根据提供的金融工程季度报告内容，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。报告的核心是描述性统计，而非预测性或解释性的量化模型/因子。 报告内容主要集中在以下几个方面，均属于监控指标而非量化模型/因子： 基金持仓监控指标与构建方式 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的趋势[18] * **具体构建过程**：计算所有主动权益基金在某个截面时点（如季度末）的十大重仓股市值占其全部权益投资市值的比例，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在选股上的观点是趋同还是分化[18] * **具体构建过程**：统计在某个截面时点上，所有主动权益基金持有的不同股票的总数量。持有股票数量越少，说明基金经理群体的持股一致性越高，分化度越低[18] 3. **指标名称**：行业主动增减仓[33][34] * **构建思路**：剥离行业涨跌带来的被动权重变化，反映基金经理主动调整行业配置的行为[33][34] * **具体构建过程**： 1. 获取上一个季报披露的行业配置权重 \(w_{t-1}\)[33][34] 2. 获取该行业在当前季度的涨跌幅 \(ind_{ret}\)（使用中信一级行业指数计算）[33][34] 3. 计算经涨跌幅调整后的上一季度行业权重：$$w_{t-1}^{{}^{\prime}}\;=\;w_{t-1}\;*\;(1\;+\;i n d_{r e t})$$[33][34] 4. 将所有行业的 \(w_{t-1}^{'}\) 进行截面归一化处理 5. 用当前季度的行业配置权重减去归一化后的调整权重，得到行业主动增减仓的百分比[33][34] 4. **指标名称**：个股主动加减仓市值[39][40] * **构建思路**：剥离个股价格涨跌带来的持股市值被动变化，反映基金经理对个股的主动交易行为[39][40] * **具体构建过程**： 1. 获取上一个季报披露的基金持有某只股票的市值 \(val_{t-1}\)[39][40] 2. 获取该个股在当前季度的涨跌幅 \(stk_{ret}\)[39][40] 3. 计算经涨跌幅调整后的上一季度持股市值：$$v a l_{t-1}^{\prime}\,=\,v a l_{t-1}\,*\,(1\,+\,s t k_{r e t})$$[39][40] 4. 用当前季度持有该股票的市值减去调整后的上一季度市值 \(val_{t-1}^{'}\)，得到个股主动加减仓的市值金额[39][40] 基金持仓监控指标的统计结果 1. **基金持股集中度**：2025年三季度为54.96%，上一期（2025年二季度）为52.46%[18] 2. **基金经理群体持股一致性**：2025年三季度总体持股数量为2377只，上一期（2025年二季度）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. **个股主动加减仓市值（2025年三季度）**： * 主动加仓市值最多的三只股票：工业富联（+290亿元）、阿里巴巴-W（+162亿元）、中际旭创（+124亿元）[42] * 主动减仓市值最多的三只股票：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报告内容，以下是关于报告中涉及的量化模型和因子的总结。报告主要对宽基指数进行多维度跟踪分析，并未涉及复杂的量化选股模型或因子，其核心是对各类市场指标进行统计和展示。 量化因子与构建方式 **1 因子名称：风险溢价** - **因子构建思路**：以十年期国债即期收益率为无风险利率参考，计算各宽基指数收益率与其差值，用以衡量权益资产相对于无风险资产的超额回报和投资价值[26] - **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（如上证50、沪深300等）的当前风险溢价、近1年及近5年分位值进行了统计[28][30] $$风险溢价 = 指数收益率 - 无风险利率$$ 其中，无风险利率采用十年期国债即期收益率[30] **2 因子名称：股债性价比** - **因子构建思路**：通过计算股票市盈率倒数（即盈利收益率）与债券收益率之差，来比较股票和债券两类资产的相对吸引力[42] - **因子具体构建过程**：股债性价比的计算公式为各宽基指数PE-TTM的倒数减去十年期国债即期收益率[42] $$股债性价比 = \frac{1}{PE-TTM} - 无风险利率$$ 报告中使用近5年数据的80分位值（机会值）和20分位值（危险值）作为参考基准[42] **3 因子名称：破净率** - **因子构建思路**：通过统计市净率（PB）小于1的个股数量占指数总成分股数量的比例，来反映市场总体的估值水平和悲观情绪[49][51] - **因子具体构建过程**：破净率因子直接计算指数成分股中破净个股的占比。