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]区间的择时分数，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. **指标标准化**：各维度指标通过z-score或阈值法标准化至[-1,1]区间 2. **权重分配**：四大类权重均等（未明确说明具体权重） 3. **综合打分**：加权汇总生成最终择时分数，分数>0为看多，<0为看空[6][8] 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[10] - **具体构建**：计算央行货币政策工具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）[10] 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[13] - **具体构建**： $$偏离度 = \frac{DR007}{7天逆回购利率} - 1$$ 平滑后计算z-score，<-1.5σ为宽松（分数=1），>1.5σ为紧缩（分数=-1）[13] 3. **因子名称**：信用方向因子 - **构建思路**：捕捉商业银行信贷传导趋势[14] - **具体构建**：计算中长期贷款过去12个月增量同比，较3个月前上升为看多（分数=1），反之为看空（分数=-1）[14] 4. **因子名称**：信用强度因子 - **构建思路**：识别信贷数据超预期程度[18] - **具体构建**： $$信用强度因子 = \frac{新增人民币贷款 - 预期中位数}{预期标准差}$$ >1.5σ为超预期（分数=1），<-1.5σ为不及预期（分数=-1）[18] 5. **因子名称**：增长方向因子 - **构建思路**：跟踪PMI经济扩张趋势[20] - **具体构建**：计算PMI过去12个月均值同比，较3个月前上升为看多（分数=1），反之为看空（分数=-1）[20] 6. **因子名称**：通胀方向因子 - **构建思路**：判断通胀下行带来的政策宽松空间[25] - **具体构建**： $$通胀方向因子 = 0.5 \times CPI同比平滑值 + 0.5 \times PPI同比原始值$$ 较3个月前下降为看多（分数=1），上升为看空（分数=-1）[25] 7. **因子名称**：席勒ERP - **构建思路**：衡量股票相对债券的长期估值吸引力[30] - **具体构建**： $$席勒ERP = \frac{1}{6年平均通胀调整PE} - 10年期国债收益率$$ 计算3年z-score并截尾标准化至[-1,1][30][32] 8. **因子名称**：AIAE - **构建思路**：反映全市场风险偏好[36] - **具体构建**： $$AIAE = \frac{中证全指流通市值}{中证全指流通市值 + 实体总债务}$$ 取负值后计算3年z-score[36] 9. **因子名称**：期权SKEW - **构建思路**：捕捉衍生品市场极端风险预期[60] - **具体构建**：当50ETF近5日收益率<0且SKEW分位数>70%时看多（分数=1），收益率>0且分位数<30%时看空（分数=-1）[60] 模型回测效果 1. **择时雷达六面图**： - 综合打分：0.18（中性偏多）[8] - 流动性得分：-0.50（看空）[8] - 经济面得分：0.75（看多）[8] - 估值面得分：0.29（中性偏多）[8] - 技术面得分：-0.25（中性偏空）[8] - 拥挤度得分：0.51（看多）[8] 因子回测效果 1. **货币方向因子**：当前分数1.00[9] 2. **货币强度因子**：当前分数-1.00[9] 3. **信用方向因子**：当前分数-1.00[9] 4. **增长方向因子**：当前分数1.00[9] 5. **席勒ERP**：当前分数0.51[9][32] 6. **AIAE**：当前分数0.24[9] 7. **期权SKEW**：当前分数1.00[9]

上周（2025 年 05 月 19 日至 2025 年 05 月 23 日，下同）股票型 ETF 周度 收益率中位数为-0.50%。宽基ETF中，沪深300ETF涨跌幅中位数为-0.12%， 跌幅最小。按板块划分，消费 ETF 涨跌幅中位数为 0.55%，收益最高。按 主题进行分类，医药 ETF 涨跌幅中位数为 1.76%，收益最高。 ETF 规模变动及净申赎 证券研究报告 | 2025年05月25日 ETF 周报 本周新成立 3 只中证诚通国企数字经济 ETF 核心观点 金融工程周报 ETF 业绩表现 上周股票型 ETF 净赎回 119.42 亿元，总体规模减少 272.38 亿元。在宽基 ETF 中，上周科创板 ETF 净申购最多，为 17.02 亿元；按板块来看，周期 ETF 净申购最多，为 23.41 亿元；按热点主题来看，军工 ETF 净申购最多， 为 27.09 亿元。 ETF 基准指数估值情况 在宽基 ETF 中，创业板类 ETF 的估值分位数相对较低；按板块来看，消费 ETF 的估值分位数相对温和；按照细分主题来看，酒、光伏 ETF 的估值分 位数相对较低。 ETF 融资融券情况 上周一至周四 ...

