根据提供的报告内容，经过全面审阅，该文档为一份市场每日复盘报告，主要描述了特定交易日（2025年10月30日）的全球市场表现、资金流向、风格与行业涨跌等市场概况[2][3][4][5][15][21][25][27][29][32][33]。报告内容侧重于市场数据呈现和描述性分析，并未涉及任何量化模型或量化因子的构建思路、具体过程、效果测试或评价。 因此，本总结中关于“量化模型与构建方式”及“量化因子与构建方式”的部分没有相关内容。报告的核心是市场行情总结，而非量化策略研究。 **量化模型与构建方式** *（此部分在报告中无相关内容）* **模型的回测效果** *（此部分在报告中无相关内容）* **量化因子与构建方式** *（此部分在报告中无相关内容）* **因子的回测效果** *（此部分在报告中无相关内容）*

根据研报内容，总结如下： 量化模型与构建方式 1. **模型名称：行业拥挤度监测模型**[3] * **模型构建思路**：通过构建模型，对申万一级行业指数的拥挤度进行每日监测，以识别拥挤度较高或较低的行业[3] * **模型具体构建过程**：报告未提供该模型的具体构建过程和公式 2. **模型名称：溢价率 Z-score 模型**[4] * **模型构建思路**：通过滚动测算ETF产品的溢价率Z-score，搭建ETF产品筛选信号模型，以识别存在潜在套利机会的标的[4] * **模型具体构建过程**：报告未提供该模型的具体构建过程和公式 量化因子与构建方式 1. **因子名称：行业拥挤度**[3] * **因子构建思路**：用于衡量申万一级行业指数的交易拥挤程度[3] * **因子具体构建过程**：报告未提供该因子的具体构建过程和公式 * **因子评价**：拥挤度较高的行业可能意味着风险积聚，拥挤度较低的行业可能值得关注[3] 2. **因子名称：溢价率 Z-score**[4] * **因子构建思路**：用于识别ETF价格相对于其净值是否存在显著偏离，从而提示套利机会或回调风险[4] * **因子具体构建过程**：报告未提供该因子的具体构建过程和公式 * **因子评价**：该因子有助于发现潜在的套利机会，但同时也需警惕标的回调风险[4] 模型的回测效果 （报告未提供相关模型的回测效果指标取值） 因子的回测效果 （报告未提供相关因子的回测效果指标取值） 模型/因子的应用结果 1. **行业拥挤度监测模型应用结果**[3] * 监测日期：2025年10月29日的前一交易日[3] * 拥挤度较高行业：电力设备、有色金属[3] * 拥挤度较低行业：食品饮料、社会服务[3] * 拥挤度变动较大行业：非银金融、家用电器[3] 2. **溢价率 Z-score 模型应用结果**[14] * 生成建议关注的ETF产品列表（基于模型信号）[14]： * 中证A500ETF天弘 (159360.SZ) * 中证1000ETF增强 (561280.SH) * 化工50ETF (516120.SH) * 创业板价值ETF (159966.SZ) * 银行ETF优选 (517900.SH)

根据研报内容，本报告主要对A股市场主要宽基指数进行多维度数据跟踪和统计，并未涉及具体的量化交易模型或用于选股的量化因子。报告内容侧重于市场指标的描述性统计和现状分析[1][2][3]。 量化模型与构建方式 报告未涉及具体的量化交易模型。 模型的回测效果 报告未涉及具体量化模型的回测效果。 量化因子与构建方式 报告未涉及用于选股或组合构建的量化因子。报告中所提及的均为对市场整体或指数层面的观测指标，其构建方式如下： 1. **指标名称：风险溢价**[26] * **指标构建思路**：以十年期国债即期收益率为无风险利率的参考，计算各宽基指数收益率与其差值，作为投资者承担市场风险所要求的额外回报补偿[26]。 * **指标具体构建过程**：风险溢价 = 宽基指数收益率 - 十年期国债即期收益率[26][27]。具体计算时，指数收益率通常采用预期收益率或历史收益率，报告中展示的是当前时点的风险溢价水平及其历史分位值[30]。 2. **指标名称：股债性价比**[42] * **指标构建思路**：通过比较股票市场估值水平的倒数（即盈利收益率）与债券市场无风险收益率的高低，来判断股票和债券两类资产哪一类更具投资吸引力[42]。 * **指标具体构建过程**：股债性价比 = (1 / 宽基指数PE-TTM) - 十年期国债即期收益率[42]。该指标值越大，通常意味着股票相对于债券的投资价值越高。 3. **指标名称：破净率**[49] * **指标构建思路**：统计指数成分股中，股价低于每股净资产的股票数量占比，用以反映市场的整体估值水平和悲观情绪[49]。 * **指标具体构建过程**：破净率 = (指数成分股中破净个股数量 / 指数总成分股数量) * 100%[49]。破净率越高，通常表明市场估值越低，悲观情绪越重。 因子的回测效果 报告未提供上述指标作为选股因子使用的有效性测试结果（如IC值、IR、多空收益等）。