.64% - 大宗交易折溢价率指标：年化超额收益9.33% - pb分化度指标：年化超额收益9.33% - 中证1000MACD(10,20,10)指标：年化超额收益8.30% - 融资买入余额变化指标：年化超额收益5.95% 量化因子与构建方式 **1. 因子名称：交易量能指标** - **因子构建思路**：结合全A成交量和换手率构建，用于衡量市场交易活跃度和情绪[7][13] - **因子具体构建过程**：报告未给出具体构建公式，但提及该指标可计算其历史分位数，例如回落至过去5年42.18%分位数被视为谨慎区间[7][13][20] **2. 因子名称：估值分位数因子（PE/PB）** - **因子构建思路**：计算主要宽基指数或风格指数估值（PE_TTM中位数或PB_LF中位数）在滚动窗口（如1年、3年、5年）内的历史分位数，用于评估估值水平高低[10][11][12] - **因子具体构建过程**：对于特定指数，其估值分位数 = （当前估值在指定回顾期历史数据中的排名 - 1） / （回顾期总数据点数 - 1）[11][12] 例如，万得全A的PE中位数滚动5年分位数为96.69%[10][11] **3. 因子名称：流动性视角下的市值风格轮动指标** - **因子构建思路**：从不同流动性维度构建11个指标，用于判断小盘或大盘风格的占优情况[14][33][34] - **因子具体构建过程**：报告列出了11个指标的名称，如A股龙虎榜买入强度、R007、融资买入余额变化等，但未详细描述每个因子的具体计算公式[16][34] 因子的回测效果 （报告未单独提供上述因子的IC值、IR等传统因子测试结果，而是将其作为模型的输入，展示了模型的综合回测效果）

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：择时雷达六面图**[1][6] - **模型构建思路**：权益市场表现受多维度指标因素共同影响，从流动性、经济面、估值面、资金面、技术面、拥挤度六个维度选取二十一个指标对市场进行刻画，并将其概括为"估值性价比"、"宏观基本面"、"资金&趋势"、"拥挤度&反转"四大类[1][6] - **模型具体构建过程**：将六个维度的二十一个指标打分概括为四大类，生成[-1,1]之间的综合择时分数[1][6] 量化因子与构建方式 **1.因子名称：货币方向因子**[10] - **因子构建思路**：判断当前货币政策的方向，选取央行使用的货币政策工具利率与短端市场利率[10] - **因子具体构建过程**：计算货币政策工具利率与短端市场利率相较于90天前的平均变化方向，若货币方向因子>0则判断货币政策宽松，若货币方向因子<0则判断货币政策收紧[10] **2.因子名称：货币强度因子**[13] - **因子构建思路**：基于"利率走廊"概念，表征短端市场利率相对于政策利率的偏离幅度[13] - **因子具体构建过程**：计算偏离度=DR007/7年逆回购利率-1，并进行平滑与zscore形成货币强度因子[13] **3.因子名称：信用方向因子**[16] - **因子构建思路**：表征商业银行对实体经济传导时的松紧，使用中长期贷款指标进行体现[16] - **因子具体构建过程**：计算信用方向因子为：中长期贷款当月值→计算过去十二个月增量→计算同比。若信用方向因子相比于三个月之前上升则看多[16] **4.因子名称：信用强度因子**[19] - **因子构建思路**：捕捉信用指标是否大幅超预期或者不及预期[19] - **因子具体构建过程**：构建信用强度因子=(新增人民币贷款当月值–预期中位数)/预期标准差[19] **5.因子名称：增长方向因子**[21] - **因子构建思路**：基于PMI数据构建增长方向因子[21] - **因子具体构建过程**：构建增长方向因子=PMI→计算过去十二月均值→计算同比。若增长方向因子相比于三个月之前上升则看多[21] **6.因子名称：增长强度因子**[24] - **因子构建思路**：捕捉经济增长指标是否大幅超预期或者不及预期[24] - **因子具体构建过程**：计算PMI预期差=(PMI–预期中位数)/预期标准差[24] **7.因子名称：通胀方向因子**[28] - **因子构建思路**：当前通胀水平会对货币政策产生制约，若通胀显著下行则未来预期货币宽松政策空间较大[28] - **因子具体构建过程**：计算通胀方向因子=0.5×CPI同比平滑值+0.5×PPI同比原始值，若通胀方向因子相较于三个月之前降低则看多[28] **8.因子名称：通胀强度因子**[31] - **因子构建思路**：捕捉通胀指标是否大幅超预期或者不及预期[31] - **因子具体构建过程**：分别计算CPI与PPI预期差=(披露值–预期中位数)/预期标准差，并计算通胀强度因子=CPI与PPI预期差均值[31] **9.因子名称：席勒ERP**[34] - **因子构建思路**：计算通胀调整后的平均盈利来消除经济周期波动对估值判断的干扰[34] - **因子具体构建过程**：计算过去6年通胀调整后的平均盈利计算席勒PE，再计算席勒ERP=1/席勒PE-10年期国债到期收益率，并计算过去6年zscore作为分数[34] **10.因子名称：PB**[36] - **因子构建思路**：使用PB指标衡量估值水平[36] - **因子具体构建过程**：对PB指标处理步骤：PB×(-1)并计算过去6年zscore，1.5倍标准差截尾后标准化到±1之间得到分数[36] **11.因子名称：AIAE**[40] - **因子构建思路**：全市场权益配置比例，反映市场整体风险偏好[40] - **因子具体构建过程**：构建A股的AIAE指标=中证全指总流通市值/(中证全指总流通市值+实体总债务)，将AIAE×(-1)并计算过去6年zscore得到分数[40] **12.因子名称：两融增量**[42] - **因子构建思路**：两融为市场杠杆资金的来源，当两融上行时市场情绪较好[42] - **因子具体构建过程**：计算融资余额-融券余额，并计算其过去120日均增量与过去240日均增量。若120日均增量>过去240日均增量时看多[42] **13.因子名称：成交额趋势**[45] - **因子构建思路**：成交额上行代表市场成交热度与资金活跃度高[45] - **因子具体构建过程**：对对数成交额计算其均线距离=ma120/ma240-1。当均线距离的max(10)=max(30)=max(60)时看多[45] **14.