根据研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **主动偏股基金仓位高频估测模型** - 模型构建思路：通过带约束条件的多元回归模型，利用基金每日净值序列和基准/构建的资产序列，估算主动偏股基金的股票仓位变动趋势[62] - 模型具体构建过程： 1. 以基金净值序列为因变量，基准或构建的资产序列为自变量 2. 采用多元回归模型计算仓位最优估计 3. 通过模拟组合提升估算准确性 4. 跟踪行业配置动向（如家用电器、有色金属等增配行业）[62] - 模型评价：能够相对高频地反映机构投资者仓位变化，但存在与实际仓位的偏差风险[62] 2. **REITs指数系列模型** - 模型构建思路：构建价格指数和全收益指数，反映不同底层资产和项目类型的REITs市场表现[47] - 模型具体构建过程： 1. 采用分级靠档法保持份额稳定 2. 使用除数修正法处理非交易因素变动（如新发、扩募） 3. 细分产权类（-0.37%）和特许经营权类（+0.55%）指数[49] 4. 计算全收益指数包含分红再投资收益[49] - 模型评价：为REITs资产配置提供指数化投资工具，但需注意流动性风险[47] 量化因子与构建方式 1. **行业主题基金标签因子** - 因子构建思路：基于基金中报/年报持仓信息，定义长期行业标签（主题/轮动/均衡）[35] - 因子具体构建过程： 1. 分析近4期持仓数据 2. 划分医药（+3.54%）、国防军工（+0.87%）等9大主题类别[35] 3. 计算主题基金指数周涨跌幅 - 因子评价：能有效区分基金风格特征，但存在标签滞后性[35] 2. **ETF资金流向因子** - 因子构建思路：跟踪股票型ETF资金净流入/流出情况，识别市场热点赛道[52] - 因子具体构建过程： 1. 按宽基（大盘+30.14亿）、行业（TMT+25.6亿）等分类统计[52] 2. 计算细分赛道相对优势（如红利ETF净流入13.35亿）[58] - 因子评价：反映短期资金偏好，但需结合收益率分析（如金融科技ETF+5.01%）[58] 模型的回测效果 1. **主动偏股基金仓位模型** - 本周仓位变动：-0.48pcts[62] - 行业配置差异：家电+0.23pct vs 电子-0.18pct[65] 2. **REITs指数模型** - 综合指数周收益：+0.03%[49] - 细分指数表现：能源基础设施+0.70% vs 园区基础设施-0.68%[49] 因子的回测效果 1. **行业主题因子** - 医药主题基金周收益：+3.54%[35] - 新能源主题基金周收益：-2.24%[35] 2. **ETF资金流向因子** - 沪深300ETF净流入：+17.73亿[59] - 恒生医疗ETF净流出：-10.06亿[60] 注：所有测试结果均截至2025年5月30日[1][2][3]

量化模型与构建方式 1. **模型名称**：择时雷达六面图 - **模型构建思路**：基于流动性、经济面、估值面、资金面、技术面、拥挤度六个维度选取21个指标，综合生成[-1,1]之间的择时分数，划分为"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**： 1. **流动性维度**：货币方向、货币强度、信用方向、信用强度4个指标[12][15][18][22] 2. **经济面维度**：增长方向、增长强度、通胀方向、通胀强度4个指标[23][27][28][31] 3. **估值面维度**：席勒ERP、PB、AIAE 3个指标[32][36][39] 4. **资金面维度**：两融增量、成交额趋势、中国主权CDS利差、海外风险厌恶指数4个指标[41][44][47][49] 5. **技术面维度**：价格趋势、新高新低数2个指标[51][54] 6. **拥挤度维度**：期权隐含升贴水、VIX、SKEW、可转债定价偏离度4个指标[58][60][64][66] - **模型评价**：多维动态加权框架，能捕捉市场多空信号但需定期调参[1][6] 量化因子与构建方式 1. **因子名称**：货币方向因子 - **构建思路**：判断货币政策宽松/收紧方向[12] - **具体构建**：计算央行政策利率与短端市场利率90天平均变化方向，>0为宽松（分数1），<0为收紧（分数-1）[12] 2. **因子名称**：货币强度因子 - **构建思路**：量化短端利率偏离政策利率的程度[15] - **具体构建**： $$偏离度 = \frac{DR007}{7天逆回购利率}-1$$ 