根据提供的量化周报内容，以下是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 模型名称：三维择时框架** - 模型构建思路：基于流动性、分歧度和景气度三个维度对市场状态进行判断[7] - 模型具体构建过程：通过监控流动性趋势（下行）、分歧度趋势（上行）和景气度趋势（稳中有升）三个维度的变化，综合判断市场处于震荡下跌状态[7] **2 模型名称：热点趋势ETF策略** - 模型构建思路：根据K线形态和换手率筛选短期市场关注度提升的ETF构建组合[28] - 模型具体构建过程：首先选出最高价与最低价同时为上涨形态的ETF；然后根据最高价与最低价近20日回归系数的相对陡峭程度构建支撑阻力因子；最后选择因子多头组中近5日换手率/近20日换手率最高（即短期市场关注度明显提升）的10只ETF构建风险平价组合[28] **3 模型名称：资金流共振策略** - 模型构建思路：结合融资融券资金流和主动大单资金流，选择两类资金都看好的行业[37] - 模型具体构建过程：定义行业融资融券资金因子为barra市值因子中性化后的融资净买入-融券净买入（个股加总），取最近50日均值后的两周环比变化率；定义行业主动大单资金因子为行业最近一年成交量时序中性化后的净流入排序，并取最近10日均值；在主动大单因子的头部打分内做融资融券因子的剔除，以提高策略稳定性[37] 模型的回测效果 **1 三维择时框架**：保持震荡下跌判断[7] **2 热点趋势ETF策略**：本周策略中主要包括家电、半导体、有色、国央企、石化、碳中和等行业、以及上证深证宽基等ETF[31] **3 资金流共振策略**：2018年以来费后年化超额收益13.5%，信息比率1.7，相对北向-大单共振策略回撤更小；策略上周超额收益录得正向超额收益，实现2.37%的绝对收益与4.96%的超额收益（相对行业等权）[37] 量化因子与构建方式 **1 因子名称：风格因子（Barra风格因子）** - 因子构建思路：采用Barra框架下的经典风格因子进行市场风格分析[41] - 因子具体构建过程：包括size（市值）、beta（贝塔）、momentum（动量）、volatility（波动率）、nlsize（非线性市值）、value（价值）、liquidity（流动性）、earnings yield（盈利收益率）、growth（成长）、leverage（杠杆）等因子[42] **2 因子名称：Alpha因子** - 因子构建思路：多维度观察不同因子的表现趋势，从各时间维度、宽基指数和行业板块等角度分析因子表现[43] - 因子具体构建过程：除规模因子外，均进行市值、行业中性化处理，规模因子进行行业中性化处理；按照流通市值加权测算不同大类因子的多头收益（因子方向下前1/5组）[43] 因子的回测效果 **1 风格因子近期表现**： - size因子：本年-23.40%，最近一月4.72%，最近一周1.39%[42] - beta因子：本年27.16%，最近一月2.83%，最近一周2.63%[42] - momentum因子：本年-3.08%，最近一月-0.40%，最近一周0.51%[42] - volatility因子：本年-18.85%，最近一月0.80%，最近一周0.39%[42] - nlsize因子：本年-18.02%，最近一月2.02%，最近一周0.98%[42] - value因子：本年-4.53%，最近一月-1.25%，最近一周-1.35%[42] - liquidity因子：本年-10.35%，最近一月0.52%，最近一周1.13%[42] - earnings yield因子：本年-10.40%，最近一月0.84%，最近一周-0.50%[42] - growth因子：本年-0.45%，最近一月4.73%，最近一周1.51%[42] - leverage因子：本年-9.29%，最近一月2.38%，最近一周-0.64%[42] **2 Alpha因子近期表现**： - 机构持仓类因子：io to float a share近一周多头超额1.33%，近一月3.68%[46] - 动量类因子：mom 1y 1m近一周多头超额0.94%，近一月1.79%[46] - 成长类因子：tot rd ttm to assets在不同宽基指数中表现稳健，在沪深300中多头超额22.36%，中证500中19.16%，中证1000中22.48%，中证800中26.49%[48]

根据研报内容，经过全面梳理，本报告主要涉及市场技术分析，未明确构建或测试具体的量化模型或量化因子。报告内容聚焦于对主要指数和行业板块的走势研判[6][7][10][11][14][15][18][19][22][23][26][27][30][31][34][35][38][39][42][43][45]，以及主题股票的表现统计[43]。 因此，本报告中未涉及需要总结的量化模型或量化因子相关内容。

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：利率价量多周期择时模型**[10][21][24] * **模型构建思路**：基于核回归算法捕捉利率趋势形态，刻画利率数据的支撑线和阻力线，根据不同投资周期下利率走势的形态突破情况，给出多周期复合择时观点[10][24] * **模型具体构建过程**： * 使用核回归算法对利率（YTM）时间序列进行平滑处理，以识别趋势并生成支撑线和阻力线[10] * 在长周期（平均切换频率为月度）、中周期（平均切换频率为双周度）和短周期（平均切换频率为周度）三个不同时间尺度上，分别判断当前利率是否向上突破阻力线或向下突破支撑线[10][21] * 综合三个周期的突破信号生成最终择时观点：当三个周期中有至少两个周期发出同向突破信号（例如，两个或以上周期为向下突破），且利率趋势非反向时，则产生明确的看多或看空信号；否则信号为中性[10][21][24] * 对于美国市场，模型逻辑类似，但最终信号会结合近期信号历史进行微调，例如“中性偏多”的判断[21] 