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：成交量模型**[12] * **模型构建思路**：基于市场成交量的变化来判断市场短期趋势[12] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 2. **模型名称：低波动率模型**[12] * **模型构建思路**：利用市场波动率较低的特征进行择时判断[12] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 3. **模型名称：特征龙虎榜机构模型**[12] * **模型构建思路**：基于龙虎榜中机构投资者的交易行为特征进行市场判断[12] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 4. **模型名称：特征成交量模型**[12] * **模型构建思路**：分析成交量中的特定模式或特征来预测市场走势[12] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 5. **模型名称：智能算法模型**[12] * **模型构建思路**：应用智能算法对沪深300、中证500等宽基指数进行择时[12] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 6. **模型名称：涨跌停模型**[13] * **模型构建思路**：通过分析市场中涨跌停股票的数量和分布来判断中期市场情绪[13] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 7. **模型名称：月历效应模型**[13] * **模型构建思路**：基于历史数据的月度周期性规律进行中期市场判断[13] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 8. **模型名称：长期动量模型**[14] * **模型构建思路**：根据资产的长期价格动量趋势来判断市场方向[14] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 9. **模型名称：A股综合兵器V3模型**[15] * **模型构建思路**：综合多种信号和因子的复合模型，用于A股市场综合判断[15] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 10. **模型名称：A股综合国证2000模型**[15] * **模型构建思路**：专门针对国证2000指数构建的综合择时模型[15] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 11. **模型名称：成交额倒波幅模型**[16] * **模型构建思路**：结合成交额和波动率倒数的关系进行港股市场中期判断[16] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 12. **模型名称：杯柄形态识别模型**[46][47][48] * **模型构建思路**：基于技术分析中的杯柄形态识别突破个股[46][47][48] * **模型具体构建过程**：通过识别股价走势中的A点（起点）、B点（杯柄高点）、C点（杯柄低点）来确认形态，当价格突破B点时视为买入信号[48] 13. **模型名称：双底形态识别模型**[46][50][52] * **模型构建思路**：识别技术分析中的双底形态来捕捉个股反弹机会[46][50][52] * **模型具体构建过程**：通过识别A点（第一底）、B点（反弹高点）、C点（第二底）来确认形态，当价格突破B点时视为买入信号[52] 14. **模型名称：倒杯子形态识别模型**[60][62] * **模型构建思路**：识别下跌趋势中的倒杯子形态来预警个股风险[60][62] * **模型具体构建过程**：在一波下跌后出现筑顶（A点），完成筑顶后再次下跌并实现突破（C点、E点），预示股价可能延续下跌趋势[60][62] 模型的回测效果 1. **双底形态模型**：截至2025年10月，组合累计上涨30.4%，跑赢上证综指16.61%[46] 2. **杯柄形态模型**：截至2025年10月，组合累计上涨68.02%，跑赢上证综指54.22%[46] 量化因子与构建方式 1. **因子名称：分析师预期调整因子**[21][22] * **因子构建思路**：基于分析师对个股盈利预期的上调或下调比例构建行业层面的情绪因子[21][22] * **因子具体构建过程**：统计行业内分析师上调盈利预测的个股比例和下调盈利预测的个股比例[21][22] 2. **因子名称：基金仓位因子**[23][26][27][31][32] * **因子构建思路**：通过监测股票型和混合型基金的行业仓位变化来捕捉机构资金流向[23][26][27][31][32] * **因子具体构建过程**：计算各行业在基金总仓位中的占比，以及相对于市场市值占比的超低配情况[26][27][31][32] 因子的回测效果 报告未提供具体因子的独立回测效果指标数值。