平滑后zscore，<-1.5σ为宽松（分数1），>1.5σ为紧缩（分数-1）[15] 3. **因子名称**：信用方向因子 - **构建思路**：反映商业银行信贷松紧[18] - **具体构建**：中长期贷款12个月增量同比，较3个月前上升为1，反之为-1[18] 4. **因子名称**：增长方向因子 - **构建思路**：跟踪PMI趋势变化[23] - **具体构建**：中采制造业/非制造业PMI、财新PMI的12月均值同比，较3个月前上升为1，反之为-1[23] 5. **因子名称**：席勒ERP - **构建思路**：通胀调整后的股权风险溢价[32] - **具体构建**： $$席勒ERP = \frac{1}{席勒PE} - 10年期国债收益率$$ 计算3年zscore并截尾至±1[32] 6. **因子名称**：价格趋势因子 - **构建思路**：捕捉均线趋势强度[51] - **具体构建**： $$均线距离 = \frac{ma120}{ma240}-1$$ 方向分数（>0为1）+强度分数（max(20)=max(60)为1），取均值[51] 模型回测效果 1. **择时雷达六面图**： - 综合打分0.10（中性）[8] - 流动性得分-0.50（看空）[8][12][15][18][22] - 经济面得分0.25（中性偏多）[8][23][27][28][31] - 估值面得分0.31（中性偏多）[8][32][36][39] - 资金面得分0.00（中性）[8][41][44][47][49] - 技术面得分-0.50（看空）[8][51][54] - 拥挤度得分0.51（看多）[8][58][60][64][66] 因子回测效果 1. **货币方向因子**：当前分数1.00[10][12] 2. **货币强度因子**：当前分数-1.00[10][15] 3. **信用方向因子**：当前分数-1.00[10][18] 4. **增长方向因子**：当前分数-1.00[10][23] 5. **席勒ERP**：当前分数0.55[10][32] 6. **价格趋势因子**：当前分数0.00[10][51]

量化模型与构建方式 券商金股业绩增强组合 1. **模型名称**：券商金股业绩增强组合 - **模型构建思路**：基于券商金股股票池，通过多因子优选和组合优化的方式构建组合，以对标偏股混合型基金指数为目标[12][43] - **模型具体构建过程**： 1. 以券商金股股票池为选股空间和约束基准 2. 采用组合优化方法控制组合与券商金股股票池在个股、风格上的偏离 3. 以全体公募基金的行业分布为行业配置基准 4. 考虑仓位及交易费用影响，构建最终组合[43] - **模型评价**：历史表现稳健，能够稳定战胜偏股混合型基金指数，在公募主动股基中排名靠前[12][43] 模型的回测效果 1. **券商金股业绩增强组合** - 2018-2024年全样本年化收益：21.20%（满仓）/19.01%（考虑仓位）[47] - 相对偏股混合型基金指数年化超额：22.49%（满仓）/14.87%（考虑仓位）[47] - 2018年排名：4.18%分位点（33/789）[47] - 2019年排名：29.30%分位点（286/976）[47] - 2020年排名：17.45%分位点（194/1112）[47] - 2021年排名：16.85%分位点（317/1881）[47] - 2022年排名：21.35%分位点（509/2384）[47] - 2023年排名：11.55%分位点（330/2856）[47] - 2024年排名：6.80%分位点（226/3325）[47] 量化因子与构建方式 1. **因子名称**：EPTTM - **因子表现**：最近一个月表现较好[27] 2. **因子名称**：盈余公告后跳空超额 - **因子表现**：最近一个月表现较好[27] 3. **因子名称**：剥离涨停动量 - **因子表现**：最近一个月和今年以来表现较好[27] 4. **因子名称**：单季度营收增速 - **因子表现**：最近一个月表现较差[27] 5. **因子名称**：单季度净利润增速 - **因子表现**：最近一个月表现较差[27] 6. **因子名称**：SUE - **因子表现**：最近一个月表现较差，今年以来表现较好[27] 7. **因子名称**：总市值 - **因子表现**：今年以来表现较好[27] 8. **因子名称**：预期股息率 - **因子表现**：今年以来表现较差[27] 9. **因子名称**：波动率 - **因子表现**：今年以来表现较差[27] 10. **因子名称**：BP - **因子表现**：今年以来表现较差[27] 因子的回测效果 1. **EPTTM因子**：最近一个月多空收益表现较好[27] 2. **盈余公告后跳空超额因子**：最近一个月多空收益表现较好[27] 3. **剥离涨停动量因子**：最近一个月和今年以来多空收益表现较好[27] 4. **单季度营收增速因子**：最近一个月多空收益表现较差[27] 5. **单季度净利润增速因子**：最近一个月多空收益表现较差[27] 6. **SUE因子**：最近一个月多空收益表现较差，今年以来表现较好[27] 7. **总市值因子**：今年以来多空收益表现较好[27] 8. **预期股息率因子**：今年以来多空收益表现较差[27] 9. **波动率因子**：今年以来多空收益表现较差[27] 10. **BP因子**：今年以来多空收益表现较差[27]

量化模型与因子分析总结 量化模型与构建方式 市场情绪指标模型 1. 模型名称：上涨家数占比情绪指标 模型构建思路：通过计算指数成分股的近期正收益个数来判断市场情绪，正收益股票增多可能预示行情底部，大部分股票正收益可能预示过热风险[12] 模型具体构建过程： - 计算沪深300指数N日上涨家数占比 = 沪深300指数成分股过去N日收益大于0的个股数占比 - 对指标进行两次不同窗口期平滑（N1=230，N2=50，N3=35）生成快慢线 - 当快线>慢线时看多市场[13][15] 模型评价：能较快捕捉上涨机会但可能错失持续亢奋阶段的收益，对下跌市场判断存在缺陷[12] 2. 模型名称：均线情绪指标 模型构建思路：通过八均线体系判断标的指数趋势状态，将区间值转换为-1/0/1三档[21] 模型具体构建过程： - 计算沪深300收盘价八均线数值（参数为8,13,21,34,55,89,144,233） - 统计当日收盘价大于八均线指标值的数量 - 当超过5条均线被突破时看多市场[21][26] PB-ROE-50策略模型 1. 模型名称：PB-ROE-50组合策略 模型构建思路：基于PB-ROE定价模型寻找市场预期差，叠加超预期因子增强收益[31] 模型具体构建过程： - 以Wilcox(1984)的PB-ROE定价模型为基础筛选预期差股票池 - 加入SUE(未预期盈余)、ROE同比增长等因子 - 精选50只股票构建组合[31] 模型评价：在各股票池中均能获得稳定超额收益[31] 机构调研策略模型 1. 模型名称：公募调研选股策略 模型构建思路：通过公募调研数据挖掘超额alpha，结合被调研次数和调研前相对基准涨跌幅选股[38] 2. 模型名称：私募调研跟踪策略 模型构建思路：通过知名私募调研数据挖掘超额alpha，选股逻辑与公募调研类似[38] 量化因子与构建方式 负面清单因子 1. 因子名称：有息负债率 因子构建思路：衡量企业偿债压力，高有息负债率预示较高流动性风险[43] 因子具体构建过程： - 传统口径 = (短期借款+长期借款+应付债券)/总资产 - 严苛口径 = (短期借款+应付利息+交易性金融负债+应付短期债券+租赁负债+长期借款+应付债券+长期应付款)/总资产 - 宽松口径 = 严苛口径项+其他流动负债+划分为持有待售的负债+一年内到期的非流动负债[43] 2. 因子名称：财务成本负担率 因子构建思路：从利润表角度衡量企业还息压力[47] 因子具体构建过程： $$财务成本负担率 = 财务费用：利息费用 / 息税前利润$$ 模型的回测效果 市场情绪指标 1. 上涨家数占比模型：当前指标值高于50%，处于情绪景气区间[12][13] 2. 均线情绪指标：当前沪深300处于情绪非景气区间[21] PB-ROE-50策略 | 股票池 | 今年以来超额收益率 | 上月超额收益率 | 今年以来绝对收益率 | 上月绝对收益率 | |--------------|--------------------|----------------|--------------------|----------------| | 中证500 | 2.07% | 2.39% | 1.09% | 3.10% | | 中证800 | 2.60% | 1.30% | 0.51% | 2.87% | | 全市场 | 3.10% | 1.33% | 3.41% | 3.45% | [35] 机构调研策略 | 策略类型 | 今年以来超额收益率 | 上月超额收益率 | 今年以来绝对收益率 | 上月绝对收益率 | |--------------|--------------------|----------------|--------------------|----------------| | 公募调研选股 | -2.18% | -0.44% | -4.17% | 1.10% | | 私募调研跟踪 | 9.67% | 2.57% | 7.44% | 4.16% | [41] 因子的回测效果 有息负债率因子 宽松口径下前30名股票中，中毅达、指南针等9只在传统口径排名100位以后[43][44] 财务成本负担率因子 辽宁成大、银宝山新等17只股票指标值超过10倍[47][48]