量化模型与构建方式 1. **复合行业轮动模型** - 模型构建思路：通过多因子加权组合进行行业轮动配置，聚焦资金流、景气预期和财报质量等核心因子[2] - 模型具体构建过程： 1. 权重分配：主力资金流（25%）、长端景气（20%）、短端预期（30%）、新高个股占比（10%）、财报质量因子（15%）[2] 2. 因子信号合成：对各因子标准化后加权求和，按总分排序选择行业[3] 3. 行业选择：非银行金融、消费者服务、农林牧渔等[3] - 模型评价：当前市场环境下偏向防御性和内需板块，兼顾资金流主导与短期景气修复[12] 2. **月频调仓模型** - 模型构建思路：基于月频因子表现筛选行业，侧重资金流和技术面反转效应[28] - 模型具体构建过程： 1. 因子池：主力资金净流入、短期预期ROE均值差分、动量反转等[28] 2. 行业筛选：非银行金融、传媒、银行等[29] --- 量化因子与构建方式 1. **主力资金因子** - 因子构建思路：跟踪主力资金净流入数据，捕捉资金动向[13] - 因子具体构建过程： - 计算周频/月频主力资金净流入额标准化值 - 多头选择农林牧渔、医药、非银行金融等行业[13] - 因子评价：近期小幅回调但仍是市场热点匮乏期的主导因子[12] 2. **长端景气预期因子** - 因子构建思路：通过分析师预期ROE、营收等指标代理长期景气度[17] - 因子具体构建过程： - 计算公式： $$ \text{长端景气得分} = \sum_{i=1}^{n} w_i \cdot \text{标准化}(\Delta \text{ROE}_{长期,i}) $$ - 多头行业：非银行金融、交通运输、建材等[17] - 因子评价：有效性近期回升，需关注持续性[17] 3. **短端景气预期因子** - 因子构建思路：结合短期分析师评级和目标价调整捕捉事件驱动机会[21] - 因子具体构建过程： - 计算公式： $$ \text{短端得分} = \sum_{j=1}^{m} w_j \cdot \left( \frac{\text{上调评级占比}}{\sigma_{\text{评级}}} + \Delta \text{目标价} \right) $$ - 多头行业：非银行金融、消费者服务、钢铁等[21] 4. **动量反转因子** - 因子构建思路：通过不同时间窗口（1-12个月）的动量/反转效应筛选行业[25] - 因子具体构建过程： - 计算行业指数过去N个月收益率并排序[25] - 当前有效窗口：近一个月动量（汽车、家电等）[24] - 因子评价：市场转向动量前需左侧布局[24] 5. **财报质量因子** - 因子构建思路：基于净利润、EBIT等财务指标评估企业质量[28] - 因子具体构建过程： - 标准化TTM口径财务指标（如净利润、经营活动净收益）[28] - 多头行业：偏向成长性高的板块[12] 6. **风格因子（价值/质量/成长）** - 因子构建思路：通过财务比率和估值指标划分风格[34] - 因子具体构建过程： - **价值因子**：股利支付率、市盈率等[56] - **质量盈利因子**：ROE、总资产毛利率等[52] - **成长因子**：营收/净利润同环比等[42] - 因子评价：当前市场更偏好质量盈利和价值风格[35] --- 模型回测效果 1. **复合行业轮动模型** - 近一周多头超额收益：非银行金融（-1.60%）、消费者服务（-1.84%）[33] - 近一月多空收益：主力资金因子（3.65%）、长端景气（4.33%）[28] 2. **风格复合因子** - 近一周多空收益：价值（1.12%）、质量盈利（-0.88%）[35] - 近一月多头超额收益：质量安全（-0.63%）、成长（-0.11%）[35] --- 因子回测效果 1. **主力资金因子** - 近一周超额收益：1.33%（多头）[35] - 近一月IR：1.26[28] 2. **长端景气因子** - 近一月多空收益：2.34%[17] 3. **价值细分因子** - 股利支付率：近一月多头超额0.44%[56] - 市盈率PE：近一月多空收益-1.11%[56] 4. **成长细分因子** - 营收单季度环比：近一月多空收益2.93%[42] - 归母净利润ttm同比：近一月超额-0.51%[42] 5. **质量盈利细分因子** - 净资产收益率：近一月多空收益-2.13%[52] - 总资产毛利率：近一周多头超额1.59%[35]

