根据提供的金融工程报告内容，以下是关于量化模型和因子的总结。报告主要对宽基指数的市场表现、估值指标等进行跟踪分析，并未涉及具体的量化交易模型或用于选股的阿尔法因子。报告内容集中于市场指标的描述和计算。 量化因子与构建方式 1. **因子名称**：风险溢价[27] * **因子构建思路**：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，用以衡量指数相对无风险利率的投资价值和偏离情况[27] * **因子具体构建过程**：风险溢价的计算公式为宽基指数的收益率减去十年期国债即期收益率。报告中对各指数的风险溢价进行了统计，包括当前值、历史分位值、均值和波动率等[28][29][31] * **因子评价**：各跟踪指数的风险溢价有明显的均值复归现象。中证1000和中证2000的风险溢价波动率相对较大。上证50的分布更集中，而中证1000、中证2000和创业板指的风险溢价分布较分散，不确定性相对更大[28][34] 2. **因子名称**：市盈率（PE-TTM）[37] * **因子构建思路**：观察各指数的滚动市盈率作为估值参考，衡量各指数在当前时点的投资价值[37] * **因子具体构建过程**：PE-TTM为股价除以每股收益（TTM）。报告中对各宽基指数的PE-TTM进行了跟踪，计算了其当前值、近1年及近5年历史分位值、均值和标准差等[37][40][42][43] 3. **因子名称**：股债性价比[45] * **因子构建思路**：以各指数PE-TTM的倒数（即盈利收益率）与十年期国债即期收益率之差作为股债性价比的衡量指标，观察其走势[45] * **因子具体构建过程**：股债性价比的计算公式为 $$ \text{股债性价比} = \frac{1}{\text{PE-TTM}} - \text{十年期国债即期收益率} $$ [45] 报告中通过图表展示了该指标相对于其近5年历史分位值（如80%分位的机会值和20%分位的危险值）的位置[45] 4. **因子名称**：股息率[48] * **因子构建思路**：股息率反映现金分红回报率，红利投资是一种投资风格。跟踪各指数的股息率，观察其走势和变化趋势[48] * **因子具体构建过程**：股息率为每股股息除以股价。报告中对各宽基指数的股息率进行了统计，包括当前值、历史分位值、均值和波动率等[48][51][53][54] 5. **因子名称**：破净率[55] * **因子构建思路**：破净意味着股票价格跌破公司每股净资产值，反映市场的估值态度。破净数和占比越高，低估的情况越普遍[55] * **因子具体构建过程**：破净率是指市净率（PB）小于1的个股数量占指数总成分股数量的比例。报告列出了各宽基指数当前的破净率[55] 因子的回测效果 报告中对上述因子的表现进行了数值展示，具体取值如下： 1. **风险溢价因子**[31] * 上证50，当前风险溢价-0.10%，近5年分位值46.90%，近1年波动率0.86% * 沪深300，当前风险溢价0.24%，近5年分位值63.10%，近1年波动率0.98% * 中证500，当前风险溢价1.15%，近5年分位值85.24%，近1年波动率1.30% * 中证1000，当前风险溢价1.05%，近5年分位值80.08%，近1年波动率1.46% * 中证2000，当前风险溢价1.32%，近5年分位值83.97%，近1年波动率1.68% * 中证全指，当前风险溢价0.74%，近5年分位值77.30%，近1年波动率1.17% * 创业板指，当前风险溢价0.69%，近5年分位值69.60%，近1年波动率1.86% 2. **市盈率（PE-TTM）因子**[43] * 上证50，当前值11.83，近5年历史分位值83.97%，近1年波动率0.48 * 沪深300，当前值13.95，近5年历史分位值81.65%，近1年波动率0.72 * 中证500，当前值32.16，近5年历史分位值95.04%，近1年波动率2.53 * 中证1000，当前值46.97，近5年历史分位值95.95%，近1年波动率4.15 * 中证2000，当前值154.49，近5年历史分位值81.24%，近1年波动率30.82 * 中证全指，当前值20.95，近5年历史分位值91.82%，近1年波动率1.44 * 创业板指，当前值39.81，近5年历史分位值54.88%，近1年波动率4.70 3. **股息率因子**[53] * 上证50，当前值3.31%，近5年历史分位值36.53%，近1年波动率0.41% * 沪深300，当前值2.74%，近5年历史分位值37.60%，近1年波动率0.40% * 中证500，当前值1.39%，近5年历史分位值16.94%，近1年波动率0.21% * 中证1000，当前值1.13%，近5年历史分位值48.26%，近1年波动率0.15% * 中证2000，当前值0.77%，近5年历史分位值15.12%，近1年波动率0.12% * 中证全指，当前值2.04%，近5年历史分位值36.61%，近1年波动率0.31% * 创业板指，当前值1.04%，近5年历史分位值70.83%，近1年波动率0.14% 4. **破净率因子**[55] * 上证50，当前破净率22.0% * 沪深300，当前破净率16.0% * 中证500，当前破净率12.2% * 中证1000，当前破净率7.9% * 中证2000，当前破净率3.0% * 中证全指，当前破净率6.12% * 创业板指，当前破净率1.0%