根据提供的量化研报内容，以下是详细的模型和因子分析总结： --- 量化模型与构建方式 1. **A股景气指数模型** - **构建思路**：通过Nowcasting方法跟踪上证指数归母净利润同比，构建高频景气度指标[46] - **具体构建**：以历史下行周期持续天数和幅度为基准，结合当前数据判断景气拐点。2021年10月启动下行周期，2023年四季度触底后震荡回升[46][47][49] - **评价**：有效捕捉宏观盈利周期拐点，但依赖历史规律假设 2. **A股情绪指数模型** - **构建思路**：基于波动率与成交额变化方向划分四象限，构造见底/见顶预警信号[51] - **具体构建**： - 波动率下行+成交额下行→看多（见底信号） - 波动率上行+成交额下行→显著负收益（见顶信号）[51][52] - **评价**：直观反映市场情绪极端状态，但对突发事件的敏感性不足 3. **指数增强组合模型** - **构建思路**：通过多因子选股策略对中证500/沪深300进行超额收益增强[60][67] - **具体构建**：未披露具体因子权重，但持仓显示行业分散（如中证500增强组合含金融、医药、能源等板块）[64][70] - **评价**：策略稳定性较高，最大回撤控制在5%以内 --- 量化因子与构建方式 1. **BARRA风格因子体系** - **包含因子**：市值(SIZE)、BETA、动量(MOM)、残差波动率(RESVOL)、非线性市值(NLSIZE)、估值(BTOP)、流动性(LIQUIDITY)、盈利(EARNINGS_YIELD)、成长(GROWTH)、杠杆(LVRG)[71] - **构建思路**：参照BARRA CNE5模型标准构建[71] - **评价**：体系成熟但需动态调整因子权重 2. **行业因子** - **近期表现**：国防军工、医药、交通运输超额显著，汽车/家电回撤明显[72] - **构建方法**：行业收益相对市值加权组合的偏离度计算[75] 3. **非线性市值因子** - **表现**：本周超额收益显著，与市值因子呈负相关性[72][75] - **构建方法**：市值变量的二次项或分段函数构造[71] --- 模型回测效果 1. **中证500增强组合** - 本周超额收益：0.43% - 2020年至今累计超额：42.73% - 最大回撤：-4.99%[60][63] 2. **沪深300增强组合** - 本周超额收益：0.45% - 2020年至今累计超额：26.94% - 最大回撤：-5.86%[67][68] 3. **风格因子表现** - 非线性市值因子：本周正向超额最高 - 市值因子：显著负向超额[72][75] --- 因子回测效果 1. **行业因子收益** - 国防军工：+1.2% - 医药：+0.9% - 汽车：-1.5%[75] 2. **风格因子IC** - 杠杆因子：近期Rank IC达0.15 - 成长因子：Rank IC -0.12[72][75] --- 注：部分模型细节（如景气指数计算公式）未在报告中披露[46][51]，因子构建公式未明确给出[71]。测试结果均基于2025年5月30日当周数据[60][67][75]。

根据提供的研报内容，该文档主要涉及个股推荐和基本面分析，未提及量化模型或量化因子的构建与分析。因此，无法按照要求总结量化模型或因子相关内容。以下是文档的核心内容分类： 个股推荐与基本面分析 1 医药行业 - 亿帆医药(002019.SZ)：创新药出海全球化大单品亿立舒放量，合成生物学HMOs投产[1] - 核心指标：2025E归母净利润617百万(增速60%)，PE 22x[1] 2 食品饮料行业 - 青岛啤酒(600600.SH)：新鲜直送策略+南方市场拓展，成本红利兑现[1] - 核心指标：2025E归母净利润4851百万(增速12%)，PE 21x[1] 3 农业 - 牧原股份(002714.SZ)：成本行业最低，屠宰业务开始盈利[1] - 核心指标：2025E归母净利润22459百万(增速26%)，PE 10x[1] 4 轻工制造 - 奥瑞金(002701.SZ)：收购中粮包装带来业绩增厚，二片罐业务盈利能力提升[1] - 