2. **模型名称：利率多周期交易策略**[24][29] * **模型构建思路**：将上述利率价量多周期择时信号转化为具体的久期配置策略，通过在不同信号下超配或低配不同久期的债券组合来获取超额收益[24] * **模型具体构建过程**： * **投资标的**：根据模型久期偏好选择不同久期的债券指数[24] * 短久期：综合债1-3 (CBA00121) * 中久期：综合债3-5 (CBA00131) * 长久期：根据基础YTM期限对应选择（5年期YTM模型对应综合债5-7 (CBA00141)，10年期对应综合债7-10 (CBA00151)，30年期对应综合债10以上 (CBA00161)）[24] * **组合构建规则**[24][29]： * 看多信号（长久期）：当短、中、长周期中，有至少2个周期下的利率形态向下突破支撑线，且利率趋势非向上时，满配长久期；当条件满足但利率趋势向上时，配置1/2中久期+1/2长久期 * 看空信号（短久期）：当短、中、长周期中，有至少2个周期下的利率形态向上突破阻力线，且利率趋势非向下时，满配短久期；当条件满足但利率趋势向下时，配置1/2中久期+1/2短久期 * 中性信号：其余时间三种久期等权配置 * **业绩基准**：久期等权策略，即1/3短久期 + 1/3中久期 + 1/3长久期[29] * **止损方式**：当单日组合超额收益小于-0.5%时，调整持仓为等权配置[29] 量化因子与构建方式 1. **因子名称：利率水平结构因子**[7] * **因子构建思路**：从收益率曲线中提取出代表整体利率水平的信息[7] * **因子具体构建过程**：将1至10年的国债到期收益率（YTM）数据通过特定方法（报告中未明确给出具体公式，但提及是转化）计算出一个综合读数，用以衡量利率市场的整体水平[7] 2. **因子名称：利率期限结构因子**[7] * **因子构建思路**：从收益率曲线中提取出代表期限利差的信息[7] * **因子具体构建过程**：基于1至10年国债YTM数据，通过特定方法计算出一个代表长短期利差水平的读数[7] 3. **因子名称：利率凸性结构因子**[7] * **因子构建思路**：从收益率曲线中提取出代表曲线凸性程度的信息[7] * **因子具体构建过程**：基于1至10年国债YTM数据，通过特定方法计算出一个代表收益率曲线弯曲程度（凸性）的读数[7] 模型的回测效果 1. **基于5年期国债YTM价量的多周期交易策略**[25][37] * 长期年化收益率：5.5% (2007.12.31至今) * 长期最大回撤：2.88% * 长期收益回撤比：1.91 * 长期超额收益率（相对久期等权基准）：1.07% * 长期超额收益回撤比：0.62 * 短期年化收益率（2024年底以来）：1.86% * 短期最大回撤：0.59% * 短期收益回撤比：3.16 * 短期超额收益率：0.85% * 短期超额收益回撤比：2.17 * 逐年绝对收益胜率（2008年以来）：100% * 逐年超额收益胜率（2008年以来）：100% 2. **基于10年期国债YTM价量的多周期交易策略**[28][37] * 长期年化收益率：6.09% (2007.12.31至今) * 长期最大回撤：2.74% * 长期收益回撤比：2.22 * 长期超额收益率（相对久期等权基准）：1.66% * 长期超额收益回撤比：1.16 * 短期年化收益率（2024年底以来）：2.42% * 短期最大回撤：0.58% * 短期收益回撤比：4.19 * 短期超额收益率：1.55% * 短期超额收益回撤比：3.53 * 逐年绝对收益胜率（2008年以来）：100% * 逐年超额收益胜率（2008年以来）：100% 3. **基于30年期国债YTM价量的多周期交易策略**[33][37] * 长期年化收益率：7.38% (2007.12.31至今) * 长期最大回撤：4.27% * 长期收益回撤比：1.73 * 长期超额收益率（相对久期等权基准）：2.42% * 长期超额收益回撤比：0.87 * 短期年化收益率（2024年底以来）：3.11% * 短期最大回撤：0.92% * 短期收益回撤比：3.39 * 短期超额收益率：2.87% * 短期超额收益回撤比：3.28 * 逐年绝对收益胜率（2008年以来）：94.44% * 逐年超额收益胜率（2008年以来）：94.44% 因子的回测效果 （报告中未提供利率水平、期限、凸性结构因子的独立回测绩效指标）

根据提供的研报内容，总结其中涉及的量化模型与因子如下。 量化模型与构建方式 1. **模型名称：价格分段体系**[17] * **模型构建思路**：该模型用于对市场价格走势进行多时间维度的划分和识别，以判断当前市场所处的趋势阶段[17] * **模型具体构建过程**：模型通过分析上证综指的日线和周线级别的价格数据，识别出不同时间尺度下的价格分段结果，从而判断市场趋势是上行、下行还是震荡[17][20] 2. **模型名称：微观市场结构择时模型**[18] * **模型构建思路**：通过监测“知情交易者活跃度”这一指标，来捕捉市场内部具有信息优势的交易者的行为变化，从而对市场短期走势进行判断[18] * **模型具体构建过程**：报告未详细描述该指标的具体计算方法，但指出其变化与市场走势同步，可用于判断市场情绪和资金动向[18][21] 3. **模型名称：基金仓位估算模型**[4][15] * **模型构建思路**：该模型旨在估算公募主动权益基金在不同板块（如TMT）的持仓比例，以监测机构资金的配置情况和市场拥挤度[4][15] * **模型具体构建过程**：报告未给出具体的构建公式和过程，但展示了模型的应用结果，例如估算出公募基金对TMT板块的累计持仓占比[4][15] 4. **模型名称：交易拥挤度模型**[4][15] * **模型构建思路**：该模型用于衡量特定板块或资产的交易热度是否处于极端水平，通常使用历史分位数来评估当前交易的拥挤程度[4][15] * **模型具体构建过程**：报告未给出具体的构建公式，但说明了其应用方式，即计算板块拥挤度在滚动3年历史数据中的分位数，例如90%分位以上表示交易非常拥挤[4][15] 5. **因子名称：分析师行业景气预期因子**[22] * **因子构建思路**：基于分析师一致预测数据，构建反映行业基本面景气度变化的因子，包括预期净资产收益率（ROE）和预期净利润增速的变化[22] * **因子具体构建过程**：因子计算涉及申万一级行业对应的两个指标： 1. 