大小盘轮动模型 - 中长期A股大小盘轮动周期为几年一次，年内2、3、5、8月小盘占优，1、4、12月大盘占优[2][15] - 量化模型从6个维度构建，回测期（2013/12-2024/09）年化超额收益17.45%[2] - 2025年7月底模型信号0.5指向小盘风格，建议8月继续超配小盘[2][61] - 当前市值因子估值价差1.1显示小盘风格未拥挤，中长期看好小盘[2] 价值成长轮动模型 - A股价值成长轮动频繁，6、10月成长占优，4、8、12月价值占优[3][73] - 月度模型从3个维度构建，年化超额收益8.8%[3][109] - 2025年7月底模型信号-0.33指向价值风格，建议8月切换超配价值[3][127] - 周度模型通过深度学习因子构建，年化超额收益7.19%[3] 风险提示 - 量化模型基于历史数据构建，存在历史规律失效风险[5]

牛市主升浪前期判断依据 - 市场换手率尚未达到牛市初期高点 当前换手率比2024年10月8日高点低很多 [1][4] - 历史数据显示牛市主升浪期间换手率会快速上升 2006-2007年从1.5%涨至6% 2014年从1%以下涨至4%以上 [2] - 2025年4月以来小盘风格持续占优 符合牛市主升浪前期特征 后期可能转向大盘股领涨 [1][7][11] 股权融资规模特征 - 牛市主升浪期间股权融资规模通常快速放量 2005-2007年和2013-2015年牛市均出现此现象 [1][12] - 2025年7月股权融资规模恢复至661亿 但增速较慢 6月5000亿异常值主要来自银行定增 [12] 下半年市场趋势展望 - 2024年10月-2025年6月宽幅震荡特征类似2013-2014年和2019年 预示全面牛市概率大 [16] - 政策预期增强将推动居民资金入场 利空反应迅速而利多反应积极 中报波动难改主升浪趋势 [16] 行业配置建议 - 金融板块从银行转向非银 牛市环境下非银业绩弹性更大 [19] - 有色金属受经济波动影响小 黄金稀土等地缘敏感品种有表现机会 [19] - AI应用端和传媒估值性价比显现 军工存在持续主题催化 [19] - 周期板块（钢铁/建材/化工）受益于稳供给政策预期 [19] 近期市场表现 - 创业板50周涨9.9%领涨 上证50仅涨1.57% [21] - 通信（7.66%）、电子（7.02%）、非银金融（6.48%）涨幅居前 银行（-3.19%）表现最差 [21] - 氢能源概念暴涨17.51% 太阳能概念下跌6.49% [21]

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. **模型名称**：三维复合不定期择时信号 **模型构建思路**：通过信贷脉冲（经济基本面）、Beta离散度（整体情绪）、交易量能（结构风险）三个核心维度构建择时体系，分别对应平衡指标、高赔率指标、高胜率指标[12] **模型具体构建过程**： - 信贷脉冲：采用信贷脉冲环比变化分位数，反映经济基本面边际变化 - Beta离散度：计算市场个股Beta值的离散程度，衡量情绪分化水平 - 交易量能：基于成交额分位数构建量能情绪指标 **模型评价**：样本内择时效果优秀，2025年6月样本外跟踪持续有效[12] 2. **模型名称**：周度择时策略（VERSION2） **模型构建思路**：优化基本面信号处理方式，替换PMI和中长期贷款余额指标[15] **模型具体构建过程**： - PMI信号改为直接判断是否大于50（原为分位数法） - 用信贷脉冲环比变化分位数替代中长期贷款余额同比增速 **模型评价**：新版本在信贷周期改善阶段表现更优，但2021-2023年信号稳定性略有下降[15] 3. **模型名称**：成长价值轮动模型 **模型构建思路**：基于盈利周期、利率周期、信贷周期三因素构建风格轮动框架[29] **模型具体构建过程**： - 基本面：盈利斜率（成长）、利率水平（价值）、信贷变化（价值） - 估值面：PE/PB估值差分位数均值回归效应 - 情绪面：换手差和波动差分位数分析 **模型评价**：2012年以来年化超额收益4.73%，但2025年暂时跑输基准[32] 4. **模型名称**：小盘大盘轮动模型 **模型构建思路**：与成长价值模型共享经济周期框架，侧重市值风格切换[33] **模型具体构建过程**： - 估值差分析：小盘大盘PE/PB分位数（93.88%/97.67%） - 情绪指标：换手差（81.01%分位数利好小盘）[35] 