根据提供的研报内容，以下是量化模型与因子的详细总结： 量化因子与构建方式 1. **因子名称**：BP **构建思路**：衡量公司净资产与总市值的比率，属于估值类因子[16] **构建过程**：$$BP = \frac{净资产}{总市值}$$ **评价**：传统估值因子，在多数市场环境下具有选股能力 2. **因子名称**：单季EP **构建思路**：衡量单季度净利润与市值的比率[16] **构建过程**：$$单季EP = \frac{单季度归母净利润}{总市值}$$ 3. **因子名称**：三个月波动 **构建思路**：反映股票过去60个交易日的波动率，属于风险类因子[16] **构建过程**：计算过去60个交易日日内真实波幅均值 4. **因子名称**：标准化预期外盈利 **构建思路**：衡量盈利超预期程度[16] **构建过程**：$$SUE = \frac{单季度实际净利润-预期净利润}{预期净利润标准差}$$ 5. **因子名称**：一个月反转 **构建思路**：捕捉短期价格反转效应[16] **构建过程**：计算过去20个交易日涨跌幅 6. **因子名称**：非流动性冲击 **构建思路**：衡量股票流动性风险[16] **构建过程**：$$非流动性冲击 = \frac{过去20个交易日日涨跌幅绝对值}{成交额的均值}$$ 7. **因子名称**：MFE组合构建 **构建思路**：在控制风险暴露前提下最大化因子暴露[41] **构建过程**：通过优化模型$$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ **评价**：更接近实际投资组合的因子检验方式 因子回测效果 1. **BP因子** - 沪深300空间：最近一周0.25%，历史年化3.03%[18] - 中证500空间：最近一周0.18%，历史年化4.15%[20] - 中证1000空间：最近一周0.60%，历史年化3.41%[22] 2. **三个月波动因子** - 沪深300空间：最近一周0.47%，历史年化2.81%[18] - 中证500空间：最近一周0.30%，历史年化4.53%[20] 3. **一个月反转因子** - 沪深300空间：最近一周-0.60%，历史年化0.63%[18] - 中证500空间：最近一周-0.23%，历史年化0.64%[20] 4. **标准化预期外盈利因子** - 沪深300空间：最近一周0.41%，历史年化3.93%[18] - 中证1000空间：最近一周0.55%，历史年化8.25%[22] 5. **单季EP因子** - 中证500空间：最近一周0.41%，历史年化7.40%[20] - 中证A500空间：最近一周0.48%，历史年化5.81%[24] 模型回测效果 1. **沪深300指数增强组合** - 本周超额1.06%，本年超额4.21%[13] 2. **中证500指数增强组合** - 本周超额-0.05%，本年超额6.45%[13] 3. **中证1000指数增强组合** - 本周超额0.72%，本年超额9.41%[13] 4. **公募基金指数增强产品** - 沪深300增强中位数：本周0.32%，本年1.67%[31] - 中证500增强中位数：本周0.35%，本年2.45%[33] - 中证1000增强中位数：本周0.24%，本年4.11%[37]

量化因子与构建方式 1. **因子名称：理想反转因子** - **构建思路**：通过每日平均单笔成交金额的大小切割出反转属性最强的交易日，认为A股反转之力的微观来源是大单成交[4] - **具体构建过程**： 1. 回溯股票过去20日数据 2. 计算每日平均单笔成交金额（成交金额/成交笔数） 3. 单笔成交金额高的10个交易日涨跌幅加总为M_high 4. 单笔成交金额低的10个交易日涨跌幅加总为M_low 5. 因子值M = M_high - M_low[42] - **因子评价**：逻辑清晰，聚焦大单交易的反转效应 2. **因子名称：聪明钱因子** - **构建思路**：从分钟行情价量信息识别机构交易参与度，构造跟踪聪明钱的指标[4] - **具体构建过程**： 1. 取股票过去10日分钟数据 2. 计算每分钟指标 $$S_t = |R_t| / V_t^{0.25}$$（$$R_t$$为分钟涨跌幅，$$V_t$$为分钟成交量） 3. 按$$S_t$$排序，取成交量累积前20%的分钟作为聪明钱交易 4. 