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]

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：期现对冲策略（连续对冲）**[43][44] * **模型构建思路**：通过做空股指期货合约来对冲持有现货（指数全收益）的风险，目标是获取相对稳定的低风险收益[43][44] * **模型具体构建过程**： * **现货端**：持有对应标的指数的全收益指数，使用70%的资金[44] * **期货端**：做空与现货端名义本金相同的股指期货合约（IC/IF/IH/IM），占用剩余30%的资金，每次调仓后根据产品净值重新计算现货及期货端数量[44] * **调仓规则**：连续持有季月或当月合约，直至该合约离到期剩余不足2日，在当日以收盘价进行平仓，并同时以当日收盘价继续卖空下一季月或当月合约[44] * **回测设置**：回测区间为2022年7月22日至2025年10月24日，不考虑交易手续费、冲击成本及期货合约的不可无限细分性质[44] 2. **模型名称：期现对冲策略（最低贴水）**[43][45] * **模型构建思路**：在连续对冲策略基础上进行优化，通过动态选择年化基差贴水幅度最小的合约，以期降低对冲成本或获取基差收敛收益[43][45] * **模型具体构建过程**： * **现货端与期货端资金分配**：与连续对冲策略相同，现货端70%，期货端30%，并根据净值调整数量[45] * **调仓规则**： * 调仓时，对当日所有可交易期货合约的年化基差进行计算[45] * 选择年化基差贴水幅度最小的合约进行开仓[45] * 同一合约持有8个交易日之后或该合约离到期剩余不足2日，才能进行选择新合约（排除剩余到期日不足8日的期货合约）[45] * 每次选择后，即使结果为持有原合约不变，仍继续持有8个交易日[45] * **回测设置**：回测区间为2022年7月22日至2025年10月24日，不考虑交易成本等[45] 3. **因子名称：分红调整年化基差**[19] * **因子构建思路**：为准确反映股指期货合约的真实定价水平，需要剔除合约存续期内指数成分股分红对基差计算的影响，从而得到经分红调整后的年化基差[19] * **因子具体构建过程**： * 首先计算预期分红调整后的基差：`预期分红调整后的基差 = 实际基差 + 存续期内未实现的预期分红`[19] * 然后对调整后的基差进行年化处理：`年化基差 = (实际基差 + (预期)分红点位) / 指数价格 × 360 / 合约剩余天数`[19] * 公式说明：`实际基差`为期货合约收盘价与标的指数收盘价的差值；`(预期)分红点位`为预测的合约存续期内指数成分股分红对指数点位的总影响；`指数价格`为标的指数收盘价；`合约剩余天数`为期货合约距离到期日的天数[19] 4. **因子名称：信达波动率指数 (Cinda-VIX)**[62] * **因子构建思路**：借鉴海外经验并结合中国场内期权市场实际，编制能够反映市场对标的资产未来波动率预期的指数[62] * **因子评价**：该指数能够反映期权市场专业投资者对标的资产未来波动的预期，且具有期限结构，可反映不同期限的波动预期[61][62] 5. **因子名称：信达偏度指数 (Cinda-SKEW)**[66] * **因子构建思路**：通过捕捉不同行权价格期权隐含波动率的偏斜特征，来衡量市场对标的资产未来收益分布（特别是尾部风险）的预期[66] * **因子评价**：该指数能洞察市场对潜在尾部风险的忧虑程度，当指数超过100时，通常意味着市场对大幅下跌风险的担忧加剧，被称为"黑天鹅指数"[66][67] 模型的回测效果 **回测区间：2022年7月22日至2025年10月24日**[44][45] 1. **IC（中证500）对冲策略**[47] * **当月连续对冲模型**：年化收益-3.21%，波动率3.86%，最大回撤-10.14%，净值0.8999，年换手次数12，2025年以来收益-5.47%[47] * **季月连续对冲模型**：年化收益-2.24%，波动率4.78%，最大回撤-8.34%，净值0.9293，年换手次数4，2025年以来收益-2.47%[47] * **最低贴水策略模型**：年化收益-1.68%，波动率4.58%，最大回撤-7.97%，净值0.9467，年换手次数17.01，2025年以来收益-3.20%[47] * **指数表现（基准）**：年化收益4.53%，波动率21.08%，最大回撤-31.46%，净值1.1541，2025年以来收益30.88%[47] 2. **IF（沪深300）对冲策略**[52] * **当月连续对冲模型**：年化收益0.46%，波动率2.94%，最大回撤-3.95%，净值1.0148，年换手次数12，2025年以来收益-0.85%[52] * **季月连续对冲模型**：年化收益0.74%，波动率3.29%，最大回撤-4.03%，净值1.0241，年换手次数4，2025年以来收益0.43%[52] * **最低贴水策略模型**：年化收益1.22%，波动率3.06%，最大回撤-4.06%，净值1.0398，年换手次数15.15，2025年以来收益0.62%[52] * **指数表现（基准）**：年化收益2.98%，波动率17.11%，最大回撤-25.59%，净值1.0997，2025年以来收益21.99%[52] 3. **IH（上证50）对冲策略**[56] * **当月连续对冲模型**：年化收益1.08%，波动率3.02%，最大回撤-4.22%，净值1.0353，年换手次数12，2025年以来收益0.45%[56] * **季月连续对冲模型**：年化收益1.96%，波动率3.43%，最大回撤-3.75%，净值1.0646，年换手次数4，2025年以来收益1.52%[56] * **最低贴水策略模型**：年化收益1.72%，波动率3.04%，最大回撤-3.91%，净值1.0565，年换手次数15.77，2025年以来收益1.53%[56] * **指数表现（基准）**：年化收益2.09%，波动率16.18%，最大回撤-22.96%，净值1.0693，2025年以来收益16.68%[56] 4. **IM（中证1000）对冲策略**[60] * **当月连续对冲模型**：年化收益-6.29%，波动率4.76%，最大回撤-14.00%，净值0.8302，年换手次数12，2025年以来收益-11.45%[60] * **季月连续对冲模型**：年化收益-4.64%，波动率5.79%，最大回撤-12.63%，净值0.8538，年换手次数4，2025年以来收益-6.42%[60] * **最低贴水策略模型**：年化收益-4.22%，波动率5.55%，最大回撤-11.11%，净值0.8667，年换手次数15.82，2025年以来收益-6.69%[60] * **指数表现（基准）**：年化收益0.89%，波动率25.59%，最大回撤-41.60%，净值0.9219，2025年以来收益27.98%[60] 因子的回测效果 **数据日期：2025年10月24日** 1. **分红调整年化基差因子**[4][20][25][31][37] * **IC当季合约**：取值-8.84%[4][20] * **IF当季合约**：取值-2.90%[4][25] * **IH当季合约**：取值0.42%[4][31] * **IM当季合约**：取值-11.18%[4][37] 2. **信达波动率指数 (Cinda-VIX) 因子**[62] * **上证50VIX_30**：取值19.23[62] * **沪深300VIX_30**：取值19.32[62] * **中证500VIX_30**：取值27.76[62] * **中证1000VIX_30**：取值24.15[62] 3. **信达偏度指数 (Cinda-SKEW) 因子**[67] * **上证50SKEW**：取值101.75[67] * **沪深300SKEW**：取值103.69[67] * **中证500SKEW**：取值102.25[67] * **中证1000SKEW**：取值102.63[67]

