量化模型与构建方式 1 模型名称：均线距离择时模型 模型构建思路：通过计算短期均线（20日）与长期均线（120日）的距离差异来判断市场整体环境（震荡或趋势）[1][10] 模型具体构建过程： - 计算Wind全A指数的20日均线（$$MA_{20}$$）和120日均线（$$MA_{120}$$） - 计算均线距离百分比： $$Distance = \frac{MA_{20} - MA_{120}}{MA_{120}} \times 100\%$$ - 设定阈值3%：若距离绝对值≥3%则触发趋势格局信号，否则为震荡格局[1][10] 模型评价：简单直观，但依赖历史均线数据，对市场突变反应可能滞后 2 模型名称：TWO BETA行业配置模型 模型构建思路：基于市场风险偏好和行业Beta特性筛选科技等高弹性板块[2][11] 模型具体构建过程： - 计算行业相对市场的Beta系数（如军工、通信等） - 结合宏观风险偏好变化（如业绩披露期、关税谈判）调整配置权重[2][11] 模型评价：适应性强，但对宏观事件敏感 3 模型名称：仓位管理模型 模型构建思路：结合估值分位数（PE/PB）和趋势信号动态调整仓位[3][12] 模型具体构建过程： - 计算Wind全A的PE（70分位）、PB（30分位）历史分位数 - 当PE分位数中等（70）、PB分位数较低（30）且趋势未突破时，建议仓位60%[3][12] 量化因子与构建方式 1 因子名称：均线距离因子 因子构建思路：反映短期与长期趋势偏离程度[1][10] 因子具体构建过程：同均线距离择时模型计算公式 因子评价：对市场格局切换有预警作用 2 因子名称：估值分位数因子 因子构建思路：通过PE/PB历史分位数判断市场估值水平[3][12] 因子具体构建过程： - 计算当前PE/PB在2014-2025年历史数据中的百分位排名[13][15] 模型的回测效果 1 均线距离择时模型： - 当前均线距离2.52%（未达3%阈值）[1][10] - 震荡格局判断准确率（未提供具体值） 2 仓位管理模型： - 当前建议仓位60%[3][12] 因子的回测效果 1 均线距离因子： - 最新值2.52%（20日均线5218，120日均线5090）[1][10] 2 估值分位数因子： - PE分位数70%，PB分位数30%[3][12]

六维投资能力分析功能概述 - 申万宏源申财有道APP信用账户新增"六维投资能力分析"功能 从盈利能力 风控能力 收益稳定 择时能力 择股能力 行业配置六大维度评估投资表现 并与市场指数及用户大数据对比 [2] - 功能通过可视化雷达图展示投资优势与短板 提供客观评价以优化交易策略 [3] 六大核心维度详解 盈利能力 - 通过账户收益率衡量投资回报水平 收益率越高则盈利能力越强 [6] - 引入杠杆超额收益指标 反映融资杠杆对盈利的增强效果 数值越高表明杠杆运用效率越高 [9] 风控能力 - 评估依据最大回撤幅度和合约违约记录 回撤越小且无违约记录则风控能力越强 [12] 收益稳定 - 计算投资期间年化波动率 波动率越低表明收益稳定性越高 [16] 择时能力 - 基于交易胜率判断 胜率越高代表择时能力越强 [18] 择股能力 - 评估持仓个股配置分布及盈亏情况 结合择股超额收益率指标 超额收益越高说明选股能力越突出 [21] - 择股超额收益指持仓个股相对行业指数成分股的表现差异 正超额收益需配置更多涨幅较大股票 [23] 行业配置 - 展示持仓行业分布及盈亏数据 例如案例中社会服务行业持仓收益率达37.26% 显著跑赢行业指数跌幅6.26% [25][26] - 数据示例显示纺织服饰行业亏损1400元(占比21.52%) 基础化工亏损546元(占比32.85%) 社会服务盈利1212元(占比9%) [26] 功能使用流程 - 用户需下载申万宏源申财有道APP 通过两融交易页面-账户分析-投资能力路径进入功能模块 [36] - 未登录状态下入口位于交易页面正中 已登录用户入口在右上角 [41] 可视化分析结果 - 结果页面生成六维雷达图 针对待改善维度提供中性优化建议 [27] - 支持查看行业配置明细 如社会服务行业贡献收益率3.4%(持仓收益率37.78%) 同期沪深300指数涨幅2.26% [26]

