[Table_Message]2025-08-24 金融工程周报 大类资产与基金周报（20250818-20250822）—— 权益市场爆发，权益基金上涨 3.84% [Table_Author] 证券分析师：刘晓锋 电话：13401163428 E-MAIL：liuxf@tpyzq.com 执业资格证书编码：S1190522090001 证券分析师：孙弋轩 电话：18910596766 E-MAIL：sunyixuan@tpyzq.com 执业资格证书编码：S1190525080001 内容摘要 太 平 洋 证 券 股 份 有 限 公 司 证 券 研 究 报 告 请务必阅读正文之后的免责条款部分 守正 出奇 宁静 致远 [Table_Title] [Table_Summary] . 金 融 工 程 周 报 ◼ 大类资产市场概况：1）权益：本周 A 股市场中上证指数收盘 3825.76，涨跌幅 3.49%， 深证成指、中小板指数、创业板指、上证 50、沪深 300、中证 500、中证 1000、中证 2000、 北证 50 涨跌幅分别为 4.57%、4.64%、5.85%、3.38%、4.18%、3.87%、 ...

根据提供的研报内容，以下是关于量化模型和因子的总结： 量化因子与构建方式 1. **因子名称：行业拥挤度因子**[3][17] * **因子构建思路**：通过计算行业指数价格变动与成交金额变动的马氏距离，来衡量市场交易行为的异常集中程度，即拥挤度[3][17] * **因子具体构建过程**： 1. 选取各行业指数最近一周的价格变动数据和成交金额变动数据[3][17] 2. 计算这两个维度数据向量的马氏距离（Mahalanobis Distance）[3][17] 3. 马氏距离的计算公式为： $$D_M(x) = \sqrt{(x - \mu)^T \Sigma^{-1} (x - \mu)}$$ 其中，$x$ 代表由行业价格变动和成交金额变动组成的二维向量，$\mu$ 是各维度数据的均值向量，$\Sigma$ 是协方差矩阵，$\Sigma^{-1}$ 是协方差矩阵的逆[3][17] 4. 根据马氏距离的统计分布特性，将置信水平超过99%（即落在椭圆区域外）的行业识别为出现短期显著拥挤的行业[17] * **因子评价**：该因子能有效捕捉市场短期交易过热或过冷的异常状态，是一个有效的市场情绪监测指标[17] 因子的回测效果 1. **行业拥挤度因子**，上周出现显著拥挤的行业有：家用电器、有色金属[4][17]

量化模型与因子总结 量化模型与构建方式 1. **模型名称**：成交量模型[12] **模型构建思路**：基于价量关系构建短期择时信号[10] **模型具体构建过程**：通过分析宽基指数的成交量变化与价格变动的关系，判断市场短期走势。具体构建过程未详细说明。 2. **模型名称**：低波动率模型[12] **模型构建思路**：利用波动率指标构建择时信号[10] **模型具体构建过程**：通过计算宽基指数的波动率，判断市场状态。具体构建过程未详细说明。 3. **模型名称**：特征龙虎榜机构模型[12] **模型构建思路**：基于龙虎榜机构数据构建择时信号[10] **模型具体构建过程**：通过分析龙虎榜中机构投资者的买卖行为，构建择时信号。具体构建过程未详细说明。 4. **模型名称**：特征成交量模型[12] **模型构建思路**：基于成交量特征构建择时信号[10] **模型具体构建过程**：通过分析成交量的变化特征，构建择时信号。具体构建过程未详细说明。 5. **模型名称**：智能算法沪深300模型[12] **模型构建思路**：应用智能算法对沪深300指数进行择时[10] **模型具体构建过程**：使用智能算法（如机器学习）分析沪深300指数的相关数据，生成择时信号。具体构建过程未详细说明。 6. **模型名称**：智能算法中证500模型[12] **模型构建思路**：应用智能算法对中证500指数进行择时[10] **模型具体构建过程**：使用智能算法（如机器学习）分析中证500指数的相关数据，生成择时信号。具体构建过程未详细说明。 7. **模型名称**：涨跌停模型[13] **模型构建思路**：基于涨跌停板现象构建中期择时信号[10] **模型具体构建过程**：通过分析市场中涨跌停股票的数量和分布，判断市场中期趋势。具体构建过程未详细说明。 8. **模型名称**：月历效应模型[13] **模型构建思路**：利用月历效应（如月初、月末效应）构建择时信号[10] **模型具体构建过程**：通过统计历史数据中特定时间段的市场表现，生成择时信号。具体构建过程未详细说明。 9. **模型名称**：长期动量模型[14] **模型构建思路**：基于动量效应构建长期择时信号[10] **模型具体构建过程**：通过计算宽基指数的长期收益率，判断市场长期趋势。具体构建过程未详细说明。 10. **模型名称**：A股综合兵器V3模型[15] **模型构建思路**：综合多周期多策略的A股择时模型[10] **模型具体构建过程**：耦合短期、中期、长期的不同模型信号，进行综合判断。具体构建过程未详细说明。 11. **模型名称**：A股综合国证2000模型[15] **模型构建思路**：针对国证2000指数的综合择时模型[10] **模型具体构建过程**：耦合适用于国证2000指数的多模型信号，进行综合判断。具体构建过程未详细说明。 12. **模型名称**：成交额倒波幅模型[16] **模型构建思路**：基于成交额与波幅的关系构建港股择时信号[10] **模型具体构建过程**：通过分析港股指数的成交额与价格波幅的关系，生成择时信号。具体构建过程未详细说明。 13. **模型名称**：杯柄形态模型[44][45] **模型构建思路**：识别杯柄形态技术图形以捕捉上涨突破机会[44] **模型具体构建过程**：识别股价走势中形成的“杯状”和“柄状”结构，在柄部调整结束后价格突破杯沿时产生买入信号。具体步骤包括识别A点（杯左起点）、B点（杯底）、C点（杯右终点/柄部起点），当价格突破C点水平时确认信号。 14. **模型名称**：双底形态模型[44][52] **模型构建思路**：识别双底形态技术图形以捕捉上涨突破机会[44] **模型具体构建过程**：识别股价走势中形成的两个低点（A点和C点）及之间的反弹高点（B点），当价格突破B点（颈线）时产生买入信号。具体步骤包括识别A点（第一个底）、B点（颈线）、C点（第二个底），当价格突破B点水平时确认信号。 模型的回测效果 1. **杯柄形态模型**，本周收益2.83%[44]，同期上证综指收益3.49%[44]，本周超额收益-0.66%[44]，2020年12月31日至今累计收益64.88%[44]，累计超额收益54.73%[44] 2. **双底形态模型**，本周收益2.52%[44]，同期上证综指收益3.49%[44]，本周超额收益-0.97%[44]，2020年12月31日至今累计收益49.3%[44]，累计超额收益39.14%[44] 量化因子与构建方式 *(注：本报告中未明确提及量化因子的具体构建细节。)* 因子的回测效果 *(注：本报告中未提供量化因子的测试结果取值。)*

金融工程 证 券 研 究 报 告 市场情绪监控周报（20250818-20250822） 本周热度变化最大行业为非银金融、综合 本周市场热度跟踪 本周宽基热度变化方面：热度变化率最大的为沪深 300，相比上周提高 15.28%， 最小的为"其他"，相比上周降低 8.7%。 本周申万行业热度变化方面，一级行业中热度变化率正向变化前 5 的一级行 业分别为非银金融、综合、电子、计算机、家用电器，负向变化前 5 的一级行 业分别为纺织服饰、国防军工、医药生物、建筑装饰、钢铁；申万二级行业中， 热度正向变化率最大的 5 个行业是黑色家电、酒店餐饮、电机Ⅱ、证券Ⅱ、白 酒Ⅱ。 本周概念热度变化最大的 5 个概念为华为海思概念股、星闪概念、财税数字 化、血氧仪、华为欧拉。 本周市场估值跟踪 本周宽基和行业估值： 沪深 300、中证 500、中证 1000 的滚动 5 年历史分位数分别为 82%、97%、 91%。 申万一级行业中，从 2015 年开始回溯，当前估值处于历史分位数 80%以上的 一级行业有：电力设备、电子、银行、计算机、国防军工、医药生物、建筑材 料、轻工制造、传媒、煤炭；位于估值历史 20%以下的有农林牧 ...