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和描述性分析，而非模型或因子研究。 因此，本次总结中**没有**需要提取的量化模型或量化因子相关内容。

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。 量化因子与构建方式 1. **因子名称：250日新高距离**[11] * **因子构建思路**：该因子用于衡量当前股价相对于过去250个交易日最高价的回落幅度，其理论基础是股价在接近52周（约250日）最高价时，未来收益往往更高，体现了动量和趋势跟踪策略的有效性[11] * **因子具体构建过程**：计算步骤如下： 1. 取股票在过去250个交易日的收盘价序列 2. 计算该序列的最大值，记为 `ts_max(Close, 250)` 3. 取最新收盘价 `Closet` 4. 代入以下公式计算因子值： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 若最新收盘价创出新高，则因子值为0；若股价自高点回落，则因子值为正，代表回落幅度[11] 2. **因子名称：平稳创新高股票筛选因子（复合因子）**[25][28] * **因子构建思路**：该复合因子旨在从创出250日新高的股票中，进一步筛选出价格路径平滑、趋势延续性好的股票，其依据是研究表明平滑的动量效应可能比跳跃式的更强[25] * **因子具体构建过程**：这是一个多步骤筛选流程，具体条件如下： 1. **初选股票池**：过去20个交易日内曾创出250日新高的股票[19] 2. **分析师关注度**：过去3个月内，获得买入或增持评级的分析师研报数量不少于5份[28] 3. **股价相对强弱**：过去250日涨跌幅位于全市场前20%[28] 4. **股价平稳性与创新高持续性（综合打分）**：在满足上述条件的股票池内，使用以下两个指标进行综合打分，并选取排名在前50%的股票[28]： * **价格路径平滑性**：使用股价位移路程比衡量，具体计算公式为 `过去120日涨跌幅的绝对值 / 过去120日日涨跌幅绝对值加总`[25][28] * **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[28] 5. **趋势延续性**：对经过上述筛选的股票，计算其过去5日的250日新高距离在时间序列上的均值，并最终选取该均值排序最靠前的50只股票[28] 模型的回测效果 （报告中未提供具体量化模型的回测效果指标） 因子的回测效果 （报告中未提供量化因子的历史回测效果指标，如IC值、IR等，仅提供了特定时点的截面数据描述）

