根据研报内容，总结如下： 量化模型与构建方式 1. **模型名称：扩散指数行业轮动模型**[25] * **模型构建思路**：基于价格动量原理，通过计算行业的扩散指数来捕捉行业趋势，选择趋势向上的行业进行配置[25][37] * **模型具体构建过程**：报告未详细描述扩散指数的具体计算过程和公式 2. **模型名称：GRU因子行业轮动模型**[32][38] * **模型构建思路**：基于分钟频量价数据，利用GRU（门控循环单元）深度学习网络生成行业因子，以把握交易信息并进行行业轮动[32][38] * **模型具体构建过程**：报告未提供GRU网络的具体结构、输入特征、训练过程以及行业因子生成的详细步骤和公式 模型的回测效果 1. **扩散指数行业轮动模型**[30] * 本周平均收益：2.59%[30] * 本周超额收益（相对中信一级行业等权）：0.70%[30] * 10月以来超额收益：-0.37%[30] * 2025年以来超额收益：4.60%[30] 2. **GRU因子行业轮动模型**[36] * 本周平均收益：2.88%[36] * 本周超额收益（相对中信一级行业等权）：1.01%[36] * 10月以来超额收益：1.67%[36] * 2025年以来超额收益：-6.55%[36] 量化因子与构建方式 1. **因子名称：行业扩散指数**[27] * **因子构建思路**：用于衡量行业价格趋势强度的指标[25][27] * **因子具体构建过程**：报告未提供行业扩散指数的具体计算方法和公式 2. **因子名称：GRU行业因子**[33] * **因子构建思路**：通过GRU深度学习模型从分钟频量价数据中提取出的，用于表征行业未来表现的合成因子[32][33][38] * **因子具体构建过程**：报告未提供GRU行业因子的具体计算方法和公式 因子的回测效果 （报告中未提供行业扩散指数和GRU行业因子独立的因子测试结果，如IC值、IR等）

根据提供的金融工程定期报告，以下是报告中涉及的量化模型和因子的总结： 量化模型与构建方式 1. **模型名称：行业轮动模型**[2][8][15] * **模型构建思路**：该模型通过分析市场走势、行业拥挤度变化以及其他技术指标，生成行业交易信号，以捕捉行业轮动带来的投资机会[2][8][15] * **模型具体构建过程**：模型对不同的行业或主题板块进行监测，其信号生成逻辑综合了多种技术分析方法，具体包括： * **区间震荡与突破**：对于处于区间震荡的板块，观察其是否在区间下轨出现超跌反弹迹象，或是否在突破前高之前进行高位窄幅震荡整理后出现放量上涨[15] * **均线系统**：观察价格是否开始放量上涨并上穿多根均线[15] * **动量与强度**：评估板块的长期动量是否偏强，以及短期板块内部强势股数量是否提升，赚钱效应是否增强[15] * **顶背离风险提示**：结合周期分析的空头信号和KDJ指标的高位死叉或均线下行，作为风险提示信号[15] * **模型评价**：该模型旨在当前市场高位震荡、上行空间受限的背景下，为“高低切换”的投资思路提供信号支持[2][8] 模型的回测效果 *报告未提供行业轮动模型的具体回测指标数值，如年化收益率、夏普比率、最大回撤等* 量化因子与构建方式 1. **因子名称：股债收益差**[2][8][10] * **因子构建思路**：该因子通过计算股票市场收益率与债券收益率之间的差值，来衡量股票资产相对于债券资产的吸引力或风险溢价[2][8][10] * **因子具体构建过程**：报告中使用沪深300指数的股债收益差，并结合布林带（Bollinger Bands）进行分析。