量化模型与构建方式 1. 五维行业轮动模型 **模型名称**：五维行业轮动模型[8] **模型构建思路**：基于行业内部普遍存在的风格差异，利用风格指标对行业内部股票进行划分，通过构建行业内部离散指标与行业内部牵引指标合成行业最终因子[8] **模型具体构建过程**：以东吴金工特色选股多因子体系为基础，从微观个股层面出发构造模型[8] 根据东吴金工特色多因子划分标准对微观因子进行种类划分，将微观因子划分为五大类：波动率、基本面、成交量、情绪、动量[8] 以大类选股因子的风格偏好为参照，构建行业内部离散指标与行业内部牵引指标，最终得到五类合成行业因子[8] 构建了包含波动率、基本面、成交量、情绪、动量的五维行业轮动模型[8] **模型评价**：该模型从微观个股层面出发，能够捕捉行业内部的风格差异，具有较强的行业轮动能力[8] 量化因子与构建方式 1. 波动率因子 **因子名称**：波动率因子[8][17] **因子构建思路**：作为五维行业轮动模型的五大基础因子之一，用于衡量行业的波动特性[8] **因子具体构建过程**：基于行业内部股票的风格差异，利用波动率相关的风格指标对行业内部股票进行划分，构建行业内部离散指标与行业内部牵引指标，最终合成波动率行业因子[8] 2. 基本面因子 **因子名称**：基本面因子[8][17] **因子构建思路**：作为五维行业轮动模型的五大基础因子之一，用于衡量行业的基本面状况[8] **因子具体构建过程**：基于行业内部股票的风格差异，利用基本面相关的风格指标对行业内部股票进行划分，构建行业内部离散指标与行业内部牵引指标，最终合成基本面行业因子[8] 3. 成交量因子 **因子名称**：成交量因子[8][17] **因子构建思路**：作为五维行业轮动模型的五大基础因子之一，用于衡量行业的成交量特征[8] **因子具体构建过程**：基于行业内部股票的风格差异，利用成交量相关的风格指标对行业内部股票进行划分，构建行业内部离散指标与行业内部牵引指标，最终合成成交量行业因子[8] 4. 情绪因子 **因子名称**：情绪因子[8][17] **因子构建思路**：作为五维行业轮动模型的五大基础因子之一，用于衡量市场的情绪面变化[8] **因子具体构建过程**：基于行业内部股票的风格差异，利用情绪相关的风格指标对行业内部股票进行划分，构建行业内部离散指标与行业内部牵引指标，最终合成情绪行业因子[8] 5. 动量因子 **因子名称**：动量因子[8][17] **因子构建思路**：作为五维行业轮动模型的五大基础因子之一，用于捕捉行业的动量效应[8] **因子具体构建过程**：基于行业内部股票的风格差异，利用动量相关的风格指标对行业内部股票进行划分，构建行业内部离散指标与行业内部牵引指标，最终合成动量行业因子[8] 6. 合成因子 **因子名称**：合成因子[17] **因子构建思路**：将五个维度的因子进行综合，构建最终的行业轮动评分[17] **因子具体构建过程**：通过将波动率、基本面、成交量、情绪、动量五个维度的因子进行加权合成，得到每个行业的综合评分，用于行业轮动决策[17] 模型的回测效果 1. 五维行业轮动模型（多空对冲） **年化收益率**：21.41%[3][17] **年化波动率**：10.83%[3][17] **信息比率**：1.98[3][17] **月度胜率**：72.58%[3][17] **历史最大回撤**：13.30%[3][17] 2. 五维行业轮动模型（多头超额） **年化收益率**：10.50%[3][18] **年化波动率**：6.56%[3][18] **信息比率**：1.60[3][18] **月度胜率**：70.16%[3][18] **历史最大回撤**：9.36%[3][18] 因子的回测效果 1. 波动率因子 **年化收益率**：10.64%[17] **波动率**：10.38%[17] **信息比率**：1.02[17] **胜率**：59.69%[17] **最大回撤**：14.81%[17] **IC**：-0.08[17] **ICIR**：-1.36[17] **RankIC**：-0.06[17] **RankICIR**：-1.01[17] 2. 基本面因子 **年化收益率**：7.31%[17] **波动率**：12.10%[17] **信息比率**：0.60[17] **胜率**：56.59%[17] **最大回撤**：26.32%[17] **IC**：0.15[17] **ICIR**：3.25[17] **RankIC**：0.04[17] **RankICIR**：0.72[17] 3. 