核心观点 - 报告核心观点为在当前市场主线不明朗的背景下，建议增配大盘价值风格，并聚焦于TMT（科技、媒体、通信）和周期性行业进行配置 [3] - 行业轮动模型已迭代至双周频率，结合量价、基本面、情绪面因子以应对多样化市场环境，2025年以来表现优于多个基准指数 [4][5] - 风格轮动模型优选指数为中证500和沪深300，兼顾中盘成长与大盘价值风格特征 [3][35] 市场环境回顾 - 截至2025年10月31日，A股月度总成交额为36.78万亿元，日均成交额较上月下降10.49%，交投活跃度略有回落 [12] - 近一月个股收益离散度为2.41%，较前一月小幅下降，但高于近半年中位水平 [12] - 行业轮动速度接近历史平均水平，风格轮动速度较上月大幅提高，显著高于2015年以来平均水平 [12] - 2025年10月因子不稳定程度突破5月以来低位，高于历史均值，市场风格波动增加，对量化选股策略影响中性偏负面 [18] 行业指数表现 - 截至2025年10月31日，煤炭、钢铁、有色金属等19个行业净值上升，煤炭行业涨幅最为突出，达10.02% [23] - 科技等板块跌幅居前，传媒、美容养护、汽车行业分别收跌6.04%、3.84%和3.58% [23] - 宽基指数中仅北证50、上证50及中证2000收涨，分别上涨3.54%、0.76%和0.34%；科创100、科创50指数领跌，小微盘风格领先 [23] 行业轮动模型优化与配置建议 - 行业轮动模型频率从月度进化为双周，构建了包括成交均价因子、行业动量alpha因子等六个因子的复合模型 [4][26] - 模型采用“大类等权、小类等权”的复合方式配置量价、基本面、情绪因子 [27][29] - 截至2025年11月07日，模型优选行业为非银金融、钢铁、传媒、有色金属、环保及通信 [30] - 非银金融、钢铁、有色金属、通信主要由基本面驱动，传媒受情绪和量价双重驱动，环保主要由量价驱动 [3][30] - 建议构建的行业ETF组合包括易方达沪深300非银ETF、国泰中证钢铁ETF、广发中证传媒ETF、南方中证申万有色金属ETF、南方中证长江保护主题ETF、国泰中证全指通信设备ETF，各占16.67%权重 [3][34] 风格轮动模型与指数增强基金 - 截至2025年10月31日，风格轮动模型优选指数为中证500和沪深300 [3][35] - 中证500在宏观因子上表现突出，体现宏观环境对中盘成长风格的偏好；沪深300受宏微观因子共同驱动，在质量因子、动量因子及货币供应方面表现亮眼 [3][35][36] - 建议关注中证500和沪深300指数增强型基金，包括国泰海通中证500A、博道中证500指数增强A、招商中证500指数增强A、中银沪深300指数增强A、汇添富沪深300基本面增强A [5][39] 模型历史表现与特色 - 行业轮动模型长期表现稳健，除2023年外均能维持相较行业均值的正超额收益 [5][42] - 2025年行业轮动模型跑赢行业等权、wind全A、沪深300、中证500和中证800等基准指数，超额收益分别为16.21%、7.97%、18.04%、6.24%、15.01% [42] - 风格轮动模型近1年、3年、5年胜率分别维持在83.33%、69.44%、71.67% [6][43] - 模型设计特色包括因子暴力衍生、筛选ICIR高且单调性强的因子、采用等权配置、引入宏观因子以及考虑产品可落地性 [40][41]

风格轮动模型信号 - Q4风格轮动模型发出小盘信号，双驱轮动策略综合分数为-1 [1][2][3] - Q4风格轮动模型发出成长信号，双驱轮动策略综合分数为-3 [1][2][4] 行业轮动模型表现与观点 - 9月复合因子策略超额收益为-0.69%，单因子多策略超额收益为-0.93% [4] - 11月单因子多策略推荐多头行业为传媒、通信、电子、非银行金融、电力设备及新能源 [4] - 11月复合因子策略推荐多头行业为通信、计算机、电力及公用事业、传媒、电力设备及新能源 [2][4]

