微盘指数表现与市场风格 - 近一月微盘指数表现强势，中证2000、万得微盘股指数等代表性小微盘指数出现单边上涨行情，成为市场最亮眼的风格方向之一 [2] - 小市值股票凭借高弹性、高错定价、高景气细分赛道特点获得增量资金关注，在量化资金扩容、流动性优化及政策推动下，小盘风格形成趋势性占优 [2] - 市场成交结构变化显示微盘与中小盘换手率与成交占比显著抬升，资金主动向高性价比资产流动，叠加AI、先进制造等景气赛道权重提升，微盘指数呈现盈利修复加风格轮动的双驱动上涨逻辑 [2] 量化指数增强策略表现 - 近一月（10月17日至11月14日）排排网·中证1000指增策略指数上涨6.56%，同期中证1000指数上涨4.42%，超额收益达2.15% [6] - 排排网·中证500指增策略指数上涨6.3%，同期中证500指数上涨3.13%，超额收益达3.18% [6] - 小盘风格回暖推动量化选股因子有效性提升，指增策略运行环境持续改善，风格因子与基本面因子同步回归，多数模型超额获取能力较年内低点有实质改善 [6] 超额修复特征分析 - 修复具有广泛性，三季度制约量化表现的风格反转、流动性分层等因素正在缓解，规模等风格因子回归明显使得指增策略普遍受益 [7] - 超额恢复可持续性增强，交易热度提升和指数横截面波动率上升扩大量化模型对个股差异化的捕捉空间，策略环境更利于获取稳定超额 [7] - 头部机构超额能力弹性重新体现，通过模型升级、弱相关因子扩展和风控结构重构等方式，指增组合在风格切换中展现出较好收益曲线 [7] 投资启示与策略建议 - 把握小盘风格强化带来的阶段性机会，在微盘指数创新高阶段，小盘类增强型基金及中证1000相关量化增强产品仍具配置价值 [12] - 重视模型能力而非短期排名，优先关注模型迭代速度快、风险控制成熟、不依赖风格因子堆积收益的头部量化团队，其超额更具持续性 [13] - 避免拥挤度过高、规模过大、仓位快变的产品，指增策略本质追求低波动、稳超额，规模扩张过快或回撤频繁需提高警惕 [14] - 当前市场处于指数高位震荡、小微盘交易热度高、微盘风格占优阶段，量化指增策略性价比改善，超额端修复使其相对稳定α加严控回撤优势逐步显现 [14]

市场风格日历效应核心观点 - 市场风格受财报披露节奏、分红事件效应、机构投资者风险偏好季节性变化影响，存在日历效应 [1][3] - 年末可关注质量风格的配置机会 [1] 小盘风格表现特征 - 小盘风格上半年波动较大，下半年总体向好 [1] - 1月和4月表现较弱，中证2000指数超额收益分别为-2.3%和-2.2% [1] - 3月和5月为小盘风格平均收益较高月份 [1] - 下半年8月以后小盘风格组合收益表现相对较高，胜率维持较高水平 [1] 成长风格表现特征 - 成长风格表现呈"前高后低"特征 [1] - 成长风格组合在1月、6月和7月有显著超额收益，胜率达90.9% [1] - 800成长指数在1月延续组合优势 [1] - 偏股基金指数4-6月收益连正，均为0.8%，总体表现优于800成长指数 [1] - 下半年成长风格总体回落，成长因子、800成长和偏股型基金指数胜率跌至60%以下 [1] 质量风格表现特征 - 质量风格体现"首尾双强"规律，1月和12月为全年优势月 [2] - 1月超额收益1.4%，胜率81.8%；12月超额收益0.5%，胜率80% [2] - 800质量指数同样在1月和12月表现相对突出 [2] 红利风格表现特征 - 红利风格在4月和8月表现良好，统计期内胜率均达83.3% [2] - 6月和10月呈现明显回落，红利组合和中证红利胜率均较低 [2] 风格效应内在机制 - 成长与小盘风格受财报披露节奏影响较大，财报密集期资金流向基本面向好的成长股，阶段性规避小盘股 [3] - 高股息股票在分红预案后具有短期超额表现，股权登记日后短期跑输市场 [3] - 机构投资者风险偏好存在季节性变化，公募基金年中倾向于提高成长风格暴露，年末倾向于提高质量风格暴露 [3]