根据提供的金融工程周报内容，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. **指数增强基金模型** - 模型构建思路：通过多因子选股策略在跟踪基准指数的基础上获取超额收益[35] - 模型具体构建过程： 1) 选定基准指数（如中证1000、国证2000等） 2) 采用价值、成长、动量等风格因子构建股票池 3) 通过优化算法控制跟踪误差并最大化预期超额收益 4) 定期调仓（周度/月度）维持因子暴露稳定性 - 模型评价：在中小盘风格占优的市场环境下表现突出[35][59] 2. **量化对冲基金模型** - 模型构建思路：通过多空组合对冲市场系统性风险[35] - 模型具体构建过程： 1) 构建多因子选股模型筛选优质个股 2) 通过股指期货或期权对冲市场Beta风险 3) 加入事件驱动因子捕捉短期套利机会 4) 动态调整杠杆比例控制波动率[35] - 模型评价：在震荡市中能提供稳定绝对收益[35][57] 量化因子与构建方式 1. **医药行业因子** - 因子构建思路：捕捉医疗健康板块的动量效应[56] - 因子具体构建过程： $$ R_{医药} = \frac{1}{n}\sum_{i=1}^{n}(P_{i,t}/P_{i,t-1} - 1) $$ 其中$P_{i,t}$为第i只医药股在t日的收盘价 - 因子评价：近期超额收益显著（周度超额3.75%）[56] 2. **中小盘成长因子** - 因子构建思路：挖掘中小市值股票的成长性溢价[59] - 因子具体构建过程： 1) 筛选市值低于中位数股票 2) 计算营收增长率、ROE变化等指标 3) 标准化处理后合成综合得分 - 因子评价：年内最高超额收益达11.08%[59] 模型的回测效果 1. **指数增强模型** - 周度超额中位数：0.19%[35] - 年度超额中位数：1.65%[35] - 最佳单基金超额：11.08%（招商中证2000增强）[59] 2. **量化对冲模型** - 周度收益中位数：-0.09%[35] - 年度收益中位数：0.46%[35] - 最高单基金收益：3.46%（工银绝对收益）[57] 因子的回测效果 1. **医药行业因子** - 头部基金周收益：12.57%（长城医药）[56] - 头部基金年收益：66.20%（华夏北交所）[58] 2. **中小盘成长因子** - 中证1000增强基金平均超额：8.57%[5] - 国证2000增强基金最高超额：11.08%[59] 注：所有测试结果均基于截至2025年5月23日的公开数据[35][56][59]

量化因子与构建方式 1 因子名称：DTW预期收益率因子 因子构建思路：通过动态时间规整（DTW）算法计算收益率序列相似度，选取相似度高的历史序列的未来收益率作为预期收益，替代传统动量因子[31][32] 因子具体构建过程： - 取当前资产过去20天的收益率序列s[33] - 在截面所有资产中，回溯5～120天的20天收益率序列，计算与s的DTW距离[33] - 选取DTW距离最小的10%序列，计算其后5天收益率均值作为因子值[33] - 回溯窗口限制为5～120天以避免市场风格切换或样本不足[33] 涉及公式： DTW距离计算： $$X=[x_{1},x_{2},\ldots,x_{n}]$$ $$Y=[y_{1},y_{2},\ldots,y_{m}]$$ $$\operatorname{cost}(i,j)=d(i,j)+\operatorname*{min}{\begin{cases}\operatorname{cost}(i-1,j)\\ \operatorname{cost}(i,j-1)\\ \operatorname{cost}(i-1,j-1)\end{cases}}$$ 因子评价：相比传统动量因子能更有效捕捉短期趋势，但需配合择时策略控制回撤[43] 因子的回测效果 1 DTW预期收益率因子 - ETF轮动组合（25个行业ETF）：IC均值0.034，ICIR 0.128，多空最大回撤16.2%，多头换手率73%[35] - 科创50成分股：IC均值0.053，ICIR 0.251，多空最大回撤51.0%，多头换手率72%[40] 其他序列相似度算法（对比基准） 1 欧氏距离： $$d(\mathbf{A},\mathbf{B})={\sqrt{\sum_{i=1}^{n}(A_{i}-B_{i})^{2}}}$$[8] 2 余弦相似度： $${\mathrm{similarity}}=\cos(\theta)={\frac{\mathbf{A}\cdot\mathbf{B}}{\|\mathbf{A}\|\|\mathbf{B}\|}}$$ $$||\mathbf{A}||={\sqrt{\sum_{i=1}^{n}A_{i}^{2}}},\quad||\mathbf{B}||={\sqrt{\sum_{i=1}^{n}B_{i}^{2}}}$$[11][12]

| 高频选股因子周报（20250519- | [Table_Authors] | 郑雅斌(分析师) | | --- | --- | --- | | 20250523） | 登记编号 | 021-38676666 S0880525040105 | | 高频因子表现有所分化，大单与买入意愿因子明显反弹， AI | | | | 增强组合继续强势表现 | | 余浩淼(分析师) | | 本报告导读： | | 021-38676666 | | 上周（特指 20250519-20250523，下同）高频因子表现有所分化，大单与买入意愿因 子明显反弹。深度学习因子多头弱势，多空维持正收益。AI 增强组合继续强势表现。 | 登记编号 | S0880525040013 | 投资要点： 请务必阅读正文之后的免责条款部分 金 融 工 程 金 融 工 程 [Table_Summary] 高频因子表现有所分化，大单与买入意愿因子明显反弹：日内高频 偏度因子上周、5 月、2025 年多空收益为 0.18%，-1.42%，14.35%。 日内下行波动占比因子上周、5 月、2025 年多空收益为 0.14%，- 0.81%，11.77%。开盘 ...

根据提供的量化市场追踪周报内容，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**：信达金工行业轮动策略 **模型构建思路**：基于绩优基金持仓倾向的边际变化构建行业轮动信号，捕捉机构资金配置迁移趋势[35] **模型具体构建过程**： - 筛选绩优基金样本（近1年业绩前30%的主动权益基金） - 计算行业超/低配比例：$$超配比例 = \frac{基金持仓行业权重 - 基准行业权重}{基准行业权重}$$ - 生成轮动信号：连续8周跟踪超配行业排名变化，选取排名上升前5的行业作为多头组合[39] **模型评价**：策略对TMT和制造板块的轮动捕捉效果显著，但对消费板块反应滞后[36] 2. **模型名称**：主力/主动资金流划分模型 **模型构建思路**：通过成交单规模划分资金类型，监测主力与散户行为差异[55] **模型具体构建过程**： - 特大单：成交量≥20万股或金额≥100万元 - 大单：6万股≤成交量<20万股或30万元≤金额<100万元 - 中单：1万股≤成交量<6万股或5万元≤金额<30万元 - 小单：成交量<1万股或金额<5万元 - 主动资金流=特大单+大单净买入额[56] --- 模型的回测效果 1. **信达金工行业轮动策略**： - 年化超额收益：18.6%（vs 中证800）[37] - 最大回撤：-12.3%[37] - IR：1.52[37] 