量化模型与构建方式 1. **模型名称：赔率+胜率策略** - **模型构建思路**：结合资产的赔率与胜率指标，通过风险预算模型构建配置策略[40] - **模型具体构建过程**： 1. **赔率指标**：基于ERP（股权风险溢价）和DRP（债务风险溢价）的标准化数值等权计算，例如A股赔率为1.2倍标准差[11] 2. **胜率指标**：通过宏观胜率评分卡（货币、信用、增长、通胀、海外五因子）合成综合胜率，例如A股胜率回升至0轴附近[11] 3. **风险预算分配**：将赔率策略和胜率策略的风险预算简单相加，生成综合得分并调整资产权重[40] - **模型评价**：通过动态调整高赔率与高胜率资产权重，实现稳健收益 2. **模型名称：行业轮动策略（三维评价体系）** - **模型构建思路**：基于行业景气度、趋势、拥挤度三维框架筛选行业[35] - **模型具体构建过程**： 1. **趋势指标**：过去12个月信息比率（IR）衡量行业动量 2. **拥挤度指标**：换手率比率、波动率比率、beta比率合成[35] 3. **景气度分类**：实心气泡代表高景气行业，空心代表低景气[38] - **模型评价**：通过多维度交叉验证，有效捕捉行业轮动机会 3. **模型名称：美联储流动性指数模型** - **模型构建思路**：从数量维度和价格维度解构美联储流动性[17] - **模型具体构建过程**： 1. **数量维度**：净流动性、联储信用支持 2. **价格维度**：预期引导、市场隐含利率、公告意外[15] 3. **指数合成**：加权计算当前流动性状态（如20%中高水平）[15] --- 量化因子与构建方式 1. **因子名称：价值因子** - **因子构建思路**：通过赔率、趋势、拥挤度三标尺综合打分[18] - **因子具体构建过程**： 1. **赔率**：国证价值/国证1000比值标准化（当前0.2倍标准差）[19] 2. **趋势**：滚动窗口计算因子收益率方向（-0.1倍标准差中等水平）[19] 3. **拥挤度**：换手率与波动率分位数合成（-1倍标准差低拥挤）[19] - **因子评价**：综合得分1分，呈现“强趋势-低拥挤”特征[29] 2. **因子名称：质量因子** - **因子构建思路**：侧重盈利稳定性与ROE持续性[20] - **因子具体构建过程**： 1. **赔率**：高质量因子超额走势分位数（1.4倍标准差高赔率）[22] 2. **趋势**：滚动12个月收益方向（-0.3倍标准差弱趋势）[22] 3. **拥挤度**：持仓集中度与交易量合成（-0.8倍标准差低拥挤）[22] 3. **因子名称：小盘因子** - **因子构建思路**：衡量市值风格与交易拥挤度[26] - **因子具体构建过程**： 1. **赔率**：中证2000/沪深300比值标准化（-0.5倍标准差低赔率）[28] 2. **趋势**：短期动量强度（0.9倍标准差强趋势）[28] 3. **拥挤度**：换手率分位数（0.6倍标准差高拥挤）[28] --- 模型的回测效果 1. **赔率+胜率策略** - 年化收益：7.0%（2011年以来）、7.6%（2014年以来）、7.2%（2019年以来）[47] - 最大回撤：2.8%（2011年以来）、2.7%（2014年以来）、2.8%（2019年以来）[47] - 夏普比率：2.86（2011年以来）、3.26（2014年以来）、2.85（2019年以来）[47] 2. **行业轮动策略** - 年化超额收益：13.1%（2011年以来）、13.0%（2014年以来）、10.8%（2019年以来）[36] - 信息比率（IR）：1.18（2011年以来）、1.08（2014年以来）、1.02（2019年以来）[36] --- 因子的回测效果 1. **价值因子** - 综合打分：1分（当前排名最高）[18] - 赔率分位数：0.2倍标准差[19] - 趋势分位数：-0.1倍标准差[19] 2. **质量因子** - 综合打分：0.6分[20] - 赔率分位数：1.4倍标准差[22] - 趋势分位数：-0.3倍标准差[22] 3. **小盘因子** - 综合打分：0分[26] - 趋势分位数：0.9倍标准差[28] - 拥挤度分位数：0.6倍标准差[28]