成交量因子 **年化收益率**：8.20%[17] **波动率**：11.74%[17] **信息比率**：0.70[17] **胜率**：59.69%[17] **最大回撤**：18.40%[17] **IC**：-0.06[17] **ICIR**：-0.99[17] **RankIC**：-0.07[17] **RankICIR**：-0.95[17] 4. 情绪因子 **年化收益率**：7.93%[17] **波动率**：12.78%[17] **信息比率**：0.62[17] **胜率**：64.34%[17] **最大回撤**：14.79%[17] **IC**：0.03[17] **ICIR**：0.51[17] **RankIC**：0.03[17] **RankICIR**：0.49[17] 5. 动量因子 **年化收益率**：11.26%[17] **波动率**：10.56%[17] **信息比率**：1.07[17] **胜率**：60.16%[17] **最大回撤**：13.52%[17] **IC**：0.02[17] **ICIR**：0.40[17] **RankIC**：0.05[17] **RankICIR**：0.74[17] 6. 合成因子 **年化收益率**：21.41%[17] **波动率**：10.83%[17] **信息比率**：1.98[17] **胜率**：72.58%[17] **最大回撤**：13.30%[17] **IC**：-0.03[17] **ICIR**：-0.63[17] **RankIC**：-0.10[17] **RankICIR**：-1.59[17]

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. 模型名称：CPPI + 风险预算基础模型 - **模型构建思路**：该模型旨在解决传统风险平价模型在备选资产波动率差异大时，过于集中配置低风险资产导致组合弹性不足的问题。其核心思路是首先利用固定比例保本策略（CPPI）对高波动的风险资产（权益资产和黄金）进行风险优化，平抑其波动率与回撤，然后将处理后的CPPI组合视为新的资产，再应用风险预算模型进行资产配置[10][35][68]。 - **模型具体构建过程**： 1. **CPPI组合构建**：对7个权益资产和1个黄金资产分别构建CPPI组合[35][42][45]。 - **参数设置**： - 保本周期：1个自然年度[52]。 - 保本比例（λ）：[60%, 70%, 80%][52][93]。 - 风险乘数（m）：[2, 3][52][93]。 - 风险资产上限（b）：[70%, 80%, 90%][52][93]。 - 无风险资产：使用货币基金，其预期年化收益率为保本期前一个自然年度的货基真实收益率[52]。 - 换仓频率：月度换仓（每月最后一个交易日收盘价计算比例，下月第一个交易日调仓）[39][64]。 - **计算步骤**： 1. 计算保本期末的保本金额：$$F_{T} = V_{0} \times \lambda$$，其中 $$V_{0}$$ 为保本周期初组合初始净值，$$\lambda$$ 为保本比例[35][41]。 2. 计算当前时点（t）为实现保本目标应投资于无风险资产的最低金额（$$F_{t}$$，即保本金额的折现值）：$$F_{t}=F_{T}\times e^{-r(T-t)}$$，其中r为无风险资产年化预期收益率，T为保本期末[35]。 3. 计算安全垫（Cushion）：$$C_{t}=V_{t}-F_{t}$$，其中 $$V_{t}$$ 为t时刻组合总价值[36]。 4. 计算可投资于风险资产的金额（$$E_{t}$$）：$$E_{t}=max\{min\{m \times C_{t}, b \times V_{t}\}, 0\}$$，其中m为风险乘数，b为风险资产上限[37][38]。 5. 投资于无风险资产的金额为：$$B_{t}=V_{t}-E_{t}$$[38]。 2. **风险预算模型构建**：将各风险资产的CPPI组合与债券资产（中债0-3年国开债）、货币基金共同作为风险预算模型的备选资产池[68]。 - **最优化问题**：目标是使各资产的实际风险贡献（RC）与预设的风险预算（RB）偏差平方和最小。目标函数为：$$Objective\,function=\sum_{i=1}^{n}(RC_{i}-RB_{i})^{2}$$[68]。 - **优化算法**：使用scipy库的minimize函数，方法为SLSQP，最大循环次数（maxiter）为500，梯度范数容差阈值（gtol）为1e-5。为避免局部最优，分别使用等权和上期权重作为初始猜测，选择目标函数更小的结果[68][69][73]。 - **风险预算比例分配方式**（即因子构建）： - **波动率排名**：根据各CPPI组合在过去J个交易日的日度收益率波动率进行排名，波动率越高，分配的风险预算比例越高[70][72]。 - **上行波动率排名**：根据各CPPI组合在过去J个交易日的日度收益率的上行波动率（仅计算正收益日的波动率）进行排名，上行波动率越高，分配的风险预算比例越高[70][72]。 - **收益率排名（动量）**：根据各CPPI组合在过去J个交易日的收益率进行排名，收益率越高，分配的风险预算比例越高[70][72]。 - 参数J（窗口长度）的遍历范围为[21, 63, 126, 252]个交易日[74][93]。 - **资产仓位限制**： - 外股（美股+日股）CPPI组合总持仓不超过20%[2][67]。 - 黄金CPPI组合持仓不超过20%[2][67]。 - 货币基金持仓介于5%-10%之间。在得到风险预算权重后，计算货基配置比例，若低于5%则用债券补足，若超过10%则将超出部分分配给债券[2][67]。 - **换仓频率**：月度换仓[64]。 2. 模型名称：日度净值监控机制 - **模型构建思路**：为解决基础模型受月度换仓频率限制，难以应对市场短期剧烈波动导致大幅回撤的问题，在基础模型之上增加一个日度监控层。该机制通过每日监控基础模型的净值，在检测到短期大幅回撤风险时，主动将组合仓位切换至防御状态（95%债券+5%货基），以止损并控制回撤；当市场企稳后，再切换回基础模型的配置比例[2][78][79]。 - **模型具体构建过程**： 1. **监控标的**：基于"CPPI + 风险预算"基础模型的日度净值[79]。 2. **触发预警条件（进入防御状态）**：当基础模型净值满足以下两个条件时触发： - 近期最大回撤超过阈值θ：计算基础模型净值滚动N日的最大回撤，若该值超过阈值θ[80][89]。 - 净值低于均线：基础模型净值低于其M日移动平均线[80][89]。 3. **退出预警条件（恢复正常配置）**：当基础模型净值自下而上穿越其M日移动平均线时退出预警状态[80][81]。 4. **调仓规则**：T日产生信号，T+1日执行调仓[81]。 5. **信号处理细节**： - 连续触发预警信号仅首次有效，以避免信号干扰[84][85]。 - 未退出预警状态前，忽略其他进入预警的信号[86][87]。 6. **参数设置**： - 滚动最大回撤窗口（N）：[2, 3, 5, 10]个交易日[89][93]。 - 最大回撤阈值（θ）：从-0.5%到-5.0%，共11个备选值[89][93]。 - 退出预警上穿均线（M）：[2, 3, 5, 10, 15]个交易日[89][93]。 模型的回测效果 以下展示在不同最大回撤约束条件下，通过参数遍历优选出的最佳组合的回测表现。回测区间为2012年1月4日至2025年8月5日[64]。 | 风险偏好类别 | 优选风险预算方式 | 年化收益 | 最大回撤 | 年化波动率 | 夏普比率 | 卡玛比率 | 年化预警次数 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 低风险偏好（最大回撤≤3%） | 上行波动率排名 | 6.82%[95][96] | -2.91%[95][96] | 3.09%[96] | 2.207[96] | 2.344[96] | 2.9[96] | | 中风险偏好（最大回撤≤5%） | 上行波动率排名 | 7.66%[95][108] | -4.97%[95][108] | 3.81%[108] | 2.010[108] | 1.541[108] | 0.9[108] | | 高风险偏好（无最大回撤限制） | 波动率排名 | 8.15%[95][121] | -6.36%[95][121] | 5.02%[121] | 1.622[121] | 1.281[121] | 1.0[121] | 量化因子与构建方式 本报告的核心在于资产配置模型的构建，其风险预算分配方式依赖于以下三类因子来确定各资产的风险预算比例： 1. 因子名称：波动率排名因子 - **因子构建思路**：基于风险平价思想，认为波动率越高的资产，其风险贡献应越大，因此应分配更高的风险预算比例，以期各资产对组合的风险贡献相对均衡[70]。 - **因子具体构建过程**：对于每个备选资产（CPPI处理后的组合），计算其在过去J个交易日的日度收益率的年化波动率。然后根据计算出的波动率数值对所有备选资产进行排名，波动率最高者排名第一。最终的风险预算比例根据此排名分配，排名越靠前（波动率越高），分配的比例越高[70][72]。参数J的遍历取值为21, 63, 126, 252个交易日[74][93]。 2. 因子名称：上行波动率排名因子 - **因子构建思路**：在波动率因子的基础上进行改进，只考虑资产上涨时的波动（上行波动率），旨在更侧重资产带来正收益的能力，而非总体风险[70]。 - **因子具体构建过程**：对于每个备选资产，首先筛选出在过去J个交易日中日度收益率为正的数据点。然后计算这些正收益数据的年化波动率，即上行波动率。根据计算出的上行波动率数值对所有备选资产进行排名，上行波动率最高者排名第一。最终的风险预算比例根据此排名分配[70][72]。参数J的遍历取值为21, 63, 126, 252个交易日[74][93]。 3. 因子名称：收益率排名因子（动量因子） - **因子构建思路**：基于动量效应，认为近期表现好的资产在未来短期内更有可能延续强势表现，因此应分配更高的风险预算比例以捕捉趋势[70]。 - **因子具体构建过程**：对于每个备选资产，计算其在过去J个交易日的总收益率。然后根据计算出的收益率数值对所有备选资产进行排名，收益率最高者排名第一。最终的风险预算比例根据此排名分配[70][72]。参数J的遍历取值为21, 63, 126, 252个交易日[74][93]。 因子的回测效果 报告中未单独提供上述因子在选股或截面上的传统IC、IR等测试结果。这些因子的效果最终体现在其驱动的风险预算模型所构建的资产组合的整体表现中，具体回测效果详见上文“模型的回测效果”部分。作为方法对比，报告展示了不经过CPPI处理，直接使用原始资产并应用这三种风险预算分配方式的结果，其表现（如最大回撤、卡玛比率等）均逊于“CPPI+日度监控”的完整模型，从而间接证明了CPPI风险优化环节以及日度监控机制的有效性[139][140]。

金融工程研究团队 魏建榕（首席分析师） 证书编号：S0790519120001 2025 年 11 月 03 日 傅开波（分析师） 证书编号：S0790520090003 高 鹏（分析师） 证书编号：S0790520090002 苏俊豪（分析师） 证书编号：S0790522020001 胡亮勇（分析师） 证书编号：S0790522030001 王志豪（分析师） 证书编号：S0790522070003 盛少成（分析师） 证书编号：S0790523060003 何申昊（分析师） 证书编号：S0790524070009 蒋 韬（分析师） 证书编号：S0790525070001 相关研究报告 《开源量化评论（23）-"金股+"组 合的量化方案》-2021.4.26 《开源量化评论（32）-券商金股的内 部收益结构》-2021.8.29 券商金股解析月报（2025 年 11 月） ——金融工程定期 魏建榕（分析师） 高鹏（分析师） weijianrong@kysec.cn 证书编号：S0790519120001 gaopeng@kysec.cn 证书编号：S0790520090002 11 月份券商金股特征解析 11 ...

权益市场波动率呈放大状态，小盘相对占优 股票市场概览 本周 A 股上涨，港股下跌，美股上涨，其他海外权益市场走势分化。 A 股风格与拥挤度 成长 vs 红利：相对拥挤度及超额净值近期上涨至历史较高位置，需 注意成长风格的配置风险。 金融工程| 证券研究报告 —周报 2025 年 11 月 3 日 中银量化大类资产跟踪 A 股估值与股债性价比 A 股资金面 机构调研活跃度 当前机构调研活跃度历史分位居前的行业为石油石化、钢铁、消费者 服务，居后的行业为医药、银行、计算机。 利率市场 本周中国国债利率下跌，美国国债利率上涨，中美利差处于历史高位。 汇率市场 小盘 vs 大盘：相对拥挤度及超额净值均未处于历史高位，小盘风格 当前具有较高的配置性价比。 微盘股 vs 中证 800：相对拥挤度及超额净值持续处于历史高位，需注 意微盘股风格的配置风险。 A 股行情跟踪 近一周在岸人民币较美元升值，离岸人民币较美元升值。 商品市场 本周中国商品市场整体下跌，美国商品市场整体上涨。 风险提示 量化模型因市场剧烈变动失效。 中银国际证券股份有限公司 具备证券投资咨询业务资格 金融工程 证券分析师: 郭策 (8610) 6622 ...