5. **模型名称**：四风格轮动模型 **模型构建思路**：整合成长价值和小盘大盘模型，形成小盘成长/价值+大盘成长/价值四象限配置[37] **模型具体构建过程**： - 当前配置比例：小盘成长37.5%+小盘价值12.5%+大盘成长37.5%+大盘价值12.5% **模型评价**：2012年以来年化超额5.72%，但2025年超额-3.26%[38] 模型的回测效果 1. **三维复合择时模型**： - 年化收益21.26% | 年化波动14.46% | 最大回撤12.80% | 夏普比率126.76 | 年化超额13.39%[14] 2. **周度择时策略（VERSION2）**： - 2025年样本外收益22.82% | 最大回撤11.74% | 夏普比率1.5273[25] - 全区间年化收益17.83% | 超额13.24% | 最大回撤22.44%[27] 3. **成长价值轮动模型**： - 全区间年化收益11.76% | 超额4.73% | 最大回撤43.07%[32] 4. **小盘大盘轮动模型**： - 全区间年化收益12.45% | 超额5.21% | 最大回撤50.65%[36] 5. **四风格轮动模型**： - 全区间年化收益13.37% | 超额5.72% | 最大回撤47.91%[38] 量化因子与构建方式 1. **因子名称**：信贷脉冲环比变化 **因子构建思路**：反映经济基本面边际变化的领先指标[15] **因子具体构建过程**： $$ \text{信贷脉冲}_t = \frac{\Delta \text{信贷余额}_t}{\text{GDP}_t} - \text{移动平均}(\frac{\Delta \text{信贷余额}}{\text{GDP}}, n) $$ 取环比变化分位数作为标准化信号 2. **因子名称**：Beta离散度 **因子构建思路**：衡量市场情绪分化程度[12] **因子具体构建过程**： $$ \text{离散度} = \sqrt{\frac{1}{N}\sum_{i=1}^N (\beta_i - \bar{\beta})^2} $$ 其中$\beta_i$为个股相对市场Beta值 3. **因子名称**：量能情绪得分 **因子构建过程**： - 计算成交额60日均值 - 当前成交额/60日均值分位数作为标准化信号[21] 因子的回测效果 1. **信贷脉冲因子**： - 年化收益11.36% | IR 3.49 | 最大回撤16.75%[14] 2. **Beta离散度因子**： - 年化收益13.08% | IR 5.21 | 最大回撤33.64%[14] 3. **交易量能因子**： - 年化收益15.58% | IR 7.71 | 最大回撤26.19%[14]

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. **模型名称**：转债综合估值因子 **模型构建思路**：通过结合转股溢价率偏离度和理论价值偏离度（蒙特卡洛模型）两个因子，构建综合估值因子以衡量转债的估值水平[19] **模型具体构建过程**： - 转股溢价率偏离度 = 转股溢价率 − 拟合转股溢价率（衡量转股溢价率相对于拟合值的偏离度） - 理论价值偏离度 = 转债收盘价 / 理论价值 - 1（蒙特卡洛模拟计算理论价值，考虑转股、赎回、下修、回售条款） - 综合估值因子公式： $$Rank（转股溢价率偏离度） + Rank（理论价值偏离度）$$ **模型评价**：综合因子在偏股、平衡、偏债转债中表现稳健，尤其适用于平衡型和偏债型转债[19][20] 2. **模型名称**：转债风格轮动模型 **模型构建思路**：基于市场情绪指标（动量+波动率偏离度）对低估风格指数进行动态配置[26] **模型具体构建过程**： - 计算单个转债的20日动量和波动率偏离度 - 在低估风格指数内部取中位数作为市场情绪指标 - 轮动规则：按指标逆序排名，优先配置排名低的风格；若排名相同则等权配置，全选时默认配置平衡低估风格 - 公式： $$Rank（转债20日动量） + Rank（波动率偏离度）$$ **模型评价**：通过动态调整风格暴露，显著提升组合收益风险比[26][27] --- 量化因子与构建方式 1. **因子名称**：转股溢价率偏离度 **因子构建思路**：衡量实际转股溢价率与拟合值的差异[20] **因子具体构建过程**： - 