计算聪明钱VWAP（成交量加权均价）与整体VWAP的比值Q = VWAPsmart/VWAPall[41][43] - **因子评价**：有效捕捉机构交易行为特征 3. **因子名称：APM因子** - **构建思路**：衡量股价在日内不同时段（上午/下午）的行为差异[4] - **具体构建过程**： 1. 取股票过去20日隔夜与下午收益率数据 2. 回归计算残差：$$r = \alpha + \beta R + \epsilon$$ 3. 计算隔夜与下午残差差异统计量： $$\mathrm{stat}={\frac{\mu(\delta_{t})}{\sigma(\delta_{t})/{\sqrt{N}}}}$$ 4. 对动量因子回归取残差作为APM因子[44][45] - **因子评价**：揭示日内交易模式的结构性差异 4. **因子名称：理想振幅因子** - **构建思路**：基于股价维度切割振幅，分析高价态与低价态的信息差异[4] - **具体构建过程**： 1. 计算股票过去20日振幅（最高价/最低价-1） 2. 高价振幅V_high = 收盘价最高25%交易日的振幅均值 3. 低价振幅V_low = 收盘价最低25%交易日的振幅均值 4. 因子值V = V_high - V_low[47] - **因子评价**：有效区分不同价格区间的振幅信息 5. **因子名称：交易行为合成因子** - **构建思路**：加权整合四个交易行为因子，提升稳定性[31] - **具体构建过程**： 1. 对单因子进行行业去极值与标准化 2. 滚动12期ICIR加权计算合成因子值[31] 因子回测效果 1. **理想反转因子** - 全历史IC均值：-0.050 - 全历史rankIC均值：-0.061 - 全历史IR：2.52 - 全历史多空胜率：78.0% - 2025年5月收益：-0.63% - 近12月胜率：66.7%[5][14] 2. **聪明钱因子** - 全历史IC均值：-0.037 - 全历史rankIC均值：-0.061 - 全历史IR：2.73 - 全历史多空胜率：81.9% - 2025年5月收益：-0.86% - 近12月胜率：91.7%[5][18] 3. **APM因子** - 全历史IC均值：0.029 - 全历史rankIC均值：0.034 - 全历史IR：2.28 - 全历史多空胜率：77.1% - 2025年5月收益：-1.03% - 近12月胜率：66.7%[5][22] 4. **理想振幅因子** - 全历史IC均值：-0.054 - 全历史rankIC均值：-0.073 - 全历史IR：2.99 - 全历史多空胜率：83.4% - 2025年5月收益：-1.50% - 近12月胜率：75.0%[5][26] 5. **交易行为合成因子** - 全历史IC均值：0.067 - 全历史rankIC均值：0.092 - 全历史IR：3.28 - 全历史多空胜率：82.3% - 2025年5月收益：-1.58% - 近12月胜率：83.3%[5][31] - 中小盘表现：国证2000 IR=2.95，中证1000 IR=2.92[31]

报告行业投资评级 未提及相关内容 报告的核心观点 - 农产品板块各品种行情分化，油料油脂类区间盘整，农副产品震荡，软商品中白糖偏弱、棉花反弹后盘整，谷物类玉米和淀粉回暖后窄幅盘整 [2] - 建议构建卖方为主的期权组合策略以及现货套保或备兑策略增强收益 [2] 各部分总结 标的期货市场概况 - 豆一最新价4123，涨0.29%，成交量10.04万手，持仓量14.44万手 [3] - 豆二最新价3554，跌0.11%，成交量17.84万手，持仓量12.49万手 [3] - 豆粕最新价2793，涨0.14%，成交量9.26万手，持仓量45.86万手 [3] - 菜籽粕最新价2562，涨0.95%，成交量2.49万手，持仓量10.42万手 [3] - 棕榈油最新价8296，涨0.22%，成交量0.74万手，持仓量1.24万手 [3] - 豆油最新价7736，跌0.15%，成交量0.69万手，持仓量3.41万手 [3] - 菜籽油最新价9468，涨0.29%，成交量2.91万手，持仓量1.27万手 [3] - 鸡蛋最新价2916，涨1.00%，成交量20.63万手，持仓量15.72万手 [3] - 生猪最新价13215，跌0.30%，成交量0.91万手，持仓量2.17万手 [3] - 