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：择时雷达六面图模型**[2][7] - **模型构建思路**：权益市场表现受多维度指标共同影响，从流动性、经济面、估值面、资金面、技术面、拥挤度六个维度选取21个指标刻画市场，并概括为"估值性价比"、"宏观基本面"、"资金&趋势"、"拥挤度&反转"四大类，生成[-1,1]之间的综合择时分数[2][7] - **模型具体构建过程**：将六个维度的21个指标分别计算分数后，综合处理得到[-1,1]区间的择时分数，分数为正表示看多，为负表示看空，接近零表示中性[2][7] 量化因子与构建方式 **1 因子名称：货币方向因子**[13] - **因子构建思路**：判断当前货币政策方向，选取央行货币政策工具利率与短端市场利率[13] - **因子具体构建过程**：计算货币政策工具利率与短端市场利率相较于90天前的平均变化方向，若货币方向因子>0判断货币政策宽松，若<0判断货币政策收紧[13] **2 因子名称：货币强度因子**[16] - **因子构建思路**：基于"利率走廊"概念，表征短端市场利率相对于政策利率的偏离幅度[16] - **因子具体构建过程**：计算偏离度=DR007/7年逆回购利率-1，并进行平滑与zscore形成货币强度因子[16] $$偏离度 = \frac{DR007}{7年逆回购利率} - 1$$ 若货币强度因子<-1.5倍标准差，预期未来120个交易日为宽松环境；若>1.5倍标准差，预期未来120个交易日为紧缩环境[16] **3 因子名称：信用方向因子**[19] - **因子构建思路**：表征商业银行对实体经济传导的松紧程度，使用中长期贷款指标体现[19] - **因子具体构建过程**：计算信用方向因子为：中长期贷款当月值→计算过去十二个月增量→计算同比。若信用方向因子相比于三个月之前上升则看多，反之看空[19] **4 因子名称：信用强度因子**[22] - **因子构建思路**：捕捉信用指标是否大幅超预期或不及预期[22] - **因子具体构建过程**：构建信用强度因子=(新增人民币贷款当月值–预期中位数)/预期标准差[22] $$信用强度因子 = \frac{新增人民币贷款当月值 - 预期中位数}{预期标准差}$$ 若信用强度因子>1.5倍标准差，定义未来60个交易日为信用显著超预期环境；若<-1.5倍标准差，定义未来60个交易日为信用显著不及预期环境[22] **5 因子名称：增长方向因子**[23] - **因子构建思路**：基于PMI数据判断经济增长方向[23] - **因子具体构建过程**：基于中采制造业PMI、中采非制造业PMI、财新制造业PMI构建增长方向因子= PMI→计算过去十二月均值→计算同比。若增长方向因子相比于三个月之前上升则看多，反之看空[23] **6 因子名称：增长强度因子**[27] - **因子构建思路**：捕捉经济增长指标是否大幅超预期或不及预期[27] - **因子具体构建过程**：计算PMI预期差=(PMI–预期中位数)/预期标准差[27] $$增长强度因子 = \frac{PMI - 预期中位数}{预期标准差}$$ 若增长强度因子>1.5倍标准差，定义未来60个交易日为增长显著超预期环境；若<-1.5倍标准差，定义未来60个交易日为增长显著不及预期环境[27] **7 因子名称：通胀方向因子**[30] - **因子构建思路**：判断通胀水平对货币政策的制约作用[30] - **因子具体构建过程**：计算通胀方向因子=0.5×CPI同比平滑值+0.5×PPI同比原始值[30] $$通胀方向因子 = 0.5 \times CPI同比平滑值 + 0.5 \times PPI同比原始值$$ 若通胀方向因子相较于三个月之前降低，说明是通胀下行环境，此时看多；反之看空[30] **8 因子名称：通胀强度因子**[34] - **因子构建思路**：捕捉通胀指标是否大幅超预期或不及预期[34] - **因子具体构建过程**：分别计算CPI与PPI预期差=(披露值–预期中位数)/预期标准差，并计算通胀强度因子=CPI与PPI预期差均值[34] $$通胀强度因子 = \frac{CPI预期差 + PPI预期差}{2}$$ 若通胀强度因子<-1.5，定义未来60个交易日为通胀显著不及预期环境；若>1.5倍标准差，定义未来60个交易日为通胀显著超预期环境[34] **9 因子名称：席勒ERP**[35] - **因子构建思路**：计算经过经济周期调整的估值指标，避免盈利波动干扰估值判断[35] - **因子具体构建过程**：计算过去6年通胀调整后的平均盈利得到席勒PE，再计算席勒ERP=1/席勒PE-10年期国债到期收益率，并计算过去6年zscore作为分数[35] $$席勒ERP = \frac{1}{席勒PE} - 10年期国债到期收益率$$ **10 因子名称：PB**[39] - **因子构建思路**：使用市净率衡量估值水平[39] - **因子具体构建过程**：对PB指标乘以(-1)并计算过去6年zscore，1.5倍标准差截尾后标准化到±1之间得到分数[39] **11 因子名称：AIAE**[41] - **因子构建思路**：全市场权益配置比例，反映市场整体风险偏好[41] - **因子具体构建过程**：构建A股的AIAE指标=中证全指总流通市值/(中证全指总流通市值+实体总债务)，将AIAE×(-1)并计算过去6年zscore得到分数[41] $$AIAE = \frac{中证全指总流通市值}{中证全指总流通市值 + 实体总债务}$$ **12 因子名称：两融增量**[44] - **因子构建思路**：通过两融余额变化判断市场杠杆资金情绪[44] - **因子具体构建过程**：计算融资余额-融券余额，并计算其过去120日均增量与过去240日均增量。