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：价值成长轮动策略模型**[6] * **模型构建思路**：基于宏观经济、流动性及市场情绪三个维度，通过多因子打分体系来预测价值与成长风格的相对表现[6] * **模型具体构建过程**：模型选取了三个维度的因子进行综合打分[6]： * **经济繁荣敏感度**：用于捕捉大盘股（通常与价值风格相关）对经济周期的敏感性[6] * **流动性宽松受益度**：用于捕捉成长股对流动性环境的敏感性[6] * **市场情绪与拥挤度**：用于刻画市场的风险偏好和交易拥挤情况[6] 将各因子得分加总，得到综合分数，以此判断风格偏向（例如，分数高则偏向成长风格）[6] 2. **模型名称：大小盘轮动策略模型**[6] * **模型构建思路**：与价值成长轮动策略模型类似，同样基于宏观经济、流动性及市场情绪三个维度构建打分体系，但目标在于预测大盘与小盘风格的相对表现[6] * **模型具体构建过程**：构建过程与价值成长轮动策略模型一致，但因子解读侧重于对不同市值风格的影响[6] 3. **模型名称：行业轮动综合模型**[11][22] * **模型构建思路**：构造宏观、基本面、技术面、拥挤度四个维度的指标（共10个）作为行业轮动框架，通过综合正负向指标来生成行业配置信号[11][22] * **模型具体构建过程**：模型包含四个引擎[11][22]： * **宏观指标引擎**：将一级行业划分为5个板块（上游周期、中游制造、下游消费、TMT、大金融），并构建基于宏观增长与流动性二阶差分的象限划分体系，根据所处象限推荐配置板块[13] * **基本面指标引擎**：包含历史景气、景气变化与景气预期三个部分，生成行业基本面得分[17] * **技术面指标引擎**：包含指数动量、龙头股动量与K线形态三个部分，生成行业技术面得分[18] * **拥挤度指标引擎**：包含融资流入、换手率与成交占比三个部分，生成行业拥挤度得分（作为负向指标使用）[21][22] 最终，结合宏观、基本面、技术面三个维度的正向得分，并负向配置拥挤度因子，构建行业轮动综合得分[22] 模型的回测效果 *报告未提供模型的历史回测绩效指标（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：行业轮动宏观因子**[13] * **因子构建思路**：基于宏观经济增长和流动性的二阶差分（变化速度）来划分经济象限，从而判断对不同行业板块的利好程度[13] * **因子具体构建过程**：构建一个象限体系，横轴为宏观经济增长的二阶差分，纵轴为流动性的二阶差分[13]根据当前数据点所处的象限（如“扩张强化/衰退缓解”和“宽松加码/紧缩放缓”），给出对应的板块配置建议（如大金融、中游制造）[13] 2. **因子名称：行业轮动基本面因子**[17] * **因子构建思路**：从历史、变化和预期三个角度衡量行业的景气度[17] * **因子具体构建过程**：因子由三个子部分构成： * 历史景气 * 景气变化 * 景气预期 综合这三个部分生成各行业的基本面得分[17] 3. **因子名称：行业轮动技术面因子**[18] * **因子构建思路**：从市场交易数据中捕捉行业的动量趋势和形态信号[18] * **因子具体构建过程**：因子由三个子部分构成： * 指数动量 * 龙头股动量 * K线形态 综合这三个部分生成各行业的技术面得分[18] 4. **因子名称：行业轮动拥挤度因子**[21][22] * **因子构建思路**：通过融资、换手和成交数据衡量行业的交易热度和潜在风险[21] * **因子具体构建过程**：因子由三个子部分构成： * 融资流入 * 换手率 * 成交占比 综合这三个部分生成各行业的拥挤度得分，该因子在综合模型中作为负向指标使用[21][22] 因子的回测效果 *报告未提供因子的历史测试绩效指标（如IC值、ICIR、因子收益率等）。*

11 月：资金动能减弱，月底再启动 ——主动量化周报 核心观点 本轮 A 股重估行情定价相对充分，游资、居民资金流入速率边际放缓，美元贬值趋势 的确立是下一轮行情启动的重要催化，时点在 11 月底。行业结构有较大切换，科技拥 挤度相对偏高，看好红利 ETF、券商 ETF、化工 ETF、恒生科技 ETF。 ❑ 如何判断下一轮行情的催化及时点？ 本轮行情资金活跃度减弱，美元贬值是下一阶段破局关键。资金面来看，本轮行 情定价充分，内资短期增量或有限，下一阶段需观察美元贬值趋势确立，这一时 点可能在 11 月底，最受益品种为恒生科技。 1、公募：从三季报来看，主动权益基金虽然总规模边际提升，但主要受市场上 涨影响，其总份额相较 Q2 进一步下滑近 6%，表明基民仍在赎回主动产品，这可 能受到基民"回本赎回"倾向等因素的影响。短期来看，主动权益或仍然难以获 得显著增量资金流入。 2、游资&散户：从我们的资金面监测模型结果来看，截至 10 月 31 日，游资活跃 度指标基本走平，相较前期的上行斜率明显放缓，而散户活跃度指标自 10 月 15 日以来持续小幅震荡回落，这均表明居民资金活跃度近期整体维持平稳。 3、外资：我们 ...