[角色] 你是一名熟练的金融工程分析师，擅长量化模型、量化因子的构建，以及模型、因子效果的分析解读 [任务] 给你一篇量化主题的研报，总结一下这篇报告中涉及的量化模型、量化因子的内容，需要包括的内容有： 1）模型或者因子的名称 2）模型或者因子的构建思路（简单叙述即可） 3）模型或者因子的具体构建过程（需要详细的过程），如果中间涉及到公式，也列出公式 4）对模型或者因子的评价（简单叙述即可） 5）模型或者因子的具体测试结果取值 [注意] 1)如果有一部分没有相关内容，请跳过这一部分，进行其他的部分，不要在最后总结中输出“XX内容无”这样的无用表述 2)总结时要全面、详细、尽可能覆盖全部的内容、不遗漏重点 3)要分组展示内容，模型或者因子的指标取值单独在一个组 4)一定不要遗漏报告中出现的模型或者因子，包括复合模型或者因子，也包括基于某一基准模型、因子衍生出来的模型或者因子 5)有公式的一定要写出公式和公式说明，公式按照原文的格式展示出来 **要特别注意**：公式格式为 $$公式$$ 不要使用其他分割符构造公式 6)对模型或因子的评价应当是定性的评价，而不是指标取值，如果没有就不写 7)总结模型或因子在每个指标下取值时，每个模型或因子所对应的指标应该是完全一致的，不要在某个模型或因子下面多一个或者少一个指标 8)同一模型或因子的指标值应该在同一口径下，不要把不同窗口期的指标值混在一起放 9)不要把其他模型或因子的内容放错到该模型或因子下面 10)指标“信息比率“的英文是IR 11)注意区分开模型和因子，有的研报只有其中的一种 **要特别注意**：公式格式为 $$公式$$ 不要使用其他分割符构造公式 公式后边不要再有 [序号] 一定不要包括： 1) 风险提示 2) 免责声明 3) 评级规则 4) 其他和报告核心内容不相关的内容 [例子开始] 量化模型与构建方式 1.模型名称：XX；模型构建思路：XX（简单叙述）；模型具体构建过程：XXXX，公式是XX，公式中XX参数代表了XX（详细地把每一个步骤列出，有公式要写出公式）；模型评价：XX（简单叙述） （上述这些内容如果有哪一个没有，就不用列出） 2.模型名称：XX；模型构建思路：XX；模型具体构建过程：XXXX 模型的回测效果 1.XX模型，XX指标值XX，... 2.XX模型，XX指标值XX，... 量化因子与构建方式 1.因子名称：XX；因子的构建思路：XX；因子具体构建过程：XXXX，公式是XX，公式中XX参数代表了XX；因子评价：XX 2.因子名称：XX；因子的构建思路：XX；因子具体构建过程：XXXX 因子的回测效果 1.XX因子，XX指标值XX，... 2.XX因子，XX指标值XX，... [例子结束] Content: --------- <doc id='1'>通信、非银仓位提升， 港股 ETF 持续吸引资金流入 —— 量化市场追踪周报（2025W34）</doc> <doc id='2'>请阅读最后一页免责声明及信息披露 http://www.cindasc.com 1</doc> <doc id='3'>证券研究报告 金工研究 金工点评报告 于明明 金融工程与金融产品 首席分析师 执业编号：S1500521070001 联系电话：+极速6合 18616021459 邮 箱：yumingming@cindasc.com 吴彦锦 金融极速6合工程与金融产品 分析师 执业编号：S1500523090002 联系电话：+极速6合 18616819227 邮 箱：wuyanjin@cindasc.com 周君睿 金融工程与金融产品 分析师 执业编号：S150052311000极速6合5 联系电话：+极速6合 19821223545 邮 箱：zhoujunrui@cindasc.com 量化市场追踪周报(2025W34)：通信、非银仓位提 升，港股 ETF 持续吸引资金流入 2025 年 8 月 24 日 截至 2025/8/22，主动权益型基金的平均仓位约为 88.83%。其中，普通股 票型基金的平均仓位约为 90.79%（较上周下降 0.62pct），偏股混合型基金 的平均仓位约为 88.86%（极速6合较上周下降 0.07pct），配置型基金的平均仓位约 为 87.77%（较上周下降 0.46pct）；"固收+"基金平均仓位约为 22.86%， 较上周下降 极速6合0.10pct。</doc> <doc id='4'>截至 2025/8/22，主动偏股型基金大盘成长仓位 30.22%（较上周上升 2.7pct），大盘价值仓位 8.92%（较上周下降 0.48pct），中盘成长仓位 7.88% （较上周下降 1.63pct），中盘价值仓位 6.95%（较上周上升 0.99pct），小 盘成长仓位 40.1%（较上周下降 2.9pct），小盘价值仓位 5.94%（较上周上 升 1.32pct）。 从持股市值加权平均值来看，本周主动权益型基金配置比例上调较多的行 业有非银行金融（约 3.51%，较上周提升 0.78pct）、计算机（约 4.48%， 较上周提升 0.50pct）、综合（约 0.85%，较上周提升 0.33pct）、通信（约 6.52%，较上周提升 0.32pct）、电子（约 16.28%，较上周提升 0.29pct）， 配比下调较多的行业有汽车（约 4.81%，较上周下降 0.62pct）、医药（约 11.77%，较上周下降 0.40极速6合pct）、传媒（约 1.91%，较上周下降 0.26pct）、 请阅读最后一页免责声明及信息披露 http://www.cindasc.com 2</doc> <doc id='5'>本周市场复盘：本周，A 股市场做多情绪高涨，连续五个交易日成交额突 破 2 万亿元，市场宽基指数普遍上涨，上证指数突破 3800 点，创年内新 高。结构上，TMT 行业表现强劲，科创 50 单周涨幅超过 13%，红利和价 值风格则相对疲弱。从主动权益基金的配置行为来看，近两周权益仓位整 体回升至年内相对高位，通信和非银行业的仓位极速6合较一个月前有明显增加。 杠杆资金参与情绪持续高涨，两融余额持续上升，创下阶段性新高，突破 2.1 万亿元。ETF 方面， 科创 50 出现较大幅度的获利了结，部分低位板块如化工和光伏则获得资金布局。相对而言，港股类 ETF 在近期 持续吸引资金流入，近一个月跨境 ETF 净流入超过 800 亿元，港股科技、大金融 和创新药板块成为资金的主要 增配方向。此外，近期南向资金的流入也有 所边际加速。随着 8 月 22 日美联储主席鲍威尔在全球央行年会上释放鸽 派信号，9 月降息预期升至高位，短期来看对于港股流动性及多头情绪构 成利好，或进一步支持港股市场的表现。 公募基金：主动权益基金仓位出现回升，通信、非银行业仓位提升。本周 主动偏股型基金的净值涨跌幅平均值 3.29%，上涨基金数目占比达到 92.41%。其中：净值表现最好的前五只基金分别是招商移动互联网产业股 票 A、东方阿尔法优势产业混合 A、前海开源高端装备制造灵活配置混合 A、嘉实绿色主题股票 A、银河创新成长混合 A，一周净值涨跌幅分别是 16.66%、16.45%、14.98%、14.77%、14.27%。</doc> <doc id='6'>银行（约 3.37%，较上周下降 0.20pct）、交通运输（约 1.42%，较上周下 降 0.16pct）。</doc> <doc id='7'>信达证券股份有限公司 CINDA SECURITIES CO.,LTD 北京市西城区宣武门西大街甲127 号 金隅大厦B 座 邮编：100031 主力/主动资金流向：主力主动流入通信、电子。主力资金流：本周主力 净流入通信、电子，流出医药、机械。（1）个股：主力净流入&中小单净 流出：中兴通讯、中科曙光、兆易创新、中油资本、海光信息等。主力净 流出&中小单净流入：东方财富、卧龙电驱、药明康德、工业富联、胜宏 科技等。（2）行业：主力净流入&中小单净流出极速6合：通信、电子、食品饮料、 银行、综合等。主力净流出&中小单净流入：医药、机械、电力设备及新 能源、有色金属、基础化工等。主动资金流：本周主买净额约-1446.53 极速6合亿 元，主动资金净流入电子、通信。（1）极速6合个股：主动资金更看好中兴通讯、 北方稀土、中芯国际、寒武纪、贵州茅台等标的，中油资本、中电鑫龙、 上海电气、金田股份、中国船舶极速6合等标的遭主动资金净卖出。（2）行业：主 买净额居前的行业有：电子、通信、计算机、食品饮料、银行等；流出较 多的行业有：机械、医药、基础化工、电力设备及新能源、有色金属等。 