核心观点 - 市场情绪指标数值为3.9，较上周五的3继续回升，市场情绪得到进一步修复，观点偏多 [2][8] - 价量一致性指标周内企稳回升，行业涨跌趋势性显著走强并突破布林带上界，显示市场短期情绪迎来阶段性修复 [2][11] - 当前模型整体提示小盘与价值风格占优信号，价值风格信号强度未来可能出现一定程度加强 [2][49] 市场情绪模型观点 - 市场情绪指标数值为3.9，较上周五的3继续回升，市场情绪得到进一步修复 [2][8] - 价量一致性指标周内企稳回升，资金关注度与标的涨幅相关性于周四、周五快速走高，短期内价格弹性与关注度重新匹配 [2][11] - 行业间交易波动率延续上行并维持高位，资金在行业间切换节奏加快，行业间博弈加剧 [2][11] - 行业涨跌趋势性显著走强并突破布林带上界，行业观点一致性提升 [2][11] - 融资余额占比延续上行趋势，杠杆资金风险偏好进一步回暖 [2][11] - RSI指标在中性区间小幅震荡，市场情绪仍略显谨慎 [2][11] - 主力资金净流入强度维持在布林带上方区间高位震荡 [2][11] - 本周全A成交额较上周环比增长1.56%，平均日成交额为20438.27亿元，市场成交活跃度与上周维持相同水平 [2][15] 行业择时与风格观点 - 根据均线排列模型，美容护理、医药生物、银行、食品饮料、纺织服饰等行业短期趋势得分上升趋势靠前 [2][40] - 钢铁、电力设备、建筑装饰、环保、煤炭是短期趋势最强的行业，其中钢铁当前短期得分为96.61，为短期得分最高行业 [2][40] - 本周拥挤度与周内涨跌幅相关系数为0.60，呈现较明显的正相关性 [2][45] - 综合、基础化工、农林牧渔等高涨幅同时伴随较高的资金拥挤度 [2][45] - 电力设备、环保等行业资金拥挤度较高但涨幅偏低，显示资金布局稳定，后续若有基本面催化，或具备补涨潜力 [2][45] - 通信、电子、计算机等低拥挤度板块涨幅较低，在风险偏好回升时迎来配置机会，适合中长期逐步布局 [2][45] - 当前模型提示小盘风格占优信号，信号提示强度较弱，短期信号来回切换较为频繁 [2][49] - 模型维持提示价值风格占优信号，且5日RSI相对20日RSI迅速降低，未来信号强度可能出现一定程度加强 [2][49]

市场风格切换 - 小盘风格接力 中证2000ETF易方达（159532）上涨 年内涨幅超40% [1] - 小盘风格近期拥挤度大幅消化 呈现“强趋势-低拥挤”特征 配置价值有所修复 [1] “十五五”规划政策催化 - “十五五”规划落地窗口期 回顾过去“五年规划” 会后1-2周小盘股往往迎来行情爆发 收益表现远超大盘蓝筹 [1] - 政策催化下 增量资金大概率继续往小微盘方向走 [1] 中证2000指数及ETF产品优势 - 中证2000覆盖30个行业 聚焦机械设备、电子等新兴赛道 能分散单一板块风险并捕捉轮动收益 [1] - 中证2000ETF易方达（159532）成立以来信息比率达3.18 显著高于同类型ETF平均值（信息比率1.4） 历史业绩和跟踪效率领先 [1]

报告行业投资评级 未提及 报告的核心观点 - 上周权益市场带动转债上行，市场中位数维持高位，多数平价区间转债估值小幅抬升，但高价偏股品种跟涨能力有限，转债etf延续净流出趋势 [2][17] - 后市进入业绩和政策真空期，小盘成长风格或占优，与转债风格契合，但保险等机构有止盈态势，短期市场以结构性机会为主 [2][17] - 关注储能、半导体设备及材料、创新药等高成长板块，光伏、化工等供需改善板块，以及银行、电力等高股息板块中正股高波或低溢价偏股个券布局机会 [2][17] 根据相关目录分别进行总结 上周市场焦点（11月3日 - 11月7日） 股市 - 权益市场震荡上行，板块轮动快，电力设备板块因电网投资和AI发展需求表现居前，全周价值风格占优，科技板块偏弱 [1][7] - 申万一级行业多数收涨，电力设备、煤炭、石油石化、钢铁、基础化工涨幅居前，美容护理、计算机、医药生物、汽车表现靠后 [8] 债市 - 上半周资金面均衡，债市平淡；后半周央行买卖国债、权益走强、7000亿买断式逆回购到期资金转紧，债市震荡走弱，周五10年期国债利率收于1.81%，较前周上行1.88bp [1][8] 转债市场 - 