若120日均增量>过去240日均增量时杠杆资金上行并看多，反之看空[44] **13 因子名称：成交额趋势**[47] - **因子构建思路**：通过成交额变化判断市场成交热度与资金活跃度[47] - **因子具体构建过程**：对对数成交额计算其均线距离=ma120/ma240-1。当均线距离的max(10)=max(30)=max(60)时看多；当均线距离的min(10)=min(30)=min(60)时看空[47] $$均线距离 = \frac{ma120}{ma240} - 1$$ **14 因子名称：中国主权CDS利差**[50] - **因子构建思路**：通过CDS利差变化判断海外投资者对中国经济与主权信用风险的定价[50] - **因子具体构建过程**：当平滑后CDS利差的20日差分<0时，说明CDS利差下降，海外投资者预期中国基本面转好，此时看多；反之看空[50] **15 因子名称：海外风险厌恶指数**[52] - **因子构建思路**：使用花旗风险厌恶指数捕捉海外市场风险偏好[52] - **因子具体构建过程**：当平滑后风险厌恶指数的20日差分<0时，外资风险偏好上升，此时看多；反之看空[52] **16 因子名称：价格趋势**[54] - **因子构建思路**：使用均线距离衡量标的价格趋势与强度[54] - **因子具体构建过程**：计算均线距离=ma120/ma240-1。当均线距离>0时趋势方向分数=1，反之为-1。当均线距离的max(20)=max(60)时趋势强度分数为1，当min(20)=min(60)时趋势强度分数为-1，趋势综合分数=(趋势方向分数+趋势强度分数)/2[54] $$趋势综合分数 = \frac{趋势方向分数 + 趋势强度分数}{2}$$ **17 因子名称：新高新低数**[56] - **因子构建思路**：使用指数成分股的新高新低个数作为反转信号[56] - **因子具体构建过程**：当中证800成分股占过去一年新低数-新高数的ma20>0时，说明最近新低较多，市场有见底预期，此时看多；反之看空[56] **18 因子名称：期权隐含升贴水**[59] - **因子构建思路**：基于看涨看跌平价关系推导期权隐含的标的升贴水，反映期权市场对未来标的收益率的预期[59] - **因子具体构建过程**：若50ETF近5日收益率<0，且指标分位数<30%，则看多持续20日；若50ETF近5日收益率>0，且指标分位数>70%，则看空持续20日[59] **19 因子名称：期权VIX指数**[61] - **因子构建思路**：使用期权隐含波动率反映市场情绪[61] - **因子具体构建过程**：若50ETF近5日收益率<0，且指标分位数>70%，则看多持续20日；若50ETF近5日收益率>0，且指标分位数>70%，则看空持续20日[61] **20 因子名称：期权SKEW指数**[66] - **因子构建思路**：使用期权隐含偏度反映市场情绪[66] - **因子具体构建过程**：若50ETF近5日收益率<0，且指标分位数>70%，则看多持续20日；若50ETF近5日收益率>0，且指标分位数<30%，则看空持续20日[66] **21 因子名称：可转债定价偏离度**[68] - **因子构建思路**：通过可转债估值水平体现市场情绪[68] - **因子具体构建过程**：计算可转债定价偏离度=转债价格/模型定价-1，并计算分数=定价偏离度×(-1)并计算过去3年zscore得到分数[68] $$可转债定价偏离度 = \frac{转债价格}{模型定价} - 1$$ 模型的回测效果 **1 择时雷达六面图模型**，当前综合打分为-0.13分，较上周下降0.01，整体为中性观点[7][9] 因子的回测效果 **1 货币方向因子**，当前分数为1.00分[11] **2 货币强度因子**，当前分数为-1.00分[11][17] **3 信用方向因子**，当前分数为1.00分[11] **4 信用强度因子**，当前分数为0.00分[11] **5 增长方向因子**，当前分数为1.00分[11] **6 增长强度因子**，当前分数为-1.00分[11] **7 通胀方向因子**，当前分数为-1.00分[11] **8 通胀强度因子**，当前分数为0.00分[11] **9 席勒ERP**，当前分数为-0.04分[11][35] **10 PB**，当前分数为-0.65分[11][39] **11 AIAE**，当前分数为-0.82分[11][41] **12 两融增量**，当前分数为1.00分[11][44] **13 成交额趋势**，当前分数为1.00分[11][47] **14 中国主权CDS利差**，当前分数为-1.00分[11][50] **15 海外风险厌恶指数**，当前分数为-1.00分[11][52] **16 价格趋势**，当前分数为1.00分[11][54] **17 新高新低数**，当前分数为-1.00分[11][56] **18 期权隐含升贴水**，当前分数为1.00分[11][60] **19 期权VIX指数**，当前分数为1.00分[11][62] **20 期权SKEW指数**，当前分数为-1.00分[11][66] **21 可转债定价偏离度**，当前分数为-1.00分[11][68]