风险因素：结论基于历史数据统计、建模和测算，受市场不确定性影响可 能存在失效风险。</doc> <doc id='8'>| 量化市场追踪周报（2025W34）：通信、非银仓位提升，港股 ETF 持续吸引资金流入 5 | | --- | | 1. 本周市场复盘：做多情绪高涨，TMT 强势领涨 5 | | 极速6合2. 公募基金： 6 | | 公募基金仓位测算：近两周主动权益基金仓位出现回升 7 | | 主动权益产品风格动向：大盘成长风格暴露相对提升 9 | | 主动权益产品行业动向：周内非银仓位提升，汽车仓位下降 9 | | ETF 市场跟踪：跨境 ETF 近一月净流入超 800 亿 12 | | 新成立基金：本周主动权益基金新发总份额约为 29.66 亿份 13 | | 3. 主力/主动资金流：主力主动流入通信、电子 15 | | 附录 1：本周各类型 ETF 净流入 TOP5 产品信息一览 18 | | 附录 2：本周公募基金新成立与新发行一览 21 |</doc> <doc id='10'>| 表 1：本周净值涨跌幅 TOP10 主动权益型基金信息 6 | | --- | | 表 2：主动权益型基金近期行业仓位分布(%) 10 | | 表 3：近 8 周基于绩优基金的行业轮动信号 12 | | 表 4：本周个股资金净流入额(TOP5&BTM5，亿元) 16 | 极速6合| 表 5：本周中信一级行业资金净流入极速6合额(TOP5&BTM5，亿元) 16 | | 表 6：本周个股资金主动净流入额(TOP5&BTM5，亿元) 16 | | 表 7：本周中信一级行业资金主动净流入额(TOP5&BTM5，亿元) 17 | | 表 8：本周各类型 ETF 净流入 TOP5 产品信息一览 18 | | 表 9：本周新成立公募基金一览(按基金成立日计) 21 | | 表 10：本周新发行公募基金一览(按基金认购日计) 22 |</doc> <doc id='12'>| 图 1：重点宽基指数周涨跌幅一览(%) 5 | | --- | | 图 2：一级行业指数周涨跌幅一览(%) 6 | | 图 3：主动权益型基金历史仓位分布 7 | | 图 4："固收+"基金历史仓位分布 8 | | 图 5：主动权益型基金历史风格仓位分布 9 | | 图 6：信达金工行业轮动策略多头超额 11 | | 图 7：今年以来 ETF 分类累计净流入额(亿元极速6合) 极速6合13 | | 极速6合图 8：近 1 年主动权益型基金周度成立规模(亿元) 14 | | 图 9：主动权益型基金历年年初以来累计新成立数量 极速6合14 | | 图 10：主动权益型基金历年年初以来累计新成立份额(亿份) 14 | | 图 11：被动权益型基金历年年初以来累计新成立数量 14 | | 图 12：被动权益型基金历年年初以来累计新成立份额(亿份) 14 | | 图 13：近 1 年沪深京三市资金净流入结构分布(亿元) 15 |</doc> <doc id='13'>量化市场追踪周报（2025W34）：通信、非银仓位提升，港股 ETF 持续吸引资金 流入 1. 本周市场复盘：做多情绪高涨，TMT 强势领极速6合涨 本周，A 股市场做多情绪高涨，连续五个交易日成交额突破 2 万亿元，市场宽基指数普遍上涨，上证指数突破 3800 点，创年内新 高。结构上，TMT 行业表现强劲，科创 50 单周涨幅超过 13%，红利和价值风格则相对疲弱。 从主动权益基金的配置行为来看，近两周权益仓位整 体回升至年内相对高位，通信和非银行业的仓位较一个月前 有明显增加。杠杆资金参与情绪持续高涨，两融余额持续上升，创下阶段性新高，突破 2.1 万亿元。ETF 方面， 科创 50 出现较大幅度的获利了结，部分低位板块如化工和光伏则获得资金布局。相对而言，港股类 ETF 在近期 持续吸引资金流入，近一个月跨境 ETF 净流入超过 800 亿元，港股科技、大金融和创新药板块成为资金的主要 增配方向。此外，近期南向资金的流入也有所加速。随着 8 月 22 日美联储主席鲍威尔在全球央行年会上释放鸽 派信号，9 月降息预期升至高位，短期来看对于港股流动性及多头情绪构 成利好，或进一步支持港股市场的表现。</doc> <doc id='14'>宽基指数表现回顾：本周（2025/8/18-2025/8/22）成长风格整体领先，科创 50 表现尤为亮眼；相比之下，红利、 价值风格的表现较为疲弱。截至 2025/极速6合8/22，上证指数报收 3825.76 点，周涨跌幅约 3.49%；深证成极速6合指报收 12166.06 点，周涨跌幅约 4.57%；创业板指报收 2682.55 点，周涨跌幅约 5.85%；沪深 300 报收 4378 点，周涨跌幅约 4.18%。</doc> <doc id='15'>3.49 4.57 5.85 4.18 3.87 3.45 3.23 13.31 8.40 1.67 4.59 0.83 2.83 0.27 0.27 -0.22 -0.44 -2 0 2 4 6 8 10 12 极速6合14 16 上证指数 深证成指 创业板指 沪深 300 中证 500 中证 1000 中证 2000 科创 50 北证 50 国证价值 国证成长 中证红利 中证转债 恒生指数 标普 500 黄金 9999 南华商品 本周 上周</doc> <doc id='16'>图 1：重点宽基指数周涨跌幅一览(%) 资料来源：同花顺 iFinD 、信达证券研发中心 统计日期： 2025/8/11-2025/8/22 行业指数表现回顾：本周（2025/8/18-2025/8/22）TMT 板块强势领涨。周涨跌幅排名居前的行业有通信、电子、 计算机、传媒、综合等，收益率依次为 10.47%、9.00%、7.80%、5.82%、5.17%；周涨跌幅排名靠后的行业包括 房地产、医药、煤炭、银行、家电等，收益率依次为 0.98%、1.17%、1.23%、1.23%、1.54%。</极速6合doc> <doc id='17'>图 2：一级行业指数周涨跌幅一览(%)</doc> <doc id='18'>2.6 1.2 1.7 1.6 1.9 3.1 1.6 3.0 2.7 2.6 2.2 3.极速6合1 4.9 3.9 4.9 1.5 2.9 1.2 3.4 3.6 1.2 2.8 1.0 1.7 9.0 10.5 7.8 5.8 5.2 3.0 -4 -2 0 2 4 6 8 10 12 石油石化 煤炭 有色金属 电力及公用事业 钢铁 基础化工 建筑 建材 轻工制造 机械 电力设备及新能源 国防军工 汽车 商贸零售 消费者服务 家电 纺织服装 医药 食品饮料 农林牧渔

量化模型与因子总结 量化模型与构建方式 1. **模型名称：东方A股因子风险模型(DFQ-2020)[15]** 模型构建思路：该模型旨在识别和解释影响A股收益的一系列风格风险因子，用于风险归因和组合管理[11][15] 模型具体构建过程：模型包含10个风格风险因子，每个因子由多个细分指标合成。具体因子列表及计算方式如下[15]： * Size因子：总市值对数[15] * Beta因子：贝叶斯压缩后的市场Beta[15] * Trend因子：由两个子指标构成，$$Trend\_120 = EWMA(halflife=20)/EWMA(halflife=120)$$，$$Trend\_240 = EWMA(halflife=20)/EWMA(halflife=240)$$，其中EWMA为指数加权移动平均[15] * Volatility因子：由5个子指标构成，包括过去243天的标准波动率(Stdvol)、过去243天的FF3特质波动率(Ivff)、过去243天的最高价/最低价-1(Range)、过去243天收益最高的六天的收益率平均值(MaxRet_6)、过去243天收益最低的六天的收益率平均值(MinRet_6)[15] * Liquidity因子：由2个子指标构成，包括过去243天的平均对数换手率(TO)、过去243天的个股对数换手率与市场对数换手率回归得到的流动性beta(Liquidity beta)[15] * Value因子：账面市值比(BP)或盈利收益率(EP)[15] * Growth因子：由3个子指标构成，包括过去3年ROE变动的平均值(Delta ROE)、销售收入TTM的3年复合增速(Sales_growth)、净资产TTM的3年复合增速(Na_growth)[15] * SOE因子：国有持股比例(State Owned Enterprise)[15] * Certainty因子：由3个子指标构成，包括公募基金持仓比例(Instholder Pct)、对市值正交化后的分析师覆盖度(Cov)、上市天数(Listdays)[15] * Cubic Size因子：市值幂次项[15] 2. **模型名称：MFE组合构建模型[60]** 模型构建思路：通过组合优化方法，在控制行业暴露、风格暴露等实际约束条件下，构建最大化单一因子暴露的投资组合，以更准确地评估因子在指数增强策略中的有效性[60] 模型具体构建过程：采用线性规划求解以下优化问题，目标为最大化因子暴露[60]： $$\begin{array}{ll}max & f^{T}w \\\ s.t. & s_{l}\leq X(w-w_{b})\leq s_{h} \\\ & h_{l}\leq H(w-w_{b})\leq h_{h} \\\ & w_{l}\leq w-w_{b}\leq w_{h} \\\ & b_{l}\leq B_{b}w\leq b_{h} \\\ & 0\leq w\leq l \\\ & 1^{T}w=1 \\\ & \Sigma|w-w_{0}|\leq to_{h}\end{array}$$ 其中，$f$ 为因子取值向量，$w$ 为待求解的股票权重向量，$w_b$ 为基准指数成分股权重向量。