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]

2025 年 10 月 29 日 证券研究报告 | 金融工程周报 海外风险缓和，风格切换概率提升 市场环境因子跟踪周报（2025.10.29） 分析师：李亭函 分析师登记编码：S0890519080001 电话：021-20321017 邮箱：litinghan@cnhbstock.com 分析师登记编码：S0890524100001 电话：021-20321081 邮箱：baiyifan@cnhbstock.com 分析师登记编码：S0890524080001 电话：021-20321077 研究助理：张君睿 邮箱：zhangjunrui@cnhbstock.com 021-20515355 1、《止盈意愿上升，风格切换或将持续— 市场环境因子跟踪周报（2025.10.23）》 2025-10-23 2、《假期临近，市场延续震荡—市场环境 因 子 跟 踪 周 报 （ 2025.09.24 ）》 2025-09-24 3、《市场波动加剧，但上行趋势不变—市 场环境因子跟踪周报（2025.09.17）》 2025-09-17 4、《市场陷入震荡，短期难免颠簸—市场 环 境 因 子 跟 踪 周 报 （ 2025. ...

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 |

根据研报内容，以下是涉及的量化模型与因子的总结： 量化模型与构建方式 1. **模型名称：简单收益率模型**[12] * **模型构建思路**：通过计算收盘价的简单收益率，并取其过去N日的指数移动平均（EMA）值作为趋势判断指标，当该均值大于0时做多，否则平仓[12] * **模型具体构建过程**： 1. 计算每日简单收益率：$$简单收益率 = \frac{当日收盘价}{昨日收盘价} - 1$$[12][17] 2. 计算简单收益率的60日EMA值[12][17] 3. 交易规则：若60日EMA值大于0，则做多标的指数；否则平仓多头头寸[12][17] 2. **模型名称：上下行收益差模型**[17] * **模型构建思路**：通过区分价格的向上波动和向下波动，构建上下行收益差指标，并取其EMA均值作为趋势判断，以改进简单收益率模型的效果[17] * **模型具体构建过程**： 1. 定义向上收益：$$向上收益 = \frac{当日最高价 - 当日开盘价}{当日收盘价}$$[17] 2. 定义向下收益：$$向下收益 = \frac{当日开盘价 - 当日最低价}{当日收盘价}$$[17] 3. 计算上下行收益差：$$上下行收益差 = 向上收益 - 向下收益$$[17] 4. 计算上下行收益差的60日EMA值[17][18] 5. 交易规则：若60日EMA值大于0，则做多标的指数；否则平仓多头头寸[17][18] * **模型评价**：相比简单收益差模型能更好的控制风险与提高收益，是一个典型的中期模型[18] 3. **模型名称：成交额综合收益差模型**[26][27][28] * **模型构建思路**：将上下行收益差与成交额指标相结合，通过价量搭配的方式构建趋势指标，成交额作为权重以在放量时赋予趋势更大的重要性[26][27] * **模型具体构建过程**： 1. 计算上下行收益差（方法同模型2）[26][27] 2. 计算成交额综合收益差：$$成交额综合收益差 = 上下行收益差 \times 成交额$$[27][28] 3. 计算成交额综合收益差的60日EMA值[28] 4. 交易规则：若60日EMA值大于0，则做多标的指数；否则平仓多头头寸[28] 4. **模型名称：叠加信号成交额综合收益差模型**[31][32] * **模型构建思路**：为了消除单一指数成分股构成差异带来的偶然性，将恒生指数和恒生国企指数的成交额综合收益差模型信号进行合并，任一信号看多则整体看多[31][32] * **模型具体构建过程**： 1. 分别计算恒生指数和恒生国企指数的成交额综合收益差（方法同模型3）[31][32] 2. 分别计算两个指数成交额综合收益差的60日EMA值[31][32] 3. 