量化模型与构建方式 1. **模型名称：券商金股指数**[17] **模型构建思路：** 基于券商金股股票池，构建一个能够表征卖方分析师推荐股票池整体表现的指数，并将其与公募基金整体表现（以偏股混合型基金指数为代表）进行比较[17] **模型具体构建过程：** 每月初汇总所有券商发布的当月金股，根据每只股票被券商推荐的家数进行加权以构建指数组合，并于每月第一个交易日收盘时进行调仓[17]。为了更公允地与偏股混合型基金指数比较，在计算指数收益时，会考虑公募基金的仓位水平：使用每次调仓时点所能获取的主动股基在最近一个报告期的权益仓位中位数作为该券商金股指数的仓位[17] 2. **模型名称：券商金股行业组合**[21] **模型构建思路：** 为了检验券商金股在各行业内的Alpha挖掘能力，分行业构建组合[21] **模型具体构建过程：** 筛选出券商金股股票池中属于不同中信一级行业的个股，在每个行业内，对属于该行业的金股采用等权重方式构建行业组合[21] 3. **模型名称：券商金股业绩增强组合**[37][42] **模型构建思路：** 以对标公募基金中位数为基准，在能够较好跟踪偏股混合型基金指数的券商金股股票池中进行优选，旨在获得稳定战胜基准的表现[37][42] **模型具体构建过程：** 以券商金股股票池为选股空间和约束基准，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，同时以全体公募基金的行业分布作为行业配置基准，从而构建最终的业绩增强组合[42] 模型的回测效果 1. **券商金股指数模型** - 本月（2025年11月）收益：-2.65%[20] - 本年（截至20251128）收益：25.18%[20] - 同期偏股混合型基金指数收益（本月）：-2.45%[20] - 同期偏股混合型基金指数收益（本年）：29.23%[20] 2. **券商金股业绩增强组合模型** - 本月（20251103-20251128）绝对收益：-1.06%[5][41] - 本月相对偏股混合型基金指数超额收益：1.39%[5][41] - 本年（20250102-20251128）绝对收益：33.65%[5][41] - 本年相对偏股混合型基金指数超额收益：4.42%[5][41] - 今年以来在主动股基中排名分位点：35.37%（1227/3469）[5][41] - 全样本期（2018.1.2-2025.6.30）年化收益（考虑仓位）：19.34%[43] - 全样本期相对偏股混合型基金指数年化超额收益：14.38%[43] - 各年度在主动股基中排名均位于前30%水平[43] 量化因子与构建方式 1. **因子名称：总市值**[3][27] **因子表现评价：** 最近一个月及今年以来在券商金股股票池中表现较好[3][27] 2. **因子名称：单季度超预期幅度**[3][27] **因子表现评价：** 最近一个月在券商金股股票池中表现较好[3][27] 3. **因子名称：SUR**[3][27] **因子表现评价：** 最近一个月及今年以来在券商金股股票池中表现较好[3][27] 4. **因子名称：单季度营收增速**[3][27] **因子表现评价：** 今年以来在券商金股股票池中表现较好[3][27] 5. **因子名称：日内收益率**[3][27] **因子表现评价：** 最近一个月在券商金股股票池中表现较差[3][27] 6. **因子名称：分析师净上调幅度**[3][27] **因子表现评价：** 最近一个月在券商金股股票池中表现较差[3][27] 7. **因子名称：分析师净上调比例**[3][27] **因子表现评价：** 最近一个月在券商金股股票池中表现较差[3][27] 8. **因子名称：EPTTM**[3][27] **因子表现评价：** 今年以来在券商金股股票池中表现较差[3][27] 9. **因子名称：预期股息率**[3][27] **因子表现评价：** 今年以来在券商金股股票池中表现较差[3][27] 10. **因子名称：BP**[3][27] **因子表现评价：** 今年以来在券商金股股票池中表现较差[3][27] 11. **因子名称：Barra风格因子**[29][32] **因子构建思路：** 用于分析券商金股股票池相对于全市场在主要风格上的暴露情况[29][32] 因子的回测效果 *注：报告未提供具体因子在回测中的量化指标值（如IC、IR、多空收益等），仅提供了近期表现的定性排序[3][27]。*

