根据提供的金融工程周报内容，该报告主要总结了市场表现和基金业绩，并未涉及具体的量化模型或量化因子的构建思路、详细过程及公式。报告内容侧重于市场回顾、基金产品动态及各类基金的业绩统计。 因此，本次总结将跳过“量化模型与构建方式”和“量化因子与构建方式”部分，直接呈现报告中提到的基金组合（可视为广义的“模型”或策略）及其业绩表现。 基金组合的回测效果 1. **主动权益基金组合** * 组合构建思路：以开放式基金中的普通股票型基金和偏股混合型基金作为样本池，统计其中位数收益以反映该类基金的整体表现[33] * 具体测试结果取值： * 本周收益中位数：-1.58%[33] * 本年收益中位数：31.00%[34] 2. **灵活配置型基金组合** * 组合构建思路：统计灵活配置型基金的收益中位数[33] * 具体测试结果取值： * 本周收益中位数：-0.61%[33] * 本年收益中位数：23.56%[34] 3. **平衡混合型基金组合** * 组合构建思路：统计平衡混合型基金的收益中位数[33] * 具体测试结果取值： * 本周收益中位数：-0.31%[33] * 本年收益中位数：14.74%[34] 4. **指数增强基金组合** * 组合构建思路：统计指数增强基金相对其业绩比较基准的超额收益中位数[35] * 具体测试结果取值： * 本周超额收益中位数：0.27%[35] * 本年超额收益中位数：3.74%[35] 5. **量化对冲型基金组合** * 组合构建思路：统计量化对冲型基金的收益中位数[35] * 具体测试结果取值： * 本周收益中位数：0.10%[35] * 本年收益中位数：0.76%[35] 6. **普通FOF基金组合** * 组合构建思路：统计普通FOF基金的收益中位数[38] * 具体测试结果取值： * 本周收益中位数：0.44%[38] * 本年收益中位数：未在提供内容中明确列出 7. **目标日期基金组合** * 组合构建思路：统计目标日期基金的收益中位数[38] * 具体测试结果取值： * 本周收益中位数：0.69%[38] * 本年收益中位数：18.44%[38] 8. **目标风险基金组合** * 组合构建思路：统计目标风险基金的收益中位数[38] * 具体测试结果取值： * 本周收益中位数：0.54%[38] * 本年收益中位数：未在提供内容中明确列出 报告还列出了周度及年度业绩排名靠前的单只基金明细（如表9至表14）[52][53][54][55][56][57]，这些是基金产品的业绩展示，而非特定量化模型或因子。

根据提供的金融工程周报内容，该报告主要总结了市场表现和基金产品情况，并未涉及具体的量化模型或量化因子的构建思路、详细过程和评价。报告内容侧重于市场数据回顾、基金业绩统计和产品发行信息[1][2][3]。 因此，本次总结将跳过“量化模型与构建方式”和“量化因子与构建方式”两部分，因为没有相关内容。 以下是报告中涉及的基金产品业绩表现数据总结： 模型的回测效果 （本报告未涉及具体的量化模型） 因子的回测效果 （本报告未涉及具体的量化因子） 基金业绩表现统计 **1. 指数增强基金超额收益（周度）[37]** - 分组指标：Min, 10%, 20%, 30%, 40%, 50%, 60%, 70%, 80%, 90%, Max - 指数增强型基金本周超额收益中位数：0.27% - 指数增强型基金本年超额收益中位数：3.74% **2. 量化对冲型基金收益（周度）[37]** - 分组指标：Min, 10%, 20%, 30%, 40%, 50%, 60%, 70%, 80%, 90%, Max - 量化对冲型基金本周收益中位数：0.10% - 量化对冲型基金本年收益中位数：0.76% **3. 不同类别FOF基金收益（周度及本年）[38]** - 普通FOF基金上周收益中位数：0.44% - 目标日期基金上周收益中位数：0.69% - 目标风险基金上周收益中位数：0.54% - 目标日期基金本年累计收益率中位数：18.44% **4. 普通公募基金业绩（周度前十及年度前三）[52][55]** - 涵盖基金类型包括：货币型、短期纯债、灵活配置型、混合债二级、混合债一级、平衡混合型、另类、偏债混合型、主动权益、中长期纯债等 - 统计指标：本周收益、本年收益 **5. 指数增强基金超额业绩（周度前十及年度前十）[53][56]** - 统计指标：本周超额收益、本年超额收益 **6. 量化对冲基金业绩（周度前十及年度前十）[54][57]** - 统计指标：本周收益、本年收益 （注：具体基金名称及详细数值请参见报告原文中的对应表格[52][53][54][55][56][57]）

根据研报内容，总结如下： 量化模型与构建方式 1. **模型名称：三维择时框架**[7][11][12] * **模型构建思路**：通过综合评估市场分歧度、流动性和景气度三个维度的状态，对市场整体走势进行判断[7][11][12] * **模型具体构建过程**：模型基于三个核心指标： 1. 市场分歧度指数：衡量市场参与者观点的差异程度[11][16] 2. 市场流动性指数：衡量市场的资金充裕程度[11][18] 3. A股景气度指数2.0：衡量上市公司整体的经营景气状况[11][20] 通过观察这三个指标的趋势和组合状态（例如，流动性下行、分歧度扩大、景气度稳中有升），形成对市场（如震荡下跌）的判断[7][11][12] 2. **模型名称：热点趋势ETF策略**[25][26][27] * **模型构建思路**：结合价格形态、技术指标和市场关注度，筛选出具有短期上涨趋势的ETF构建投资组合[25][28] * **模型具体构建过程**：过程分为三步： 1. **形态筛选**：首先筛选出最高价与最低价同时呈现上涨形态的ETF[25] 2. **构建支撑阻力因子**：基于最高价与最低价近20日的回归系数，构建衡量趋势陡峭程度的支撑阻力因子[25] 3. **关注度筛选与组合构建**：在支撑阻力因子的多头组中，选择近5日换手率与近20日换手率比值最高（即短期关注度提升最明显）的10只ETF，最终采用风险平价方法构建组合[25][29] 3. **模型名称：资金流共振策略**[33][34][36] * **模型构建思路**：结合融资融券资金和主动大单资金两类资金流的动向，选择两类资金共同看好的行业[2][33] * **模型具体构建过程**： 1. **因子构建**： * **行业融资融券资金因子**：计算行业内个股的（融资净买入-融券净卖出）并加总，然后对Barra市值因子进行中性化处理，再取最近50日均值，并计算其两周环比变化率[33] * **行业主动大单资金因子**：计算行业的净流入数据，并对其进行最近一年成交量的时序中性化处理，然后进行排序，最后取最近10日均值[33] 2. **策略规则**：在主动大单因子的头部打分行业内，剔除融资融券因子也处于头部的行业（研究发现融资融券因子多头端在某些市场状态下有负向超额），以提升策略稳定性，并进一步剔除大金融板块[33] 3. **行业推荐**：每周选择经过上述处理后有资金共振效应的行业作为推荐[33][36] 模型的回测效果 1. **资金流共振策略**，年化超额收益13.5%[33]，信息比率(IR)1.7[33]，上周绝对收益0.98%[33]，上周超额收益（相对行业等权）-0.54%[33] 量化因子与构建方式 