花生最新价8522，涨2.01%，成交量10.05万手，持仓量13.88万手 [3] - 苹果最新价7655，涨0.55%，成交量6.25万手，持仓量10.69万手 [3] - 红枣最新价8685，跌0.86%，成交量6.51万手，持仓量8.77万手 [3] - 白糖最新价5886，涨0.10%，成交量1.68万手，持仓量2.77万手 [3] - 棉花最新价13050，跌0.31%，成交量3.63万手，持仓量4.28万手 [3] - 玉米最新价2342，涨0.60%，成交量43.19万手，持仓量117.14万手 [3] - 淀粉最新价2680，涨0.37%，成交量10.16万手，持仓量22.73万手 [3] - 原木最新价766，涨1.52%，成交量2.09万手，持仓量2.94万手 [3] 期权因子—量仓PCR - 豆一成交量PCR为1.00，持仓量PCR为0.48 [4] - 豆二成交量PCR为0.94，持仓量PCR为0.91 [4] - 豆粕成交量PCR为0.79，持仓量PCR为0.71 [4] - 菜籽粕成交量PCR为0.98，持仓量PCR为1.34 [4] - 棕榈油成交量PCR为0.90，持仓量PCR为0.95 [4] - 豆油成交量PCR为0.74，持仓量PCR为0.82 [4] - 菜籽油成交量PCR为1.41，持仓量PCR为1.22 [4] - 鸡蛋成交量PCR为0.41，持仓量PCR为0.52 [4] - 生猪成交量PCR为0.48，持仓量PCR为0.33 [4] - 花生成交量PCR为0.42，持仓量PCR为0.66 [4] - 苹果成交量PCR为0.37，持仓量PCR为0.49 [4] - 红枣成交量PCR为0.66，持仓量PCR为0.45 [4] - 白糖成交量PCR为1.30，持仓量PCR为0.83 [4] - 棉花成交量PCR为1.06，持仓量PCR为0.93 [4] - 玉米成交量PCR为0.84，持仓量PCR为0.68 [4] - 淀粉成交量PCR为0.49，持仓量PCR为1.21 [4] - 原木成交量PCR为1.04，持仓量PCR为0.69 [4] 期权因子—压力位和支撑位 - 豆一压力位4300，支撑位4000 [5] - 豆二压力位3450，支撑位3400 [5] - 豆粕压力位3300，支撑位2700 [5] - 菜籽粕压力位3000，支撑位2500 [5] - 棕榈油压力位8700，支撑位7500 [5] - 豆油压力位7800，支撑位7500 [5] - 菜籽油压力位10800，支撑位9000 [5] - 鸡蛋压力位3100，支撑位2800 [5] - 生猪压力位14000，支撑位12800 [5] - 花生压力位9000，支撑位7200 [5] - 苹果压力位8900，支撑位7000 [5] - 红枣压力位10000，支撑位8600 [5] - 白糖压力位6200，支撑位5800 [5] - 棉花压力位13600，支撑位13000 [5] - 玉米压力位2400，支撑位2240 [5] - 淀粉压力位2700，支撑位2650 [5] - 原木压力位1000，支撑位650 [5] 期权因子—隐含波动率 - 豆一平值隐波率10.005，加权隐波率13.50 [6] - 豆二平值隐波率14.21，加权隐波率12.65 [6] - 豆粕平值隐波率12.39，加权隐波率15.96 [6] - 菜籽粕平值隐波率19.24，加权隐波率21.71 [6] - 棕榈油平值隐波率17.59，加权隐波率18.70 [6] - 豆油平值隐波率12.115，加权隐波率13.97 [6] - 菜籽油平值隐波率15.26，加权隐波率18.28 [6] - 鸡蛋平值隐波率21.215，加权隐波率22.83 [6] - 生猪平值隐波率12.915，加权隐波率16.79 [6] - 花生平值隐波率10.975，加权隐波率12.05 [6] - 苹果平值隐波率16.11，加权隐波率18.47 [6] - 红枣平值隐波率16.96，加权隐波率20.19 [6] - 白糖平值隐波率8.41，加权隐波率10.61 [6] - 棉花平值隐波率11.52，加权隐波率13.30 [6] - 玉米平值隐波率10.225，加权隐波率10.94 [6] - 淀粉平值隐波率9.185，加权隐波率10.89 [6] - 原木平值隐波率15.48，加权隐波率22.33 [6] 油脂油料期权 豆一、豆二 - 