具体构建过程涉及： * 计算股债收益差的时间序列 * 基于近三年的数据计算该时间序列的布林带，包括中轨（通常为移动平均线）以及上下轨（通常为中轨加减N倍标准差）[2][8] * 报告特别指出，当股债收益差持续运行在布林带下轨的-2倍标准差下方时，视为一个关键状态[2][8] * **因子评价**：当股债收益差处于极低水平（如报告所述位置）时，在缺乏新的向上驱动因素情况下，意味着市场整体的上行空间可能有限[2][8] 2. **因子名称：行业拥挤度**[2][8][11] * **因子构建思路**：该因子用于衡量某一行业或板块的交易热度、资金集中程度，以及潜在的交易风险[2][8][11] * **因子具体构建过程**：报告中对“泛行业拥挤度”进行跟踪，但未详细说明其具体计算方法和公式。通常，这类因子可能综合考量板块的成交额占比、换手率、估值分位数、融资余额变化等多个维度的指标[11] 因子的回测效果 *报告未提供股债收益差因子和行业拥挤度因子的具体测试结果取值，如IC值、ICIR、因子收益率等*

核心观点 - 2025年第三季度市场表现强劲，三大指数均实现月线五连阳，创业板50指数季度涨幅达59.45%，上证指数上涨12.73% [1][9] - 从择时模型信号看，短期模型大多中性偏空，中期模型中性，长期模型看多，综合模型看空，预示后市或倾向于向上震荡 [2][67] - 2025年四季度看好电力设备及新能源、通信、综合行业 [2][133] 2025年三季度市场复盘 主要宽基指数表现 - 创业板50指数季度上涨59.45%，收盘价3,418.56点；创业板指上涨50.40%，科创50上涨49.02% [10] - 深证100指数上涨31.13%，深证成指上涨29.25%，中证500指数上涨25.31% [10] - 沪深300指数上涨17.90%，上证指数上涨12.73%，上证50指数上涨10.21% [10] 行业指数表现 - 通信行业涨幅最大，达50.20%；电子行业上涨44.49%；有色金属上涨44.06%；电力设备及新能源上涨41.06% [11] - 机械、计算机、基础化工行业涨幅分别为25.68%、23.71%、20.96% [11] - 银行和综合金融行业为负收益，分别下跌8.66%和9.03% [12] 基金表现 - 偏股混合型基金平均收益为25.83%，股票型基金平均收益为25.79% [13] - 灵活配置型基金和混合型基金平均收益分别为20.56%和20.44% [13] - 2025年三季度新成立公募基金818只，合计募集69,794.7亿元 [13] 择时策略表现 短期择时模型 - 价量共振V3模型在上证指数年化收益12.12%，最大回撤15.05%，胜率64.0% [19] - 低波之刃模型在上证50指数年化收益3.81%，最大回撤15.54%，胜率58.2% [23] - 特征龙虎榜机构模型在沪深300指数年化收益15.79%，最大回撤20.93%，胜率60.0% [24] 中期择时模型 - 推波助澜V3模型在沪深300指数年化收益11.01%，最大回撤18.62%，胜率57.8% [35] - 月历效应模型在中证1000指数年化收益9.47%，最大回撤15.77%，胜率100.0% [40] 长期择时模型 - 动量摆动模型在中证500指数年化收益7.02%，最大回撤42.44%，胜率57.1% [42] 综合与智能算法模型 - 综合兵器V3模型在沪深300指数年化收益30.28%，最大回撤18.03%，胜率57.0% [43] - 沪深300指数智能择时模型年化收益35.55%，最大回撤23.64%，胜率57.8% [49] - 中证500指数智能择时模型年化收益47.64%，最大回撤43.42%，胜率61.7% [55] 港股择时模型 - 成交额倒波幅模型在恒生指数年化收益10.62%，最大回撤51.97%，胜率51.0% [60] 最新择时信号汇总 - 短期：成交量模型中性，低波动模型中性，智能300模型看空，智能500模型中性，特征龙虎榜机构模型看多，特征成交量模型看空 [64] - 中期：涨跌停模型中性，月历效应模型中性 [65] - 长期：动量模型所有宽基指数看多 [66] - 综合：综合兵器V3模型看空，综合国证2000模型看空 [67] 选股策略 惠特尼·乔治小型价值股投资法 - 选股标准包括总市值小于全市场平均、产权比率小于市场平均、每股企业自由现金流大于市场平均等 [70] - 