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：成交量模型**[1][13] * **模型构建思路：** 基于市场成交量的变化来预测短期市场走势[13] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 2. **模型名称：特征成交量模型**[1][13] * **模型构建思路：** 通过分析具有特定特征的成交量来预测市场走势[1][13] * **模型具体构建过程：** 报告未提供该模型的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**[1][13] * **模型构建思路：** 利用龙虎榜中机构投资者的交易行为特征来预测市场[1][13] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 4. **模型名称：智能算法模型**[1][13] * **模型构建思路：** 应用智能算法（如机器学习等）对市场数据进行学习以进行预测，针对不同宽基指数（如沪深300、中证500）有独立模型[1][13] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 5. **模型名称：涨跌停模型**[1][14] * **模型构建思路：** 通过分析市场中涨停和跌停股票的数量或比例来判断市场情绪和中期走势[1][14] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 6. **模型名称：月历效应模型**[1][14] * **模型构建思路：** 基于历史数据中存在的特定月份或时期的规律性表现来预测市场[1][14] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 7. **模型名称：长期动量模型**[1][15] * **模型构建思路：** 依据资产价格的长期趋势（动量）来预测未来走势[1][15] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 8. **模型名称：A股综合兵器V3模型**[1][16] * **模型构建思路：** 一个综合性的A股市场择时模型，整合了多个信号源[1][16] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 9. **模型名称：A股综合国证2000模型**[1][16] * **模型构建思路：** 专门针对国证2000指数的综合性择时模型[1][16] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 10. **模型名称：成交额倒波幅模型**[1][16] * **模型构建思路：** 结合成交额和波动率（倒波幅）来预测港股市场中期走势[1][16] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 11. **模型名称：杯柄形态识别模型**[43][45][47] * **模型构建思路：** 基于技术分析中的杯柄形态（Cup with Handle）来识别个股的潜在突破机会[43][45][47] * **模型具体构建过程：** 模型识别股价走势中的特定形态，该形态由A点（左杯沿）、B点（杯底）、C点（右杯沿/柄部起点）等关键点定义。当股价在形成“杯”状整理后，在柄部区域进行小幅回调，最终放量突破柄部上轨时，视为买入信号[47][54] 12. **模型名称：双底形态识别模型**[43][48][51] * **模型构建思路：** 基于技术分析中的双底形态（W底）来识别个股的潜在反转机会[43][48][51] * **模型具体构建过程：** 模型识别股价走势中的特定形态，该形态由A点（第一个底）、B点（颈线位）、C点（第二个底）等关键点定义。当股价第二次探底不破前低，并放量突破颈线位时，视为买入信号[51][53] 13. **模型名称：倒杯子形态识别模型**[58] * **模型构建思路：** 识别典型的负向技术形态，用于预警个股的下跌风险[58] * **模型具体构建过程：** 在一波下跌后，股价出现筑顶（A点），随后再次下跌并实现向下突破（E点），形态完成，预示股价可能延续下跌趋势[58] 模型的回测效果 *报告未提供明确的量化回测指标（如年化收益率、夏普比率等），主要展示了模型的最新信号和部分形态组合的阶段性表现。* 1. **杯柄形态组合**：截至报告期，自2020年12月31日以来累计上涨70.89%，同期上证综指上涨14.28%，跑赢56.61个百分点[43] 2. **双底形态组合**：截至报告期，自2020年12月31日以来累计上涨34.32%，同期上证综指上涨14.28%，跑赢20.03个百分点[43] 量化因子与构建方式 *本报告主要侧重于市场择时模型和技术形态识别，未详细阐述用于选股或阿尔法策略的底层量化因子及其构建方式。* 因子的回测效果 *报告未涉及量化因子的独立测试结果。*