转债个券多数收涨，中证转债指数全周+0.86%，价格中位数+0.21%，算术平均平价全周+0.48%，全市场转股溢价率与上周相比-0.09% [1][8] - 多数行业收涨，钢铁、电力设备、煤炭、商贸零售表现居前，计算机、汽车、传媒、电子表现靠后 [9] - 中能、振华、大中、航宇、嘉泽转债涨幅靠前；泰坦、恒帅、集智、豫光、银轮转债跌幅靠前 [1][11] - 总成交额3426.31亿元，日均成交额685.26亿元，较前周提高 [15] 观点及策略（11月10日 - 11月14日） - 近期进入业绩和政策真空期，小盘成长风格或占优，与转债风格契合，但保险等机构止盈，短期市场以结构性机会为主 [2][17] - 关注储能、半导体设备及材料、创新药等高成长板块，光伏、化工等供需改善板块，以及银行、电力等高股息板块中正股高波或低溢价偏股个券布局机会 [2][17] 估值一览 - 截至11月7日，偏股型转债不同平价区间平均转股溢价率位于2010年以来/2021年以来不同分位值 [18] - 偏债型转债中平价70元以下平均YTM为-5.5%，位于2010年以来/2021年以来0%/1%分位值 [18] - 全部转债平均隐含波动率为41.2%，位于2010年以来/2021年以来80%/72%分位值；隐含波动率与正股长期实际波动率差额为-0.72%，位于2010年以来/2021年以来75%/76%分位值 [18] 一级市场跟踪 上周情况 - 卓镁转债公告发行，正股星源卓镁，市值59.37亿元，发行规模4.5亿元，信用评级A+，扣除费用后用于年产300万套汽车用高强度大型镁合金精密成型件项目 [26] - 锦浪转02上市，正股锦浪科技，市值341.14亿元，发行规模16.77亿元，信用评级AA，扣除费用后用于多个项目 [27] 未来一周情况 - 截至11月7日公告，未来一周暂无转债公告发行和上市 [28] 发行进度 - 上周上市委通过金盘科技、尚太科技；股东大会通过华通线缆、中汽股份；董事会预案豪能股份、丰茂股份；无新增同意注册、交易所受理企业 [28] - 待发可转债98只，合计规模1465.8亿，其中已同意注册5只，规模42.0亿；已获上市委通过7只，规模62.9亿 [28]

主要股指表现 - 科创100指数收盘上涨2.3% [1] - 中证500指数收盘上涨1.6% [1] - 中证1000指数收盘上涨1.2% [1][4] - 创业板中盘200指数收盘上涨1.0% [1][7] - 中证2000指数收盘上涨0.6% [1] 指数特征与估值 - 中证2000指数聚焦A股小市值，小微盘风格具备承接快速资金的特点 [1] - 中证1000指数滚动市盈率为47.3倍 [4] - 创业板中盘200指数由创业板中市值中等、流动性较好的200只股票组成，反映创业板市场中盘代表性公司的整体表现 [7] - 创业板中盘200指数滚动市盈率为109.3倍 [7] - 创业板中盘200指数中信息技术行业占比超过40% [7] 市场风格分析 - 在政策利好落地、技术突破等事件催化下，资金的迅速活跃以及交易上行有望不断推动小盘风格上涨 [1]

大小盘风格轮动月度策略 - 10月底量化模型信号为-0.17，指向大盘风格 [1] - 基于历史11月小盘风格相对占优的日历效应，建议11月超配小盘风格 [1] - 当前市值因子估值价差为0.88，远低于历史顶部区域1.7~2.6，显示中长期小盘风格并不拥挤，继续看好小盘 [1] - 本年以来大小盘轮动量化模型收益为27.85%，相对等权基准的超额收益为2.86% [1] - 结合主观观点的策略收益为26.6%，超额收益为1.61% [1] 价值成长风格轮动月度策略 - 月度量化模型信号为1，建议10月超配价值风格 [1] - 本年以来价值成长风格轮动策略收益为18.96%，相对于等权基准的超额收益为1.35% [1] 风格因子表现跟踪 - 10月份，在8个大类因子中，红利因子和动量因子正向收益较高，而大市值因子和波动率因子负向收益较高 [2] - 本年以来，波动率因子和动量因子正向收益较高，而流动性因子和大市值因子负向收益较高 [2] - 10月份，在24个风格因子中，本月盈利收益、股息率、动量因子正向收益较高，而大市值、收益能力、贝塔因子负向收益较高 [2] - 本年以来，贝塔、盈利波动、动量因子正向收益较高，而中市值、流动性、大市值因子负向收益较高 [2] 因子协方差矩阵更新 - 股票协方差矩阵估计是股票组合风险预测的核心，利用多因子模型可将其拆解为因子协方差矩阵和股票特质风险矩阵 [2] - 报告更新了截至2025年10月31日的最新一期因子协方差矩阵 [2]