2020年1月1日至2025年9月30日策略年化收益22.4%，波动率23.2% [76] - 最新持仓覆盖轻工制造、基础化工、纺织服装、医药等多个行业，包含依依股份、联科科技、华瓷股份等标的 [77][78] 福斯特佛莱斯积极成长选股策略 - 选股标准包括预估税前净利成长率>20%、营业利润率>10%、负债比例<30%等 [79] - 2020年1月1日至2025年9月30日策略年化收益5.7%，波动率21.5% [82] - 最新股票池包含鲁泰A、盐湖股份、云铝股份、药明康德等标的 [83] CANSLIM基本面选股 - 基于CANSLIM七个维度的选股标准，包括季度每股收益、年度收益增长率、新产品服务等 [87][93] - 2016年1月1日至2025年9月30日策略年化收益率16.9%，最大回撤55% [102] - 2025年策略收益43%，相对偏股混合型基金指数超额收益4.9% [102] - 最新股票池重点配置通信、电子行业，包含长芯博创、仕佳光子、新易盛等标的 [104] 形态识别选股 - 采用杯柄形态和双底形态识别技术选股 [106] - 杯柄形态最新突破个股包括深华发A、吉林化纤、新大洲A、四川双马等 [110] - 双底形态最新突破个股包括佰奥智能、中关村、四川双马、蓝丰生化等 [114] 行业轮动 模型构建逻辑 - 基于基金仓位测算结果构建行业轮动模型，假设公募基金在行业配置上存在alpha [115] - 将基金收益分解至中信一级行业，得到单支基金在各行业上的近似配置比例 [117] - 通过计算超配/低配比例的历史分位数生成行业配置信号 [118] 历史表现 - 行业轮动策略年化绝对收益21.45%，夏普比率0.71，最大回撤69.50% [125] - 相对等权一级行业超额年化收益10.24%，信息比率0.962 [126] - 2025年绝对年化收益39.49%，超额收益16.51% [129] 2025年四季度展望 - 基于基金仓位信号，看好电力设备及新能源、通信、综合行业 [133]

核心观点 - 报告核心观点为市场在2025年10月可能延续震荡上行、结构分化的格局，投资机会将集中于低位行业的补涨，主导情绪是避险和资金从高估值向低估值板块切换（高切低）[1] - 9月市场结构性行情显著，但强势板块并未出现新的重大产业逻辑或业绩拐点，市场格局更多源于存量资金的板块轮动[1] - 策略推荐关注具备“低位+边际改善”特质的行业，包括贵金属、创新药以及额外挖掘的四个行业：环保、非金属材料、生物制品和汽车[1][5][6] 市场回顾与展望 - 9月市场资金从高估值的算力板块切换至低估值的存储、电池板块，并从美元、美债流向黄金，反映出利好兑现后的高切低或避险行为[1] - 展望后市，短期内市场可能延续类似9月的震荡上行格局，低估值板块的挖掘与配置价值依然突出[1] 重点推荐行业分析 存储板块 - 存储板块是算力链资金的重要承接板块，当前存储芯片价格快速上行，行业开启新上行周期[6] - Sora2发布对算力与存储的需求形成支撑，且存储估值更健康，10月板块走强概率较大[6] 贵金属板块 - 贵金属板块具备较强的配置价值，短期降息预期交易和中长期的美联储独立性与地缘政治风险，将持续支撑黄金价格上行[6] 创新药板块 - 创新药板块此前受特朗普医药关税扰动及港股拖累存在明显滞涨，当前相关利空因素已逐步出清，板块将迎来估值修复[6] 环保行业 - 环保行业具备估值低位与景气度改善逻辑，还受益于红利板块补涨等利好[6] - 行业具体指标显示，PPI:废弃资源综合利用业环比上升5.74%，利润总额:废弃资源综合利用业环比上升3.20%，但产量:大气污染防治设备:累计同比下降7.92%[7] 非金属材料行业 - 非金属材料行业供给端受益于反内卷政策，需求侧受益于雅下水电站、新疆振兴等政策利好[6] - 行业具体指标显示，PPI:陶瓷制品制造环比上升0.51%，但PPI:耐火材料制品制造环比下降0.20%，产量:水泥:当月值环比下降0.60%[7] 生物制品行业 - 生物制品行业受益于新质生产力政策、创新药板块修复等利好[6] - 行业具体指标显示，产量:中成药环比上升0.38%，但利润总额:医药制造业环比下降0.35%，产量:中成药:累计同比下降8.82%[7] 汽车行业 - 汽车行业受益于消费品以旧换新政策、机器人产业链重合共振等利好[6] - 行业具体指标显示，乘用车产销比环比上升0.27%，销量:乘用车:累计同比上升3.10%，产量:橡胶轮胎外胎:累计同比大幅上升128.57%，但汽车制造业利润率环比下降0.61%[7]