因子名称：中国主权CDS利差**[49] - **因子构建思路**：代表海外投资者对中国的经济与主权信用风险的定价水平，体现外资流入意愿[49] - **因子具体构建过程**：当平滑后CDS利差的20日差分<0时看多，说明当前CDS利差下降，海外投资者预期中国基本面转好[49] **15.因子名称：海外风险厌恶指数**[52] - **因子构建思路**：花旗风险厌恶指数由海外期权隐波、信用利差等数据组成，捕捉海外市场风险偏好[52] - **因子具体构建过程**：当平滑后风险厌恶指数的20日差分<0时看多，外资风险偏好上升[52] **16.因子名称：价格趋势**[54] - **因子构建思路**：使用均线距离衡量标的价格趋势，衡量市场运行趋势与强度[54] - **因子具体构建过程**：计算均线距离=(ma120/ma240-1)。当均线距离>0时趋势方向分数=1；当均线距离的max(20)=max(60)时趋势强度分数=1；趋势综合分数=(趋势方向分数+趋势强度分数)/2[54] **17.因子名称：新高新低数**[56] - **因子构建思路**：指数成分股的新高新低个数可以作为反转信号[56] - **因子具体构建过程**：当中证800成分股占过去一年新低数-新低数的ma20>0时看多，说明最近新低较多，市场有见底预期[56] **18.因子名称：期权隐含升贴水**[60] - **因子构建思路**：基于看涨看跌平价关系式推导期权隐含的标的升贴水，反映期权市场对未来标的收益率均值的预期与情绪[60] - **因子具体构建过程**：若50ETF近5日收益率<0，且指标分位数<30%，则看多持续20日。若50ETF近5日收益率>0，且指标分位数>70%，则看空持续20日[60] **19.因子名称：期权VIX指数**[61] - **因子构建思路**：反映期权投资者对未来标的波动率的预期与市场情绪，当VIX较高时市场倾向于反转[61] - **因子具体构建过程**：若50ETF近5日收益率<0，且指标分位数>70%，则看多持续20日。若50ETF近5日收益率>0，且指标分位数>70%，则看空持续20日[61] **20.因子名称：期权SKEW指数**[66] - **因子构建思路**：反映期权投资者对未来标的偏度的预期与市场情绪，用作反转指标[66] - **因子具体构建过程**：若50ETF近5日收益率<0，且指标分位数>70%，则看多持续20日。若50ETF近5日收益率>0，且指标分位数<30%，则看空持续20日[66] **21.因子名称：可转债定价偏离度**[68] - **因子构建思路**：可转债估值水平能体现市场情绪，用作反转指标[68] - **因子具体构建过程**：计算可转债定价偏离度=转债价格/模型定价-1，并计算分数=定价偏离度×(-1)并计算过去3年zscore得到分数[68] 模型的回测效果 **1.择时雷达六面图模型**，当前综合打分为-0.11分[1][6] 因子的回测效果 **1.货币方向因子**，当前分数为1分[10] **2.货币强度因子**，当前分数为-1分[13] **3.信用方向因子**，当前分数为1分[16] **4.信用强度因子**，当前分数为0分[19] **5.增长方向因子**，当前分数为1分[21][22] **6.增长强度因子**，当前分数为-1分[24][25] **7.通胀方向因子**，当前分数为-1分[28] **8.通胀强度因子**，当前分数为0分[31] **9.席勒ERP因子**，当前分数为0.11分[34][38] **10.PB因子**，当前分数为-0.47分[36] **11.AIAE因子**，当前分数为-0.70分[40] **12.两融增量因子**，当前分数为1分[42] **13.成交额趋势因子**，当前分数为1分[45][46] **14.中国主权CDS利差因子**，当前分数为-1分[49][50] **15.海外风险厌恶指数因子**，当前分数为-1分[52] **16.价格趋势因子**，当前分数为0.5分[54] **17.新高新低数因子**，当前分数为-1分[56] **18.期权隐含升贴水因子**，当前分数为1分[60] **19.期权VIX指数因子**，当前分数为1分[61][62] **20.期权SKEW指数因子**，当前分数为-1分[66] **21.可转债定价偏离度因子**，当前分数为-1.00分[68]

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. 成交量模型 - **模型构建思路**：基于市场成交量的变化来判断短期市场走势[9] - **模型具体构建过程**：通过分析宽基指数的成交量变化情况，构建短期择时信号[9] - **模型评价**：作为短期择时模型，对市场流动性变化较为敏感[9] 2. 低波动率模型 - **模型构建思路**：利用市场波动率特征进行择时判断[9] - **模型具体构建过程**：监测市场波动率水平，当波动率处于低位时给出相应信号[9] - **模型评价**：在低波动环境下对市场风险有较好的预警作用[9] 3. 特征龙虎榜机构模型 - **模型构建思路**：基于龙虎榜机构资金流向构建特征因子[9] - **模型具体构建过程**：跟踪机构资金在龙虎榜上的买卖行为，分析其对市场的影响[9] 4. 特征成交量模型 - **模型构建思路**：结合成交量特征进行市场判断[9] - **模型具体构建过程**：分析成交量的异常变化和模式特征[9] 5. 智能算法沪深300模型 - **模型构建思路**：应用智能算法对沪深300指数进行择时[9] - **模型具体构建过程**：采用机器学习等智能算法分析沪深300指数的价量特征[9] 6. 智能算法中证500模型 - **模型构建思路**：应用智能算法对中证500指数进行择时[9] - **模型具体构建过程**：采用机器学习等智能算法分析中证500指数的价量特征[9] 7. 涨跌停模型 - **模型构建思路**：通过涨跌停板数量变化进行中期择时[12] - **模型具体构建过程**：监控市场涨跌停个股数量和比例的变化趋势[12] 8. 月历效应模型 - **模型构建思路**：基于日历效应进行市场判断[12] - **模型具体构建过程**：分析特定时间周期（如月份）的历史表现规律[12] 9. 长期动量模型 - **模型构建思路**：利用长期动量效应进行择时[13] - **模型具体构建过程**：跟踪指数的长期价格动量趋势[13] - **模型评价**：对长期市场趋势有较好的把握能力[13] 10. A股综合兵器V3模型 - **模型构建思路**：综合多因子多周期的复合择时模型[14] - **模型具体构建过程**：集成短期、中期、长期多个模型的信号进行综合判断[14] 11. A股综合国证2000模型 - **模型构建思路**：专门针对国证2000指数的综合择时模型[14] - **模型具体构建过程**：结合多种择时方法对国证2000指数进行研判[14] 12. 