报告仅展示了各宽基指数在特定时点（2025年10月29日）的这些指标的**当前数值**及其**历史分位值**，具体如下： 1. **风险溢价指标取值**[30] * 上证50：当前值0.41%，近5年分位值69.84% * 沪深300：当前值1.18%，近5年分位值88.25% * 中证500：当前值1.90%，近5年分位值96.03% * 中证1000：当前值1.19%，近5年分位值83.17% * 中证2000：当前值0.30%，近5年分位值54.52% * 中证全指：当前值1.15%，近5年分位值86.35% * 创业板指：当前值2.92%，近5年分位值95.40% 2. **PE-TTM指标取值**[39][40] * 上证50：当前值12.20，近5年分位值89.50% * 沪深300：当前值14.62，近5年分位值89.34% * 中证500：当前值34.39，近5年分位值98.68% * 中证1000：当前值47.69，近5年分位值96.69% * 中证2000：当前值158.11，近5年分位值83.72% * 中证全指：当前值21.89，近5年分位值98.84% * 创业板指：当前值45.18，近5年分位值61.98% 3. **股息率指标取值**[47][49] * 上证50：当前值3.20%，近5年分位值34.71% * 沪深300：当前值2.60%，近5年分位值34.13% * 中证500：当前值1.30%，近5年分位值12.56% * 中证1000：当前值1.09%，近5年分位值35.62% * 中证2000：当前值0.77%，近5年分位值16.12% * 中证全指：当前值1.95%，近5年分位值31.49% * 创业板指：当前值0.94%，近5年分位值62.23% 4. **破净率指标取值**[51] * 上证50：22.0% * 沪深300：15.67% * 中证500：10.8% * 中证1000：7.4% * 中证2000：3.1% * 中证全指：5.87% * 创业板指：1.0% 5. **指数换手率指标取值**[16] * 中证2000：3.86 * 创业板指：3.02 * 中证1000：2.73 * 中证500：1.98 * 中证全指：1.85 * 沪深300：0.75 * 上证50：0.35

根据提供的研报内容，该报告主要对主动权益基金的季度表现、持仓配置等进行了统计分析，并未涉及具体的量化模型或量化因子的构建、测试和评价。报告内容聚焦于基金业绩回顾、仓位分析、行业配置和基金经理观点总结等描述性内容[1][2][3][8]。 因此，本次总结中关于“量化模型与构建方式”、“模型的回测效果”、“量化因子与构建方式”及“因子的回测效果”部分均无相关内容可提供。

根据研报内容，以下是关于量化模型与因子的总结： 量化模型与构建方式 1. **模型名称：股指分红点位测算模型**[11][39] * **模型构建思路**：该模型旨在精确测算股指期货合约存续期内，其标的指数因成分股分红除息而导致的理论点位下跌幅度，以更准确地计算期货合约的升贴水情况[11][39] * **模型具体构建过程**：模型的核心是计算从当前时刻（t）到期货合约到期日（T）之间，指数所有成分股分红所导致的点位下降总和[39] 具体流程如下[40][42]： * **步骤1**：获取指数成分股及其精确的日度权重[45][46] * **步骤2**：对每只成分股，判断其是否已公布分红金额[42] * 若已公布分红金额，则使用公布值，并判断是否已公布除息日；若未公布，则预测其除息日[42] * 若未公布分红金额，则需要预测其分红金额，公式为：`分红金额 = 净利润 × 股息支付率`[47] 预测过程包括： * **净利润预测**：采用基于历史净利润分布的动态预测法[47][50] 若公司已公布年报、快报或业绩预告，则直接采用（业绩预告取上下限均值）；若未披露，则根据其历史季度盈利分布稳定性进行分类预测[48][50] * **股息支付率预测**：[51][53] * 若公司去年分红，则采用去年股息支付率 * 若去年不分红，则采用最近3年股息支付率平均值 * 若从未分红，则默认今年不分红 * 若预测值大于100%，则进行截尾处理 * **步骤3**：预测除息日[42][51] 若公司已公布除息日，则直接采用；否则： * 若已公布分红预案，则根据其所处分红阶段（预案或决案），利用历史从预案公告日/股东大会公告日到除息日的间隔天数的稳定性进行线性外推预测[51][56] * 若未公布分红预案，则参考去年或前年的分红日期进行预测，并判断其合理性（如预测日期是否在当前日期之前或太近）[56] * 若上述方法不适用，则采用默认日期（根据历史经验，大部分公司在7月底前分红，默认日期设为7月31日、8月31日或9月30日）[56] * **步骤4**：汇总计算指数分红点数。