报告列出了各宽基指数当前的破净率具体数值[4][51] $$破净率 = \frac{指数成分股中PB < 1的股票数量}{指数总成分股数量}$$ **4 因子名称：指数换手率** - **因子构建思路**：衡量指数整体的交易活跃程度，计算方式为指数成分股的加权平均换手率[17] - **因子具体构建过程**：指数换手率的具体计算公式为：Σ(成分股流通股本 * 成分股换手率) / Σ(成分股流通股本)。报告列出了各宽基指数在特定日期的换手率[17] **5 因子名称：股息率** - **因子构建思路**：计算指数成分股的现金分红回报率，是红利投资风格的重要参考指标[44] - **因子具体构建过程**：股息率为指数成分股每股股息与每股股价的比率。报告跟踪了各指数股息率的当前值、历史分位值及与均值的偏离情况[49] 因子的回测效果 报告未提供基于历史数据的严格因子回测绩效指标（如IC值、IR等）。所有因子的“测试结果”均表现为在特定时点（2025年10月27日）的截面数值或历史分位值，具体取值如下： **1 风险溢价因子** - 上证50：当前值0.77%，近5年分位值81.43%[30] - 沪深300：当前值1.18%，近5年分位值88.17%[30] - 中证500：当前值1.66%，近5年分位值92.94%[30] - 中证1000：当前值1.02%，近5年分位值79.37%[30] - 中证2000：当前值0.94%，近5年分位值74.92%[30] - 中证全指：当前值1.20%，近5年分位值87.22%[30] - 创业板指：当前值1.98%，近5年分位值88.73%[30] **2 股债性价比因子** - 测试结果：报告中未列出各指数股债性价比的具体数值，仅指出没有指数高于其80%分位，中证500低于其20%分位[42] **3 破净率因子** - 上证50：22.0%[4][51] - 沪深300：16.33%[4][51] - 中证500：10.8%[4][51] - 中证1000：7.4%[4][51] - 中证2000：3.0%[4][51] - 中证全指：5.83%[4][51] - 创业板指：1.0%[4][51] **4 指数换手率因子** - 中证2000：3.85[17] - 创业板指：2.99[17] - 中证1000：2.73[17] - 中证500：2.05[17] - 中证全指：1.89[17] - 沪深300：0.8[17] - 上证50：0.41[17] **5 股息率因子** - 上证50：当前值3.18%，近5年分位值34.55%[49] - 沪深300：当前值2.60%，近5年分位值34.30%[49] - 中证500：当前值1.32%，近5年分位值13.72%[49] - 中证1000：当前值1.10%，近5年分位值38.76%[49] - 中证2000：当前值0.77%，近5年分位值16.12%[49] - 中证全指：当前值1.95%，近5年分位值31.74%[49] - 创业板指：当前值0.96%，近5年分位值64.79%[49] 其他市场指标（非因子） 报告还展示了一系列基础市场指标，它们描述了市场状态但本身不直接作为量化因子使用： **1 指标名称：PE-TTM（滚动市盈率）** - **构建思路**：衡量指数估值水平，计算为总市值除以归母净利润TTM[36] - **具体构建过程**：标准PE-TTM计算方法。报告列出了各指数的当前PE-TTM及其近1年、近5年和全历史分位值[39][40] **2 指标名称：均线比较** - **构建思路**：通过比较指数收盘价与不同周期移动平均线（如MA5, MA10等）的位置关系，判断短期趋势和支撑压力[14][15] - **具体构建过程**：计算指数收盘价相对于各期均线的百分比偏离。例如，`vsMA5 = (收盘价 / MA5) - 1`。报告展示了各指数相对于5日、10日、20日等均线的偏离幅度[15] **3 指标名称：收益分布形态（偏度与峰度）** - **构建思路**：通过统计日收益率分布的偏度和峰度，分析收益分布的特征和变化[23][24] - **具体构建过程**：计算近5年及当前日收益率序列的偏度和峰度（计算峰度时减去了3）。报告比较了各指数当前值与近5年均值的差异[24]