核心指标：2025E归母净利润1321百万(增速67%)，PE 11x[1] 5 电子 - 顺络电子(002138.SZ)：DDR5电感需求爆发，汽车电子业务快速增长[1] - 核心指标：2025E归母净利润1049百万(增速26%)，PE 21x[1] 6 通信 - 万马科技(300698.SZ)：绑定英伟达推出智驾解决方案，车联网业务拓展[1] - 核心指标：2025E归母净利润204百万(增速117%)，PE 29x[1] 7 机械设备 - 日联科技(688531.SH)：X光检测设备国产替代，高端品持续拓展[1] - 核心指标：2025E归母净利润209百万(增速46%)，PE 38x[1] 8 化工 - 亚钾国际(000893.SZ)：钾肥产销放量，税收优惠落地[1] - 核心指标：2025E归母净利润1580百万(增速66%)，PE 17x[1] 9 金融 - 招商银行(600036.SH)：财富管理优势显著，资产质量领先[1] - 核心指标：2025E归母净利润148784百万(增速0%)，PE 5.9x[1] 10 有色金属 - 中国稀土(000831.SZ)：稀土资源整合，价格处于周期底部[1] - 核心指标：2025E归母净利润247百万(增速186%)，PE N/A[1] 注：所有财务数据均为预测值(2025E)[1]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **沪深300上涨家数占比情绪指标** - 模型构建思路：通过计算指数成分股的近期正收益个数来判断市场情绪，正收益股票增多时可能处于行情底部，大部分股票正收益时可能预示过热风险[27] - 具体构建过程： $$ N日上涨家数占比 = \frac{沪深300成分股过去N日收益>0的个股数}{成分股总数} $$ 其中N=230日，并采用50日和35日双移动平均线判断趋势（快线>慢线看多）[29][31] - 模型评价：能快速捕捉上涨机会但会错失持续亢奋阶段收益，对下跌市场判断存在缺陷[28] 2. **八均线情绪指标** - 模型构建思路：通过8条不同周期均线（8/13/21/34/55/89/144/233日）的突破数量判断趋势状态[35] - 具体构建过程： - 计算沪深300收盘价在八均线上方的数量 - 数量≥5时看多，区间值1-3赋值为-1，4-6为0，7-9为1[38] - 模型评价：需结合其他指标验证趋势可靠性[35] 量化因子与构建方式 1. **横截面波动率因子** - 构建思路：衡量指数成分股间收益率的离散程度，反映Alpha机会丰富度[39] - 具体计算： $$ 横截面波动率 = \sqrt{\frac{1}{n}\sum_{i=1}^n (r_i - \bar{r})^2} $$ 其中$r_i$为个股收益率，$\bar{r}$为指数平均收益率[39] - 因子评价：波动率上升预示Alpha环境改善，但需结合时序波动率综合判断[39] 2. **时间序列波动率因子** - 构建思路：衡量指数成分股自身收益波动幅度[42] - 具体计算：采用20日历史波动率 - 因子评价：短期波动率上升可能带来交易机会，但高波动也伴随风险[42] 模型回测效果 1. **沪深300情绪指标** - 最新快线/慢线：向下交叉（空头信号）[29] - 上涨家数占比：高于50%但趋势下行[28] 2. **八均线情绪指标** - 最新指标值：处于非景气区间（赋值≤0）[35] 因子回测效果 1. **横截面波动率** - 沪深300：1.69%（近半年分位数70.12%）[41] - 中证500：1.97%（近半年分位数44.44%）[41] - 中证1000：2.35%（近半年分位数58.57%）[41] 2. **时间序列波动率** - 沪深300：0.54%（近半年分位数68.88%）[44] - 中证500：0.42%（近半年分位数59.52%）[44] - 中证1000：0.26%（近半年分位数58.57%）[44] 注：所有波动率数据统计区间为2025年5月26-30日[41][44]

