量化模型与构建方式 1 模型名称：均线距离择时模型 模型构建思路：通过计算wind全A指数的短期均线（20日）与长期均线（120日）的距离差异来判断市场整体环境（震荡/趋势）[2][9] 模型具体构建过程： - 计算20日均线（MA20）和120日均线（MA120）： $$ MA20 = \frac{1}{20}\sum_{i=0}^{19}P_{t-i} $$ $$ MA120 = \frac{1}{120}\sum_{i=0}^{119}P_{t-i} $$ 其中$P_t$为当日收盘价 - 计算均线距离百分比： $$ Distance = \frac{MA20 - MA120}{MA120} \times 100\% $$ - 判断规则：当距离绝对值小于3%时为震荡市，否则为趋势市[2][9][14] 2 模型名称：TWO BETA行业配置模型 模型构建思路：通过宏观经济周期与产业周期双维度筛选行业，当前侧重科技板块[2][8][10] 3 模型名称：仓位管理模型 模型构建思路：结合估值分位数（PE/PB）与短期趋势动态调整仓位[3][10] 模型具体构建过程： - 计算PE/PB历史分位数（2014年10月至当前）[12] - 当PB≤10分位且均线模型显示震荡时，建议60%中性仓位[3][10][14] 量化因子与构建方式 1 因子名称：困境反转因子 因子构建思路：筛选基本面触底但资金流入明显的行业（如轻工/家电）[8][10] 模型的回测效果 1 均线距离择时模型 最新均线距离-2.80%[2][9] 市场状态：震荡市[14] 2 仓位管理模型 当前建议仓位：60%[3][10] 因子的回测效果 1 困境反转因子 近期推荐行业：国防军工（周涨幅6.44%）、通信（资金流入显著）[1][9] 2 TWO BETA模型 推荐板块：科技（信创/通信/固态电池）[8][10]

根据提供的研报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. **模型名称：仓位估算模型** - **模型构建思路**：用于估算公募基金在不同行业的仓位配置变化，反映机构投资者的调仓行为[3] - **模型具体构建过程**：通过数理统计方法估算公募基金持仓比例，跟踪消费、机械、新能源、TMT等板块的仓位变动。例如：消费板块仓位从3月4日的11.46%上升至17.33%，机械板块从7.11%降至5.78%[3] - **模型评价**：能够捕捉机构投资者对政策预期（如关税、内循环）的提前反应，但存在估算偏差风险[4] 2. **模型名称：知情交易者活跃度指标** - **模型构建思路**：通过微观市场结构数据（如订单流、交易量）识别知情交易者的活跃程度，用于市场情绪择时[15] - **模型具体构建过程**：未披露具体公式，但通过指标值变化判断市场情绪。例如：本周指标从零点升至近半年较高水平，与市场上涨同步[15][17] 3. **模型名称：价格分段体系** - **模型构建思路**：基于技术分析对指数价格走势进行分段，识别日线、周线级别的趋势[14] - **模型具体构建过程**：未披露具体算法，但应用于上证综指显示日线与周线均呈边际上行[14][16] --- 量化因子与构建方式 1. **因子名称：分析师景气预期因子** - **因子构建思路**：基于分析师一致预测的ROE和净利润增速变化，衡量行业景气度[18] - **因子具体构建过程**：计算申万一级行业的ROE FTTM和净利润增速FTTM环比变化。例如：建筑材料行业净利润增速环比上涨4.22%，电子行业ROE环比增长0.87%[18][19] 2. **因子名称：BARRA风格因子** - **因子构建思路**：采用BARRA框架分析市场风格偏好，包括价值、成长、动量等维度[23] - **因子具体构建过程**：未披露具体公式，但跟踪因子收益表现。例如：本周盈利质量因子收益0.3%，动量因子收益0.9%，市值因子收益-0.5%[23][24] 3. **因子名称：融资融券净买入因子** - **因子构建思路**：通过两融资金净流入/流出方向判断行业资金偏好[20] - **因子具体构建过程**：计算行业维度融资净买入与融券净卖出的差额。