基本面：2025年第21周大豆库存560.63万吨，较上周减4.46%，同比增24.44% [7] - 行情分析：豆一3月高位回落，4月反弹，近两周高位盘整 [7] - 期权因子：隐含波动率维持历史均值较高水平，持仓量PCR报收于0.70以下 [7] - 策略建议：构建卖出偏中性的看涨+看跌期权组合策略，构建多头领口策略 [7] 豆粕、菜粕 - 基本面：全国主要油厂豆粕成交11.46万吨，较前一交易日减7.68万吨 [9] - 行情分析：豆粕4月先涨后跌，5月低位盘整后反弹 [9] - 期权因子：隐含波动率维持历史均值偏下水平，持仓量PCR逐渐下降至0.80以下 [9] - 策略建议：构建卖出偏中性的看涨+看跌期权组合策略，构建多头领口策略 [9] 棕榈油、豆油、菜籽油 - 基本面：三大油脂商业库存总量为180.18万吨，较上周减0.37%，同比涨4.70% [10] - 行情分析：棕榈油4月高位回落，低位盘整 [10] - 期权因子：隐含波动率持续下降至历史均值偏下水平，持仓量PCR持续下降至1.00以下 [10] - 策略建议：构建卖出偏中性的看涨+看跌期权组合策略，构建多头领口策略 [10] 花生 - 基本面：河南通货花生价格在4.3元/斤附近，进口花生价格上涨，进口量大幅减少 [11] - 行情分析：花生延续弱势震荡下行，5月止跌回暖 [11] - 期权因子：隐含波动率延续历史较低水平，持仓量PCR报收于0.80以下 [11] - 策略建议：构建看涨期权牛市价差组合策略，持有现货多头+买入看跌期权+卖出虚值看涨期权 [11] 农副产品期权 生猪 - 基本面：河南均价周落0.52元，四川均价周落0.2元，广东均价周涨0.2元 [11] - 行情分析：生猪3月低位盘整后回暖，近一个月区间盘整，上周回升后下降 [11] - 期权因子：隐含波动率当前处于历史均值偏高水平，持仓量PCR长期处于0.50以下 [11] - 策略建议：构建卖出偏中性的看涨+看跌期权组合策略，持有现货多头+卖出虚值看涨期权 [11] 鸡蛋 - 基本面：截止4月底，样本点在产蛋鸡存栏量为13.29亿只，环比上升0.11亿只，同比增加7.2% [12] - 行情分析：鸡蛋前期空头下行，4月反弹后受阻回落，近两周加速下跌 [12] - 期权因子：隐含波动率维持较高水平，持仓量PCR报收于0.60以下 [12] - 策略建议：构建看跌期权熊市价差组合策略，构建卖出偏空头的看涨+看跌期权组合策略 [12] 苹果 - 基本面：全国冷库库存170.85万吨，环比减少24.25万吨 [12] - 行情分析：苹果近三周高位震荡，上周回落走弱 [12] - 期权因子：隐含波动率维持历史均值偏下水平，持仓量PCR处于0.50以下 [12] - 策略建议：构建看跌期权熊市价差组合策略，构建卖出偏空头的看涨+看跌期权组合策略 [12] 红枣 - 基本面：端午备货接近尾声，市场成交清淡，销区货源停车区持续供应 [13] - 行情分析：红枣小幅区间盘整后走弱势空头下行 [13] - 期权因子：隐含波动率持续下降，持仓量PCR处于0.50以下 [13] - 策略建议：构建看跌期权熊市价差组合策略，构建卖出偏空的宽跨式期权组合策略，持有现货多头+卖出虚值看涨期权 [13] 软商品类期权 白糖 - 基本面：截至5月21日当周，巴西对中国食糖出口待运量为12.4万吨，环比上周减少6.87万吨 [13] - 行情分析：白糖4月初突破后回落，5月上涨乏力走弱 [13] - 期权因子：隐含波动率维持历史较低水平，持仓量PCR报收于0.80附近 [13] - 策略建议：构建卖出偏空头的看涨+看跌期权组合策略，构建多头领口策略 [13] 棉花 - 基本面：截至5月23日当周纺纱厂开机率为74.5%，环比上周减少0.1个百分点 [14] - 行情分析：棉花4月大幅下跌，近三周低位盘整后回暖上升，本周转弱 [14] - 期权因子：隐含波动率持续下降，持仓量PCR报收于1.00以下 [14] - 策略建议：构建卖出偏中性的看涨+看跌期权组合策略，持有现货多头+卖出虚值看涨期权 [14] 谷物类期权 玉米、淀粉 - 基本面：东北玉米稍有回落，北港库存继续下降，华北玉米上量减少 [14] - 行情分析：玉米维持矩形区间震荡，近两周上涨后回落 [14] - 期权因子：隐含波动率维持历史较低水平，持仓量PCR处于0.80附近 [14] - 策略建议：构建卖出偏中性的看涨+看跌期权组合策略 [14]

