公司概况 - 博时资本管理有限公司成立于2013年2月，注册资本为8.5亿元，是业内首批公募基金子公司 [2][8] - 公司母公司为博时基金，其第一大控股股东为招商证券（持股49%），最终控制方为国务院国资委直属的招商局集团 [2] - 依托博时基金27年投研积淀及招商局集团战略协同，公司累计发行产品超1500只，累计管理规模逾2.24万亿元 [2] - 公司在风控体系上与母公司使用相同标准，进行自上而下的合规风控管理；在投资策略上与母公司形成互补，提供差异化产品 [2][10][12] 多资产策略产品体系 - 公司遵循多策略投资框架，产品体系涵盖固收策略、固收+策略、量化选股策略、量化衍生品策略、ETF轮动策略、波动增利策略、境外主题FOF策略等多个策略 [3][11] - 产品类型覆盖固定收益类产品、混合类产品、权益类产品、期货和衍生品类产品等 [3] 波动增利策略详解 - 波动增利策略是一种通过非线性网格交易实现指数投资增强的量化工具，核心是通过捕捉市场波动、利用期货折价和期权对冲来增厚收益，适合在震荡市、慢牛行情及下跌空间有限的结构市中替代传统雪球产品 [14][15] - 策略收益主要来自四个维度：通过日内高抛低吸操作获取波动收益；持有股指期货利用基差贴水获取收益；保留多头底仓获取指数长期上涨收益；闲置资金投资货币基金或债券基金获取现金收益 [16] - 策略运行基于量化技术驱动，使用奇异期权定价模型生成交易信号，并实现每日自动调仓和风险对冲，无人工干预 [17][18][19][20] - 策略历史回测（2016年1月4日至2024年12月31日）显示其具有收益增强和回撤控制优势，在2018年单边下跌行情中最大回撤远低于中证500指数的43.13% [22][24] - 与传统雪球产品相比，该策略优势在于超额收益全归投资者、最大回撤相对可控、产品成立后定期开放申赎支持补仓、以及至少每周披露产品实际净值的高透明度 [28] - 该策略主要适合能承受一定回撤、追求指数增强收益、并拥有6个月以上闲置资金的平衡型或进取型投资者 [30][31][32] 红利增强策略详解 - 红利增强策略为典型的固收+策略，债券类资产占比超80%，股票资产仓位在20%以内，必要时灵活运用衍生品，具备稳定低波特点 [34] - 策略债券部分采用信用精选策略并合理运用杠杆；股票部分采用量化选股红利增强策略，精选高股息、低波动标的进行收益增强 [34] - 策略选股模型注重持续分红行为（要求企业连续三年以上正常分红）、基本面因子运用（跟踪企业盈利、ROE等质量指标）以及股价低波上涨特征，以避免"价值陷阱" [39][40][41] - 历史回测（2014年5月19日至2025年10月10日）显示，在市场震荡或下行区间，该策略相比中证全指收益更高、波动和回撤更小；在市场上行区间，虽收益略低于指数，但仍提供可观绝对收益 [44][46] - 策略适合于投资风格偏保守、审慎、长期的投资者，在当前政策鼓励分红及债券收益率下行环境下，配置价值凸显 [37][46]

核心观点 - 上周（2025-10-09至2025-10-10）估值因子在主要宽基指数中表现突出，成为驱动指数增强策略超额收益的关键力量 [1] - 截至2025年10月10日，中证2000指数增强策略本年超额收益高达23.32%，显著高于其他宽基指数增强策略 [1][5] - 小盘风格指数（中证1000、中证2000）的增强产品本年超额收益普遍超过12%，明显优于大盘风格指数（沪深300、中证500）增强产品 [5] 公募指数增强基金表现 - 沪深300增强基金规模达772亿元，为各类宽基指数增强产品中规模最大，共有53只产品 [9] - 