截面拟合转股溢价率与转股价值的关系曲线（公式见附录） - 偏离度 = 实际值 − 拟合值 **因子评价**：在全域和分域中均具有稳定区分能力[20] 2. **因子名称**：理论价值偏离度（蒙特卡洛模型） **因子构建思路**：通过期权定价模型计算转债理论价值与实际价格的差异[20] **因子具体构建过程**： - 蒙特卡洛模拟10000条路径，考虑条款约束 - 使用同信用同期限利率作为贴现率 - 偏离度 = 市场价格 / 理论价值 - 1 **因子评价**：在偏股型转债中表现突出[20] 3. **因子名称**：百元转股溢价率 **因子构建思路**：标准化转股价值=100时的溢价率，用于时序比较[4][43] **因子具体构建过程**： - 拟合公式： $$y_{i}=\alpha_{0}+\,\alpha_{1}\cdot\,{\frac{1}{x_{i}}}+\epsilon_{i}$$ - 代入x=100计算百元溢价率 4. **因子名称**：修正YTM - 信用债YTM **因子构建思路**：剥离转股条款影响，比较偏债转债与信用债的真实收益差[5][44] **因子具体构建过程**： - 修正YTM = 转债YTM × (1−转股概率) + 预期转股收益 × 转股概率 - 转股概率通过BS模型计算 - 取截面中位数作为市场整体性价比指标 --- 模型的回测效果 | 模型/指数 | 年化收益 | 年化波动 | 最大回撤 | IR | 卡玛比率 | 月度胜率 | |--------------------------|----------|----------|----------|-------|----------|----------| | 偏股转债低估指数 | 26.10% | 20.55% | -22.94% | 1.27 | 1.14 | 62.22% | | 平衡转债低估指数 | 14.80% | 11.82% | -15.95% | 1.25 | 0.93 | 62.22% | | 偏债转债低估指数 | 13.37% | 9.43% | -17.78% | 1.42 | 0.75 | 57.78% | | 转债风格轮动组合 | 25.27% | 16.68% | -15.89% | 1.51 | 1.59 | 65.56% | | 原风格指数（等权基准） | 9.75% | 11.66% | -20.60% | 0.84 | 0.47 | 60.00% | 数据来源：[23][30][32] --- 因子的回测效果 1. **低估值增强效果**（近3周）： - 偏股转债超额：-2.62% - 平衡转债超额：-0.41% - 偏债转债超额：0.20% 数据来源：[22] 2. **估值因子分位数**： - 百元转股溢价率：滚动5年分位数94.9%[4][16] - 修正YTM差：中位数-2.36%[5][16]

市场表现 - A股港股持续上涨 大盘回到4 5星水平 [1][2] - 中证全指等指数突破去年10月1日高点 [3] - 中小盘股表现优于大盘股 成长风格指数如创业板大幅领涨 [4][5][7] - 价值风格相对疲弱 红利指数微跌 [8][9] - 市场呈现价值与成长风格轮动特征 [10][11] 经济数据与政策影响 - 美国7月非农就业增加7 3万人 大幅低于预期的10 4万人 且5-6月数据分别从14 4万/14 7万下修至1 9万/1 4万 [16][17][19] - 美国7月CPI同比上升2 7% 低于预期 叠加24%关税暂停90天的政策 提升美联储9月降息预期 [21][22][23][25] 利率与资产配置 - 利率下降直接利好债券市场 间接利好股票市场 [26][27][29] - 非美元资产在降息周期中受益更显著 如2020-2021年港股牛市与2023年A股港股快速上涨 [30][32][33][34] - 美元10年期国债收益率历史均值2-3% 当前4%出头 未来或回归常态 [40][43][44] - 利率波动属中短期影响因素 对长期投资影响有限 [45][48] 指数估值数据 - 沪港深红利低波指数盈利收益率10 02% 市盈率9 98倍 股息率3 69% [57] - 港股科技指数市盈率43 28倍 市净率3 56倍 股息率0 59% [57] - 创业板指数市盈率34 87倍 市净率4 54倍 股息率1 01% [57] - 标普500指数市盈率24 92倍 市净率5 34倍 股息率1 20% [57] 工具与策略 - 「今天几星」小程序新增ETF估值表功能 支持实时折溢价率查询与历史数据回溯 [49][50] - 投资需逆人性操作 市场低迷期是积累优质资产的机会 [53][54]

