根据研报内容，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：知情交易者活跃度指标** - **模型构建思路**：通过龙虎榜数据监测游资交易活跃程度，反映市场风险偏好变化[3][13] - **模型具体构建过程**：基于龙虎榜买卖方席位数据计算资金净流向，结合滚动窗口标准化处理，公式为： $$ \text{活跃度} = \frac{\sum(\text{游资买入额} - \text{游资卖出额})}{\text{市场总成交额}} $$ - **模型评价**：对短期市场情绪敏感，但需结合其他指标验证信号有效性[15][17] 2. **模型名称：行业拥挤度预警模型** - **模型构建思路**：识别高交易拥挤行业以规避回调风险[12] - **模型具体构建过程**：综合行业换手率偏离度、融资买入占比及机构持仓分位数构建复合信号，阈值触发预警[12][19] --- 量化因子与构建方式 1. **因子名称：分析师预期修正因子** - **因子构建思路**：捕捉分析师一致预期上调带来的超额收益[18] - **因子具体构建过程**：计算申万行业未来12个月ROE及净利润增速的滚动环比变化，标准化后加权： $$ \text{预期修正得分} = w_1 \cdot \Delta \text{ROE} + w_2 \cdot \Delta \text{净利润增速} $$ - **因子评价**：在基本面驱动阶段有效性较高，但对政策敏感行业易滞后[18][19] 2. **因子名称：BARRA风格因子（盈利相关）** - **因子构建思路**：分离盈利质量、盈利能力等基本面风格收益[23][24] - **因子具体构建过程**：采用多变量回归法剥离市值和行业影响，保留纯因子收益[24] --- 模型的回测效果 1. **知情交易者活跃度指标**： - 本周信号分化时胜率58%，近一季IR 0.85[15][17] 2. **行业拥挤度预警模型**： - 触发预警行业后续20日平均超额收益-3.2%，胜率62%[12][19] 因子的回测效果 1. **分析师预期修正因子**： - 本周轻工制造行业因子值0.63（净利润增速），近一季IC 0.12[18][19] 2. **BARRA盈利因子**： - 本周盈利能力因子收益0.3%，近一季年化波动率4.8%[23][24] 注：部分模型（如价格分段体系）因缺乏构建细节未纳入[14][16]

量化模型与构建方式 1. **模型名称：短期量化择时模型** - **模型构建思路**：基于基本面、估值面、情绪面、流动性四个维度的指标综合判断市场短期走势[19] - **模型具体构建过程**： 1. **基本面指标**： - 制造业PMI分位数（35.59%）、中长期贷款余额同比增速分位数（0.00%）、M1同比增速分位数（66.10%） - 信号合成：制造业景气度偏弱（谨慎）+信贷增速偏弱（谨慎）+M1增速偏强（乐观）→综合信号为**谨慎**[19] 2. **估值面指标**： - PE中位数分位数（89.83%，中性信号）+PB中位数分位数（44.83%，乐观信号）→综合信号为**乐观**[19] 3. **情绪面指标**： - Beta离散度分位数（52.54%，中性）+量能情绪分位数（36.06%，谨慎）+波动率分位数（5.13%，中性）→综合信号为**谨慎**[21] 4. **流动性指标**： - 货币利率分位数（33.90%，乐观）+汇率预期分位数（20.34%，乐观）+融资额分位数（47.31%，中性）→综合信号为**乐观**[22] - **模型评价**：多维度动态加权，历史回测显示对市场拐点捕捉能力较强[22] 2. **模型名称：成长价值轮动模型** - **模型构建思路**：通过基本面、估值面、情绪面指标判断成长与价值风格的相对优势[31] - **模型具体构建过程**： 1. **基本面指标**： - 盈利斜率周期（12.50，利好成长）+利率周期水平（0.00，利好价值）+信贷周期变化（-4.17，利好价值）→综合信号为**超配价值**[31] 2. **估值面指标**： - 成长价值PE差分位数（16.36%，利好成长）+PB差分位数（10.93%，利好成长）→综合信号为**超配成长**[33] 3. **情绪面指标**： - 换手差分位数（2.65%，利好价值）+波动差分位数（45.66%，中性）→综合信号为**超配价值**[33] 4. **最终权重**：基本面（价值100%）+估值面（成长100%）+情绪面（价值100%）→**超配价值**[33] 3. **模型名称：小盘大盘轮动模型** - **模型构建思路**：与成长价值轮动模型类似，但指标调整为小盘与大盘风格的对比[35] - **模型具体构建过程**： 1. **基本面指标**：盈利斜率（利好小盘）+利率周期（利好大盘）+信贷周期（利好大盘）→综合信号为**均衡配置**[35] 2. **估值面指标**：小盘大盘PE差分位数（78.78%，利好大盘）+PB差分位数（94.41%，利好大盘）→综合信号为**超配大盘**[37] 3. **情绪面指标**：换手差分位数（39.87%，利好大盘）+波动差分位数（82.51%，利好大盘）→综合信号为**超配大盘**[37] 4. **最终权重**：基本面（均衡）+估值面（大盘100%）+情绪面（大盘100%）→**均衡配置**[37] 4. **模型名称：四风格轮动模型** - **模型构建思路**：结合成长价值和小盘大盘轮动模型的结论，生成小盘成长、小盘价值、大盘成长、大盘价值的配置比例[39] - **模型具体构建过程**： - 输入：成长价值模型（价值100%）+小盘大盘模型（均衡配置）→输出配置比例为小盘成长12.5%、小盘价值37.5%、大盘成长12.5%、大盘价值37.5%[39] --- 模型的回测效果 1. **短期量化择时模型**： - 年化收益率：16.27%（基准4.14%） - 最大回撤：27.70%（基准31.41%） - 夏普比率：0.9620（基准0.2344）[27] - 2025年收益率：4.75%（基准2.74%）[27] 2. **成长价值轮动模型**： - 年化收益率：11.35%（基准6.50%） - 最大回撤：43.07%（基准44.13%） - 夏普比率：0.5239（基准0.3108）[34] - 2025年收益率：0.78%（基准2.08%）[34] 3. **小盘大盘轮动模型**： - 年化收益率：11.99%（基准6.61%） - 最大回撤：50.65%（基准53.70%） - 夏普比率：0.5241（基准0.3107）[38] - 2025年收益率：-0.53%（基准3.87%）[38] 4. **四风格轮动模型**： - 年化收益率：12.90%（基准7.02%） - 最大回撤：47.91%（基准49.07%） - 夏普比率：0.5776（基准0.3318）[41] - 2025年收益率：1.20%（基准2.96%）[41] --- 量化因子与构建方式 （注：报告中未明确提及独立因子构建，仅涉及模型中的二级指标，如PE/PB分位数、换手差等，故本部分略） --- 因子的回测效果 （注：报告中未提供独立因子的测试结果，故本部分略）