易方达沪深300精选增强A（010736.OF）本年收益32.31%，超额收益14.98%，在沪深300增强产品中排名第一 [10] - 鹏华中证500指数增强A（014344.OF）本年收益41.67%，超额收益12.46%，在中证500增强产品中表现最佳 [16] - 工银瑞信中证1000ETF增强（561280.SH）本年收益44.54%，超额收益18.09%，领跑中证1000增强产品 [21] - 汇添富国证2000指数增强A（019318.OF）本年收益46.5%，超额收益17.14%，在国证2000增强产品中排名第一 [26] 单因子表现 - 沪深300股票池内上周表现最好的单因子是BPROE分位数（2.41%）、单季度毛利润（2.3%）、单季度营业利润（2.1%） [36] - 中证500股票池内上周超额收益较好的因子是单季度EP倒数（1.69%）、BPROE分位数（1.54%）、单季度营业利润（1.46%） [37] - 中证1000股票池内市盈率（扣非）倒数因子上周超额收益达2.01%，单季度SP因子为1.95% [38] - 中证2000股票池内估值类因子表现强劲，市盈率（归母）倒数上周超额收益2.22%，单季度EP倒数达2.19% [39] - 全市场范围内，5分钟成交量偏度因子上周超额收益最高，达2.31%，市盈率（归母）倒数因子为2.27% [39] 大类因子表现 - 上周沪深300内大类因子表现前三为估值（2.6%）、市值（2.19%）、价量（2.15%） [45] - 中证500内表现较好的大类因子是估值（2.28%）、分析师（1.71%）、高频分钟（1.62%） [1] - 中证1000内估值因子表现最佳（2.52%），其次为市值（2.11%）和高频分钟（1.94%） [1] - 中证2000内估值因子超额收益达2.63%，高频分钟因子为2.18%，公司治理因子为1.89% [1] - 成长因子在沪深300股票池内本年表现突出，超额收益达26.03%，盈利因子为25.54% [45] 指数增强策略表现 - 沪深300指数增强策略本年收益22.81%，超额收益5.48%，超额最大回撤-3.15% [5] - 中证500指数增强策略本年收益30.56%，超额收益1.35%，超额收益最大回撤-5.01% [5] - 中证1000指数增强策略本年收益39.02%，超额收益12.56%，超额最大回撤-5.59% [5] - 中证2000指数增强策略表现最为亮眼，本年收益54.98%，超额收益23.32%，超额最大回撤-5.23% [5]

近年来，指数基金迎来大发展时代，越来越多的投资者开始关注低成本、高透明度的指数化投资工具。而在指数投资领域，指数增强基金逐渐成为市场焦 点——它们既具备指数基金的纪律性和分散性，又通过主动管理力争获得超额收益（Alpha）。 然而，过去几年中，随着市场有效性提升和量化策略同质化加剧，很多指数增强产品的超额收益明显下降，甚至出现超额收益衰减的现象。在这样的背景 下，来自安信基金的基金经理——施荣盛，却凭借其独特的"AI+机器学习"量化框架，实现了持续且稳定的超额收益。 积极拥抱AI的量化博士 施荣盛，经济学博士，拥有12年证券从业经验、5年公募基金管理经验；曾任职于东方证券资产管理有限公司量化投资部，2014年加入安信基金，从研究 员一路成长为量化投资部总经理助理。 施荣盛2023年8月24日起任职安信量化精选沪深300指数增强，截至2025年8月底，产品累计收益率为36.53%，相对沪深300累计超额14.89%，近一年累计 收益率为45.63%，相对沪深300累计超额10.24%。 安信量化精选沪深300指数增强在指标维度均表现优异，不仅实现了显著的超额收益表现，而且收益率、信息比率、Calmar、Shar ...