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：四轮驱动模型**[1][7] * **模型构建思路**：该模型用于进行行业轮动分析，识别并提示不同行业或主题板块的交易机会，以把握市场结构性机会[1][7] * **模型具体构建过程**：报告未详细阐述该模型的具体构建步骤、变量或公式 2. **模型/因子名称：交易拥挤度**[1][7] * **构建思路**：通过监测特定板块（如科技板块）的成交额在市场总成交额中的占比变化，来判断该板块的交易热度是否处于极端水平，从而提示潜在的风险或机会[1][7] * **具体构建过程**：报告未提供该指标的具体计算公式，但提及其核心是计算板块成交额占比，并观察其从显著回落到小幅回升的过程[1][7] 3. **模型/因子名称：股债收益差**[2][7] * **构建思路**：通过比较股票市场与债券市场的收益率差异，来衡量权益资产的相对吸引力或性价比[2][7] * **具体构建过程**：报告未提供该指标的具体计算方法 模型的回测效果 报告未提供“四轮驱动模型”的具体回测指标数值。 因子的回测效果 报告未提供“交易拥挤度”和“股债收益差”因子的具体测试结果取值（如IC值、IR等）。

根据研报内容，本报告主要对各类公募量化基金（如指数增强基金、主动量化基金、市场中性基金）的业绩进行统计和展示，并未涉及具体的量化模型或量化因子的构建、测试与评价。报告的核心是基金产品的业绩回顾与分析[1][2][3]。 因此，报告中**没有**需要总结的量化模型或量化因子相关内容。

根据研报内容，现总结如下： 量化模型与构建方式 **1 模型名称：国信金工指数增强模型[11]** - 模型构建思路：以多因子选股为主体，构建对标不同基准指数的增强组合，力求稳定战胜基准[10] - 模型具体构建过程：构建流程主要包括收益预测、风险控制和组合优化三块[11] **2 模型名称：单因子MFE组合模型[40]** - 模型构建思路：采用组合优化方式检验在实际约束条件下单因子的有效性，避免传统检验方式的局限性[40] - 模型具体构建过程：采用如下形式的组合优化模型来构建因子的MFE组合： $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ 其中f为因子取值，f^T w为组合在单因子上的加权暴露，w为待求解的股票权重向量[40] 约束条件包括组合在风格因子上的偏离度、行业偏离度、个股权重偏离度、成分股权重占比控制、个股权重上下限控制等[41] 具体构建过程包括：设定单因子MFE组合的约束条件；在每个月末根据约束条件构建每个单因子的MFE组合；在回测期内根据各期MFE组合换仓，计算MFE组合历史收益并按双边0.3%扣除交易费用[44] **3 模型名称：公募重仓指数模型[42]** - 模型构建思路：以公募基金持股信息构建公募重仓指数，测试因子在"机构风格"下的有效性[42] - 模型具体构建过程：选样空间为普通股票型基金以及偏股混合型基金，剔除基金整体规模小于五千万且上市时间不足半年的基金[43] 通过基金定期报告获取持股信息，将符合条件基金的持仓股票权重平均获得公募基金平均持仓信息，选取累计权重达到90%的股票作为成分股来构建公募基金重仓指数[43] 模型的回测效果 **1 国信金工指数增强模型[13]** - 沪深300指数增强组合：本周超额收益0.53%，本年超额收益18.86% - 中证500指数增强组合：本周超额收益0.45%，本年超额收益9.03% - 中证1000指数增强组合：本周超额收益0.34%，本年超额收益19.00% - 中证A500指数增强组合：本周超额收益-0.46%，本年超额收益8.18% **2 公募基金指数增强产品[31][34][36][39]** - 沪深300指数增强产品：最近一周超额收益中位数0.06%，最近一月0.02%，今年以来2.58% - 中证500指数增强产品：最近一周超额收益中位数0.19%，最近一月1.33%，今年以来3.93% - 中证1000指数增强产品：最近一周超额收益中位数0.45%，最近一月1.90%，今年以来10.00% - 中证A500指数增强产品：最近一周超额收益中位数0.03%，最近一月0.53%，最近一季-0.34% 量化因子与构建方式 研报从估值、反转、成长、盈利、流动性、公司治理、分析师等维度出发，构造了30余个因子[15]，具体因子明细如下： **估值类因子[16]** 1. 因子名称：BP；因子构建思路：衡量市净率；因子具体构建过程：净资产/总市值 2. 因子名称：单季EP；因子构建思路：衡量单季度盈利市值比；因子具体构建过程：单季度归母净利润/总市值 3. 因子名称：单季SP；因子构建思路：衡量单季度营收市值比；因子具体构建过程：单季度营业收入/总市值 4. 因子名称：EPTTM；因子构建思路：衡量滚动盈利市值比；因子具体构建过程：归母净利润TTM/总市值 5. 因子名称：SPTTM；因子构建思路：衡量滚动营收市值比；因子具体构建过程：营业收入TTM/总市值 6. 因子名称：EPTTM分位点；因子构建思路：衡量盈利相对位置；因子具体构建过程：EPTTM在过去一年中的分位点 7. 因子名称：股息率；因子构建思路：衡量分红收益；因子具体构建过程：最近四个季度预案分红金额/总市值 **反转类因子[16]** 8. 因子名称：一个月反转；因子构建思路：衡量短期反转效应；因子具体构建过程：过去20个交易日涨跌幅 9. 因子名称：三个月反转；因子构建思路：衡量中期反转效应；因子具体构建过程：过去60个交易日涨跌幅 10. 因子名称：一年动量；因子构建思路：衡量长期动量效应；因子具体构建过程：近一年除近一月后动量 **成长类因子[16]** 11. 