根据提供的金融工程周报，以下是报告中涉及的量化模型与因子的总结： 量化因子与构建方式 1. 250日新高距离因子 **因子构建思路**：该因子用于衡量当前价格相对于过去250个交易日最高价的回落幅度，反映个股、行业或指数的趋势强度[11] **因子具体构建过程**： 计算最新收盘价与过去250个交易日最高价之间的相对距离，具体公式为： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 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[11] 当最新收盘价创出新高时，该因子值为0；当价格从高点回落时，该因子为正值，表示回落幅度[11] 2. 平稳创新高股票筛选模型 **模型构建思路**：基于分析师关注度、股价相对强弱、趋势延续性、股价路径平稳性和创新高持续性等多维度指标，从创新高股票中筛选出具有持续动量效应的股票[25][28] **模型具体构建过程**： 采用多步骤筛选流程： 1. **初筛条件**：过去20个交易日创出过250日新高的股票[19] 2. **分析师关注度筛选**：过去3个月买入或增持评级的分析师研报不少于5份[28] 3. **股价相对强弱筛选**：过去250日涨跌幅位于全市场前20%[28] 4. **股价平稳性筛选**：在满足上述条件的股票池内，用以下两个指标综合打分，取排名在前50%的股票[28] - **价格路径平滑性**：股价位移路程比[25] - **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[28] 5. **趋势延续性筛选**：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[28] 模型与因子的测试结果取值 1. 250日新高距离因子应用结果 **指数层面应用结果**（截至2025年10月24日）： - 上证指数：0.00%[12] - 深证成指：3.18%[12] - 沪深300：1.04%[12] - 中证500：3.85%[12] - 中证1000：2.99%[12] - 中证2000：3.14%[12] - 创业板指：2.77%[12] - 科创50指数：4.99%[12] **行业层面应用结果**： - 通信行业：0.47%[13] - 石油石化行业：1.23%[13] - 电力及公用事业：0.46%[13] - 建筑行业：0.32%[13] - 电子行业：4.28%[13] 2. 创新高个股统计结果 **全市场创新高个股概况**（截至2025年10月24日）： - 创新高股票总数：1123只[19] - 创新高个股数量最多的行业：电子（178只）、机械（144只）、基础化工（114只）[19] - 创新高个股占比最高的行业：有色金属（59.68%）、煤炭（47.22%）、电子（36.85%）[19] **板块分布创新高个股**： - 科技板块：356只（占比25.28%）[20] - 周期板块：322只（占比28.72%）[20] - 制造板块：318只（占比20.44%）[20] - 消费板块：49只（占比10.19%）[20] - 医药板块：39只（占比7.98%）[20] - 大金融板块：34只（占比14.98%）[20] **指数成分股创新高比例**： - 科创50指数：42.00%[20] - 创业板指：33.00%[20] - 中证500：31.60%[20] - 沪深300：30.67%[20] - 中证1000：24.10%[20] - 中证2000：18.75%[20] 3. 平稳创新高股票筛选结果 **最终筛选结果**：50只平稳创新高股票[29] **板块分布**：科技板块（18只）、制造板块（14只）[29] **行业分布**：科技板块中电子行业最多，制造板块中机械行业最多[29]

根据提供的研报内容，该报告主要对A股市场主要宽基指数进行数据跟踪和统计分析，并未涉及具体的量化模型或量化因子的构建、测试与评价。报告内容集中于市场表现的描述性统计，如指数涨跌幅、均线比较、资金占比、风险溢价、估值指标等[1][2][3][4][6][8][10][11][12][13][15][16][18][20][21][22][23][24][25][27][28][29][30][31][34][35][37][38][39][40][41][43][44][45][46][48][50][51][52][53][54][55][56][57][58][59][60][61]。 因此，本次总结中“量化模型与构建方式”、“模型的回测效果”、“量化因子与构建方式”及“因子的回测效果”部分均无相关内容。