报告行业投资评级 - 中信五风格-周期★☆☆，一颗星代表偏多，判断趋势有上涨驱动，但盘面可操作性不强 [4] 报告的核心观点 - 截至2025/08/08当周，通联全A（沪深京）、中证综合债与南华商品指数周度涨跌幅分别为1.94%、0.03%、 -0.36%；公募基金市场近一周指数增强策略收益领先，周度涨幅达1.65%；权益类产品中市场中性策略整体涨多跌少；可转债收益回升，短期与中长期纯债基金涨幅放缓；商品类基金中能源化工ETF延续弱势，贵金属收益反弹，白银ETF净值显著上行3.84% [4] - 中信五风格上周五风格指数收涨，周期风格收益领跑，涨幅为3.49%；风格轮动图显示金融与周期风格小幅回升，指标动量层面五风格均走强；消费风格基金超额回暖，周度超额收益率为1.06%，周期风格基金平均收益未跑赢基准；部分消费风格基金向成长风格有所偏移，市场拥挤度位于历史偏高拥挤区间 [4] - 近一周ALPHA因子收益表现较优，周度超额收益率为0.34%，估值与残差波动率因子收益转弱；反转类因子边际走强，盈利与流动性因子小幅走低；本周因子截面轮动速度环比回升，位于历史偏低分位区间 [4] - 根据风格择时模型评分结果，本周周期与金融风格环比回升，消费风格回落，信号偏向周期风格；上周风格择时策略收益率为0.77%，对比基准均衡配置超额收益率为 -1.02% [4] 根据相关目录分别进行总结 近期市场收益 - 展示通联全A（沪深京）、中证综合债（净）、南华商品的周度、月度、季度、半年度收益率数据 [6] - 展示近一年公募基金产品成立规模的单月数据及月度环比数据 [6] - 展示公募基金主要策略指数近三月最大回撤和周度收益率数据 [6] 中信风格指数相关 - 呈现中信风格指数（金融、周期、消费、成长、稳定）净值走势 [8] - 给出中信风格指数相对轮动图及各风格近一周、上一周、近一月、近三月、近六月、近一年的相对强弱和相对强弱动量数据 [10] 基金风格指数相关 - 展示基金风格指数（美部、周期、消费、成长）近一周、上一周、近一月、近三月、近六月、近一年的超额收益表现 [12] - 呈现基金风格拥挤度数据（周期、成长、消费、金融） [13] Barra因子相关 - 展示本周Barra单因子风格偏好（金融、周期、消费、成长、稳定） [14] - 给出Barra单因子风格策略近一周、上一周、近一月的超额收益表现（估值、成长、盈利等因子） [15] - 呈现今年以来Barra单因子风格超额净值走势（估值、成长、盈利等因子） [16]

基金限购现象分析 核心观点 - 近期基金行业出现多类型产品集中限购现象，包括主动权益、量化策略、QDII等，限购行为从绩优产品扩散至多元策略产品，反映基金公司对资金管理、策略执行和行情预判的全面权衡 [1][7] - 限购动因从传统的业绩驱动（如防止资金过快涌入稀释收益）扩展到分红安排、份额调整、清盘准备等技术性原因，以及行业政策导向变化（如"限薪令"推动规模导向转向业绩导向） [5][6] - 限购潮背后隐含市场风格轮动预警，尤其是小盘股占优环境下量化策略面临规模与流动性矛盾，同时QDII产品因额度稀缺主动控制申购以稳定持仓 [7][8] 绩优产品限购特征 - 年内涨幅居前基金集中限购：中欧数字经济混合（年内涨超60%）、永赢睿信混合（涨46.91%）、信澳匠心回报混合（涨65.97%）等均设置100万元以下申购上限 [2] - QDII高弹性产品限购突出：汇添富香港优势精选（QDII）年内回报144.41%居市场第一，7月28日起暂停申购以避免非理性资金稀释收益 [3] - 量化策略产品规模敏感性强：诺安多策略上半年净值涨近60%，规模从7.72亿膨胀至25亿后启动5000元限购，防止策略失效 [3][4] 限购驱动因素分类 业绩与规模管理 - 广发成长领航一年持有混合（年内回报超90%）限制单日申购5万元，控制资金流入节奏 [3] - 国金量化多因子、招商成长量化等"绩优+小盘"策略产品因规模承载力有限，设置1万-500万元不等限额 [4] 技术性原因 - 广发均衡成长混合因新增F份额（直销专属）限制C类份额单日申购1万元、F份额15万元 [5] - 分红前限购防套利：海富通悦享一年、东方红欣和积极等基金在8月初分红前设限 [6] - 清盘风险隔离：大成丰华稳健六个月等发起式基金提前限制申购以避免放大清盘成本 [6] 行业政策影响 - "限薪令"推动激励模式从规模导向转向业绩导向，头部公募主动控制规模以保护净值表现和持有人利益 [6] 市场风格关联 - 小盘股行情下量化策略限购密集，如诺安多策略、国金量化多因子等面临"买不进卖不出"的流动性矛盾 [7] - QDII产品因额度稀缺主动限购（如汇添富香港优势精选），优先保障老持有人利益 [7] - 限购行为从"爆款信号"转变为基金公司成熟度的体现，强调合理节奏吸纳稳定资金 [8]