交易规则：若恒生指数或恒生国企指数的60日EMA值大于0，则做多标的指数；否则平仓多头头寸[32] 模型的回测效果 1. **简单收益率模型 (60日EMA)**[15] * 年化收益率：上证综指7.87%，上证50指数8.21%，上证180指数10.13%，沪深300指数11.14%，中证500指数11.22%，中证1000指数12.98%，深证成指11.1%，深证100R指数15.31%，创业板指10.48%，万得全A 11.31%，恒生指数1.26%，恒生国企指数1.91%[15] * 最大回撤：上证综指55.77%，上证50指数54.11%，上证180指数48.8%，沪深300指数44.11%，中证500指数68.87%，中证1000指数69.38%，深证成指50.87%，深证100R指数40.71%，创业板指54.79%，万得全A 55.02%，恒生指数52.96%，恒生国企指数68.79%[15] * 夏普比率：上证综指0.359，上证50指数0.363，上证180指数0.468，沪深300指数0.513，中证500指数0.462，中证1000指数0.53，深证成指0.479，深证100R指数0.662，创业板指0.413，万得全A 0.503，恒生指数-0.044，恒生国企指数0.034[15] * 胜率：上证综指22.9%，上证50指数24.1%，上证180指数21.7%，沪深300指数25%，中证500指数25.6%，中证1000指数25.4%，深证成指23.6%，深证100R指数23.3%，创业板指25.6%，万得全A 23.3%，恒生指数24.5%，恒生国企指数29.6%[15] 2. **上下行收益差模型 (60日EMA)**[19] * 年化收益率：上证综指11.7%，上证50指数16.44%，上证180指数17.71%，沪深300指数17.59%，中证500指数14.47%，中证1000指数16.4%，深证成指15.98%，深证100R指数19.84%，创业板指14.02%，万得全A 12.82%，恒生指数4.23%，恒生国企指数6.15%[19] * 最大回撤：上证综指35.84%，上证50指数23.64%，上证180指数28.45%，沪深300指数28.98%，中证500指数34.81%，中证1000指数43.23%，深证成指38.21%，深证100R指数35.54%，创业板指43.99%，万得全A 41.8%，恒生指数22.98%，恒生国企指数37.2%[19] * 夏普比率：上证综指0.6，上证50指数0.767，上证180指数0.861，沪深300指数0.854，中证500指数0.65，中证1000指数0.677，深证成指0.708，深证100R指数0.876，创业板指0.539，万得全A 0.612，恒生指数0.154，恒生国企指数0.267[19] * 胜率：上证综指34.2%，上证50指数36.9%，上证180指数39.7%，沪深300指数38.9%，中证500指数34.7%，中证1000指数37.5%，深证成指34%，深证100R指数38.5%，创业板指36.4%，万得全A 33.9%，恒生指数46.7%，恒生国企指数47.3%[19] 3. **成交额综合收益差模型 (60日EMA)**[31] * 年化收益率：恒生指数3%，恒生国企指数9.73%[31] * 最大回撤：恒生指数28.84%，恒生国企指数24.56%[31] * 夏普比率：恒生指数0.039，恒生国企指数0.47[31] * 胜率：恒生指数38%，恒生国企指数45.3%[31] 4. **叠加信号成交额综合收益差模型 (60日EMA)**[33] * 年化收益率：恒生指数7.78%，恒生国企指数10.03%[33] * 最大回撤：恒生指数23.81%，恒生国企指数24.63%[33] * 夏普比率：恒生指数0.401，恒生国企指数0.484[33] * 胜率：恒生指数44.5%，恒生国企指数45.1%[33] 5. **叠加信号成交额综合收益差模型 (参数测试)**[39][40] * **恒生指数**： * 参数40日：年化6.1%，最大回撤26.78%，夏普0.281，胜率44.5%[39] * 参数50日：年化7.02%，最大回撤27.44%，夏普0.34，胜率43.1%[39] * 参数60日：年化7.78%，最大回撤23.81%，夏普0.401，胜率44.5%[39] * 参数70日：年化7.31%，最大回撤27.2%，夏普0.375，胜率43.7%[39] * 参数80日：年化6.86%，最大回撤24.9%，夏普0.343，胜率45.3%[39] * **恒生国企指数**： * 参数40日：年化8.3%，最大回撤26.72%，夏普0.382，胜率41.8%[40] * 参数50日：年化8.97%，最大回撤28.88%，夏普0.416，胜率39.4%[40] * 参数60日：年化10.03%，最大回撤24.63%，夏普0.484，胜率45.1%[40] * 参数70日：年化9.36%，最大回撤29.04%，夏普0.454，胜率44.3%[40] * 参数80日：年化9.04%，最大回撤25.04%，夏普0.438，胜率45.3%[40]