1. **因子名称：风格因子（Barra系列）**[39][40][43] * **因子构建思路**：采用经典的Barra风险模型框架中的风格因子，从不同维度刻画股票特征[39][40][43] * **因子具体构建过程**：报告提及了多个Barra风格因子，包括： * **规模因子(size)**：进行行业中性化处理[41] * **贝塔因子(beta)**：进行市值、行业中性化处理[41] * **成长因子(growth)**：进行市值、行业中性化处理[41] * 其他因子如动量(momentum)、波动率(volatility)、非线性规模(nlsize)、价值(value)、流动性(liquidity)、盈利收益率(earnings_yield)、杠杆(leverage)等，大部分进行了市值和行业中性化处理[41][43] 2. **因子名称：Alpha因子**[42][44][46] * **因子构建思路**：构建多种基于基本面、分析师预测、市场交易数据的因子，以捕捉超额收益[42][44][46] * **因子具体构建过程**：报告列举了大量具体因子及其计算方法，例如： * **成长类因子**：如每股营业收入同比增长率(yoy_orps)、资产负债率同比变化率(debt_ratio_yoy)、总负债同比增长(tot_liab_yoy)、单季度营业收入同比增速(yoy_or_q)等[42][44] * **动量类因子**：如1年-1个月的收益率(mom_1y_1m)、十二个月残差动量(specific_mom12)等[44] * **盈利质量类因子**：如单季度ROE同比差值(roe_q_delta_report)、单季度ROE(roe_q_report)等[44][46] * **分析师预测类因子**：如(当前一致预测np_FY1-3个月前一致预测np_FY1)/3个月前一致预测np_FY1绝对值(mom3_np_fy1)、评级上下调差/评级上下调和(est_num_diff)等[46] 因子的回测效果 1. **风格因子（最近一周收益）**，规模因子(size)1.57%[39][43]，贝塔因子(beta)1.08%[40][43]，成长因子(growth)0.42%[40][43]，动量因子(momentum)0.39%[43]，波动率因子(volatility)0.20%[43]，非线性规模因子(nlsize)1.31%[43]，价值因子(value)-0.13%[43]，流动性因子(liquidity)0.96%[43]，盈利收益率因子(earnings_yield)-0.67%[43]，杠杆因子(leverage)0.48%[43] 2. **Alpha因子（近一周多头超额收益）**，每股营业收入同比增长率(yoy_orps)2.62%[44]，资产负债率同比变化率(debt_ratio_yoy)2.57%[44]，总负债同比增长(tot_liab_yoy)2.53%[44]，单季度营业收入同比增速(yoy_or_q)2.51%[44]，流动负债同比增长(cur_liab_yoy)2.49%[44]，速动比率同比变化(quick_ratio_yoy)2.25%[44]，营业收入同比增速(yoy_or)2.14%[44]，(当期总资产-去年同期总资产)/去年同期总资产绝对值(yoy_total_assets)2.12%[44]，销售商品提供劳务收到的现金流变化/投入资本(delta_cashflow_goodsales_ic)2.03%[44]，应付账款同比变化(yoy_accpayable)1.94%[44]，1年-1个月的收益率(mom_1y_1m)1.76%[44]，十二个月残差动量(specific_mom12)1.74%[44]，营业利润_TTM/销售费用_TTM(oper_salesexp)1.67%[44]，单季度ROE同比差值(roe_q_delta_report)1.61%[44]，单季度ROE同比差值（考虑快报、预告）(roe_q_delta_adv)1.61%[44]，经营活动现金流入变化/投入资本(delta_cashinflow_ic)1.61%[44]，(净利润ttm-过去八个季度的净利润ttm均值)/过去八个季度的净利润ttm标准差(np_ttm_growth_std)1.61%[44]，流动比率同比变化率(cur_ratio_yoy)1.57%[44]，earnings_fttm 1.56%[44]，单季度每股收益同比增速(yoy_eps_q)1.56%[44] 3. **Alpha因子（在不同宽基指数内的近一周多头超额收益）** * **单季度ROE同比差值（考虑快报、预告）(roe_q_delta_adv)**，在沪深300中8.23%[46]，在中证500中4.55%[46]，在中证1000中9.38%[46]，在国证2000中4.96%[46] * **(当前一致预测np_FY1-3个月前一致预测np_FY1)/3个月前一致预测np_FY1绝对值(mom3_np_fy1)**，在沪深300中7.14%[46]，在中证500中5.60%[46]，在中证1000中9.54%[46]，在国证2000中4.19%[46] * **评级上下调差/评级上下调和(est_num_diff)**，在沪深300中7.73%[46]，在中证500中4.86%[46]，在中证1000中8.72%[46]，在国证2000中4.60%[46] * **(当前一致预测eps_FY1-3个月前一致预测eps_FY1)/3个月前一致预测eps_FY1绝对值(mom3_eps_fy1)**，在沪深300中7.70%[46]，在中证500中4.88%[46]，在中证1000中8.28%[46]，在国证2000中5.18%[46] * **单季度ROE同比差值(roe_q_delta_report)**，在沪深300中7.47%[46]，在中证500中3.84%[46]，在中证1000中8.11%[46]，在国证2000中3.09%[46]

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：短期择时策略**[4][14][16] * **模型构建思路**：构建一个多维度（基本面、估值面、情绪面、流动性）的量化择时框架，通过综合各维度的信号来判断市场短期走势并给出仓位建议[4][14][16] * **模型具体构建过程**： * **维度划分**：模型从四个维度进行市场研判：基本面、估值面、情绪面、流动性[14][16] * **指标选取与信号生成**：每个维度下包含多个具体指标，根据指标当前值在其过去5年历史中的分位数位置，生成“乐观”、“谨慎”或“中性”的二级信号[14][16][17] * **基本面**：包含制造业PMI是否大于50、信贷脉冲环比变化分位数、M1同比增速（HP滤波去趋势）分位数等指标[14][17] * **估值面**：包含A股整体PE分位数、A股整体PB分位数等指标[14][17] * **情绪面**：包含A股整体Beta离散度分位数、A股整体量能情绪分位数、A股整体波动率分位数等指标[15][17] * **流动性**：包含货币利率指标分位数、汇率预期指标分位数、沪深净融资额5日均值分位数等指标[16][17] * **维度综合**：将同一维度下的所有二级信号进行综合，得出该维度的一级信号（乐观/谨慎/中性）[14][16][17] * **总仓位生成**：综合所有四个维度的一级信号，最终生成总的仓位建议信号（例如，1.00代表满仓看多，0.00代表空仓）[16][17][23] * **模型评价**：该模型是一个系统性的多因子择时框架，旨在通过多维数据捕捉市场短期波动机会[14][16] 