约束条件依次为：组合相对于基准的风格暴露约束（$X$ 为风格因子暴露矩阵，$s_l$, $s_h$ 为上下限）[63]；组合相对于基准的行业偏离约束（$H$ 为行业暴露矩阵，$h_l$, $h_h$ 为上下限）[63]；个股相对于基准成分股的权重偏离约束（$w_l$, $w_h$ 为上下限）[63]；组合在成分股内权重的占比约束（$B_b$ 为成分股标识向量，$b_l$, $b_h$ 为上下限）[63]；卖空限制及个股权重上限约束（$l$ 为上限）[63]；权重和为1的满仓约束[63]；组合换手率约束（$w_0$ 为上期持仓权重，$to_h$ 为换手率上限）[63] 量化因子与构建方式 1. **因子名称：估值类因子[20]** 因子构建思路：从账面价值、盈利收益、销售收益等角度衡量公司的估值水平[20] 因子具体构建过程：包含多个细分因子： * BP：账面市值比，计算公式为 净资产/总市值[20] * FBP：预期BP，使用分析师一致预期数据计算[20] * Quart_EP：单季度市盈率倒数，计算公式为 单季度归母净利润/总市值[20] * TTM_EP：滚动市盈率倒数，计算公式为 归母净利润TTM/总市值[20] * Quart_SP：单季度市销率倒数，计算公式为 单季度营业收入/总市值[20] * TTM_SP：滚动市销率倒数，计算公式为 营业收入TTM/总市值[20] * TTM_EP_PCT_1Y：EPTTM一年分位点，计算当前EPTTM在过去一年中的分位点[20] * TTM_FEP：一致预期滚动市盈率倒数，使用一致预期滚动PE数据计算倒数[20] * TTM_FPEG：一致预期滚动PEG，计算公式为 一致预期滚动PE / 个股滚动净利复合增长率[20] * PB_ROE_RANK：PB与ROE的rank差，计算公式为 全市场PB排序 - 单季ROE排序[20] 2. **因子名称：成长类因子[20]** 因子构建思路：从收入、利润、盈利预期等角度衡量公司的成长能力[20] 因子具体构建过程：包含多个细分因子： * YOY_Quart_NP：单季度净利润同比增速，计算单季度净利润同比增长率[20] * YOY_Quart_OR：单季度营业收入同比增速，计算单季度营业收入同比增长率[20] * YOY_Quart_OP：单季度营业利润同比增速，计算单季度营业利润同比增长率[20] * SUE：标准化预期外盈利，计算公式为 (单季实际净利 - 预期净利) / 预期净利标准差[20] * SUR：标准化预期外收入，计算公式为 (单季实际营收 - 预期营收) / 预期营收标准差[20] * Delta_ROE：单季净资产收益率同比变化，计算公式为 单季净资产收益率 - 去年同期净资产收益率[20] * Delta_ROA：单季总资产收益率同比变化，计算公式为 单季总资产收益率 - 去年同期总资产收益率[20] * UE_PERC：单季净利润超预期幅度，计算公式为 单季度净利润/分析师预期单季度净利润 - 1[20] 3. **因子名称：盈利类因子[20]** 因子构建思路：衡量公司的盈利能力[20] 因子具体构建过程：包含多个细分因子： * Quart_ROE：单季度净资产收益率，计算公式为 单季净利润*2/(期初净资产+期末净资产)[20] * Quart_ROA：单季度总资产收益率，计算公式为 单季净利润*2/(期初总资产+期末总资产)[20] 4. **因子名称：分析师预期类因子[20]** 因子构建思路：从分析师覆盖、盈利预测调整等角度反映市场预期[20] 因子具体构建过程：包含多个细分因子： * ORGAN_NUM_3M：分析师覆盖度，统计过去3个月撰写研报的机构数量[20] * ANA_REC：分析师认可度，计算公式为 (认可业绩分析师数 - 不认可业绩分析师数) / 覆盖分析师数[20] * FNP_QOQ_PERC_3M：预期净利润环比增幅，计算公式为 当前一致预期滚动净利/3月前一致预期净利 - 1[20] * FROE_CHANGE_3M：预期滚动ROE三个月环比，计算公式为 当前一致预期ROE - 3个月前一致预期ROE[20] * UD_PCT：分析师上下调数量差占比，计算公式为 过去3个月(上调家数-下调家数)/总家数 + 总家数/10000[20] 5. **因子名称：景气度因子[20]** 因子构建思路：衡量公司经营状况的变化趋势[20] 因子具体构建过程：包含细分因子 NPYOY_CHANGE：单季净利同比增速环比变化，计算公式为 单季净利同比增速 - 上季度单季净利同比增速[20] 6. **因子名称：分红因子[20]** 因子构建思路：衡量公司的分红回报[20] 因子具体构建过程：包含细分因子 DIVIDEND_RATE：股息率，计算公式为 最近四个季度预案分红金额/总市值[20] 7. **因子名称：公司治理因子[20]** 因子构建思路：从高管激励角度衡量公司治理水平[20] 因子具体构建过程：包含细分因子 MANAGER_SALARY：高管薪酬，取公司前三高管的薪酬[20] 8. **因子名称：PEAD因子[20]** 因子构建思路：捕捉盈余公告后的价格漂移现象[20] 因子具体构建过程：包含多个细分因子： * AOG：盈余公告次日开盘跳空超额，计算公式为 盈余公告次日开盘涨跌幅 - 中证500开盘涨跌幅[20] * ALG：盈余公告次日最低价超额，计算盈余公告次日最低价超额[20] 9. **因子名称：流动性因子[20]** 因子构建思路：从换手率、非流动性冲击等角度衡量股票的流动性[20] 因子具体构建过程：包含多个细分因子： * TURNOVER_1M：一个月日均换手，计算过去20个交易日换手率均值[20] * TURNOVER_3M：三个月日均换手，计算过去60个交易日换手率均值[20] * ILLIQ_1M：一个月非流动性冲击，计算过去20个交易日日度涨跌幅绝对值比成交额的均值[20] * IVR_1M：特异度，计算公式为 1 - 过去20日Fama-French三因子回归拟合度[20] 10. **因子名称：波动率因子[20]** 因子构建思路：衡量股票价格的波动情况[20] 因子具体构建过程：包含多个细分因子： * ATR_1M：一个月真实波动率，计算过去20个交易日日内真实波幅均值[20] * ATR_3M：三个月真实波动率，计算过去60个交易日日内真实波幅均值[20] 11. **因子名称：反转与动量因子[20]** 因子构建思路：捕捉股票价格的短期反转和长期动量效应[20] 因子具体构建过程：包含多个细分因子： * REVERSE_1M：一个月反转，计算过去20个交易日涨跌幅[20] * REVERSE_3M：三个月反转，计算过去60个交易日涨跌幅[20] * MOMENTUM_1M：一年动量，计算剔除近1个月的过去一年涨跌幅[20] * UMR_1M：一个月UMR，计算一个月窗口下风险调整后的UMR动量[20] * UMR_3M：三个月UMR，计算三个月窗口下风险调整后的UMR动量[20] * UMR_6M：六个月UMR，计算六个月窗口下风险调整后的UMR动量[20] * UMR_1Y：一年UMR，计算十二个月窗口下风险调整后的UMR动量[20] 12. **因子名称：机构因子[20]** 因子构建思路：衡量机构投资者的持仓情况[20] 因子具体构建过程：包含细分因子 FUND_HOLD_MV：公募持股市值，取过去半年报/年报中主动股基持股市值[20] 风格因子的回测效果 1. Beta因子，近一周收益3.74%，上一周收益-0.75%，近一月收益10.06%，今年以来收益27.17%，近一年收益59.45%，历史年化收益1.21%[13] 2. Volatility因子，近一周收益3.41%，上一周收益0.45%，近一月收益6.01%，今年以来收益9.97%，近一年收益35.11%，历史年化收益-12.85%[13] 3. Liquidity因子，近一周收益3.34%，上一周收益-1.10%，近一月收益3.92%，今年以来收益20.65%，近一年收益32.29%，历史年化收益-3.28%[13] 4. SOE因子，近一周收益0.63%，上一周收益-0.29%，近一月收益1.44%，今年以来收益7.