指数表现 - 中证2000指数和创业板中盘200指数均上涨1.0% [1] - 中证1000指数上涨0.5% [1] - 科创100指数上涨0.2% [1] - 中证500指数下跌0.4% [1] 小盘股风格催化因素 - 复盘历次“五年规划”落地规律显示，会后一至两周小盘风格接力爆发 [1] - 小盘指数平均收益显著跑赢大盘蓝筹 [1] - 当前“十五五”规划落地窗口期为小微盘行情提供催化 [1] 中证2000指数特征 - 指数覆盖30个申万一级行业 [1] - 指数聚焦机械设备、电子等新兴赛道 [1] - 指数能有效捕捉轮动机会并分散单一板块风险 [1]

根据研报内容，以下是关于量化模型和因子的总结： 量化因子与构建方式 Barra风格因子 1. **因子名称**：Beta[15] * **因子构建思路**：衡量股票相对于市场的系统性风险[15] * **因子具体构建过程**：使用历史数据计算股票的历史Beta值[15] 2. **因子名称**：市值[15] * **因子构建思路**：反映公司规模大小[15] * **因子具体构建过程**：对公司的总市值取自然对数[15] $$因子值 = \ln(总市值)$$ 3. **因子名称**：动量[15] * **因子构建思路**：捕捉股票价格的趋势效应[15] * **因子具体构建过程**：计算股票历史超额收益率序列的均值[15] 4. **因子名称**：波动[15] * **因子构建思路**：衡量股票价格的历史波动程度[15] * **因子具体构建过程**：通过加权组合三种不同的波动率指标来构建[15] $$因子值 = 0.74 \times 历史超额收益率序列波动率 + 0.16 \times 累积超额收益率离差 + 0.1 \times 历史残差收益率序列波动率$$ 5. **因子名称**：非线性市值[15] * **因子构建思路**：捕捉市值因子的非线性效应[15] * **因子具体构建过程**：对市值风格因子进行三次方运算[15] $$因子值 = (市值因子)^3$$ 6. **因子名称**：估值[15] * **因子构建思路**：衡量股票的估值水平[15] * **因子具体构建过程**：使用市净率的倒数作为估值因子[15] $$因子值 = \frac{1}{市净率}$$ 7. **因子名称**：流动性[15] * **因子构建思路**：反映股票的换手活跃度，即交易流动性[15] * **因子具体构建过程**：通过加权不同时间窗口的换手率来构建[15] $$因子值 = 0.35 \times 月换手率 + 0.35 \times 季换手率 + 0.3 \times 年换手率$$ 8. **因子名称**：盈利[15] * **因子构建思路**：衡量公司的盈利能力[15] * **因子具体构建过程**：综合多种盈利相关指标进行加权计算[15] $$因子值 = 0.68 \times 分析师预测盈利价格比 + 0.21 \times 市现率倒数 + 0.11 \times 市盈率TTM倒数$$ 9. **因子名称**：成长[15] * **因子构建思路**：评估公司的成长性[15] * **因子具体构建过程**：综合多种增长类指标进行加权计算[15] $$因子值 = 0.18 \times 分析师预测长期盈利增长率 + 0.11 \times 分析师预测短期利率增长率 + 0.24 \times 盈利增长率 + 0.47 \times 营业收入增长率$$ 10. **因子名称**：杠杆[15] * **因子构建思路**：衡量公司的财务杠杆水平[15] * **因子具体构建过程**：综合多种杠杆率指标进行加权计算[15] $$因子值 = 0.38 \times 市场杠杆率 + 0.35 \times 账面杠杆 + 0.27 \times 