一致预测滚动未来12个月ROE的环比变化率。 2. 一致预期净利润滚动未来12个月增速（FTTM）的环比变化率[22][23] * **因子评价**：该因子可用于追踪行业基本面的边际改善或恶化情况[22][23] 6. **因子名称：融资融券净买入因子**[24] * **因子构建思路**：通过监测各行业融资融券资金的净流入/流出情况，构建反映杠杆资金偏好的因子[24] * **因子具体构建过程**：因子值为行业维度本周的融资净买入额与融券净卖出额的差值，即：$$期间净买入额 = 融资净买入额 - 融券净卖出额$$[24][26] 该因子按行业计算，取值单位为亿元[24][26] 7. **因子名称：BARRA风格因子**[27] * **因子构建思路**：采用国际通用的BARRA风险模型框架，从多个维度（如价值、成长、动量、质量、波动率等）刻画市场的风格偏好和股票收益来源[27] * **因子具体构建过程**：报告列出了多个BARRA风格因子，但未详细描述每个因子的具体计算公式。涉及的因子包括：换手、财务杠杆、盈利波动、盈利质量、盈利能力、投资质量、长期反转、EP价值、BP价值、成长、动量、非线性市值、市值、波动率、贝塔（近诺）、股息率等[27][28] * **因子评价**：该系列因子体系成熟，能全面解析市场风格收益，有助于进行风险控制和风格配置[27][28] 模型的回测效果 （报告中未提供相关量化模型的具体回测指标数值） 因子的回测效果 1. **BARRA风格因子**[27][28] * **因子名称**：换手；**本周收益**：-0.6% * **因子名称**：财务杠杆；**本周收益**：-0.1% * **因子名称**：盈利波动；**本周收益**：0.2% * **因子名称**：盈利质量；**本周收益**：-0.1% * **因子名称**：盈利能力；**本周收益**：-0.5% * **因子名称**：投资质量；**本周收益**：0.2% * **因子名称**：长期反转；**本周收益**：0.0% * **因子名称**：EP价值；**本周收益**：0.0% * **因子名称**：BP价值；**本周收益**：-0.1% * **因子名称**：成长；**本周收益**：0.0% * **因子名称**：动量；**本周收益**：-0.4% * **因子名称**：非线性市值；**本周收益**：-0.6% * **因子名称**：市值；**本周收益**：-0.5% * **因子名称**：波动率；**本周收益**：0.7% * **因子名称**：贝塔（近诺）；**本周收益**：-1.0% * **因子名称**：股息率；**本周收益**：0.3%

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和因子的总结。报告主要描述了多种资产择时策略，但未详细阐述具体的因子构建细节。因此，总结将侧重于报告中明确提及的策略模型。 量化模型与构建方式 1. **模型名称：A股仓位择时策略**[14][15] * **模型构建思路**：该模型旨在对沪深300ETF进行多头仓位择时，通过动态调整仓位以超越简单的买入持有策略[14][15] * **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过程，仅展示了其历史净值曲线与沪深300持有曲线的对比[15] 2. **模型名称：A股多空择时策略**[16][17][18] * **模型构建思路**：该模型针对沪深300股指期货，进行多空双向的择时交易，旨在获取超越基准的收益[16][17] * **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过程，仅展示了其策略净值曲线[17][18] 3. **模型名称：港股仓位择时策略**[19] * **模型构建思路**：该模型对港股市场进行仓位择时，动态调整风险暴露[19] * **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过程[19] 4. **模型名称：A股小微盘择时策略**[20][22][23] * **模型构建思路**：该模型旨在捕捉A股市场中小市值和微盘股的投资机会或风险，进行择时判断[20][22] * **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过程[22][23] 5. **模型名称：A股红利成长择时策略**[21] * **模型构建思路**：该模型在价值红利风格与成长风格之间进行轮动择时，报告本周建议超配价值红利风格[5][21][35] * **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过程[21] 6. **模型名称：美股择时策略**[24][25] * **模型构建思路**：该模型对美股标普500指数进行择时，策略包括杠杆做多、做空等多种信号[24][25] * **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过程[25] 7. **模型名称：黄金择时策略**[26][27] * **模型构建思路**：该模型对黄金价格进行择时交易，并设有买入区间[26][27] * **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过程[27] 8. **模型名称：ETF组合策略-偏股型**[28] * **模型构建思路**：该模型构建一个偏股型的ETF投资组合[28] * **模型具体构建过程**：报告未提供该组合的具体构建方法和成分选择逻辑[28] 