最终指数的分红点数计算公式为： $$分红点数 = \sum_{n=1}^{N} \frac{成分股分红金额}{成分股总市值} \times 成分股权重 \times 指数收盘价$$ 其中，求和针对所有除息日在 t 和 T 之间（t < 除息日 ≤ T）的成分股进行[39] * **模型评价**：该模型对上证50和沪深300指数分红的预测准确度较高，对中证500指数的预测误差稍大但基本稳定[61] 对于股指期货分红点位的预测也具有较好的准确性[61] 2. **因子名称：股息率因子**[2][14] * **因子构建思路**：通过计算个股的股息率（预案分红金额与当前总市值的比率），来衡量公司的分红回报水平，并用于比较不同行业或公司的分红吸引力[2][14] * **因子具体构建过程**：因子计算公式为： `股息率 = 预案分红金额 / 当前总市值`[14] * **因子评价**：研报指出，煤炭、银行和钢铁行业的股息率排名靠前，表明这些行业在当时具有较高的分红吸引力[2][14] 3. **因子名称：已实现股息率与剩余股息率**[3][16] * **因子构建思路**：将指数的全年总股息率拆分为已经发生的（已实现）和尚未发生的（剩余）两部分，以动态跟踪指数的分红进程和预期回报[16] * **因子具体构建过程**： * **已实现股息率**：计算指数中今年已经完成现金分红的公司所产生的股息率总和[16] * **剩余股息率**：计算指数中今年尚未进行现金分红的公司其预测股息率的总和[16] 具体而言，若指数中已分红公司数量为N1，未分红公司数量为N2，则[16]： `已实现股息率 = Σ(已分红公司的股息率)` `剩余股息率 = Σ(未分红公司的预测股息率)` 模型的回测效果 1. **股指分红点位测算模型**[61] * 2023年及2024年，对上证50指数和沪深300指数全年分红点位的预测误差基本在5个点以内 * 2023年及2024年，对中证500指数全年分红点位的预测误差基本在10个点左右 * 2023年及2024年，对上证50、沪深300、中证500股指期货主力合约存续期内分红点位的预测与实际值较为接近，显示模型对期货合约具有良好的预测准确性，其中对上证50和沪深300合约的效果最好 因子的回测效果 1. **股息率因子**[2] * 截至2025年10月29日，各行业已公布分红预案的股票股息率中位数显示，煤炭、银行、钢铁行业排名前三 2. **已实现股息率与剩余股息率**[3][16] * 截至2025年10月29日： * 上证50指数：已实现股息率 2.45%，剩余股息率 0.10% * 沪深300指数：已实现股息率 1.96%，剩余股息率 0.11% * 中证500指数：已实现股息率 1.20%，剩余股息率 0.05% * 中证1000指数：已实现股息率 0.92%，剩余股息率 0.04%

根据提供的金融工程日报内容，该报告主要描述了市场表现、情绪和资金流向等日常监控指标，并未涉及具体的量化模型或量化因子的构建、测试与评价。报告内容属于市场数据统计和描述性分析范畴[2][3][4][6][7][9][12][15][17][20][21][24][26][28][30][33]。 因此，本次总结中无量化模型或量化因子的相关内容。

根据研报内容，总结如下： 量化模型与构建方式 **1.模型名称：A股行业轮动模型[4]** - **模型构建思路**：模型从资金、估值、情绪、动量、超买超卖和盈利，共6个因子共同构建打分体系，用以研判行业综合评分[4][19] - **模型具体构建过程**： 1. 选取六个维度的因子：资金、估值、情绪、动量、超买超卖、盈利[19] 2. 各因子数据来源与计算： - **资金因子**：以行业主力资金净流入率作为主要数据[19] - **估值因子**：以该行业位于过去1年的估值分位作为主要数据来源[19] - **情绪因子**：以上涨成分股比例作为主要数据来源[19] - **动量因子**：以MACD指标作为主要数据来源[19] - **超买超卖因子**：以RSI指标作为重要数据来源[19] - **盈利因子**：以该行业的一致预测EPS位于过去1年的分位作为主要数据来源[19] 3. 对每个行业的各个因子进行打分，符号“+++”代表最高分，“---”代表最低分，最终加总得到行业综合评分[21] **2.模型名称：共识度选股模型[5]** - **模型构建思路**：基于动量、价格等因子，结合高频资金流走势与股票价格走势相似度进行选股[5][22] - **模型具体构建过程**： 1. 行业筛选：在申万二级行业层面筛选出过去30天的高涨行业[22] 2. 股票池构建：在涨幅排名前三的二级行业中形成股票池[22] 3. 因子计算：通过股票月度数据计算动量因子、估值因子和上涨频率，同时结合资金高频分钟数据来计算每支股票高频资金流入流出变化[22] 4. 选股标准：在股票池中，选出各个二级行业中高频资金流走势与股票价格走势相似度最高的各五只股票[22] 模型的回测效果 - **A股行业轮动模型**：本期（数据截止2025年10月23日）模型结果显示，传媒、社会服务、食品饮料等综合评分较高（分别为8分、8分、7分），房地产、建筑材料、环保等得分较低（分别为-5分、-5分、-4分）[20][21] - **共识度选股模型**：本期模型输出结果为常铝股份、金田股份、立霸股份等个股，这些股票来自高涨的申万二级行业（工业金属、家电零部件Ⅱ、能源金属），并且是各自行业中高频资金流走势与股票价格走势相似度最高的股票[5][23] 量化因子与构建方式 **1.因子名称：主力资金净流入[3][14]** - **因子构建思路**：通过统计大额成交单来识别主力资金的动向[3][14] - **因子具体构建过程**： 1. 定义主力资金交易单：将每日交易单中大于等于10万股或者金额大于等于20万元的成交金额的交易单作为主力资金流动[3][14] 2. 计算股票主力资金净流入：对符合定义的交易单进行统计，获得每日市场全部股票的主力资金净流入数据[14] 3. 计算行业因子值：将股票按照申万一级行业进行划分，汇总得到各行业的主力资金净流入额[14] 因子的回测效果 - **主力资金净流入因子（过去5日）**：通信行业净流入额最高（19.71亿元），电子行业净流出额最高（-405.66亿元）[15] - **主力资金净流入因子（过去30日）**：煤炭行业净流入额相对最高（-24.56亿元），电子行业净流出额最高（-2529.98亿元）[16]