资产负债率$$ 技术类因子 1. **因子名称**：120日波动[21][24][27][31] * **因子构建思路**：衡量股票基于120日历史数据的波动率，通常作为反向因子[21][24][27][31] * **因子具体构建过程**：计算过去120个交易日的价格波动率[21][24][27][31] 2. **因子名称**：60日波动[21][24][27][31] * **因子构建思路**：衡量股票基于60日历史数据的波动率，通常作为反向因子[21][24][27][31] * **因子具体构建过程**：计算过去60个交易日的价格波动率[21][24][27][31] 3. **因子名称**：20日波动[21][24][27][31] * **因子构建思路**：衡量股票基于20日历史数据的波动率，通常作为反向因子[21][24][27][31] * **因子具体构建过程**：计算过去20个交易日的价格波动率[21][24][27][31] 4. **因子名称**：20日动量[21][24][27][31] * **因子构建思路**：捕捉股票基于20日历史数据的价格趋势，在不同股池中方向不同（全市场、中证1000为反向；沪深300、中证500为正向）[21][24][27][31] * **因子具体构建过程**：计算过去20个交易日的价格动量[21][24][27][31] 5. **因子名称**：60日动量[21][24][27][31] * **因子构建思路**：捕捉股票基于60日历史数据的价格趋势，通常作为反向因子[21][24][27][31] * **因子具体构建过程**：计算过去60个交易日的价格动量[21][24][27][31] 6. **因子名称**：120日动量[21][24][27][31] * **因子构建思路**：捕捉股票基于120日历史数据的价格趋势，在不同股池中方向不同（全市场为反向；沪深300、中证500为正向）[21][24][27][31] * **因子具体构建过程**：计算过去120个交易日的价格动量[21][24][27][31] 7. **因子名称**：中位数离差[21][24][27][31] * **因子构建思路**：衡量股票价格相对于市场中位数的偏离程度，通常作为反向因子[21][24][27][31] * **因子具体构建过程**：计算股票价格与市场整体价格中位数的偏离度[21][24][27][31] 基本面因子（列举自不同股池） 1. **因子名称**：ROC增长[23] * **因子构建思路**：衡量公司的资本回报率增长情况，作为正向因子[23] * **因子具体构建过程**：计算资本回报率（ROC）的增长指标[23] 2. **因子名称**：市销率[23] * **因子构建思路**：衡量股票的估值水平，作为反向因子[23] * **因子具体构建过程**：使用市销率指标[23] 3. **因子名称**：ROA超预期增长[23] * **因子构建思路**：衡量公司总资产回报率（ROA）的超预期增长情况，作为正向因子[23] * **因子具体构建过程**：计算ROA的超预期增长指标[23] 4. **因子名称**：营业利润超预期增长[23] * **因子构建思路**：衡量公司营业利润的超预期增长情况，作为正向因子[23] * **因子具体构建过程**：计算营业利润的超预期增长指标[23] 5. **因子名称**：ROC[23] * **因子构建思路**：衡量公司的资本回报率水平，作为反向因子[23] * **因子具体构建过程**：计算资本回报率（ROC）指标[23] 6. **因子名称**：营业周转率[23] * **因子构建思路**：衡量公司的营运效率，作为反向因子[23] * **因子具体构建过程**：计算营业周转率指标[23] 7. **因子名称**：ROC超预期增长[23] * **因子构建思路**：衡量公司资本回报率（ROC）的超预期增长情况，作为正向因子[23] * **因子具体构建过程**：计算ROC的超预期增长指标[23] 8. **因子名称**：市盈率[23] * **因子构建思路**：衡量股票的估值水平，作为反向因子[23] * **因子具体构建过程**：使用市盈率指标[23] 