根据研报内容，以下是量化模型与因子的详细总结： 量化因子与构建方式 1. **因子名称：Barra风格因子** - **构建思路**：基于多维度市场特征构建的综合风格因子体系，涵盖市场风险、市值、动量等核心维度[14] - **具体构建过程**： - **Beta因子**：历史beta值 - **市值因子**：总市值取自然对数 - **动量因子**：历史超额收益率序列均值 - **波动因子**： $$0.74 \times 历史超额收益率波动率 + 0.16 \times 累积超额收益率离差 + 0.1 \times 历史残差收益率波动率$$ - **非线性市值**：市值风格的三次方 - **估值因子**：市净率倒数 - **流动性因子**： $$0.35 \times 月换手率 + 0.35 \times 季换手率 + 0.3 \times 年换手率$$ - **盈利因子**： $$0.68 \times 预测盈利价格比 + 0.21 \times 市现率倒数 + 0.11 \times 市盈率TTM倒数$$ - **成长因子**： $$0.18 \times 预测长期盈利增长率 + 0.11 \times 预测短期增长率 + 0.24 \times 盈利增长率 + 0.47 \times 营业收入增长率$$ - **杠杆因子**： $$0.38 \times 市场杠杆率 + 0.35 \times 账面杠杆 + 0.27 \times 资产负债率$$ - **因子评价**：全面覆盖市场风格特征，但需动态调整权重以适应市场变化[14] 2. **因子名称：GRU模型因子** - **构建思路**：基于门控循环单元（GRU）神经网络构建的时序预测因子[18][20][22][24] - **具体构建过程**： - 输入层：标准化后的量价数据（如开盘价、收盘价） - 隐藏层：GRU单元捕捉时序依赖 - 输出层：预测未来收益率并生成因子信号 - 衍生模型包括： - **open1d**：基于开盘价序列的1日预测 - **close1d**：基于收盘价序列的1日预测 - **barra1d/5d**：结合Barra因子的1日/5日预测 - **因子评价**：在中小市值股票中表现突出，但对计算资源要求较高[24][28] 3. **因子名称：技术类因子** - **构建思路**：基于价格波动与动量效应的传统技术指标[17][21][26] - **具体构建过程**： - **动量因子**：20日/60日/120日收益率均值 - **波动因子**：20日/60日/120日收益率标准差 - **中位数离差**：价格与移动中位数的偏离度 - **因子评价**：中长期动量稳定性优于短期[26] --- 因子回测效果 | 因子类别 | 测试范围 | 多空收益表现（最近一周） | 三年年化IR | 五年年化IR | |----------------|----------------|--------------------------|------------|------------| | **Barra风格因子** | 万得全A | Beta/估值因子多头占优[15] | - | - | | **基本面因子** | 全市场 | 增长类因子正向收益[17] | - | - | | **技术类因子** | 中证1000 | 120日动量正向0.20%[26] | -4.42% | 1.02% | | **GRU模型** | 中证1000 | close1d超额0.73%[28] | - | - | --- 模型回测效果 | 模型名称 | 超额收益（今年以来） | 近六月超额 | 近三月超额 | |------------|----------------------|------------|------------| | open1d | 6.94%[28] | 5.08% | 5.81% | | close1d | 5.48%[28] | 4.96% | 4.47% | | barra5d | 6.90%[28] | 6.79% | 5.92% | | 多因子组合 | 2.97%[28] | 6.32% | 