根据提供的研报内容，以下是关于量化因子与模型的总结： 量化因子与构建方式 1. **因子名称：大小盘风格因子**[13] * **因子构建思路**：用于衡量市场在市值维度上的风格偏好，即资金是更倾向于大盘股还是小盘股[13] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了风格状态的定性判断（如“偏向均衡”）[13] 2. **因子名称：价值成长风格因子**[13] * **因子构建思路**：用于衡量市场在投资风格维度上的偏好，即资金是更倾向于价值股还是成长股[13] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了风格状态的定性判断（如“偏向成长”）[13] 3. **因子名称：大小盘风格波动因子**[13] * **因子构建思路**：用于衡量大小盘风格因子的波动程度，反映风格切换的剧烈程度[13] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了波动状态的定性判断（如“上升”）[13] 4. **因子名称：价值成长风格波动因子**[13] * **因子构建思路**：用于衡量价值成长风格因子的波动程度，反映风格切换的剧烈程度[13] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了波动状态的定性判断（如“上升”）[13] 5. **因子名称：行业指数超额收益离散度**[13] * **因子构建思路**：通过计算各行业指数超额收益的离散程度，来衡量市场的行业分化水平[13] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了离散度状态的定性判断（如“上升”）[13] 6. **因子名称：行业轮动度量因子**[13] * **因子构建思路**：用于衡量行业轮动速度的快慢[13] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了轮动速度的定性判断（如“下降”）[13] 7. **因子名称：成分股上涨比例**[13] * **因子构建思路**：计算特定指数（如宽基指数）中上涨股票的数量占比，反映市场的广度和普涨/普跌情况[13] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了比例变化的定性判断（如“上升”）[13] 8. **因子名称：前100个股成交额占比**[13] * **因子构建思路**：计算成交额前100名个股的成交额之和占市场总成交额的比例，用于度量市场交易的集中度[13] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了集中度变化的定性判断（如“下降”）[13] 9. **因子名称：前5行业成交额占比**[13] * **因子构建思路**：计算成交额前5名行业的成交额之和占市场总成交额的比例，用于度量行业层面的交易集中度[13] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了集中度状态的定性判断（如“持平上期”）[13] 10. **因子名称：指数波动率**[13] * **因子构建思路**：衡量市场指数的波动水平，是市场风险和市场活跃度的重要指标[13] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了波动率变化的定性判断（如“上升”）[13] 11. **因子名称：指数换手率**[13] * **因子构建思路**：衡量市场交易的活跃程度[13] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了换手率变化的定性判断（如“下降”）[13] 12. **因子名称：商品期货趋势强度**[32] * **因子构建思路**：用于衡量商品期货各板块价格趋势的强弱程度[32] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了各板块趋势强度变化的定性判断（如“贵金属、农产品板块趋势强度下降”）[32] 13. **因子名称：商品期货市场波动水平**[32] * **因子构建思路**：衡量商品期货各板块的价格波动水平[32] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了各板块波动率变化的定性判断（如“除黑色板块外其余板块波动率均有所上升”）[32] 