例如：计算机行业净流入15.4亿元，非银金融净流出8.5亿元[20][22] --- 模型的回测效果 1. **仓位估算模型** - 消费板块仓位变动：+5.87%（3月4日11.46% → 17.33%）[3] - TMT板块仓位变动：-1.4%（3月20日23.2% → 21.8%）[3] 2. **知情交易者活跃度指标** - 本周指标值：从零点升至近半年高位[15][17] --- 因子的回测效果 1. **分析师景气预期因子** - ROE环比最高：电子（+0.87%）、传媒（+0.68%）[19] - 净利润增速环比最高：建筑材料（+4.22%）、传媒（+3.47%）[19] 2. **BARRA风格因子** - 本周收益前三：动量因子（+0.9%）、长期反转因子（+0.4%）、盈利能力因子（+0.3%）[24] - 本周收益后三：波动率因子（-0.7%）、市值因子（-0.5%）、换手因子（-0.2%）[24] 3. **融资融券净买入因子** - 净流入前三行业：计算机（+15.4亿元）、机械设备、汽车[22] - 净流出前三行业：非银金融（-8.5亿元）、电子（-7.1亿元）、钢铁（-2.6亿元）[22]

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**：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，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**：包含货币方向、货币强度、信用方向、信用强度4个子因子[10][12] 2. **经济面维度**：包含增长方向、增长强度、通胀方向、通胀强度4个子因子[21][26] 3. **估值面维度**：包含席勒ERP、PB、AIAE 3个子因子[30][34][37] 4. **资金面维度**：包含内资（两融增量、成交额趋势）、外资（CDS利差、风险厌恶指数）4个子因子[39][45][47] 5. **技术面维度**：包含价格趋势、新高新低数2个子因子[49][51] 6. **拥挤度维度**：包含期权隐含升贴水、VIX、SKEW、可转债定价偏离度4个子因子[55][56][59][61] - **模型评价**：多维指标综合反映市场状态，但需注意不同维度信号可能冲突[1][6] 量化因子与构建方式 流动性维度 1. **因子名称**：货币方向因子 - **构建思路**：通过货币政策利率与短端市场利率变化判断政策方向[12] - **具体构建**：计算央行货币政策工具利率与短端利率90天前平均变化方向，>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**：基于利率走廊概念衡量短端利率偏离政策利率程度[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（1分），>1.5σ为紧缩（-1分）[15] 3. **因子名称**：信用方向因子 - **构建思路**：通过中长期贷款同比变化判断信用环境[18] - **具体构建**：计算中长期贷款过去12个月增量同比，较3个月前上升为1分，下降为-1分[18] 4. **因子名称**：信用强度因子 - **构建思路**：捕捉信贷数据超预期程度[20] - **具体构建**： $$信用强度因子 = \frac{新增人民币贷款 - 预期中位数}{预期标准差}$$ >1.5σ为1分，<-1.5σ为-1分[20] 经济面维度 5. **因子名称**：增长方向因子 - **构建思路**：基于PMI同比变化判断经济趋势[21] - **具体构建**：计算PMI过去12月均值同比，较3个月前上升为1分，下降为-1分[21] 6. **因子名称**：增长强度因子 - **构建思路**：衡量PMI超预期幅度[25] - **具体构建**： $$增长强度因子 = \frac{PMI - 预期中位数}{预期标准差}$$ >1.5σ为1分，<-1.5σ为-1分[25] 7. **因子名称**：通胀方向因子 - **构建思路**：结合CPI与PPI判断通胀趋势[26] - **具体构建**： $$通胀方向因子 = 0.5 \times CPI平滑值 + 0.5 \times PPI原始值$$ 较3个月前下降为1分，上升为-1分[26] 8. **因子名称**：通胀强度因子 - **构建思路**：捕捉通胀数据超预期程度[29] - **具体构建**：计算CPI与PPI预期差均值，<-1.5σ为1分，>1.5σ为-1分[29] 估值面维度 9. **因子名称**：席勒ERP - **构建思路**：基于周期调整盈利衡量权益性价比[30] - **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并截尾标准化至±1[30] 10. **因子名称**：PB因子 - **构建思路**：传统估值指标逆向处理[34] - **具体构建**：PB×(-1)后计算3年zscore，1.5σ截尾标准化[34] 