4.75% | 数据来源：中证1000指数基准，月度调仓[27][28]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称**：扩散指数行业轮动模型 **模型构建思路**：基于价格动量原理，捕捉行业趋势变化[28] **模型具体构建过程**： - 计算各中信一级行业的扩散指数，反映行业价格趋势强度 - 指数值范围0-1，越接近1表示趋势越强 - 每周跟踪指数排名及环比变化，选择趋势最强的6个行业配置[28] **模型评价**：在趋势行情中表现优异，但反转行情中易失效[27] 2. **模型名称**：GRU因子行业轮动模型 **模型构建思路**：利用GRU神经网络处理分钟频量价数据，捕捉短期交易信号[34] **模型具体构建过程**： - 输入层：行业分钟级量价数据 - 隐藏层：GRU网络提取时序特征 - 输出层：生成行业因子得分，反映短期配置价值[34] **模型评价**：短周期表现优异，但长周期稳定性不足[38] 模型的回测效果 1. **扩散指数模型** - 本周超额收益：1.97%[31] - 5月累计超额：1.29%[31] - 2025年累计超额：-1.61%[31] 2. **GRU因子模型** - 本周超额收益：-0.89%[36] - 5月累计超额：-0.46%[36] - 2025年累计超额：-4.08%[36] 量化因子与构建方式 1. **因子名称**：行业扩散指数 **因子构建思路**：通过标准化处理行业价格动量指标[28] **因子具体构建过程**： - 计算行业价格N日涨幅 - 标准化处理至0-1区间： $$ DI_i = \frac{R_i - R_{min}}{R_{max} - R_{min}} $$ 其中$R_i$为行业i的涨幅[28] 2. **因子名称**：GRU行业因子 **因子构建思路**：神经网络提取的行业量价特征[34] **因子具体构建过程**： - 输入：行业分钟级收盘价/成交量 - 网络结构：3层GRU+全连接层 - 输出：行业因子得分（范围-15至15）[34] 因子的回测效果 1. **扩散指数因子** - 当前最高值：非银金融0.972[28] - 最低值：煤炭0.119[28] - 周环比最大增幅：医药+0.037[28] 2. **GRU行业因子** - 当前最高值：石油石化7.24[34] - 最低值：计算机-12.08[34] - 周环比最大增幅：农林牧渔[34] 注：所有数据截至2025年5月30日[28][34]，测试窗口为周频[31][36]

量化模型与构建方式 1. **模型名称：赔率+胜率策略** - 模型构建思路：结合各资产的赔率与胜率策略的风险预算，构建综合配置策略[3] - 模型具体构建过程： 1. 赔率增强型策略：根据资产赔率指标（如A股AIAE指标、债券赔率指标），在目标波动率约束下超配高赔率资产，低配低赔率资产[38] 2. 胜率增强型策略：基于货币、信用、增长、通胀和海外五因子构建宏观胜率评分卡，分配风险预算[41] 3. 综合策略：将赔率策略和胜率策略的风险预算简单相加，生成最终配置权重[44] - 模型评价：综合策略在历史回测中表现稳健，兼顾赔率与胜率的动态平衡 2. **模型名称：行业轮动策略** - 模型构建思路：基于行业景气度、趋势和拥挤度三维框架进行行业配置[33] - 模型具体构建过程： 1. 趋势指标：行业过去12个月信息比率（IR）[33] 2. 拥挤度指标：行业换手率比率、波动率比率和beta比率[33] 3. 景气度判断：通过基本面数据划分高/低景气行业（实心/空心气泡表示）[36] 4. 综合评分：结合三维指标生成行业配置建议（如银行、农林牧渔等）[37] 3. **模型名称：美联储流动性指数模型** - 模型构建思路：从数量维度和价格维度解构美联储流动性[18] - 模型具体构建过程： 1. 包含净流动性、联储信用支持、预期引导、市场隐含和公告意外等子指标[17] 2. 