量化模型与构建方式 1. 风格轮动模型 **模型名称**：基于微观的择时+打分风格轮动模型[4][9] **模型构建思路**：从基础风格因子（估值、市值、波动率、动量）出发，通过微观个股层面构造特征，使用随机森林模型进行风格择时和打分，最终构建月频风格轮动框架[4][9] **模型具体构建过程**： 1. 优选80个底层微观因子作为原始特征[9] 2. 基于80个基础微观指标，构造640个微观特征[4][9] 3. 通过常用指数作为风格股票池取代风格因子的绝对比例划分，构造新的风格收益作为标签[4][9] 4. 使用随机森林模型对单个风格进行择时，并得到每种风格的当期得分[4][9] 5. 通过滚动训练随机森林模型，有效规避过拟合风险，优选特征并得到风格推荐[9] 6. 根据择时结果与打分结果，综合构造月频风格轮动模型[4] 模型的回测效果 1. 风格轮动模型 **回测区间**：2017/01/01-2025/10/31[4][10] **年化收益率**：16.18%[4][10][11] **年化波动率**：20.28%[4][10][11] **信息比率(IR)**：0.80[4][10][11] **月度胜率**：59.43%[4][10][11] **最大回撤**：25.20%[11] 2. 策略对冲市场基准 **回测区间**：2017/01/01-2025/10/31[4][10] **年化收益率**：10.36%[4][10][11] **年化波动率**：10.85%[4][10][11] **信息比率(IR)**：0.95[4][10][11] **月度胜率**：54.72%[4][10][11] **历史最大回撤**：8.53%[4][10][11] 量化因子与构建方式 1. 基础风格因子 **因子名称**：估值、市值、波动率、动量[4][9] **因子的构建思路**：从微观个股层面出发，作为风格轮动模型的基础风格因子[9] 因子的回测效果 1. 2025年风格因子实际收益率（多空对冲） **动量因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[13] **波动率因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[13] **估值因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[13] **市值因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[13] 2. 2025年风格因子择时后收益率（多空对冲） **动量因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[18] **波动率因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[18] **估值因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[18] **市值因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[18]

根据研报内容，总结如下： 量化模型与构建方式 1. **模型名称：基于微观的择时+打分风格轮动模型**[4][9] * **模型构建思路**：从基础风格因子（估值、市值、波动率、动量）出发，通过构造大量微观特征，并使用随机森林模型对单个风格进行择时和打分，最终综合构建月频风格轮动模型[4][9] * **模型具体构建过程**： 1. 以80个底层微观因子作为原始特征[9] 2. 基于80个基础微观指标，构造640个微观特征[4][9] 3. 通过常用指数作为风格股票池取代风格因子的绝对比例划分，构造新的风格收益作为标签[4][9] 4. 使用随机森林模型对单个风格进行择时，并得到每种风格的当期得分[4][9] 5. 根据择时结果与打分结果，综合构造月频风格轮动模型[4][9] 模型的回测效果 1. **基于微观的择时+打分风格轮动策略**[10][11] * 年化收益率：16.41%[10][11] * 年化波动率：20.43%[10][11] * 信息比率(IR)：0.80[10][11] * 月度胜率：58.49%[10][11] * 历史最大回撤：25.54%[11] 2. **策略对冲市场基准（超额收益）**[10][11] * 年化收益率：10.54%[10][11] * 年化波动率：10.85%[10][11] * 信息比率(IR)：0.97[10][11] * 月度胜率：55.66%[10][11] * 历史最大回撤：8.79%[10][11] 量化因子与构建方式 1. **因子名称：估值因子**[4][9] * **因子构建思路**：作为基础风格因子之一，用于构建风格轮动模型[4][9] 2. **因子名称：市值因子**[4][9] * **因子构建思路**：作为基础风格因子之一，用于构建风格轮动模型[4][9] 3. **因子名称：动量因子**[4][9] * **因子构建思路**：作为基础风格因子之一，用于构建风格轮动模型[4][9] 4. **因子名称：波动率因子**[4][9] * **因子构建思路**：作为基础风格因子之一，用于构建风格轮动模型[4][9] 最新模型应用与持仓 * **2025年10月最新风格择时方向**：价值、大市值、动量、低波[2][19] * **2025年10月风格轮动模型最新持仓**：通过配置相关指数ETF实现风格暴露，具体包括中证央企红利、中证银行、中证影视、CS电池、中证全指房地产等指数对应的ETF[3][19]