9. **模型名称：ETF组合策略-偏债型**[30][31][34] * **模型构建思路**：该模型构建一个偏债型的ETF投资组合[30][34] * **模型具体构建过程**：报告未提供该组合的具体构建方法和成分选择逻辑[30][31] 10. **模型名称：港股金股定量优选模型**[5] * **模型构建思路**：通过定量方法筛选港股中的优质股票，形成投资组合（港股金股）[5] * **模型具体构建过程**：报告未提供该模型的具体选股因子、权重设置等构建细节[5] * **模型评价**：报告提及该模型自2024年11月样本外以来取得了显著的绝对收益和超额收益[5] 11. **模型名称：港股定量优选30**[5] * **模型构建思路**：该模型旨在从港股中定量优选30只股票，以跑赢港股高股息指数[5] * **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过程[5] 模型的回测效果 1. **港股金股定量优选模型**[5] * 自2024年11月样本外至今，绝对收益：+99.99%[5] * 自2024年11月样本外至今，相较恒生指数超额收益：+70.59%[5] 2. **港股定量优选30模型**[5] * 自2024年11月初至今，绝对收益：+42.78%[5] * 自2024年11月初至今，相较港股高股息指数超额收益：+26.81%[5] 量化因子与构建方式 （报告未详细阐述独立的量化因子构建内容） 因子的回测效果 （报告未提供独立因子的测试结果）

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. 模型名称：A股景气指数[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），其核心目标是Nowcasting上证指数的归母净利润同比增速[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前期研究报告《视角透析：A股景气度高频指数构建与观察》，但未在本周报中提供具体的构建公式和详细步骤[29] 2. 模型名称：A股情绪指数[32] - **模型构建思路**：该模型旨在通过量价数据来刻画市场情绪，并据此构建了包含见底预警与见顶预警的情绪指数系统[32] - **模型具体构建过程**：模型将市场按照波动率和成交额的变化方向划分为四个象限，这四个象限中，只有“波动率上行-成交额下行”的区间表现为显著的负收益，其余象限均为显著的正收益[32] 基于此规律构建情绪指数，相关研究细节请参考报告《视角透析：A股情绪指数构建与观察》[32] 3. 模型名称：主题挖掘算法[46] - **模型构建思路**：该算法旨在从新闻和研报文本中挖掘主题投资机会[46] - **模型具体构建过程**：算法通过对文本进行处理、提取主题关键词、挖掘主题与个股的关系、构建主题活跃周期以及构建主题影响力因子等多个维度来描述主题投资机会[46] 报告以“半导体概念”为例展示了算法的应用结果，但未提供具体的数学模型或公式[46] 4. 模型名称：中证500增强组合 / 沪深300增强组合[46][52] - **模型构建思路**：构建针对特定宽基指数（中证500、沪深300）的增强型投资组合，目标是获得超越基准指数的超额收益[46][52] - **模型具体构建过程**：报告展示了组合的持仓明细和本周表现，但未详细说明其背后的选股模型、权重优化模型或风险模型的具体构建过程[49][55] 5. 模型名称：风格因子模型（BARRA框架）[56] - **模型构建思路**：参照BARRA因子模型框架，对A股市场构建一套风格因子体系，用于解释股票收益的来源并进行组合的风险收益归因[56] - **模型具体构建过程**：模型构建了十大类风格因子，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）[56] 报告未提供每个因子的具体计算公式 量化因子与构建方式 1. 因子名称：十大类风格因子[56] - **因子构建思路**：基于BARRA模型框架，从不同维度刻画影响股票收益的风险特征[56] - **因子具体构建过程**：报告中列出了十大类风格因子的名称：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），但未提供每个因子的具体计算方法和公式[56] 2. 因子名称：行业因子[57] - **因子构建思路**：构建代表不同行业风险敞口的因子，用于分析行业对投资组合收益的贡献[57] - **因子具体构建过程**：报告在风格分析部分提及了银行、保险、煤炭、汽车、电子、基础化工等行业因子，并分析了其近期表现，但未说明这些行业因子的具体构建方法[57] 3. 因子名称：动量因子[2][57] - **因子构建思路**：动量因子基于“强者恒强”的市场现象，认为过去表现好的股票在未来一段时间内会继续表现良好[2][57] - **因子具体构建过程**：报告指出本周动量因子表现出较高的超额收益，并将其作为重要的风格因子进行分析，但未提供其具体的计算定义[2][57] 模型的回测效果 1. **A股情绪指数系统择时表现**：报告通过图表17展示了该系统的历史择时表现，但未给出具体的量化指标数值（如年化收益率、夏普比率等）[43] 2. **中证500增强组合**：截至报告周，2020年至今，组合相对中证500指数的累计超额收益为53.08%，本周跑赢基准1.19%，历史最大回撤为-5.73%[46] 3. **沪深300增强组合**：截至报告周，2020年至今，组合相对沪深300指数的累计超额收益为37.09%，本周跑输基准0.52%，历史最大回撤为-5.86%[52] 因子的回测效果 1. **风格因子近期表现**： * **动量因子**：本周超额收益较高[57] * **Beta因子**：本周呈较为显著的负向超额收益[57] * **杠杆因子（LVRG）**：近期（过去20日）高杠杆股表现优异[57] * **残差波动率因子（RESVOL）**：近期表现不佳[57] * **非线性市值因子（NLSIZE）**：近期表现不佳[57] 2. **行业因子本周表现**： * **银行、保险、煤炭等行业因子**：相对市场市值加权组合跑出较高超额收益[57] * **汽车、电子、基础化工等行业因子**：回撤较多[57] 3. **风格因子暴露相关性**：报告通过图表23展示了近一周十大类风格因子暴露之间的相关性矩阵，例如流动性因子与Beta、动量、残差波动率因子呈现明显正相关性；价值因子与Beta、残差波动率、流动性等因子呈现明显负相关性[58]