14. **因子名称：商品期货市场流动性**[32] * **因子构建思路**：衡量商品期货各板块的市场流动性状况[32] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了各板块流动性变化的定性判断（如“贵金属、有色及农产品板块流动性下降”）[32] 15. **因子名称：商品期货期限结构（基差动量）**[26][32] * **因子构建思路**：通过基差动量来反映商品期货市场的期限结构特征及其变化[26][32] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了各板块基差动量变化的定性判断（如“各板块基差动量均上升”）[26][32] 16. **因子名称：期权隐含波动率**[35] * **因子构建思路**：从期权价格中反推出的市场对未来波动率的预期[35] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅提及了上证50与中证1000期权的隐含波动率变化（如“开始下降”）[35] 17. **因子名称：股指期货升贴水率**[24] * **因子构建思路**：衡量股指期货价格与现货指数价格之间的差异，反映市场情绪和套利机会[24] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅通过图表展示[24] 18. **因子名称：纯债溢价率**[37][41] * **因子构建思路**：用于可转债估值分析，衡量其债性保护程度，特别是针对偏债型可转债[37][41] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了其稳定性状态的定性判断（如“保持稳定”）[37][41] 19. **因子名称：百元转股溢价率**[37][41] * **因子构建思路**：用于可转债估值分析，衡量其股性估值水平[37][41] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了其变化趋势的定性判断（如“稳步上升”）[37][41] 20. **因子名称：低转股溢价率转债占比**[37][43] * **因子构建思路**：统计市场上转股溢价率处于低水平的可转债数量占比，反映市场对转债股性的总体偏好[37][43] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了其变化的定性判断（如“有明显下降”）[37][43] 因子的回测效果 （注：本报告为市场环境跟踪周报，主要呈现因子在特定时间窗口（2025.10.20-2025.10.24）的当前状态和短期变化方向，未提供因子在长期历史回测中的表现指标（如年化收益率、夏普比率、信息比率IR等）。因此，此部分内容缺失。）

根据研报内容，以下是关于量化模型和因子的详细总结： 量化模型与构建方式 大类资产配置模型 1. **模型名称：股票择时模型**[18] * **模型构建思路**：基于经济增长与流动性宽松两大核心维度，通过宏观因子判断股票市场的上涨或下跌周期，以抓住机会并规避风险[18] * **模型具体构建过程**：从经济增长和流动性宽松两个维度构造四个因子[19]： * **经济增长维度因子**：PMI同比平滑值环比上升、制造业固定资产投资完成额累计同比环比上升、CPI同比平滑值环比上升[19] * **流动性宽松维度因子**：新增中长期贷款最近一年累计值同比环比上升[19] * 根据因子信号进行择时判断 2. **模型名称：债券择时模型**[23] * **模型构建思路**：从货币流动性供给（货币宽松）和需求（信贷需求疲软）的角度进行分析，捕捉债券市场的上涨趋势并尽量避免回撤[23] * **模型具体构建过程**：从货币宽松和信贷需求疲软两个维度构造三个因子[24]： * **货币宽松维度因子**：DR007短期均值低于长期均值、SHIBOR短期均值低于长期均值[24] * **信贷需求疲软维度因子**：社会融资规模存量同比平滑值环比下降[24] * 根据因子信号进行择时判断 3. **模型名称：全天候策略（基于风险预算模型的增强版）**[17][30] * **模型构建思路**：以风险平价模型为基础，结合股票和债券的择时信号，动态调整不同资产的风险预算，在控制风险的前提下增厚投资收益[17][32] * **模型具体构建过程**： * **基础模型**：风险预算模型（风险平价）[30] * 假设资产组合中共有 N 种资产，权重为 $ \omega = [\omega_1, \omega_2, …, \omega_N] $，则组合风险 $ \sigma_p = \sqrt{\omega \Sigma \omega} $，其中 $ \Sigma $ 为协方差矩阵[30] * 每种资产对组合的风险贡献 $ RC_i = \omega_i * (\partial \sigma_p / \partial \omega_i) $[30] * 若给定的风险预算 $ b = [b_1, b_2, …, b_N] $，则优化目标为最小化风险贡献与预算的偏差： $$\begin{array}{c}{{min\sum_{i=1}^{N}\left(R C_{i}-b_{i}*\sigma_{p}\right)^{2}}}\\ {{s.t.