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. 情绪择时模型 **模型名称：** 情绪择时模型[2][11] **模型构建思路：** 通过构建涨跌停板相关因子来刻画市场的情绪强弱，从而对市场趋势进行判断[11] **模型具体构建过程：** 模型包含多个情绪因子细分信号，包括净涨停占比、跌停次日收益、涨停板占比、跌停板占比、高频打板收益等子因子[14] 模型最终输出情绪模型得分（满分5分），当前得分为2分[11] 同时结合趋势模型信号和加权模型信号进行综合判断[11] 2. 趋势模型 **模型名称：** 趋势模型[11][17] **模型构建思路：** 基于技术分析指标判断市场趋势方向[11] **模型具体构建过程：** 使用SAR指标（停损转向指标）进行分析，当Wind全A指数向下突破翻转指标时发出负向信号[11] 当前趋势模型信号为负向[11] 3. 加权模型 **模型名称：** 加权模型[11][17] **模型构建思路：** 综合多个技术指标进行加权判断市场走势[11] **模型具体构建过程：** 模型结合多种技术分析指标，当前加权模型信号为负向[11] 4. 均线强弱指数模型 **模型名称：** 均线强弱指数模型[11] **模型构建思路：** 通过Wind二级行业指数计算均线强弱程度来评估市场整体技术面状况[11] **模型具体构建过程：** 基于Wind二级行业指数计算出均线强弱指数，当前市场得分为197，处于2023年以来的71.2%分位点[11] 5. 因子拥挤度模型 **模型名称：** 因子拥挤度模型[15] **模型构建思路：** 使用多个指标度量因子拥挤程度，作为因子失效的预警指标[15] **模型具体构建过程：** 使用估值价差、配对相关性、长期收益反转、因子波动率这四个指标度量因子拥挤程度[15] 各分项指标通过综合打分得到复合因子拥挤度[16] 量化因子与构建方式 1. 流动性冲击指标因子 **因子名称：** 流动性冲击指标[2][7] **因子构建思路：** 基于沪深300指数衡量市场流动性状况[2][7] **因子具体构建过程：** 指标数值表示当前市场流动性高于过去一年平均水平的倍数标准差，周五为0.84，低于前一周的1.57[2][7] 2. PUT-CALL比率因子 **因子名称：** PUT-CALL比率[2][7] **因子构建思路：** 通过上证50ETF期权成交量衡量投资者情绪[2][7] **因子具体构建过程：** 计算看跌期权与看涨期权的成交量比率，周五为0.72，低于前一周的1.07，表明投资者对上证50ETF短期走势乐观程度上升[2][7] 3. 换手率因子 **因子名称：** 五日平均换手率[2][7] **因子构建思路：** 通过换手率指标衡量市场交易活跃度[2][7] **因子具体构建过程：** 计算上证综指和Wind全A的五日平均换手率，当前分别为1.19%和1.66%，处于2005年以来的73.46%和75.62%分位点[2][7] 4. 涨跌停板相关情绪因子 **因子名称：** 涨跌停板情绪因子[11][14] **因子构建思路：** 通过涨跌停板相关数据刻画市场情绪强弱[11] **因子具体构建过程：** 包含多个子因子： - 净涨停占比因子：信号为1[14] - 跌停次日收益因子：信号为0[14] - 涨停板占比因子：信号为0[14] - 跌停板占比因子：信号为1[14] - 高频打板收益因子：信号为0[14] 5. 小市值因子 **因子名称：** 小市值因子[4][16] **因子构建思路：** 基于市值维度构建的选股因子[4][16] **因子具体构建过程：** 通过因子拥挤度模型计算，包含估值价差(0.52)、配对相关性(0.60)、市场波动(-0.47)、收益反转(0.97)四个分项指标[16] 6. 低估值因子 **因子名称：** 低估值因子[4][16] **因子构建思路：** 基于估值维度构建的选股因子[4][16] **因子具体构建过程：** 通过因子拥挤度模型计算，包含估值价差(-0.74)、配对相关性(0.81)、市场波动(0.27)、收益反转(-1.39)四个分项指标[16] 7. 高盈利因子 **因子名称：** 高盈利因子[4][16] **因子构建思路：** 基于盈利能力维度构建的选股因子[4][16] **因子具体构建过程：** 通过因子拥挤度模型计算，包含估值价差(-0.58)、配对相关性(0.14)、市场波动(-0.88)、收益反转(0.73)四个分项指标[16] 8. 高盈利增长因子 **因子名称：** 高盈利增长因子[4][16] **因子构建思路：** 基于盈利增长维度构建的选股因子[4][16] **因子具体构建过程：** 通过因子拥挤度模型计算，包含估值价差(1.66)、配对相关性(0.87)、市场波动(-0.66)、收益反转(-0.45)四个分项指标[16] 模型的回测效果 1. 情绪择时模型 情绪模型得分为2分（满分5分）[11]，趋势模型信号为负向[11]，加权模型信号为负向[11] 2. 趋势模型 当前信号为负向[11]，模型显示市场趋势被打破[2] 3. 