量化因子与构建方式 1. **因子名称**：留存筹码比率 - **因子构建思路**：基于分钟级交易数据，通过计算过去一段时间内各时刻至选股日的留存成交金额，衡量投资者换手意愿和筹码堆砌程度，因子值越高代表筹码堆砌程度越高，可能预示趋势行情[4][5][7] - **因子具体构建过程**： 1. 取单只股票1分钟级成交量及成交金额数据，计算分钟级换手率 2. 以15分钟为间隔（如9:45、10:00等），计算各时刻往前推15分钟的换手率之和及成交金额之和 3. 计算各时刻至选股日收盘的留存成交金额： $$RA_{t-n} = Amount_{t-n} \times (1-TR_{t-n+1}) \times (1-TR_{t-n+2}) \times \cdots \times (1-TR_{t})$$ 其中$Amount_{t-n}$为t−n时刻成交金额，$TR$为换手率 4. 累积过去20个交易日的留存成交金额，并除以同期累积成交金额，得到因子： $$\text{留存筹码比率} = \frac{\sum_{n=1}^{N} RA_{t-n}}{\sum_{n=1}^{N} Amount_{t-n}}$$ - **因子评价**：因子与流动性和波动性略相关，但与其他风格因子无明显相关性，能有效捕捉筹码堆砌带来的趋势效应[21][24] 2. **因子名称**：纯净留存筹码比率 - **因子构建思路**：对原始留存筹码比率因子进行风格正交化处理，剥离beta、市值、估值等常见风格因子的影响[21][35] - **因子具体构建过程**：使用Barra多因子模型对原始因子回归，取残差作为纯净因子 - **因子评价**：正交化后因子稳定性提升，与风格因子的相关性显著降低[35] 3. **因子名称**：复合细颗粒度因子 - **因子构建思路**：结合留存筹码比率与量价相关系数、振幅量价背离、成交金额波动、成交量波动四个因子，正交化后等权复合[63] - **因子具体构建过程**： 1. 对五个因子分别进行正交化处理 2. 等权加权生成复合因子 - **因子评价**：复合因子在多个指数中表现稳健，兼具选股和增强效果[63][66] --- 因子的回测效果 1. **留存筹码比率因子** - **中证800**：RankIC=5.67%，多空年化收益=46.16%，IR=1.09[12] - **中证1000**：RankIC=7.38%，多空年化收益=74.41%，IR=1.56[25] 2. **纯净留存筹码比率因子** - **中证800**：RankIC=4.59%，多空年化收益=40.88%，IR=1.07[21] - **中证1000**：RankIC=5.90%，多空年化收益=55.49%，IR=1.08[35] 3. **复合细颗粒度因子** - **沪深300**：RankIC=5.51%，多空年化收益=38.26%，多头年化收益=15.83%，IR=1.52[63] - **中证500**：RankIC=7.02%，多空年化收益=50.02%，多头年化收益=16.83%，IR=2.19[63] - **中证1000**：RankIC=7.70%，多空年化收益=60.89%，多头年化收益=19.31%，IR=2.93[63] --- 量化模型与应用 1. **模型名称**：留存筹码比率-指数增强模型 - **模型构建思路**：以最大化组合留存筹码比率因子值为目标，控制权重偏离和预期收益偏离，结合Barra模型预测收益[41][48][55] - **模型具体构建过程**： 1. 优化目标：最大化因子暴露 2. 约束条件：个股权重偏离≤1%，预期收益偏离基准≤5% - **模型评价**：在沪深300、中证500、中证1000中均实现稳定超额收益[41][48][55] 2. **模型名称**：复合细颗粒度因子-指数增强模型 - **模型构建思路**：将复合因子应用于组合优化，控制风险敞口[66] - **模型评价**：增强效果显著，信息比率优于单一因子模型[66] --- 模型的回测效果 1. **留存筹码比率-沪深300增强组合** - 累计超额=64.49%，年化超额=5.17%，IR=1.14，月胜率=57%[41][46] 2. **留存筹码比率-中证500增强组合** - 累计超额=120.97%，年化超额=10.09%，IR=1.67，月胜率=59.60%[48][53] 3. **留存筹码比率-中证1000增强组合** - 累计超额=121.36%，年化超额=11.78%，IR=1.44，月胜率=58.94%[55][61] 4. **复合细颗粒度因子-指数增强组合** - **沪深300**：年化超额=6.76%，IR=1.36[66] - **中证500**：年化超额=11.82%，IR=2.21[66] - **中证1000**：年化超额=11.02%，IR=2.05[66]