\ \sum_{i=1}^{N}\omega_{i}\ =1}}\\ {{0\ \leq\omega_{i}\leq1}}\end{array}$$[30] * **增强过程**：根据股票和债券择时模型得到的信号，对股票和国债的风险预算进行调整（看多时提高，看空时降低），其他资产风险预算保持不变，形成全天候策略的资产权重[32] * **资产选择与配置上限**：选择股票（中证800全收益，上限20%）、国债（中债国债总财富指数，上限80%）、转债（中证转债指数，上限10%）、美股（标普500ETF，上限5%）、信用债（信用债AAA，上限40%）五种资产，利用滚动6年窗口数据估算协方差矩阵[31][33] 风格轮动模型 1. **模型名称：价值成长风格轮动模型**[47] * **模型构建思路**：基于价值与成长风格的周期性轮动特征，从经济景气、宏观流动性、市场情绪三个维度构建综合打分体系，进行月度轮动[47] * **模型具体构建过程**： * **因子构成**：基于三个方面共8个因子进行打分，因子得分为1表示利好成长，得分为0表示利好价值[47][48]： * **经济景气**：投资旺盛（制造业固定资产投资完成额累计同比高于移动平均）、消费强劲（PPI同比平滑值环比上升）[48] * **宏观流动性**：货币宽松（M2同比平滑值环比上升）、社融增长（社融同比平滑值环比上升）、贷款增加（中长期贷款增速同比平滑值环比上升）[48] * **市场情绪**：价值拥挤度高看好成长（成长拥挤度分位点低于价值拥挤度分位点）、市场换手高（大盘换手率短期均值高于长期均值）、两融分位点高（两融余额过去一年分位点高于50）[48] * **决策规则**：每月将各因子分数累加，若总分超过半数（>4），则下月配置成长风格（国证成长指数），否则配置价值风格（国证价值指数）[47][48] 2. **模型名称：大小盘风格轮动模型**[55][56] * **模型构建思路**：基于大小盘风格的周期性轮动特征，从经济景气、宏观流动性、市场情绪三个维度构建综合打分体系，进行月度轮动[55][57] * **模型具体构建过程**： * **因子构成**：基于三个方面共9个因子进行打分，因子得分为1表示利好大盘，得分为0表示利好小盘[56][57]： * **经济景气**：投资旺盛（制造业固定资产投资完成额累计同比环比上升）、消费强劲（PPI同比平滑值环比上升）、黄金走弱（黄金日收益率短期均线低于长期均线）[56] * **宏观流动性**：国债收益率上行（国债收益率短期均线高于长期均线）、信用利差上行（信用利差短期均线高于长期均线）、货币收紧（M1同比平滑值环比下降）[56] * **市场情绪**：大盘动量强于小盘（大盘价格分位点高于小盘）、市场换手低（大盘换手率短期均值低于长期均值）、两融分位点高（两融余额过去一年分位点高于50）[56] * **决策规则**：每月将各因子分数累加，若总分超过半数（>4.5），则下月配置大盘风格（沪深300指数），否则配置小盘风格（中证1000指数）[57] 行业轮动模型 1. **模型名称：行业轮动综合解决方案（四维引擎）**[65] * **模型构建思路**：从宏观经济指标、中观基本面指标、微观技术面指标以及交易拥挤度指标四个维度构建综合打分体系，捕捉行业轮动机会[65] * **模型具体构建过程**：综合四个维度的得分，每期选择综合得分排名前七的行业进行配置[5] 量化因子与构建方式 行业轮动因子 1. **因子名称：宏观因子（用于行业板块轮动）**[67][70] * **因子构建思路**：基于宏观增长与流动性的二阶差分进行象限划分，识别宏观趋势的边际拐点，对应配置不同景气环境下的优势行业板块[67][70] * **因子具体构建过程**： * **经济增长二阶判断**：选取PMI、社会融资规模、制造业固定投资完成额、CPI四个指标的同比数据，计算其环比变化。任一指标环比上升，则判定为"扩张强化/衰退缓解"[70] * **流动性二阶判断**：依据M2增速、10年期国债收益率、信用利差三个指标的二阶差分（环比变化）进行判断。任一指标触发宽松趋势（如M2增速环比上升、收益率或利差环比下降），则判定为"宽松加码/紧缩放缓"[70] * **板块配置逻辑**：根据两个维度的组合（四象限），配置对应受益板块（大金融、中游制造、下游消费、TMT、上游周期）[71][72] 2. **因子名称：基本面因子**[79] * **因子构建思路**：从历史景气、景气变化与景气预期三个部分，基于企业财务信息刻画行业的盈利能力和景气程度[78][79] * **因子具体构建过程**： * **历史景气因子**：使用行业成分股盈利指标的中位数衡量，刻画行业当前盈利水平[79] * **景气变化因子**：使用行业成分股盈利指标中位数的变化（如环比或同比）衡量，刻画行业当前盈利变化情况[79] * **景气预期因子**：使用"行业一致预期利润环比变化"衡量，刻画行业未来盈利预期的变动[79] * **合成方式**：将三个因子合成行业基本面得分[82] 