加权模型 当前信号为负向[11]，与趋势模型一致显示负向信号[11] 因子的回测效果 1. 小市值因子 复合拥挤度：0.41[4][16] 分项指标：估值价差0.52，配对相关性0.60，市场波动-0.47，收益反转0.97[16] 2. 低估值因子 复合拥挤度：-0.26[4][16] 分项指标：估值价差-0.74，配对相关性0.81，市场波动0.27，收益反转-1.39[16] 3. 高盈利因子 复合拥挤度：-0.15[4][16] 分项指标：估值价差-0.58，配对相关性0.14，市场波动-0.88，收益反转0.73[16] 4. 高盈利增长因子 复合拥挤度：0.35[4][16] 分项指标：估值价差1.66，配对相关性0.87，市场波动-0.66，收益反转-0.45[16] 5. 流动性冲击指标因子 当前数值：0.84[2][7] 前一周数值：1.57[2][7] 6. PUT-CALL比率因子 当前数值：0.72[2][7] 前一周数值：1.07[2][7] 7. 换手率因子 上证综指换手率：1.19%，处于2005年以来73.46%分位点[2][7] Wind全A换手率：1.66%，处于2005年以来75.62%分位点[2][7]

根据研报内容，本报告主要涉及市场追踪和资金流向分析，未详细阐述具体的量化模型或量化因子的构建思路、过程及回测效果。报告内容集中于市场数据统计、基金仓位测算和资金流分类统计。 量化模型与构建方式 本报告中未明确描述具体的量化模型或量化因子的构建思路、具体构建过程及公式。 模型的回测效果 本报告中未提供具体量化模型的回测效果指标取值。 量化因子与构建方式 本报告中未明确描述具体的量化因子的构建思路、具体构建过程及公式。 因子的回测效果 本报告中未提供具体量化因子的回测效果指标取值。 其他量化相关方法 报告中提及了基于规则的统计方法，主要用于市场监控和描述： **方法名称：基金仓位测算方法**[22][23] **方法构建思路**：通过筛选合格的基金样本，根据其持股市值加权计算整体市场仓位水平，以监控公募基金的资产配置动向[22][23] **方法具体构建过程**： 1. **样本筛选**：对主动权益型基金和“固收+”基金分别设定筛选门槛[23] * 主动权益型基金合格样本门槛：成立期满两个季度、未到期、规模大于5000万元、过去四期平均仓位大于60%[23] * “固收+”基金合格样本门槛：成立期满两个季度、未到期、规模大于5000万元、过去四期平均仓位在10%-30%[23] * 以上测算均剔除不完全投资于A股的基金[24] 2. **仓位计算**：对合格样本的持股市值进行加权计算，得到市场平均仓位[23] **方法名称：资金流划分方法**[52] **方法构建思路**：根据同花顺对成交单的分类标准，将市场资金流划分为特大单、大单、中单和小单，以分析不同资金规模的动向[52] **方法具体构建过程**：基于成交量和成交金额对每一笔成交进行划分，标准如下[52]： * **特大单**：成交量在20万股以上，或成交金额在100万元以上的成交单[52] * **大单**：成交量在6万股到20万股之间，或成交金额在30万到100万之间，或成交量占流通盘0.1%的成交单[52] * **中单**：成交量在1万股与6万股之间，或成交金额在5万到30万之间的成交单[52] * **小单**：成交量在1万股以下，或成交金额在5万元以下的成交单[52] 相关统计结果取值 报告提供了基于上述统计方法得出的最新市场数据： **基金仓位测算结果（截至2025/10/24）**[2][22] * 主动权益型基金平均仓位：90.02%[2][22] * 普通股票型基金平均仓位：92.60%（较上周下降0.01pct）[2] * 偏股混合型基金平均仓位：90.66%（较上周下降0.25pct）[2] * 配置型基金平均仓位：87.77%（较上周下降0.31pct）[2] * “固收+”基金平均仓位：23.52%（较上周上升0.25pct）[2] **主动权益产品风格仓位分布（截至2025/10/24）**[3][29] * 大盘成长仓位：35.19%（较上周下降1.2pct）[3][29] * 大盘价值仓位：9.28%（较上周下降0.27pct）[3][29] * 中盘成长仓位：6.62%（较上周下降1.3pct）[3][29] * 中盘价值仓位：5.17%（较上周上升0.78pct）[3][29] * 小盘成长仓位：34.56%（较上周上升1.68pct）[3][29] * 小盘价值仓位：9.18%（较上周上升0.31pct）[3][29] **主力/主动资金流结果（本周：2025/10/20-2025/10/24）**[6][53] * 特大单全周净流入：约275.74亿元[6][53] * 主买净额：约-130.60亿元[6][53]