根据提供的金融工程日报内容，报告主要描述了市场表现、情绪和资金流向等日度统计数据，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汇总与监测范畴。 因此，本次总结中**没有**需要报告的量化模型或量化因子相关内容。

根据提供的研报内容，该报告主要对公募基金的持仓进行监控和统计分析，并未涉及传统的量化投资模型（如多因子模型、风险模型）或量化因子的构建、测试与评价。报告的核心内容是描述性统计，而非预测性或解释性的量化模型/因子。 报告中使用了一些**统计指标** 来度量基金持仓特征，具体如下： 统计指标与构建方式 1. **指标名称**：基金持股集中度[18] * **构建思路**：用于衡量基金经理持仓是集中还是分散[18] * **具体构建过程**：取截面所有基金前十大重仓股市值之和，计算其占基金权益投资总市值的比例，然后取该比例的中位数作为市场整体的持股集中度指标[18] 2. **指标名称**：基金经理群体持股一致性[18] * **构建思路**：用于衡量基金经理群体观点的分化程度，持股数量越多，分化度越强[18] * **具体构建过程**：统计在截面时点上，所有主动权益基金持有的不同股票的总数量[18] 3. **指标名称**：行业主动增减仓[33][34] * **构建思路**：剥离行业涨跌幅带来的被动权重变化，反映基金经理主动的行业配置决策[33] * **具体构建过程**： 1. 首先，对上一期的行业配置权重根据当季行业涨跌幅进行调整： $$w_{t-1}^{{}^{\prime}}\;=\;w_{t-1}\;*\;(1\;+\;i n d_{r e t})$$[33] 其中，$w_{t-1}$ 为上期行业权重，$ind_{ret}$ 为当季行业涨跌幅，$w_{t-1}^{'}$ 为调整后的上期权重。 2. 然后，将调整后的各行业权重进行截面归一化处理[34]。 3. 最后，用当期的行业配置权重减去归一化后的调整权重，得到主动增减仓数值[34]。 4. **指标名称**：个股主动加减仓[39][40] * **构建思路**：剥离个股涨跌幅带来的被动市值变化，反映基金经理主动的个股交易行为[39] * **具体构建过程**： 1. 首先，对上一期的个股持股市值根据当季个股涨跌幅进行调整： $$v a l_{t-1}^{\prime}\,=\,v a l_{t-1}\,*\,(1\,+\,s t k_{r e t})$$[39] 其中，$val_{t-1}$ 为上期持股市值，$stk_{ret}$ 为当季个股涨跌幅，$val_{t-1}^{'}$ 为调整后的上期市值。 2. 然后，用当期的持股市值减去调整后的上期市值，得到主动加减仓市值[40]。 统计指标的监控结果 1. **基金持股集中度**：2025年三季度为54.96%，上一期为52.46%[18] 2. **基金经理群体持股一致性（持股数量）**：2025年三季度为2377只，上一期为2507只[18] 3. **行业主动增减仓（2025年三季度）**： * 主动加仓最多的三个行业：通信（+2.93%）、计算机（+1.97%）、电子（+1.85%）[34] * 主动减仓最多的三个行业：银行（-1.77%）、家电（-1.14%）、国防军工（-0.79%）[34] 4. **个股主动加减仓（2025年三季度）**： * 主动加仓最多的三只股票：工业富联（+290亿元）、阿里巴巴-W（+162亿元）、中际旭创（+124亿元）[42] * 主动减仓最多的三只股票：胜宏科技（-142亿元）、美的集团（-91亿元）、小米集团-W（-87亿元）[42]

根据提供的金融工程日报内容，报告主要描述了市场表现、情绪、资金流向及各类折溢价指标，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与描述性分析范畴[1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18][19][20][21][22][23][24][25][26][27][28][29][30][31][32][33][34][35][36][37][38][39][40][41]。 因此，本总结中关于量化模型与因子及其回测效果的部分暂无相关内容。