量化模型与构建方式 1. **模型名称：预期成长策略** - **构建思路**：通过分析师预期增速（gf）筛选高成长性行业，优先配置预期增速最高的资产[5][6] - **具体构建过程**： 1. 计算行业预期净利润增速 $$g_{fttm} = \frac{E_t[NI_{t+1}] - NI_t}{NI_t}$$，其中 $NI$ 为净利润，$E_t$ 为分析师预期[21][23] 2. 按 $g_{fttm}$ 排序，选取Top组行业（如无烟煤、电力电子等）[14][35] 3. 动态跟踪优势差 $\Delta gf = g_{fttm}^{Top} - g_{fttm}^{Bottom}$，确保头部资产趋势持续[21][23] 2. **模型名称：实际成长策略** - **构建思路**：基于业绩动量（$\Delta g$）筛选超预期行业，聚焦成长期资产[6][25] - **具体构建过程**： 1. 计算行业实际净利润增速 $$g_{ttm} = \frac{NI_t - NI_{t-1}}{NI_{t-1}}$$[25][27] 2. 结合超预期因子（sue、sur、jor）筛选 $\Delta g$ 最高的行业（如聚氨酯、PCB等）[38] 3. 监控优势差 $\Delta g = g_{ttm}^{Top} - g_{ttm}^{Bottom}$[25][27] 3. **模型名称：盈利能力策略** - **构建思路**：在PB-ROE框架下选择估值合理的优质资产[5][40] - **具体构建过程**： 1. 计算行业ROE及PB，回归残差 $$Residual = PB - \alpha \cdot ROE$$，选取低残差行业（如锂电池、啤酒等）[40] 2. 结合ROE优势差（$\Delta ROE$）判断基本面拐点[29] 4. **模型名称：质量红利策略** - **构建思路**：综合股息率（DP）和ROE筛选高分红且盈利稳定的资产[43] - **具体构建过程**： 1. 对行业DP和ROE标准化打分，加权求和 $$Score = w_1 \cdot DP + w_2 \cdot ROE$$[43] 2. 选取高分行业（如公交、玻璃纤维等）[43] 5. **模型名称：价值红利策略** - **构建思路**：结合股息率（DP）和市净率（BP）挖掘低估值高分红资产[47] - **具体构建过程**： 1. 计算行业DP和BP标准化值，加权排序[47] 2. 优选高分行业（如网络接配及塔设、非乳饮料等）[47] 6. **模型名称：破产价值策略** - **构建思路**：筛选低PB和小市值（SIZE）的潜在反转资产[51] - **具体构建过程**： 1. 计算行业PB和SIZE的逆序得分 $$Score = -w_1 \cdot PB - w_2 \cdot SIZE$$[51] 2. 选取最低分行业（如贸易Ⅲ、印染等）[51] --- 模型的回测效果 1. **预期成长策略**：年化收益26.70%，2019年后超额显著，2025年8月Top行业近3月平均收益32.58%（玻璃纤维）[16][35] 2. **实际成长策略**：长期超额显著，2025年8月Top行业近3月平均收益81.60%（PCB）[38] 3. **盈利能力策略**：2016-2020年超额显著，2025年8月Top行业近3月平均收益110.06%（网络接配及塔设）[40] 4. **质量红利策略**：2016-2017年超额显著，2025年8月Top行业近3月平均收益32.58%（玻璃纤维）[43] 5. **价值红利策略**：2021-2023年超额显著，2025年8月Top行业近3月平均收益110.06%（网络接配及塔设）[47] 6. **破产价值策略**：2021-2023年超额显著，2025年8月Top行业近3月平均收益17.24%（印染）[51] --- 