成交额倒波幅模型 - **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[15] - **模型具体构建过程**：分析成交额与波动率的相对关系变化[15] 13. 形态学择时模型 - **模型构建思路**：基于技术形态识别进行择时判断[41] - **模型具体构建过程**：识别杯柄形态、双底形态等经典技术形态，监控其突破情况[44][45][48][49] - **模型评价**：对个股和指数的技术形态突破有较好的跟踪能力[41] 14. VIX指数监控模型 - **模型构建思路**：通过波动率指数判断市场情绪和风险[37] - **模型具体构建过程**：根据公开披露的VIX计算方法，复现VIX指数并进行日常监控[37] - **模型评价**：与中证指数公司历史VIX指数的相关系数达到99.2%，具有较高的准确性[37] 模型的回测效果 形态学模型表现 - **双底形态组合**：本周下跌-2.06%，相对上证综指跑赢1.37%，2020年12月31日至今累计上涨28.91%，跑赢上证综指18.88%[41] - **杯柄形态组合**：本周下跌-5.45%，相对上证综指跑输-2.02%，2020年12月31日至今累计上涨62.41%，跑赢上证综指52.38%[41] 大师策略监控 - 平台共监控33个大师系列策略，其中价值型19篇、成长型6篇、综合型8篇，用于发现组合暴露因子和设置标准[35] 量化因子与构建方式 1. 资金流向因子 - **因子构建思路**：基于主力资金净流向构建行业轮动因子[16] - **因子具体构建过程**：跟踪各行业主力资金净流入流出情况，识别资金聚集效应[16] 2. 分析师预期因子 - **因子构建思路**：利用分析师一致预期变化构建因子[20] - **因子具体构建过程**：计算分析师上调/下调个股比例，反映市场预期变化[20] 3. 基金仓位因子 - **因子构建思路**：基于基金仓位变化构建市场情绪因子[21][22] - **因子具体构建过程**：监控股票型基金和混合型基金的仓位变动及行业配置变化[21][22] 4. 超低配因子 - **因子构建思路**：利用基金超配低配情况构建行业配置因子[29][30] - **因子具体构建过程**：分析基金仓位与市值占比的差异，计算超低配比例及历史分位数[29][30] 因子的回测效果 基金仓位因子表现 - **股票型基金总仓位**：97.46%，较上周增加144个bps[21][23] - **混合型基金总仓位**：95.41%，较上周增加154个bps[21] - **机构加仓行业**：电子连续4周加仓，家电获得最大加仓[24] - **机构减仓行业**：电力设备及新能源与通信获得最大减仓，通信连续3周减仓[24] 行业推荐因子 - 下周推荐行业：综合、综合金融、纺织服装、钢铁、非银行金融[25][74]

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：定量复盘系统**[2][7] * **模型构建思路**：通过量化分析市场数据，生成对板块或行业的交易信号，以辅助投资决策[2][7] * **模型具体构建过程**：模型通过跟踪不同板块的成交金额占比等市场数据，结合特定的信号生成规则（如放量上涨、突破均线、缩量调整后企稳等），来判断板块的交易机会或风险[7][14] 例如，对于“交易机会”信号，模型会识别诸如“开始放量上涨上穿多根均线”[14]或“前期强势的板块在最近的调整过程中明显缩量到较低状态，近期或有望开始企稳”[14]等模式 2. **模型/因子名称：波浪理论分析**[2][7] * **模型构建思路**：应用艾略特波浪理论对指数走势进行划分，识别不同的浪型阶段（如推动浪、调整浪），以判断当前市场位置和未来可能走势[2][7] * **模型具体构建过程**：通过识别指数价格走势中的关键高点和低点，结合波浪理论的原则（如第四浪调整通常不会进入第一浪的价格领地等），对当前走势进行定性 例如，将科创50指数的近期调整定性为“大四浪调整中的A浪阶段”，关键依据之一是指数跌破了8月底的高点[2][7] 3. **因子名称：拥挤度**[2][7] * **因子构建思路**：通过衡量某个板块或主题的交易活跃度相对于市场的水平，来判断该板块是否过热或关注度不足[2][7] * **因子具体构建过程**：报告中具体使用了板块的“成交金额占比”作为拥挤度的观测指标[2][7] 通过跟踪TMT、周期类、金融地产等板块的成交金额占比变化，来印证市场“高低切换”的逻辑[2][7] 4. **因子名称：温度计指标**[2][7] * **因子构建思路**：构建一个反映市场或特定指数短期情绪或超买超卖状态的指标，用于判断调整是否接近极端水平[2][7] * **因子具体构建过程**：报告提及了“科创50的高频温度计”，当该指标降至20以下时，可能意味着调整正逐步接近尾声[2][7] 具体的计算公式未在提供内容中详细说明 5. **因子名称：趋势因子**[14] * **因子构建思路**：用于识别资产价格的趋势方向及其变化，作为生成风险提示信号的依据之一[14] * **因子具体构建过程**：在生成“风险提示”信号时，模型会结合“缠论的第一类卖点”和“趋势因子变化”来对应减仓点[14] 具体趋势因子的计算方法未在提供内容中详细说明 量化因子与构建方式 （注：报告中提及的因子已在“量化模型与构建方式”部分列出，因此本部分根据提供的示例格式，此处不再重复。实际报告中模型与因子有时是结合在一起的。） 模型的回测效果 （注：提供的研报内容中未包含具体模型的量化回测结果，如年化收益率、夏普比率、最大回撤等指标取值，因此本部分跳过。） 因子的回测效果 （注：提供的研报内容中未包含具体因子的量化测试结果，如IC值、IR值、因子收益率等指标取值，因此本部分跳过。）