根据提供的量化市场追踪周报，以下是关于报告中涉及的量化模型与因子的总结： 量化模型与构建方式 报告内容主要为市场监测和资金流分析，未涉及具体的量化模型或量化因子的构建思路、过程及公式[1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18][19][20][21][22][23][24][25][26][27][28][29][30][31][32][33][34][35][36][37][38][39][40][41][42][43][44][45][46][47][48][49][50][51][52][53][54][55][56][57][58][59][60][61][62][63][64][65][66][67][68][69][70][71][72][73][74] 模型的回测效果 报告内容主要为市场监测和资金流分析，未涉及具体量化模型的回测效果指标取值[1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18][19][20][21][22][23][24][25][26][27][28][29][30][31][32][33][34][35][36][37][38][39][40][41][42][43][44][45][46][47][48][49][50][51][52][53][54][55][56][57][58][59][60][61][62][63][64][65][66][67][68][69][70][71][72][73][74] 量化因子与构建方式 报告内容主要为市场监测和资金流分析，未涉及具体的量化因子的构建思路、过程及公式[1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18][19][20][21][22][23][24][25][26][27][28][29][30][31][32][33][34][35][36][37][38][39][40][41][42][43][44][45][46][47][48][49][50][51][52][53][54][55][56][57][58][59][60][61][62][63][64][65][66][67][68][69][70][71][72][73][74] 因子的回测效果 报告内容主要为市场监测和资金流分析，未涉及具体量化因子的回测效果指标取值[1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18][19][20][21][22][23][24][25][26][27][28][29][30][31][32][33][34][35][36][37][38][39][40][41][42][43][44][45][46][47][48][49][50][51][52][53][54][55][56][57][58][59][60][61][62][63][64][65][66][67][68][69][70][71][72][73][74]

根据提供的华创证券《市场情绪监控周报（20251013-20251017）》，总结其中涉及的量化模型与因子内容如下： 量化模型与构建方式 1. 宽基轮动策略模型 - **模型名称**：宽基轮动策略[12] - **模型构建思路**：基于不同宽基指数（沪深300、中证500、中证1000、中证2000及"其他"组）的热度变化率进行轮动投资，捕捉市场情绪变化带来的收益[12] - **模型具体构建过程**： 1. 将全A股样本按宽基指数成分股分组，计算每组股票的总热度指标[7][8] 2. 计算每个宽基组股票的周度热度变化率，并取2期移动平均（MA2）进行平滑处理[9] 3. 在每周最后一个交易日，选择总热度变化率MA2最大的宽基组作为投资标的[12] 4. 如果变化率最大的为"其他"组，则选择空仓[12] 2. 概念热度选股模型 - **模型名称**：概念热度选股模型[30] - **模型构建思路**：在热门概念板块中，选择关注度较低的个股，利用市场过度反应与关注度不足的定价偏差获取超额收益[29][30] - **模型具体构建过程**： 1. 在每周最后一个交易日，筛选出本周热度变化率最大的5个概念[30] 2. 将这些概念对应的成分股作为选股股票池，并剔除其中流通市值最小的20%股票[30] 3. 构建两个组合： - **热度TOP组合**：从每个热门概念中选出总热度排名前10的个股，等权持有[30] - **热度BOTTOM组合**：从每个热门概念中选出总热度排名最后的10只个股，等权持有[30] 模型的回测效果 1. 宽基轮动策略 - 年化收益率：8.74%[15] - 最大回撤：23.5%[15] - 2025年收益：33.5%[15] 2. 概念热度选股模型 - **热度BOTTOM组合**： - 年化收益率：15.71%[32] - 最大回撤：28.89%[32] - 2025年收益：37.6%[32] 量化因子与构建方式 1. 个股总热度因子 - **因子名称**：个股总热度[7] - **因子构建思路**：通过加总股票的浏览、自选与点击次数，衡量个股受市场关注的程度，作为情绪热度的代理变量[7] - **因子具体构建过程**： 1. 