量化模型与构建方式 1. **模型名称**：GAN_GRU模型 - **模型构建思路**：结合生成式对抗网络（GAN）和门控循环单元（GRU）的深度学习模型，通过GAN处理量价时序特征后，利用GRU进行时序编码生成选股因子[9][10]。 - **模型具体构建过程**： 1. **数据输入**：18个量价特征（如收盘价、成交量等），采样形状为40*18（过去40天的特征）[13][14]。 2. **预处理**：时序去极值+标准化，截面标准化[14]。 3. **GAN部分**： - 生成器（G）：LSTM结构，输入噪声生成逼真量价特征，损失函数为： $$L_{G}\,=\,-\mathbb{E}_{z\sim P_{z}(z)}[\log(D(G(z)))]$$ - 判别器（D）：CNN结构，区分真实与生成特征，损失函数为： $$L_{D}=-\mathbb{E}_{x\sim P_{d a t a}(x)}[\log\!D(x)]-\mathbb{E}_{z\sim P_{z}(z)}[\log(1-D(G(z)))]$$ - 交替训练G和D直至收敛[20][21][23][26]。 4. **GRU部分**：两层GRU(128,128) + MLP(256,64,64)，输出预测收益pRet作为因子[18]。 - **模型评价**：有效捕捉量价时序特征的非线性关系，生成因子具有较高区分度[9][18]。 --- 量化因子与构建方式 1. **因子名称**：GAN_GRU因子 - **因子构建思路**：基于GAN_GRU模型输出的预测收益pRet，经行业市值中性化+标准化处理后作为选股因子[18][37]。 - **因子具体构建过程**： 1. 模型训练：半年滚动训练（每年6月30日、12月31日更新），预测未来20日收益[14]。 2. 因子生成：对全A股（剔除ST及上市不足半年股票）输出pRet，中性化处理[14][18]。 --- 模型的回测效果 1. **GAN_GRU模型**： - IC均值：11.57% | ICIR：0.89 | 年化超额收益率：25.01% - 年化波动率：24.02% | IR：1.66 | 最大回撤：27.29%[37][38]。 --- 因子的回测效果 1. **GAN_GRU因子**： - **全A表现**： - 近一年IC均值：11.54% | 最新一期IC：-0.28%[37][38]。 - **行业表现**： - 当期IC前五行业：社会服务（30.15%）、国防军工（28.07%）、银行（25.31%）[39]。 - 近一年超额收益前五行业：石油石化（5.60%）、建筑材料（5.29%）、家用电器（5.06%）[42]。 - **多头组合**： - 当期超额收益最高行业：商贸零售（8.22%）、国防军工（7.15%）[42]。 - 最新前十个股：顺威股份、博深股份、九典制药等[44][48]。

撰文丨王聪 编辑丨王多鱼 排版丨水成文 酒精相关性肝病 （ Alcohol-associated liver disease ） 的高死亡率，造成了全球性内健康负担，肠道微生物群的失衡对这类疾病的发展至关重要。 2025 年 5 月 28 日，加州大学圣地亚哥分校的研究人员在 Cell 子刊 Cell Host & Microbe 上发表了题为： Targeted inhibition of pathobiont virulence factor mitigates alcohol-associated liver disease 的研究论文。 更重要的是，研究团队证实，用小分子 2-(4-苯基苯基)苯并[g]喹啉-4-羧酸 （简称为 C7 ） 抑制 kpsM 依赖性荚膜，可减轻小鼠被酒精诱导的肝病。 该研究的核心发现： 大肠杆菌 kpsM 与酒精性肝炎患者的死亡率相关； kpsM 阳性大肠杆菌会加剧小鼠酒精诱导的肝病； KpsM 阳性大肠杆菌通过避开肝脏中 Kupffer 细胞上的清道夫受体 Marco 而逃避吞噬作用； C7 可抑制 kpsM 依赖性荚膜并减轻酒精诱导的肝病。 该研究表明， 大肠杆菌 基因 ...