纪要涉及的行业 A股市场、消费细分行业、金融板块、成长板块、新消费行业、TMT行业、航海装备、能源金属、光伏设备、航空机场、军工电子、软件开发、军工、有色金属、电力设备新能源、交通运输、大金融、消费电子、传媒（游戏）、通信（算力）、机器人、国产软件 纪要提到的核心观点和论据 - **A股走势判断**：预计2025年7月A股呈震荡格局，短周期和7月都处于震荡趋势，因基本面压力未完全释放，冲高驱动因素或一过性或已充分反映[1][2][27] - **行业风格判断**：7月市场风格偏均衡，低估值蓝筹和估值性价比良好的科技成长股有投资机会，行业配置风格偏向成长和金融板块，大小盘风格保持均衡[1][3][28] - **A股冲高驱动因素**：风险事件缓和（伊以停火）、政策预期改善（93阅兵计划公布、六部门金融支持消费政策出台）、机构资金流入（大机构半年度考核配置低估值大金融板块）[4] - **伊以停火影响**：对全球市场风险偏好提振是一过性的，甚至可能反复，地缘风险担忧不限于伊以，中美博弈也可能反复[5] - **93阅兵计划影响**：正式公布提振市场情绪，与主题热点炒作相关，增强确定性，提振作用将持续[7] - **六部门金融支持消费政策影响**：对市场情绪有提振，但对盈利总量提振效应有限且未超预期，对消费细分行业有一定利好[1][8] - **四中全会预期影响**：被视为较长期利好因素，但目前仅为情绪提振，会议召开时点和议题不确定[9] - **7月底政治局会议前政策空窗期**：政策将处于空窗期，金融支持消费政策出台后，短周期内出台更大增量政策概率降低[10] - **大机构配置低估值大金融板块行为**：可能与半年度考核压力及时间点有关，资金流入导致的指数冲高是一过性利多因素[11] - **短期冲高分母端因素可持续性**：大部分已反映或具有一过性，仅有极少部分政策预期可能支撑市场，但难以持续大幅支撑股市上涨[12] - **分子端因素回落**：5月出口同比增速降至5%，工业企业利润同比增速大幅回落至 -9.1%，1 - 5月累计转负，表明企业盈利状况恶化，A 股中报业绩可能低于预期[13][16] - **5月出口增速趋势**：降至5%，低于4月和3月，抢出口效应基本消减，海外需求疲弱[14] - **经济增长压力**：国内内需高位后难上行，出口回落将导致6、7月经济增长压力上升[15] - **7月A股中报业绩披露展望**：部分业绩好的公司已提前披露，越到后期业绩压力越大，主题概念相关公司7月中旬面临业绩考验[17] - **本周A股冲高行情性质**：脉冲式，是调仓和减仓的较好时机，后续基本面压力未完全释放[18] - **影响A股7月表现因素及季节性特征**：受基本面、政策及外部事件、流动性影响，过去15年7月上证综指涨跌次数基本持平，走势偏震荡，无明显单边趋势[19] - **基本面因素影响**：经济数据（制造业PMI、地产销售增速）和中报业绩预告影响7月A股走势，数据和业绩增速上行则上证综指上涨，反之则偏弱[20] - **政策和外部事件影响机制**：政策收紧或负面外部事件使7月上证综指下跌，积极政策则有支撑作用[21][22] - **流动性因素影响**：宽松货币政策使A股7月表现较好，加息或上调利率、准备金率则产生压制作用[23] - **2025年7月A股基本面情况**：呈现弱修复态势，经济增长弱修复，出口压力增大，制造业和基建投资难大幅上升，地产销售回落，企业盈利受压制，指数难大幅创新高[24] - **2025年7月政策和地缘风险影响**：政策积极但7月底政治局会议前有空窗期，地缘风险有不确定性，总体影响偏中性[25] - **2025年7月流动性影响**：预计维持宽松状态，宏观流动性宽松，微观流动性外资可能流入港股，融资不确定性高，股市资金平稳流入，对A股表现偏正面[26] - **历史7月表现较强行业**：业绩表现好（年度净利润预计增速高、中报预告增速好）和估值相对较低的行业[31] - **2025年7月行业配置建议**：重点配置估值性价比高的行业（军工、有色金属、电力设备新能源、交通运输、大金融）和科技行业中估值性价比高的子行业（消费电子、传媒、通信、机器人、国产软件）[35] 其他重要但可能被忽略的内容 - 六部门金融支持消费政策提到养老和消费的5000亿元专项贷款[8] - 此前预计A股一季报同比增速约2%，中报可能回升至3 - 4%，但目前中报业绩压力增大[16] - 2025年6 - 7月社零同比增速受益于低基数效应回升，手机消费旺季支撑消费增速[24] - 自2010年以来15年中，5年金融风格、4年成长风格在7月涨幅居首[28] - 近五年大小盘风格无明显偏向，整体趋于均衡[30] - 2025年7月新消费和TMT行业预计无明显季节性超额收益，配置高成长性赛道性价比不高[32]