宏观经济数据与市场情绪 - 美国非农就业报告因政府停摆而延迟发布 导致市场整体波动性较低 [1] - 美国服务业PMI为50 略低于预期的51 但仍显示积极发展 [1] - 尽管缺乏官方劳动力市场数据 投资者情绪保持温和积极 私营部门指标显示招聘和新岗位趋于稳定而非增长或下降 [2] - 市场普遍保持动能 标准普尔500指数本周收涨 [2] 原油市场动态 - 原油价格已下滑至接近每桶60美元 [2] - OPEC+于10月5日决定适度增产 该结果被视为对原油的温和结果 因其中一个选项是从当前水平增产两倍 [3] - 哈马斯与以色列将于10月7日在埃及举行会谈 这对原油构成看跌因素 [3] - 尽管存在担忧因素 原油期货仍保持看跌方向 [4] 主要资产价格技术分析 - 比特币上涨并创下约125000美元的历史新高 [2] - 原油价格下行 在20日布林带底部附近动能加速 下一个可能支撑位在59-60美元区域 跌破60美元可能引发一些卖空和杠杆多头头寸的清算 [7] - 标准普尔500指数位于布林带指标上轨上方 显示动能减弱 市场广度缓慢下降 科技板块周五承压 [8] - 看涨趋势可能持续 但随着上涨行情进入平台期 向上突破可能容易受到获利了结和修正的影响 [9] 未来一周重点关注事件 - 交易员将关注本周美国政府停摆的结束以及以色列-哈马斯会谈的消息 [5] - 重要经济数据包括周三发布的FOMC会议纪要和周五发布的密歇根大学消费者信心指数 [5]

文章核心观点 - 长假期间A股市场闭市，上市公司倾向于在此期间发布敏感公告，导致节后开盘利空消息集中释放，个股面临显著下跌压力 [3] - 节后个股表现分化严重，即使大盘整体上涨概率达70%，遭遇利空的个股仍可能独立下跌，需对利空类型进行真假轻重辨析 [5] - 应对节后风险需进行持仓筛查，关注行业政策与公司公告，并可通过投资宽基ETF或主题ETF来规避个股风险并把握行业轮动机会 [5][7] 假期利空事件类型总结 - **行业政策黑天鹅**：例如海外对橱柜、洗手台加征50%关税，直接影响海外营收占比超40%的公司，使其面临利润压缩或客户流失的两难选择 [1][3] - **业绩翻车**：包括科技公司前三季度亏损近5亿元且产品竞争力下滑、客户流失，以及建材企业因原材料涨价和需求疲软导致全年扭亏无望 [3] - **高管组团减持**：两家消费和半导体企业高管计划合计减持近3%股份，实控人减持历史上曾导致开盘跌幅超5% [3] - **监管问询函**：涉及公司问题包括半年报中营收与现金流不匹配，以及宣传已久的投资项目未能落地被疑蹭热点，此类事件会冲击市场情绪 [3] 利空事件影响分析 - **业绩亏损影响**：需区分是行业共性还是公司个体问题，全行业承压则下跌空间有限，若个体亏损离谱则风险较大 [5] - **高管减持影响**：低位小幅减持影响较小，高位实控人带头减持则需高度警惕 [5] - **境外市场波动传导**：国庆期间美股、港股正常交易，若发生美联储政策突变或地缘政治事件，会直接影响节后A股，例如曾导致金融板块低开2%以上 [5] 节后市场特征与策略 - **行业轮动明显**：例如去年国庆后计算机、电子等成长板块上涨，而旅游、餐饮等消费板块下跌，板块轮动可能对冲部分个股利空冲击 [7] - **投资工具运用**：为规避个股风险可考虑宽基ETF（如沪深300ETF、中证500ETF），看好特定行业可选用主题ETF（如科创芯片ETF节后曾涨6%），需注意分散风险 [7] - **资金面与估值影响**：节后资金通常宽松，但需警惕机构季度末调仓抛售高估值品种 北向资金节前净流入147亿元主要流向医药和消费等防御板块 美联储降息预期若因美国经济数据好转而反转，将尤其影响对利率敏感的科技股估值 [7] 长期视角与基本面重要性 - 遭遇利空后，基本面扎实的龙头公司恢复能力更强，例如医药集采利空后龙头半年内修复失地，而小公司可能一蹶不振 [9] - 概念炒作（如跨界并购故事）且项目不落地的公司风险高，而专注研发（如华为昇腾芯片产业链公司）可能带来长期巨大涨幅 [7]