极因子，近一周收益-0.33%，上一周收益-1.56%，近一月收益-2.55%，今年以来收益-2.67%，近一年收益0.62%，历史年化收益2.63%[13] 6. Certainty因子，近一周收益-0.83%，上一周收益0.87%，极因子，近一周收益-1.51%，上一周收益3.36%，近一月收益0.59%，今年以来收益-30.87%，近一年收益-50.44%，历史年化收益-26.52%[13] 8. Trend因子，近一周收益-1.96%，上一周收益-0.46%，近一月收益-3.40%，今年以来收益-4.05%，近一年收益18.60%，历史极因子，近一周收益-2.14%，上一周收益3.14%，近一月收益-2.79%，今年以来收益-38.32%，近一年收益-59.18%，历史年化收益-29.70%[13] 10. Value因子，近一周收益-2.40%，上一周收益0.85%，近一月收益-6.37%，今年以来收益-15.60%，近一年收益-29.84%，历史年化收益6.76%[13] 细分因子的回测效果 (按选股空间分类) 沪深300样本空间[23] 1. 标准化预期外收入因子，近一周收益1.43%，近一月收益4.03%，今年以来收益8.71%，近1年年化收益10.07%，历史年化收益4.94%[23] 2. 一年动量因子，近一周收益1.31%，近一月收益2.30%，今年以来收益-0.73%，近1年年化收益-8.40%，历史年化收益2.15%[23] 3. 单季营收同比增速因子，近一周收益1.20%，近一月极因子，近一周收益1.05%，近一月收益2.89%，今年以来收益11.20%，近1年年化收益8.13%，历史年化收益3.47%[23] 5. 盈余公告开盘跳空超额因子，近一周收益0.86%，近一月收益3.08%，今年以来收益10.28%，近1年年化收益8.02%，历史年化收益3.52%[23] 6. 分析师认可度因子，近一周收益0.85%，近一月收益2.87%，今年以来收益10.06%，近1年年化收益9.56%，历史年化收益3.72%[23] 7. 公募持股市值因子，近一周收益0.77%，近一月收益3.64%，今年以来收益9.54%，近1年年化收益8.74%，历史年化收益3.75%[23] 8. DELTAROA因子，近一周收益0.69%，近一月收益3.30%，今年以来收益10.17%，近1年年化收益8.97%，历史年化收益4.43极因子，近一周收益0.60%，近一月收益-0.66%，今年以来收益4.09%，近1年年化收益8.70%，历史年化收益1.03%[23] 10. 单季净利同比增速因子，近一周收益0.51%，近一月收益2.94%，今年以来收益9.81%，近1年年化收益5.29%，历史年化收益3.56%[23] 11. DELTAROE因子，近一周收益0.47%，近一月收益3.38%，今年以来收益10.75%，近1年年化收益6.93%，历史年化收益4.19%[23] 12. 标准化预期外盈利因子，近一周收益0.43%，近一月收益3.26%，今年以来收益9.88%，近1年年化收益8.46%，历史年化收益4.59%[23] 13. 预期ROE环比变化因子，近一周收益0.28%，近一月收益1.18%，今年以来收益1.83%，近1年年化收益-5.11%，历史年化收益2.55%[23] 14. 单季ROA因子，近一周收益0.18%，近一月收益3.极因子，近一周收益0.09%，近一月收益0.96%，今年以来极因子，近一周收益0.05%，近一月收益-0.91%，今年以来收益0.01%，近1年年化收益-0.80%，历史年化收益1.67%[23] 17. 盈余公告最低价跳空超额因子，近一周收益0.04%，近一月收益1.99%，今年以来收益6.23%，近1年年化收益4.58%，历史年化收益3.94%[23] 18. 预期净利润环比因子，近一周收益-0.08%，近一月收益0.17%，今年以来收益2.30%，近1年年化收益-2.91%，历史年化收益1.54%[23] 19. 单季ROE因子，近一周收益-0.10%，近一月收益3.05%，今年以来收益10.00%，近1年年化收益9.44%，历史年化收益4.56%[23] 20. 3个月盈利上下调因子，近一周收益-0.21%，近一月收益1.11%，今年以来收益5.59%，近1年年化收益5.73%，历史年化收益5.23%[23] 21. 一个月反转因子，近一周收益-

量化模型与构建方式 1. 股指期货分红点位预测模型 **模型构建思路**：基于历史数据对股指期货合约存续期内标的指数成分股的分红进行预测，以修正基差计算[9] **模型具体构建过程**： 1. 对标的指数（中证500、沪深300、上证50、中证1000）成分股未来一年的分红进行预测 2. 计算各期货合约（当月、次月、当季、下季）存续期内的预期分红点位 3. 具体预测值（2025年8月22日）： - 中证500：未来一年分红点位87.44，各合约存续期内分红点位均为0.05[9][11] - 沪深300：未来一年分红点位83.62，各合约存续期内分红点位均为2.45[12][15] - 上证50：未来一年分红点位66.77，各合约存续期内分红点位均为0.85[17][18] - 中证1000：未来一年分红点位66.50，各合约存续期内分红点位均为0.39[19][20] 2. 基差修正模型 **模型构建思路**：剔除分红影响，计算真实反映市场情绪的基差水平[21] **模型具体构建过程**： 1. 计算实际基差：合约收盘价 - 标的指数收盘价 2. 计算预期分红调整后的基差： $$预期分红调整后基差 = 实际基差 + 存续期内未实现的预期分红$$ 3. 年化处理： $$年化基差 = \frac{实际基差 + 预期分红点位}{指数价格} \times \frac{360}{合约剩余天数}$$[21] 3. 期现对冲策略模型 **模型构建思路**：通过持有现货并做空期货合约实现对冲，考虑基差收敛特性进行优化[44][46] **模型具体构建过程**： 包含两种策略： 3.1 连续对冲策略 1. **现货端**：持有标的指数的全收益指数，使用70%资金 2. **期货端**：做空相同名义本金的股指期货合约，使用30%资金 3. **调仓规则**：连续持有季月/当月合约，直至离到期剩余不足2日，以收盘价平仓并开仓下一合约[45] 3.2 最低贴水策略 1. **现货端**：持有标的指数的全收益指数，使用70%资金 2. **期货端**：做空相同名义本金的股指期货合约，使用30%资金 3. **调仓规则**： - 计算所有可交易合约的年化基差 - 选择年化基差贴水幅度最小的合约开仓 - 同一合约持有8个交易日或离到期不足2日时调仓 - 排除剩余到期日不足8日的合约[46] 4. 信达波动率指数（Cinda-VIX） **因子构建思路**：反映期权市场投资者对标的资产未来波动率的预期，借鉴海外经验并结合中国场内期权市场实际情况[62] **因子具体构建过程**：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》中的算法编制[62] 5. 信达偏度指数（Cinda-SKEW） **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，衡量市场对尾部风险的预期[67] **因子具体构建过程**：通过分析虚值看涨期权与看跌期权的隐含波动率偏斜程度编制[67] 模型的回测效果 1. 