综合加权生成流动性指数，用于判断美股配置价值[18] --- 量化因子与构建方式 1. **因子名称：AIAE指标（A股估值赔率因子）** - 因子构建思路：衡量A股相对实体债务的估值吸引力[10] - 因子具体构建过程： $$ \text{AIAE} = \frac{\text{中证全指总流通市值}}{\text{中证全指总流通市值} + \text{实体总债务}} $$ 截至5月底该指标为16%，位于2010年以来35%分位数[10] 2. **因子名称：质量因子（EPS稳定性等）** - 因子构建思路：综合赔率、趋势和拥挤度三标尺评估质量风格[19] - 因子具体构建过程： 1. 赔率：1.3倍标准差（高赔率） 2. 趋势：-0.3倍标准差（中等趋势） 3. 拥挤度：-0.8倍标准差（低拥挤）[19] - 因子评价：当前上升空间较大，建议长期关注[32] 3. **因子名称：成长因子** - 因子构建思路：通过估值、趋势和拥挤度评估成长风格[21] - 因子具体构建过程： 1. 赔率：-1.9倍标准差（低赔率） 2. 趋势：0.4倍标准差（中等趋势） 3. 拥挤度：0.3倍标准差（中等拥挤）[21] - 因子评价：整体配置价值较低[32] 4. **因子名称：小盘因子** - 因子构建思路：横截面分析小盘风格的风险收益特征[26] - 因子具体构建过程： 1. 赔率：-0.3倍标准差（中性） 2. 趋势：0.4倍标准差（中高水平） 3. 拥挤度：0.5倍标准差（中高水平）[26] --- 模型的回测效果 1. **赔率+胜率策略** - 2011年以来年化收益6.9%，最大回撤2.8%，夏普比率3.04[46] - 2014年以来年化收益7.6%，最大回撤2.6%[46] - 当前配置：泛权益类11.0%、黄金2.4%、债券86.6%[44] 2. **行业轮动策略** - 2011年以来年化超额收益12.3%，信息比率（IR）1.13[34] - 2019年以来年化超额收益9.5%，最大回撤12.3%[34] 3. **赔率增强型策略** - 2011年以来年化收益6.8%，最大回撤3.0%[40] --- 因子的回测效果 1. **质量因子** - 综合得分2.4（三标尺加权），超额收益稳定性较高[19] 2. **成长因子** - 综合得分-1.6，近期趋势和赔率同步下滑[21] 3. **小盘因子** - 综合得分0，拥挤度持续处于中高风险区间[26]

根据研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **主动偏股基金仓位高频估测模型** - 模型构建思路：通过带约束条件的多元回归模型，利用基金每日净值序列和基准/构建的资产序列，估算主动偏股基金的股票仓位变动趋势[62] - 模型具体构建过程： 1. 以基金净值序列为因变量，基准或构建的资产序列为自变量 2. 采用多元回归模型计算仓位最优估计 3. 通过模拟组合提升估算准确性 4. 跟踪行业配置动向（如家用电器、有色金属等增配行业）[62] - 模型评价：能够相对高频地反映机构投资者仓位变化，但存在与实际仓位的偏差风险[62] 2. **REITs指数系列模型** - 模型构建思路：构建价格指数和全收益指数，反映不同底层资产和项目类型的REITs市场表现[47] - 模型具体构建过程： 1. 采用分级靠档法保持份额稳定 2. 使用除数修正法处理非交易因素变动（如新发、扩募） 3. 细分产权类（-0.37%）和特许经营权类（+0.55%）指数[49] 4. 计算全收益指数包含分红再投资收益[49] - 模型评价：为REITs资产配置提供指数化投资工具，但需注意流动性风险[47] 量化因子与构建方式 1. **行业主题基金标签因子** - 因子构建思路：基于基金中报/年报持仓信息，定义长期行业标签（主题/轮动/均衡）[35] - 因子具体构建过程： 1. 分析近4期持仓数据 2. 划分医药（+3.54%）、国防军工（+0.87%）等9大主题类别[35] 3. 计算主题基金指数周涨跌幅 - 因子评价：能有效区分基金风格特征，但存在标签滞后性[35] 2. **ETF资金流向因子** - 因子构建思路：跟踪股票型ETF资金净流入/流出情况，识别市场热点赛道[52] - 因子具体构建过程： 1. 