11. **因子名称**：AIAE因子 - **构建思路**：衡量全市场风险偏好[37] - **具体构建**： $$AIAE = \frac{中证全指流通市值}{中证全指流通市值 + 实体总债务}$$ 逆向处理后计算3年zscore[37] 资金面维度 12. **因子名称**：两融增量因子 - **构建思路**：跟踪杠杆资金变化[39] - **具体构建**：融资余额-融券余额的120日均增量>240日均量为1分，反之为-1分[39] 13. **因子名称**：中国主权CDS利差因子 - **构建思路**：反映外资对中国信用风险定价[45] - **具体构建**：20日差分<0为1分（利差下降），反之为-1分[45] 技术面维度 14. **因子名称**：价格趋势因子 - **构建思路**：均线系统判断趋势强度[49] - **具体构建**： $$均线距离 = \frac{ma120}{ma240}-1$$ 方向与强度分数均值，范围±1[49] 拥挤度维度 15. **因子名称**：期权VIX因子 - **构建思路**：波动率情绪反转信号[56] - **具体构建**：50ETF近5日收益率<0且分位数>70%为1分，>0且>70%为-1分[56] 模型回测效果 1. **择时雷达六面图**： - 综合打分：0.33分（看多）[1] - 流动性得分：0.00（中性）[8] - 经济面得分：0.75（看多）[8] - 估值面得分：0.26（中性偏多）[8] - 资金面得分：0.25（中性偏多）[8] - 技术面得分：-0.25（中性偏空）[8] - 拥挤度得分：0.75（看多）[8] 因子回测效果 （注：当前报告未提供历史回测指标，仅展示最新信号状态） 1. **货币方向因子**：1分（看多）[12] 2. **货币强度因子**：-1分（看空）[16] 3. **信用方向因子**：-1分（看空）[18] 4. **增长方向因子**：1分（看多）[21] 5. **通胀强度因子**：1分（看多）[29] 6. **AIAE因子**：-0.11分（中性）[37] 7. **中国主权CDS利差因子**：1分（看多）[45] 8. **价格趋势因子**：0.5分（看多）[49] 9. **期权VIX因子**：1分（看多）[56]

根据提供的量化周报内容，以下是总结的量化模型和因子相关内容： 量化模型与构建方式 1. **模型名称：A股景气指数** - 模型构建思路：以上证指数归母净利润同比为Nowcasting目标构建高频指数，用于观测A股景气度变化[48] - 模型具体构建过程：通过历史下行周期持续天数与幅度对比，判断当前景气底部区域（2023年四季度为底部区间），指数呈现震荡上行趋势[48][51] - 模型评价：有效捕捉景气周期拐点，当前指数值为21.09（较2023年底上升15.66）[51] 2. **模型名称：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个象限，构造见底预警与见顶预警信号[52] - 模型具体构建过程： - 波动率上行+成交额下行区间为显著负收益 - 其他象限为显著正收益 当前信号：波动率上行（见底信号空）+成交额下行（见顶信号空），综合信号为"空"[55][59] 3. **模型名称：中证500/沪深300增强组合** - 模型构建思路：通过多因子选股模型构建指数增强组合[65][71] - 模型具体构建过程： - 中证500增强组合持仓包含长江证券（4.39%）、甘李药业（3.41%）等50只个股[66] - 沪深300增强组合持仓包含中远海控（8.23%）、贵州茅台（5.16%）等30只个股[74] 量化因子与构建方式 1. **因子名称：BARRA十大风格因子** - 因子构建思路：参照BARRA模型构建市值、Beta、动量等十大类风格因子[75] - 因子具体构建过程： - 包含市值（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）[75] - 因子评价：近期Beta因子超额收益显著，市值因子呈负向收益[76] 2. **因子名称：行业因子** - 因子构建思路：通过行业相对市场市值加权组合计算超额收益[76] - 因子具体构建过程： - 国防军工、通信行业因子本周超额收益较高 - 消费者服务、商贸零售行业因子回撤明显[76] 模型的回测效果 1. **中证500增强组合** - 本周收益率1.58%，跑输基准0.02% - 2020年至今超额收益41.04%，最大回撤-4.99%[65] 2. **沪深300增强组合** - 本周收益率2.64%，跑赢基准0.64% - 2020年至今超额收益25.18%，最大回撤-5.86%[71] 因子的回测效果 1. **风格因子** - Beta因子：本周超额收益最高 - 市值因子：显著负向超额收益[76] - 动量因子：近期表现优异[76] 2. **行业因子** - 国防军工、通信：正向超额收益 - 消费者服务、商贸零售：负向超额收益[76] 注：报告中未提供因子构建的详细数学公式。情绪指数和景气指数的具体计算方法需参考关联研究报告《视角透析》系列[52][48]