3. **因子名称：技术面因子**[87][89] * **因子构建思路**：使用指数动量、龙头股动量与K线形态三类技术信号，刻画行业的趋势强弱和技术形态[87][89] * **因子具体构建过程**： * **指数动量因子**：使用过去1年行业指数相对全行业均值的超额收益信息比率（IR）衡量，刻画行业指数长期趋势强弱[89] * **龙头股动量因子**：首先定义行业龙头（行业内市值及日均成交额综合排名前10%的股票），然后使用行业龙头股票过去1年收益的夏普比率衡量，刻画行业龙头股票趋势强弱[89][90] * **K线形态因子**： * **单根K线划分**：根据实体宽度（日内涨跌幅）和影线长度，将单根K线划分为24种类型（阳线、阴线各12种）[90][91][92] * **K线聚合**：以日线为基础，连续多根日线聚合成更长期的K线（如周线）[93][94] * **组合形态**：结合3根K线形成关于"价"的组合形态[93][94] * **成交量信息**：考虑"量"的信息，按"最新成交额/成交额均值"将成交量分为放量、正常、缩量三种类型[95] * **形态收益预测**：结合"价"和"量"的信息得到所有可能形态，每月滚动计算每个形态最近3年的信息比率（IR），作为该形态的未来收益预测[95] * **行业得分**：将股票形态得分汇总到对应行业，得到行业K线形态因子得分[95] * **合成方式**：将三个因子合成行业技术面得分[96] 4. **因子名称：拥挤度因子**[100] * **因子构建思路**：从资金和交易角度刻画行业的拥挤度水平，作为左侧逃顶信号，均基于行业最新指标值在历史上的时序分位值度量[100] * **因子具体构建过程**： * **融资流入因子**：基于行业融资流入情况的时序分位值[100] * **换手率因子**：基于行业换手率的时序分位值[100] * **成交占比因子**：基于行业成交占比的时序分位值[100] * **合成方式**：将三个因子取均值，得到行业拥挤度得分[100] 模型的回测效果 大类资产配置模型 1. **股票择时模型**（回测标的：中证800全收益）[21][22] * 全样本年化收益：14.1% * 基准年化收益：5.4% * 超额年化收益：8.7% * 月度胜率：56.7% 2. **债券择时模型**（回测标的：中债国债总净价指数）[25][26] * 全样本年化收益：2.3% * 基准年化收益：1.1% * 超额年化收益：1.1% * 月度胜率：68.3% 3. **全天候策略**[38][39] * 全样本年化收益：6.1% * 风险平价策略年化收益：5.1% * 超额年化收益：1.0% * 最大回撤：2.6% * 夏普比率：2.04 * 月度胜率：51.2% 风格轮动模型 1. **价值成长轮动策略**（基准：国证成长与国证价值指数平均收益）[51][52] * 策略年化收益：9.2% * 基准年化收益：1.7% * 超额年化收益：7.5% * 月度胜率：60.2% 2. **大小盘轮动策略**（基准：沪深300与中证1000指数平均收益）[59][60] * 策略年化收益：9.2% * 基准年化收益：0.1% * 超额年化收益：9.0% * 月度胜率：58.3% 行业轮动模型 1. **行业轮动综合策略**（基准：所有行业等权组合）[5][86] * 策略年化收益：16.0% * 基准年化收益：2.8% * 超额年化收益：13.2% * IC均值：12.3% 因子的回测效果 行业轮动因子（单因子绩效） 1. **宏观因子（行业板块轮动）**[73][74] * 多头组合累计超额收益（2017年以来）：42.9% * 空头组合累计超额收益（2017年以来）：-22.8% * 多空收益差（2017年以来）：65.7% 2. **基本面单因子**（基准：所有行业等权收益）[79][80] * **历史景气因子**：全样本多头组合超额收益5.4%，IC均值6.8% * **景气变化因子**：全样本多头组合超额收益5.8%，IC均值4.1% * **景气预期因子**：全样本多头组合超额收益4.8%，IC均值5.1% 3. **技术面单因子**（基准：所有行业等权收益）[88][89] * **指数动量因子**：全样本多头组合超额收益3.8%，IC均值7.0% * **龙头股动量因子**：全样本多头组合超额收益7.2%，IC均值7.6% * **K线形态因子**：全样本多头组合超额收益6.8%，IC均值5.8% 4. **拥挤度单因子**（基准：所有行业等权收益）[100] * **融资流入因子**：全样本多头组合超额收益-8.1%，IC均值-5.0% * **换手率因子**：全样本多头组合超额收益-8.8%，IC均值-5.8% * **成交占比因子**：全样本多头组合超额收益-8.3%，IC均值-5.9% 行业轮动因子（合成因子策略绩效） 1. **基本面因子行业轮动策略**（选取得分前5行业）[85][86] * 策略年化收益：11.3% * 基准年化收益：2.8% * 超额年化收益：8.5% * IC均值：8.2% * 月度胜率：62.1% 2. **技术面因子行业轮动策略**（选取得分前5行业）[97][99] * 策略年化收益：9.7% * 基准年化收益：2.8% * 超额年化收益：6.9% * IC均值：8.2% * 月度胜率：57.3% 3. **拥挤度因子行业轮动策略**（选取得分前5行业）[100] * （注：研报未直接提供拥挤度合成因子的策略年化收益等综合绩效指标，仅提供了单因子绩效）