量化因子与构建方式 1. **因子名称：预期净利润增速（$g_{fttm}$）** - **构建思路**：反映分析师对未来盈利增长的预期[21][23] - **具体构建**：$$g_{fttm} = \frac{E_t[NI_{t+1}] - NI_t}{NI_t}$$，滚动12个月计算[23] 2. **因子名称：实际净利润增速（$g_{ttm}$）** - **构建思路**：衡量历史业绩动量[25][27] - **具体构建**：$$g_{ttm} = \frac{NI_t - NI_{t-1}}{NI_{t-1}}$$，TTM口径[27] 3. **因子名称：PB-ROE残差** - **构建思路**：识别ROE驱动下被低估的资产[40] - **具体构建**：回归残差 $$Residual = PB - \hat{\alpha} \cdot ROE$$[40] 4. **因子名称：DP+ROE复合因子** - **构建思路**：兼顾分红与盈利质量[43] - **具体构建**：标准化后线性加权 $$Score = Z(DP) + Z(ROE)$$[43] 5. **因子名称：DP+BP复合因子** - **构建思路**：平衡分红与估值[47] - **具体构建**：标准化后加权 $$Score = Z(DP) + Z(BP)$$[47] --- 因子的回测效果 1. **$g_{fttm}$**：优势差（$\Delta gf$）扩张时策略超额显著，2025年8月Top组增速较Bottom组高15%[21][23] 2. **$g_{ttm}$**：优势差（$\Delta g$）缓升，2025年8月头部行业增速差7%[25][27] 3. **PB-ROE残差**：低残差组合在2016-2020年IR达1.2[40] 4. **DP+ROE**：2016年IR峰值1.5，2023年回升至0.8[43] 5. **DP+BP**：2021-2023年IR稳定在1.0以上[47]

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：信贷脉冲择时模型** - **模型构建思路**：基于企业中长期贷款TTM同比增速构建择时信号，利用信贷周期领先经济数据的特性进行市场趋势判断[14] - **模型具体构建过程**： 1. 计算企业中长期贷款TTM同比增速 2. 方向上行时满仓，方向下行时空仓[14] 3. 信号触发基于3-4年的信贷周期规律[14] - **模型评价**：历史表现优异，能有效规避市场大跌行情[14] 2. **模型名称：Beta离散度择时模型** - **模型构建思路**：通过衡量市场局部情绪过热程度进行月度择时[17] - **模型具体构建过程**： 1. 计算全市场个股Beta值的离散程度 2. 当指标超过历史阈值时提示风险[17] - **模型评价**：对市场极端情绪有较强识别能力[17] 3. **模型名称：交易量能择时模型** - **模型构建思路**：利用成交量与换手率布林带指标判断市场活跃度[17] - **模型具体构建过程**： 1. 计算60日成交量均值与标准差 2. 构建量能情绪得分（0-1标准化）[17] - **模型评价**：高频择时效果显著[17] 4. **模型名称：三指标复合择时模型** - **模型构建思路**：等权复合信贷脉冲、Beta离散度、交易量能三个指标[18] - **模型具体构建过程**： 1. 对三个指标进行标准化处理 2. 采用等权重加权综合信号 3. 不定期调仓（平均2周调整）[18] - **模型评价**：综合效果优于单指标[18] 5. **模型名称：成长价值轮动模型** - **模型构建思路**：结合基本面、估值面、情绪面信号进行风格配置[36] - **模型具体构建过程**： 1. 基本面信号：盈利斜率周期（成长）、利率周期（价值）、信贷周期（价值） 2. 估值面信号：PE/PB估值差分位数均值回归 3. 情绪面信号：换手差与波动差分析[36] - **模型评价**：多维度信号互补性强[36] 6. **模型名称：小盘大盘轮动模型** - **模型构建思路**：类似成长价值模型但侧重市值维度[41] - **模型具体构建过程**： 1. 盈利周期利好小盘，利率/信贷周期利好大盘 2. 估值面采用小盘大盘PE/PB差分位数 3. 