因子名称：单季净利同比增速；因子构建思路：衡量净利润增长；因子具体构建过程：单季度净利润同比增长率 12. 因子名称：单季营收同比增速；因子构建思路：衡量营收增长；因子具体构建过程：单季度营业收入同比增长率 13. 因子名称：单季营利同比增速；因子构建思路：衡量营业利润增长；因子具体构建过程：单季度营业利润同比增长率 14. 因子名称：SUE；因子构建思路：衡量盈利超预期；因子具体构建过程：（单季度实际净利润-预期净利润）/预期净利润标准差 15. 因子名称：SUR；因子构建思路：衡量营收超预期；因子具体构建过程：（单季度实际营业收入-预期营业收入）/预期营业收入标准差 16. 因子名称：单季超预期幅度；因子构建思路：衡量盈利超预期程度；因子具体构建过程：预期单季度净利润/财报单季度净利润 **盈利类因子[16]** 17. 因子名称：单季ROE；因子构建思路：衡量净资产收益率；因子具体构建过程：单季度归母净利润*2/（期初归母净资产+期末归母净资产） 18. 因子名称：单季ROA；因子构建思路：衡量总资产收益率；因子具体构建过程：单季度归母净利润*2/（期初归母总资产+期末归母总资产） 19. 因子名称：DELTAROE；因子构建思路：衡量ROE变化；因子具体构建过程：单季度净资产收益率-去年同期单季度净资产收益率 20. 因子名称：DELTAROA；因子构建思路：衡量ROA变化；因子具体构建过程：单季度总资产收益率-去年同期单季度总资产收益率 **流动性类因子[16]** 21. 因子名称：非流动性冲击；因子构建思路：衡量流动性冲击；因子具体构建过程：过去20个交易日的日涨跌幅绝对值/成交额的均值 22. 因子名称：一个月换手；因子构建思路：衡量短期换手；因子具体构建过程：过去20个交易日换手率均值 23. 因子名称：三个月换手；因子构建思路：衡量中期换手；因子具体构建过程：过去60个交易日换手率均值 **波动类因子[16]** 24. 因子名称：特异度；因子构建思路：衡量特异性风险；因子具体构建过程：1-过去20个交易日Fama-French三因子回归的拟合度 25. 因子名称：一个月波动；因子构建思路：衡量短期波动；因子具体构建过程：过去20个交易日日内真实波幅均值 26. 因子名称：三个月波动；因子构建思路：衡量中期波动；因子具体构建过程：过去60个交易日日内真实波幅均值 **公司治理类因子[16]** 27. 因子名称：高管薪酬；因子构建思路：衡量高管激励；因子具体构建过程：前三高管报酬总额取对数 **分析师类因子[16]** 28. 因子名称：预期EPTTM；因子构建思路：衡量预期盈利；因子具体构建过程：一致预期滚动EP 29. 因子名称：预期BP；因子构建思路：衡量预期市净率；因子具体构建过程：一致预期滚动PB 30. 因子名称：预期PEG；因子构建思路：衡量成长估值；因子具体构建过程：一致预期PEG 31. 因子名称：预期净利润环比；因子构建思路：衡量盈利预期变化；因子具体构建过程：一致预期净利润/3个月前一致预期净利润 32. 因子名称：三个月盈利上下调；因子构建思路：衡量分析师情绪；因子具体构建过程：过去3个月内分析师（上调家数-下调家数）/总家数 33. 因子名称：三个月机构覆盖；因子构建思路：衡量机构关注度；因子具体构建过程：过去3个月内机构覆盖数量 因子的回测效果 **沪深300样本空间中因子表现[18]** - 最近一周表现较好因子：单季ROA、单季ROE、一年动量 - 最近一月表现较好因子：单季ROE、单季超预期幅度、单季营收同比增速 - 今年以来表现较好因子：单季营收同比增速、单季ROE、DELTAROE **中证500样本空间中因子表现[20]** - 最近一周表现较好因子：SPTTM、高管薪酬、三个月机构覆盖 - 最近一月表现较好因子：单季SP、SPTTM、单季EP - 今年以来表现较好因子：单季营收同比增速、预期PEG、高管薪酬 **中证1000样本空间中因子表现[22]** - 最近一周表现较好因子：3个月盈利上下调、标准化预期外收入、标准化预期外盈利 - 最近一月表现较好因子：单季EP、单季ROE、预期PEG - 今年以来表现较好因子：标准化预期外收入、标准化预期外盈利、单季营收同比增速 **中证A500样本空间中因子表现[24]** - 最近一周表现较好因子：一年动量、单季营收同比增速、DELTAROA - 最近一月表现较好因子：单季ROE、单季营收同比增速、预期PEG - 今年以来表现较好因子：单季营收同比增速、DELTAROE、单季ROE **公募重仓指数样本空间中因子表现[26]** - 最近一周表现较好因子：一年动量、标准化预期外收入、3个月盈利上下调 - 最近一月表现较好因子：单季SP、股息率、单季EP - 今年以来表现较好因子：预期PEG、单季营收同比增速、标准化预期外盈利