新基金发行市场概况 - 国庆长假后首个交易周有51只新基金扎堆发行，其中31只在同一天启动募集 [1] - 权益类产品在新发基金中占比高达82% [1] - 新基金募集份额上限差异显著，最高达80亿份，最低为3亿份 [2] 基金产品结构特征 - 被动指数型基金数量众多，覆盖科创创业、科创板50、港股通央企红利等多个主题 [2] - 行业主题ETF密集发行，涉及金融科技、港股通科技、通用航空、机器人等前沿领域 [2] - 混合型FOF和债劳型FOF产品同时出现，显示资产配置策略多元化 [2] 市场策略与资金动向 - 机构采取"两头押宝"策略，同时布局红利股和小微盘，银行板块涨超12%，微盘股指数飙升35% [3] - 财报季前后个股表现与业绩相关性提高，但可能成为机构"假摔"的操作窗口 [5] - 量化数据显示机构资金动向与股价表面走势可能背离，需穿透表象分析本质 [11] 投资行为分析 - 市场存在利用利空消息制造"假摔"和配合利好消息出货的"真跌"现象 [5][6] - 投资者容易陷入踏空焦虑、套牢恐惧等情绪化交易困境 [7] - 新基金平均认购期缩短至12.59天，显示发行节奏加快 [11] 量化分析应用 - 量化数据能有效识别机构资金持续活跃与撤离的区别，不受情绪影响 [11][13] - 建议用量化工具分析基金底层资产，关注机构真实动向而非宣传口径 [13] - 投资应基于数据判断，而非追逐市场热点和表面消息 [12]

看着永赢科技智选194.49%的年化收益率，我的鼠标在K线图上反复滑动。这组数字太过耀眼，以至于让人忽略了背后潜藏的风险。就像黄浦江畔的霓虹， 越是璀璨夺目，越容易掩盖水下的暗流。 创金合信魏凤春的预警犹在耳边："AI热度接近阶段性高点"。这让我想起2015年创业板泡沫破裂前的场景——当时所有人都在谈论"互联网+"，就像现在言 必称"AI革命"。但量化数据不会说谎，当"游资抢筹"与"机构震仓"同时出现时，市场往往处于微妙时刻。 十年前我刚接触量化投资时，总被表面的涨跌迷惑。直到某天发现同样的K线形态下，资金行为可能截然相反。就像外滩的万国建筑，游客看到的是风情万 种的历史风貌，老上海人却能从砖缝里读出百年沧桑。 左侧的走势图看似平淡无奇，右侧的量化数据却揭示出惊人真相："游资抢筹"的红色柱体与"机构震仓"的蓝色波段交织，像极了南京路步行街上明争暗斗的 商业博弈。这种背离现象在今年三季度频繁出现，恰与42只翻倍基金悄然调仓的时间点吻合。 当多数人还沉迷于科技股的神话时，"AI的尽头是能源"这句话点醒了我。10月10日美股暴跌时铀矿股的异动，像静安寺的晨钟暮鼓般发人深省。长城基金储 雯玉的组合很有意思——左手半导 ...

报告行业投资评级 未提及 报告的核心观点 T0 策略因风险暴露低、收益回撤比高受关注，股指期货为 T0 策略提供更有利载体；采用日内走势形态预测 + 日内 CTA 框架构建策略，利用 K - Shape 算法归类走势，用神经网络架构预测标签，叠加适配走势类型的日内 CTA 基策略，可实现较高收益回撤比，整体策略费后年化收益可达 11.19%、回撤 3.62%，IM 上单独实施收益可达年化 30%以上 [1][92][93] 根据相关目录分别进行总结 1 股指期货 T0 策略特征解析 1.1 从股票到股指的 T0 策略 - 股票 T0 策略现状：国内股票市场为 T + 1 交易制度，个股 T0 交易依赖底仓或融券，融券 T0 受限但底仓 T0 仍有效；T0 策略收益与标的换手率及日内振幅相关，单笔收益低，靠高频次交易、严格止损和高信号胜率盈利；分为人工 T0 和程序化 T0，程序化 T0 收益稳定但弹性低；历史数据显示，股票 T0 策略年化收益率 5% - 20%，最大回撤小，许多产品小于 1%；已有成熟第三方服务商与券商合作，为投资者提供收益增厚服务 [9][12][13][14] - 股指期货 T0 策略的优势：股指期货实行 T + 0 交易制度，无需借券或底仓，能低成本规避 Beta 暴露；主力合约流动性高、振幅充足，交易成本低，采用保证金交易制度自带杠杆；盘口价格稳定性更高，滑点影响更小 [16][18] - 对于多资产、多策略配置的意义：股指期货 T0 收益来源与传统资产差异大，能提供免费杠杆和空方收益，扩展资产配置可能性；在理财收益率走低环境中是较好的收益补充；其高胜率低回撤和收益来源异质化特性，能提升传统资产配置的收益风险特征 [19][21] 1.2 股指期货 T0 策略范式探讨 - T0 策略与传统交易策略区别：开仓与平仓有时间限制，决策空间逐步收窄，未及时平仓的亏损头寸会成实际亏损；易受高频信息流冲击，需严格交易纪律 [23] - 具体实现逻辑：基于订单簿的微观结构策略，通过分析买卖盘口高频数据预测短期价格走势；动量 / 反转与统计套利策略，基于金融时序统计规律，交易频率中低；机器学习 / 深度学习与传统范式结合，能自动从海量数据中学习复杂非线性模式，预测能力远超传统统计模型 [25][26][27] 2 基于日内走势模式预测的 T0 框架 2.1 时间序列聚类算法梳理 - DTW + K - Means：DTW 算法衡量时间序列相似性，可克服局部平移、缩放、周期不变性，将其带入 K - Means 算法实现指数日内形态聚类，但簇中心计算易受异常值影响，计算复杂度高 [33][39][40] - K - Shape：专为时间序列聚类设计，使用基于形状的距离度量标准，具有平移和缩放不变性，计算效率和簇中心表达更具优势；对沪深 300 历史日内走势聚类，簇中心更平滑且与簇平均相似度更高 [41][45] 2.2 K - Shape 算法在股指现货的聚类表现 对上证 50、沪深 300、中证 500、中证 1000 日内走势聚类，初始聚类 20 类有较多重复，核心走势四类；选择 K = 8 并显式给定簇中心初始值，聚类结果稳定，最终将走势形态聚类减少为三类：趋势上涨、趋势下跌、震荡 [48][53][65] 2.3 基于深度学习的走势形态标签预测 对于中低频 T0 策略，预测走势类型比预测收益率更有意义；采用 MLP + GRU 的神经网络架构结合日频截面与高频时序信息进行标签预测，验证集胜率可由自然的 33%提升至 40%；样本外准确率一个季度后衰竭较快，需每季度重新训练 [57][65][67] 2.4 T0 基线策略：日内 ATR 突破 以日内 ATR 突破策略为 T0 基线策略，利用波动率聚集效应，以近期波动幅度设置开仓、止盈、止损阈值；策略对交易费率敏感，不同指数在不同费率下收益表现不同；策略日胜率在 50%上下，收益很大程度依靠赔率 [72][75][82] 2.5 基于走势形态预测的股指期货 T0 策略 通过走势形态预测适配基策略的调用与否与调用参数，可提升策略收益；样本外四个合约等权配置下，策略收益由年化 6.65%提升至 11.19%，最大回撤由 7.45%降低至 3.62%；IM 合约策略收益由年化 31.33%提升至 34.83%，最大回撤 7.15%增加至 7.89% [84][87][90] 2.6 总结与展望 T0 策略受投资机构关注，股指期货 T0 是更有利载体；采用日内走势形态预测 + 日内 CTA 框架构建策略，收益回撤比较高；未来可从输入更多信息提升走势类型预测效果、开发反转的日内 CTA 基策略两方面探索 [92][93][96]

根据研报内容，总结如下： 量化模型与构建方式 1. LPPL模型 - **模型构建思路**：用于识别市场泡沫和判断价格走势的临界点，通过拟合价格在泡沫期的对数周期性幂律行为来预测趋势反转[1][7][18] - **模型具体构建过程**：研报中未提供LPPL模型的具体构建公式和参数细节，但提到该模型显示创业板、科创50自6月份以来的上涨短期内已基本见到顶部[1][7][18] 2. A股景气指数模型 - **模型构建思路**：以上证指数归母净利润同比为Nowcasting目标构建A股景气度高频指数，用于观测宏观经济景气周期[29] - **模型具体构建过程**：研报中未提供A股景气指数的具体构建公式，但提到该指数用于跟踪景气下行周期和上升周期[29] 3. A股情绪指数模型 - **模型构建思路**：基于市场波动率和成交额的变化方向构造情绪指数，将市场划分为四个象限来识别情绪状态[33] - **模型具体构建过程**：将市场按照波动率和成交额的变化方向划分为四个象限，其中波动上-成交下的区间为显著负收益，其余都为显著正收益，据此构造A股情绪指数（包含见底预警与见顶预警）[33] 4. 