红利类策略指数发展现状 - 红利类策略从小众投资逐渐成为市场主流，基金公司加大布局力度，通过优化编制规则、营销和费率竞争获取市场份额 [2] - 目前市场上有10只优化版红利指数产品，但规模普遍小于传统中证红利和红利低波指数 [5] - 多数优化版指数在2015年至今的区间收益表现优于传统红利指数，如智选高股息（202.61%）、沪深港红利50（417.80%）显著跑赢中证红利（143.17%）[7] 红利指数优化方向 市场面指标优化 - 引入低波动、低贝塔、低换手率等与股息率相关性高的因子，形成多因子筛选体系 [13] - 东证红利低波采用五年周波动率指标，比其他指数的一年波动率更具稳定性 [15] - 新华中诚信红利价值综合运用高分红、低波动、低估值等因子，形成黑匣子式复合筛选模型 [15] 股息率计算优化 - 智选高股息采用年度分红预案数据计算股息率，实现每年5月及时调仓 [16] - 东证红利低波通过"三年平均股利分配率/最新市盈率"估算预期股息率，反映实时估值变化 [16] - 标普A股红利采用过去一年股息率指标，红利价值引入市盈率指标，均增强了对最新基本面的响应速度 [18] 基本面优化 - 东证红利低波、龙头红利50等指数引入ROE稳定性筛选，提升盈利可持续性 [19] - 华证三只红利指数（沪深港红利50等）通过季度调仓和剔除市场表现落后股票，规避价值陷阱 [20] - 中证红利质量和红利潜力指数侧重成长性，筛选ROE、现金流等质量因子突出的公司 [21] 优化版红利指数特征 - 编制规则普遍提高调仓频率（季度/半年），传统指数多为年度调整 [12] - 成分股权重上限更严格，多数优化指数设置5%-10%个股上限，低于传统指数的15% [12] - 优化逻辑呈现差异化：低波类侧重防御性（红利低波），质量类侧重成长性（红利质量），港股指覆盖跨市场机会（沪深港红利50）[12][21] 行业发展趋势 - 美股市场经验显示，嫁接成长属性的红利质量、自由现金流等策略更受青睐 [21] - 未来可能出现融合多优化维度的综合型红利指数，如结合SUE指标和Alpha收益剔除法的华证景智红利 [24] - 随着风险偏好变化，不同优化方向的指数可能呈现轮动表现，成长类或将在市场回暖时脱颖而出 [22]

报告行业投资评级 未提及相关内容 报告的核心观点 - 能源化工板块涵盖能源类、醇类、聚烯烃、橡胶、聚酯类、碱类等 构建以卖方为主的期权组合策略及现货套保或备兑策略增强收益 [2] - 对原油、液化气、甲醇等多个能源化工期权品种进行基本面、行情分析 并给出期权因子研究和策略建议 [7][9][10] 根据相关目录分别进行总结 标的期货市场概况 - 原油SC2507最新价454 跌4 跌幅0.85% 成交量11.19万手 持仓量2.95万手 [3] - 液化气PG2507最新价4088 涨9 涨幅0.22% 成交量6.15万手 持仓量7.60万手 [3] - 甲醇MA2507最新价2221 涨12 涨幅0.54% 成交量1.95万手 持仓量1.19万手 [3] 期权因子—量仓PCR - 原油成交量PCR为0.97 持仓量PCR为0.85 [4] - 液化气成交量PCR为0.73 持仓量PCR为0.62 [4] - 甲醇成交量PCR为0.97 持仓量PCR为0.80 [4] 期权因子—压力位和支撑位 - 原油压力位570 支撑位400 [5] - 液化气压力位4600 支撑位3900 [5] - 甲醇压力位2500 支撑位2050 [5] 期权因子—隐含波动率 - 原油平值隐波率32.245% 加权隐波率35.68% [6] - 液化气平值隐波率18.565% 加权隐波率20.40% [6] - 甲醇平值隐波率19.025% 加权隐波率20.95% [6] 各品种期权策略与建议 能源类期权：原油 - 基本面：OPEC+增产动力迟疑 美国供给跟随油价反弹 [7] - 行情分析：3月高位回落后持续走弱 5月先抑后扬后快速下降回落 [7] - 期权因子研究：隐含波动率升至历史较高水平 持仓量PCR报收于0.80附近 [7] - 策略建议：构建卖出偏中性的期权组合策略和多头领口策略 [7] 能源类期权：液化气 - 基本面：国内港口库存高位 后续到港资源减量 月底PDH装置开工或回升 [9] - 行情分析：4月高位回落后持续走弱 维持宽幅矩形区间震荡偏空下行 [9] - 期权因子研究：隐含波动率维持历史均值附近 持仓量PCR报收于0.80以下 [9] - 策略建议：构建卖出偏空头的期权组合策略和多头领口策略 [9] 醇类期权：甲醇 - 基本面：港口和企业库存环比增加 订单待发环比减少 [9] - 行情分析：1月高位下跌后持续弱势 5月减缓 上周高位回落 [9] - 