2. **模型名称：成长价值风格轮动模型**[4][24][26] * **模型构建思路**：从基本面、估值面、情绪面三个维度构建指标，判断成长风格与价值风格之间的相对强弱，进行风格配置[4][24][26] * **模型具体构建过程**： * **维度与指标**： * **基本面**：基于盈利周期斜率、利率综合周期水平、信贷综合周期变化三个指标进行判断[24][26] * **估值面**：基于成长价值PE估值差分位数、成长价值PB估值差分位数进行判断[24][26] * **情绪面**：基于成长价值换手差分位数、成长价值波动差分位数进行判断[24][26] * **信号生成**：每个指标根据其数值或分位数水平，给出倾向于成长或价值的二级仓位信号（例如，100%成长/0%价值）[24][26] * **维度综合**：将同一维度下的二级信号进行综合，得出该维度的一级仓位建议（例如，成长100%）[24][26] * **最终建议**：综合三个维度的一级信号，给出最终的风格配置建议（超配成长或超配价值）[4][24] 3. **模型名称：小盘大盘风格轮动模型**[4][28][29] * **模型构建思路**：基于专题研究，从流动性等多个视角选取11个有效指标，构建综合信号来判断小盘风格与大盘风格之间的轮动[4][28][29] * **模型具体构建过程**： * **指标池**：模型包含11个轮动指标，例如A股龙虎榜买入强度、R007、融资买入余额变化、主题投资交易情绪、等级利差、期权波动率风险溢价、beta离散度、pb分化度、大宗交易折溢价率、中证1000 MACD、中证1000交易量能等[28][29] * **信号生成**：每个指标独立产生一个针对小盘风格的仓位信号（0%或100%）[28][29] * **信号综合**：将所有11个指标的信号进行综合（例如，通过3日平滑处理），得出最终的小盘/大盘综合仓位信号[28][29] 模型的回测效果 1. **短期择时策略**[16][20][22] * 年化收益率：16.86% * 年化波动率：14.77% * 最大回撤：15.49% * 夏普比率：0.9941 * 收益回撤比：1.0884 * 月度胜率：65.81% * 基准（月度中性持仓再平衡）年化收益率：4.88%[16] * 年化超额收益率：11.99%[16] * 2024年以来年化收益率：35.36%[21] * 2024年以来最大回撤：11.04%[21] * 2025年以来收益率：27.62%（基准收益率：14.02%，超额收益率：13.60%）[16][22] 2. **成长价值风格轮动策略**[25][26][27] * 年化收益率：13.53% * 年化波动率：20.81% * 最大回撤：43.07% * 夏普比率：0.6186 * 收益回撤比：0.3142 * 月度胜率：58.44% * 基准（月度风格均衡配置）年化收益率：7.97%[25] * 年化超额收益率：5.56%[25] * 2025年以来策略收益率：34.18%（基准收益率：24.38%，超额收益率：9.80%）[25][27] 3. **小盘大盘风格轮动策略**[28][29] * 2025年以来策略收益率：32.67%（基准收益率：24.11%，超额收益率：8.57%）[29] * 2014年以来策略每年均产生正向超额收益[28] * 综合信号3日平滑年化收益率：20.13%[29] * 综合信号3日平滑年化超额收益率：12.84%[29] * 综合信号3日平滑最大回撤：40.70%[29] 量化因子与构建方式 1. **因子名称：估值分位数因子**[8][9][10][14][15] * **因子构建思路**：使用滚动历史分位数来衡量当前估值水平（如PE、PB）在历史中的相对位置，作为均值回归的信号的依据[8][14][15] * **因子具体构建过程**：对于给定的指数或风格，计算其当前PE或PB的中位数，然后计算该中位数在滚动窗口（如1年、3年、5年）历史数据中的分位数[8][9][10][14][15] 2. **因子名称：宏观周期因子**[14][24][26] * **因子构建思路**：利用宏观经济指标的周期性变化（如盈利周期、利率周期、信贷周期）来判断市场风格或整体走势[14][24][26] * **因子具体构建过程**：报告中提及的宏观周期因子包括： * 盈利斜率周期水平[24][26] * 利率综合周期水平[24][26] * 信贷综合周期变化[24][26] * M1同比增速（经过HP滤波去趋势处理）[14] * 人民币中长期贷款脉冲同比增速[14] 3. **因子名称：市场情绪因子**[15][16][17][24][26][28][29] * **因子构建思路**：捕捉市场参与者的情绪变化，如交易活跃度、风险偏好、观点分歧等[15][16][24][28] * **因子具体构建过程**：报告中提及的情绪类因子包括： * A股整体Beta离散度[15][17][28] * A股整体量能情绪[15][17] * A股整体波动率[15][17] * 成长价值换手差[24][26] * 成长价值波动差[24][26] * 主题投资交易情绪[28][29] * 期权波动率风险溢价[28][29] * A股龙虎榜买入强度[28][29] * 融资买入余额变化[28][29] 4. **因子名称：流动性因子**[16][17][28][29] * **因子构建思路**：从货币市场、汇率、市场资金面等角度衡量市场流动性状况[16][28] * **因子具体构建过程**：报告中提及的流动性因子包括： * 货币利率指标（如R007）[16][17][28][29] * 汇率预期指标[16][17] * 沪深两市净融资额[16][17] * 等级利差[28][29] 因子的回测效果 （报告中未提供单个因子的独立回测绩效指标，仅提供了基于这些因子构建的综合模型的回测结果）

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。 量化模型与构建方式 1. **模型名称：A股仓位择时策略**[17] * **模型构建思路**：该模型旨在对沪深300ETF进行多头仓位的择时交易，通过特定的信号判断增仓或减仓时机，以超越简单的买入持有策略[17] * **模型具体构建过程**：报告未详细描述该模型的构建过程和具体公式 2. **模型名称：A股多空择时策略**[20] * **模型构建思路**：该模型基于沪深300股指期货，进行多空双向的择时交易，根据信号决定做多、做空或空仓，旨在获取双向收益[20] * **模型具体构建过程**：报告未详细描述该模型的构建过程和具体公式 3. **模型名称：港股仓位择时策略**[19] * **模型构建思路**：该模型针对港股市场进行仓位择时，动态调整港股持仓比例以应对市场波动[19] * **模型具体构建过程**：报告未详细描述该模型的构建过程和具体公式 4. **模型名称：A股小微盘择时策略**[21][22] * **模型构建思路**：该模型专注于A股市场中小市值股票的择时交易，捕捉小微盘股票的特有波动规律[21][22] * **模型具体构建过程**：报告未详细描述该模型的构建过程和具体公式 