2. **主力资金流模型**： - 家电行业主力净流入1.0亿元（同期中小单净流出）[56] - 银行行业主动资金净流入6.28亿元[64] --- 量化因子与构建方式 1. **因子名称**：基金仓位变动因子 **因子构建思路**：利用主动权益基金仓位变化捕捉市场情绪[22] **因子具体构建过程**： - 计算周度仓位变化：$$\Delta 仓位 = 本周平均仓位 - 上周平均仓位$$ - 细分类型：普通股票型（权重89.65%）、偏股混合型（87.25%）、配置型（84.74%）[22] 2. **因子名称**：风格配置因子 **因子构建思路**：跟踪公募基金大盘/小盘成长价值风格切换[30] **因子具体构建过程**： - 按市值-成长性六分位划分风格箱 - 计算风格仓位占比：$$小盘成长占比 = \frac{小盘成长持仓市值}{总持仓市值}$$[30] --- 因子的回测效果 1. **基金仓位变动因子**： - 普通股票型仓位周环比+0.20pct[22] - 偏股混合型仓位周环比+0.39pct[22] 2. **风格配置因子**： - 小盘成长仓位48.73%（周环比-0.37pct）[30] - 大盘价值仓位11.16%（周环比+0.23pct）[30] --- 其他关键指标 - **ETF资金流**：宽基ETF周净流出114.7亿元，科创50ETF净流入9.95亿元（华夏588000）[65] - **行业轮动信号**：当前超配有色金属（排名第3）、国防军工（第7），低配医药（第26）[39] （注：原文未提供部分模型的完整公式和因子IC测试结果，故未包含相关细节）

证 券 研 究 报 告 市场形态周报（20250519-20250523） 金融工程 本周指数普遍下跌 ❖ 本周市场回顾与最新信号 从本周的指数表现来看，本周指数普遍下跌，其中沪深 300 下跌 0.18%，中证 500 下跌 1.1%，中证 1000 下跌 1.29%。 当前，上证 50 的隐含波动率为 13.48%，相对于上周上涨了 1.11%。上证 500 的隐含波动率为 16.97%，相对于上周上涨了 0.72%。中证 1000 的隐含波动率 为 21.37%，相对于上周上涨了 1.76%。沪深 300 的隐含波动率为 13.25%，相 对于上周下跌了-0.12%。 我们统计了最近信号的次数和胜率。2025 年 5 月 12 日到 2025 年 5 月 16 日正 面信号共出现了 2784 次，未来高点平均胜率为 52.18%，负面信号出现 3857 次，未来低点平均胜率为 47.78%。 从宽基择时策略来看，上证 50、恒生可持续发展企业指数出现看多信号，其 余宽基信号为中性。 从行业形态择时策略来看，商贸零售、家电、综合、纺织服装、电力及公用事 业、消费者服务、交通运输出现看多信号，其余行业信号为 ...

金融工程 | 金工定期报告 2025 年 05 月 25 日 作者 吴先兴 分析师 SAC 执业证书编号：S1110516120001 wuxianxing@tfzq.com 相关报告 1 《金融工程：金融工程-因子跟踪周 报：换手率、季度 sp 分位数因子表现较 好-20250524》 2025-05-24 2 《金融工程：金融工程-大模型总结 和解读行业研报（ 2025W20 ）》 2025-05-19 3 《金融工程：金融工程-量化择时周 报：等待缩量》 2025-05-18 金融工程 证券研究报告 量化择时周报：继续等待缩量 继续等待缩量 上周周报(20250518)认为：短期市场在利好兑现和成交萎缩的压制下，风 险偏好较难快速提升，预计成交或将继续下行，等待地量信号，预计成交 缩量至 9000 亿附近有望迎来有力反弹。最终 wind 全 A 全周下跌 0.63%。 市值维度上，上周代表小市值股票的中证 2000 下跌 1.52%，中盘股中证 500 下跌 1.1%，沪深 300 微跌 0.18%，上证 50 微跌 0.18%;上周中信一级行业中， 表现较强行业包括医药、汽车，医药上涨 1.92%，综 ...