根据研报内容，该报告主要对各类公募量化基金的历史业绩进行了统计和展示，并未涉及具体的量化模型或量化因子的构建、测试与评价[1][2][3][8][9][30]。报告的核心是基金业绩的跟踪与分析。 因此，本总结将重点放在报告中所统计的**量化基金类型**及其**业绩指标**上。 量化基金业绩统计 报告对以下六类公募量化基金进行了业绩统计[9][30]： 1. **沪深300指数增强基金**：以沪深300指数为基准的增强型产品。 2. **中证A500指数增强基金**：以中证A500指数为基准的增强型产品。 3. **中证500指数增强基金**：以中证500指数为基准的增强型产品。 4. **中证1000指数增强基金**：以中证1000指数为基准的增强型产品。 5. **主动量化基金**：采用量化方法进行主动管理的股票型产品。 6. **股票市场中性基金**：采用量化对冲策略的市场中性产品。 业绩指标与计算说明 报告采用了统一的业绩计算原则[30][31]： - 采用日频数据进行计算，年化采用242个交易日，几何年化[30] - 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] - 统计时一般仅考虑成立满2个月的基金，中证A500指增因存续时间较短，在统计本年收益时不作此要求[31] 基金的回测效果 以下为截至2025年10月17日的各类基金业绩指标统计结果（均值）[9]： | 基金类型 | 本周超额/收益 | 本月超额/收益 | 本年至今超额/收益 | 近一年超额/收益 | 近一年跟踪误差 | 近一年最大回撤 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | **沪深300指增** | 0.01% | 0.24% | -0.93% | -1.79% | 3.23% | - | | **中证A500指增** | 0.25% | 0.62% | 0.94% | - | 6.27% | - | | **中证500指增** | 0.79% | 1.26% | 0.31% | 0.02% | 4.64% | - | | **中证1000指增** | 0.55% | 1.03% | 7.11% | 10.93% | 4.81% | - | | **主动量化基金** | -2.88% | -3.12% | 23.73% | 30.71% | - | 13.68% | | **市场中性基金** | -0.12% | 0.11% | 0.96% | 0.83% | - | 3.39% | *注：指增基金主要展示超额收益和跟踪误差，主动量化和市场中性基金展示绝对收益和最大回撤[9]*

量化模型与构建方式 1. 模型名称：国信金工指数增强组合模型 - **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[11] - **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[12] 2. 模型名称：单因子MFE组合模型 - **模型构建思路**：采用组合优化方式检验控制了各种实际约束后单因子的有效性，通过构建最大化单因子暴露组合来检验因子在既定基准中的有效性[41] - **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[41][42] 约束条件包括： - 风格因子偏离约束：限制组合相对于基准指数的风格暴露 - 行业偏离约束：限制组合相对于基准指数的行业偏离 - 个股权重偏离约束：限制个股相对于基准指数成分股的偏离 - 成分股权重占比控制 - 个股权重上下限控制 - 禁止卖空约束[42] 3. 模型名称：公募重仓指数构建模型 - **模型构建思路**：以公募基金的持股信息构建公募重仓指数，测试因子在"机构风格"下的有效性[43] - **模型具体构建过程**： - 选样空间：普通股票型基金以及偏股混合型基金，剔除基金整体规模小于五千万且上市时间不足半年的基金[44] - 构建方式：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[44] 量化因子与构建方式 估值类因子 1. **因子名称**：BP - **因子构建思路**：估值维度因子 - **因子具体构建过程**：净资产/总市值[17] 2. **因子名称**：单季EP - **因子构建思路**：估值维度因子 - **因子具体构建过程**：单季度归母净利润/总市值[17] 3. **因子名称**：单季SP - **因子构建思路**：估值维度因子 - **因子具体构建过程**：单季度营业收入/总市值[17] 4. **因子名称**：EPTTM - **因子构建思路**：估值维度因子 - **因子具体构建过程**：归母净利润TTM/总市值[17] 5. **因子名称**：SPTTM - **因子构建思路**：估值维度因子 - **因子具体构建过程**：营业收入TTM/总市值[17] 6. **因子名称**：EPTTM分位点 - **因子构建思路**：估值维度因子 - **因子具体构建过程**：EPTTM在过去一年中的分位点[17] 7. **因子名称**：股息率 - **因子构建思路**：估值维度因子 - **因子具体构建过程**：最近四个季度预案分红金额/总市值[17] 反转类因子 8. **因子名称**：一个月反转 - **因子构建思路**：反转维度因子 - **因子具体构建过程**：过去20个交易日涨跌幅[17] 9. **因子名称**：三个月反转 - **因子构建思路**：反转维度因子 - **因子具体构建过程**：过去60个交易日涨跌幅[17] 10. **因子名称**：一年动量 - **因子构建思路**：反转维度因子 - **因子具体构建过程**：近一年除近一月后动量[17] 成长类因子 11. **因子名称**：单季净利同比增速 - **因子构建思路**：成长维度因子 - **因子具体构建过程**：单季度净利润同比增长率[17] 12. **因子名称**：单季营收同比增速 - **因子构建思路**：成长维度因子 - **因子具体构建过程**：单季度营业收入同比增长率[17] 13. **因子名称**：单季营利同比增速 - **因子构建思路**：成长维度因子 - **因子具体构建过程**：单季度营业利润同比增长率[17] 14. **因子名称**：SUE - **因子构建思路**：成长维度因子 - **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[17] 15. **因子名称**：SUR - **因子构建思路**：成长维度因子 - **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[17] 16. **因子名称**：单季超预期幅度 - **因子构建思路**：成长维度因子 - **因子具体构建过程**：预期单季度净利润/财报单季度净利润[17] 盈利类因子 17. **因子名称**：单季ROE - **因子构建思路**：盈利维度因子 - **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）[17] 