根据提供的研报内容，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：均线距离择时模型** - **模型构建思路**：通过计算短期均线（20日）与长期均线（120日）的距离，判断市场整体环境（震荡或趋势）[1][9][12] - **模型具体构建过程**： 1. 计算Wind全A指数的20日均线（短期）和120日均线（长期） 2. 计算两线距离百分比： $$距离 = \frac{短期均线 - 长期均线}{长期均线} \times 100\%$$ 3. 设定3%为阈值：距离绝对值<3%为震荡格局，≥3%为趋势格局[9][12] - **模型评价**：简单直观，但需结合宏观和技术指标综合判断[12] 2. **模型名称：TWO BETA行业配置模型** - **模型构建思路**：通过双贝塔因子筛选科技板块中的优势行业（如军工、通信）[2][3][10] - **模型具体构建过程**：未披露具体公式，但提及结合行业趋势和贝塔特性进行配置[3][10] 3. **模型名称：仓位管理模型** - **模型构建思路**：基于估值分位数（PE/PB）和市场趋势动态调整仓位[10][12] - **模型具体构建过程**： 1. 计算Wind全A的PE（65分位）、PB（20分位） 2. 结合震荡格局信号（均线距离1.76%），输出绝对收益产品仓位建议[10][12] 模型的回测效果 1. **均线距离择时模型**： - 当前均线距离1.76%（震荡格局信号）[9][12] 2. **仓位管理模型**： - 建议仓位50%（PE中等+PB较低+震荡格局）[10][12] 量化因子与构建方式 1. **因子名称：估值分位数因子** - **因子构建思路**：通过历史分位数判断市场估值水平[10][12] - **因子具体构建过程**： 1. 计算Wind全A的PE/PB在2014-2025年历史数据中的分位数 2. PE分位数=65%（中等），PB分位数=20%（较低）[10][12] 因子的回测效果 1. **估值分位数因子**： - 当前PE分位数65%，PB分位数20%[10][12] 注：行业配置模型中的"困境反转"和"趋势延续"因子未披露具体构建细节[3][10]

核心观点 - 上半年国内经济增速大概率高于 5%，7 月市场有更清晰交易抓手但不确定因素增多，定价主线围绕“内部政策酝酿+中报业绩披露+外部变化升温”，市场波动率或放大，小盘股抱团或松动，市值风格向中盘倾斜，7 月中盘成长风格占优，建议关注中小盘品种，重视金融、成长和消费风格，重点关注银行、券商、TMT 行业 [1] 风格轮动 综合结论 - 7 月中小盘市值、中信金融+成长+消费风格值得关注，市值风格偏中小盘，成长价值风格偏均衡，中信行业风格中消费、金融、成长相对占优，红利风格靠后 [2][12][13] 经济层面 - 上半年经济基本面大致稳定，半年度 GDP 有望达 5%及以上增速，前 5 个月固投、社零、出口累计同比分别为 3.7%、5.0%、6.0%，“两新”政策支撑投资和消费，5 月设备工器具投资和部分消费品类同比加快，但 5 月对美出口同比大降，后续出口或有下行压力，8 月上旬美对华加征关税暂缓期结束，需关注 7 月相关动态 [16][17] - 预计未来三个月中国金融周期上行，库存周期和美林周期趋于震荡，金融周期方面居民中长期贷款转正、企业债融资好转但社融靠财政驱动，库存周期方面企业营收和库存同步回落，美林周期物价有望止跌企稳但地产跌幅扩大等有不利因素 [18][19] - 适配 A 股的宏观友好度指标未来三个月或窄幅震荡，规模风格差异指标显示 7 月市值风格偏均衡，估值风格差异指标显示 7 月先价值后成长 [25] 市场层面 - 前期小微盘股抱团，原因是年中宏观能见度低、缺乏明确交易主线、增量资金有限，中证 