核心观点 - 报告基于行业轮动策略构建ETF组合，在20250929当周推荐配置航空航天、军工电子、半导体等板块，并调整持仓，调入卫星ETF、央企科技ETF等，继续持有航空航天ETF、影视ETF等 [2][12] - 策略自2024年10月14日样本外运行以来累计收益约24.76%，相对沪深300ETF累计超额收益约4.92%，但最近一周（20250922-20250926）策略净收益约-0.12%，相对沪深300ETF超额收益约为-1.14% [3][12] 策略持仓与调整 - 未来一周（20250929-20250930）策略调入卫星ETF（市值11.27亿元，重仓军工电子32.59%）、央企科技ETF（市值14.16亿元，重仓半导体21.06%）、央企科创ETF（市值2.38亿元，重仓通信服务23.64%）、传媒ETF（市值29.50亿元，重仓游戏32.91%）、中药ETF（市值24.47亿元，重仓中药II 100%）、VRETF（市值2.04亿元，重仓光学光电子24.95%） [3] - 策略继续持有航空航天ETF（市值13.51亿元，重仓航空装备58.23%）、影视ETF（市值1.06亿元，重仓影视院线45.35%）、钢铁ETF（市值35.42亿元，重仓普钢63.56%）、工业母机ETF（市值11.63亿元，重仓自动化设备46.98%） [3] - 近期调出粮食ETF（近一周涨跌幅-1.77%）、油TETF（近一周涨跌幅0.09%）、房地产ETF（近一周涨跌幅4.10%）、游戏ETF（近一周涨跌幅-0.25%）、绿电ETF（近一周涨跌幅-0.09%）、农业ETF（近一周涨跌幅-1.11%） [12] 策略表现与市场对比 - 在20250922-20250926期间，ETF组合平均收益为-0.12%，而沪深300ETF（代码510300，市值4167.21亿元）同期收益为1.02%，组合超额收益为-1.14% [12] - 策略组合采用100%权益仓位、等权加权构建，不考虑择时信号 [6] 行业与板块配置 - 模型推荐配置板块包括航空装备、军工电子、半导体、通信服务、游戏、影视院线、中药、光学光电子、普钢、自动化设备等 [3][12] - 部分ETF的日度或周度择时信号提示风险，如央企科创ETF日度信号为-1（看空），影视ETF日度信号为-1（看空），钢铁ETF日度信号为-1（看空） [3]

基金经理金梓才投资框架 - 坚持"Beta优先"的投资框架，在把握核心主线的同时动态调整持仓结构[2] - 独创"宏观周期-中观行业-微观个股"三位一体分析体系，先判断经济与政策阶段，再锁定优势板块，最后精选标的[4] - 持仓兼顾光模块、通信设备等多个算力细分领域，通过行业内分散配置降低单一标的波动对组合的冲击[2] - 善于在行业景气度触底或即将反转时进行前瞻性布局，也会在行业趋势明确、业绩加速释放时果断参与[14] - 根据景气度变化果断卖出已度过高峰的行业，切换到新的景气方向上，较好规避单一行业下行风险[14] 基金业绩表现 - 财通价值动量混合A基金自成立来收益率833.15%，今年来收益率53.78%，近1年来收益率118.05%[5] - 财通价值动量混合A基金近3月收益率93.70%，近6月收益率104.50%，近2年收益率131.91%[5] - 金梓才任职财通价值动量混合A期间回报高达351.16%，任职时间10年又63天[6] - 财通成长优选混合A基金自成立来收益率243.40%，今年来收益率59.13%，近1年来收益率133.92%[15] - 