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：优秀基金业绩增强组合**[3][51] * **模型构建思路**：将对标基准从宽基指数转向主动股基，在借鉴优秀基金持仓的基础上，采用量化方法进行增强，以达到优中选优的目的[3][51] * **模型具体构建过程**： * 首先对基金进行优选，为避免基金收益类因子在市场风格突变时出现反转及导致持股风格集中化，对收益类因子进行分层中性化处理[51] * 基于业绩分层视角构建优选基金组合，以其补全持仓构建优选基金持仓组合[51] * 以业绩分层视角下的优选基金持仓为选股空间和对标基准，采用组合优化的方法控制组合与优选基金持仓在个股偏离、行业偏离及风格上的偏离，最终构建优秀基金业绩增强组合[52] 2. **模型名称：超预期精选组合**[4][57] * **模型构建思路**：以研报标题超预期与分析师全线上调净利润为条件筛选超预期事件股票池，接着对超预期股票池进行基本面和技术面两个维度的精选，挑选出同时具备基本面支撑和技术面共振的超预期股票[4][57] * **模型具体构建过程**： * 筛选条件：研报标题出现“超预期”且分析师全线上调净利润[4][57] * 对筛选出的超预期股票池，从基本面和技术面两个维度进行精选[4][57] * 构建超预期精选股票组合[4][57] 3. **模型名称：券商金股业绩增强组合**[5][62] * **模型构建思路**：以券商金股股票池为选股空间和约束基准，通过组合优化控制组合与券商金股股票池在个股、风格上的偏离，旨在获得稳定战胜偏股混合型基金指数的表现[5][62] * **模型具体构建过程**： * 以券商金股股票池为选股空间和对标基准[5][62] * 采用组合优化的方式控制组合与券商金股股票池在个股、风格上的偏离[5] * 构建券商金股业绩增强组合[5] 4. **模型名称：成长稳健组合**[6][67] * **模型构建思路**：采用“先时序、后截面”的方式，构建成长股二维评价体系，旨在对成长股股票池超额收益释放的黄金期进行提前布局[6][41][67] * **模型具体构建过程**： * 以研报标题超预期及业绩大增为条件筛选成长股股票池[6] * 引入“超额收益释放图谱”，描绘利好事件触发前后不同阶段股价相对市场指数超额收益的释放强弱[67] * 根据距离正式财报预约披露日的间隔天数进行分档，优先选择距离财报预约披露日较近的股票[6][67] * 当样本数量较多时，采用多因子打分精选优质个股[6] * 引入弱平衡机制、跃迁机制、缓冲机制和风险规避机制以降低组合换手、规避组合风险[67] * 构建100只股票等权组合[6] 模型的回测效果 1. **优秀基金业绩增强组合**[56] * 全样本年化收益（考虑仓位）：20.31%[56] * 相对偏股混合型基金指数年化超额收益：11.83%[56] * 在主动股基中排名分位点（2012年以来大部分年度）：前30%[53] 2. **超预期精选组合**[60] * 全样本年化收益（考虑仓位）：30.55%[60] * 相对偏股混合型基金指数年化超额收益：24.68%[60] * 在主动股基中排名分位点（2010年以来每年）：前30%[58] 3. **券商金股业绩增强组合**[66] * 全样本年化收益（考虑仓位）：19.34%[66] * 相对偏股混合型基金指数年化超额收益：14.38%[66] * 在主动股基中排名分位点（2018-2025年期间每年）：前30%[63] 4. **成长稳健组合**[71] * 全样本年化收益（考虑仓位）：35.51%[71] * 相对偏股混合型基金指数年化超额收益：26.88%[71] * 在主动股基中排名分位点（2012年以来各年度基本）：前30%[68]

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：港股精选组合模型**[14][15] * **模型构建思路**：该模型旨在对分析师推荐股票池进行基本面和技术面的双层优选，挑选出同时具备基本面支撑和技术面共振的超预期股票[14][15] * **模型具体构建过程**：首先，以分析师上调盈利预测、分析师首次关注、分析师研报标题超预期事件作为分析师推荐事件构建分析师推荐股票池；接着，对分析师推荐股票池中的股票进行基本面和技术面两个维度的精选，构建最终的港股精选股票组合[15] 2. **因子名称：平稳创新高股票筛选因子**[20][22][23] * **因子构建思路**：基于动量效应和趋势跟踪策略的有效性，从创出250日新高的股票池中，综合考量分析师关注度、股价相对强弱、股价路径平稳性、创新高连续性等角度，筛选出趋势更为稳健的"平稳创新高"股票[20][22][23] * **因子具体构建过程**： * **样本池**：全部港股，但需剔除成立时间不超过15个月的股票[23] * **核心指标 - 250日新高距离**：用于量化创新高情况，计算公式为： $$250 日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 其中，`Closet`为最新收盘价，`ts_max(Close, 250)`为过去250个交易日收盘价的最大值。若最新收盘价创出新高，则该值为0；若较新高回落，则为正值，表示回落幅度[22] * **筛选条件**： 1. **分析师关注度**：过去6个月内，买入或增持评级的分析师研报不少于5份[23] 2. **股价相对强弱**：过去250日涨跌幅位于样本池前20%[23] 3. **股价平稳性（综合打分，取前50%）**： * **价格路径平滑性（位移路程比）**：`过去120日涨跌幅绝对值 / 过去120日日涨跌幅绝对值加总`[22][23] * **创新高持续性**：过去120日的250日新高距离在时间序列上的均值[23] 4. **趋势延续性**：过去5日的250日新高距离在时间序列上的均值，取排序靠前的50只股票[23] 模型的回测效果 * **港股精选组合模型**[15][19] * 回测区间：20100101-20250630[15] * 年化收益：19.11%[15][19] * 相对恒生指数超额收益：18.48%[15][19] * 信息比率 (IR)：1.22[19] * 跟踪误差：14.55%[19] * 收益回撤比：0.78[19] * 最大回撤：23.73%[19]