根据提供的量化周报内容，以下是关于报告中涉及的量化模型和因子的总结。 量化模型与构建方式 1. A股景气指数模型 - **模型名称**：A股景气指数模型[29] - **模型构建思路**：该模型旨在对A股市场的景气度进行高频Nowcasting（即时预测），以上证指数归母净利润同比作为预测目标[29] - **模型具体构建过程**：报告指出，该指数的构建详情请参考其专题报告《视角透析：A股景气度高频指数构建与观察》，但本篇周报未详细描述具体构建公式和步骤[29] 2. A股情绪指数模型 - **模型名称**：A股情绪指数模型[33] - **模型构建思路**：通过量价数据刻画市场情绪，将市场按照波动率和成交额的变化方向划分为四个象限，并据此构建包含见底预警与见顶预警的情绪指数[33] - **模型具体构建过程**：模型基于“波动-成交情绪时钟”概念。四个象限中，只有“波动率上行-成交额下行”的区间表现为显著负收益，其余象限均为显著正收益。相关研究请参考报告《视角透析：A股情绪指数构建与观察》，本篇周报未提供具体构建公式[33][34] 3. 指数增强组合模型 - **模型名称**：中证500增强组合模型 / 沪深300增强组合模型[46][52] - **模型构建思路**：通过量化策略模型构建投资组合，旨在跑赢对应的基准指数（中证500指数或沪深300指数）[46][52] - **模型具体构建过程**：报告展示了根据策略模型得到的持仓明细，但未详细说明模型的具体构建逻辑、因子选择或权重优化方法[48][56] 4. 风格因子模型 - **模型名称**：BARRA风格因子模型[57] - **模型构建思路**：参照BARRA模型框架，构建十大类风格因子，用于描述和解释A股市场的收益特征，并应用于投资组合的绩效归因分析[57][65] - **模型具体构建过程**：模型包含十大类风格因子，分别是：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）和杠杆（LVRG）[57]。报告未提供每个因子的具体计算公式。 5. 主题挖掘算法模型 - **模型名称**：主题挖掘算法模型[46] - **模型构建思路**：基于新闻和研报文本，通过文本处理、主题关键词提取、主题个股关系挖掘、主题活跃周期构建、主题影响力因子构建等多个维度来挖掘主题投资机会[46] - **模型具体构建过程**：报告提及该算法包含多个处理维度，但未给出具体的模型构建步骤或公式[46] 模型的回测效果 1. 指数增强组合模型 - **中证500增强组合**：截至报告周，本周收益率为2.06%，跑输基准（中证500指数）1.39%。2020年至今，组合相对中证500指数累计超额收益为52.33%，最大回撤为-5.73%[46] - **沪深300增强组合**：截至报告周，本周收益率为3.24%，跑输基准（沪深300指数）0.01%。2020年至今，组合相对沪深300指数累计超额收益为38.28%，最大回撤为-5.86%[52] 2. A股情绪指数模型 - **模型信号**：当前A股情绪见底指数信号为“空”，A股情绪见顶指数信号为“空”，综合信号为“空”[36][38] 3. A股景气指数模型 - **指数取值**：截至2025年10月24日，A股景气指数为20.44，相比2023年底上升15.02，当前处于上升周期中[32] 量化因子与构建方式 1. 风格因子 - **因子名称**：十大类风格因子，包括市值（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）和杠杆（LVRG）[57] - **因子构建思路**：这些因子是参照BARRA模型体系构建的，用于刻画股票在不同风格维度上的风险暴露和收益特征[57] - **因子具体构建过程**：报告列出了因子名称，但未提供每个因子的具体构建过程和计算公式[57] 2. 行业因子 - **因子名称**：行业因子（如石油石化、通信、电子、有色金属、食品饮料、商贸零售等）[58] - **因子构建思路**：用于衡量特定行业股票组合相对于市场市值加权组合的超额收益[58] - **因子具体构建过程**：报告未提供行业因子的具体构建方法 因子的回测效果 1. 风格因子近期表现 - **本周表现**：从纯因子收益来看，本周Beta因子超额收益较高，非线性市值（NLSIZE）因子呈现较为显著的负向超额收益[58] - **近期表现**：从近期因子表现来看，高杠杆（LVRG）股表现优异，残差波动率（RESVOL）、非线性市值（NLSIZE）等因子表现不佳[58] - **因子相关性**：流动性（LIQUIDITY）因子分别与Beta、动量（MOM）、残差波动率（RESVOL）呈现明显正相关性；估值（BTOP）因子分别与Beta、残差波动率（RESVOL）、流动性（LIQUIDITY）等因子呈现明显负相关性[58] 2. 行业因子近期表现 - **本周表现**：本周石油石化、通信、电子等行业因子相对市场市值加权组合跑出较高超额收益，而有色金属、食品饮料、商贸零售等行业因子回撤较多[58] 3. 风格因子在指数归因中的表现 - **近期市场偏好**：由于近期市场偏好高Beta的股票，中证500、创业板指、Wind全A在Beta因子上暴露较大，在风格因子上表现不错；上证指数、上证50在Beta因子上暴露较小，本周在风格因子上表现不佳[65]

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]