根据提供的量化市场追踪周报，以下是其中涉及的量化模型与因子的总结： 量化模型与构建方式 **1 主动权益基金仓位测算模型** - **模型构建思路**：通过持股市值加权计算主动权益型基金的平均仓位，以监测公募基金的整体配置动向[24] - **模型具体构建过程**： - 样本筛选：选择成立期满两个季度、未到期、规模大于5000万元、过去四期平均仓位大于60%的主动权益型基金作为合格样本[27] - 基金分类：主动权益型基金包括普通股票型、偏股混合型、灵活配置型、平衡混合型四类[27] - 仓位计算：采用持股市值加权方法计算市场平均仓位，公式为加权平均仓位 = ∑(单基金持股市值 × 单基金仓位) / ∑单基金持股市值[24][27] - 数据来源：基于聚源、同花顺iFinD等数据源进行测算[27] **2 基金风格仓位分析模型** - **模型构建思路**：将主动偏股型基金的持仓按大盘/中盘/小盘和成长/价值维度进行划分，分析风格暴露变化[31] - **模型具体构建过程**： - 风格划分：采用六分法将基金持仓划分为大盘成长、大盘价值、中盘成长、中盘价值、小盘成长、小盘价值六大风格类别[31] - 仓位计算：基于基金重仓股数据，按风格类别分类汇总，计算各风格仓位占比[31] - 趋势分析：通过比较不同时间点的风格仓位分布，识别风格轮动趋势[31] **3 行业配置分析模型** - **模型构建思路**：基于中信一级行业分类，分析主动权益型基金在各行业的配置比例变化[34] - **模型具体构建过程**： - 行业分类：采用中信一级行业分类标准，共30个行业类别[35] - 配置计算：基于基金重仓股数据，按行业分类汇总持股市值，计算各行业配置比例[34] - 趋势识别：通过比较近期配置比例变化，识别增配和减配行业[34] 模型的回测效果 **1 主动权益基金仓位测算模型** - 截至2025/10/31，主动权益型基金平均仓位为88.89%[24] - 普通股票型基金平均仓位为91.34%（较上周下降1.26pct）[24] - 偏股混合型基金平均仓位为89.95%（较上周下降0.71pct）[24] - 配置型基金平均仓位为86.27%（较上周下降1.50pct）[24] - "固收+"基金平均仓位为23.74%（较上周上升0.22pct）[24] **2 基金风格仓位分析模型** - 大盘成长仓位为36.99%（较上周上升1.8pct）[31] - 大盘价值仓位为7.6%（较上周下降1.68pct）[31] - 中盘成长仓位为6.21%（较上周下降0.41pct）[31] - 中盘价值仓位为4.41%（较上周下降0.76pct）[31] - 小盘成长仓位为34.64%（较上周上升0.07pct）[31] - 小盘价值仓位为10.15%（较上周上升0.98pct）[31] **3 行业配置分析模型** - 电子行业仓位为20.50%（较上周提升1.27pct）[34] - 非银行金融仓位为3.11%（较上周提升0.60pct）[34] - 机械行业仓位为6.06%（较上周提升0.49pct）[34] - 医药行业仓位为10.48%（较上周下降1.12pct）[34] - 食品饮料仓位为3.05%（较上周下降0.69pct）[34] - 银行仓位为2.23%（较上周下降0.57pct）[34] 量化因子与构建方式 **1 资金流向因子** - **因子构建思路**：基于同花顺对主力资金的划分标准，分析不同资金规模的流向特征[55] - **因子具体构建过程**： - 资金规模划分： - 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] - 流向计算：分别计算特大单、大单、中单、小单的净流入金额[56] **2 ETF资金流向因子** - **因子构建思路**：跟踪各类ETF产品的资金净流入情况，反映机构资金配置偏好[38] - **因子具体构建过程**： - 产品分类：将ETF分为宽基指数、行业指数（TMT/金融/消费/周期制造）、主题风格指数、境外指数、债券指数、商品指数等类别[38][65] - 流向计算：计算各类ETF的周度、月度、季度净流入金额[65] - 规模跟踪：同时跟踪ETF的产品规模和业绩表现[65] 因子的回测效果 **1 资金流向因子** - 本周主力净流出电子、通信、非银等行业[56] - 特大单净流入前五行业：基础化工（23.79亿元）、钢铁（7.91亿元）、传媒（7.78亿元）、交通运输（6.29亿元）、综合金融（5.97亿元）[62] - 特大单净流出前五行业：电子（-504.02亿元）、通信（-234.93亿元）、非银行金融（-126.44亿元）、机械（-67.25亿元）、计算机（-46.66亿元）[62] **2 ETF资金流向因子** - 宽基ETF本周净流入158.38亿元，规模为24711.89亿元[65] - 行业ETF-TMT本周净流入52.8亿元，规模为2772.25亿元[65] - 行业ETF-金融本周净流入13.15亿元，规模为2028.17亿元[65] - 行业ETF-消费本周净流入40.46亿元，规模为1906.28亿元[65] - 行业ETF-周期制造本周净流出107.07亿元，规模为3232.56亿元[65] - 境外指数ETF本周净流入87.68亿元，规模为8907.08亿元[65]

