量化模型与构建方式 1. 扩散指数行业轮动模型 - **模型名称**：扩散指数行业轮动模型[22] - **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[37] - **模型具体构建过程**：模型通过计算各行业的扩散指数并进行排名，选择排名靠前的行业作为配置标的。截至2025年11月14日，扩散指数排名前六的行业为有色金属(0.991)、银行(0.968)、钢铁(0.949)、通信(0.918)、电力设备及新能源(0.914)、综合(0.885)[24]。模型进行月度轮动，2025年11月份建议配置的行业即为上述六个行业[27] - **模型评价**：该模型在趋势性行情下表现较好，但在市场风格从趋势转向反转时可能面临失效风险[37] 2. GRU因子行业轮动模型 - **模型名称**：GRU因子行业轮动模型[31] - **模型构建思路**：基于分钟频量价数据，通过GRU深度学习网络生成行业因子，利用因子排名进行行业轮动[38] - **模型具体构建过程**：模型使用GRU深度学习网络处理分钟频量价数据，生成各行业的GRU因子值。根据因子值进行排名，选择排名靠前的行业进行配置。截至2025年11月14日，GRU行业因子排名前六的行业为综合(3.41)、房地产(2.63)、石油石化(2.13)、轻工制造(1.67)、钢铁(0.53)和综合金融(0.52)[32]。模型进行周度调仓，本周调入房地产，调出基础化工，当前配置行业为农林牧渔、电力及公用事业、房地产、交通运输、钢铁、石油石化[36] - **模型评价**：该模型在短周期表现较好，对交易信息把握能力强，但在长周期表现一般，且遭遇极端行情时可能失效[38] 模型的回测效果 1. 扩散指数行业轮动模型 - 本周平均收益：-1.26%[27] - 本周超额收益（相对于中信一级行业等权）：-1.99%[27] - 11月以来超额收益：-0.74%[27] - 2025年以来超额收益：1.84%[27] 2. GRU因子行业轮动模型 - 本周平均收益：1.72%[36] - 本周超额收益（相对于中信一级行业等权）：1.00%[36] - 11月以来超额收益：2.69%[36] - 2025年以来超额收益：-3.34%[36]

报告核心观点 - 报告构建了一套基于分析师一致预期的中观行业景气度量化研究框架，通过结合“上升强度”和“上升幅度”双信号来前瞻性捕捉行业盈利趋势的边际变化 [9][11] - 该框架旨在解决传统财报数据滞后性问题，在机构定价权逐步回归的A股市场环境下，为行业轮动提供有效的量化工具 [9] - 回测结果显示，基于此框架构建的Top5行业投资策略在2018年至2025年10月期间取得了显著的超额收益，年化超额收益率达12.40%，证明了该景气度因子的有效性和投资价值 [69][70] 引言部分总结 - 量化研究体系由基本面、量价和另类因子构成，因子的有效性与市场定价权的归属高度相关，当前A股市场定价主导权逐步回归机构，资金更追求业绩确定性 [9] - 行业轮动的关键在于提前识别盈利趋势变化，分析师一致预期可弥补传统财报的滞后性，成为衡量未来景气度的核心 [9] - 景气度量化刻画可分为历史景气度（价格动量）、当前景气度（盈利能力）和未来景气度（分析师一致预期）三个视角，报告重点聚焦于未来景气度 [11][12] 数据与预期指标构建总结 - 报告选取了七项核心预期指标，分为盈利类（预期净利润、营业利润、ROE、营业收入）、资产类（预期净资产、经营现金流量）和成本类（预期营业成本），以全面反映企业盈利质量与成长潜力 [16][17] - 一致预期的构造采用严谨的数据处理规则：时间窗口为过去90天，对每家券商仅保留其最新预测记录，并对同一股票、同一指标、同一财年的所有有效预测取中位数 [19] - 各预期指标覆盖率自2018年以来整体稳定在40%以上，其中预期净利润的披露度长期保持在50%以上，显著高于其他指标 [22][23] 双信号构建总结 - **上升强度信号**：用于刻画行业内部出现预期上修的个股比例，反映景气改善的覆盖广度，计算方式为行业内个股预期上修信号的市值加权和 [27][28][30] - 上升强度单因子测试中，盈利类指标表现突出，预期ROE、净资产和净利润的IC均值分别为7.72%、6.04%和5.72%，信息比率均高于0.6 [33][35] - **上升幅度信号**：用于刻画行业整体预测值的环比改善程度，反映景气改善的力度，计算方式为行业层面一致预期值的环比变化率 [40][42] - 上升幅度单因子测试中，预期净利润、ROE和营业收入的IC均值分别为8.44%、7.27%和6.71%，信息比率超过0.8，表现最佳 [44][45] - 行业示例显示，10月份有色金属行业在强度和幅度上均表现领先，而食品饮料行业则整体景气度偏低 [37][38][47][48] 复合预期景气度因子构建总结 - 预期景气度得分通过将标准化后的“上升幅度”与“上升强度”进行等权合成得到，兼顾了景气改善的覆盖广度和改善力度 [50][53] - 为避免信息冗余，报告对七项预期指标进行了相关性分析和动态筛选，剔除了与预期净利润（相关系数0.7）和预期营业成本（相关系数0.62）高度相关的指标，最终保留代表性更强的变量进行动态加权合成 [63][64] - 行业的复合景气度得分与次月超额收益及胜率呈正相关，得分在0.8-1分区间的行业，平均月超额收益为0.98%，胜率为51.83% [65][66] 策略构建与回测总结 - 投资策略为每月初调入复合预期景气度得分排名前五的行业（剔除综合及综合金融行业），并按得分加权构建组合 [69] - 全区间回测（2018年1月-2025年10月）显示，Top5组合年化收益率为17.30%，年化超额收益率为12.40%，超额胜率为52.56%，显著优于其他分组 [69][70] - 分年度看，策略在2020年、2021年和2019年表现最佳，超额收益分别达到25.74%、23.51%和19.32% [74][76] - 最新景气预测显示，2025年10月景气度排名前五的行业为非银行金融、有色金属、计算机、煤炭和传媒 [78]