按宽基（大盘+30.14亿）、行业（TMT+25.6亿）等分类统计[52] 2. 计算细分赛道相对优势（如红利ETF净流入13.35亿）[58] - 因子评价：反映短期资金偏好，但需结合收益率分析（如金融科技ETF+5.01%）[58] 模型的回测效果 1. **主动偏股基金仓位模型** - 本周仓位变动：-0.48pcts[62] - 行业配置差异：家电+0.23pct vs 电子-0.18pct[65] 2. **REITs指数模型** - 综合指数周收益：+0.03%[49] - 细分指数表现：能源基础设施+0.70% vs 园区基础设施-0.68%[49] 因子的回测效果 1. **行业主题因子** - 医药主题基金周收益：+3.54%[35] - 新能源主题基金周收益：-2.24%[35] 2. **ETF资金流向因子** - 沪深300ETF净流入：+17.73亿[59] - 恒生医疗ETF净流出：-10.06亿[60] 注：所有测试结果均截至2025年5月30日[1][2][3]

量化模型与构建方式 1. **模型名称**：择时雷达六面图 - **模型构建思路**：基于流动性、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，综合生成[-1,1]之间的择时分数，划分为"估值性价比"、"宏观基本面"、"资金&趋势"、"拥挤度&反转"四大类[1][6] - **模型具体构建过程**： 1. **流动性维度**：货币方向、货币强度、信用方向、信用强度4个指标[12][15][18][22] 2. **经济面维度**：增长方向、增长强度、通胀方向、通胀强度4个指标[23][27][28][31] 3. **估值面维度**：席勒ERP、PB、AIAE 3个指标[32][36][39] 4. **资金面维度**：两融增量、成交额趋势、中国主权CDS利差、海外风险厌恶指数4个指标[41][44][47][49] 5. **技术面维度**：价格趋势、新高新低数2个指标[51][54] 6. **拥挤度维度**：期权隐含升贴水、VIX、SKEW、可转债定价偏离度4个指标[58][60][64][66] - **模型评价**：多维动态加权框架，能捕捉市场多空信号但需定期调参[1][6] 量化因子与构建方式 1. **因子名称**：货币方向因子 - **构建思路**：判断货币政策宽松/收紧方向[12] - **具体构建**：计算央行政策利率与短端市场利率90天平均变化方向，>0为宽松（分数1），<0为收紧（分数-1）[12] 2. **因子名称**：货币强度因子 - **构建思路**：量化短端利率偏离政策利率的程度[15] - **具体构建**： $$偏离度 = \frac{DR007}{7天逆回购利率}-1$$ 平滑后zscore，<-1.5σ为宽松（分数1），>1.5σ为紧缩（分数-1）[15] 3. **因子名称**：信用方向因子 - **构建思路**：反映商业银行信贷松紧[18] - **具体构建**：中长期贷款12个月增量同比，较3个月前上升为1，反之为-1[18] 4. **因子名称**：增长方向因子 - **构建思路**：跟踪PMI趋势变化[23] - **具体构建**：中采制造业/非制造业PMI、财新PMI的12月均值同比，较3个月前上升为1，反之为-1[23] 5. **因子名称**：席勒ERP - **构建思路**：通胀调整后的股权风险溢价[32] - **具体构建**： $$席勒ERP = \frac{1}{席勒PE} - 10年期国债收益率$$ 计算3年zscore并截尾至±1[32] 6. **因子名称**：价格趋势因子 - **构建思路**：捕捉均线趋势强度[51] - **具体构建**： $$均线距离 = \frac{ma120}{ma240}-1$$ 方向分数（>0为1）+强度分数（max(20)=max(60)为1），取均值[51] 模型回测效果 1. **择时雷达六面图**： - 综合打分0.10（中性）[8] - 流动性得分-0.50（看空）[8][12][15][18][22] - 经济面得分0.25（中性偏多）[8][23][27][28][31] - 