财通成长优选混合A基金近3月收益率100.47%，近6月收益率111.45%，近2年收益率144.41%[15] - 金梓才任职以来年化回报13.08%，大幅跑赢沪深300指数的4.85%[4] 投资组合与个股操作 - 基金资产配置分为战略和战术两个层面，战略上基于宏观经济长期基本面研究确定基准配置比例[6] - 战术上根据市场中短期的动量特征对资产配置比例进行动态调整，行业配置层面先依据各行业长期价值水平确定配置基准[7] - 2023年4季度买入329.96万股新易盛，持有期间2023年10月9日-2025年3月31日股票价格上涨113.58%[9] - 2025年2季度再度买入新易盛，持有期间2025年4月1日-2025年9月26日股票价格上涨435%[9][21] - 2023年4季度买入466.32万股沪电股份，持有期间2023年10月9日-2025年3月31日股票价格上涨48%[11] - 2025年2季度买入608.35万股仕佳光子，持有期间2025年4月1日-2025年9月26日股票价格上涨316%[14] - 2025年2季度买入222.23万股长芯博创，持有期间股票价格上涨178%，买入233.8万股天孚通信，持有期间股票价格上涨190%[14] AI算力赛道布局 - 2025年股市呈现"主线切换快、科技领涨"特征，精准捕捉海外算力板块爆发机会[2] - 敏锐意识到AI产业应用"0到1"的爆发节点已至，果断布局光模块、PCB等细分领域[2] - 2023年末看好科技制造行业前景，在四季度调仓中进一步增配算力方向[15] - 2024年上半年继续超配算力方向，三季度将重仓仓位基本全部转移至科技制造产品板块[15] - 观察到海外巨头AI模型研发及其资本开支持续加码，服务于海外科技巨头的优质细分领域迎来业绩与估值双重提振[27] - 海外云计算服务厂商对明年的资本开支预期可能会超预期，训练用算力的需求仍未见顶[28]

量化模型与构建方式 1. A股大盘择时模型 - **模型名称**：A股多维择时模型[2][9] - **模型构建思路**：从估值、情绪、资金、技术四个维度对万得全A指数进行整体方向性判断，左侧指标（估值、情绪）采用反转逻辑规避风险，右侧指标（资金、技术）采用趋势逻辑捕捉机会[9] - **模型具体构建过程**： - 选取四个维度的具体指标： - 估值维度：股权风险溢价（ERP）[9][15] - 情绪维度：期权沽购比、期权隐含波动率、期货会员持仓比[9][15] - 资金维度：融资买入额[9][15] - 技术维度：布林带、个股涨跌成交额占比差[9][15] - 各维度日频发出信号，每日信号取值为0（看平）、+1（看多）、-1（看空）[9] - 以各维度得分之和的正负性作为大盘多空观点的依据[9] 2. 红利风格择时模型 - **模型名称**：红利风格择时模型[3][17] - **模型构建思路**：结合中证红利相对中证全指的动量、10Y-1Y期限利差和银行间质押式回购成交量三者的趋势进行择时[3][17] - **模型具体构建过程**： - 选取三个维度的指标： - 中证红利相对中证全指的动量：红利风格正向指标[21] - 10Y-1Y期限利差：红利风格负向指标[21] - 银行间质押式回购成交量：红利风格正向指标[21] - 三个指标从趋势维度日频发出信号，每日信号取值为0（看平）、+1（看多）、-1（看空）[17] - 以各维度得分之和的正负性作为红利风格多空观点的依据[17] - 当模型看好红利风格时全仓持有中证红利，不看好时全仓持有中证全指[17] 3. 