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. **信达金工行业轮动策略** - 构建思路：基于绩优基金持仓倾向的边际变化构建行业轮动信号，捕捉资金流向变化[37] - 构建过程： 1. 筛选绩优基金样本（成立期满两个季度、规模>5000万元、仓位>60%）[23] 2. 计算行业超配比例：$$超配比例 = \frac{基金行业持仓市值}{基金总市值} - \frac{行业流通市值}{全市场流通市值}$$ 3. 生成轮动信号：每周跟踪超配比例变化，排名前5的行业作为多头组合[41] - 模型评价：结合主动资金动向与基本面，对机构重仓行业具有较强解释力[37] 2. **公募基金仓位测算模型** - 构建思路：通过持股市值加权计算主动权益基金的整体仓位水平[23] - 构建过程： 1. 数据清洗：剔除QDII基金及非A股投资标的[24] 2. 加权计算：$$仓位 = \frac{\sum(样本基金持股市值 \times 仓位)}{\sum样本基金持股市值}$$ 3. 风格分解：按大盘/中盘/小盘、成长/价值六类风格划分仓位[29] - 模型评价：高频跟踪公募调仓行为，但对冲基金等非公开数据覆盖不足[23] 模型的回测效果 1. 信达金工行业轮动策略： - 2020年以来多头组合年化超额收益15.8%[39] - 最大回撤22.3%，信息比率(IR)1.72[39] 2. 公募仓位测算模型： - 主动权益基金平均仓位86.84%（2025/5/9）[22] - 风格仓位标准差4.2pct，行业仓位标准差1.8pct[29][33] 量化因子与构建方式 1. **绩优基金超配因子** - 构建思路：捕捉绩优基金相对基准的行业配置差异[37] - 构建过程： 1. 计算行业主动配置比例：$$主动配置 = \frac{基金行业持仓}{基金总资产} - 基准指数行业权重$$ 2. 标准化处理：按中信一级行业分组Z-score标准化[34] - 因子评价：对后续3个月行业收益具有显著预测能力[41] 2. **资金流因子** - 构建思路：划分主力/中小单资金流向，监测市场情绪[59] - 构建过程： 1. 按成交量划分资金类型（特大单>20万股/100万元，小单<1万股/5万元）[59] 2. 计算净流入：$$净流入 = \sum(主动买入金额) - \sum(主动卖出金额)$$ 3. 行业层面聚合计算[65] 因子的回测效果 1. 绩优基金超配因子： - 多头组合年化alpha 6.4%，IC均值0.21[39] - 国防军工、通信等行业RankIC达0.35[41] 2. 资金流因子： - 主力资金周净流入TOP5行业后续5日胜率62%[65] - 银行板块特大单净流入45.58亿元（2025W18）[67] 关键指标对比 | 模型/因子 | 年化收益 | 最大回撤 | 信息比率(IR) | 样本覆盖率 | |----------------|---------|---------|------------|-----------| | 行业轮动策略 | 15.8% | 22.3% | 1.72 | 85%[39] | | 绩优基金超配因子| 6.4% | 18.7% | 0.89 | 100%[41] | | 主力资金流因子 | 9.2% | 25.1% | 1.03 | 76%[65] |

量化模型与构建方式 1. **模型名称**：东方A股因子风险模型(DFQ-2020) - **模型构建思路**：基于风格类风险因子构建多因子模型，用于解释股票收益的风险来源[14] - **模型具体构建过程**： - 包含10类风格因子（如Size、Beta、Trend等），每类因子由多个子因子合成[14] - 因子计算示例： - **Size因子**：总市值对数 - **Beta因子**：贝叶斯压缩后的市场Beta - **Trend因子**：通过指数加权移动平均比率计算，如 $$Trend\_120 = \frac{EWMA(halflife=20)}{EWMA(halflife=120)}$$ - **Volatility因子**：包含5个子因子，如过去243天的标准波动率、FF3特质波动率等[14] - **模型评价**：覆盖市场主要风险维度，因子定义清晰且具有经济逻辑 2. **MFE组合构建模型** - **构建思路**：通过组合优化最大化单因子暴露，同时控制行业、风格等约束[54] - **具体构建过程**： - 目标函数：最大化因子暴露 $$max\ f^{T}w$$ - 约束条件包括： - 风格暴露限制 $$s_{l}\leq X(w-w_{b})\leq s_{h}$$ - 行业偏离限制 $$h_{l}\leq H(w-w_{b})\leq h_{h}$$ - 换手率约束 $$\Sigma|w-w_{0}|\leq to_{h}$$[54] - **模型评价**：更贴近实际投资约束，能有效检验因子在复杂条件下的表现 --- 量化因子与构建方式 1. **因子名称**：单季ROE - **构建思路**：反映公司当期净资产收益率，属于盈利类因子[19] - **具体构建**： $$Quart\_ROE = \frac{单季净利润*2}{期初净资产+期末净资产}$$[19] 2. **因子名称**：一个月反转 - **构建思路**：捕捉短期价格反转效应[19] - **具体构建**：过去20个交易日涨跌幅的相反数 3. **因子名称**：标准化预期外盈利（SUE） - **构建思路**：衡量盈利超预期程度[19] - **具体构建**： $$SUE = \frac{单季实际净利-预期净利}{预期净利标准差}$$ 4. **因子名称**：特异度（IVR_1M） - **构建思路**：反映个股收益脱离市场共同因素的程度[19] - **具体构建**： $$IVR\_1M = 1 - R^2_{FF3}$$（Fama-French三因子回归拟合度） --- 模型回测效果 1. **DFQ-2020风格因子表现**（中证全指样本） - Liquidity因子：近一周收益5.44%，近一年年化33.79%[11] - Size因子：近一周收益-5.96%，历史年化-29.56%[11] 2. **MFE组合模型** - 沪深300增强产品：近一周超额收益中位数-0.07%，最高0.47%[47] - 中证1000增强产品：今年以来超额收益中位数3.28%，最高9.18%[53] --- 因子回测效果 1. **沪深300样本空间** - 预期PEG因子：近一周收益0.88%，近一年年化2.96%[22] - 单季ROE因子：近一周收益0.86%，历史年化4.25%[22] 2. **中证1000样本空间** - 一个月反转因子：近一周收益1.03%，近一年年化-10.62%[32] - 特异度因子：近一周收益0.76%，历史年化4.98%[32] 3. **创业板指样本空间** - 标准化预期外盈利：近一周收益16.09%，近一年年化32.15%[39] - 3个月盈利上下调：近一周收益-3.87%，历史年化-12.03%[39] --- 附录：MFE组合构建细节 - **优化变量**：$w$为股票权重向量，$w_b$为基准权重[54] - **行业约束**：$B_b$为成分股0-1矩阵，限制成分股权重占比[57] - **换仓频率**：月末调仓，双边交易成本0.3%[58]

量化模型与构建方式 1. 模型名称：择时体系模型 - 模型构建思路：通过比较wind全A指数的长期均线（120日）和短期均线（20日）的距离来判断市场整体环境[2][9] - 模型具体构建过程：计算20日均线与120日均线的差值，公式为： $$\text{均线距离} = \frac{\text{20日均线值} - \text{120日均线值}}{\text{120日均线值}} \times 100\%$$ 当距离绝对值小于3%时，市场定义为震荡格局[2][9] 2. 模型名称：仓位管理模型 - 模型构建思路：结合wind全A指数的估值水平（PE、PB分位数）和短期趋势判断，给出仓位建议[3][10] - 模型具体构建过程： - PE分位数位于50%附近为中等水平，PB分位数位于10%附近为较低水平[3][10] - 根据估值与趋势综合判断，当前建议仓位为60%[3][10] 3. 模型名称：TWO BETA模型 - 模型构建思路：通过行业Beta分析推荐科技板块[2][8] - 模型具体构建过程：未披露具体计算过程，输出结果为推荐信创、通信/固态电池等科技子行业[2][8] 4. 模型名称：行业配置模型 - 模型构建思路：中期角度推荐困境反转型板块[2][8] - 模型具体构建过程：未披露具体因子，输出结果为推荐恒生医疗、轻工/家电等出口链行业[2][8] 模型的回测效果 1. 