估值面得分0.31（中性偏多）[8][32][36][39] - 资金面得分0.00（中性）[8][41][44][47][49] - 技术面得分-0.50（看空）[8][51][54] - 拥挤度得分0.51（看多）[8][58][60][64][66] 因子回测效果 1. **货币方向因子**：当前分数1.00[10][12] 2. **货币强度因子**：当前分数-1.00[10][15] 3. **信用方向因子**：当前分数-1.00[10][18] 4. **增长方向因子**：当前分数-1.00[10][23] 5. **席勒ERP**：当前分数0.55[10][32] 6. **价格趋势因子**：当前分数0.00[10][51]

量化模型与构建方式 券商金股业绩增强组合 1. **模型名称**：券商金股业绩增强组合 - **模型构建思路**：基于券商金股股票池，通过多因子优选和组合优化的方式构建组合，以对标偏股混合型基金指数为目标[12][43] - **模型具体构建过程**： 1. 以券商金股股票池为选股空间和约束基准 2. 采用组合优化方法控制组合与券商金股股票池在个股、风格上的偏离 3. 以全体公募基金的行业分布为行业配置基准 4. 考虑仓位及交易费用影响，构建最终组合[43] - **模型评价**：历史表现稳健，能够稳定战胜偏股混合型基金指数，在公募主动股基中排名靠前[12][43] 模型的回测效果 1. **券商金股业绩增强组合** - 2018-2024年全样本年化收益：21.20%（满仓）/19.01%（考虑仓位）[47] - 相对偏股混合型基金指数年化超额：22.49%（满仓）/14.87%（考虑仓位）[47] - 2018年排名：4.18%分位点（33/789）[47] - 2019年排名：29.30%分位点（286/976）[47] - 2020年排名：17.45%分位点（194/1112）[47] - 2021年排名：16.85%分位点（317/1881）[47] - 2022年排名：21.35%分位点（509/2384）[47] - 2023年排名：11.55%分位点（330/2856）[47] - 2024年排名：6.80%分位点（226/3325）[47] 量化因子与构建方式 1. **因子名称**：EPTTM - **因子表现**：最近一个月表现较好[27] 2. **因子名称**：盈余公告后跳空超额 - **因子表现**：最近一个月表现较好[27] 3. **因子名称**：剥离涨停动量 - **因子表现**：最近一个月和今年以来表现较好[27] 4. **因子名称**：单季度营收增速 - **因子表现**：最近一个月表现较差[27] 5. **因子名称**：单季度净利润增速 - **因子表现**：最近一个月表现较差[27] 6. **因子名称**：SUE - **因子表现**：最近一个月表现较差，今年以来表现较好[27] 7. **因子名称**：总市值 - **因子表现**：今年以来表现较好[27] 8. **因子名称**：预期股息率 - **因子表现**：今年以来表现较差[27] 9. **因子名称**：波动率 - **因子表现**：今年以来表现较差[27] 10. **因子名称**：BP - **因子表现**：今年以来表现较差[27] 因子的回测效果 1. **EPTTM因子**：最近一个月多空收益表现较好[27] 2. **盈余公告后跳空超额因子**：最近一个月多空收益表现较好[27] 3. **剥离涨停动量因子**：最近一个月和今年以来多空收益表现较好[27] 4. **单季度营收增速因子**：最近一个月多空收益表现较差[27] 5. **单季度净利润增速因子**：最近一个月多空收益表现较差[27] 6. **SUE因子**：最近一个月多空收益表现较差，今年以来表现较好[27] 7. **总市值因子**：今年以来多空收益表现较好[27] 8. **预期股息率因子**：今年以来多空收益表现较差[27] 9. **波动率因子**：今年以来多空收益表现较差[27] 10. **BP因子**：今年以来多空收益表现较差[27]