根据提供的研报内容，以下是关于其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：价格因子与产能因子（煤炭行业）**[10] * **因子构建思路：** 通过跟踪动力煤的价格和行业产能的同比变化，来估计煤炭行业的营收和利润增速[10]。 * **因子具体构建过程：** 报告未提供具体的计算公式，但构建过程涉及：1) 获取动力煤价格指数；2) 获取行业产能数据；3) 计算价格和产能的同比变化率；4) 基于同比变化率综合估计行业利润增速[10]。 2. **因子名称：出栏系数因子（畜牧养殖行业）**[15] * **因子构建思路：** 利用生猪出栏与能繁母猪存栏之间的稳定关系，构建出栏系数，并以此预测未来6个月的生猪潜在供给和供需缺口，从而判断肉价走势[15][16]。 * **因子具体构建过程：** 1. 计算历史出栏系数：$$出栏系数 = \frac{单季度生猪出栏量}{6个月前的能繁母猪存栏量}$$[15] 2. 预测未来潜在供给：$$6个月后单季潜在产能 = 当前能繁母猪存栏量 \times 上年同期出栏系数$$[15][16] 3. 预测未来潜在需求：以预测目标期（如26Q2）的上年同期单季度生猪出栏量作为潜在需求预测值[16][17] 4. 比较潜在供给与潜在需求，判断供需缺口。 3. **因子名称：单吨盈利因子（普钢行业）**[18] * **因子构建思路：** 通过跟踪普通钢材的综合售价以及铁矿石、焦炭、喷吹煤、废钢等主要成本指标，构建单吨盈利测算模型，用于预测普钢行业的利润增速[18]。 * **因子具体构建过程：** 报告未提供具体的计算公式，但构建过程涉及：1) 获取钢材综合售价；2) 获取各项主要原材料成本；3) 计算单位产品的毛利或利润。 4. **因子名称：裂解价差因子（燃料型炼化行业）**[27] * **因子构建思路：** 通过跟踪成品油价格与原油价格之间的差异（裂解价差），来测算炼化行业的利润情况[27]。 * **因子具体构建过程：** 报告未提供具体的计算公式，但构建过程涉及：1) 获取代表性成品油（如汽油、柴油）价格；2) 获取原油价格；3) 计算成品油价格与原油价格的差值或比值，即裂解价差。 模型的回测效果 *报告未提供针对上述因子的具体回测指标数值（如IC值、IR等）。* 量化模型与构建方式 1. **模型名称：行业景气度跟踪与配置信号模型**[9] * **模型构建思路：** 基于各行业的经营指标（如价格、成本、产能、供需等）预测其利润增速或盈利变化，并结合其他宏观经济指标（如PMI、商品房销售数据）生成行业配置观点（景气/中性）[9][24]。 * **模型具体构建过程：** 该模型是一个综合框架，其具体构建过程因行业而异： * **煤炭行业：** 结合价格因子和产能因子的预测结果，当预测利润增速无明显改善时，给出“中性”信号[10][14]。 * **畜牧养殖行业：** 使用出栏系数因子预测未来供需缺口，当供需大体均衡时，给出“中性”信号；若产能持续去化导致明显紧缺，则可能转为“景气”信号[15][16][17]。 * **普钢行业：** 使用单吨盈利因子预测利润，并结合PMI滚动均值的变化，当利润负增长且PMI趋势向下时，给出“中性”信号[18][21]。 * **结构材料与建筑工程：** 对于玻璃和水泥，基于盈利预测（如浮法玻璃毛利同比增速）和行业先行指标（如房屋新开工面积）生成信号；对于建筑装饰，则基于制造业PMI和商品房销售数据判断基建托底预期，从而生成信号[24][26]。 * **燃料型炼化与油服：** 使用裂解价差因子预测利润，并结合油价同比变化和新钻井数等指标生成配置信号[27][34][35]。 模型的回测效果 *报告展示了部分行业配置信号的历史回测图（如图2、图5、图9、图10），但未提供具体的模型回测指标数值（如年化收益率、夏普比率、最大回撤等）[11][22][28][37]。*

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：打新收益测算模型**[42] * **模型构建思路**：该模型旨在测算不同类别（A类/B类）、不同资产规模的账户，在参与新股网下申购时的理论收益率[42] * **模型具体构建过程**：模型的核心是计算单只新股对单个账户的理论贡献收益，并逐月、逐板块或按累计方式进行加总[42] * 单账户个股打新收益的计算公式为： $$单账户个股打新收益 = min（账户规模，申购上限） \times 中签率 \times 收益率$$[42] * A/B类投资者的“打满收益”计算公式为： $$A/B类投资者打满收益 = 申购上限 \times A/B类网下中签率 \times 收益率$$[42] * 公式说明： * `账户规模`：指参与打新账户的资产规模[42] * `申购上限`：单只新股网下申购的金额上限[42] * `中签率`：采用个股网下打新的实际中签结果，分为A类和B类投资者[42] * `收益率`：对于科创板和创业板上市的新股以及全面注册制下的主板新股，采用上市首日成交均价相对于发行价的涨跌幅；对于非注册制下的主板上市新股，采用开板当日成交均价相对于发行价的涨跌幅，若新股尚未开板，则使用动态12个月内主板上市个股开板实现收益率的均值作为替代[42] 2. **因子名称：基金产品打新参与度**[58] * **因子构建思路**：衡量基金产品参与网下新股询价的积极程度[58] * **因子具体构建过程**：计算基金产品在统计期内参与报价的新股数量与同期网下询价发行新股总数的比值[58] * 计算公式为： $$参与度 = \frac{参与报价新股数}{网下询价发行新股总数}$$[58] 3. **因子名称：基金产品报价入围率**[58] * **因子构建思路**：衡量基金产品参与新股询价时报价的有效性，即报价进入发行价格区间的比例[58] * **因子具体构建过程**：计算基金产品有效报价的个数与其参与报价新股总数的比值[58] * 