中证500股指期货期现对冲策略（2022年7月22日至2025年8月22日） | 策略类型 | 年化收益 | 波动率 | 最大回撤 | 净值 | 年换手次数 | 2025年以来收益 | |---------|---------|--------|----------|------|------------|---------------| | 当月连续对冲 | -3.07% | 3.82% | -9.27% | 0.9086 | 12 | -4.60% | | 季月连续对冲 | -2.31% | 4.71% | -8.34% | 0.9307 | 4 | -2.33% | | 最低贴水策略 | -1.40% | 4.60% | -7.97% | 0.9577 | 17.24 | -2.11% | | 指数表现 | 2.68% | 20.96% | -31.46% | 1.0848 | —— | 23.03% |[48] 2. 沪深300股指期货期现对冲策略（2022年7月22日至2025年8月22日） | 策略类型 | 年化收益 | 波动率 | 最大回撤 | 净值 | 年换手次数 | 2025年以来收益 | |---------|---------|--------|----------|------|------------|---------------| | 当月连续对冲 | 0.38% | 2.97% | -3.95% | 1.0116 | 12 | -1.18% | | 季月连续对冲 | 0.52% | 3.32% | -4.03% | 1.0160 | 4 | -0.38% | | 最低贴水策略 | 1.18% | 3.10% | -4.06% | 1.0366 | 15.29 | 0.30% | | 指数表现 | 1.06% | 17.05% | -25.59% | 1.0330 | —— | 14.60% |[53] 3. 上证50股指期货期现对冲策略（2022年7月22日至2025年8月22日） | 策略类型 | 年化收益 | 波动率 | 最大回撤 | 净值 | 年换手次数 | 2025年以来收益 | |---------|---------|--------|----------|------|------------|---------------| | 当月连续对冲 | 0.97% | 3.08% | -4.22% | 1.0302 | 12 | -0.06% | | 季月连续对冲 | 1.87% | 3.49% | -3.76% | 1.0585 | 4 | 0.91% | | 最低贴水策略 | 1.63% | 3.09% | -3.91% | 1.0511 | 15.94 | 0.99% | | 指数表现 | 0.91% | 16.27% | -22.96% | 1.0281 | —— | 12.19% |[57] 4. 中证1000股指期货期现对冲策略（2022年7月22日至2025年8月22日） | 策略类型 | 年化收益 | 波动率 | 最大回撤 | 净值 | 年换手次数 | 2025年以来收益 | |---------|---------|--------|----------|------|------------|---------------| | 当月连续对冲 | -6.21% | 4.72% | -14.01% | 0.8345 | 12 | -10.38% | | 季月连续对冲 | -4.69% | 5.76% | -12.63% | 0.8580 | 4 | -6.09% | | 最低贴水策略 | -4.04% | 5.55% | -11.11% | 0.8702 | 15.91 | -5.26% | | 指数表现 | 0.78% | 25.69% | -41.60% | 0.9387 | —— | 27.01% |[59] 因子的回测效果 1. 信达波动率指数（Cinda-VIX）取值（2025年8月22日） - 上证50VIX_30: 24.31[62][63] - 沪深300VIX_30: 22.97[62][63] - 中证500VIX_30: 32.58[62][63] - 中证1000VIX_30: 29.50[62][63] 2. 信达偏度指数（Cinda-SKEW）取值（2025年8月22日） - 上证50SKEW: 99.82[68][71] - 沪深300SKEW: 104.77[68][71] - 中证500SKEW: 98.22[68][71] - 中证1000SKEW: 106.46[68][71]

量化模型与因子总结 量化模型与构建方式 1. **模型名称：择时系统**[7] **模型构建思路**：通过多个指标综合判断市场状态，包括趋势强度和超涨超跌状态，用于监控市场并提示潜在风险[7] **模型具体构建过程**： - 包含趋势指标，用于判断当前市场趋势的强度[7] - 包含低频温度计和超低频温度计，这两个指标用于刻画市场的超涨和超跌状态[7] - 超涨状态的触发规则：如果市场保持快速上涨势头，指标数值可能上穿至预设的风险阈值之上，从而触发超涨信号[7] 2. **模型名称：四轮驱动模型**[17] **模型构建思路**：识别不同行业、板块或大类资产的交易机会，基于价格行为、调整形态和成交量变化进行判断[17] **模型具体构建过程**： - 模型输出一系列交易信号，每个信号包含日期、标的代码、标的名称、信号类型（如“交易机会”）和简要的研判理由[17] - 研判理由通常基于技术分析，例如：“处于偏强的区间震荡中”、“调整过程属于偏强势的调整形态”、“开始放量上涨上穿多根均线”、“在突破前高之前先进行高位震荡整理，当下有放量上涨迹象”等[17] - 模型覆盖的标的包括宽基指数（如科创50、中证800）、行业指数（如中证TMT）、主题及大类资产（如白银、欧元兑美元汇率）[17] 3. **因子名称：股债收益差**[7] **因子构建思路**：通过计算股票市场收益率与债券收益率之间的差异，并结合其历史波动情况（标准差），来评估股票市场的相对吸引力和潜在风险[7] **因子具体构建过程**： - 报告中提及的预警条件为股债收益差是否来到“2倍标准差附近”[7] - 该因子被用作监控市场是否可能出现较大级别调整的观察视角之一[7] 4. **因子名称：成交金额占比（拥挤度）**[2][8] **因子构建思路**：通过计算某板块成交金额占市场总成交额的比例，来衡量该板块的交易热度和情绪泡沫化程度[2][8] **因子具体构建过程**： - 报告以TMT板块为例，其成交金额占比约为34%[2][8] - 通过对比该比例与近两年的高点距离，来判断情绪是否过热（例如：认为当前TMT板块情绪并未到过于泡沫化状态）[2][8] - 同时监测周期和消费类板块的成交金额占比，发现其处于近两年低点附近[2][8] 5. **因子名称：低频温度计**[7] **因子构建思路**：用于刻画市场的超涨或超跌状态，是一个低频监控指标[7] **因子具体构建过程**：报告中未详细描述其具体计算公式，但明确指出其功能是刻画超涨超跌，并设有风险阈值[7] 6. **因子名称：超低频温度计**[7] **因子构建思路**：用于刻画市场的超涨或超跌状态，是一个超低频监控指标[7] **因子具体构建过程**：报告中未详细描述其具体计算公式，但明确指出其功能是刻画超涨超跌，并设有风险阈值[7] 模型的回测效果 （报告中未提供相关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，故本节省略） 因子的回测效果 （报告中未提供相关因子的具体回测指标数值，如IC值、IR、多空收益等，故本节省略）