计算单只股票当日的浏览、自选与点击次数之和[7] 2. 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[7] 3. 将归一化后的数值乘以10000，使得因子取值区间为[0, 10000][7] 公式为：$$个股总热度 = \frac{个股(浏览次数+自选次数+点击次数)}{全市场(浏览次数+自选次数+点击次数)} \times 10000$$ [7] 2. 聚合总热度因子 - **因子名称**：宽基/行业/概念总热度[7][8] - **因子构建思路**：将宽基指数、行业或概念内的成分股个体热度加总，得到更高层面的市场情绪热度指标[7] - **因子具体构建过程**：对特定群体（如沪深300成分股、申万一级行业成分股、特定概念成分股）内的所有个股的总热度因子进行求和处理[7][8] 3. 热度变化率因子 - **因子名称**：热度变化率（MA2）[9][17][26][27] - **因子构建思路**：计算聚合总热度指标的周度环比变化率，并平滑处理，以捕捉关注度的边际变化趋势[9][17] - **因子具体构建过程**： 1. 计算本周的聚合总热度（宽基/行业/概念）与上周的聚合总热度的变化率[9][17] 2. 对该周度变化率进行2期移动平均（MA2）平滑处理[9][17] 4. 估值历史分位数因子 - **因子名称**：估值历史分位数[3][37][40][41][43] - **因子构建思路**：计算宽基指数或行业的当前估值指标（如PE）在其历史序列中的位置，判断其相对估值水平[3][37] - **因子具体构建过程**： 1. 选定估值指标（报告中未明确具体指标，通常为PE或PB）和回溯期（滚动5年或从2015年开始）[3][37][40][41] 2. 计算当前估值在选定历史区间内的百分位排名[3][37][40][41] 例如，对于滚动5年历史分位数：$$估值历史分位数 = \frac{当前估值在过去5年历史数据中的排名}{过去5年总数据点数} \times 100\%$$ [3][40] 因子的回测效果 （报告中未提供因子的独立回测绩效指标，如IC、IR等）

根据研报内容，总结如下： 量化模型与构建方式 **1. 模型名称：短期择时模型** - **模型构建思路**：从宏观基本面、估值面、情绪面、流动性四个维度选取多个指标，通过各指标在历史数据中的分位数位置判断其信号方向（乐观/谨慎/中性），再综合形成最终的仓位建议[7][19][20][21] - **模型具体构建过程**： 1. **指标选取与信号生成**：选取四个维度共9个二级指标，计算每个指标当前值在过去5年历史中的分位数[22] 2. **信号映射规则**： - **基本面维度**：包含制造业PMI、信贷脉冲环比变化分位数、M1同比增速（HP滤波去趋势）分位数三个指标[22] - **估值面维度**：包含A股整体PE分位数、A股整体PB分位数两个指标[22] - **情绪面维度**：包含A股整体Beta离散度分位数、A股整体量能情绪分位数、A股整体波动率分位数三个指标[22] - **流动性维度**：包含货币利率指标分位数、汇率预期指标分位数、沪深净融资额5日均值分位数三个指标[22] 3. **综合判断**：将各维度下的二级指标信号汇总，得到该维度的一级信号，最终综合四个一级信号得出总仓位信号（例如，乐观对应高仓位，谨慎对应低仓位或空仓）[7][19][20][21] **2. 模型名称：成长价值风格轮动模型** - **模型构建思路**：从基本面、估值面、情绪面三个维度分析当前市场环境对成长风格和价值风格的相对利好程度，从而给出风格配置建议[29] - **模型具体构建过程**： 1. **基本面维度**：基于盈利周期斜率、利率综合周期水平、信贷综合周期变化三个指标判断[31] - 盈利周期斜率大，利好成长[31] - 利率周期水平偏高，利好价值[31] - 信贷周期走强，利好成长[31] 2. **估值面维度**：基于成长价值PE差分位数、成长价值PB差分位数两个指标判断[31] - PE/PB估值差均值回归上行中，利好成长[31] 3. **情绪面维度**：基于成长价值换手差分位数、成长价值波动差分位数两个指标判断[31] - 换手差偏低，利好价值[31] - 波动差反弹至偏高位置，利好均衡[31] 4. **综合判断**：汇总三个维度的信号，得出超配成长或超配价值的建议[29][31] **3. 模型名称：小盘大盘风格轮动模型** - **模型构建思路**：基于专题报告《流动性视角下的市值风格轮动和择时策略》，从11个有效的日频轮动指标出发，通过综合判断构建大小盘轮动信号[14][33] - **模型具体构建过程**： 1. **指标选取**：模型包含11个轮动指标，例如A股龙虎榜买入强度、R007、融资买入余额变化、主题投资交易情绪、等级利差、期权波动率风险溢价、beta离散度、pb分化度、大宗交易折溢价率、中证1000MACD(10,20,10)、中证1000交易量能等[16][34] 2. **信号生成**：每个指标独立产生支持小盘或大盘的信号（例如，100%代表支持小盘，0%代表支持大盘）[16] 3. **综合信号**：对11个指标的信号进行综合（例如，计算支持小盘/大盘的指标数量或比例），形成最终的综合轮动信号[14][33][34] 4. **策略执行**：根据综合信号决定超配小盘或超配大盘[5][33] 模型的回测效果 **1. 短期择时模型** - **回测期**：2012年底至今[21][24] - **年化收益率**：16.52%[21][24] - **基准年化收益率**：4.73%[21][24] - **年化超额收益率**：11.79%[21][24] - **年化波动率**：14.79%[24] - **最大回撤**：15.49%[21][24] - **夏普比率**：0.9727[24] - **收益回撤比**：1.0660[24] - **月度胜率**：65.81%[24] - **季度胜率**：60.38%[24] - **年度胜率**：71.43%[24] - **2024年以来年化收益率**：32.27%[27] - **2024年以来最大回撤**：11.04%[21][27] - **2025年以来收益率**：23.22%[21][24] **2. 