9. **因子名称**：ROA增长[23] * **因子构建思路**：衡量公司总资产回报率（ROA）的增长情况，作为正向因子[23] * **因子具体构建过程**：计算ROA的增长指标[23] 10. **因子名称**：营业利润增长[23] * **因子构建思路**：衡量公司营业利润的增长情况，作为正向因子[23] * **因子具体构建过程**：计算营业利润的增长指标[23] 11. **因子名称**：净利润超预期增长[23] * **因子构建思路**：衡量公司净利润的超预期增长情况，作为正向因子[23] * **因子具体构建过程**：计算净利润的超预期增长指标[23] 12. **因子名称**：ROA[23] * **因子构建思路**：衡量公司的总资产回报率水平，作为反向因子[23] * **因子具体构建过程**：计算总资产回报率（ROA）指标[23] 13. **因子名称**：营业利润率[23] * **因子构建思路**：衡量公司的盈利能力，作为反向因子[23] * **因子具体构建过程**：计算营业利润率指标[23] GRU模型因子 1. **因子名称**：GRU因子（barra1d模型）[4][20][22][25][26][28][29] * **因子构建思路**：使用GRU神经网络模型，结合Barra风格因子及短期（1天）市场数据构建的合成因子[4][20][22][25][26][28][29] * **因子具体构建过程**：报告未详细描述GRU模型的具体网络结构、输入特征和训练过程，但指出其基于Barra因子和日频数据（1d）[4][20][22][25][26][28][29] 2. **因子名称**：GRU因子（barra5d模型）[4][8][20][22][25][26][28][29][33] * **因子构建思路**：使用GRU神经网络模型，结合Barra风格因子及稍长周期（5天）市场数据构建的合成因子[4][8][20][22][25][26][28][29][33] * **因子具体构建过程**：报告未详细描述GRU模型的具体网络结构、输入特征和训练过程，但指出其基于Barra因子和5天数据（5d）[4][8][20][22][25][26][28][29][33] 3. **因子名称**：GRU因子（open1d模型）[4][20][22][25][26][28][29][34] * **因子构建思路**：使用GRU神经网络模型，结合开盘价等短期（1天）市场数据构建的合成因子[4][20][22][25][26][28][29][34] * **因子具体构建过程**：报告未详细描述GRU模型的具体网络结构、输入特征和训练过程，但指出其基于开盘价（open）和日频数据（1d）[4][20][22][25][26][28][29][34] 4. **因子名称**：GRU因子（close1d模型）[4][20][22][25][26][28][29][34] * **因子构建思路**：使用GRU神经网络模型，结合收盘价等短期（1天）市场数据构建的合成因子[4][20][22][25][26][28][29][34] * **因子具体构建过程**：报告未详细描述GRU模型的具体网络结构、输入特征和训练过程，但指出其基于收盘价（close）和日频数据（1d）[4][20][22][25][26][28][29][34] 多因子组合 1. **模型/因子名称**：多因子组合[8][33][34] * **模型/因子构建思路**：将多个因子进行组合，构建综合选股模型[8][33][34] * **模型/因子具体构建过程**：报告未详细说明具体包含哪些因子以及组合权重确定方法[8][33][34] 因子的回测效果 Barra风格因子多空收益表现（全市场股池）[17] | 因子名称 | 最近一周 | 最近一月 | 最近半年 | 今年以来 | 三年年化 | 五年年化 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 市值 | -3.55% | -5.76% | -15.19% | -39.59% | -41.82% | -34.39% | | 非线性市值 | 3.47% | -6.71% | -15.01% | -34.67% | -39.36% | -30.87% | | 估值 | 2.62% | 5.07% | 3.99% | 6.18% | 14.66% | 15.43% | | 盈利 | 1.99% | 2.35% | -10.59% | 14.48% | 4.57% | 1.20% | | 杠杆 | -1.04% | 3.55% | -7.04% | 17.65% | 8.42% | 2.62% | | 波动 | 1.03% | 4.94% | -11.49% | 5.13% | 8.33% | -11.03% | | 成长 | 0.08% | 0.53% | 2.20% | 0.89% | 19.14% | 4.10% | | 动量 | 1.01% | -5.58% | -17.92% | 11.71% | 17.92% | 15.59% | | 流动性 | 2.40% | -7.26% | -4.57% | 8.50% | -19.41% | -25.17% | | beta | 4.58% | -6.52% | 13.16% | 30.92% | 12.22% | 10.49% | 技术类因子多空收益表现（全市场股池）[21] | 因子名称 | 最近一周 | 最近一月 | 最近半年 | 今年以来 | 三年年化 | 五年年化 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 120日波动 | 0.47% | -5.55% | -2.67% | 14.03% | -4.62% | 9.26% | | 60日波动 | 1.02% | -5.14% | 0.02% | 9.74% | -8.22% | -11.84% | | 20日动量 | 1.22% | -4.96% | -1.05% | -11.47% | -12.50% | -12.68% | | 60日动量 | 1.30% | -5.34% | -6.33% | -6.59% | -13.41% | -15.85% | | 20日波动 | 1.32% | -6.19% | 2.22% | 10.11% | -6.85% | -11.77% | | 中位数离差 | 1.64% | -5.89% | -5.51% | 5.44% | -13.85% | -14.17% | | 120日动量 | 1.81% | -2.83% | -11.64% | 3.84% | -15.76% | -13.79% | 多头组合近期超额收益（相对中证1000指数）[34] | 策略/因子名称 | 近一周 | 近一月 | 近三月 | 近六月 | 今年以来 | | :--- | :--- | :--- | :--- | :--- | :--- | | open1d (GRU) | -0.02% | 1.65% | -1.43% | 1.74% | 6.16% | | close1d (GRU) | -0.07% | 2.18% | -3.97% | 0.79% | 2.92% | | barra1d (GRU) | -0.08% | -0.18% | 1.90% | 2.76% | 5.37% | | barra5d (GRU) | 0.27% | 3.14% | -2.73% | 1.68% | 5.91% | | 多因子组合 | 0.04% | 3.19% | -1.74% | -0.47% | 1.71% |