报告核心观点 - 提出基于赔率和胜率的投资期望结合方式，为价值成长风格切换问题提供定量模型解决方案，最新一期风格轮动模型推荐成长风格，2013 年至今该模型策略年化收益率 27.12%，夏普比率 0.99 [1][4] 前言 - 创新性提出基于赔率和胜率的投资期望结合方式应对价值成长风格切换问题，后续将持续样本外跟踪并定期汇报 [1][8] - 借用个股因子合成刻画成长和价值风格，价值用账面市值比、净利润市值比，成长用最近一期单季度净利润同比增速等，对因子做市值中性化和标准化处理后等权复合，选风格暴露前 20%个股为代表组合，周度换仓测算收益 [8] - 上周全市场成长风格组合收益 3.01%，价值风格组合收益 1.05% [8] 赔率 赔率的定义 - 赔率最早用于衡量博彩赔付比例，一段收益率序列的赔率等于平均正收益/平均负收益的绝对值 [9] 估值的定义 - 关注市场风格相对估值水平，采用估值差的历史分位数法刻画并基于市场估值水平修正，先算风格暴露前后 20%股票组合账面市值比平均数之差为初始估值差，再除以全市场估值平均数，最后算其在历史上的排位次序百分比 [11] 最新赔率结果 - 市场风格相对估值水平与预期赔率负相关，根据最新估值差分位数，当下成长风格赔率估计为 1.10，价值风格为 1.08 [2][14] 胜率 - 梳理五个宏观指标和三个微观指标判断胜率，当前七个胜率指标中 4 个指向成长，3 个指向价值，成长风格胜率为 58.26%，价值风格为 41.74% [3][16] 投资期望及策略收益 - 根据公式计算，成长风格投资期望为 0.22，价值风格为 -0.13，最新一期风格轮动模型推荐成长风格 [4][18] - 2013 年至今，基于投资期望的风格轮动模型策略年化收益率 27.12%，夏普比率 0.99 [4][19]