择时体系模型：最新均线距离为-2.80%，市场判定为震荡格局[2][9] 2. 仓位管理模型：当前建议仓位60%，基于PE分位数50%、PB分位数10%[3][10] 量化因子与构建方式 1. 因子名称：均线距离因子 - 因子构建思路：通过20日与120日均线差值捕捉市场趋势变化[2][9] - 因子具体构建过程：同择时体系模型的均线距离公式[2][9] - 因子评价：对震荡市和趋势市有区分能力[2][9] 2. 因子名称：估值分位数因子 - 因子构建思路：利用PE/PB历史分位数判断估值高低[3][10] - 因子具体构建过程： - PE分位数计算周期：2014年10月17日至2025年5月9日[12] - PB分位数计算周期：同上[16] 因子的回测效果 1. 均线距离因子：最新值为-2.80%，触发震荡市阈值（<3%）[2][9] 2. 估值分位数因子： - PE分位数50%（中等水平）[3][10] - PB分位数10%（较低水平）[3][10]

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. **模型名称：市场情绪结构指标模型** - **模型构建思路**：通过多个细分指标综合评估市场情绪状态，包括资金活跃度、风险偏好、量价关系等维度[7] - **模型具体构建过程**： 1. 选取9项分项指标（行业间交易波动率、行业交易拥挤度、价量一致性等），每项指标按布林轨道位置打分（-1/0/1）[8] 2. 对分项分数等权求和，计算20日均线作为最终情绪指标： $$ \text{情绪指标} = \frac{1}{20}\sum_{i=1}^{9} \text{Score}_i $$ 3. 指标在[-6,6]区间波动，当前值1.5提示情绪修复[9] - **模型评价**：能有效捕捉市场情绪拐点，2024年10月成功预警情绪突破[8] 2. **模型名称：MASS均线排列打分模型** - **模型构建思路**：通过均线排列关系判断指数/行业趋势强弱[20] - **模型具体构建过程**： 1. 对N日均线（长期N=360，短期N=60）计算相邻均线排列得分： $$ \text{Score}_k = \begin{cases} 1 & \text{if MA}_k > \text{MA}_{k+1} \\ 0 & \text{otherwise} \end{cases} $$ 2. 标准化所有组合得分后求平均，形成趋势得分[20] 3. 通过100/20日均线交叉生成多空信号[20] 3. **模型名称：RSI风格择时模型** - **模型构建思路**：利用相对强弱指标判断风格轮动[24] - **模型具体构建过程**： 1. 计算风格指数净值比值的RSI： $$ \text{RSI} = 100 - \frac{100}{1+\frac{\text{Gain}}{\text{Loss}}} $$ 2. 比较20日/60日RSI，当20日RSI>60日RSI时判定分子端风格占优[24] 模型的回测效果 1. **市场情绪结构指标模型** - 当前指标值：1.5（偏多信号）[9] - 分项指标得分：价量一致性1分，主力买入力量1分[12] 2. **MASS均线排列模型** - 沪深300：短期得分33.9（多），长期得分74.37（多）[36] - 创业板指：短期得分33.9（多），长期得分66.57（多）[36] - 红利指数：短期得分47.46（空），长期得分48.75（空）[38] 3. **RSI风格择时模型** - 国证成长/价值：20日RSI 57.91 > 60日RSI 55.24（成长占优）[27] - 创业板指/沪深300：20日RSI 78.73 > 60日RSI 64.69（成长占优）[27] 量化因子与构建方式 1. **因子名称：价量一致性因子** - **因子构建思路**：衡量行业涨跌幅与成交额排序的匹配度[16] - **因子具体构建过程**： 1. 计算行业相对成交额排名与涨跌幅排名的Spearman相关系数[16] 2. 当前值处于布林上轨附近，提示资金观点一致[16] 2. **因子名称：科创50成交占比因子** - **因子构建思路**：反映资金风险偏好水平[14] - **因子具体构建过程**： $$ \text{成交占比} = \frac{\text{科创50成交额}}{\text{万得全A成交额}} $$ 当前边际下降但主力资金净流入修复[14] 因子的回测效果 1. **价量一致性因子** - 当前得分：1分（最高档）[12] - 显著行业：纺织服饰、国防军工、计算机等[16] 2. **科创50成交占比因子** - 当前得分：-1分[12] - 主力资金净流入：5月9日3.84亿元[14]