根据研报内容，现总结如下： 量化模型与构建方式 1. **模型名称：期现对冲策略（连续对冲）**[43][44] * **模型构建思路**：通过做空股指期货合约来对冲持有现货（指数全收益）的风险，目标是获取相对稳定的低风险收益[43][44] * **模型具体构建过程**： * **现货端**：持有对应标的指数的全收益指数，使用70%的资金[44] * **期货端**：做空与现货端名义本金相同的股指期货合约（IC/IF/IH/IM），占用剩余30%的资金，每次调仓后根据产品净值重新计算现货及期货端数量[44] * **调仓规则**：连续持有季月或当月合约，直至该合约离到期剩余不足2日，在当日以收盘价进行平仓，并同时以当日收盘价继续卖空下一季月或当月合约[44] * **回测设置**：回测区间为2022年7月22日至2025年10月24日，不考虑交易手续费、冲击成本及期货合约的不可无限细分性质[44] 2. **模型名称：期现对冲策略（最低贴水）**[43][45] * **模型构建思路**：在连续对冲策略基础上进行优化，通过动态选择年化基差贴水幅度最小的合约，以期降低对冲成本或获取基差收敛收益[43][45] * **模型具体构建过程**： * **现货端与期货端资金分配**：与连续对冲策略相同，现货端70%，期货端30%，并根据净值调整数量[45] * **调仓规则**： * 调仓时，对当日所有可交易期货合约的年化基差进行计算[45] * 选择年化基差贴水幅度最小的合约进行开仓[45] * 同一合约持有8个交易日之后或该合约离到期剩余不足2日，才能进行选择新合约（排除剩余到期日不足8日的期货合约）[45] * 每次选择后，即使结果为持有原合约不变，仍继续持有8个交易日[45] * **回测设置**：回测区间为2022年7月22日至2025年10月24日，不考虑交易成本等[45] 3. **因子名称：分红调整年化基差**[19] * **因子构建思路**：为准确反映股指期货合约的真实定价水平，需要剔除合约存续期内指数成分股分红对基差计算的影响，从而得到经分红调整后的年化基差[19] * **因子具体构建过程**： * 首先计算预期分红调整后的基差：`预期分红调整后的基差 = 实际基差 + 存续期内未实现的预期分红`[19] * 然后对调整后的基差进行年化处理：`年化基差 = (实际基差 + (预期)分红点位) / 指数价格 × 360 / 合约剩余天数`[19] * 公式说明：`实际基差`为期货合约收盘价与标的指数收盘价的差值；`(预期)分红点位`为预测的合约存续期内指数成分股分红对指数点位的总影响；`指数价格`为标的指数收盘价；`合约剩余天数`为期货合约距离到期日的天数[19] 4. **因子名称：信达波动率指数 (Cinda-VIX)**[62] * **因子构建思路**：借鉴海外经验并结合中国场内期权市场实际，编制能够反映市场对标的资产未来波动率预期的指数[62] * **因子评价**：该指数能够反映期权市场专业投资者对标的资产未来波动的预期，且具有期限结构，可反映不同期限的波动预期[61][62] 5. **因子名称：信达偏度指数 (Cinda-SKEW)**[66] * **因子构建思路**：通过捕捉不同行权价格期权隐含波动率的偏斜特征，来衡量市场对标的资产未来收益分布（特别是尾部风险）的预期[66] * **因子评价**：该指数能洞察市场对潜在尾部风险的忧虑程度，当指数超过100时，通常意味着市场对大幅下跌风险的担忧加剧，被称为"黑天鹅指数"[66][67] 模型的回测效果 **回测区间：2022年7月22日至2025年10月24日**[44][45] 1. **IC（中证500）对冲策略**[47] * **当月连续对冲模型**：年化收益-3.21%，波动率3.86%，最大回撤-10.14%，净值0.8999，年换手次数12，2025年以来收益-5.47%[47] * **季月连续对冲模型**：年化收益-2.24%，波动率4.78%，最大回撤-8.34%，净值0.9293，年换手次数4，2025年以来收益-2.47%[47] * **最低贴水策略模型**：年化收益-1.68%，波动率4.58%，最大回撤-7.97%，净值0.9467，年换手次数17.01，2025年以来收益-3.20%[47] * **指数表现（基准）**：年化收益4.53%，波动率21.08%，最大回撤-31.46%，净值1.1541，2025年以来收益30.88%[47] 2. **IF（沪深300）对冲策略**[52] * **当月连续对冲模型**：年化收益0.46%，波动率2.94%，最大回撤-3.95%，净值1.0148，年换手次数12，2025年以来收益-0.85%[52] * **季月连续对冲模型**：年化收益0.74%，波动率3.29%，最大回撤-4.03%，净值1.0241，年换手次数4，2025年以来收益0.43%[52] * **最低贴水策略模型**：年化收益1.22%，波动率3.06%，最大回撤-4.06%，净值1.0398，年换手次数15.15，2025年以来收益0.62%[52] * **指数表现（基准）**：年化收益2.98%，波动率17.11%，最大回撤-25.59%，净值1.0997，2025年以来收益21.99%[52] 