根据提供的研报内容，经过全面梳理，总结如下： 量化模型与构建方式 研报中未详细阐述具体的量化模型或量化因子的构建思路、过程及公式。 模型的回测效果 研报中未提供具体量化模型的回测效果指标数据。 量化因子与构建方式 研报中未详细阐述具体的量化因子的构建思路、过程及公式。 因子的回测效果 研报中未提供具体量化因子的回测效果指标数据。 基金业绩表现跟踪 **1 增强策略ETF业绩跟踪** - **构建思路**：跟踪已上市的增强策略ETF，计算其相对于业绩比较基准的超额收益率[26] - **具体构建过程**：选取已上市的增强策略ETF，计算其周度、年初至今及近一年的收益率，并与对应的业绩比较基准收益率进行比较，得出超额收益率[26][27] - **评价**：增强策略ETF整体表现良好，多数产品能取得正超额收益[26] **2 增强指数型基金业绩跟踪** - **构建思路**：跟踪各类增强指数型基金（如沪深300、中证500、中证1000、国证2000增强基金），计算其超额收益率[39][40][41] - **具体构建过程**：在各类增强指数型基金中，筛选出成立满一年的基金，计算其上周超额收益率和近一年超额收益率，并进行排名[39][40][41] **3 主动量化基金收益统计** - **构建思路**：统计全市场主动量化基金的收益率中位数[36] - **具体构建过程**：计算所有主动量化基金在上周的收益率中位数和近一年的收益率中位数[36] **4 行业主题基金收益统计** - **构建思路**：按主题（如TMT、制造、消费等）分类统计主题基金的收益率中位数[36] - **具体构建过程**：将主题基金按投资主题分类，分别计算各类主题基金在上周的收益率中位数和近一年的收益率中位数[36] 业绩表现的具体测试结果取值 **1 增强策略ETF业绩指标** - 招商中证2000增强策略ETF (159552.OF)：上周超额收益率0.86%，2025年以来超额收益率23.82%，近1年超额收益率29.97%[27] - 工银中证1000增强策略ETF (561280.OF)：上周超额收益率0.06%，2025年以来超额收益率18.79%，近1年超额收益率24.59%[27] - 海富通中证2000增强策略ETF (159553.OF)：上周超额收益率0.85%，2025年以来超额收益率18.28%，近1年超额收益率23.12%[27] - 天弘中证1000增强策略ETF (159685.OF)：上周超额收益率0.21%，2025年以来超额收益率13.50%，近1年超额收益率19.09%[27] - 华泰柏瑞中证1000增强策略ETF (561590.OF)：上周超额收益率1.36%，2025年以来超额收益率13.33%，近1年超额收益率15.50%[27] **2 增强指数型基金业绩指标** - 汇添富国证2000指数增强A (019318.OF)：上周超额收益率1.24%，近一年超额收益率31.92%[41] - 博道中证1000指数增强A (017644.OF)：近一年超额收益率29.12%[40] - 鹏华国证2000指数增强A (017892.OF)：上周超额收益率0.74%，近一年超额收益率29.39%[41] - 工银瑞信中证1000指数增强A (016942.OF)：上周超额收益率0.93%，近一年超额收益率26.66%[41] - 汇添富中证1000指数增强A (017953.OF)：上周超额收益率1.13%，近一年超额收益率25.39%[41] - 鹏华中证500指数增强A (014344.OF)：上周超额收益率0.89%，近一年超额收益率18.88%[41] - 安信量化精选沪深300指数增强A (003957.OF)：近一年超额收益率12.06%[40] **3 主动量化基金收益指标** - 上周收益率中位数：3.24%[36] - 近1年收益率中位数：27.97%[36] **4 行业主题基金收益指标** - TMT主题基金：上周收益率中位数8.20%，近1年收益率中位数51.91%[36] - 制造主题基金：近1年收益率中位数27.52%[36]