成长价值风格轮动模型** - **回测期**：2012年底至今[30][32] - **年化收益率**：13.10%[30][32] - **基准年化收益率**：7.77%[30][32] - **年化超额收益率**：5.33%[30][32] - **年化波动率**：20.83%[32] - **最大回撤**：43.07%[32] - **夏普比率**：0.5998[32] - **收益回撤比**：0.3041[32] - **月度胜率**：58.44%[32] - **季度胜率**：59.62%[32] - **2025年以来收益率**：28.07%[30][32] - **2025年以来超额收益率**：6.50%[30][32] **3. 小盘大盘风格轮动模型** - **回测期**：2014年以来[34] - **综合信号年化收益率**：19.87%[34] - **综合信号年化超额收益率**：12.91%[34] - **综合信号最大回撤**：40.70%[34] - **2025年以来超额收益率**：9.91%[14][18][34] - **部分指标年化超额示例如下**[34]： - 中证1000交易量能指标：年化超额收益9.64% - 大宗交易折溢价率指标：年化超额收益9.33% - pb分化度指标：年化超额收益9.33% - 中证1000MACD(10,20,10)指标：年化超额收益8.30% - 融资买入余额变化指标：年化超额收益5.95% 量化因子与构建方式 **1. 因子名称：交易量能指标** - **因子构建思路**：结合全A成交量和换手率构建，用于衡量市场交易活跃度和情绪[7][13] - **因子具体构建过程**：报告未给出具体构建公式，但提及该指标可计算其历史分位数，例如回落至过去5年42.18%分位数被视为谨慎区间[7][13][20] **2. 因子名称：估值分位数因子（PE/PB）** - **因子构建思路**：计算主要宽基指数或风格指数估值（PE_TTM中位数或PB_LF中位数）在滚动窗口（如1年、3年、5年）内的历史分位数，用于评估估值水平高低[10][11][12] - **因子具体构建过程**：对于特定指数，其估值分位数 = （当前估值在指定回顾期历史数据中的排名 - 1） / （回顾期总数据点数 - 1）[11][12] 例如，万得全A的PE中位数滚动5年分位数为96.69%[10][11] **3. 因子名称：流动性视角下的市值风格轮动指标** - **因子构建思路**：从不同流动性维度构建11个指标，用于判断小盘或大盘风格的占优情况[14][33][34] - **因子具体构建过程**：报告列出了11个指标的名称，如A股龙虎榜买入强度、R007、融资买入余额变化等，但未详细描述每个因子的具体计算公式[16][34] 因子的回测效果 （报告未单独提供上述因子的IC值、IR等传统因子测试结果，而是将其作为模型的输入，展示了模型的综合回测效果）

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：择时雷达六面图**[1][6] - **模型构建思路**：权益市场表现受多维度指标因素共同影响，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二十一个指标对市场进行刻画，并将其概括为"估值性价比"、"宏观基本面"、"资金&趋势"、"拥挤度&反转"四大类[1][6] - **模型具体构建过程**：将六个维度的二十一个指标打分概括为四大类，生成[-1,1]之间的综合择时分数[1][6] 量化因子与构建方式 **1.因子名称：货币方向因子**[10] - **因子构建思路**：判断当前货币政策的方向，选取央行使用的货币政策工具利率与短端市场利率[10] - **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则判断货币政策宽松，若货币方向因子<0则判断货币政策收紧[10] **2.因子名称：货币强度因子**[13] - **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[13] - **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[13] **3.因子名称：信用方向因子**[16] - **因子构建思路**：表征商业银行对实体经济传导时的松紧，使用中长期贷款指标进行体现[16] - **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[16] **4.因子名称：信用强度因子**[19] - **因子构建思路**：捕捉信用指标是否大幅超预期或者不及预期[19] - **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[19] **5.因子名称：增长方向因子**[21] - **因子构建思路**：基于PMI数据构建增长方向因子[21] - **因子具体构建过程**：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[21] **6.因子名称：增长强度因子**[24] - **因子构建思路**：捕捉经济增长指标是否大幅超预期或者不及预期[24] - **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[24] **7.因子名称：通胀方向因子**[28] - **因子构建思路**：当前通胀水平会对货币政策产生制约，若通胀显著下行则未来预期货币宽松政策空间较大[28] - **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，若通胀方向因子相较于三个月之前降低则看多[28] **8.