5. **模型名称：A股红利成长择时策略**[25] * **模型构建思路**：该模型在价值红利风格与成长风格之间进行轮动择时，根据市场环境超配更具潜力的风格[25] * **模型具体构建过程**：报告未详细描述该模型的构建过程和具体公式 6. **模型名称：美股择时策略**[26] * **模型构建思路**：该模型针对美股市场（以标普500指数为基准）进行择时，并可能涉及杠杆ETF的使用，通过信号判断开多、做空或持仓时机[26] * **模型具体构建过程**：报告未详细描述该模型的构建过程和具体公式 7. **模型名称：黄金择时策略**[28] * **模型构建思路**：该模型对黄金价格进行择时判断，利用季节性效应、资金动量等因素来决策黄金的配置时机[28] * **模型具体构建过程**：报告未详细描述该模型的构建过程和具体公式 8. **模型名称：ETF组合策略-偏股型**[30] * **模型构建思路**：该策略通过构建一篮子偏股型ETF组合，进行资产配置，以分散风险并追求收益[30] * **模型具体构建过程**：报告未详细描述该策略的构建过程和具体公式 9. **模型名称：ETF组合策略-偏债型**[31] * **模型构建思路**：该策略通过构建一篮子偏债型ETF组合，主要面向固定收益类资产进行配置[31] * **模型具体构建过程**：报告未详细描述该策略的构建过程和具体公式 10. **因子名称：价值红利因子**[9][34] * **因子构建思路**：基于资金面考量，识别并超配具有高分红、低估值特征的股票风格[9][34] * **因子具体构建过程**：报告未详细描述该因子的具体构建过程和公式 模型的回测效果 报告展示了多个策略的历史净值曲线图，但未提供具体的量化指标数值（如年化收益率、夏普比率、最大回撤等）[18][20][26][28][30][31]。因此，无法列出各模型的具体测试结果取值。 量化因子与构建方式 （本报告中未详细阐述独立于模型之外的量化因子的构建方式，相关内容已合并至上述模型部分，如“价值红利因子”） 因子的回测效果 （本报告中未提供独立因子的具体测试结果取值） **请注意**：本报告主要侧重于展示各择时策略的历史净值走势图和当前的市场观点，并未提供模型构建的详细方法论和量化的回测绩效指标。

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：择时雷达六面图**[2][7] * **模型构建思路**：权益市场表现受多维度指标共同影响，该模型尝试从流动性、经济面、估值面、资金面、技术面、拥挤度六个维度选取二十一个指标刻画市场，并将其概括为四大类，最终生成一个介于[-1,1]之间的综合择时分数。[2][7] * **模型具体构建过程**： * **第一步：指标选取与分类**。从六个维度（流动性、经济面、估值面、资金面、技术面、拥挤度）选取21个具体指标，并将其归纳为四大类："估值性价比"、"宏观基本面"、"资金&趋势"、"拥挤度&反转"。[2][7] * **第二步：单指标信号生成**。每个单指标根据其特定的构建逻辑和规则，被转化为一个看多(1)、看空(-1)或无信号(0)的分数，部分指标（如估值类）的分数是连续值。[10][12][15]等 * **第三步：综合分数合成**。将所有单指标的分数通过某种方式（报告未明确说明具体加权或合成方法）汇总，最终生成一个介于[-1,1]之间的综合择时分数。[2][7] 量化因子与构建方式 1. **因子名称：货币方向因子**[12] * **因子构建思路**：判断当前货币政策的方向，通过比较当前利率与历史利率的变化方向来识别宽松或收紧。[12] * **因子具体构建过程**：选取央行使用的货币政策工具利率与短端市场利率，计算其相较于90天前的平均变化方向。若货币方向因子>0，则判断货币政策宽松；若<0，则判断货币政策收紧。[12] 2. **因子名称：货币强度因子**[15] * **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，以判断货币环境的宽松或紧张程度。[15] * **因子具体构建过程**：计算偏离度=DR007/7天逆回购利率-1，并进行平滑与zscore标准化形成货币强度因子。若因子<-1.5倍标准差，则预期未来120个交易日为宽松环境；若因子>1.5倍标准差，则预期未来120个交易日为紧张环境。[15] 3. **因子名称：信用方向因子**[18] * **因子构建思路**：表征商业银行对实体经济传导信用的松紧程度，使用中长期贷款指标进行体现。[18] * **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；反之则看空。[18] 4. **因子名称：信用强度因子**[21] * **因子构建思路**：捕捉信用指标是否大幅超预期或者不及预期。[21] * **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。若因子>1.5倍标准差，则定义未来60个交易日为信用显著超预期环境；反之若因子<-1.5倍标准差，则定义未来60个交易日为信用显著不及预期环境。[21] 5. **因子名称：增长方向因子**[23] * **因子构建思路**：基于PMI数据判断经济增长的方向。[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；反之则看空。[23] 6. **因子名称：增长强度因子**[26] * **因子构建思路**：捕捉经济增长指标是否大幅超预期或者不及预期。[26] * **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，得到增长强度因子。若因子>1.5倍标准差，则定义未来60个交易日为增长显著超预期环境；反之若因子<-1.5倍标准差，则定义未来60个交易日为增长显著不及预期环境。[26] 7. **因子名称：通胀方向因子**[30] * **因子构建思路**：通过当前通胀水平判断其对货币政策的制约以及未来宽松空间。[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。若通胀方向因子相较于三个月之前降低，则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**[31] * **因子构建思路**：捕捉通胀指标是否大幅超预期或者不及预期。[31] * **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。若通胀强度因子<-1.5，则定义未来60个交易日为通胀显著不及预期环境；反之若通胀强度因子>1.5倍标准差，则定义未来60个交易日为通胀显著超预期环境。[31] 9. **因子名称：席勒ERP**[35] * **因子构建思路**：使用经过周期调整的盈利来计算市盈率，并考虑无风险收益率，以衡量市场的估值水平和风险溢价。[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，然后计算席勒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] 10. **因子名称：PB**[37] * **因子构建思路**：使用市净率衡量估值水平。[37] * **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。