期权因子研究：隐含波动率处于历史均值附近 持仓量PCR升至1.00以上 [9] - 策略建议：构建看跌期权熊市价差组合、卖出偏中性的期权组合和多头领口策略 [9] 醇类期权：乙二醇 - 基本面：港口库存环比去库 下游工厂库存天数下降 国内处于检修季 [10] - 行情分析：4月快速下跌后低位震荡 5月回暖上升后回落 [10] - 期权因子研究：隐含波动率升至历史较高水平 持仓量PCR报收于1.00附近 [10] - 策略建议：构建做空波动率策略和多头套保策略 [10] 聚烯烃类期权：聚丙烯 - 基本面：PE和PP生产企业及贸易商库存有不同变化 [10] - 行情分析：前期空头趋势后止跌反弹 上周冲高回落 [10] - 期权因子研究：隐含波动率维持历史均值偏上 持仓量PCR降至1.00以下 [10] - 策略建议：构建看跌期权熊市价差组合和多头套保策略 [10] 能源化工期权：橡胶 - 基本面：中国天然橡胶社会库存环比下降 [11] - 行情分析：近一个月低位盘整后上涨突破后下降走弱 [11] - 期权因子研究：隐含波动率维持均值附近 持仓量PCR报收于0.60以下 [11] - 策略建议：构建看跌期权熊市价差组合和卖出偏空头的期权组合策略 [11] 聚酯类期权：PTA - 基本面：聚酯负荷环比下降 涤纶库存下降 瓶片库存偏高 [12] - 行情分析：近一个月反弹回暖上升 前一周加速上涨后高位盘整 [12] - 期权因子研究：隐含波动率上升后下降仍处较高水平 持仓量PCR报收于1.00以上 [12] - 策略建议：构建卖出偏多头的期权组合策略 [12] 能源化工期权：烧碱 - 基本面：5月下游补库 6月新增检修较多 厂家负荷高位 [13] - 行情分析：前期空头下行 5月止跌反弹后涨幅收窄 [13] - 期权因子研究：隐含波动率下降至均值偏下 持仓量PCR处于0.60以下 [13] - 策略建议：构建卖出偏空头宽跨式期权组合和现货备兑套保策略 [13] 能源化工期权：纯碱 - 基本面：上周产量环比下降 库存环比增加 企业订单维持 [13] - 行情分析：近两个月弱势空头下行 5月加速下跌后低位盘整 [13] - 期权因子研究：隐含波动率上升至近期较高水平 持仓量PCR报收于0.50以下 [13] - 策略建议：构建看跌期权熊市价差组合、卖出偏中性的期权组合和多头领口策略 [13] 能源化工期权：尿素 - 基本面：上周企业和港口库存环比增加 市场情绪降温 下游拿货谨慎 [14] - 行情分析：5月止跌反弹后上涨突破 上周加速下跌 [14] - 期权因子研究：隐含波动率上升后下降至均值偏下 持仓量PCR报收于1.00以上 [14] - 策略建议：构建卖出偏中性的期权组合和现货套保策略 [14]

国债期货：预期有限行情震荡有限，静待市场 选择方向 | 虞堪 | 投资咨询从业资格号：Z0002804 | yukan@gtht.com | | --- | --- | --- | | 林致远 | 投资咨询从业资格号：Z0021471 | linzhiyuan@gtht.com | 2025 年 05 月 28 日 【基本面跟踪】 5 月 27 日，国债期货收盘全线收跌，30 年期主力合约跌 0.26%，10 年期主力合约跌 0.11%，5 年期 主力合约跌 0.03%，2 年期主力合约跌 0.02%。 国债期货指数为-0.12。量价因子看多，基本面因子看空。无杠杆下，策略近 20 日累加收益为 0.04%，近 60 日累加收益为-0.53%，近 120 日累加收益为 0.14%，近 240 日累加收益为 1.27%。 权益市场方面，市场全天震荡调整，创业板指领跌。截至收盘，沪指跌 0.18%，深成指跌 0.61%，创 业板指跌 0.68%。盘面上，市场热点较为杂乱，个股上涨和下跌家数基本相当。 资金方面，隔夜 shibor 报 1.4520%，较前一交易日下跌 5.4bp，7 天 shibor 报 1.59 ...

转录因子协同作用机制研究 - 研究突破了单转录因子调控基因的传统模式，揭示不同转录因子通过协同作用识别新型DNA序列，参与胚胎发育等生命活动 [1] - 团队借助高通量筛选技术和计算生物学手段，系统性评估5.8万余种转录因子组合，鉴定出2198对具有协同作用的转录因子 [1] - 研究发现协同作用致使800多对转录因子识别的新型DNA序列发生改变 [2] 疾病关联性发现 - 转录因子或其识别的DNA序列突变与发育异常、癌症等多种疾病发生密切相关 [1] - 基因编辑证实协同转录因子识别的新型DNA序列可驱动关键基因的细胞特异性表达，在早期细胞发育中发挥重要作用 [1] 医学应用前景 - 该发现为发育异常和癌症等各类疾病的个性化治疗提供了新思路 [3]