根据提供的金融工程周报，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：A股仓位择时策略**[13] * **模型构建思路**：该模型旨在对沪深300ETF进行多头仓位的择时交易，通过特定的信号判断增持或减持时机，以超越简单的买入持有策略[13] * **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步骤，仅展示了其历史净值曲线与沪深300持有曲线的对比[13] 2. **模型名称：A股多空择时策略**[16] * **模型构建思路**：该模型针对沪深300股指期货，进行多空双向的择时交易，旨在通过做多和做空信号获取超越基准的收益[16] * **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步骤，仅展示了其策略净值曲线与沪深300持有曲线的对比[16] 3. **模型名称：港股仓位择时策略**[15] * **模型构建思路**：该模型对港股市场进行仓位择时，根据模型信号调整港股持仓水平[15] * **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步骤[15] 4. **模型名称：A股小微盘择时策略**[15][17] * **模型构建思路**：该模型专注于A股市场中小市值股票的择时策略[15][17] * **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步骤[17] 5. **模型名称：A股红利成长择时策略**[20] * **模型构建思路**：该模型在价值红利风格与成长风格之间进行轮动择时[20] * **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步骤[20] 6. **模型名称：美股择时策略**[18][22] * **模型构建思路**：该模型对标普500指数进行择时，策略包括杠杆做多、做空以及持仓（反弹）等多种信号[18][22] * **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步骤，但图表显示了其2倍开多、做空和持仓等不同信号下的净值表现[22] 7. **模型名称：黄金择时策略**[24][25] * **模型构建思路**：该模型对黄金价格进行择时交易，并设有特定的买入区间[24][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步骤，但图表显示了其择时曲线、原始价格以及产生的超额收益[24] 8. **模型名称：ETF组合策略-偏股型**[25] * **模型构建思路**：该模型构建一个偏股型的ETF投资组合[25] * **模型具体构建过程**：报告未提供该组合的具体构建方法和成分选择逻辑[25] 9. **模型名称：ETF组合策略-偏债型**[27][29] * **模型构建思路**：该模型构建一个偏债型的ETF投资组合[27][29] * **模型具体构建过程**：报告未提供该组合的具体构建方法和成分选择逻辑[27][29] 10. **因子名称：小微盘因子**[7][30] * **因子构建思路**：基于市值规模，超配小盘股风格[7][30] * **因子具体构建过程**：报告未提供该因子的具体计算方法和定义[30] 11. **因子名称：价值红利因子**[7][30] * **因子构建思路**：基于价值和红利特征，超配该类风格股票[7][30] * **因子具体构建过程**：报告未提供该因子的具体计算方法和定义[30] 模型的回测效果 *报告未提供各量化模型具体的回测指标数值（如年化收益率、夏普比率、最大回撤等）[13][16][22][24]* 因子的回测效果 *报告未提供小微盘因子和价值红利因子具体的回测指标数值（如IC值、IR值、因子收益率等）[30]*

证券研究报告 | 金融工程 gszqdatemark 2025 11 01 年 月 日 量化分析报告 择时雷达六面图：本周流动性分数好转 择时雷达六面图：基于多维视角的择时框架。权益市场的表现受到多维度 指标因素的共同影响，我们尝试从流动性、经济面、估值面、资金面、技 术面、拥挤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，从而生成 [-1,1]之间的综合择时分数。 本周综合打分。本周市场的估值性价比，宏观基本面分数上升，趋势&资 金、拥挤度&反转分数不变，综合打分位于[-1,1]之间，当前的综合打分为 -0.08 分，较上周上升 0.05（上周综合打分为-0.13 分），整体为中性观 点。当前六面图各个维度的观点如下： 流动性。本周货币方向、信用方向发出看多信号，货币强度、信用强度 信号中性，当前流动性得分为 0.50 分，综合来看发出中性偏多信号。 经济面。本周增长方向指标发出看多信号，增长强度、通胀方向发出看 空信号，当前经济面得分为-0.25 分，综合来看发出中性偏空信号。 估值面。本周席勒 ERP、PB 上升，AIAE 指标分 ...