大小盘风格择时模型 - **模型名称**：大小盘风格择时模型[3][22] - **模型构建思路**：采用基于拥挤度分域的趋势模型进行择时，在不同拥挤度区间采用不同参数的双均线模型判断趋势[3][22][24] - **模型具体构建过程**： - 以沪深300指数和万得微盘股指数为大小盘风格代表[22] - 从动量视角和成交视角计算大小盘风格拥挤度得分[22][26]： - 动量之差：计算万得微盘股指数与沪深300指数的多窗长（10/20/30/40/50/60日）动量之差，进一步计算各窗长动量之分的3.0/3.5/4.0/4.5/5.0年分位数的均值，对6个计算窗长下分位数最高的3个结果取均值作为小盘风格的动量得分，最低的3个结果取均值作为大盘风格的动量得分[26] - 成交额之比：计算万得微盘股指数与沪深300指数的多窗长（10/20/30/40/50/60日）成交额之比，进一步计算各窗长成交额之比的3.0/3.5/4.0/4.5/5.0年分位数的均值，对6个计算窗长下分位数最高的3个结果取均值作为小盘风格的成交量得分，最低的3个结果取均值作为大盘风格的成交量得分[26] - 将小盘风格的动量得分和成交量得分取均值得到小盘风格的拥挤度得分，大于90%视为触发高拥挤；将大盘风格的动量得分和成交量得分取均值得到大盘风格的拥挤度得分，小于10%视为触发高拥挤[26] - 若最近20个交易日中曾触发过高拥挤，视为运行在高拥挤区间，否则为低拥挤区间[24] - 在高拥挤区间采用小参数双均线模型应对风格反转，在低拥挤区间采用大参数双均线模型跟踪中长期趋势[24] 4. 行业轮动模型 - **模型名称**：遗传规划行业轮动模型[4][29][32] - **模型构建思路**：采用双目标遗传规划技术直接对行业指数的量价、估值等特征进行因子挖掘，每季度末更新因子库，周频调仓[4][29][32] - **模型具体构建过程**： - 底层资产为32个中信行业指数[29] - 使用双目标遗传规划，以|IC|和NDCG@5两个指标同时评价因子的分组单调性和多头组表现[32] - 采用NSGA-II算法提升因子多样性、降低过拟合风险[33] - 结合贪心策略和方差膨胀系数，将共线性较弱的多个因子合成为行业得分[33] - 每周末选出多因子综合得分最高的五个行业进行等权配置[4][29] - 最新一期权重最大的因子基于单行业流动性中性化后的估值水平构建[36]： - 在截面上，用全体行业市净率滚动4年分位数对标准化月度成交额开展带有常数项的一元线性回归，取残差，记作变量A[37] - 在过去15个交易日中，取A最小的9个交易日，取其之和，记作变量B[37] - 在过去15个交易日中，对B开展zscore标准化；对于大于2.5的数值，进行反转即乘以-1；最后计算这15个交易日之和[37] 5. 中国境内全天候增强组合 - **模型名称**：中国境内全天候增强组合[5][38] - **模型构建思路**：采用宏观因子风险预算框架，选取增长超预期/不及预期、通胀超预期/不及预期四种宏观风险源作为平价对象，在四象限风险平价的基础上基于宏观预期动量的观点主动偏配看好象限[5][38] - **模型具体构建过程**： - 宏观象限划分与资产选择：选择增长和通胀维度，根据是否超预期划分为四象限，结合"定量+定性"的方式确定各象限适配的资产[41] - 象限组合构建与风险度量：象限内资产等权构建子组合，注重刻画象限的下行风险[41] - 风险预算模型确定象限权重：每月底根据"象限观点"调整象限风险预算，进行主动偏配[41] - "象限观点"由宏观预期动量指标给出，该指标综合考虑资产价格交易的"买方预期动量"和经济指标预期差体现的"卖方预期差动量"[41] - 模型月频调仓，9月配置观点为超配"增长超预期"象限和"通胀超预期"象限[5] 模型的回测效果 1. A股多维择时模型 - 回测区间：2010-01-05至2025-09-26[14] - 年化收益：25.23%[14] - 最大回撤：-28.46%[14] - 夏普比率：1.17[14] - Calmar比率：0.89[14] - YTD收益：40.98%[14] - 上周收益：0.15%[14] 2. 红利风格择时模型 - 回测区间：2017-01-03至2025-09-26[20] - 年化收益：16.04%[20] - 最大回撤：-25.52%[20] - 夏普比率：0.87[20] - Calmar比率：0.63[20] - YTD收益：21.75%[20] - 上周收益：0.23%[20] 3. 