[37] 11. **因子名称：AIAE**[41] * **因子构建思路**：通过计算全市场权益配置比例，反映市场整体的风险偏好。[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] 12. **因子名称：两融增量**[43] * **因子构建思路**：通过两融余额的变化判断市场杠杆资金情绪。[43] * **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日均增量时看多；反之看空。[43] 13. **因子名称：成交额趋势**[46] * **因子构建思路**：通过成交额的变化趋势判断市场成交热度和资金活跃度。[46] * **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。[46] 14. **因子名称：中国主权CDS利差**[49] * **因子构建思路**：通过中国主权CDS利差的变化反映海外投资者对中国经济和主权信用风险的预期，进而体现外资流入意愿。[49] * **因子具体构建过程**：当平滑后CDS利差的20日差分<0时，说明当前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。[49] 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（Citi RAI Index）捕捉海外市场的风险偏好，影响外资流向。[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**[55] * **因子构建思路**：使用均线距离衡量标的价格的中长期趋势方向和强度。[55] * **因子具体构建过程**：计算均线距离=（ma120/ma240-1）。趋势方向分数：当均线距离>0时为1，反之为-1。趋势强度分数：当均线距离的max(20)=max(60)时为1，当min(20)=min(60)时为-1。趋势综合分数=(趋势方向分数+趋势强度分数)/2。[55] 17. **因子名称：新高新低数**[58] * **因子构建思路**：使用指数成分股的新高和新低个数作为市场反转信号。[58] * **因子具体构建过程**：计算中证800成分股的过去一年新高数-新低数，并取其20日移动平均（ma20）。当该值>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。[58] 18. **因子名称：期权隐含升贴水**[61] * **因子构建思路**：基于期权平价关系推导出的隐含标的升贴水，反映期权市场对未来收益率的预期和情绪，作为反转指标。[61] * **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。[61] 19. **因子名称：期权VIX指数**[62] * **因子构建思路**：使用期权隐含波动率（VIX）反映市场对未来波动率的预期和情绪，作为反转指标。[62] * **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。[62] 20. **因子名称：期权SKEW指数**[67] * **因子构建思路**：使用期权隐含偏度（SKEW）反映市场对未来偏度的预期和情绪，作为反转指标。[67] * **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。[67] 21. **因子名称：可转债定价偏离度**[69] * **因子构建思路**：通过可转债的市场价格相对于模型理论价格的偏离度，反映市场情绪和拥挤度。[69] * **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。然后计算分数=定价偏离度×(-1)并计算过去3年zscore得到分数。定价偏离度越高，拥挤度越高，分数越低。[69] 模型的回测效果 1. **择时雷达六面图模型**，当前综合打分为-0.32分[7][9] 因子的回测效果 1. **货币方向因子**，当前分数为1分[10][12] 2. **货币强度因子**，当前分数为-1分[10][15] 3. **信用方向因子**，当前分数为1分[10][18] 4. **信用强度因子**，当前分数为0分[10][21] 5. **增长方向因子**，当前分数为1分[10][23][24] 6. **增长强度因子**，当前分数为-1分[10][26][27] 7. **通胀方向因子**，当前分数为-1分[10][30] 8. **通胀强度因子**，当前分数为0分[10][31] 9. **席勒ERP因子**，当前分数为0.03分[10][35][39] 10. **PB因子**，当前分数为-0.56分[10][37] 11. **AIAE因子**，当前分数为-0.90分[10][41] 12. **两融增量因子**，当前分数为1分[10][43] 13. **成交额趋势因子**，当前分数为0分[10][46] 14. **中国主权CDS利差因子**，当前分数为1分[10][49][50] 15. **海外风险厌恶指数因子**，当前分数为-1分[10][52] 16. **价格趋势因子**，当前分数为0分[10][55][57] 17. **新高新低数因子**，当前分数为-1分[10][58] 18. **期权隐含升贴水因子**，当前分数为-1分[10][61] 19. **期权VIX指数因子**，当前分数为-1分[10][62][63] 20. **期权SKEW指数因子**，当前分数为-1分[10][67] 21. **可转债定价偏离度因子**，当前分数为-1.00分[10][69]

根据研报内容，以下是涉及的量化模型和因子的总结： 量化模型与构建方式 1. **模型名称**：成交量模型[13] **模型构建思路**：基于价量关系进行市场择时[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 2. **模型名称**：低波动率模型[13] **模型构建思路**：利用低波动率特征进行市场择时[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 3. **模型名称**：特征龙虎榜机构模型[13] **模型构建思路**：基于龙虎榜机构特征进行择时[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 4. **模型名称**：特征成交量模型[13] **模型构建思路**：基于成交量特征进行择时[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 5. **模型名称**：智能算法沪深300模型[13] **模型构建思路**：应用智能算法对沪深300指数进行择时[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 6. **模型名称**：智能算法中证500模型[13] **模型构建思路**：应用智能算法对中证500指数进行择时[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 7. **模型名称**：涨跌停模型[14] **模型构建思路**：基于涨跌停现象进行中期择时[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 