计算公式为： $$报价入围率 = \frac{有效报价个数}{参与报价新股数}$$[58] 模型的回测效果 1. **打新收益测算模型**[43][49][50][51] * **2025年11月，5亿规模账户打新收益率**： * A类账户主板打新收益率：0.037%[43] * B类账户主板打新收益率：0.035%[43] * A类账户创业板打新收益率：0.058%[43] * B类账户创业板打新收益率：0.058%[43] * A类账户科创板打新收益率：0.046%[43] * B类账户科创板打新收益率：0.045%[43] * A类账户全市场当月打新收益率：0.141%[49][50] * B类账户全市场当月打新收益率：0.139%[49][51] * **2025年累计，5亿规模账户打新收益率**： * A类账户全市场累计打新收益率：1.716%[49][50] * B类账户全市场累计打新收益率：1.399%[49][51] * **2025年11月，打满收益（万元）**： * A类账户主板打满收益：19.00万元[44] * B类账户主板打满收益：17.92万元[44] * A类账户创业板打满收益：31.25万元[47] * B类账户创业板打满收益：31.23万元[47] * A类账户科创板打满收益：22.83万元[48] * B类账户科创板打满收益：22.58万元[48] 因子的回测效果 1. **基金产品打新参与度与报价入围率**[59] * 以2025年11月打新收益较高的基金为例，其打新参与度均为100%，报价入围率均为100%[59] * 例如，诺安优势行业A基金（000538.OF）的参与度为100%，报价入围率为100%，估算打新收益为43.74万元，估算收益率为1.247%[59]

量化模型与构建方式 1. **模型名称：券商金股指数**[17] **模型构建思路：** 将券商金股作为表征卖方分析师推荐股票池整体表现的代表，以每月初汇总的券商金股为样本构建指数，用于跟踪偏股混合型基金指数的表现[17] **模型具体构建过程：** 每月初将券商金股进行汇总，根据其被券商推荐的家数进行加权构建券商金股指数，并于每月第一天收盘价进行调仓。在计算收益时，以每次调仓时点所能获取的主动股基最近一个报告期的权益仓位中位数作为券商金股指数的仓位[17] 2. **模型名称：券商金股行业组合**[21] **模型构建思路：** 基于券商金股在行业内具备较强的Alpha挖掘能力，筛选出不同行业的个股构建行业组合[21] **模型具体构建过程：** 筛选出券商金股股票池中属于不同中信一级行业的个股，等权构建券商金股行业组合[21] 3. **模型名称：券商金股业绩增强组合**[37][42] **模型构建思路：** 以对标公募基金中位数为基准，在能够较好跟踪偏股混合型基金指数的券商金股股票池中进行优选，以获取稳定战胜基准的表现[37][42] **模型具体构建过程：** 以券商金股股票池为选股空间和约束基准，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，以全体公募基金的行业分布为行业配置基准，构建券商金股业绩增强组合[42] 模型的回测效果 1. **券商金股指数模型**，本月（20251029-20251128）收益-2.65%，偏股混合型基金指数收益-2.45%[20]；本年（20250102-20251128）收益25.18%，偏股混合型基金指数收益29.23%[20] 2. **券商金股行业组合模型**，本月收益中，建材、电子、消费者服务行业的超额收益排名前三[22]；本年收益中，电子、汽车、计算机行业的超额收益排名前三[22] 3. **券商金股业绩增强组合模型**，本月（20251103-20251128）绝对收益-1.06%，相对偏股混合型基金指数超额收益1.39%[5][41]；本年（20250102-20251128）绝对收益33.65%，相对偏股混合型基金指数超额收益4.42%[5][41]；全样本区间（2018.1.2-2025.6.30）年化收益19.34%，相对偏股混合型基金指数年化超额14.38%[43] 量化因子与构建方式 1. **因子名称：总市值**[3][27] **因子表现：** 最近一个月及今年以来在券商金股股票池中表现较好[3][27] 2. **因子名称：单季度超预期幅度**[3][27] **因子表现：** 最近一个月在券商金股股票池中表现较好[3][27] 3. **因子名称：SUR**[3][27] **因子表现：** 最近一个月及今年以来在券商金股股票池中表现较好[3][27] 4. **因子名称：单季度营收增速**[3][27] **因子表现：** 今年以来在券商金股股票池中表现较好[3][27] 5. **因子名称：日内收益率**[3][27] **因子表现：** 最近一个月在券商金股股票池中表现较差[3][27] 6. **因子名称：分析师净上调幅度**[3][27] **因子表现：** 最近一个月在券商金股股票池中表现较差[3][27] 7. **因子名称：分析师净上调比例**[3][27] **因子表现：** 最近一个月在券商金股股票池中表现较差[3][27] 