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与描述性分析范畴。 因此，本次总结无相关内容可输出。

量化模型与因子总结 量化模型与构建方式 1. **模型名称：行业拥挤度监测模型**[3] * **模型构建思路：** 通过量化方法对申万一级行业指数的拥挤程度进行每日监测，以识别市场热度较高的行业和热度较低的行业[3] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细步骤，仅提及了其监测结果和应用[3] 2. **模型名称：溢价率 Z-score 模型**[4] * **模型构建思路：** 通过计算ETF溢价率的Z-score值，来识别存在潜在套利机会的ETF标的，同时提示标的回调风险[4] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细步骤，仅提及了其应用目的[4] 模型的回测效果 报告未提供上述模型的量化回测效果指标（如年化收益率、夏普比率、信息比率IR、最大回撤等）[1][2][3][4][5][6][7][8][9][11][12][13] 量化因子与构建方式 报告未明确提及具体的量化因子及其构建方式[1][2][3][4][5][6][7][8][9][11][12][13] 因子的回测效果 报告未提供任何量化因子的回测效果指标[1][2][3][4][5][6][7][8][9][11][12][13]

根据研报内容，以下是关于量化模型与因子的总结： 量化因子与构建方式 **1 因子名称：个股总热度因子[7]** - 因子构建思路：从行为金融学角度，利用投资者有限注意力导致的过度定价与反应不足现象，通过个股的浏览、自选与点击数据构建情绪热度代理变量[7] - 因子具体构建过程：首先计算每只股票每日的浏览、自选与点击次数之和，然后将该数值除以同一日全市场所有股票的浏览、自选与点击次数之和进行归一化处理，最后将归一化后的数值乘以10000，使因子取值区间为[0,10000][7] - 因子评价：该因子作为情绪热度的有效代理变量，能够捕捉市场关注度变化 **2 因子名称：宽基总热度因子[8]** - 因子构建思路：将全A样本按主流宽基指数分组，通过对组内成分股总热度指标求和，得到宽基层面的聚合热度指标[8] - 因子具体构建过程：将股票按沪深300、中证500、中证1000、中证2000以及"其他"进行分组，对每一组中的所有成分股的个股总热度因子值进行求和处理，得到5个宽基指数的总热度值[8] **3 因子名称：行业总热度因子[20]** - 因子构建思路：采用与宽基总热度相同的方法，对申万一级、二级行业内的成分股总热度进行加总，得到行业层面的热度指标[20] - 因子具体构建过程：按照申万行业分类标准，对每个行业内的所有成分股的个股总热度因子值进行求和计算[20] **4 因子名称：概念总热度因子[28]** - 因子构建思路：通过对概念板块内成分股总热度进行聚合，得到概念层面的热度追踪指标[28] - 因子具体构建过程：按照概念板块划分，对每个概念对应的所有成分股的个股总热度因子值进行求和计算[28] **5 因子名称：热度变化率因子[11]** - 因子构建思路：计算不同层级热度指标的周度变化率，捕捉市场情绪的边际变化[11] - 因子具体构建过程：计算本周热度值与上周热度值的相对变化率，公式为： $$变化率 = \frac{本周热度 - 上周热度}{上周热度} \times 100\%$$ 并对变化率取2期移动平均进行平滑处理[11] **6 因子名称：估值历史分位数因子[38]** - 因子构建思路：通过计算当前估值在历史序列中的相对位置，判断估值水平的高低[38] - 因子具体构建过程：对于宽基指数，采用滚动5年窗口计算当前PE值在历史序列中的分位数；对于行业指数，从2015年开始计算当前PE值在完整历史序列中的分位数[38] 量化模型与构建方式 **1 模型名称：宽基轮动策略模型[13]** - 模型构建思路：基于热度变化率的均值回归特性，构建在宽基指数间进行轮动的交易策略[13] - 模型具体构建过程：在每周最后一个交易日，计算5个宽基组（沪深300、中证500、中证1000、中证2000、其他）的热度变化率MA2值，选择变化率最大的宽基组进行投资，如果变化率最大的为"其他"组则保持空仓[13] **2 