量化模型与因子总结 量化模型与构建方式 1. **模型名称：国信金工指数增强组合模型**[12] **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，分别以沪深300、中证500、中证1000及中证A500指数为基准构建指数增强组合[12] 2. **模型名称：单因子MFE组合模型**[15][39] **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，通过最大化单因子暴露组合来检验因子有效性[39] **模型具体构建过程**：采用组合优化模型构建最大化单因子暴露组合，目标函数为最大化单因子暴露，约束条件包括风格暴露、行业暴露、个股权重偏离、成分股内权重占比、个股权重上下限等[39][40] 优化模型公式为： $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ 其中，f为因子取值，w为待求解的股票权重向量，wb为基准指数成分股的权重向量，X为股票对风格因子的因子暴露矩阵，H为股票的行业暴露矩阵，Bb为个股是否属于基准指数成分股的0-1向量，sl、sh、hl、hh、wl、wh、bl、bh、l为各种约束条件的上下限[40] 具体构建过程包括：设定约束条件，在每个月末构建每个单因子的MFE组合，在回测期内换仓并计算收益风险统计指标[43] 3. **模型名称：公募重仓指数模型**[41][42] **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[41] **模型具体构建过程**：选样空间为普通股票型基金和偏股混合型基金，剔除规模小于五千万且上市时间不足半年的基金，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%的股票作为成分股构建指数[42] 模型的回测效果 1. **国信金工指数增强组合模型**，本周超额收益-0.87%，本年超额收益11.58%[5][14] 2. **国信金工指数增强组合模型**，本周超额收益-0.22%，本年超额收益11.11%[5] 3. **国信金工指数增强组合模型**，本周超额收益0.02%，本年超额收益14.85%[5] 4. **国信金工指数增强组合模型**，本周超额收益-1.49%，本年超额收益10.27%[5] 量化因子与构建方式 1. **因子名称：BP**[17] **因子构建思路**：估值因子[17] **因子具体构建过程**：净资产/总市值[17] 2. **因子名称：单季EP**[17] **因子构建思路**：估值因子[17] **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**[17] **因子构建思路**：估值因子[17] **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**[17] **因子构建思路**：估值因子[17] **因子具体构建过程**：归母净利润TTM/总市值[17] 5. **因子名称：SPTTM**[17] **因子构建思路**：估值因子[17] **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**[17] **因子构建思路**：估值因子[17] **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**[17] **因子构建思路**：估值因子[17] **因子具体构建过程**：最近四个季度预案分红金额/总市值[17] 8. **因子名称：一个月反转**[17] **因子构建思路**：反转因子[17] **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**[17] **因子构建思路**：反转因子[17] **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**[17] **因子构建思路**：动量因子[17] **因子具体构建过程**：近一年除近一月后动量[17] 11. **因子名称：单季净利同比增速**[17] **因子构建思路**：成长因子[17] **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**[17] **因子构建思路**：成长因子[17] **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**[17] **因子构建思路**：成长因子[17] **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**[17] **因子构建思路**：成长因子[17] **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**[17] **因子构建思路**：成长因子[17] **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**[17] **因子构建思路**：成长因子[17] **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] 17. **因子名称：单季ROE**[17] **因子构建思路**：盈利因子[17] **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**[17] **因子构建思路**：盈利因子[17] **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**[17] **因子构建思路**：盈利因子[17] **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**[17] **因子构建思路**：盈利因子[17] **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[17] 21. **因子名称：非流动性冲击**[17] **因子构建思路**：流动性因子[17] **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**[17] **因子构建思路**：流动性因子[17] **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**[17] **因子构建思路**：流动性因子[17] **因子具体构建过程**：过去60个交易日换手率均值[17] 24. **因子名称：特异度**[17] **因子构建思路**：波动因子[17] **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**[17] **因子构建思路**：波动因子[17] **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**[17] **因子构建思路**：波动因子[17] **因子具体构建过程**：过去60个交易日日内真实波幅均值[17] 27. **因子名称：高管薪酬**[17] **因子构建思路**：公司治理因子[17] **因子具体构建过程**：前三高管报酬总额取对数[17] 28. **因子名称：预期EPTTM**[17] **因子构建思路**：分析师因子[17] **因子具体构建过程**：一致预期滚动EP[17] 29. **因子名称：预期BP**[17] **因子构建思路**：分析师因子[17] **因子具体构建过程**：一致预期滚动PB[17] 30. **因子名称：预期PEG**[17] **因子构建思路**：分析师因子[17] **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**[17] **因子构建思路**：分析师因子[17] **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**[17] **因子构建思路**：分析师因子[17] **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**[17] **因子构建思路**：分析师因子[17] **因子具体构建过程**：过去3个月内机构覆盖数量[17] 34. **因子名称：标准化预期外收入**[19] **因子构建思路**：成长因子[19] **因子具体构建过程**：未在文档中详细说明，但参考SUE和SUR，可能为（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][19] 35. **因子名称：标准化预期外盈利**[19] **因子构建思路**：成长因子[19] **因子具体构建过程**：未在文档中详细说明，但参考SUE和SUR，可能为（单季度实际净利润-预期净利润）/预期净利润标准差[17][19] 因子的回测效果 1. **标准化预期外收入因子**，最近一周1.35%，最近一月3.78%，今年以来8.35%，历史年化4.81%[19] 2. **一年动量因子**，最近一周1.27%，最近一月1.98%，今年以来-1.17%，历史年化2.15%[19] 