主题挖掘算法 - **模型构建思路**：根据新闻和研报文本挖掘主题投资机会，通过文本处理、主题关键词提取、主题个股关系挖掘等多维度描述主题投资机会[47] - **模型具体构建过程**：通过对文本处理，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描述主题投资机会[47] 5. 风格因子模型 - **模型构建思路**：参照BARRA因子模型，对A股市场构建十大类风格因子，用于风格分析和收益归因[56] - **模型具体构建过程**：构建的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] 量化因子与构建方式 1. 行业因子 - **因子构建思路**：基于不同行业的市场表现构建因子，用于分析行业相对市场市值加权组合的超额收益[57] - **因子具体构建过程**：研报中提及有色金属、钢铁、国防军工等行业因子相对市场市值加权组合跑出较高超额收益，消费者服务、银行等行业因子回撤较多[57] 2. 风格因子 - **因子构建思路**：基于BARRA框架构建十大类风格因子，用于分析市场风格特征和收益来源[56][57] - **因子具体构建过程**：包括市值、BETA、动量、残差波动率、非线性市值、估值、流动性、盈利、成长和杠杆等十大类因子[56] 模型的回测效果 1. 中证500增强组合 - **本周表现**：收益1.08%，跑赢基准1.27%[47] - **长期表现**：2020年至今，组合相对中证500指数超额收益53.54%，最大回撤-5.73%[47] 2. 沪深300增强组合 - **本周表现**：收益率-0.35%，跑赢基准0.17%[53] - **长期表现**：2020年至今，组合相对沪深300指数超额收益38.74%，最大回撤-5.86%[53] 3. A股情绪指数系统 - **当前信号**：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[35][38] 因子的回测效果 1. 风格因子近期表现 - **价值因子**：超额收益较高[57] - **Beta因子**：呈较为显著的负向超额收益[57] - **残差波动率因子**：呈较为显著的负向超额收益[57] - **杠杆因子**：高杠杆股表现优异[57] - **成长因子**：高成长股表现优异[57] 2. 行业因子近期表现 - **正向超额收益**：有色金属、钢铁、国防军工等行业因子相对市场市值加权组合跑出较高超额收益[57] - **负向超额收益**：消费者服务、银行等行业因子回撤较多[57]

市场整体表现 - 2024年9月A股三大股指续创年内新高，但分化加大，上证指数微涨0.64%，深证成指和创业板指表现强势，涨幅分别为6.54%和12.04% [2] - 在此市场背景下，百亿私募旗下共有429只成立满一年的产品净值创历史新高，约占展示产品总数的80.49% [2] - 创新高产品中，量化产品有263只，非量化产品有166只 [2] 百亿私募产品策略分布 - 按一级策略划分，股票策略产品数量最多，有364只，占比约84.85%，其中量化多头209只，主观多头142只 [2] - 其他策略产品包括多资产策略43只、债券策略14只、期货及衍生品策略6只、组合基金产品2只 [2] 旗下产品全部创新高的百亿私募 - 有14家百亿私募旗下所有成立满一年的产品在9月份净值全部创下历史新高 [3] - 这14家私募中，量化私募占8家，主观私募占4家，“主观+量化”混合类私募占2家 [3] - 从核心策略看，12家为股票策略私募 [3] 近一年收益领先的百亿私募 - 旗下产品近一年收益均值居前5的百亿私募依次是：灵均投资、复胜资产、开思私募、宁波幻方量化、诚奇资产 [4] - 量化巨头灵均投资有3只展示产品，近一年收益均值位列第一 [5] - 灵均投资投研团队硕博人数占比超过85%，核心团队人员从业10年以上，自2015年起持续深耕基本面因子研究以构建差异化优势 [6] 高比例产品创新高的百亿私募 - 黑翼资产、日斗投资、东方港湾、聚宽投资、天演资本等5家百亿私募均有90%以上的产品在9月创历史新高 [6] - 茂源量化、玄元投资、银叶投资、金戈量锐、龙旗科技、启林投资、稳博投资等7家百亿私募均有80%以上的产品在9月创历史新高 [6] - 