模型名称：热门概念组合策略模型[31]** - 模型构建思路：利用概念热度的短期行为金融特征，构建逆向投资组合[31] - 模型具体构建过程：每周筛选出热度变化率最大的5个概念，排除概念成分股中流通市值最小的20%股票，然后构建两个组合：TOP组合选取每个热门概念中总热度排名前10的个股等权持有；BOTTOM组合选取每个热门概念中总热度排名最后10只个股等权持有[31] 模型的回测效果 **1 宽基轮动策略模型[16]** - 年化收益率：8.74%[16] - 最大回撤：23.5%[16] - 2025年收益：38.5%[16] **2 热门概念BOTTOM组合策略[34]** - 年化收益率：15.71%[34] - 最大回撤：28.89%[34] - 2025年收益：42.2%[34] 因子的回测效果 **1 热度变化率因子（宽基层面）[16]** - 本周变化率最大值："其他"组提高11.95%[16] - 本周变化率最小值：沪深300降低13.87%[16] **2 热度变化率因子（行业层面）[27]** - 申万一级行业正向变化前5：煤炭(96.1%)、石油石化、交通运输、银行、综合[27] - 申万一级行业负向变化前5：钢铁、汽车、非银金融、有色金属、电力设备(-17.9%)[27] - 申万二级行业正向变化前5：焦炭Ⅱ、油服工程、航运港口、煤炭开采、国有大型银行Ⅱ[27] **3 热度变化率因子（概念层面）[36][37]** - 概念热度变化最大前5：可燃冰(1130.6%)、页岩气(291.9%)、赛马概念(123.4%)、天然气(114.4%)、特色小镇(107.7%)[36][37] **4 估值历史分位数因子[38][39]** - 宽基估值分位数：沪深300(90%)、中证500(98%)、中证1000(94%)[38] - 行业估值分位数80%以上：钢铁、电子、电力设备、银行、轻工制造、国防军工、计算机、医药生物、煤炭、建筑材料、商贸零售[39] - 行业估值分位数20%以下：非银金融、交通运输、食品饮料、综合[39]

根据提供的研报内容，该报告主要跟踪和测算网下打新策略的表现，并未涉及传统的量化选股模型或多因子模型。报告的核心是构建了一个理论打新收益测算框架，并基于此框架给出了详细的回测结果。 量化模型与构建方式 1. **模型名称**：理论打新收益测算模型[11][39] * **模型构建思路**：通过设定一系列假设条件，模拟不同类别（A类/B类）、不同资产规模的投资者参与网下新股申购并上市首日卖出的完整流程，从而估算其理论打新收益和收益率[11][39] * **模型具体构建过程**： * **核心假设**： * 投资者参与所有主板、科创板、创业板的新股网下申购[11] * 科创板和创业板的报价全部入围（即均能成功申购）[39] * 上市首日以市场均价（报告中具体为“首次开板日均价”）卖出[11][35] * 忽略锁定期的卖出限制[11] * 账户资金配置为一半沪市市值、一半深市市值，且股票仓位满仓[39] * 资金使用效率为90%[39] * **收益计算步骤**： 1. **计算单只新股“满中数量”**：“满中数量”指顶格申购所能获配的新股数量。计算公式如下： $$类满中数量 = 可申购上限额度 × 网下类平均中签率$$ [35] 2. **计算单只新股“满中收益”**：基于“满中数量”和上市后的价格涨幅计算单只新股的绝对收益。计算公式如下： $$满中收益 = (首次开板价 - 首发价格) × 满中数量$$ [35] 3. **计算账户总打新收益**：将测算时间段内（如每月、每年）所有新股的打新收益相加，得到总收益[39][41] 4. **计算账户打新收益率**：用总收益除以账户规模，再考虑资金使用效率，得到打新收益率。具体计算逻辑为：总收益 / (账户规模 × 资金使用效率)[39][41] 模型的回测效果 报告提供了基于上述模型，在不同账户类型、不同规模、不同市场板块下的详细回测数据。以下结果均基于“上市首日卖出”的统计口径。 