报告行业投资评级 未提及 报告的核心观点 - 报告构建多个ETF组合，包括宏观行业组合、宏观+动量行业组合、核心 - 卫星组合和三位一体风格轮动ETF组合，各组合依据不同策略配置，且每月调仓，当前经济前瞻指标回升、流动性略偏紧、信用向好，组合配置有相应调整[5][8] 根据相关目录分别总结 1. ETF组合构建方法 1.1 基于宏观方法的ETF组合构建 - 根据经济、流动性、信用三个维度宏观变量，对宽基、行业主题、Smart Beta三大类ETF跟踪指数计算宏观敏感性，结合动量指标构建宏观行业、宏观+动量行业、核心 - 卫星行业3个ETF组合并每月调仓[8] - 传统周期行业对经济敏感，TMT对流动性敏感，消费对信用敏感，国企、ESG相关主题对流动性和信用低敏感[8] 1.2 三位一体风格轮动ETF组合构建 - 以宏观流动性为核心构建中长期风格轮动模型，与沪深300指数对比，综合胜率和赔率表现，筛选宏观、基本面和市场情绪因子构建成长/价值轮动、市值、质量三类模型，综合结果得到最终风格偏好指向[9] - 筛选目标风格暴露多的ETF，控制行业暴露，设置3% - 20%配置上下限得到配置模型[9] 2. 宏观行业组合 - 筛选成立1年以上、规模2亿以上行业主题ETF跟踪指数，计算经济、流动性、信用敏感性得分并加总，取排名前6指数对应规模最大ETF等权配置[10] - 当前经济前瞻指标回升、流动性略偏紧、信用向好，组合转向均衡，消费比例提升，10月持仓包括博时中证成渝地区双城经济圈成份ETF等6只ETF[14] - 2025年组合波动较大，9月超额收益恢复为正[15] 3. 宏观+动量行业组合 - 结合宏观与动量方法，动量方法先聚类行业主题，每组选过去6个月涨幅最高产品等权配置，两种方法筛选结果合并[16] - 10月持仓包括华宝中证银行ETF等12只ETF，医药板块权重降低，稀土、电池在动量端被选中[18] - 2025年组合表现出色，8月超额回撤后9月回正[19] 4. 核心 - 卫星组合 - 因行业主题ETF波动高、行业轮动快，设计以沪深300为底仓的核心 - 卫星组合[20] - 用宏观敏感性测算方法构建宽基、行业、Smart Beta 3个股票组合，按50%、30%、20%权重加权得到最终组合[21] - 10月持仓包括华泰柏瑞沪深300ETF等15只ETF，2025年表现稳健，几乎每月战胜指数，9月继续跑赢[24][25] 5. 三位一体风格轮动ETF组合 - 本期模型偏向小盘成长 + 高质量，展示了模型因子暴露与历史表现[26] - 2025年组合月度收益有波动，10月持仓包括南方中证1000ETF等8只ETF[30][31]

风格轮动模型表现与信号 - 2025年第三季度风格轮动模型预测准确，中证1000相对沪深300的超额为1.27%，国证成长相对国证价值的超额为30.27%，小盘和成长风格占优 [1] - 2025年第四季度风格轮动模型持续发出小盘信号，双驱轮动策略综合分数为-1 [2] - 2025年第四季度风格轮动模型持续发出成长信号，双驱轮动策略综合分数为-3 [3] 行业轮动模型表现与观点 - 2025年9月复合因子策略获得正超额，月收益率为3.33%，相对基准的超额为2.43%，而单因子多策略的超额收益为-1.02% [1][3] - 2025年9月单因子策略和复合因子策略推荐配置的多头行业均涵盖计算机、通信、电子行业 [1] - 2025年10月单因子多策略推荐配置的多头行业为计算机、通信、电子、非银行金融、银行 [3] - 2025年10月复合因子策略推荐配置的多头行业为家电、有色金属、电子、通信、计算机 [3]

风格轮动模型表现 - 2025年第三季度大小盘双驱轮动策略发出小盘信号 综合分数为-3 [1][2] - 2025年第三季度价值成长轮动策略发出成长信号 综合分数为-5 [1][3] - 8月小盘风格持续占优 相对大盘月超额收益达1.34% [1] - 8月成长风格显著占优 相对价值风格月超额收益高达12.76% [1] 行业轮动模型表现 - 8月两个行业组合绝对收益均超过12% 超额收益均超过4% [1] - 单因子多策略模型表现优异 月收益率达13.19% 超额收益4.59% [1][3] - 复合因子策略8月超额收益为4.38% [3] 行业配置建议 - 9月单因子多策略推荐多头行业：计算机 通信 传媒 非银行金融 [3] - 9月复合因子策略推荐多头行业：通信 电子 计算机 家电 传媒 [3] - 两种策略共同看好计算机 通信 传媒行业 [1][3]