东方港湾有74只产品创新高，数量最多，占比接近94%，其成功主要源于对AI赛道的坚定看好，其海外基金重仓美股AI巨头，二季度末持股市值合计11.26亿美元 [7][8] 创新高产品近一年收益排名 - 创新高百亿私募产品近一年收益前20强的上榜门槛较高，其中量化多头产品占15只 [9] - 近一年收益前5的产品分别来自：久期投资、黑翼资产、博润银泰投资、灵均投资、复胜资产 [9] - 冠军产品是久期投资吴旭管理的宏观策略产品“久期宏观多策略”，该产品近三年和近五年收益也名列前茅 [11] - 久期投资共有9只展示产品，其中7只在9月份创新高，其投研团队在多种资产类别上配置完整且稳定 [11] 创新高产品近三年收益排名 - 创新高百亿私募产品近三年收益20强中，量化多头产品占11只，主观多头产品占7只 [12] - 近三年收益前5的产品分别来自：久期投资、银叶投资、开思私募、阿巴马投资、博润银泰投资 [12] - 茂源量化旗下郭学文管理的量化选股产品“凡二量化选股3号1期A类份额”近三年收益位列第8名，公司管理规模超200亿元，拥有行业领先的模块化投研平台 [13][14] 创新高产品近五年收益排名 - 创新高百亿私募产品近五年收益20强中，量化多头产品占13只，主观多头产品占6只 [15] - 近五年收益前5的产品分别来自：复胜资产、开思私募、日斗投资、久期投资，且日斗投资占据两席 [15] - 冠军产品是复胜资产陆航管理的主观选股产品“复胜正能量二号” [17] - 复胜资产旗下7只展示产品在9月份全部创新高，其前3季度收益均值在旗下产品全部创新高的百亿私募中位列第1，公司对后续市场表现持乐观态度 [17]

新基金发行规模与热度 - 本周共有51只新基金启动募集，发行热度高企 [2] - 新基金平均认购天数为12.59天，较此前明显缩短 [5] - 有27只基金明确了募集目标，其中8只基金将募集目标设定为80亿份 [6] 新基金发行时间分布 - 周一有31只新基金发行，占本周新基金总数的60.78% [3][4] - 周二无新基金启动募集，周三、周四和周五分别有12只、4只、4只基金开始认购 [4] - 认购天数最长为21天，最短为2天（两只公募REITs产品） [4][6] 权益类基金主导发行市场 - 权益类基金共有42只，占本周新基金总数的82.35% [7][8] - 指数型股票基金有28只，在权益基金中占66.67% [8] - 主动权益基金有14只，包括11只混合型基金和3只普通股票型基金 [8] 指数基金产品布局特点 - 多只港股通相关指数基金新发，如国联中证港股通综合指数增强、摩根恒生港股通50ETF等 [8] - 跟踪科创板、创业板相关指数的新发基金较多，包括宽基和行业主题产品 [8] - 被动指数型基金募集目标较高，4只设定了80亿份的募集上限 [6] 主动权益基金投资策略 - 多只量化主题产品齐发，如苏新睿见量化选股、万家智胜量化选股等 [9] - 投资方向多点开花，涵盖科技成长、均衡价值、红利高股息等主题 [9] - 反映出公募基金公司的差异化布局策略 [9] 债券基金发行情况 - 本周仅有3只债券型基金新发，包括2只混合二级债基和1只中长期纯债基金 [9] - 随着权益市场回暖，债券基金发行热度明显下降 [9] - "固收+"基金相对较受关注，新发产品持续上架 [9] 市场趋势与行业展望 - 新基金发行市场明显好转，权益类产品发行难度有所降低 [9] - 若行情持续向好，投资风险偏好将持续提升，公募发行市场有望持续回暖 [9] - 除了指数基金外，主动权益类基金也将重回投资视野 [9]

根据研报内容，本报告主要涉及对市场风格、估值、资金面等状态的跟踪和描述，并未详细阐述具体的量化模型或量化因子的构建过程、公式及回测结果。报告的核心是展示各类市场指标的当前水平和历史分位。 量化因子与构建方式 **1 因子名称：风格拥挤度**[36][122] * **因子构建思路**：通过计算风格指数相对于市场整体（万得全A）的换手率活跃度差异，并观察其在历史序列中的位置，来衡量该风格交易的拥挤程度[36][122] * **因子具体构建过程**： 1. 计算风格指数和万得全A指数近n个交易日（n=63，即近一个季度）的日均换手率[122] 2. 分别在各自的历史时间序列（滚动窗口为6年）上对换手率进行z-score标准化[122] 3. 