1. **A类账户打新收益率**[11][41][42][43][44] * **2亿规模账户**：2025年至今打新收益率2.44%（所有板块）[11][41]；2024年至今打新收益率6.17%（所有板块）[41] * **10亿规模账户**：2025年至今打新收益率0.77%（所有板块）[11][41]；2024年至今打新收益率1.77%（所有板块）[41] * **分板块2025年至今收益率（2亿规模）**：科创板0.51%[42]，创业板1.24%[43]，主板0.69%[44] 2. **B类账户打新收益率**[11][47][48][49][50] * **2亿规模账户**：2025年至今打新收益率2.19%（所有板块）[11][47]；2024年至今打新收益率5.11%（所有板块）[47] * **10亿规模账户**：2025年至今打新收益率0.70%（所有板块）[11][47]；2024年至今打新收益率1.52%（所有板块）[47] * **分板块2025年至今收益率（2亿规模）**：科创板0.49%[48]，创业板1.10%[49]，主板0.61%[50] 3. **近期新股表现**：滚动跟踪近期20只新股，科创板个股上市首日平均涨幅为218.45%，创业板个股上市首日平均涨幅为244.28%[1][16] 量化因子与构建方式 本报告为打新策略跟踪报告，未涉及用于选股或择时的量化因子。 因子的回测效果 本报告为打新策略跟踪报告，未涉及量化因子的测试结果。

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：扩散指数模型**[6][18][39] * **模型构建思路**：通过监测微盘股指数成分股未来不同涨跌幅情景下的扩散指数值，来预测市场变盘的临界点，并利用三种不同的交易方法（首次阈值法、延迟阈值法、双均线法）来生成交易信号[6][18][39] * **模型具体构建过程**：该模型构建了一个透视表，横轴代表未来N天后股价相对当前价格的涨跌幅度（例如从1.1到0.9代表涨10%到跌10%），纵轴代表回顾过去或展望未来的窗口期长度（T天或N天）[39] 扩散指数的计算基于微盘股指数成分股在当前时点下，达到未来特定涨跌幅的股票数量占比[39] 具体应用时，模型使用三种方法生成信号： * **首次阈值法（左侧交易）**：当扩散指数首次突破设定的阈值时触发信号，例如在2025年9月23日收盘时指数为0.0575触发开仓信号[6][18][43] * **延迟阈值法（右侧交易）**：为了确认趋势，当扩散指数在首次突破后再次满足某个条件时触发信号，例如在2025年9月25日指数为0.1825时给予开仓信号[6][18][46] * **双均线法（自适应交易）**：使用两条不同周期的移动平均线，当短期均线上穿长期均线时产生看多信号，例如在2025年10月13日收盘时产生看多信号[6][18][47] 2. **模型名称：小市值低波50策略**[8][17][35] * **模型构建思路**：在万得微盘股指数的成分股中，结合小市值和低波动两个特征，筛选出50只股票构建投资组合，以追求超越基准的超额收益[8][17][35] * **模型具体构建过程**：策略的选股池限定为万得微盘股指数(8841431.WI)的成分股[8][17] 在选股池内，同时使用市值因子和波动率因子进行筛选，优先选择市值更小、波动率更低的股票[8][35] 最终选出50只股票构成投资组合，并每两周调仓一次（双周调仓）[8][17] 策略回测考虑了交易成本，按双边千分之三（0.3%）计算[8][17] 模型的回测效果 1. **小市值低波50策略**，2024年收益7.07%，2024年超额收益（相对万得微盘股指数）-2.93%，2025年至今（YTD）收益71.25%，本周超额收益2.65%[8][17][35] 量化因子与构建方式 1. **因子名称：非流动性因子**[5][16][33] * **因子评价**：本周表现优异，rankIC值为0.147，远高于其历史平均值0.04[5][16][33] 2. **因子名称：贝塔因子**[5][16][33] * **因子评价**：本周表现良好，rankIC值为0.134，显著高于其历史平均值0.004[5][16][33] 3. **因子名称：标准化预期盈利因子**[5][16][33] * **因子评价**：本周表现良好，rankIC值为0.132，高于其历史平均值0.014[5][16][33] 4. **因子名称：单季度净利润增速因子**[5][16][33] * **因子评价**：本周表现较好，rankIC值为0.088，高于其历史平均值0.02[5][16][33] 