3. **IH（上证50）对冲策略**[56] * **当月连续对冲模型**：年化收益1.08%，波动率3.02%，最大回撤-4.22%，净值1.0353，年换手次数12，2025年以来收益0.45%[56] * **季月连续对冲模型**：年化收益1.96%，波动率3.43%，最大回撤-3.75%，净值1.0646，年换手次数4，2025年以来收益1.52%[56] * **最低贴水策略模型**：年化收益1.72%，波动率3.04%，最大回撤-3.91%，净值1.0565，年换手次数15.77，2025年以来收益1.53%[56] * **指数表现（基准）**：年化收益2.09%，波动率16.18%，最大回撤-22.96%，净值1.0693，2025年以来收益16.68%[56] 4. **IM（中证1000）对冲策略**[60] * **当月连续对冲模型**：年化收益-6.29%，波动率4.76%，最大回撤-14.00%，净值0.8302，年换手次数12，2025年以来收益-11.45%[60] * **季月连续对冲模型**：年化收益-4.64%，波动率5.79%，最大回撤-12.63%，净值0.8538，年换手次数4，2025年以来收益-6.42%[60] * **最低贴水策略模型**：年化收益-4.22%，波动率5.55%，最大回撤-11.11%，净值0.8667，年换手次数15.82，2025年以来收益-6.69%[60] * **指数表现（基准）**：年化收益0.89%，波动率25.59%，最大回撤-41.60%，净值0.9219，2025年以来收益27.98%[60] 因子的回测效果 **数据日期：2025年10月24日** 1. **分红调整年化基差因子**[4][20][25][31][37] * **IC当季合约**：取值-8.84%[4][20] * **IF当季合约**：取值-2.90%[4][25] * **IH当季合约**：取值0.42%[4][31] * **IM当季合约**：取值-11.18%[4][37] 2. **信达波动率指数 (Cinda-VIX) 因子**[62] * **上证50VIX_30**：取值19.23[62] * **沪深300VIX_30**：取值19.32[62] * **中证500VIX_30**：取值27.76[62] * **中证1000VIX_30**：取值24.15[62] 3. **信达偏度指数 (Cinda-SKEW) 因子**[67] * **上证50SKEW**：取值101.75[67] * **沪深300SKEW**：取值103.69[67] * **中证500SKEW**：取值102.25[67] * **中证1000SKEW**：取值102.63[67]

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、资金流向等市场监测指标，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，而非模型或因子研究。 因此，本次总结中**没有**需要提取的量化模型或量化因子相关内容。

根据提供的金融工程周报内容，以下是关于报告中涉及的量化模型与因子的总结。 量化因子与构建方式 1. **因子名称：250日新高距离**[11] * **因子构建思路**：该因子用于衡量当前股价相对于过去250个交易日最高价的回落幅度，其理论基础是股价在接近52周（约250日）最高价时，未来收益往往更高，体现了动量和趋势跟踪策略的有效性[11] * **因子具体构建过程**：计算步骤如下： 1. 取股票在过去250个交易日的收盘价序列 2. 计算该序列的最大值，记为 `ts_max(Close, 250)` 3. 取最新收盘价 `Closet` 4. 代入以下公式计算因子值： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 若最新收盘价创出新高，则因子值为0；若股价自高点回落，则因子值为正，代表回落幅度[11] 2. **因子名称：平稳创新高股票筛选因子（复合因子）**[25][28] * **因子构建思路**：该复合因子旨在从创出250日新高的股票中，进一步筛选出价格路径平滑、趋势延续性好的股票，其依据是研究表明平滑的动量效应可能比跳跃式的更强[25] * **因子具体构建过程**：这是一个多步骤筛选流程，具体条件如下： 1. **初选股票池**：过去20个交易日内曾创出250日新高的股票[19] 2. **分析师关注度**：过去3个月内，获得买入或增持评级的分析师研报数量不少于5份[28] 3. **股价相对强弱**：过去250日涨跌幅位于全市场前20%[28] 4. **股价平稳性与创新高持续性（综合打分）**：在满足上述条件的股票池内，使用以下两个指标进行综合打分，并选取排名在前50%的股票[28]： * **价格路径平滑性**：使用股价位移路程比衡量，具体计算公式为 `过去120日涨跌幅的绝对值 / 过去120日日涨跌幅绝对值加总`[25][28] * **创新高持续性**：过去120日的250日新高距离在时间序列上的均值[28] 5. **趋势延续性**：对经过上述筛选的股票，计算其过去5日的250日新高距离在时间序列上的均值，并最终选取该均值排序最靠前的50只股票[28] 模型的回测效果 （报告中未提供具体量化模型的回测效果指标） 因子的回测效果 （报告中未提供量化因子的历史回测效果指标，如IC值、IR等，仅提供了特定时点的截面数据描述）