将风格指数的标准化换手率减去万得全A的标准化换手率，得到差值[122] 4. 计算该差值在滚动y年（y=6）历史序列中的分位值，即为风格拥挤度历史分位[122] **2 因子名称：风格指数累计超额净值**[25][123] * **因子构建思路**：通过计算风格指数相对于万得全A指数的累计净值表现，来衡量风格的长期超额收益情况[25][123] * **因子具体构建过程**： 1. 以2016年1月4日为基准日，将风格指数和万得全A指数的每日收盘价除以基准日的收盘价，分别得到各自的累计净值[123] 2. 将风格指数的累计净值除以同一交易日的万得全A指数累计净值，得到该风格指数相对于万得全A的累计超额净值[123] **3 因子名称：机构调研活跃度**[104][124] * **因子构建思路**：通过计算板块、指数或行业相对于市场整体的机构调研热度差异，并观察其在历史序列中的位置，来衡量机构关注度的变化[104][124] * **因子具体构建过程**： 1. 计算板块（指数、行业）和万得全A近n个交易日的“日均机构调研次数”[124] 2. 分别在各自的历史时间序列（长期口径滚动窗口为6年，短期口径为3年）上对调研次数进行z-score标准化[124] 3. 将板块的标准化调研次数减去万得全A的标准化调研次数，得到“机构调研活跃度”[124] 4. 计算该活跃度在滚动y年（长期口径y=6，短期口径y=3）历史序列中的分位数[124] * **长期口径参数**：n取126（近半年）[124] * **短期口径参数**：n取63（近一季度）[124] **4 因子名称：股债风险溢价（ERP）**[72] * **因子构建思路**：通过计算股票指数市盈率的倒数与无风险收益率（10年期国债到期收益率）的差值，来衡量投资股票市场相对于债券市场的超额回报预期，即股债性价比[72] * **因子具体构建过程**： 1. 计算指数的ERP值，公式为： $$指数ERP = \frac{1}{指数PE\_TTM} - 10年期中债国债到期收益率$$[72] 2. 计算该ERP值在历史序列（2010年1月1日至今）中的分位值[72][79] 因子与模型的效果指标取值 **1 风格拥挤度历史分位（截至本周末）**[36] * 成长风格：25%[36] * 红利风格：36%[36] * 小盘风格：56%[36] * 大盘风格：98%[36] * 微盘股风格：7%[36] * 基金重仓风格：95%[36] **2 风格指数表现（近一周）**[25] * 中证红利绝对收益：1.8%[25] * 国证成长绝对收益：-1.4%[25] * 成长较红利超额收益：-3.2%[25] * 巨潮小盘绝对收益：-0.2%[25] * 巨潮大盘绝对收益：-0.6%[25] * 小盘较大盘超额收益：0.3%[25] * 万得微盘股绝对收益：0.5%[25] * 基金重仓绝对收益：-0.6%[25] * 微盘股较基金重仓超额收益：1.0%[25] * 长江动量绝对收益：-3.3%[25] * 长江反转绝对收益：-0.3%[25] * 动量较反转超额收益：-3.0%[25] **3 机构调研活跃度历史分位（长期口径，截至本周末）**[106] * 沪深300：49%[106] * 中证500：64%[106] * 创业板：54%[106] * 上游周期板块：99%[106] * 金融板块：2%[106] * 有色金属行业：97%[106] * 钢铁行业：97%[106] * 交通运输行业：95%[106] * 医药行业：4%[106] * 银行行业：5%[106] * 机械行业：13%[106] **4 估值水平（PE_TTM历史分位，截至本周末）**[70] * 万得全A：92%[70] * 沪深300：81%[70] * 中证500：75%[70] * 创业板：42%[70] * 消费板块：15%[70] * 医药板块：87%[70] * TMT板块：63%[70] **5 股债性价比（ERP历史分位，截至本周末）**[79] * 万得全A：44%[79] * 沪深300：46%[79] * 中证500：65%[79] * 创业板：84%[79] * 消费板块：94%[79] * 医药板块：83%[79] * 金融板块：58%[79]