基金经理投资框架 - 采用“传统成长”与“新兴成长”的双轨思维构建成长股投资体系 [1] - 投资框架以成长股为核心，从科技、制造等多元成长方向捕捉超额收益 [2] - 根据产业周期与市场情绪动态调整两类成长资产的配置比例，以平衡组合的进攻性与防御能力 [3] 传统成长投资策略 - 将新能源、半导体、军工等成熟赛道归类为传统成长，秉持“周期成长”思维进行阶段性布局 [2] - 认为泛制造业具有明显周期性，强调需把握周期位置以确定卖点，避免收益坐“过山车” [2] - 当市场风险偏好下降时，主要在传统成长中寻找拐点向上的投资机会 [3] 新兴成长投资策略 - 将机器人、具身智能、卫星互联网、量子计算、固态电池等代表未来趋势的领域归类为新兴成长，作为组合的“进攻抓手” [2] - 新兴行业渗透率从个位数向10%突破的阶段通常是资产估值提升最快的时期 [2] - 投资新兴成长核心是分析价值量，通常价值量越大，弹性越大 [5] 行业轮动与研究方法 - 行业轮动基于产业周期，注重“产业位置”与“估值边际”的平衡，而非简单追逐短期景气度 [4] - 将至少一半的研究精力投入到对新兴成长方向的跟踪，通过全球产业比较捕捉超额收益 [4] - 对于处于主题阶段的产业以波段交易为主，对于进入赛道阶段的产业则倾向于结合企业盈利进行长周期持有 [5] 当前看好行业与机会 - 当前看好算力、存储、端侧创新、品牌出海、机器人、卫星互联网及固态电池等领域 [6] - 认为海外算力进入泡沫化阶段，而国产算力因国内云服务商资本支出预计大幅提升蕴含良好投资机遇 [6] - 存储领域正迎来上行周期，NAND闪存价格自今年9月步入上行通道，行业景气度预计持续一两个季度 [6] - 军工板块当前仍具备较高性价比，机器人产业链尚未被充分定价，固态电池是机器人与无人机发展的关键环节 [7]

基金经理投资框架 - 采用“传统成长”与“新兴成长”的双轨投资思维，构建灵活且具备前瞻性的成长股投资体系 [1] - 投资流程优先对产业属性进行系统思考，厘清行业周期阶段与中长期趋势，再精选优质成长股 [1] - 根据产业周期与市场情绪动态调整两类成长资产的配置比例，市场风险偏好高时提升新兴成长仓位，反之则在传统成长中寻找拐点机会 [2] 传统成长投资策略 - 将新能源、半导体、军工等成熟赛道定义为传统成长，秉持“周期成长”思维进行阶段性布局 [2] - 认为电子通讯、高端制造等泛制造业具有明显周期性，需把握好周期位置以确定卖点 [2] 新兴成长投资策略 - 将机器人、具身智能、新兴存储、卫星互联网、量子计算、固态电池等代表未来趋势但尚未大规模产业化的方向作为组合的“进攻抓手” [2] - 新兴行业渗透率从个位数往10%突破的阶段是资产估值提升最快的时期 [2] - 投资新兴成长核心关注三个维度：未来方向的空间、产业链各环节的价值量、公司的竞争优势卡位 [3] 行业轮动与组合管理 - 行业轮动基于“产业位置”与“估值边际”的平衡，而非简单追逐短期景气度 [3] - 将至少一半研究精力投入新兴成长方向的跟踪，通过全球产业比较在新产业由主题阶段步入赛道初期时捕捉超额收益 [3] - 针对产业发展不同阶段采取差异化策略，主题阶段以波段交易为主，赛道阶段则结合企业盈利进行长周期持有 [3] 当前看好行业与新产品 - 新产品广发创新成长将采用均衡偏成长的配置策略，当前看好算力、存储、端侧创新、品牌出海、机器人、卫星互联网及固态电池等领域 [4] - 海外算力进入泡沫化阶段，而国产算力因国内云服务商预计在明年一季度到二季度大幅提升资本支出，蕴含良好投资机遇 [5] - 存储领域迎来上行周期，NAND闪存价格自今年9月步入上行通道，预计行业景气度持续一两个季度 [5] - 军工板块当前仍具备较高性价比，机器人板块一旦落地或成AI最大应用终端且国产产业链尚未被充分定价 [5] - 固态电池是机器人与无人机发展的关键环节，预计将较早突破，低空经济中的无人机产业正凭借全产业链优势在试点城市逐步落地 [5] 历史业绩 - 由该基金经理管理的广发成长启航A近1年收益率达到88.81%，在1876只同类基金中排名前3% [1]