因子名称：通胀强度因子**[31] - **因子构建思路**：捕捉通胀指标是否大幅超预期或者不及预期[31] - **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[31] **9.因子名称：席勒ERP**[34] - **因子构建思路**：计算通胀调整后的平均盈利来消除经济周期波动对估值判断的干扰[34] - **因子具体构建过程**：计算过去6年通胀调整后的平均盈利计算席勒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[34] **10.因子名称：PB**[36] - **因子构建思路**：使用PB指标衡量估值水平[36] - **因子具体构建过程**：对PB指标处理步骤：PB×(-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[36] **11.因子名称：AIAE**[40] - **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[40] - **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[40] **12.因子名称：两融增量**[42] - **因子构建思路**：两融为市场杠杆资金的来源，当两融上行时市场情绪较好[42] - **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日均增量时看多[42] **13.因子名称：成交额趋势**[45] - **因子构建思路**：成交额上行代表市场成交热度与资金活跃度高[45] - **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[45] **14.因子名称：中国主权CDS利差**[49] - **因子构建思路**：代表海外投资者对中国的经济与主权信用风险的定价水平，体现外资流入意愿[49] - **因子具体构建过程**：当平滑后CDS利差的20日差分<0时看多，说明当前CDS利差下降，海外投资者预期中国基本面转好[49] **15.因子名称：海外风险厌恶指数**[52] - **因子构建思路**：花旗风险厌恶指数由海外期权隐波、信用利差等数据组成，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时看多，外资风险偏好上升[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，衡量市场运行趋势与强度[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；当均线距离的max(20)=max(60)时趋势强度分数=1；趋势综合分数=(趋势方向分数+趋势强度分数)/2[54] **17.因子名称：新高新低数**[56] - **因子构建思路**：指数成分股的新高新低个数可以作为反转信号[56] - **因子具体构建过程**：当中证800成分股占过去一年新低数-新低数的ma20>0时看多，说明最近新低较多，市场有见底预期[56] **18.因子名称：期权隐含升贴水**[60] - **因子构建思路**：基于看涨看跌平价关系式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均值的预期与情绪[60] - **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[60] **19.因子名称：期权VIX指数**[61] - **因子构建思路**：反映期权投资者对未来标的波动率的预期与市场情绪，当VIX较高时市场倾向于反转[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**：反映期权投资者对未来标的偏度的预期与市场情绪，用作反转指标[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**：可转债估值水平能体现市场情绪，用作反转指标[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] 模型的回测效果 **1.择时雷达六面图模型**，当前综合打分为-0.11分[1][6] 因子的回测效果 **1.货币方向因子**，当前分数为1分[10] **2.货币强度因子**，当前分数为-1分[13] **3.信用方向因子**，当前分数为1分[16] **4.信用强度因子**，当前分数为0分[19] **5.增长方向因子**，当前分数为1分[21][22] **6.增长强度因子**，当前分数为-1分[24][25] **7.通胀方向因子**，当前分数为-1分[28] **8.通胀强度因子**，当前分数为0分[31] **9.席勒ERP因子**，当前分数为0.11分[34][38] **10.PB因子**，当前分数为-0.47分[36] **11.AIAE因子**，当前分数为-0.70分[40] **12.两融增量因子**，当前分数为1分[42] **13.成交额趋势因子**，当前分数为1分[45][46] **14.中国主权CDS利差因子**，当前分数为-1分[49][50] **15.海外风险厌恶指数因子**，当前分数为-1分[52] **16.价格趋势因子**，当前分数为0.5分[54] **17.新高新低数因子**，当前分数为-1分[56] **18.期权隐含升贴水因子**，当前分数为1分[60] **19.期权VIX指数因子**，当前分数为1分[61][62] **20.期权SKEW指数因子**，当前分数为-1分[66] **21.可转债定价偏离度因子**，当前分数为-1.00分[68]