根据提供的研报内容，以下是关于量化模型和因子的总结。报告主要侧重于对不同市场风格和行业的历史表现进行统计回测，并未涉及具体的量化模型或量化因子的构建过程、公式或详细的测试指标。因此，以下总结将基于报告中提到的风格和行业分类进行。 量化模型与构建方式 报告未提及具体的量化模型。 量化因子与构建方式 报告未涉及具体的量化因子构建思路、过程或公式。报告内容主要围绕历史数据的统计规律展开，属于市场现象的描述性分析，而非量化因子的构建[6][7][8][9][10]。 模型的回测效果 报告未涉及具体的量化模型，因此无模型回测效果数据。 因子的回测效果 报告中对各类风格和行业指数在不同时间窗口的历史表现进行了统计，以下为相关指数的历史表现数据汇总。这些指数可被视为表征不同风格的风险因子。 **1. 上证指数** * **国庆节前20个交易日胜率**：56%[17] * **国庆节前20个交易日赔率**：0.73[17] * **国庆节前20个交易日收益率中位数**：0.38%[17] * **国庆节后20个交易日胜率**：61%[17] * **国庆节后20个交易日赔率**：1.49[17] * **国庆节后20个交易日收益率中位数**：1.38%[17] * **第四季度胜率**：56%[17] * **第四季度赔率**：1.07[17] * **第四季度收益率中位数**：1.57%[17] **2. 沪深300指数 (大盘风格)** * **国庆节前20个交易日胜率**：61%[20] * **国庆节前20个交易日赔率**：0.81[20] * **国庆节前20个交易日收益率中位数**：0.55%[20] * **国庆节后20个交易日胜率**：61%[20] * **国庆节后20个交易日赔率**：1.81[20] * **国庆节后20个交易日收益率中位数**：1.43%[20] * **第四季度胜率**：61%[20] * **第四季度赔率**：0.89[20] * **第四季度收益率中位数**：1.63%[20] **3. 中证1000指数 (小盘风格)** * **国庆节前20个交易日胜率**：50%[22] * **国庆节前20个交易日赔率**：0.40[22] * **国庆节前20个交易日收益率中位数**：-0.14%[22] * **国庆节后20个交易日胜率**：61%[22] * **国庆节后20个交易日赔率**：0.48[22] * **国庆节后20个交易日收益率中位数**：0.82%[22] * **第四季度胜率**：39%[22] * **第四季度赔率**：2.09[22] * **第四季度收益率中位数**：-1.60%[22] **4. Wind微盘指数** * **国庆节前20个交易日胜率**：72%[33] * **国庆节前20个交易日赔率**：0.37[33] * **国庆节前20个交易日收益率中位数**：2.03%[33] * **国庆节后20个交易日胜率**：78%[33] * **国庆节后20个交易日赔率**：0.51[33] * **国庆节后20个交易日收益率中位数**：3.32%[33] * **第四季度胜率**：78%[33] * **第四季度赔率**：0.99[33] * **第四季度收益率中位数**：7.35%[33] **5. 长江成长指数** * **国庆节前20个交易日胜率**：50%[36] * **国庆节前20个交易日赔率**：1.52[36] * **国庆节前20个交易日收益率中位数**：-0.10%[36] * **国庆节后20个交易日胜率**：44%[36] * **国庆节后20个交易日赔率**：2.31[36] * **国庆节后20个交易日收益率中位数**：-1.04%[36] * **第四季度胜率**：44%[36] * **第四季度赔率**：1.35[36] * **第四季度收益率中位数**：-1.19%[36] **6. 长江红利指数** * **国庆节前20个交易日胜率**：72%[38] * **国庆节前20个交易日赔率**：0.27[38] * **国庆节前20个交易日收益率中位数**：1.25%[38] * **国庆节后20个交易日胜率**：56%[38] * **国庆节后20个交易日赔率**：0.90[38] * **国庆节后20个交易日收益率中位数**：1.14%[38] * **第四季度胜率**：56%[38] * **第四季度赔率**：1.31[38] * **第四季度收益率中位数**：0.87%[38] **7. 行业排名反转效应** * **前三季度排名前3的行业，在第四季度的平均排名**：约17位[44] * **第四季度排名前3的行业，在前三季度的平均排名**：约16位[44]