量化模型与构建方式 1. **模型名称：短期量化择时模型** - **模型构建思路**：基于估值面、流动性、基本面、情绪面四个维度的指标综合判断市场短期走势[15][16][17] - **模型具体构建过程**： 1. **基本面指标**： - 制造业PMI分位数（5年窗口）低于阈值时触发谨慎信号 - 人民币中长期贷款余额同比增速分位数（5年窗口）低于阈值时触发谨慎信号 - M1同比增速（HP滤波去趋势）分位数高于阈值时触发乐观信号 $$ \text{HP滤波}：y_t = \tau_t + c_t \quad \text{其中} \quad \tau_t \text{为趋势项}, c_t \text{为周期项} $$ 2. **估值面指标**： - A股整体PE中位数分位数（5年窗口）高于阈值时触发中性信号 - A股整体PB中位数分位数（5年窗口）低于阈值时触发乐观信号 3. **情绪面指标**： - Beta离散度分位数（5年窗口）中性 - 量能情绪得分（60日成交量与换手率布林带合成指标）分位数低于阈值时触发谨慎信号 $$ \text{布林带}：\text{上轨}=MA_{20} + 2\sigma_{20}, \text{下轨}=MA_{20} - 2\sigma_{20} $$ 4. **流动性指标**： - 货币利率指标分位数（5年窗口）低于阈值时触发乐观信号 - 汇率预期指标分位数（5年窗口）高于阈值时触发谨慎信号 - 沪深净融资额5日均值分位数中性[15][16][17] 2. **模型名称：成长价值轮动模型** - **模型构建思路**：结合盈利周期、利率周期、信贷周期及估值/情绪差判断成长与价值风格占优区间[29] - **模型具体构建过程**： 1. **基本面信号**： - 盈利周期斜率（量化经济中周期框架）大于阈值时利好成长 - 利率综合周期水平高于阈值时利好价值 - 信贷综合周期变化低于阈值时利好价值 2. **估值面信号**： - 成长价值PE差分位数（5年窗口）均值回归上行时利好成长 - 成长价值PB差分位数（5年窗口）均值回归上行时利好成长 3. **情绪面信号**： - 换手差分位数（5年窗口）低于阈值时利好价值 - 波动差分位数（5年窗口）中性时均衡配置[29] 3. **模型名称：小盘大盘轮动模型** - **模型构建思路**：与成长价值轮动逻辑类似，但针对市值风格差异调整阈值[33][34] - **模型具体构建过程**： 1. **基本面信号**：盈利周期斜率利好小盘，利率/信贷周期利好大盘 2. **估值面信号**：小盘大盘PE/PB差分位数（5年窗口）均值回归下行时利好大盘 3. **情绪面信号**：换手差中性时均衡配置，波动差下行时利好大盘[33][34] 4. **模型名称：四风格轮动模型** - **模型构建思路**：整合成长价值与小盘大盘模型输出，生成四风格配置比例[37][38] - **模型具体构建过程**： - 小盘成长/价值与大盘成长/价值的权重由前两模型信号加权合成[37][38] --- 模型的回测效果 1. **短期量化择时模型** - 年化收益率：16.25%（基准4.09%） - 年化超额收益率：12.16% - 最大回撤：27.70%（基准31.41%） - 夏普比率：0.9595（基准0.2299）[18][23] 2. **成长价值轮动模型** - 年化收益率：11.33%（基准6.53%） - 年化超额收益率：4.80% - 最大回撤：43.07%（基准44.13%）[30][32] 3. **小盘大盘轮动模型** - 年化收益率：12.05%（基准6.54%） - 年化超额收益率：5.51% - 最大回撤：50.65%（基准53.70%）[34][36] 4. **四风格轮动模型** - 年化收益率：12.93%（基准7.00%） - 年化超额收益率：5.94% - 最大回撤：47.91%（基准49.07%）[38][39] --- 量化因子与构建方式 1. **因子名称：量能情绪因子** - **因子构建思路**：结合成交量和换手率的布林带指标合成市场情绪指标[12][17] - **因子具体构建过程**： 1. 计算60日成交量与换手率的布林带上下轨 2. 标准化后等权合成综合得分 3. 取5年分位数作为择时信号阈值[12][17] 2. **因子名称：盈利周期斜率因子** - **因子构建思路**：量化经济中周期框架下的盈利增长加速度[29][33] - **因子具体构建过程**： - 基于宏观数据拟合二阶导数，斜率大于阈值时标记为上行周期[29][33] --- 因子的回测效果 1. **量能情绪因子** - 分位数低于23.41%时对应市场情绪偏弱[12][17] 2. **盈利周期斜率因子** - 当前斜率8.33，处于利好成长风格区间[29][33]