8. **模型名称**：月历效应模型[14] **模型构建思路**：利用月历效应进行市场择时[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 9. **模型名称**：长期动量模型[15] **模型构建思路**：基于长期动量效应进行择时[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 10. **模型名称**：A股综合兵器V3模型[16] **模型构建思路**：综合多因子多周期的耦合模型[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 11. **模型名称**：A股综合国证2000模型[16] **模型构建思路**：针对国证2000指数的综合择时模型[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 12. **模型名称**：成交额倒波幅模型[17] **模型构建思路**：基于成交额与波动率倒数的关系进行港股择时[11] **模型具体构建过程**：研报未提供具体构建公式和详细过程 13. **模型名称**：杯柄形态识别模型[42][43] **模型构建思路**：识别杯柄形态的技术分析模型[42] **模型具体构建过程**：通过识别A点（起点）、B点（杯柄高点）、C点（突破点）来构建形态[47] 14. **模型名称**：双底形态识别模型[42][48] **模型构建思路**：识别双底形态的技术分析模型[42] **模型具体构建过程**：通过识别A点、C点、E点来构建双底形态[53] 15. **模型名称**：倒杯子形态识别模型[59] **模型构建思路**：识别负面倒杯子形态的风险预警模型[59] **模型具体构建过程**：在一波下跌后出现筑顶，完成后再现下跌突破的形态识别[59] 模型的回测效果 1. **杯柄形态模型**：2020年12月31日至今累计上涨71.77%，跑赢上证综指57.83%[42] 2. **双底形态模型**：2020年12月31日至今累计上涨31.63%，跑赢上证综指17.68%[42] 3. **VIX指数模型**：与中证指数公司历史VIX指数的相关系数达到99.2%[40] 量化因子与构建方式 1. **因子名称**：价量因子[11] **因子构建思路**：基于价格和成交量关系的择时因子[11] **因子具体构建过程**：研报未提供具体构建公式和详细过程 2. **因子名称**：动量因子[11] **因子构建思路**：基于价格动量效应的择时因子[11] **因子具体构建过程**：研报未提供具体构建公式和详细过程 3. **因子名称**：涨跌停因子[11] **因子构建思路**：基于涨跌停现象的择时因子[11] **因子具体构建过程**：研报未提供具体构建公式和详细过程 4. **因子名称**：加速度与趋势因子[11] **因子构建思路**：基于价格加速度和趋势的择时因子[11] **因子具体构建过程**：研报未提供具体构建公式和详细过程 因子的回测效果 研报未提供具体因子的独立测试结果取值

量化模型与构建方式 1. 宽基形态择时策略模型 **模型名称**：宽基形态择时策略模型[12] **模型构建思路**：基于宽基指数成分股出现的特定技术形态信号（看多或看空）来构建择时策略，判断宽基指数的未来走势观点[12] **模型具体构建过程**：该模型通过统计宽基指数成分股中出现的看多形态信号和看空形态信号的数量，形成多空对比，从而生成对宽基指数的整体观点（看多、中性或看空）[12] 模型根据每日信号情况更新观点，并跟踪策略表现[12] 2. 行业形态择时策略模型 **模型名称**：行业形态择时策略模型[14] **模型构建思路**：基于中信一级行业指数成分股出现的形态信号构建多空比率剪刀差，用于行业指数的择时判断[14] **模型具体构建过程**：首先统计每个行业指数成分股中每日出现看多形态和看空形态的股票数量[14] 如果当日没有看多形态的成分股，则看多形态成分股数量记为0；如果当日没有看空形态的成分股，则看空形态成分股数量记为0[14] 如果当日看多和看空形态成分股数量都为0，则多空形态剪刀差数值为0[14] 多空形态剪刀差比率的计算公式为： $$多空形态剪刀差比率 = \frac{看多形态成分股数量 - 看空形态成分股数量}{总成分股数量}$$ 基于此剪刀差比率构建行业择时策略[14] 3. 特殊K线形态识别模型 **模型名称**：特殊K线形态识别模型[21] **模型构建思路**：识别六种特定的股票技术形态，包括三种正面形态（金针探底、火箭发射、满江红）和三种负面形态（上吊线、天堂线、乌云线），用于个股的买卖信号判断[21] **模型具体构建过程**：对每只股票的历史K线数据进行模式识别，当出现符合特定形态定义的K线组合时生成相应信号[21] 例如金针探底形态的定义条件包括：振幅要求（K线振幅大于5%）、位置要求（出现在过去20个交易日的低位）、下影线长度（下影线长度超过80%）、开盘价和收盘价要求（收盘价和开盘价相同形成十字星）[26] 4. 券商金股形态组合模型 **模型名称**：券商金股形态组合模型[27] **模型构建思路**：结合券商月度金股的基本面优势和形态学技术信号，构建双层筛选的投资组合策略[27] **模型具体构建过程**：首先选取券商推荐的月度金股作为基础股票池，然后观察这些金股何时出现形态学买点信号[27] 在出现买点信号的第二个交易日买入，构建组合持有到当月月底[27] 通过形态学信号对金股进行二次筛选，提升组合表现[27] 模型的回测效果 1. 宽基形态择时策略模型回测效果 **创业板指**：策略年化收益28.62%，策略最大回撤-39.95%，指数年化收益8.23%，指数最大回撤-70.30%[12] **上证50**：策略年化收益11.91%，策略最大回撤-21.81%，指数年化收益3.85%，指数最大回撤-50.77%[12] **中证800**：策略年化收益19.05%，策略最大回撤-23.04%，指数年化收益5.86%，指数最大回撤-51.50%[12] **万得微盘股指数**：策略年化收益46.96%，策略最大回撤-34.85%，指数年化收益37.42%，指数最大回撤-51.80%[12] **中证500**：策略年化收益20.24%，策略最大回撤-41.19%，指数年化收益7.74%，指数最大回撤-65.85%[12] **沪深300**：策略年化收益12.29%，策略最大回撤-24.25%，指数年化收益5.29%，指数最大回撤-46.92%[12] 2. 