18. **因子名称**：单季ROA - **因子构建思路**：盈利维度因子 - **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）[17] 19. **因子名称**：DELTAROE - **因子构建思路**：盈利维度因子 - **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[17] 20. **因子名称**：DELTAROA - **因子构建思路**：盈利维度因子 - **因子具体构建过程**：单季度总资产收益率-去年同期单季度中资产收益率[17] 流动性类因子 21. **因子名称**：非流动性冲击 - **因子构建思路**：流动性维度因子 - **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[17] 22. **因子名称**：一个月换手 - **因子构建思路**：流动性维度因子 - **因子具体构建过程**：过去20个交易日换手率均值[17] 23. **因子名称**：三个月换手 - **因子构建思路**：流动性维度因子 - **因子具体构建过程**：过去60个交易日换手率均值[17] 波动类因子 24. **因子名称**：特异度 - **因子构建思路**：波动维度因子 - **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[17] 25. **因子名称**：一个月波动 - **因子构建思路**：波动维度因子 - **因子具体构建过程**：过去20个交易日日内真实波幅均值[17] 26. **因子名称**：三个月波动 - **因子构建思路**：波动维度因子 - **因子具体构建过程**：过去60个交易日日内真实波幅均值[17] 公司治理类因子 27. **因子名称**：高管薪酬 - **因子构建思路**：公司治理维度因子 - **因子具体构建过程**：前三高管报酬总额取对数[17] 分析师类因子 28. **因子名称**：预期EPTTM - **因子构建思路**：分析师维度因子 - **因子具体构建过程**：一致预期滚动EP[17] 29. **因子名称**：预期BP - **因子构建思路**：分析师维度因子 - **因子具体构建过程**：一致预期滚动PB[17] 30. **因子名称**：预期PEG - **因子构建思路**：分析师维度因子 - **因子具体构建过程**：一致预期PEG[17] 31. **因子名称**：预期净利润环比 - **因子构建思路**：分析师维度因子 - **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[17] 32. **因子名称**：三个月盈利上下调 - **因子构建思路**：分析师维度因子 - **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[17] 33. **因子名称**：三个月机构覆盖 - **因子构建思路**：分析师维度因子 - **因子具体构建过程**：过去3个月内机构覆盖数量[17] 模型的回测效果 国信金工指数增强组合模型 - 沪深300指数增强组合：本周超额收益0.24%，本年超额收益17.58%[5][14] - 中证500指数增强组合：本周超额收益0.17%，本年超额收益8.16%[5][14] - 中证1000指数增强组合：本周超额收益0.39%，本年超额收益17.94%[5][14] - 中证A500指数增强组合：本周超额收益-1.77%，本年超额收益8.45%[5][14] 公募基金指数增强产品表现 - 沪深300指数增强产品：最近一周超额收益最高0.92%，最低-3.08%，中位数0.01%[3][32] - 中证500指数增强产品：最近一周超额收益最高3.20%，最低-0.48%，中位数0.49%[3][35] - 中证1000指数增强产品：最近一周超额收益最高1.58%，最低-0.82%，中位数0.37%[3][37] - 中证A500指数增强产品：最近一周超额收益最高1.20%，最低-0.84%，中位数0.23%[40] 因子的回测效果 沪深300样本空间中因子表现 - 一个月反转：最近一周1.65%，最近一月-0.56%，今年以来1.08%，历史年化-0.28%[19] - 三个月反转：最近一周1.25%，最近一月-0.70%，今年以来1.90%，历史年化0.76%[19] - EPTTM一年分位点：最近一周1.21%，最近一月0.47%，今年以来5.56%，历史年化2.65%[19] 中证500样本空间中因子表现 - 三个月波动：最近一周2.02%，最近一月0.16%，今年以来-6.77%，历史年化3.73%[21] - 三个月反转：最近一周2.00%，最近一月-1.35%，今年以来-0.18%，历史年化-0.84%[21] - EPTTM一年分位点：最近一周1.99%，最近一月1.88%，今年以来3.39%，历史年化5.08%[21] 中证1000样本空间中因子表现 - 一个月波动：最近一周2.10%，最近一月-0.15%，今年以来-6.69%，历史年化2.25%[23] - 一个月换手：最近一周2.04%，最近一月0.49%，今年以来2.59%，历史年化6.91%[23] - 三个月反转：最近一周1.92%，最近一月0.00%，今年以来2.71%，历史年化-1.41%[23] 中证A500样本空间中因子表现 - 一个月反转：最近一周1.97%，最近一月-0.09%，今年以来1.54%，历史年化-2.17%[25] - EPTTM一年分位点：最近一周1.73%，最近一月0.85%，今年以来5.32%，历史年化2.94%[25] - 一个月波动：最近一周1.60%，最近一月0.18%，今年以来-5.82%，历史年化1.33%[25] 公募重仓指数样本空间中因子表现 - 股息率：最近一周表现较好[27] - 三个月反转：最近一周表现较好[27] - EPTTM：最近一周表现较好[27]