1000 拥挤度处偏低位置，国证 2000 和微盘股指数拥挤度在相对高位，大盘品种拥挤度低位回升 [35][37] - 7 月小盘股高拥挤格局可能消化，市值偏大的中盘品种有望吸引资金，因美国关税减免到期、中东地缘冲突走向、美对华关税延期及出口数据等不确定因素增多 [44] 日历效应 - 2010 - 2024 年 7 月，宽基指数中中证 500、科创 50 占优，胜率超 50%且超额收益中位数有优势，中证 1000、国证 2000 等小盘成长指数劣势明显；风格指数中中信金融占优，胜率 67%且超额收益中位数为正，小盘成长和红利指数欠佳；行业指数中军、社服、美护、有色、农牧占优，计算机、传媒、公用事业较弱 [50] 行业配置 行业轮动展望 - 7 月行业打分表中得分排名前十的行业为非银金融、传媒、电子、银行、通信、基础化工、计算机、有色金属、国防军工、电新 [54] 基本面逻辑阐述 - 7 月行业配置思路为“银行压舱石，券商找节奏，看多 TMT”，关注公募欠配方向 [3][56] - 银行受资产荒与公募新规双轮驱动，分子端金融让利实体政策缓和，银行盈利稳定性强，近 10 年归母净利润增速 4.5%，变异系数 78.6%；分母端公募低配银行或迎来价值回归，银行业绩稳健、低波动契合长周期考核需要，以沪深 300 为基准公募低配银行 8.2% [57] - 券商低估值、深调整，赔率合适，国泰君安国际获虚拟资产交易服务牌照，稳定币有望推动券商角色转变和估值提升，近 5 年证券指数市盈率和分位数为 33%和 48%，自 2024 年 10 月 8 日至 6 月 24 日跌幅 -22.8% [62] - 传媒受微短剧和潮玩催化，全球 2025 年一季度短剧应用收入近 7 亿美元是 2024 年同期近 4 倍，中国微短剧市场规模呈上升趋势，预计 2027 年超 1000 亿元，中国 IP 玩具市场规模到 2028 年 CAGR 预计维持 12.7%增长 [63] - 电子半导体销售周期上行，截至 2025 年 4 月全球和中国半导体销售额当月同比分别为 22.7%、14.4%且连续两个月回暖，存储器新一轮周期复苏或已至，五大 NAND 闪存原厂减产，3 月至今 DRAM、NAND 综合价格指数环比回升 [68] - 计算机受香港稳定币草案落地催化稳定币产业链，稳定币有手续费率低、全天候运营、到账时间快优势；市场快速上行时金融 IT 值得关注，回顾“924”行情金融 IT 弹性大 [70] 下月板块配置建议 - 未来一个月相对看好中小市值风格，成长价值偏均衡，行业风格重点关注金融、成长、消费，相对看好银行、券商、传媒、电子、计算机等行业 [5][74] 附录 - 给出中美权益资产、A股大小盘及成长/价值、A股五大行业风格与红利风格的宏观友好度计算公式 [75]

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. **Brinson分解模型** - 构建思路：用于拆解基金超额收益来源，区分行业配置收益和个股选择收益[16] - 具体构建： 1. 以中证800为基准，按半年度频率计算超额收益 2. 分解公式： $$ \text{超额收益} = \text{行业配置收益} + \text{个股选择收益} $$ 3. 采用GRAP方法调整多期合并结果[16] - 模型评价：有效识别主动基金的收益贡献结构，显示选股收益稳定性高于行业配置[22] 2. **K-Means聚类模型** - 构建思路：对绩优基金收益率进行降维分类[36] - 具体构建： 1. 提取近五年月度收益率数据 2. PCA降维后按欧式距离聚类 3. 最终划分为6类（行业分散型/小盘/价值/医药/轮动/科技）[36] - 模型评价：较好捕捉不同策略基金的收益特征差异[42] 3. **风格稳定性评估模型** - 构建思路：通过持仓数据识别基金风格标签[27] - 具体构建： 1. 半年度提取全部持仓 2. 结合个股风格分类计算风格权重 3. 取最大权重作为当期风格标签[27] 量化因子与构建方式 1. **行业配置稳定性因子** - 构建思路：衡量基金行业轮动频率[10] - 具体构建： 1. 静态分4类（高度分散/分散/集中/高度集中） 2. 动态分4类（高度稳定/稳定/轮动/高度轮动） 3. 