5. **因子名称：单季度净资产收益率因子**[5][16][33] * **因子评价**：本周表现正向，rankIC值为0.045，高于其历史平均值0.022[5][16][33] 6. **因子名称：非线性市值因子**[5][16][33] * **因子评价**：本周表现较差，rankIC值为-0.228，远低于其历史平均值-0.034[5][16][33] 7. **因子名称：对数市值因子**[5][16][33] * **因子评价**：本周表现较差，rankIC值为-0.228，远低于其历史平均值-0.034[5][16][33] 8. **因子名称：过去10天收益率因子（动量因子）**[5][16][33] * **因子评价**：本周表现不佳，rankIC值为-0.22，低于其历史平均值-0.061[5][16][33] 9. **因子名称：成交额因子**[5][16][33] * **因子评价**：本周表现不佳，rankIC值为-0.139，低于其历史平均值-0.082[5][16][33] 10. **因子名称：残差波动率因子**[5][16][33] * **因子评价**：本周表现不佳，rankIC值为-0.128，低于其历史平均值-0.039[5][16][33] 报告中还提及了其他因子，如杠杆因子、未复权股价因子、成长因子、10天自由流通市值换手率因子、过去一年波动率因子、10天总市值换手率因子、流动性因子、pe_ttm倒数因子、股息率因子、pb倒数因子、盈利因子、动量因子、自由流通比例因子等，并展示了其本周rankIC值[34] 因子的回测效果 报告中主要提供了因子在特定周度（截至2025年10月24日当周）的RankIC值及其历史平均表现，用于评估因子的短期表现与历史规律的差异[5][16][33][34] 具体数值已在上文各因子评价中列出

根据研报内容，本报告主要是一份基金市场与ESG产品的周度跟踪报告，其核心在于对市场表现、基金产品、ETF资金流向等进行数据统计和描述性分析。报告本身并未提出或详细阐述新的量化模型或量化因子的构建过程。报告中提到的模型或方法均引用自其过往的历史研报，但未在本次周报中提供具体的构建细节和公式。 量化模型与构建方式 1. **模型名称**：主动偏股基金高频仓位测算模型[67] * **模型构建思路**：由于公募基金股票仓位披露频率低，该模型旨在利用基金每日净值序列，通过定量方法高频估算主动偏股基金的股票仓位变动趋势和行业配置动向[67] * **模型具体构建过程**：报告指出该方法是以基金每日披露的净值序列为因变量，利用带约束条件的多元回归模型，在基准或构建的其他资产序列组成的自变量中寻找基金仓位的最优估计结果。报告提及本模型改进了自变量的组合序列选择和构建，并构建了各只基金的模拟组合以提升估算准确度，但未提供具体的回归模型公式、约束条件设定及自变量构建细节。具体计算方式请参阅其2022年9月18日发布的报告《国内公募基金费率的发展现状和变化趋势》[67] 2. **模型/指数名称**：REITs系列指数[51] * **模型/指数构建思路**：为投资者提供基于指数化投资思想的资产配置新视角，构建完整的REITs系列指数以综合反映REITs市场表现，并提供不同底层资产、项目类型的细分REITs指数[51] * **模型/指数具体构建过程**： * 指数类型：考虑到REITs的高分红特性，均提供价格指数和全收益指数[51] * 加权方式：计算中采用分级靠档的方法以确保计算指数的份额保持相对稳定[51] * 连续性处理：当样本成分名单或样本成分的调整市值出现非交易因素的变动时（如新发、扩募等），采用除数修正法保证指数的连续性[51] * 具体计算公式未在报告中给出 3. **模型/标签体系名称**：主动偏股基金行业主题和细分赛道标签体系[37] * **模型/标签体系构建思路**：构建主动偏股基金完整的行业主题和细分赛道标签，为投资者在资产配置、主题投资、产品选择上的多样化需求提供支持，同时构建行业主题基金指数[37] * **模型/标签体系具体构建过程**：通过观察基金在近四期中报/年报的持仓信息判断其长期的行业主题标签，将基金的长期行业标签区别定义为行业主题基金、行业轮动基金和行业均衡基金[37]。