大小盘风格择时模型 - 回测区间：2017-01-03至2025-09-26[27] - 年化收益：26.25%[27] - 最大回撤：-30.86%[27] - 夏普比率：1.09[27] - Calmar比率：0.85[27] - YTD收益：65.89%[27] - 上周收益：1.07%[27] 4. 遗传规划行业轮动模型 - 回测区间：2022-09-30至2025-09-26[32] - 年化收益：32.60%[32] - 年化波动：17.95%[32] - 夏普比率：1.82[32] - 最大回撤：-19.63%[32] - 卡玛比率：1.66[32] - 上周表现：0.27%[32] - YTD收益：36.44%[32] 5. 中国境内全天候增强组合 - 回测区间：2013-12-31至2025-09-26[42] - 年化收益：11.53%[42] - 年化波动：6.16%[42] - 夏普比率：1.87[42] - 最大回撤：-6.30%[42] - 卡玛比率：1.83[42] - 上周表现：0.66%[42] - YTD收益：9.02%[42]

量化模型与构建方式 1 模型名称：扩散指数行业轮动模型[3][23][24]；模型构建思路：基于价格动量原理，通过计算行业扩散指数来捕捉行业趋势，选择扩散指数排名靠前的行业进行配置[24][36]；模型具体构建过程：首先，计算每个中信一级行业的扩散指数，该指数反映了行业内个股价格走势的强弱程度；然后，每周或每月跟踪各行业扩散指数的数值及其变化，并选择扩散指数排名前六的行业作为当期配置建议[25][28]；模型评价：该模型在趋势性行情中表现较好，能有效捕捉行业动量，但在市场风格切换至反转行情时可能面临失效风险[24][36] 2 模型名称：GRU因子行业轮动模型[3][6][31]；模型构建思路：基于分钟频量价数据，利用GRU（门控循环单元）深度学习网络生成行业因子，以把握短期交易信息并进行行业轮动[31][37]；模型具体构建过程：首先，收集各行业的分钟频量价数据；然后，将这些数据输入到GRU深度学习网络中进行训练，以生成GRU行业因子；最后，根据GRU行业因子的数值进行排序，选择因子排名靠前的行业进行配置[6][32][34]；模型评价：该模型对短周期行情有较好的自适应能力，但在长周期表现一般，且可能因极端行情而失效[31][37] 模型的回测效果 1 扩散指数行业轮动模型，2025年以来超额收益3.68%[3][23][28] 2 GRU因子行业轮动模型，2025年以来超额收益-7.53%[3][31][34] 量化因子与构建方式 1 因子名称：行业扩散指数[3][5][25]；因子的构建思路：通过量化行业内个股价格走势的强弱来构建一个综合指标，用以衡量行业的整体趋势强度[24][36]；因子具体构建过程：对于每个中信一级行业，计算其成分股中价格处于上涨趋势的股票比例或使用其他类似方法合成一个0到1之间的指数，数值越高代表行业趋势越强[25][26] 2 因子名称：GRU行业因子[3][6][32]；因子的构建思路：利用GRU深度学习模型处理高频量价数据，提取能够预测行业短期表现的因子[31][37]；因子具体构建过程：使用各行业的分钟频量价数据作为输入特征，通过训练好的GRU网络模型输出一个因子得分，该得分反映了模型对该行业未来表现的预测[32][37] 因子的回测效果 1 行业扩散指数因子，截至2025年9月26日，在通信行业的取值为0.949，在有色金属行业的取值为0.927，在银行业的取值为0.897，在电子行业的取值为0.864，在汽车行业的取值为0.859，在综合行业的取值为0.811[5][25] 2 GRU行业因子，截至2025年9月26日，在钢铁行业的取值为3.15，在房地产行业的取值为2.6，在建材行业的取值为2.08，在石油石化行业的取值为1.85，在交通运输行业的取值为0.81，在电力及公用事业的取值为0.01[6][32]