8. **因子名称：EPTTM**[3][27] **因子表现：** 今年以来在券商金股股票池中表现较差[3][27] 9. **因子名称：预期股息率**[3][27] **因子表现：** 今年以来在券商金股股票池中表现较差[3][27] 10. **因子名称：BP**[3][27] **因子表现：** 今年以来在券商金股股票池中表现较差[3][27] 11. **因子名称：Barra风格因子**[29] **因子构建思路：** 用于分析券商金股股票池相对于全市场股票在主要风格上的暴露情况[29] 因子的回测效果 1. **总市值因子**，最近一个月表现较好，今年以来表现较好[3][27] 2. **单季度超预期幅度因子**，最近一个月表现较好[3][27] 3. **SUR因子**，最近一个月表现较好，今年以来表现较好[3][27] 4. **单季度营收增速因子**，今年以来表现较好[3][27] 5. **日内收益率因子**，最近一个月表现较差[3][27] 6. **分析师净上调幅度因子**，最近一个月表现较差[3][27] 7. **分析师净上调比例因子**，最近一个月表现较差[3][27] 8. **EPTTM因子**，今年以来表现较差[3][27] 9. **预期股息率因子**，今年以来表现较差[3][27] 10. **BP因子**，今年以来表现较差[3][27] 11. **Barra风格因子**，近3个月券商金股股票池风格暴露基本与上月保持一致[29]

量化模型与构建方式 1. **模型名称：开源金工优选金股组合**[25] **模型构建思路**：基于前期研究发现的新进金股收益更优以及业绩超预期因子（SUE因子）在新进金股中选股能力强的结论，从每月的新进金股样本中，筛选出业绩超预期程度最高的股票构建投资组合[25] **模型具体构建过程**： - 第一步：确定股票池。每月选取所有券商发布的金股中，相对于上月为新进的股票（即新进金股）作为初始股票池[25] - 第二步：因子筛选。在第一步得到的新进金股股票池中，使用业绩超预期因子（SUE因子）进行排序[25] - 第三步：组合构建。从排序结果中，选择业绩超预期排名前30只的金股，构成最终的优选金股组合[25] - 第四步：权重设置。组合内个股的权重按照推荐该股的券商数量进行加权确定[25] 模型的回测效果 1. **开源金工优选金股组合**：11月收益率-0.2%[27]，2025年收益率45.1%[27]，年化收益率22.5%[27]，年化波动率25.3%[27]，收益波动比0.89[27]，最大回撤24.6%[27] 2. **全部金股组合**：11月收益率-3.4%[23]，2025年收益率32.2%[23]，年化收益率13.2%[23]，年化波动率23.5%[23]，收益波动比0.56[23]，最大回撤42.6%[23] 3. **新进金股组合**：11月收益率-2.0%[23]，2025年收益率37.8%[23]，年化收益率16.0%[23]，年化波动率24.1%[23]，收益波动比0.66[23]，最大回撤38.5%[23] 4. **重复金股组合**：11月收益率-4.6%[23]，2025年收益率27.9%[23]，年化收益率10.7%[23]，年化波动率23.7%[23]，收益波动比0.45[23]，最大回撤45.0%[23] 量化因子与构建方式 1. **因子名称：业绩超预期因子（SUE因子）**[25] **因子的构建思路**：该因子用于衡量上市公司实际公布的业绩相对于市场预期业绩的超出程度，通常认为业绩超预期越多的股票未来表现可能越好[25] **因子具体构建过程**：报告中提及了该因子在新进金股组合中具有优异的选股能力，并应用于优选金股模型的构建，但未提供该因子具体的计算方法和公式[25]

根据您提供的研报内容，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：券商金股业绩增强组合**[37][42] * **模型构建思路**：该模型以券商金股股票池为选股空间，旨在通过多因子优选的方式，构建一个能够稳定战胜偏股混合型基金指数的投资组合[12][42] * **模型具体构建过程**：模型采用组合优化的方式进行构建，具体过程包括：以券商金股股票池作为选股范围和约束基准；采用组合优化方法，控制投资组合与基准券商金股股票池在个股和风格因子上的偏离；以全体公募基金的行业分布作为行业配置基准，进行优化[42] * **模型评价**：该模型结合了券商总量分析师自上而下的配置能力和行业分析师自下而上的选股能力，历史表现稳健，能够有效捕捉券商金股股票池中的Alpha潜力[12][42] 模型的回测效果 1. **券商金股业绩增强组合**[43][46] * 全样本年化收益（考虑仓位）：19.34%[46] * 相对偏股混合型基金指数年化超额收益：14.38%[46] * 在主动股基中排名（2025年截至11月28日）：35.37%分位点（1227/3469）[5][41] * 本月（2025年11月）绝对收益：-1.06%[5][41] * 本月相对偏股混合型基金指数超额收益：1.39%[5][41] * 本年（2025年截至11月28日）绝对收益：33.65%[5][41] * 本年相对偏股混合型基金指数超额收益：4.42%[5][41] 