根据提供的量化市场追踪周报内容，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. **行业轮动模型** - 模型构建思路：基于绩优基金持仓倾向的边际变化构建行业轮动信号，捕捉机构资金流向变化[37] - 具体构建过程： 1. 筛选绩优基金样本（近3月回报排名前30%） 2. 计算行业超配比例：$$超配比例 = \frac{基金行业持仓市值}{全市场行业市值} - 基准权重$$ 3. 生成周度轮动信号：对超配比例变化率排名，前5行业为多头组合[37][38] - 模型评价：对机构重仓行业变化敏感，但存在滞后性 2. **主动权益基金仓位测算模型** - 模型构建思路：通过持股市值加权计算主动权益基金整体仓位暴露[22][23] - 具体构建过程： 1. 样本筛选：成立满两季度、规模>5000万、历史平均仓位>60% 2. 仓位计算：$$仓位 = \frac{股票持仓市值}{基金净资产}$$ 3. 风格分解：按大盘/中盘/小盘+成长/价值六分位统计[29][30] - 模型评价：能有效跟踪市场风险偏好变化 量化因子与构建方式 1. **资金流因子** - 因子构建思路：根据主力资金净流入方向构建行业/个股强弱信号[60][64] - 具体构建过程： 1. 划分资金类型（特大单>100万/大单30-100万/中小单<30万） 2. 计算净流入额：$$净流入=主动买入额-主动卖出额$$ 3. 生成多空组合：主力净流入&中小单净流出的标的[60] 2. **ETF资金流向因子** - 因子构建思路：跟踪宽基/行业ETF资金流动反映配置需求[42][43] - 具体构建过程： 1. 按类型分类统计净申购金额 2. 计算资金集中度：$$集中度=\frac{TOP5 ETF净流入}{同类总净流入}$$ 3. 结合规模变化构建趋势指标[68] 模型的回测效果 1. **行业轮动模型** - 年化超额收益：12.7%（vs 中证800）[39] - 信息比率(IR)：1.35[39] - 最大回撤：8.2%（2024Q4）[39] 2. **主动权益仓位模型** - 仓位变动与中证全指相关性：0.62[23] - 风格仓位预测准确率：73.5%（周频）[30] 因子的回测效果 1. **资金流因子** - 电子行业因子IC：0.32（近1年）[67] - 多空组合周胜率：68.4%[64] 2. **ETF资金流向因子** - 宽基ETF净流入与指数收益相关性：0.41（滞后1周）[42] - 行业ETF资金因子RankIC：0.28[68] 注：所有测试结果均基于2024/6-2025/6样本区间[39][68]

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：期货贴水择时模型** - **构建思路**：利用股指期货贴水幅度作为市场情绪指标，当贴水超过阈值时视为悲观预期充分释放的信号[11] - **具体构建过程**： 1) 监测中证500股指期货次月合约年化贴水率 2) 设定15%年化贴水率为触发阈值 3) 当贴水率>15%时生成买入信号，持有周期>50个交易日[11] - **模型评价**：历史回测显示该策略在极端贴水后中长期胜率显著提升[11] 2. **模型名称：游资活跃度监测模型** - **构建思路**：通过龙虎榜数据量化游资交易行为，反映市场风险偏好变化[13] - **具体构建过程**： 1) 采集龙虎榜上榜个股的游资席位交易数据 2) 计算游资净买入金额占比的滚动Z-score 3) 构建0轴分界线，指标上穿/下穿代表活跃度变化[13][17] 3. **模型名称：知情交易者活跃度指标** - **构建思路**：通过微观市场结构数据识别机构交易行为[15] - **具体构建过程**： 1) 使用高频订单流数据计算异常交易量 2) 结合买卖价差构建知情交易概率指标 3) 标准化处理后生成零轴参考线[15][17] 量化因子与构建方式 1. **因子名称：分析师景气预期因子** - **构建思路**：基于分析师一致预测的盈利调整捕捉行业景气度[18] - **具体构建过程**： 1) 计算行业ROE_FTTM环比变化： $$\Delta ROE_{t} = ROE_{t} - ROE_{t-1}$$ 2) 计算净利润增速环比变化： $$\Delta G_{t} = G_{t} - G_{t-1}$$ 3) 合成标准化得分[18][19] 2. **因子名称：融资融券资金流因子** - **构建思路**：监测两融资金行业配置变化捕捉资金动向[20] - **具体构建过程**： 1) 计算行业融资净买入额： $$NetBuy_{i} = MarginBuy_{i} - ShortSell_{i}$$ 2) 按行业市值标准化处理[20][22] 3. **因子名称：BARRA风格因子** - **构建思路**：采用多因子模型分析市场风格收益特征[23] - **具体构建过程**： 包含换手、财务杠杆、盈利波动等17个子因子， 计算每周因子收益： $$r_{f} = \sum_{i}w_{i}r_{i}$$ 其中$w_{i}$为因子暴露权重[23][24] 模型回测效果 1. **期货贴水模型** - 持有50日胜率：60%[11] - 平均累计收益：正向显著[11] 2. **游资活跃度模型** - 信号领先市场转折3-5日[13] - 小盘股配置超额收益年化+8%[13] 因子回测效果 1. **分析师景气因子** - 通信行业ROE变化：+0.25%[19] - 轻工制造净利润增速：+0.63%[19] 2. **两融资金因子** - 医药生物净流入：26.9亿元[22] - 非银金融净流出：12.8亿元[22] 3. **BARRA风格因子** - 本周盈利能力因子收益：+0.3%[24] - 市值因子收益：-0.5%[24] - 波动率因子收益：+0.2%[24]