行业形态择时策略模型回测效果 **家电行业**：策略年化收益15.99%，策略最大回撤-38.25%，指数年化收益11.06%，指数最大回撤-48.96%[15] **综合金融行业**：策略年化收益15.39%，策略最大回撤-13.18%，指数年化收益-0.79%，指数最大回撤-61.34%[15] **综合行业**：策略年化收益24.58%，策略最大回撤-40.81%，指数年化收益1.16%，指数最大回撤-81.18%[15] **电力设备及新能源行业**：策略年化收益23.94%，策略最大回撤-41.70%，指数年化收益6.55%，指数最大回撤-70.51%[15] **基础化工行业**：策略年化收益21.45%，策略最大回撤-38.71%，指数年化收益4.41%，指数最大回撤-62.79%[16] **国防军工行业**：策略年化收益32.67%，策略最大回撤-45.35%，指数年化收益5.42%，指数最大回撤-72.96%[16] **建筑行业**：策略年化收益19.50%，策略最大回撤-20.68%，指数年化收益2.09%，指数最大回撤-68.84%[16] **纺织服装行业**：策略年化收益16.45%，策略最大回撤-42.64%，指数年化收益0.76%，指数最大回撤-74.22%[16] **有色金属行业**：策略年化收益32.81%，策略最大回撤-40.52%，指数年化收益4.95%，指数最大回撤-65.28%[16] **电力及公用事业行业**：策略年化收益17.11%，策略最大回撤-41.46%，指数年化收益2.62%，指数最大回撤-67.22%[16] **钢铁行业**：策略年化收益18.63%，策略最大回撤-50.33%，指数年化收益-1.76%，指数最大回撤-69.97%[16] **交通运输行业**：策略年化收益17.77%，策略最大回撤-32.45%，指数年化收益0.56%，指数最大回撤-65.47%[16] **煤炭行业**：策略年化收益29.17%，策略最大回撤-24.76%，指数年化收益0.46%，指数最大回撤-69.70%[16] 量化因子与构建方式 1. 隐含波动率因子 **因子名称**：隐含波动率因子[7] **因子构建思路**：采用Heston模型计算近月平值期权的隐含波动率作为市场恐慌指数，反映市场参与者对未来波动性的预期[7] **因子具体构建过程**：使用Heston随机波动率模型对近月平值期权进行定价反推，计算得出隐含波动率数值[7] 该因子用于衡量市场恐慌情绪和风险偏好程度[7] 2. 连续看多信号因子 **因子名称**：连续看多信号因子[17] **因子构建思路**：统计个股连续出现看多形态信号的天数，作为技术面强势的量化指标[17] **因子具体构建过程**：对每只股票每日进行形态识别，当连续多个交易日都出现看多形态信号时，记录连续看多信号的天数[17] 常见的阈值包括连续4根看多信号和连续5根看多信号[17][18] 3. 特殊K线形态因子 **因子名称**：特殊K线形态因子[21] **因子构建思路**：基于六种特定的K线形态（金针探底、火箭发射、满江红、上吊线、天堂线、乌云线）构建技术面信号因子[21] **因子具体构建过程**：对每只股票的日K线数据进行模式匹配，当出现符合特定形态定义的K线组合时生成相应的因子信号[21] 例如金针探底形态要求K线振幅大于5%、出现在过去20个交易日的低位、下影线长度超过80%、收盘价与开盘价相同形成十字星[26] 因子的回测效果 1. 形态信号胜率表现 **正面信号**：在2025年9月19日至2025年9月25日期间，正面信号共出现3059次，未来高点平均胜率为46.09%[11] **负面信号**：在同期负面信号出现3051次，未来低点平均胜率为52.79%[11] 2. 连续看多信号因子表现 **连续5根看多信号**：出现连续5根看多信号的股票包括松霖科技、科隆股份、ST复华、*ST国华、博云新材、瑞晟智能、先锋电子等[18][19] **连续4根看多信号**：出现连续4根看多信号的股票包括赣能股份、中炬高新、永新光学、盛弘股份、索通发展等28只股票[20][22] 3. 特殊看多形态因子表现 **特殊看多形态股票**：本周出现特殊看多形态信号的股票有棒杰股份、ST美晨、稳健医疗、果麦文化、东方明珠、精智达等[23][28] 4. 券商金股形态因子表现 **券商金股形态信号**：本周券商金股出现70%胜率看多形态信号的股票有诺普信、英维克、温氏股份、农业银行、兆易创新等[27][29]

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：利率价量多周期择时模型**[10][24] * **模型构建思路**：基于核回归算法捕捉利率趋势形态，刻画利率数据的支撑线和阻力线，根据不同投资周期下利率走势的形态突破情况，给出多周期复合择时观点[10] * **模型具体构建过程**： * **趋势识别**：使用核回归算法对国债到期收益率（YTM）数据进行平滑处理，分别拟合出长周期、中周期和短周期下的趋势线（支撑线和阻力线）[10] * **信号生成**：判断当前YTM相对于各周期趋势线的位置，生成突破信号。信号类型包括“向上突破”、“向下突破”和“无信号”[10][13][17] * **信号合成**：对长、中、短三个周期的突破信号进行投票合成。具体规则为：若三个周期中有至少两个周期出现同向突破信号（例如，两个或以上周期为“向下突破”），则生成最终的看多或看空信号；否则可能生成中性信号或进行特殊配置[10][24][29] * **组合构建**：根据合成的最终信号配置不同久期的债券组合[24][29] * 看多信号（至少两个周期向下突破且趋势非向上）：满配长久期债券[24] * 看多信号但趋势向上：配置1/2中久期 + 1/2长久期[24] * 看空信号（至少两个周期向上突破且趋势非向下）：满配短久期债券[29] * 看空信号但趋势向下：配置1/2中久期 + 1/2短久期[29] * 其他情况：短、中、长久期等权配置[29] * **止损机制**：当单日组合超额收益小于-0.5%时，调整持仓为等权配置[29] * **模型评价**：该模型通过多周期共振机制过滤噪音，旨在提高信号的稳定性[10] 2. **因子名称：利率水平结构因子**[7] * **因子构建思路**：将1至10年的国债YTM数据转化为一个代表整体利率水平高低的指标，从均值回归视角进行评估[7] * **因子具体构建过程**：报告未详细说明该因子的具体计算公式，但指出其反映了利率的绝对水平，并通过历史分位数（如3年、5年、10年分位数）来衡量当前水平在历史中的位置[7] 3. **因子名称：利率期限结构因子**[7] * **因子构建思路**：捕捉不同期限国债收益率之间的利差，反映利率曲线的陡峭程度[7] * **因子具体构建过程**：报告未详细说明该因子的具体计算公式，但指出其读数代表了期限利差，并通过历史分位数进行评估[7] 4. **因子名称：利率凸性结构因子**[7] * **因子构建思路**：衡量利率曲线的弯曲程度，即凸性特性[7] * **因子具体构建过程**：报告未详细说明该因子的具体计算公式，但指出其读数代表了凸性结构，并通过历史分位数进行评估[7] 模型的回测效果 1. **基于5年期国债YTM的利率价量多周期择时模型** * 长期表现（2007年12月31日至今）：年化收益率5.5%，最大回撤2.88%，收益回撤比1.91，相对业绩基准的年化超额收益率1.07%，超额收益回撤比0.62，逐年绝对收益胜率100%，逐年超额收益胜率100%[25][37] * 短期表现（2024年底以来）：年化收益率1.86%，最大回撤0.59%，收益回撤比3.15，相对业绩基准的超额收益率0.86%[4][25] 2. **基于10年期国债YTM的利率价量多周期择时模型** * 长期表现（2007年12月31日至今）：年化收益率6.09%，最大回撤2.74%，收益回撤比2.23，相对业绩基准的年化超额收益率1.66%，超额收益回撤比1.16，逐年绝对收益胜率100%，逐年超额收益胜率100%[28][37] * 短期表现（2024年底以来）：年化收益率2.35%，最大回撤0.58%，收益回撤比4.07，相对业绩基准的超额收益率1.56%[4][28] 3. **基于30年期国债YTM的利率价量多周期择时模型** * 长期表现（2007年12月31日至今）：年化收益率7.38%，最大回撤4.27%，收益回撤比1.73，相对业绩基准的年化超额收益率2.42%，超额收益回撤比0.87，逐年绝对收益胜率94.44%，逐年超额收益胜率94.44%[33][37] * 短期表现（2024年底以来）：年化收益率2.98%，最大回撤0.92%，收益回撤比3.26，相对业绩基准的超额收益率2.87%[4][33] 因子的回测效果 （报告中未提供利率水平、期限、凸性结构因子的独立测试结果）