量化模型与因子分析总结 量化模型与构建方式 市场情绪指标模型 1. 模型名称：上涨家数占比情绪指标 模型构建思路：通过计算指数成分股的近期正收益个数来判断市场情绪，正收益股票增多可能预示行情底部，大部分股票正收益可能预示过热风险[12] 模型具体构建过程： - 计算沪深300指数N日上涨家数占比 = 沪深300指数成分股过去N日收益大于0的个股数占比 - 对指标进行两次不同窗口期平滑（N1=230，N2=50，N3=35）生成快慢线 - 当快线>慢线时看多市场[13][15] 模型评价：能较快捕捉上涨机会但可能错失持续亢奋阶段的收益，对下跌市场判断存在缺陷[12] 2. 模型名称：均线情绪指标 模型构建思路：通过八均线体系判断标的指数趋势状态，将区间值转换为-1/0/1三档[21] 模型具体构建过程： - 计算沪深300收盘价八均线数值（参数为8,13,21,34,55,89,144,233） - 统计当日收盘价大于八均线指标值的数量 - 当超过5条均线被突破时看多市场[21][26] PB-ROE-50策略模型 1. 模型名称：PB-ROE-50组合策略 模型构建思路：基于PB-ROE定价模型寻找市场预期差，叠加超预期因子增强收益[31] 模型具体构建过程： - 以Wilcox(1984)的PB-ROE定价模型为基础筛选预期差股票池 - 加入SUE(未预期盈余)、ROE同比增长等因子 - 精选50只股票构建组合[31] 模型评价：在各股票池中均能获得稳定超额收益[31] 机构调研策略模型 1. 模型名称：公募调研选股策略 模型构建思路：通过公募调研数据挖掘超额alpha，结合被调研次数和调研前相对基准涨跌幅选股[38] 2. 模型名称：私募调研跟踪策略 模型构建思路：通过知名私募调研数据挖掘超额alpha，选股逻辑与公募调研类似[38] 量化因子与构建方式 负面清单因子 1. 因子名称：有息负债率 因子构建思路：衡量企业偿债压力，高有息负债率预示较高流动性风险[43] 因子具体构建过程： - 传统口径 = (短期借款+长期借款+应付债券)/总资产 - 严苛口径 = (短期借款+应付利息+交易性金融负债+应付短期债券+租赁负债+长期借款+应付债券+长期应付款)/总资产 - 宽松口径 = 严苛口径项+其他流动负债+划分为持有待售的负债+一年内到期的非流动负债[43] 2. 因子名称：财务成本负担率 因子构建思路：从利润表角度衡量企业还息压力[47] 因子具体构建过程： $$财务成本负担率 = 财务费用：利息费用 / 息税前利润$$ 模型的回测效果 市场情绪指标 1. 上涨家数占比模型：当前指标值高于50%，处于情绪景气区间[12][13] 2. 均线情绪指标：当前沪深300处于情绪非景气区间[21] PB-ROE-50策略 | 股票池 | 今年以来超额收益率 | 上月超额收益率 | 今年以来绝对收益率 | 上月绝对收益率 | |--------------|--------------------|----------------|--------------------|----------------| | 中证500 | 2.07% | 2.39% | 1.09% | 3.10% | | 中证800 | 2.60% | 1.30% | 0.51% | 2.87% | | 全市场 | 3.10% | 1.33% | 3.41% | 3.45% | [35] 机构调研策略 | 策略类型 | 今年以来超额收益率 | 上月超额收益率 | 今年以来绝对收益率 | 上月绝对收益率 | |--------------|--------------------|----------------|--------------------|----------------| | 公募调研选股 | -2.18% | -0.44% | -4.17% | 1.10% | | 私募调研跟踪 | 9.67% | 2.57% | 7.44% | 4.16% | [41] 因子的回测效果 有息负债率因子 宽松口径下前30名股票中，中毅达、指南针等9只在传统口径排名100位以后[43][44] 财务成本负担率因子 辽宁成大、银宝山新等17只股票指标值超过10倍[47][48]