根据提供的研报内容，这是一份关于A股宽基指数市场数据的跟踪报告，主要涉及对各类市场指标和因子的计算与展示，并未涉及具体的量化投资模型或用于选股的量化因子。报告的核心是对市场状态的描述和指标计算。因此，总结将围绕报告中出现的“指标”或“计算因子”进行。 量化指标与构建方式 1. **指标名称：风险溢价**[28] * **指标构建思路**：以十年期国债即期收益率为无风险利率，计算股票指数收益率与其的差值，用以衡量股票市场的相对投资价值和风险补偿。[28] * **指标具体构建过程**：风险溢价 = 指数收益率 - 十年期国债即期收益率。报告中具体展示了各宽基指数的当前风险溢价及其在不同时间窗口下的分位值、均值和波动率。[32] 2. **指标名称：股债性价比**[44] * **指标构建思路**：将股票指数市盈率的倒数（可近似视为盈利收益率）与债券收益率进行比较，辅助判断股票和债券资产的相对吸引力。[44] * **指标具体构建过程**：股债性价比 = (1 / 指数PE-TTM) - 十年期国债即期收益率。[44] 3. **指标名称：破净率**[51][53] * **指标构建思路**：统计指数中市净率（PB）小于1的成份股数量占比，反映市场总体的估值水平和对未来预期的悲观程度。[51] * **指标具体构建过程**：破净率 = (指数中PB < 1的成份股数量 / 指数总成份股数量) × 100%。报告直接给出了各宽基指数的当前破净率。[53] 4. **指标名称：指数换手率**[19] * **指标构建思路**：衡量指数整体的交易活跃度。[19] * **指标具体构建过程**：报告给出了具体的计算方法：指数换手率 = Σ(成分股流通股本 * 成分股换手率) / Σ(成分股流通股本)。[19] 5. **指标名称：收益分布形态指标（峰度和偏度）**[25][26] * **指标构建思路**：通过计算指数日收益率序列的峰度和偏度，描述其分布形态特征，如尖峰肥尾、收益不对称性等。[25][26] * **指标具体构建过程**：报告计算了峰度和偏度，并对峰度进行了调整，公式中提及：峰度计算中减去了3（正态分布峰度）。[26] 偏度计算未给出具体公式，但展示了当前值与历史均值的对比。 指标的回测效果 （注：本报告为市场状态快照，未提供基于这些指标构建策略的回测绩效指标，如年化收益率、夏普比率等。） 其他市场指标取值 （以下为报告中对各宽基指数在特定日期的直接计算结果展示）[12][13][17][19][26][32][42][51] | 指标名称 | 上证50 | 沪深300 | 中证500 | 中证1000 | 中证2000 | 中证全指 | 创业板指 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | **当日涨幅%** | -0.62 | -0.51 | -0.52 | -0.22 | 0.17 | -0.34 | -0.15 | | **当年涨幅%** | 13.62 | 19.24 | 28.21 | 25.54 | 32.40 | 24.05 | 50.80 | | **当前换手率** | 0.32 | 0.67 | 1.78 | 2.59 | 3.83 | 1.74 | 2.55 | | **当前风险溢价** | -0.63% | -0.52% | -0.53% | -0.22% | 0.16% | -0.34% | -0.16% | | **风险溢价近5年分位值** | 23.33% | 28.97% | 29.05% | 40.00% | 50.32% | 34.60% | 47.38% | | **PE-TTM当前值** | 12.35 | 14.63 | 34.12 | 47.58 | 159.26 | 21.88 | 44.56 | | **PE-TTM近5年分位值** | 90.66% | 89.42% | 98.10% | 96.36% | 84.71% | 98.76% | 61.07% | | **当前股息率** | 3.19% | 2.62% | 1.33% | 1.10% | 0.77% | 1.96% | 0.97% | | **股息率近5年分位值** | 34.63% | 34.38% | 14.21% | 39.26% | 16.78% | 31.82% | 65.45% | | **当前破净率** | 22.0% | 16.33% | 10.8% | 7.5% | 3.05% | 5.87% | 1.0% | | **当前峰度（调整后）** | 0.54 | 1.13 | 0.75 | 1.43 | 1.37 | 0.93 | 1.37 | | **当前偏度** | 1.50 | 1.68 | 1.52 | 1.61 | 1.63 | 1.58 | 1.63 |