根据研报内容，总结如下： 量化模型与构建方式 **1 模型名称：期现连续对冲策略[44]** - 模型构建思路：通过做空股指期货合约来对冲持有现货指数的风险，利用基差收敛效应获取收益或降低风险[44] - 模型具体构建过程： - 现货端：持有对应标的指数的全收益指数，使用70%资金[44] - 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[44] - 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[44] - 资金调整：每次调仓后根据产品净值重新计算现货及期货端数量[44] **2 模型名称：期现最低贴水对冲策略[45]** - 模型构建思路：在期现对冲基础上，通过选择年化基差贴水幅度最小的合约进行优化，旨在降低对冲成本[45] - 模型具体构建过程： - 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：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[45] - 持有规则：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）[45] - 资金调整：每次调仓后根据产品净值重新计算现货及期货端数量[45] **3 因子名称：分红调整年化基差[20]** - 因子构建思路：在分析合约基差时剔除分红的影响，获得更真实的基差水平[19][20] - 因子具体构建过程： - 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] - 年化基差计算公式：$$年化基差 = \frac{(实际基差 + (预期)分红点位)}{指数价格} \times \frac{360}{合约剩余天数}$$[20] **4 因子名称：信达波动率指数 Cinda-VIX[61]** - 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，借鉴海外经验并结合我国场内期权市场实际情况进行调整[61] - 因子评价：能够准确反映我国市场波动性，具有期限结构特征[61] **5 因子名称：信达波动率偏度指数 Cinda-SKEW[67]** - 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，衡量市场对标的资产未来收益分布的预期[67] - 因子具体构建过程：通过分析SKEW指数的数值及其变化趋势，洞察市场对标的资产未来潜在风险的忧虑[68] - 因子评价：能够捕捉市场对负面事件的预期，被称为"黑天鹅指数"[68] 模型的回测效果 **IC对冲策略表现（回测区间：2022年7月22日至2025年10月17日）[46][47]** - 当月连续对冲模型：年化收益-3.08%，波动率3.87%，最大回撤-9.77%，净值0.9043，年换手次数12，2025年以来收益-5.03%[47] - 季月连续对冲模型：年化收益-2.11%，波动率4.79%，最大回撤-8.34%，净值0.9339，年换手次数4，2025年以来收益-2.01%[47] - 最低贴水策略模型：年化收益-1.54%，波动率4.60%，最大回撤-7.97%，净值0.9512，年换手次数17.12，2025年以来收益-2.75%[47] - 指数表现：年化收益3.46%，波动率21.10%，最大回撤-31.46%，净值1.1155，2025年以来收益26.51%[47] **IF对冲策略表现（回测区间：2022年7月22日至2025年10月17日）[48][52]** - 当月连续对冲模型：年化收益0.47%，波动率2.95%，最大回撤-3.95%，净值1.0151，年换手次数12，2025年以来收益-0.82%[52] - 季月连续对冲模型：年化收益0.70%，波动率3.30%，最大回撤-4.03%，净值1.0225，年换手次数4，2025年以来收益0.27%[52] - 最低贴水策略模型：年化收益1.23%，波动率3.07%，最大回撤-4.06%，净值1.0401，年换手次数15.25，2025年以来收益0.65%[52] - 指数表现：年化收益1.98%，波动率17.13%，最大回撤-25.59%，净值1.0651，2025年以来收益18.16%[52] **IH对冲策略表现（回测区间：2022年7月22日至2025年10月17日）[53][56]** - 当月连续对冲模型：年化收益1.09%，波动率3.03%，最大回撤-4.22%，净值1.0355，年换手次数12，2025年以来收益0.47%[56] - 季月连续对冲模型：年化收益1.99%，波动率3.44%，最大回撤-3.75%，净值1.0654，年换手次数4，2025年以来收益1.60%[56] - 最低贴水策略模型：年化收益1.73%，波动率3.05%，最大回撤-3.91%，净值1.0568，年换手次数15.87，2025年以来收益1.56%[56] - 指数表现：年化收益1.29%，波动率16.21%，最大回撤-22.96%，净值1.0419，2025年以来收益13.69%[56] **IM对冲策略表现（回测区间：2022年7月22日至2025年10月17日）[57][58]** - 当月连续对冲模型：年化收益-6.24%，波动率4.76%，最大回撤-14.00%，净值0.8281，年换手次数12，2025年以来收益-11.12%[58] - 季月连续对冲模型：年化收益-4.58%，波动率5.80%，最大回撤-12.63%，净值0.8487，年换手次数4，2025年以来收益-6.07%[58] - 最低贴水策略模型：年化收益-4.17%，波动率5.55%，最大回撤-11.11%，净值0.8646，年换手次数15.88，2025年以来收益-6.35%[58] - 指数表现：年化收益0.36%，波动率25.62%，最大回撤-41.60%，净值0.8911，2025年以来收益23.95%[58] 因子的回测效果 **分红调整年化基差因子取值（截至2025年10月17日）[21][27][32][37]** - IC当季合约：-12.08%[21] - IF当季合约：-3.13%[27] - IH当季合约：0.03%[32] - IM当季合约：-12.80%[37] **信达波动率指数 Cinda-VIX 因子取值（截至2025年10月17日）[61]** - 上证50VIX_30：22.97[61] - 沪深300VIX_30：24.07[61] - 中证500VIX_30：35.47[61] - 中证1000VIX_30：30.70[61] **信达波动率偏度指数 Cinda-SKEW 因子取值（截至2025年10月17日）[68]** - 上证50SKEW：103.13[68] - 沪深300SKEW：102.83[68] - 中证500SKEW：99.44[68] - 中证1000SKEW：99.76[68]