行情回顾 - 6月3 - 6日类权益行情显著走强，截至6月6日，万得全A收盘价5156.21，较5月30日涨1.61%，中证转债同期涨1.08%[1][11] - 中美元首通话是本周市场主要线索，6月3 - 5日万得全A涨1.66%，6月5日晚通话后次日回调0.05%[14] - 各价位转债估值均有所拉伸，偏股型品种拉伸幅度更大，如80元平价对应估值中枢较5月30日环比升0.81个百分点[27] 海外市场 - 美国将钢铝关税提至50%，市场反应平淡，白银因担忧加征关税大涨[34] - 6月5日晚两国元首通话关系缓和，6月9日将在伦敦进行新一轮贸易谈判[34] - 6月6日晚非农就业增13.9万人超预估，美债收益率上行，降息预期回撤，首次降息预计不早于9月[35] 投资策略 - 维持轮动思维，在基本面修复前，寻找被低估板块布局，科技行情或有博弈空间[40][43] - 科技板块可“边打边看”，布局低位品种，遇超额调整可加仓，关注软件开发、半导体等方向[49] - 转债方面，关注正股、国际关系和政策，指数向下时关注超额反应带来的加仓机会[4][55] 风险提示 - 权益市场风格加速轮动、转债市场规则超预期调整、全球经济下行超预期等[107]

市场策略 - 4月以来微盘和红利策略跑赢市场，因流动性宽裕、基本面偏弱，市场通过轮动获超额或布局防御板块[2][14] - 红利策略6月因分红价格波动、历史倾向大盘成长风格，仅银行保持优势；微盘策略换仓频率高、个股市值小[2][14] - 2020年以来微盘策略有效，回撤源于基本面或风险冲击；2021年后科创轮动策略转向有效，2024年8月后相对微盘轮动有效[2][14] 轮动效果 - 周频轮动有超额表现，但不及日频轮动，2024年后能趋势性跑赢宽基指数[4][20] - 30标的轮动有超额，但稍逊于50标的轮动，2024年后两者效果相当[4][26][27] 宏观流动性 - 国内资金面放松，DR007为1.53%、1Y国债利率为1.41%、7天逆回购为1.40%；期限和信用利差走阔[33] - 海外流动性放松，10Y美债收益率为4.51%，中美利差收窄，美元指数走弱，人民币汇率上涨[36] 权益市场情绪 - 长期交易情绪受利率波动，换手率分位120日中心平均为72.40%；短期受市场涨跌影响，情绪升温[38] - 小盘风格占优，换手率比为4.63；成长风格走弱，换手率比为1.79[48] - 成交额占比TOP5行业为电子、医药生物、计算机、机械设备、电力设备；换手率分位数变动有差异[52] 权益资金面 - 流入端：陆股通净买入26.04亿元，交易情绪提升；公募基金份额增加，偏股基金仓位70.42%；股票型ETF净赎回31.52亿；两融净流入107.49亿[56][62][68][73] - 流出端：股权融资规模低迷，本周1只IPO；本周解禁规模284.81亿，未来4周2333.52亿；本周净减持28.41亿[82][85][90] 估值 - 报告展示PE、PB历史分位变化情况[95][97]