根据研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **鑫选ETF绝对收益策略** - 模型构建思路：通过"抽屉法"在场内权益ETF池中进行测试，旨在跑出绝对收益和相对A股权益的长周期相对收益[10] - 模型具体构建过程： 1. 筛选ETF池并设定等权重分配（黄金ETF、食品饮料ETF等8类各10%）[11] 2. 结合技术面量化指标动态调整持仓 - 模型评价：样本外表现优异，风险收益比突出 2. **全天候多资产多策略ETF风险平价策略** - 模型构建思路：通过资产分散（商品/美股/国内权益/债券）和策略叠加（行业/风格/大小盘轮动）降低波动[15] - 模型具体构建过程： 1. 风险平价权重计算：$$w_i = \frac{1/\sigma_i}{\sum_{j=1}^n 1/\sigma_j}$$ 2. 动态调整国债（30年期21%）、黄金（6.94%）等12类资产权重[16] 3. **中美核心资产组合** - 模型构建思路：结合RSRS趋势策略与技术面反转策略配置白酒/红利/黄金/纳指[19] - 模型评价：长周期超额收益显著，但需注意标的波动差异 4. **高景气/红利轮动策略** - 模型构建思路：根据宏观信号切换高景气成长（创业板/科创50）与红利（低波/央企红利）配置[22] - 模型具体构建过程： 1. 构建景气度指标（社融增速、外资流入） 2. 当信号触发时按50%-50%权重调仓 5. **双债LOF增强策略** - 模型构建思路：通过波动率倒数加权提升债券配置比例[25] - 模型具体构建过程： 1. 计算双债LOF与其他资产的周波动率 2. 权重分配：$$w_{bond} = \frac{1/\sigma_{bond}}{1/\sigma_{bond}+1/\sigma_{risk}}$$ 模型回测效果 | 策略名称 | 年化收益率 | 最大回撤 | 波动率 | 夏普比率 | 数据来源 | |---------------------------|------------|----------|--------|----------|----------------| | 鑫选技术面量化策略 | 23.76% | -6.30% | 17.46% | 1.19 | [31] | | 高景气红利轮动策略 | 34.96% | -22.04% | 34.54% | 0.97 | [31] | | 中美核心资产组合 | 40.24% | -10.86% | 17.09% | 1.95 | [31] | | 双债LOF增强 | 6.55% | -2.26% | 3.39% | 1.30 | [31] | | 结构化风险平价策略(QDII) | 16.70% | -2.38% | 4.90% | 2.77 | [31][28] | | 全天候多资产风险平价策略 | 14.10% | -3.62% | 4.45% | 2.54 | [31][13] | 关键因子应用 1. **风格轮动因子** - 构建思路：通过期限利差、CPI/PPI等宏观指标判断红利/成长风格占优[4] - 测试结果：当前信号显示红利风格持续占优 2. **大小盘轮动因子** - 构建思路：结合短端利率下行与RSI技术指标判断小盘超额收益[4] - 测试结果：5月信号从看多小微盘转为市值平配 3. **行业景气度因子** - 构建方法：跟踪电子/非银/新能源等行业资金流数据[42][45] - 最新信号：电子（-4.16%YTD）与医药（+7.03%YTD）分化显著[55] 注：所有策略均采用华鑫证券独家标签体系进行ETF分类（宽基/行业/因子/主题等）[41]

量化模型与构建方式 1. **模型名称**：五维行业轮动模型 - **模型构建思路**：基于行业内部风格差异，通过划分行业内部股票风格并构建离散指标与牵引指标，合成五大类行业因子（波动率、基本面、成交量、情绪、动量），形成行业轮动策略[6] - **模型具体构建过程**： 1. **因子划分**：按东吴金工多因子体系将微观因子分为五类（波动率、基本面、成交量、情绪、动量）[6] 2. **行业内部指标构建**： - **离散指标**：衡量行业内部股票风格分化程度 - **牵引指标**：反映行业内部领先股票对整体的带动作用 3. **合成因子**：结合离散指标与牵引指标生成五类行业因子，加权得到综合评分[6] - **模型评价**：通过多维度因子合成提升稳定性，近期波动率与成交量因子表现突出[8][9] 2. **指数增强策略模型** - **模型构建思路**：基于五维行业轮动模型筛选增强/剔除行业，调整沪深300成分股权重[21] - **模型具体构建过程**： 1. 每月末取五维模型第一组（多头）5个行业作为增强行业，最后一组（空头）5个行业作为剔除行业 2. 