量化模型与构建方式 1. **模型名称**：基于微观的风格轮动模型[3][8] * **模型构建思路**：从80个基础微观因子出发，构造大量微观特征，并利用风格指数作为股票池来定义风格收益标签，最终通过随机森林模型进行风格择时和打分，构建月频轮动策略[3][8] * **模型具体构建过程**： 1. **基础因子选择**：选取80个底层微观因子，涵盖估值、市值、波动率、动量等基础风格[8]。 2. **特征构造**：基于80个基础微观指标，构造出640个微观特征[3][8]。 3. **风格收益标签定义**：使用常用指数作为风格股票池，以此取代按风格因子绝对比例划分的传统方法，并构建新的风格收益作为模型训练的标签[3][8]。 4. **模型训练与预测**：使用随机森林模型对单个风格进行择时。通过滚动训练的方式有效规避过拟合风险，并优选特征。模型输出每种风格的当期得分[3][8]。 5. **组合构建**：根据随机森林模型的择时结果与风格打分结果，综合构造最终的投资组合，进行月度的风格轮动[3][8]。 模型的回测效果 1. **基于微观的风格轮动模型**（回测区间：2017/01/01-2025/08/31）[9][10] * 年化收益率：17.08%[9][10] * 年化波动率：20.07%[9][10] * 信息比率(IR)：0.85[9][10] * 月度胜率：55.77%[9][10] * 历史最大回撤：-29.89%[10] 2. **基于微观的风格轮动模型（对冲市场基准后）**（回测区间：2017/01/01-2025/08/31）[9][10] * 年化收益率（超额）：10.42%[9][10] * 年化波动率（超额）：13.03%[9][10] * 信息比率(IR)（超额）：0.80[9][10] * 月度胜率（超额）：56.73%[9][10] * 历史最大回撤（超额）：-9.57%[10] 量化因子与构建方式 1. **因子名称**：估值因子[3][8] * **因子构建思路**：作为基础风格因子之一，用于刻画股票的估值水平[3][8] 2. **因子名称**：市值因子[3][8] * **因子构建思路**：作为基础风格因子之一，用于刻画股票的市值大小[3][8] 3. **因子名称**：波动率因子[3][8] * **因子构建思路**：作为基础风格因子之一，用于刻画股票价格的波动情况[3][8] 4. **因子名称**：动量因子[3][8] * **因子构建思路**：作为基础风格因子之一，用于刻画股票价格的动量效应[3][8] 最新模型输出 1. **2025年9月风格择时方向**：成长、大市值、动量、高波[1][17] 2. **2025年8月模型收益率**：7.85%[1][16]

报告行业投资评级 未提及 报告的核心观点 报告基于宏观方法和动量构建了宏观行业组合、宏观+动量行业组合、核心-卫星组合等ETF组合，并构建了三位一体风格轮动ETF组合，各组合依据不同方法筛选持仓，且今年部分组合表现出色或稳健 [2][5]。 各目录总结 ETF组合构建方法 - 基于宏观方法的ETF组合构建：根据经济、流动性、信用三个维度的宏观变量，对宽基、行业主题、Smart Beta三大类产品所跟踪的指数计算宏观敏感性，结合动量指标构建3个ETF组合并每月调仓；传统周期行业适合经济上行时期配置，TMT适合经济偏弱但流动性宽松时配置，消费在信用扩张时受益，国企、ESG相关主题对流动性和信用低敏感 [5] - 三位一体风格轮动ETF组合构建：以宏观流动性为核心构建中长期风格轮动模型，与沪深300指数对比；综合胜率和赔率表现，筛选宏观、基本面和市场情绪因子构建三类模型，根据结果得到最终指向和8个风格偏好结果；筛选目标风格暴露多的ETF，控制行业暴露并设置配置上下限 [6] 宏观行业组合 - 构建方法：针对标记为“行业主题”的ETF，选择成立时间1年以上、当期规模2亿以上的产品跟踪的行业主题指数，计算经济、流动性、信用的敏感性得分并调整，取排名前6的指数对应规模最大的ETF等权配置 [8] - 持仓与收益：目前经济下行、流动性略偏紧、信用向好，选择对经济不敏感、对信用敏感的ETF，偏向成长且医药持仓多；2025年部分月份有超额收益，7月大幅跑赢指数 [11][13] 宏观+动量行业组合 - 构建方法：结合宏观与动量方法，动量方法先聚类行业主题，每组选过去6个月涨幅最高的1只产品等权配置，两种方法筛选结果直接合并 [14] - 持仓与收益：宏观和动量部分都选了较多医药板块产品，游戏、互联网板块比例大；2025年几乎每月战胜指数，7月跑赢超3% [16][19] 核心-卫星组合 - 构建方法：以沪深300为底仓，用宏观敏感性测算方法对国内宽基、行业主题和Smart Beta ETF三个指数池测算，构建宽基、行业、Smart Beta三个组合，按50%、30%、20%的权重加权得到最终组合 [20][21] - 持仓与收益：2025年持仓包括华泰柏瑞沪深300ETF等；今年表现稳健，几乎每月战胜指数 [21][24] 三位一体风格轮动ETF组合 - 模型结果：本期模型偏向小盘成长+高质量，展示了成长/价值轮动模型、市值模型、质量模型的因子暴露情况 [25][26] - 持仓与收益：8月持仓包括南方中证1000ETF等；2025年部分月份有超额收益 [30]