3. **单季营收同比增速因子**，最近一周1.08%，最近一月3.86%，今年以来11.82%，历史年化4.52%[19] 4. **单季营利同比增速因子**，最近一周0.99%，最近一月2.49%，今年以来10.53%，历史年化3.40%[19] 5. **三个月反转因子**，最近一周0.53%，最近一月-0.97%，今年以来3.85%，历史年化1.04%[19] 6. **DELTAROA因子**，最近一周0.49%，最近一月2.54%，今年以来9.15%，历史年化4.47%[19] 7. **单季净利同比增速因子**，最近一周0.48%，最近一月2.71%，今年以来9.66%，历史年化3.59%[19] 8. **标准化预期外盈利因子**，最近一周0.39%，最近一月2.87%，今年以来9.33%，历史年化4.37%[19] 9. **三个月机构覆盖因子**，最近一周0.27%，最近一月1.30%，今年以来7.51%，历史年化3.06%[19] 10. **三个月盈利上下调因子**，最近一周0.24%，最近一月1.28%，今年以来5.21%，历史年化5.49%[19] 11. **DELTAROE因子**，最近一周0.07%，最近一月2.58%，今年以来10.00%，历史年化4.08%[19] 12. **单季ROA因子**，最近一周-0.05%，最近一月3.33%，今年以来8.74%，历史年化3.81%[19] 13. **单季ROE因子**，最近一周-0.29%，最近一月2.50%，今年以来9.35%，历史年化4.53%[19] 14. **预期PEG因子**，最近一周-0.33%，最近一月1.37%，今年以来7.32%，历史年化3.45%[19] 15. **预期净利润环比因子**，最近一周-0.38%，最近一月-0.16%，今年以来2.16%，历史年化1.59%[19] 16. **一个月反转因子**，最近一周-0.39%，最近一月-1.49%，今年以来2.80%，历史年化-0.17%[19] 17. **单季超预期幅度因子**，最近一周-0.44%，最近一月1.12%，今年以来5.82%，历史年化3.69%[19] 18. **单季SP因子**，最近一周-0.54%，最近一月-0.91%，今年以来-0.38%，历史年化2.86%[19] 19. **EPTTM年分位点因子**，最近一周-0.60%，最近一月-0.24%，今年以来5.55%，历史年化2.45%[19] 20. **特异度因子**，最近一周-0.64%，最近一月-2.04%，今年以来2.29%，历史年化0.26%[19] 21. **SPTTM因子**，最近一周-0.69%，最近一月-1.03%，今年以来-1.92%，历史年化2.05%[19] 22. **非流动性冲击因子**，最近一周-0.77%，最近一月-2.15%，今年以来-1.61%，历史年化0.29%[19] 23. **高管薪酬因子**，最近一周-0.88%，最近一月0.26%，今年以来3.88%，历史年化3.43%[19] 24. **BP因子**，最近一周-0.89%，最近一月-1.61%，今年以来-0.80%，历史年化2.67%[19] 25. **三个月换手因子**，最近一周-0.92%，最近一月-1.49%，今年以来-2.85%，历史年化2.80%[19] 26. **预期BP因子**，最近一周-0.96%，最近一月-1.32%，今年以来0.38%，历史年化3.36%[19] 27. **预期EPTTM因子**，最近一周-0.97%，最近一月-0.48%，今年以来3.65%，历史年化3.96%[19] 28. **一个月波动因子**，最近一周-1.00%，最近一月-3.36%，今年以来-2.46%，历史年化0.98%[19] 29. **三个月波动因子**，最近一周-1.08%，最近一月-3.35%，今年以来-2.75%，历史年化1.91%[19] 30. **股息率因子**，最近一周-1.10%，最近一月-0.58%，今年以来1.10%，历史年化3.76%[19] 31. **一个月换手因子**，最近一周-1.12%，最近一月-1.68%，今年以来-3.54%，历史年化1.64%[19] 32. **单季EP因子**，最近一周-1.23%，最近一月-0.70%，今年以来4.46%，历史极差5.28%[19] 33. **EPTTM因子**，最近一周-1.35%，最近一月-0.46%，今年以来2.92%，历史年化4.37%[19]

量化模型与因子总结 量化模型与构建方式 1. **模型名称**：封板率模型[17] **模型构建思路**：通过统计股票日内涨停表现来反映市场打板情绪[17] **模型具体构建过程**： 1. 筛选上市满3个月以上的股票[17] 2. 识别当日最高价涨停的股票集合 3. 识别当日收盘涨停的股票集合 4. 计算封板率： $$封板率 = \frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$[17] **模型评价**：反映市场短期投机情绪和资金封板力度[17] 2. **模型名称**：连板率模型[17] **模型构建思路**：通过统计连续涨停股票数量来反映市场追涨情绪[17] **模型具体构建过程**： 1. 筛选上市满3个月以上的股票[17] 2. 识别昨日收盘涨停的股票集合 3. 识别当日收盘涨停的股票集合 4. 计算连板率： $$连板率 = \frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$[17] **模型评价**：反映市场强势股的持续性和资金接力意愿[17] 3. **模型名称**：大宗交易折价率模型[26] **模型构建思路**：通过大宗交易成交价与市价的差异反映大资金情绪[26] **模型具体构建过程**： 1. 获取当日大宗交易成交数据[26] 2. 计算大宗交易总成交金额 3. 计算当日成交份额的总市值 4. 计算折价率： $$折价率 = \frac{大宗交易总成交金额}{当日成交份额的总市值} - 1$$[26] **模型评价**：折价率高低反映大资金出货意愿和流动性溢价水平[26] 4. **模型名称**：股指期货年化贴水率模型[28] **模型构建思路**：通过期现价差反映市场对未来预期和套利成本[28] **模型具体构建过程**： 1. 获取股指期货主力合约价格和现货指数价格[28] 2. 计算基差：基差 = 期货价格 - 现货价格 3. 计算年化贴水率： $$年化贴水率 = \frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$[28] **模型评价**：升水反映市场乐观预期，贴水反映悲观预期，影响对冲成本[28] 模型的回测效果 1. **封板率模型**，20250822当日封板率84%[17]，较前日提升25%[17] 2. **连板率模型**，20250822当日连板率25%[17]，较前日提升13%[17] 3. **大宗交易折价率模型**，近半年平均折价率5.91%[26]，20250821当日折价率4.19%[26] 4. **股指期货年化贴水率模型**，近一年中位数：上证500.34%[28]、沪深3002.38%[28]、中证5009.23%[28]、中证100011.13%[28]；20250822当日值：上证50升水5.71%[28]、沪深300升水4.57%[28]、中证500贴水2.28%[28]、中证1000贴水2.43%[28] 量化因子与构建方式 1. **因子名称**：昨日涨停因子[14] **因子构建思路**：通过昨日涨停股票今日收益表现反映涨停股次日溢价效应[14] **因子具体构建过程**： 1. 筛选上市满3个月且昨日收盘涨停的股票[14] 2. 计算该股票集合今日的收盘收益 3. 因子取值为该股票集合的等权平均收益 **因子评价**：反映市场对涨停股的持续追捧程度[14] 2. **因子名称**：昨日跌停因子[14] **因子构建思路**：通过昨日跌停股票今日收益表现反映跌停股次日反转效应[14] **因子具体构建过程**： 1. 筛选上市满3个月且昨日收盘跌停的股票[14] 2. 计算该股票集合今日的收盘收益 3. 因子取值为该股票集合的等权平均收益 **因子评价**：反映市场极跌后的短期修复能力[14] 因子的回测效果 1. **昨日涨停因子**，20250822当日收益1.94%[14] 2. **昨日跌停因子**，20250822当日收益-0.57%[14]