根据提供的量化研报内容，以下是详细的模型和因子分析总结： --- 量化模型与构建方式 1. **A股景气指数模型** - **构建思路**：通过Nowcasting方法跟踪上证指数归母净利润同比，构建高频景气度指标[46] - **具体构建**：以历史下行周期持续天数和幅度为基准，结合当前数据判断景气拐点。2021年10月启动下行周期，2023年四季度触底后震荡回升[46][47][49] - **评价**：有效捕捉宏观盈利周期拐点，但依赖历史规律假设 2. **A股情绪指数模型** - **构建思路**：基于波动率与成交额变化方向划分四象限，构造见底/见顶预警信号[51] - **具体构建**： - 波动率下行+成交额下行→看多（见底信号） - 波动率上行+成交额下行→显著负收益（见顶信号）[51][52] - **评价**：直观反映市场情绪极端状态，但对突发事件的敏感性不足 3. **指数增强组合模型** - **构建思路**：通过多因子选股策略对中证500/沪深300进行超额收益增强[60][67] - **具体构建**：未披露具体因子权重，但持仓显示行业分散（如中证500增强组合含金融、医药、能源等板块）[64][70] - **评价**：策略稳定性较高，最大回撤控制在5%以内 --- 量化因子与构建方式 1. **BARRA风格因子体系** - **包含因子**：市值(SIZE)、BETA、动量(MOM)、残差波动率(RESVOL)、非线性市值(NLSIZE)、估值(BTOP)、流动性(LIQUIDITY)、盈利(EARNINGS_YIELD)、成长(GROWTH)、杠杆(LVRG)[71] - **构建思路**：参照BARRA CNE5模型标准构建[71] - **评价**：体系成熟但需动态调整因子权重 2. **行业因子** - **近期表现**：国防军工、医药、交通运输超额显著，汽车/家电回撤明显[72] - **构建方法**：行业收益相对市值加权组合的偏离度计算[75] 3. **非线性市值因子** - **表现**：本周超额收益显著，与市值因子呈负相关性[72][75] - **构建方法**：市值变量的二次项或分段函数构造[71] --- 模型回测效果 1. **中证500增强组合** - 本周超额收益：0.43% - 2020年至今累计超额：42.73% - 最大回撤：-4.99%[60][63] 2. **沪深300增强组合** - 本周超额收益：0.45% - 2020年至今累计超额：26.94% - 最大回撤：-5.86%[67][68] 3. **风格因子表现** - 非线性市值因子：本周正向超额最高 - 市值因子：显著负向超额[72][75] --- 因子回测效果 1. **行业因子收益** - 国防军工：+1.2% - 医药：+0.9% - 汽车：-1.5%[75] 2. **风格因子IC** - 杠杆因子：近期Rank IC达0.15 - 成长因子：Rank IC -0.12[72][75] --- 注：部分模型细节（如景气指数计算公式）未在报告中披露[46][51]，因子构建公式未明确给出[71]。测试结果均基于2025年5月30日当周数据[60][67][75]。

根据提供的研报内容，该文档主要涉及个股推荐和基本面分析，未提及量化模型或量化因子的构建与分析。因此，无法按照要求总结量化模型或因子相关内容。以下是文档的核心内容分类： 个股推荐与基本面分析 1 医药行业 - 亿帆医药(002019.SZ)：创新药出海全球化大单品亿立舒放量，合成生物学HMOs投产[1] - 核心指标：2025E归母净利润617百万(增速60%)，PE 22x[1] 2 食品饮料行业 - 青岛啤酒(600600.SH)：新鲜直送策略+南方市场拓展，成本红利兑现[1] - 核心指标：2025E归母净利润4851百万(增速12%)，PE 21x[1] 3 农业 - 牧原股份(002714.SZ)：成本行业最低，屠宰业务开始盈利[1] - 核心指标：2025E归母净利润22459百万(增速26%)，PE 10x[1] 4 轻工制造 - 