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**：交易量能择时模型 - **模型构建思路**：通过规避缩量信号获取较高交易赔率，利用流动性即时反馈特性，尤其针对中小盘指数[3][8][22] - **具体构建过程**： 1. 计算指数成交额与换手率的60日滚动均值和标准差 2. 标准化处理：若当日值在±2倍标准差内，按线性映射到[-1,1]打分；超出则直接赋±1分 3. 等权合成成交额与换手率得分 4. 信号生成：得分>0时做多，≤0时空仓[23] - **模型评价**：赔率导向型策略，胜率一般但能有效规避市场大跌风险，对中小盘指数效果显著[3][22][29] 2. **模型名称**：复合择时信号模型（信贷脉冲+Beta离散度+交易量能） - **模型构建思路**：结合宏观信贷周期、市场波动分化与流动性指标构建不定期调仓信号[8][22] - **具体构建过程**： 1. 信贷脉冲：计算中长期贷款余额同比变化 2. Beta离散度：测算个股Beta系数的横截面标准差 3. 交易量能：同上文量能模型 4. 三指标等权合成综合信号[22][41] 3. **模型名称**：四风格轮动模型 - **模型构建思路**：整合成长价值与小盘大盘轮动逻辑，形成四象限配置建议[51][61] - **具体构建过程**： 1. 成长价值维度：基于盈利斜率、利率周期、信贷周期构建信号 2. 小盘大盘维度：同周期指标结合估值差、换手差分析 3. 交叉形成小盘成长/价值、大盘成长/价值四象限权重[52][57][61] 量化因子与构建方式 1. **因子名称**：量能情绪因子 - **构建思路**：反映市场流动性强弱，标准化处理避免极端值干扰[23] - **具体构建**： $$ \text{Score}_t = \frac{\min(\max(V_t, \mu_V - 2\sigma_V), \mu_V + 2\sigma_V) - (\mu_V - 2\sigma_V)}{4\sigma_V} \times 2 - 1 $$ 其中$V_t$为当日成交额，$\mu_V$、$\sigma_V$为60日均值和标准差[23] 2. **因子名称**：估值差分位数因子 - **构建思路**：捕捉风格间估值均值回归机会[52][57] - **具体构建**： 1. 计算成长价值PE差：$ \Delta PE = PE_{成长} - PE_{价值} $ 2. 计算5年滚动分位数：$ Rank(\Delta PE) = \frac{\text{当前值}-Min}{Max-Min} $[52][58] 模型的回测效果 | 模型名称 | 年化收益率 | 最大回撤 | 胜率 | 赔率 | IR | 测试区间 | |------------------------|------------|----------|--------|-------|-------|----------------| | 交易量能(中证500ETF) | 11.08% | 16.65% | 51.67% | 1.69 | 1.05 | 2017-2025[39] | | 交易量能(中证1000ETF) | 12.66% | 22.93% | 46.95% | 2.15 | 0.72 | 2017-2025[39] | | 短期择时策略 | 18.21% | 22.77% | 69.93% | - | 1.10 | 2013-2025[47] | | 四风格轮动模型 | 13.37% | 47.91% | 59.87% | - | 0.60 | 2013-2025[63] | 因子的回测效果 | 因子名称 | IC均值 | ICIR | 多空年化收益 | 最大回撤 | 测试标的 | |-------------------|--------|--------|--------------|----------|----------------| | 量能情绪因子 | 0.12 | 0.85 | 9.8% | 18.3% | 万得全A[23][34]| | 估值差分位数因子 | 0.09 | 0.62 | 7.2% | 15.6% | 成长价值指数[52]|