根据提供的研报内容，以下是关于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：优秀基金业绩增强组合** - 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，以达到优中选优的目的[4][45] - 模型具体构建过程：首先对基金进行优选，为避免基金收益类指标在市场风格突变时出现反转及持股风格集中化问题，对收益类因子进行分层中性化处理，构建基于业绩分层视角的优选基金组合[45]；然后，以该优选基金组合的补全持仓作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，从而构建最终的投资组合[46] 2. **模型名称：超预期精选组合** - 模型构建思路：以业绩超预期事件为核心，对超预期股票池进行基本面和技术面两个维度的精选，挑选出同时具备基本面支撑和技术面共振的股票构建组合[5][51] - 模型具体构建过程：首先，以研报标题出现“超预期”与分析师全线上调净利润为条件，筛选出超预期事件股票池[5][51]；接着，对该股票池中的股票分别从基本面和技术面两个维度进行进一步筛选，最终构建超预期精选股票组合[5][51] 3. **模型名称：券商金股业绩增强组合** - 模型构建思路：以蕴含Alpha潜力且能反映公募基金前瞻性判断的券商金股股票池为基础，通过组合优化方法进行精选，旨在稳定战胜偏股混合型基金指数[6][56] - 模型具体构建过程：以券商金股股票池作为选股空间和约束基准，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，构建最终的业绩增强组合[6][56] 4. **模型名称：成长稳健组合** - 模型构建思路：采用“先时序、后截面”的二维评价体系，重点捕捉成长股在利好事件（如财报发布）前超额收益释放的黄金期，并进行多因子精选和风险控制，以高效获取成长股超额收益[7][35][61] - 模型具体构建过程：首先，以研报标题出现“超预期”及上市公司业绩预增为条件筛选成长股股票池[7][61]；然后，根据股票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][61]；当样本数量较多时，采用多因子打分的方法精选优质个股[7][61]；此外，还引入了弱平衡机制、跃迁机制、缓冲机制和风险规避机制以降低组合换手率和规避风险，最终构建100只股票的等权组合[7][61] 模型的回测效果 1. **优秀基金业绩增强组合** - 全样本区间（2012.1.4-2025.6.30）年化收益（考虑仓位）：20.31%[47] - 全样本区间相对偏股混合型基金指数年化超额收益：11.83%[47] - 2025年（截至10月17日）绝对收益（考虑仓位）：24.22%[2][14][22] - 2025年（截至10月17日）相对偏股混合型基金指数超额收益：-3.30%[2][14][22] - 2025年（截至10月17日）在主动股基中排名分位点：52.75%[2][14][22] 2. **超预期精选组合** - 全样本区间（2010.1.4-2025.6.30）年化收益（考虑仓位）：30.55%[52] - 全样本区间相对偏股混合型基金指数年化超额收益：24.68%[52] - 2025年（截至10月17日）绝对收益（考虑仓位）：38.46%[2][14][28] - 2025年（截至10月17日）相对偏股混合型基金指数超额收益：10.94%[2][14][28] - 2025年（截至10月17日）在主动股基中排名分位点：23.23%[2][14][28] 3. **券商金股业绩增强组合** - 全样本区间（2018.1.2-2025.6.30）年化收益（考虑仓位）：19.34%[57] - 全样本区间相对偏股混合型基金指数年化超额收益：14.38%[57] - 2025年（截至10月17日）绝对收益（考虑仓位）：27.24%[2][14][34] - 2025年（截至10月17日）相对偏股混合型基金指数超额收益：-0.27%[2][14][34] - 2025年（截至10月17日）在主动股基中排名分位点：45.06%[2][14][34] 4. **成长稳健组合** - 全样本区间（2012.1.4-2025.6.30）年化收益（考虑仓位）：35.51%[62] - 全样本区间相对偏股混合型基金指数年化超额收益：26.88%[62] - 2025年（截至10月17日）绝对收益（考虑仓位）：48.25%[3][14][39] - 2025年（截至10月17日）相对偏股混合型基金指数超额收益：20.74%[3][14][39] - 2025年（截至10月17日）在主动股基中排名分位点：10.72%[3][14][39]

根据研报内容，以下是关于量化模型、量化因子的总结： 量化模型与构建方式 1. **模型名称：PB-ROE-50 组合**[2][24] **模型构建思路：** 基于市净率（PB）和净资产收益率（ROE）这两个基本面指标进行选股，旨在寻找估值合理且盈利能力强的公司[24] **模型具体构建过程：** 报告未详细描述该组合的具体构建步骤和筛选标准，仅提及组合名称和其跟踪表现[24][25] 2. **模型名称：机构调研组合**[3][26] **模型构建思路：** 基于机构调研行为构建选股策略，包括公募调研选股策略和私募调研跟踪策略，认为机构的调研活动蕴含了选股信息[3][26] **模型具体构建过程：** 报告未详细描述该组合的具体构建步骤和筛选标准[26][27] 3. **模型名称：大宗交易组合**[3][30] **模型构建思路：** 基于大宗交易事件，通过统计分析发现“大宗交易成交金额比率”越高、“6日成交金额波动率”越低的股票后续表现更佳，依据“高成交、低波动”原则构建组合[30] **模型具体构建过程：** 采用月频调仓方式构造大宗交易组合，具体构建方法可参考2023年8月5日的报告《提炼大宗交易背后蕴含的超额信息——量化选股系列报告之十一》[30] 4. **模型名称：定向增发组合**[3][36] **模型构建思路：** 基于定向增发事件，以股东大会公告日为时间节点，挖掘定向增发事件带来的投资机会[36] **模型具体构建过程：** 在构建组合时综合考虑了市值因素、调仓周期以及对仓位的控制，具体构建方法可参考2023年11月26日的报告《多角度解析定向增发中的投资机会——量化选股系列报告之十二》[36] 模型的回测效果 1. **PB-ROE-50 组合**[25] 本周超越基准收益率（中证500）：0.15% 本周超越基准收益率（中证800）：-1.50% 本周超越基准收益率（全市场）：-2.52% 今年以来超额收益率（中证500）：3.60% 