具体的标签定义规则和指数构建方法未在本次周报中详细说明，请参阅其2022年6月1日发布的报告《构建基金行业主题标签，定位细分赛道优质产品——主动偏股基金评价与研究系列之二》[37] 4. **因子/标签体系名称**：ESG基金分类标签体系[78] * **因子/标签体系构建思路**：对ESG基金进行分类，区分ESG主题基金和泛ESG基金[78] * **因子/标签体系具体构建过程**： * **ESG主题基金**：投资策略中综合环境（E）、社会（S）、治理（G）三方面因素，通常使用ESG整合、负面筛选、正面筛选进行投资标的选择，包括"ESG"、"可持续"、"责任投资"主题[78] * **泛ESG基金**：投资策略仅覆盖ESG中一到两个方面因素，通常进行主题投资。进一步细分为： * **环境主题**：包括"低碳"、"碳中和"、"绿色"、"环境"、"环保"、"气候"、"生态"、"长江保护"等主题[78] * **社会主题**：包括"社会责任"、"扶贫"、"乡村振兴"、"一带一路"、"丝路"、"区域发展"等主题[78] * **治理主题**：包括"公司治理"、"治理"主题[78] 模型的回测效果 （报告未提供上述模型或指数的历史回测绩效指标，如年化收益率、夏普比率等） 量化因子与构建方式 （报告未涉及传统意义上的选股或定价量化因子的构建） 因子的回测效果 （报告未涉及量化因子的测试结果，如IC值、IR等） 指数表现汇总 （以下为报告中对部分指数在特定周期内的表现统计，并非模型回测） 1. **长期行业主题基金指数本周表现**[37] * TMT主题基金：周涨跌幅 7.24% * 新能源主题基金：周涨跌幅 4.55% * 行业均衡主题基金：周涨跌幅 4.29% * 行业轮动主题基金：周涨跌幅 3.59% * 国防军工主题基金：周涨跌幅 3.10% * 金融地产主题基金：周涨跌幅 1.54% * 周期主题基金：周涨跌幅 0.67% * 消费主题基金：周涨跌幅 0.16% * 医药主题基金：周涨跌幅 -0.87% 2. **REITs指数系列基日以来业绩指标（截至2025年10月24日）**[53] * **指数名称** | **本周收益** | **累计收益** | **年化收益** | **最大回撤** | **夏普比率** | **年化波动** * --- | --- | --- | --- | --- | --- | --- * REITs综合指数 | 0.25% | -2.63% | -0.61% | -42.67% | -0.20 | 10.57% * 产权类REITs指数 | 0.10% | 12.76% | 2.80% | -46.13% | 0.10 | 13.06% * 特许经营权类REITs指数 | 0.50% | -18.81% | -4.68% | -40.74% | -0.67 | 9.16% * 生态环保REITs指数 | 0.55% | -11.83% | -2.86% | -55.72% | -0.28 | 15.61% * 交通基础设施REITs指数 | 0.37% | -30.17% | -7.93% | -41.29% | -1.05 | 8.98% * 园区基础设施REITs指数 | -0.05% | -11.72% | -2.83% | -52.07% | -0.31 | 13.97% * 仓储物流REITs指数 | 0.44% | -0.76% | -0.18% | -50.32% | -0.11 | 15.74% * 能源基础设施REITs指数 | 0.22% | 11.27% | 2.49% | -18.41% | 0.10 | 10.19% * 保障性租赁住房REITs指数 | -0.09% | 8.01% | 1.79% | -33.34% | 0.02 | 12.53% * 消费基础设施REITs指数 | -0.22% | 46.11% | 9.12% | -9.89% | 0.71 | 10.78% * 市政设施REITs指数 | 1.42% | 24.70% | 5.21% | -13.79% | 0.17 | 21.94% * 水利设施REITs指数 | 3.23% | 24.48% | 5.17% | -16.72% | 0.23 | 16.17% * 新型基础设施REITs指数 | 1.40% | 6.84% | 1.53% | -2.83% | 0.00 | 12.47%

根据提供的研报内容，这是一份可转债市场跟踪周报，主要对市场表现、个券行情和条款进行统计描述，并未涉及具体的量化模型或量化因子的构建、测试与分析。报告内容以市场数据汇总和图表展示为主。 因此，本报告中未涉及需要总结的量化模型或量化因子内容。