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：大买单成交金额占比**[8] * **因子构建思路**：该因子旨在刻画大资金的买入行为[8] 其构建思路是基于逐笔成交数据，通过还原买卖单并筛选大单，计算大买单金额在总成交额中的比例[8] * **因子具体构建过程**： 1. 数据准备：获取股票的逐笔成交数据，数据中包含叫买序号和叫卖序号[8] 2. 还原买卖单：根据逐笔成交数据中的叫买和叫卖序号，将逐笔成交数据还原为原始的买卖单数据[8] 3. 筛选大单：对还原后的买卖单，按照每单的成交量设定阈值，筛选出符合条件的大额订单（大单）[8] 4. 计算因子值：针对筛选出的大单，计算其中所有买单的成交金额总和，然后将此总和除以当日该股票的总成交金额，得到大买单成交金额占比[8] 公式如下： $$大买单成交金额占比 = \frac{当日大买单成交总金额}{当日总成交金额}$$[8] 2. **因子名称：净主动买入金额占比**[8] * **因子构建思路**：该因子旨在刻画投资者的主动买入行为[8] 其构建思路是基于逐笔成交数据中的买卖标志，区分主动买入和主动卖出，并计算其净额相对于总成交额的比例[8] * **因子具体构建过程**： 1. 数据准备：获取股票的逐笔成交数据，数据中包含买卖标志[8] 2. 界定主动交易：根据逐笔成交数据中的买卖标志，界定每一笔成交是属于主动买入还是主动卖出[8] 3. 计算净额：将当日所有主动买入的成交金额相加，减去当日所有主动卖出的成交金额相加，得到净主动买入金额[8] 4. 计算因子值：将计算得到的净主动买入金额除以当日该股票的总成交金额，得到净主动买入金额占比[8] 公式如下： $$净主动买入金额占比 = \frac{当日主动买入总金额 - 当日主动卖出总金额}{当日总成交金额}$$[8] 因子的回测效果 1. **大买单成交金额占比因子** * 在个股层面的近期表现（2025年10月20日至2025年10月24日过去5日均值）：石化机械 (88.4%)、神开股份 (87.0%)、东方园林 (86.4%) 等[10] * 在宽基指数层面的近期表现（2025年10月20日至2025年10月24日过去5日均值）：上证指数 (75.2%)、上证50 (73.9%)、沪深300 (75.5%)、中证500 (76.0%)、创业板指 (75.2%)[13] * 在行业（中信一级）层面的近期表现（2025年10月20日至2025年10月24日过去5日均值）：银行 (80.7%)、钢铁 (79.5%)、非银行金融 (79.2%) 等[14] * 在ETF层面的近期表现（2025年10月20日至2025年10月24日过去5日均值）：博时中证全球中国教育ETF (91.2%)、华夏创成长ETF (90.5%)、富国上证综指ETF (90.0%) 等[16] 2. **净主动买入金额占比因子** * 在个股层面的近期表现（2025年10月20日至2025年10月24日过去5日均值）：唐山港 (20.7%)、常青股份 (17.0%)、双元科技 (16.3%) 等[11] * 在宽基指数层面的近期表现（2025年10月20日至2025年10月24日过去5日均值）：上证指数 (-0.8%)、上证50 (3.3%)、沪深300 (2.3%)、中证500 (0.8%)、创业板指 (5.3%)[13] * 在行业（中信一级）层面的近期表现（2025年10月20日至2025年10月24日过去5日均值）：电子 (8.0%)、通信 (7.4%)、国防军工 (3.5%) 等[14] * 在ETF层面的近期表现（2025年10月20日至2025年10月24日过去5日均值）：博时上证科创板芯片ETF (15.6%)、易方达中证红利ETF (15.2%)、华泰柏瑞中证2000ETF (15.0%) 等[17]

小盘 50 组合占优 本报告导读： 上周，小盘 50 组合表现较优，周收益率为 5.29%，相对国证 2000 的超额为 1.71%。 投资要点： 金 融 工 风格 Smart beta 组合跟踪周报 （2025.10.20-2025.10.24） | [Table_Authors] | 郑雅斌(分析师) | | --- | --- | | | 021-23219395 | | | zhengyabin@gtht.com | | 登记编号 | S0880525040105 | | | 罗蕾(分析师) | | | 021-23185653 | | | luolei@gtht.com | | 登记编号 | S0880525040014 | | | 卓 洢萱(分析师) | | | 021-23183938 | | | zhuoyixuan@gtht.com | | 登记编号 | S0880525040128 | [Table_Report] 相关报告 国内权益资产全线收涨，全球资产 BL 策略本周 涨幅 0.5% 2025.10.28 高频选股因子周报（20251020-20251024） 2025.10.26 量 ...