量化模型与构建方式 1. **模型名称**：公募基金仓位估计模型 - **模型构建思路**：基于基金季报披露的前十大重仓股、上市公司十大股东信息及行业配置，结合历史非重仓股持仓比例，模拟补全基金全部股票持仓[8][9] - **模型具体构建过程**： 1. 从基金季报（T期）获取前十大重仓股及证监会行业配置比例[9] 2. 结合上市公司1/3季度十大股东信息，补充重仓股细节[9] 3. 假设非重仓股在行业内的持股种类不变，按T-1期（半年报/年报）非重仓股持仓比例放缩权重，生成T期模拟持仓[10] 4. 将持仓拆分为大、小盘组合，通过加权最小二乘法拟合基金日收益率与大小盘指数日收益率，估计每日仓位配置[12] - **模型评价**：解决了基金持仓披露滞后性问题，实现了日度仓位监控 2. **模型名称**：基金风格分析模型 - **模型构建思路**：基于模拟持仓数据，从市值暴露、行业配置等维度刻画基金风格[12] - **模型具体构建过程**： 1. 使用中信一级行业分类划分持仓股票[14] 2. 计算基金在大盘（沪深300成分）和小盘（非成分股）的仓位占比[11] 3. 统计行业配置权重及历史分位点[19][20] --- 模型的回测效果 1. **公募基金仓位估计模型** - 普通股票型基金仓位中位数：88.30%（周环比-1.15%）[14] - 偏股混合型基金仓位中位数：85.28%（周环比-1.80%）[14] - 大盘仓位变动：普通股票型-0.67%，偏股混合型-2.01%[15] - 小盘仓位变动：普通股票型-0.48%，偏股混合型+0.21%[15] 2. **基金风格分析模型** - 当前仓位历史分位点：普通股票型49.38%，偏股混合型52.69%[15] - 行业配置权重最高：电子（14.96%）、电力设备（9.29%）、医药（10.68%）[19] --- 量化因子与构建方式 1. **因子名称**：市值暴露因子 - **因子构建思路**：通过基金持仓在大、小盘组合的配置差异捕捉市值风格[11] - **因子具体构建过程**： $$ \text{市值暴露} = \frac{\text{小盘组合仓位}}{\text{小盘组合仓位} + \text{大盘组合仓位}} $$ 使用加权最小二乘法拟合基金日收益与大小盘指数收益计算[12] 2. **因子名称**：行业动量因子 - **因子构建思路**：跟踪基金行业配置周度变动方向[22] - **因子具体构建过程**： 1. 计算中信一级行业本周仓位变动比例[22] 2. 标准化变动值并排序（如机械行业本周增仓幅度最大）[23] --- 因子的回测效果 1. **市值暴露因子** - 普通股票型基金小盘仓位：46.9%，大盘仓位41.4%[14] - 偏股混合型基金小盘仓位：50.9%，大盘仓位34.3%[14] 2. **行业动量因子** - 本周增仓行业：机械（+0.5%）、基础化工（+0.3%）、计算机（+0.2%）[22] - 本周减仓行业：医药（-0.4%）、食品饮料（-0.3%）[22]

量化模型与构建方式 1 模型名称：全天候模型 模型构建思路：用于监测市场技术面风险并发出提示信号[8] 模型具体构建过程：未披露具体构建细节，但通过技术指标（如高开低走、阴线形态等）判断市场反弹阶段是否接近尾声[8] 2 模型名称：四轮驱动行业轮动模型 模型构建思路：通过多维度信号识别行业潜在机会[8][18] 模型具体构建过程： - 信号类型包括赚钱效应异动、强势上涨中继等[18] - 动态跟踪行业是否出局（如止损、顶肩形态出局）[18] - 结合拥挤度指标（0表示未拥挤）和Sharpe比率排序[18] 量化因子与构建方式 1 因子名称：军工行业相对性价比因子 因子构建思路：评估军工板块相对于市场的估值低位特征[9] 因子具体构建过程： $$ \text{相对性价比} = \frac{\text{军工指数收盘价}}{\text{Wind偏股混合型基金指数收盘价}} $$ 通过历史分位数判断当前比值处于10年底部[9] 2 因子名称：先进制造成交占比因子 因子构建思路：监测成交金额占比的企稳回升迹象[8] 因子具体构建过程：统计行业成交额占全市场比例，判断是否脱离低点但未进入过热区间[8] 模型的回测效果 1 全天候模型：成功捕捉到市场反弹尾声的技术面风险信号[8] 2 四轮驱动行业轮动模型：最新信号推荐通信、机械设备、国防军工等行业[18] 因子的回测效果 1 军工相对性价比因子：当前比值处于历史10%分位数以下[9] 2 先进制造成交占比因子：比例从两年低点回升且未超阈值[8]