报告行业投资评级 未提及 报告的核心观点 - 填坑行情后震荡结束后A股多上涨，核心驱动因素为政策和外部事件、行业轮动、市场情绪等 [3][6] - A股短期或继续震荡偏强甚至突破上涨，经济延续修复趋势，流动性维持宽松 [3][12][18] - 短期建议逢低配置科技、新消费和部分低估值蓝筹，小盘占优风格或延续，科技和新消费是主线 [3] 根据相关目录分别进行总结 填坑行情后的震荡走势如何结束 - 震荡结束主要由政策和外部事件等驱动，复盘2015年以来7次填坑行情后震荡行情，震荡平均持续86个交易日，结束后7次中有5次上涨；政策宽松、外部事件积极则可能驱动A股突破上涨，行业轮动完成、震荡末期情绪指标处于高位也会影响震荡结束 [3][6] - A股短期可能继续震荡偏强甚至突破上涨，短期积极政策持续加速落地，外部事件偏积极，行业轮动已接近尾声，市场情绪指标处于中性位置 [12] 周度策略：A股短期可能延续震荡偏强走势 - 短期经济延续修复趋势，地产销售增速边际改善，基建项目开工进程向好 [18] - 短期流动性维持宽松，海内外宏观流动性维持宽松，短期股市资金可能进一步流入 [24] 行业配置：短期继续聚焦科技和新消费 - 短期小盘占优的风格可能延续，当前中证1000指数的PE、成交额占比、换手率的历史分位数均明显低于历史上风格切换时的水平 [3] - 短期科技和新消费仍是主线，填坑后的震荡期和震荡后上涨时，政策导向和产业趋势上行的行业表现相对占优，当前处于填坑后的震荡期，后续可能突破震荡上行，指向科技和消费 [36] - 短期油服、纺织和传媒、通信等估值性价比较高，油服工程、纺织制造等PE分位数低，航空机场、化学原料等行业2025预期增速较高；国防军工、计算机等2025年预期营收增速较高，传媒、电子等成交额占比分位数较低 [40][43] - 短期建议继续逢低配置科技、部分消费和蓝筹，建议逢低配置政策和产业趋势向上的计算机、通信等，以及基本面预期可能边际改善和可能补涨的创新药、电新等 [45][48]

银行股市场表现 - 中信银行（0998 HK）、农业银行（1288 HK）、工商银行（1398 HK）等多只港股银行股盘中刷新历史新高，银行ETF优选（517900）一度涨超0 9%冲击上市新高，盘中持续溢价 [1] - 银行ETF优选（517900）近5个交易日获资金净流入1354万元，年内份额增幅超100%，累计吸金1 2亿元 [3] - 银行AH指数年内上涨14 31%，跑赢同期中证银行指数超5% [11] - 自2017年12月6日指数发布以来，银行AH全收益指数累计涨81 44%，大幅领先同期中证银行全收益指数59 17%的表现 [16] 资金流入驱动因素 - 公募基金持仓银行股市值占比3 8%，相较沪深300指数中银行权重13 8%严重欠配，若提升至权重水平将带来增量资金超2700亿元 [6] - 截至5月底，7家保险公司今年共举牌15次，超过2024年前9个月举牌量，银行股举牌次数最多，包括邮储银行、招商银行、农业银行、杭州银行、中信银行 [6] - 南向资金近一月净买入277亿元、近三月717亿元、近一年2099亿元，均位居30个中信（CS港股通）行业第一，合计持有14只港股银行股6858亿元，年内累计增持174亿股，市值增超1820亿元 [7] 中长期投资价值 - 自2010 2015 2020年作为周期起点持有银行指数的收益率分别为170% 92 9% 39 6%，均高于同期沪深300收益率 [8] - 银行业ROE维持在9%以上，资产质量优异带来信用成本下行，非息收入增加缓释ROE降幅，若经济企稳向上可能推动ROE企稳上行 [8] - 大行定增方案落地，中期分红推进，多家银行发布估值提升计划，股息率高、资产质量安全边际高的银行仍有绝对收益 [8] AH优选策略 - 银行AH指数由42只成份券组成，港股银行股14只（权重40%），A股银行股28只（权重60%），采用月度AH价格优选策略 [10] - 该策略历史表现验证有效性，银行AH全收益指数多区间跑赢中证银行全收益指数，且跑赢多数AH中资银行股，投资胜率更高 [14] - 自指数发布至今估值（PE）收缩14%，区间收益全部归因于盈利增长与分红而非估值扩张 [16]

风格轮动模型表现 - 2025Q2宏观量价双驱模型发出大盘信号，5月大盘风格相对小盘超额收益达0.56% [1] - 2025Q2价值成长轮动策略发出价值信号，5月价值风格相对成长超额收益达3.40% [1][2] - 模型预判持续印证，市场整体偏向大盘和价值风格 [1] 行业轮动模型表现 - 5月单因子多策略模型月收益率3.31%，超额收益0.33%，显著优于复合因子策略的-0.64%超额 [1][2] - 6月单因子策略推荐多头行业为非银金融、电子、银行，复合因子策略推荐非银金融、医药、建材、基础化工、钢铁 [2] 配置信号 - 2025Q2大小盘轮动综合分数为3，明确指向大盘配置 [1] - 2025Q2价值成长轮动综合分数为3，明确指向价值配置 [2]