根据研报内容，现对其中涉及的量化模型与因子进行总结如下： 量化模型与构建方式 **1 多策略选股模型** - **模型构建思路**：为应对市场风格切换，将价值、成长、质量和出清四个驱动要素不同、适应市场环境差异明显的子策略进行多策略配置，以平稳穿越各类市场环境[22] - **模型具体构建过程**：包含四个子策略：价值股策略、成长股策略、质量选股策略、出清选股策略[22] 采用传统风险平价以及动量优化的风险平价调整权重，构建股票组合[22] 传统风险平价追求子资产对组合贡献均等的风险，核心要素为子资产的风险指标[22] 动量优化根据策略的波动和动量特征，调整对应风险贡献，提升配置效果[22] 根据子策略过去12个月的风险特征，并以子策略过去80日动量秩排序调整其在多策略选股组合风险贡献度占比[22] **2 极致风格高BETA选股模型** - **模型构建思路**：将非ST个股按大小市值和成长价值标准交叉分组，得到大盘成长、大盘价值、小盘成长、小盘价值四个分组，基于量价和基本面因子分组单调性判断选股能力强弱、因子有效性排序，筛选单一风格强势特指因子，针对不同风格象限构建单一风格增强策略[45][47] - **模型具体构建过程**：对于大小盘筛选标准，全市场A股自由流通市值累计百分位前60%个股划分为大市值，自由流通市值累计百分位在75%至95%个股划分为小市值[45] 对于成长价值划分，分别计算四个价值因子，月末排名后50%和前50%个股分别划分为价值和成长个股[45] 对于大盘价值，采用低换手低波动高股息策略，在大盘价值股票基础池中剔除盈利质量排名靠后个股，用波动率、换手和高股息等因子排序优选[47] 对于大盘成长，采用剔除高波动的盈利预期平衡策略，在大盘成长股票基础池中剔除波动率、换手率排名靠前个股，用盈利质量、预期净利润相关因子排序优选[47] 对于小盘价值，采用剔除低盈利的低波反转增强策略，在小盘价值股票基础池中剔除盈利、预期增速排名靠后个股，用低波动、反转、小市值因子排序优选[47] 对于小盘成长，采用低盈利高预期组合策略，在小盘成长股票基础池中剔除短期反转排名后30%个股，用预期净利润增长年率、一致性修正因子和月换手率因子优选[48] 根据子策略过去12个月风险特征，并以子策略过去80日动量秩排序调整权重占比[48] **3 "红利+"优选股票策略** - **模型构建思路**：在红利策略基础上，根据股息率要素筛选"红利+"优选的股息率增强股票组合，根据波动、ROE、估值和盈利增长等因子筛选具备该因子特征的股票[75] - **模型具体构建过程**：根据股票的波动、ROE、估值和盈利增长等因子，筛选出具备该因子特征的股票，同时满足几类因子特征的股票被定义为"红利+"优选股票池[75] 为规避股票组合中较小市值股票权重占比过高带来的风格偏移，仅从优选股票池中中证800指数和中证1000指数的成分股中挑选高股息标的，最终筛选出30只股票构成策略[75] **4 均线趋势策略** - **模型构建思路**：认为均线的相对位置可以象征趋势和反转状态，短均线与长均线位置的相对高低可以表征股价所处的趋势状态[107] - **模型具体构建过程**：以中证800作为基础股票池，根据"(20日均线-240日均线)/20日均线"因子作为趋势强度的因子[107] 采用流通市值加权法划分高低趋势组，认为低趋势组可能处于拉涨初期，后续存在长期趋势收益[107] 在低趋势组中采用质量因子等权打分选取前33支股票作为持仓[107] 趋势强度因子公式为：$$TrendStrength = \frac{MA20 - MA240}{MA20}$$[107] **5 情绪价量策略** - **模型构建思路**：在传统量价分析方法基础上，结合量能和价能要素获得价量共振因子，同时使用市场情绪评分LWMA240进行情绪择时[131] - **模型具体构建过程**：综合价量共振、波动、流动性、估值和ROE等因子筛选出具备这些因子特征的股票并进行因子打分[131] 根据LWMA240评分的正负调整情绪相关的因子打分方向并且规避价量共振程度过高所带来的扰动以优化股票池[131] 最终筛选出因子等权打分最高的50只股票构成情绪择时下价量选股策略[131] **6 科创板策略** - **模型构建思路**：针对科创板股票的特定策略组合[8] - **模型具体构建过程**：策略持仓合计选入30支股票，主要分布在电子行业[8] 模型的回测效果 **1 多策略选股模型** - 9月绝对收益：-0.38%，9月超额收益：-2.95%[3][30] - 今年以来绝对收益：35.98%，今年以来相对收益：9.95%[21] - 全区间年化收益：16.32%，全区间年化超额：13.68%，信息比：1.55[41][45] - 年化波动：19.97%，最大回撤：33.14%，夏普比率：0.82[45] **2 极致风格高BETA选股模型** - 9月绝对收益：-3.28%，9月超额收益：-5.77%[5][62] - 今年以来绝对收益：15.12%，今年以来相对收益：-6.92%[21] - 全区间年化收益：25.95%，全区间年化超额：21.01%，信息比：2.27[68][74] - 年化波动：20.97%，最大回撤：45.96%，夏普比率：1.24[74] **3 "红利+"优选股票策略** - 9月绝对收益：0.83%，9月超额收益：-1.77%[6][85] - 今年以来绝对收益：11.55%，今年以来相对收益：-9.80%[21] - 全区间年化收益：14.64%，全区间年化超额：10.93%，信息比：1.09[97][102] - 年化波动：22.42%，最大回撤：44.56%，夏普比率：0.65[102] **4 均线趋势策略** - 9月绝对收益：0.60%，9月超额收益：-1.99%[7][116] - 今年以来绝对收益：13.82%，今年以来相对收益：-7.97%[21] - 全区间年化收益：14.97%，全区间年化超额：13.40%，信息比：0.93[123][129] - 年化波动：20.14%，最大回撤：25.41%，夏普比率：0.74[129] **5 情绪价量策略** - 9月top50绝对收益：1.54%，9月top50超额收益：-1.08%[7][143] - 今年以来top50绝对收益：43.55%，今年以来top50相对收益：16.07%[21] - 全区间top50年化收益：24.51%，全区间top50年化超额：17.94%，信息比：1.13[151] - 全区间top100年化收益：23.87%，全区间top100年化超额：17.34%，信息比：1.20[151] **6 科创板策略** - 9月绝对收益：10.92%，9月超额收益：-0.50%[8] - 今年以来绝对收益：81.32%，今年以来相对收益：19.92%[8]