量化因子与构建方式 1. **因子名称：总市值**[3][27] * **因子表现**：报告指出，最近一个月及今年以来，总市值因子在券商金股股票池中均表现较好[3][27] 2. **因子名称：单季度超预期幅度**[3][27] * **因子表现**：报告指出，最近一个月，单季度超预期幅度因子在券商金股股票池中表现较好[3][27] 3. **因子名称：SUR**[3][27] * **因子表现**：报告指出，最近一个月及今年以来，SUR因子在券商金股股票池中均表现较好[3][27] 4. **因子名称：单季度营收增速**[3][27] * **因子表现**：报告指出，今年以来，单季度营收增速因子在券商金股股票池中表现较好[3][27] 5. **因子名称：日内收益率**[3][27] * **因子表现**：报告指出，最近一个月，日内收益率因子在券商金股股票池中表现较差[3][27] 6. **因子名称：分析师净上调幅度**[3][27] * **因子表现**：报告指出，最近一个月，分析师净上调幅度因子在券商金股股票池中表现较差[3][27] 7. **因子名称：分析师净上调比例**[3][27] * **因子表现**：报告指出，最近一个月，分析师净上调比例因子在券商金股股票池中表现较差[3][27] 8. **因子名称：EPTTM**[3][27] * **因子表现**：报告指出，今年以来，EPTTM因子在券商金股股票池中表现较差[3][27] 9. **因子名称：预期股息率**[3][27] * **因子表现**：报告指出，今年以来，预期股息率因子在券商金股股票池中表现较差[3][27] 10. **因子名称：BP**[3][27] * **因子表现**：报告指出，今年以来，BP因子在券商金股股票池中表现较差[3][27] 因子的回测效果 （报告中未提供具体因子分组的回测指标数值，仅进行了定性描述，故此部分略）

量化模型与构建方式 1. **模型名称：CANSLIM行业轮动策略**[1][4][13] * **模型构建思路**：借鉴CANSLIM体系，从行业拥挤度（C）、分析师预期（A）、基本面景气度（N）、聪明资金（S）、价格动量（L）、机构资金（I）和宏观视角下的动态估值（M）七个维度构建复合因子，用于进行行业轮动配置[4][13][26]。 * **模型具体构建过程**： * **调仓频率**：每月月末最后一个交易日调仓[36]。 * **回测区间**：2013年1月4日至2025年9月30日[36]。 * **样本选择**：28个中信一级行业（剔除综合金融、综合行业）[36]。 * **业绩基准**：中信一级行业等权组合[36]。 * **组合构建方式**：根据CANSLIM复合因子值对行业从高到低进行排序，选择得分最高的5个行业等权构建组合；若得分第五的行业出现平分，则相同得分的行业全部纳入[37]。 模型的回测效果 1. **CANSLIM行业轮动策略**，年化收益22.94%，相对行业等权基准年化超额收益13.80%，相对最大回撤23.75%，信息比1.29，收益回撤比0.58，月度胜率73%[5][38][40]。 量化因子与构建方式 1. **因子名称：CANSLIM复合因子**[4][5][32] * **因子构建思路**：综合行业拥挤度（C）、分析师预期（A）、基本面景气度（N）、聪明资金（S）、价格动量（L）、机构资金（I）和宏观视角下的动态估值（M）七个维度的多个子因子，构建一个综合得分因子用于评估行业未来表现[4][26][27]。 * **因子具体构建过程**：该复合因子由以下七个维度的子因子综合计算得出，各子因子的具体计算方式如下[26][27][32]： * **Crowd (拥挤度)**：$$ \text{拥挤度} = \frac{(\text{创新高股票数量} - \text{创新低股票数量})}{\text{行业内"成交活跃股"股票数量}} $$[32] * **Analyst (分析师预期)**：包含两个子因子： * 分析师认可度：$$ \text{分析师认可度} = \frac{(\text{分析师认可股票数量} - \text{分析师不认可股票数量})}{\text{成分股数量}} $$[32] * 分析师净上调比例：过去三个月分析师净上调比例[32]。 * **NotableProfit (基本面景气度)**：包含三个子因子： * SUE：标准化预期外盈利[32]。 * DeltaROEQ：单季度ROE同比增速[32]。 * 工业企业经济效益：工业企业利润累计同比[32]。 * **Smart (聪明资金)**：超大单资金净流入金额占比：$$ \text{超大单资金净流入金额占比} = \frac{\text{超大单资金净流入}}{\text{行业自由流通市值}} $$[32] * **Leader (价格动量)**：包含两个子因子： * 公募重仓股动量：成分股内公募重仓股收益率 - 成分股内所有股票收益率[32]。 * 成交量调节动量：日成交量调节动量均值 / 日成交量调节动量标准差[32]。 * **Institution (机构资金)**：包含两个子因子： * 公募基金行业变动：公募基金相对中证800指数行业超低配相对上期变动[32]。 * 券商金股行业变动：券商金股行业相对上月变动[32]。 * **MacroPB (宏观视角下的动态估值)**：在"信贷+货币"框架下引入趋势变量，形成多维度动态估值调节方法[27][32]。 2. **因子名称：券商金股行业变动因子**[2][16][32] * **因子构建思路**：从卖方视角探知机构资金的最新观点，反映券商金股推荐组合的行业配置变化[27][32]。 * **因子具体构建过程**：计算券商金股行业相对上月的变动情况[32]。 3. **因子名称：超大单资金净流入金额占比因子**[2][16][32] * **因子构建思路**：通过超大单资金的动向观察聪明资金的市场偏好[26][32]。 * **因子具体构建过程**：$$ \text{因子值} = \frac{\text{超大单资金净流入}}{\text{行业自由流通市值}} $$[32] 4. **因子名称：SUE因子**[2][16][32] * **因子构建思路**：使用标准化预期外盈利衡量基本面景气度[26][32]。 * **因子具体构建过程**：计算标准化预期外盈利[32]。 5. **因子名称：PB因子**[2][16] * **因子构建思路**：使用市净率作为估值衡量指标。 6. **因子名称：单季度ROE增速因子**[2][16][32] * **因子构建思路**：使用单季度ROE同比增速衡量盈利能力边际改善[26][32]。 * **因子具体构建过程**：计算单季度ROE同比增速[32]。 7. **因子名称：公募重仓股动量因子**[2][16][32] * **因子构建思路**：通过公募重仓股相对于行业内其他股票的表现来刻画行业价格强势程度[27][32]。 * **因子具体构建过程**：$$ \text{因子值} = \text{成分股内公募重仓股收益率} - \text{成分股内所有股票收益率} $$[32] 8. **因子名称：分析师认可度因子**[2][16][32] * **因子构建思路**：从分析师认可度观察行业景气度持续性[26][32]。 * **因子具体构建过程**：$$ \text{因子值} = \frac{(\text{分析师认可股票数量} - \text{分析师不认可股票数量})}{\text{成分股数量}} $$[32] 9. **因子名称：成交量调节动量因子**[2][16][32] * **因子构建思路**：结合成交量信息来刻画动量[27][32]。 * **因子具体构建过程**：$$ \text{因子值} = \frac{\text{日成交量调节动量均值}}{\text{日成交量调节动量标准差}} $$[32] 10. **因子名称：公募基金持仓行业变动因子**[2][16][32] * **因子构建思路**：从买方视角探知机构资金的最新观点[27][32]。 * **因子具体构建过程**：计算公募基金相对中证800指数行业超低配相对上期的变动[32]。 因子的回测效果 1. **CANSLIM复合因子**，RankIC均值11.6%，月胜率64.7%，年化RankICIR 1.44，多头年化超额收益10.75%，空头年化超额收益-10.41%[5][32][34]。

根据您提供的研报内容，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**：基于微观特征的风格轮动模型[4][9] **模型构建思路**：从基础风格因子（估值、市值、波动率、动量）出发，通过构造大量微观特征，并使用常用指数作为风格股票池来定义风格收益标签，结合随机森林模型进行风格择时和打分，最终构建月频风格轮动策略[4][9] **模型具体构建过程**： 1. **底层因子选择**：基于东吴金工特色多因子划分标准，优选80个底层因子作为原始特征[9] 2. **微观特征构造**：基于80个基础微观指标，构造出640个微观特征[4][9] 3. **风格收益标签定义**：使用常用指数作为风格股票池，取代传统的按风格因子绝对比例划分的方法，构造新的风格收益作为模型训练的标签[4][9] 4. **模型训练与预测**：使用随机森林模型对单个风格进行择时预测；通过滚动训练的方式，以有效规避过拟合风险，并优选特征；模型输出每种风格的当期得分[4][9] 5. **策略构建**：综合模型的择时结果与打分结果，构建最终的月频风格轮动模型[4][9] 模型的回测效果 1. **基于微观的择时+打分风格轮动策略**[4][10][11] - 回测区间：2017/01/01 - 2025/11/30[4][10] - 年化收益率：16.52%[4][11] - 年化波动率：20.46%[4][11] - 信息比率(IR)：0.81[4][11] - 月度胜率：57.01%[4][11] - 历史最大回撤：25.68%[11] 2. **策略对冲市场基准（超额收益）**[4][10][11] - 回测区间：2017/01/01 - 2025/11/30[4][10] - 年化收益率：11.04%[4][11] - 年化波动率：11.08%[4][11] - 信息比率(IR)：1.00[4][11] - 月度胜率：55.14%[4][11] - 历史最大回撤：9.00%[11] 量化因子与构建方式 1. **因子名称**：估值因子[4][9] **因子的构建思路**：作为基础风格因子之一，用于构建风格轮动模型[4][9] 2. **因子名称**：市值因子[4][9] **因子的构建思路**：作为基础风格因子之一，用于构建风格轮动模型[4][9] 3. **因子名称**：波动率因子[4][9] **因子的构建思路**：作为基础风格因子之一，用于构建风格轮动模型[4][9] 4. **因子名称**：动量因子[4][9] **因子的构建思路**：作为基础风格因子之一，用于构建风格轮动模型[4][9] 因子的回测效果 （报告未提供单个因子的独立回测绩效指标，如年化收益率、信息比率等，仅提供了模型层面的综合表现，因此此部分内容省略）