今年以来超额收益率（中证800）：15.72% 今年以来超额收益率（全市场）：20.48% 本周绝对收益率（中证500）：-5.02% 本周绝对收益率（中证800）：-4.48% 本周绝对收益率（全市场）：-5.90% 今年以来绝对收益率（中证500）：26.95% 今年以来绝对收益率（中证800）：35.06% 今年以来绝对收益率（全市场）：43.36% 2. **机构调研组合**[27] **公募调研选股策略：** 本周超越基准收益率（中证800）：-0.94% 今年以来超额收益率（中证800）：11.01% 本周绝对收益率：-3.93% 今年以来绝对收益率：29.56% **私募调研跟踪策略：** 本周超越基准收益率（中证800）：-4.83% 今年以来超额收益率（中证800）：13.95% 本周绝对收益率：-7.71% 今年以来绝对收益率：33.00% 3. **大宗交易组合**[31] 本周超越基准收益率（中证全指）：1.56% 今年以来超额收益率（中证全指）：33.14% 本周绝对收益率：-1.96% 今年以来绝对收益率：58.41% 4. **定向增发组合**[37] 本周超越基准收益率（中证全指）：1.86% 今年以来超额收益率（中证全指）：-3.31% 本周绝对收益率：-1.67% 今年以来绝对收益率：15.04% 量化因子与构建方式 1. **因子名称：动量因子**[1][18] **因子构建思路：** 捕捉股票价格的趋势效应[1] **因子具体构建过程：** 报告未提供具体构建公式 2. **因子名称：Beta 因子**[1][18] **因子构建思路：** 衡量股票相对于市场的系统性风险[1] **因子具体构建过程：** 报告未提供具体构建公式 3. **因子名称：市值因子**[1][18] **因子构建思路：** 反映公司规模大小对收益的影响[1] **因子具体构建过程：** 报告未提供具体构建公式，但提及了“对数市值因子”[13][15][17] 4. **因子名称：非线性市值因子**[1][18] **因子构建思路：** 捕捉市值与收益之间的非线性关系[1] **因子具体构建过程：** 报告未提供具体构建公式 5. **因子名称：5日成交量的标准差**[12][13] **因子构建思路：** 衡量近期成交量波动程度[12] **因子具体构建过程：** 报告未提供具体构建公式 6. **因子名称：下行波动率占比**[12][14][16] **因子构建思路：** 衡量下行风险相对于总波动的比例[12][14][16] **因子具体构建过程：** 报告未提供具体构建公式 7. **因子名称：成交量的5日指数移动平均**[12][14] **因子构建思路：** 使用指数移动平均平滑近期成交量，反映成交量趋势[12][14] **因子具体构建过程：** 报告未提供具体构建公式 8. **因子名称：市盈率TTM倒数**[12][14][16] **因子构建思路：** 估值因子，市盈率的倒数，也称为盈利收益率[12][14][16] **因子具体构建过程：** 报告未提供具体构建公式 9. **因子名称：日内波动率与成交金额的相关性**[12][14][16] **因子构建思路：** 捕捉价格波动与成交金额之间的关系[12][14][16] **因子具体构建过程：** 报告未提供具体构建公式 10. **因子名称：市净率因子 (BP因子)**[12][14][16][22] **因子构建思路：** 估值因子，衡量股价与每股净资产的关系[12][14][16][22] **因子具体构建过程：** 报告未提供具体构建公式 11. **因子名称：市盈率因子**[12][14][16] **因子构建思路：** 估值因子，衡量股价与每股收益的关系[12][14][16] **因子具体构建过程：** 报告未提供具体构建公式 12. **因子名称：EPT TM分位点**[13][15][17] **因子构建思路：** 估值因子，可能为盈利价格比在一定时期内的分位数[13][15][17] **因子具体构建过程：** 报告未提供具体构建公式 13. **因子名称：市销率TTM倒数**[13][15][17] **因子构建思路：** 估值因子，市销率的倒数[13][15][17] **因子具体构建过程：** 报告未提供具体构建公式 14. **因子名称：5日反转**[12][14][16] **因子构建思路：** 短期反转效应，近期表现差的股票未来可能反弹[12][14][16] **因子具体构建过程：** 报告未提供具体构建公式 15. **因子名称：5日平均换手率**[14][15] **因子构建思路：** 流动性因子，衡量近期股票交易活跃度[14][15] **因子具体构建过程：** 报告未提供具体构建公式 16. **因子名称：净资产增长率因子**[22] **因子构建思路：** 基本面因子，反映公司净资产的增长情况[22] **因子具体构建过程：** 报告未提供具体构建公式 17. **因子名称：净利润增长率因子**[22] **因子构建思路：** 基本面因子，反映公司净利润的增长情况[22] **因子具体构建过程：** 报告未提供具体构建公式 18. **因子名称：每股净资产因子**[22] **因子构建思路：** 基本面因子，反映公司的账面价值[22] **因子具体构建过程：** 报告未提供具体构建公式 19. **因子名称：每股经营利润TTM因子**[22] **因子构建思路：** 基本面因子，反映公司持续经营业务的盈利能力[22] **因子具体构建过程：** 报告未提供具体构建公式 20. **因子名称：EP因子**[22] **因子构建思路：** 估值因子，盈利价格比[22] **因子具体构建过程：** 报告未提供具体构建公式 21. **因子名称：残差波动率因子**[22] **因子构建思路：** 风险因子，衡量无法被市场因素解释的特有波动[22] **因子具体构建过程：** 报告未提供具体构建公式 22. **因子名称：流动性因子**[22] **因子构建思路：** 衡量股票的变现能力[22] **因子具体构建过程：** 报告未提供具体构建公式 因子的回测效果 *注：报告提供了大量因子在不同股票池和不同时间窗口的表现数据[13][15][17][18][22][23]，由于因子数量众多且指标值列表庞大，此处不逐一罗列每个因子在所有指标下的具体数值。回测效果的具体数值请参考原报告中的对应图表（图1, 图2, 图3, 图4, 图5及相应表格）[13][15][17][20][23]。报告中因子表现的指标主要包括最近1周收益、最近1个月收益、最近1年收益、最近10年收益以及净值曲线等[13][15][17]。*