情绪面分析换手差与波动差[41] 7. **模型名称：四风格轮动模型** - **模型构建思路**：整合成长价值和小盘大盘模型的输出[44] - **模型具体构建过程**： 1. 将成长价值和小盘大盘信号矩阵相乘 2. 生成小盘成长/价值、大盘成长/价值四个象限配置比例[44] 量化因子与构建方式 1. **因子名称：信贷脉冲因子** - **因子构建思路**：反映企业融资意愿的领先指标[14] - **因子具体构建过程**： $$ \text{信贷脉冲} = \frac{\text{企业中长期贷款TTM余额}}{\text{去年同期值}} - 1 $$ 采用HP滤波去趋势处理[14] 2. **因子名称：Beta离散度因子** - **因子构建思路**：捕捉市场非理性波动[17] - **因子具体构建过程**： $$ \text{Beta离散度} = \sqrt{\frac{1}{N}\sum_{i=1}^N (\beta_i - \bar{\beta})^2} $$ 其中$\beta_i$为个股相对全A指数的Beta值[17] 3. **因子名称：量能情绪因子** - **因子构建思路**：标准化市场交易活跃度[17] - **因子具体构建过程**： 1. 计算60日成交量布林带上下轨 2. 当前成交量相对布林带位置标准化为0-1分[17] 模型的回测效果 1. **信贷脉冲择时模型** - 年化收益率：10.83%（2009-2025）[14] - 最大回撤：显著低于基准[14] 2. **Beta离散度择时模型** - 年化收益率：13.12%（2013-2025）[17] - IR：1.25[17] 3. **交易量能择时模型** - 年化收益率：14.33%（2013-2025）[17] 4. **三指标复合模型** - 年化收益率：19.98%（2013-2025）[18] - 年化换手率：24倍[18] 5. **短期择时策略** - 年化收益率：16.71%（2012-2025）[27] - 最大回撤：27.70%[27] 6. **成长价值轮动模型** - 年化收益率：11.65%（2012-2025）[37] - 超额收益：4.74%[37] 7. **小盘大盘轮动模型** - 年化收益率：12.32%（2012-2025）[42] 8. **四风格轮动模型** - 年化收益率：13.22%（2012-2025）[44] 因子的回测效果 1. **信贷脉冲因子** - 当前分位数：0.00%（5年）[24] 2. **Beta离散度因子** - 当前分位数：69.49%（5年）[25] 3. **量能情绪因子** - 当前分位数：92.31%（5年）[25]

大类资产配置展望 - 预计8月A股市场将震荡走强，短期内可能存在一定波动，港股市场整体节奏与A股保持一致 [2] - 成长风格可能相对占优，红利板块表现一般，建议关注高景气投资板块 [2] - 国内等待更多利好政策出台，海外市场对9月降息预期下降，需关注关税谈判进展 [2] 权益市场模型分析 - 权益宏微观月度低频择时模型从基本面(30%)、资金面(30%)、国际面(20%)、估值面(10%)、技术面(10%)五个维度评估万得全A指数 [27] - 模型测算时间2015.12.31-2025.07.31，策略年化超额收益率17.05%，超额胜率79.13% [24][25] - 8月模型综合评分为0分，历史数据显示0分信号时胜率较高，预计市场将震荡偏强 [30] 美股与黄金市场 - 美股与黄金呈现反向对冲关系，风险偏好切换导致资金在两类资产间流动 [70] - 美股估值处于历史高位，标普500市盈率(TTM)28.41，历史分位数93.4%，存在技术性回调压力 [84][85] - 黄金风险度54.88，处于中等水平，央行持续购金和美元信用动摇为其提供长期支撑 [76][79] 债券市场 - 7月国债收益率震荡抬升，10年期国债收益率上行6bp至1.70%，期限利差走阔至32.37bp [100] - 经济数据显示内需有待扩张，6月CPI同比0.1%，PPI同比-3.6%，制造业PMI49.3处于收缩区间 [101][107] - 货币政策维持宽松基调，政府债券发行加速，关注流动性配合情况 [115][117] 行业日历效应 - 历史数据显示8月份各行业整体偏弱，军工表现相对优秀，9月份煤炭、通信、非银等行业涨幅靠前 [58] - 成长风格在8月可能表现较佳，消费、金融风格在9月通常占优 [56] - 建议关注军工、通信与医药板块的提前布局机会 [58]