根据提供的金融工程周报内容，经过全面梳理，该报告主要涉及市场回顾、基金表现统计和产品发行情况，并未详细阐述任何具体的量化模型或量化因子的构建思路、过程、公式及评价。报告内容侧重于市场数据汇总与基金产品业绩展示[1][2][3][4][6][9][10][11][12][14][16][18][19][23][24][25][26][29][31][32][33][34][35][36][37][38][39][40][41][43][44][45][46][47][48][49][50][51][52][53][54][55][56][57][58][59][60]。 因此，本总结将主要呈现报告中提到的基金组合类别及其业绩表现。 **量化模型与构建方式** （报告未涉及具体量化模型的构建） **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** （报告未涉及具体量化因子的构建） **因子的回测效果** （报告未涉及具体量化因子的回测效果） **基金组合表现统计** **普通公募基金（按类别）上周收益中位数[35]** * 主动权益型基金: 3.24% * 灵活配置型基金: 2.46% * 平衡混合型基金: 1.52% **普通公募基金（按类别）本年收益中位数[36]** * 另类基金: 31.14% * 主动权益型基金: 26.17% * 灵活配置型基金: 19.83% * 平衡混合型基金: 13.32% **量化公募基金表现[37][39]** * **指数增强基金上周超额收益中位数**: 0.17% * **量化对冲型基金上周收益中位数**: 0.15% * **指数增强基金本年超额收益中位数**: 4.25% * **量化对冲型基金本年收益中位数**: 0.90% **FOF基金表现[40]** * **普通FOF基金上周收益中位数**: 0.66% * **目标日期FOF基金上周收益中位数**: 1.27% * **目标风险FOF基金上周收益中位数**: 0.68% * **目标日期FOF基金本年收益中位数**: 14.97% **周度业绩领先的指数增强基金（超额收益前十）[59]** 1. 银华中证全指医药卫生增强 (005112.OF): 本周超额 2.94%, 本年超额 8.48% 2. 平安沪深300指数量化增强A (005113.OF): 本周超额 2.01%, 本年超额 9.15% 3. 易方达沪深300精选增强A (010736.OF): 本周超额 1.51%, 本年超额 11.70% 4. 长信中证1000指数增强A (018013.OF): 本周超额 1.47%, 本年超额 18.89% 5. 富荣沪深300增强A (004788.OF): 本周超额 1.30%, 本年超额 11.63% 6. 国金沪深300指数增强A (167601.OF): 本周超额 1.23%, 本年超额 3.54% 7. 易方达上证50增强策略ETF (563090.OF): 本周超额 1.17%, 本年超额 3.25% 8. 易方达上证50增强A (110003.OF): 本周超额 1.13%, 本年超额 1.53% 9. 汇添富中证科创创业50指数增强A (014218.OF): 本周超额 1.13%, 本年超额 4.36% 10. 太平中证1000指数增强A (015466.OF): 本周超额 1.11%, 本年超额 12.38% **周度业绩领先的量化对冲基金（收益前十）[60]** 1. 汇添富绝对收益策略A (000762.OF): 本周收益 0.90%, 本年收益 3.43% 2. 海富通阿尔法对冲A (519062.OF): 本周收益 0.86%, 本年收益 2.19% 3. 德邦量化对冲策略A (008838.OF): 本周收益 0.62%, 本年收益 -2.16% 4. 安信稳健阿尔法定开A (005280.OF): 本周收益 0.47%, 本年收益 -0.53% 5. 景顺长城量化对冲策略三个月A (008851.OF): 本周收益 0.41%, 本年收益 -1.31% 6. 南方绝对收益策略 (000844.OF): 本周收益 0.37%, 本年收益 -1.58% 7. 华泰柏瑞量化收益 (001073.OF): 本周收益 0.33%, 本年收益 0.90% 8. 富国量化对冲策略三个月持有A (008835.OF): 本周收益 0.29%, 本年收益 2.44% 9. 华夏安泰对冲策略3个月定开 (008856.OF): 本周收益 0.25%, 本年收益 0.87% 10. 工银优选对冲A (010668.OF): 本周收益 0.24%, 本年收益 -0.94%