组合形成16类特征矩阵[10] 2. **小盘错误定价因子** - 构建思路：捕捉小盘股定价效率低的超额机会[65] - 具体构建： 1. 筛选市值<100亿个股 2. 结合质量因子（ROE/现金流）过滤低质公司 3. 计算估值偏离度： $$ \text{偏离度} = \frac{\text{实际PE}}{\text{行业PE中位数}} - 1 $$ 3. **安全边际因子** - 构建思路：评估价值股的风险缓冲[67] - 具体构建： 1. 估值维度：PE_TTM历史分位数<30% 2. 质量维度：近3年ROE标准差<15% 3. 股息率加权： $$ \text{综合得分} = 0.4 \times \text{估值分} + 0.3 \times \text{质量分} + 0.3 \times \text{股息率} $$ 模型回测效果 | 模型/因子 | 年化超额收益 | IR | 胜率 | 最大回撤 | |--------------------|--------------|-------|--------|----------| | Brinson分解模型 | 5.38%[22] | 1.2[22] | 69.12%[23] | -4.2%[18] | | 行业稳定型基金 | 7.3%[12] | 1.5[14] | 73.12%[12] | -6.8%[14] | | 小盘错误定价因子 | 9.2%[65] | 1.8[65] | 65.30%[42] | -12.4%[42] | 因子回测效果 | 因子 | IC均值 | IR | 多空收益 | 分位数差 | |--------------------|--------|-------|----------|----------| | 行业配置稳定性 | 0.15[14] | 2.1[14] | 8.7%[14] | 19.3pp[12] | | 安全边际 | 0.21[69] | 2.4[69] | 11.2%[69] | 23.6pp[69] | | 医药小市值 | 0.18[74] | 1.9[74] | 7.9%[74] | 15.8pp[74] | 注：所有测试区间为2015-2025年，数据频率为月度[9]

量化模型与构建方式 1. **模型名称**：均线距离择时模型 **模型构建思路**：通过比较短期均线（20日）和长期均线（120日）的距离来判断市场整体环境，区分震荡与趋势格局[1][9] **模型具体构建过程**： - 计算Wind全A指数的20日均线（短期）和120日均线（长期） - 计算两线距离差值： $$距离差值 = \frac{短期均线 - 长期均线}{长期均线} \times 100\%$$ - 若距离绝对值小于3%，判定为震荡格局；否则为趋势格局[9][12] **模型评价**：简单直观，但对均线周期选择敏感，需结合其他宏观指标验证 2. **模型名称**：TWO BETA行业配置模型 **模型构建思路**：通过双贝塔因子筛选行业，侧重科技板块与消费电子的超额收益机会[2][3][8] **模型具体构建过程**： - 计算行业相对市场的贝塔值（β1）和相对无风险利率的贝塔值（β2） - 筛选高β1（市场敏感）且低β2（利率不敏感）的行业 - 结合动量因子确认趋势延续性[8][10] 3. **模型名称**：仓位管理模型 **模型构建思路**：综合估值分位数与趋势信号动态调整仓位[2][10] **模型具体构建过程**： - 计算Wind全A的PE（60分位）、PB（20分位）估值水平 - 结合均线距离模型信号：震荡格局下，估值中等时建议50%仓位[10][12] --- 量化因子与构建方式 1. **因子名称**：估值分位数因子 **因子构建思路**：通过历史分位数定位当前估值水平[7][11] **因子具体构建过程**： - 计算Wind全A指数PE/PB在过去10年（2014-2025）的滚动分位数 - 标准化处理： $$PE分位数 = \frac{当前PE - 历史最小PE}{历史最大PE - 历史最小PE}$$ PB分位数同理[11][15] 2. **因子名称**：困境反转因子 **因子构建思路**：识别低估值且基本面改善的行业[3][8] **因子具体构建过程**： - 筛选PB分位数低于30%的行业 - 叠加近3个月营收增速环比改善指标[8][10] --- 模型的回测效果 1. **均线距离择时模型** - 当前均线差值：0.68%（20日均线5115 vs 120日均线5081）[9][12] - 市场状态：震荡格局（距离<3%）[12] 2. **TWO BETA模型** - 推荐行业：科技板块（消费电子）、银行、黄金股[8][10] 3. **仓位管理模型** - 建议仓位：50%（Wind全A估值PE60分位/PB20分位）[10][12] --- 因子的回测效果 1. **估值分位数因子** - 当前PE分位数：60%（中等水平）[7][11] - 当前PB分位数：20%（较低水平）[11][15] 2. **困境反转因子** - 推荐行业：港股创新药、港股汽车、新消费[3][8]

根据提供的研报内容，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：均线距离择时模型** - **模型构建思路**：通过比较Wind全A指数的长期均线（120日）和短期均线（20日）的距离来判断市场整体环境（震荡或趋势）[2][8] - **模型具体构建过程**： 1. 计算Wind全A指数的20日均线（短期）和120日均线（长期） 2. 计算两均线的距离差值： $$\text{均线距离} = \frac{\text{20日均线} - \text{120日均线}}{\text{120日均线}} \times 100\%$$ 3. 根据距离绝对值划分市场状态： - 绝对值<3%为震荡格局 - 绝对值≥3%为趋势格局[2][8][13] 2. **模型名称：TWO BETA行业配置模型** - **模型构建思路**：通过双贝塔因子（宏观贝塔和行业贝塔）筛选具有超额收益潜力的行业板块[3][9][13] - **模型评价**：侧重科技成长板块的周期性机会捕捉 3. **模型名称：仓位管理模型** - **模型构建思路**：结合估值分位数（PE/PB）和市场趋势动态调整绝对收益产品的股票仓位[3][9] - **模型具体构建过程**： 1. 计算Wind全A的PE/PB历史分位数（PE 60分位、PB 10分位） 2. 根据估值分位区间匹配建议仓位（当前输出50%）[3][9] 量化因子与构建方式 1. **因子名称：估值分位数因子** - **因子构建思路**：通过PE/PB在历史序列中的分位水平判断市场估值状态[3][6][9] - **因子具体构建过程**： 1. 计算Wind全A指数过去10年（2014-2025）的PE/PB滚动分位数 2. 划分估值区间： - PE 60分位→中等水平 - PB 10分位→较低水平[3][6][9] 模型的回测效果 1. **均线距离择时模型** - 当前均线距离：-0.32%（震荡格局）[2][8][13] 2. **仓位管理模型** - 当前建议仓位：50%[3][9] 因子的回测效果 1. **估值分位数因子** - 当前PE分位数：60% - 当前PB分位数：10%[3][6][9]

金融工程 | 金工定期报告 2025 年 05 月 18 日 作者 吴先兴 分析师 SAC 执业证书编号：S1110516120001 wuxianxing@tfzq.com 相关报告 1 《金融工程：金融工程-因子跟踪周 报：小市值、资产周转率因子表现较好 -20250516》 2025-05-17 2 《金融工程：金融工程-哪些行业进 入高估区域？——估值与基金重仓股配 置监控 2025-05-17》 2025-05-17 3 《金融工程：金融工程-基金持仓与 基准偏离视角下的行业潜在冲击研究》 2025-05-14 金融工程 证券研究报告 量化择时周报：等待缩量 等待缩量 上周周报(20250512)认为：短期市场风险偏好在宏观不确定性和技术形态 的压制下，较难快速提升，建议维持中性仓位。最终 wind 全 A 全周上涨 0.72%。市值维度上，上周代表小市值股票的中证 2000 上涨 0.97%，中盘股 中证 500 下跌 0.1%，沪深 300 上涨 1.12%，上证 50 上涨 1.22%;上周中信一 级行业中，表现较强行业包括汽车、非银金融，汽车上涨 2.71%，国防军工、 计算机表现较弱，国防 ...