奥瑞金(002701.SZ)：收购中粮包装带来业绩增厚，二片罐业务盈利能力提升[1] - 核心指标：2025E归母净利润1321百万(增速67%)，PE 11x[1] 5 电子 - 顺络电子(002138.SZ)：DDR5电感需求爆发，汽车电子业务快速增长[1] - 核心指标：2025E归母净利润1049百万(增速26%)，PE 21x[1] 6 通信 - 万马科技(300698.SZ)：绑定英伟达推出智驾解决方案，车联网业务拓展[1] - 核心指标：2025E归母净利润204百万(增速117%)，PE 29x[1] 7 机械设备 - 日联科技(688531.SH)：X光检测设备国产替代，高端品持续拓展[1] - 核心指标：2025E归母净利润209百万(增速46%)，PE 38x[1] 8 化工 - 亚钾国际(000893.SZ)：钾肥产销放量，税收优惠落地[1] - 核心指标：2025E归母净利润1580百万(增速66%)，PE 17x[1] 9 金融 - 招商银行(600036.SH)：财富管理优势显著，资产质量领先[1] - 核心指标：2025E归母净利润148784百万(增速0%)，PE 5.9x[1] 10 有色金属 - 中国稀土(000831.SZ)：稀土资源整合，价格处于周期底部[1] - 核心指标：2025E归母净利润247百万(增速186%)，PE N/A[1] 注：所有财务数据均为预测值(2025E)[1]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **沪深300上涨家数占比情绪指标** - 模型构建思路：通过计算指数成分股的近期正收益个数来判断市场情绪，正收益股票增多时可能处于行情底部，大部分股票正收益时可能预示过热风险[27] - 具体构建过程： $$ N日上涨家数占比 = \frac{沪深300成分股过去N日收益>0的个股数}{成分股总数} $$ 其中N=230日，并采用50日和35日双移动平均线判断趋势（快线>慢线看多）[29][31] - 模型评价：能快速捕捉上涨机会但会错失持续亢奋阶段收益，对下跌市场判断存在缺陷[28] 2. **八均线情绪指标** - 模型构建思路：通过8条不同周期均线（8/13/21/34/55/89/144/233日）的突破数量判断趋势状态[35] - 具体构建过程： - 计算沪深300收盘价在八均线上方的数量 - 数量≥5时看多，区间值1-3赋值为-1，4-6为0，7-9为1[38] - 模型评价：需结合其他指标验证趋势可靠性[35] 量化因子与构建方式 1. **横截面波动率因子** - 构建思路：衡量指数成分股间收益率的离散程度，反映Alpha机会丰富度[39] - 具体计算： $$ 横截面波动率 = \sqrt{\frac{1}{n}\sum_{i=1}^n (r_i - \bar{r})^2} $$ 其中$r_i$为个股收益率，$\bar{r}$为指数平均收益率[39] - 因子评价：波动率上升预示Alpha环境改善，但需结合时序波动率综合判断[39] 2. **时间序列波动率因子** - 构建思路：衡量指数成分股自身收益波动幅度[42] - 具体计算：采用20日历史波动率 - 因子评价：短期波动率上升可能带来交易机会，但高波动也伴随风险[42] 模型回测效果 1. **沪深300情绪指标** - 最新快线/慢线：向下交叉（空头信号）[29] - 上涨家数占比：高于50%但趋势下行[28] 2. **八均线情绪指标** - 最新指标值：处于非景气区间（赋值≤0）[35] 因子回测效果 1. **横截面波动率** - 沪深300：1.69%（近半年分位数70.12%）[41] - 中证500：1.97%（近半年分位数44.44%）[41] - 中证1000：2.35%（近半年分位数58.57%）[41] 2. **时间序列波动率** - 沪深300：0.54%（近半年分位数68.88%）[44] - 中证500：0.42%（近半年分位数59.52%）[44] - 中证1000：0.26%（近半年分位数58.57%）[44] 注：所有波动率数据统计区间为2025年5月26-30日[41][44]