剔除沪深300中属于剔除行业的股票，将其权重按比例分配给增强行业股票[21] --- 量化因子与构建方式 1. **因子名称**：波动率因子 - **因子构建思路**：反映行业内部波动率风格分化与牵引效应[6] - **因子评价**：近期收益能力与稳定性评分最高[8][9] 2. **因子名称**：基本面因子 - **因子构建思路**：基于行业内部基本面指标（如估值、盈利）的离散与牵引效应[6] 3. **因子名称**：成交量因子 - **因子构建思路**：捕捉行业内部成交量活跃度的分化特征[6] - **因子评价**：近期表现仅次于波动率因子[8][9] 4. **因子名称**：情绪因子 - **因子构建思路**：衡量市场情绪对行业内部股票的差异化影响[6] 5. **因子名称**：动量因子 - **因子构建思路**：反映行业内部动量效应的扩散与收敛[6] --- 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：21.64% - 年化波动率：10.82% - IR：2.00 - 月度胜率：73.11% - 最大回撤：13.30%[10][13] 2. **五维行业轮动模型（多头超额）** - 年化收益率：10.43% - 年化波动率：6.62% - IR：1.58 - 月度胜率：70.59% - 最大回撤：9.36%[15][16] 3. **沪深300指数增强策略** - 年化超额收益率：8.81% - 超额波动率：7.52% - IR：1.17 - 月胜率：69.17% - 最大回撤：12.74%[22] --- 因子的回测效果 1. **波动率因子** - 年化收益率：11.56% - 波动率：10.20% - IR：1.13 - 胜率：59.68% - 最大回撤：14.27%[14] 2. **基本面因子** - 年化收益率：6.07% - 波动率：9.89% - IR：0.61 - 胜率：56.45% - 最大回撤：21.50%[14] 3. **成交量因子** - 年化收益率：7.81% - 波动率：12.14% - IR：0.64 - 胜率：58.87% - 最大回撤：18.51%[14] 4. **情绪因子** - 年化收益率：7.42% - 波动率：12.89% - IR：0.58 - 胜率：63.71% - 最大回撤：14.79%[14] 5. **动量因子** - 年化收益率：11.62% - 波动率：10.75% - IR：1.08 - 胜率：60.98% - 最大回撤：13.52%[14]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称**：开源金工优选金股组合 - **模型构建思路**：基于新进金股样本，结合业绩超预期因子（SUE因子）进行选股，选取业绩超预期的前30只金股，按券商推荐数量加权构建组合[26] - **模型具体构建过程**： 1. 筛选新进金股作为初始样本池 2. 计算每只金股的业绩超预期因子（SUE因子）值 3. 按SUE因子值从高到低排序，选取前30只股票 4. 组合内按券商推荐次数进行加权配置 - **模型评价**：历史回测显示该组合收益显著优于基准指数及普通金股组合，体现了SUE因子在新进金股中的选股有效性[26] 模型的回测效果 1. **开源金工优选金股组合** - 年化收益率：19.7% - 年化波动率：25.4% - 收益波动比（IR）：0.78 - 最大回撤：24.6% - 2025年相对中证500超额收益：+7.5%[28] 2. **基准对比模型** - 全部金股组合年化收益率：11.0% - 新进金股组合年化收益率：13.9% - 重复金股组合年化收益率：8.5%[24] 量化因子与构建方式 1. **因子名称**：业绩超预期因子（SUE因子） - **因子构建思路**：捕捉上市公司实际业绩超出市场一致预期的程度，反映基本面惊喜对股价的驱动作用[26] - **因子具体构建过程**： 1. 获取分析师对个股的盈利预测均值（E） 2. 计算实际公布业绩（A）与预测值的偏离幅度： $$SUE = \frac{A - E}{\sigma(E)}$$ 其中$\sigma(E)$为盈利预测的标准差，用于标准化处理[26] - **因子评价**：在新进金股中选股能力突出，可能与市场对新增推荐标的的预期修正更敏感有关[26] 因子的回测效果 1. **SUE因子** - 在新进金股组合中： - 年化超额收益（vs中证500）：+13.9% - 收益波动比：0.57[24] - 在优选组合中进一步放大至19.7%年化收益[28] 其他关键指标 1. **行业权重因子** - 电子（9.0%）、机械设备（7.6%）、医药生物（7.4%）为6月金股前三大权重行业[14] 2. **风格特征因子** - 6月金股市值分位数下降，估值分位数下降，显示价值风格转向[19] 注：所有测试结果均基于2017年1月至2025年5月的历史回测数据[24][28]