报告行业投资评级 未提及 报告的核心观点 11月14日转债缩量下跌，估值环比压缩，大盘价值相对占优，转债市场成交情绪减弱，正股行业指数下降占比过半[1] 各部分总结 市场概况 - 指数表现：中证转债指数环比降0.58%，上证综指环比降0.97%，深证成指环比降1.93%，创业板指环比降2.82%，上证50指数环比降1.15%，中证1000指数环比降1.16%[1] - 市场风格：大盘价值相对占优，大盘成长环比降2.20%，大盘价值环比降0.55%，中盘成长环比降1.48%，中盘价值环比降1.19%，小盘成长环比降1.45%，小盘价值环比降0.85%[1] - 资金表现：转债市场成交额713.51亿元，环比减9.71%；万得全A总成交额19803.82亿元，环比减4.13%；沪深两市主力净流出620.11亿元，十年国债收益率环比升0.14bp至1.81%[1] 转债价格 - 转债中枢下降，整体收盘价加权平均值为135.02元，环比降0.64%，偏股型转债收盘价178.79元，环比降1.27%，偏债型转债收盘价121.53元，环比降0.10%，平衡型转债收盘价130.91元，环比降0.31%[2] - 130元以上高价券个数占比62.34%，较昨日环比降0.75pct，占比变化最大区间为110 - 120（含120），占比5.74%，较昨日升1.0pct，收盘价在100元以下个券有0只，价格中位数为133.72元，环比降0.93%[2] 转债估值 - 估值压缩，百元平价拟合转股溢价率为31.82%，环比降0.82pct，整体加权平价为104.59元，环比降0.52%[2] - 偏股型转债溢价率为10.60%，环比降1.34pct，偏债型转债溢价率为84.51%，环比降0.54pct，平衡型转债溢价率为22.78%，环比降0.24pct[2] 行业表现 - 正股行业：14日正股行业指数下降占比过半，25个行业下跌，跌幅前三位为电子（-3.09%）、通信（-2.46%）、传媒（-2.16%），涨幅前三位为房地产（+0.39%）、银行（+0.26%）、医药生物（+0.17%）[3] - 转债市场：23个行业下跌，跌幅前三位为通信（-2.52%）、国防军工（-1.85%）、汽车（-1.66%），涨幅前三位为钢铁（+2.31%）、环保（+0.82%）、公用事业（+0.27%）[3] - 各板块表现：收盘价方面，大周期环比-0.15%、制造环比-1.11%、科技环比-1.59%、大消费环比-0.64%、大金融环比-0.66%；转股溢价率方面，大周期环比-0.57pct、制造环比-0.37pct、科技环比+0.3pct、大消费环比-0.29pct、大金融环比+0.051pct；转换价值方面，大周期环比+0.51%、制造环比-0.87%、科技环比-1.74%、大消费环比-0.64%、大金融环比-1.01%；纯债溢价率方面，大周期环比-0.23pct、制造环比-1.7pct、科技环比-2.3pct、大消费环比-0.82pct、大金融环比-0.79pct[3][4] 行业轮动 - 房地产、银行、医药生物领涨，房地产正股日涨跌幅0.39%，周涨跌幅2.43%，月涨跌幅1.15%，年初至今涨跌幅11.81%；银行正股日涨跌幅0.26%，周涨跌幅1.58%，月涨跌幅7.99%，年初至今涨跌幅10.80%；医药生物正股日涨跌幅0.17%，周涨跌幅2.93%，月涨跌幅1.67%，年初至今涨跌幅22.09%[53]

根据研报内容，本报告主要涉及对多个市场（股票、商品、期权、可转债）中观因子的跟踪和描述，并未详细阐述具体的量化模型或量化因子的构建过程、公式及回测效果。报告的核心是对现有因子状态的周度跟踪和定性评论。因此，以下总结将重点放在报告中明确提及的因子名称、构建思路（根据上下文推断）和跟踪评论上。 量化因子与构建方式 1. **因子名称**： 大小盘风格因子 [12][14] * **因子构建思路**： 用于衡量市场风格是偏向大盘股还是小盘股 [12][14] * **因子具体构建过程**： 报告中未提供具体构建方法和公式 * **因子评价**： 上周风格偏向小盘 [12][14] 2. **因子名称**： 价值成长风格因子 [12][14] * **因子构建思路**： 用于衡量市场风格是偏向价值股还是成长股 [12][14] * **因子具体构建过程**： 报告中未提供具体构建方法和公式 * **因子评价**： 上周风格偏向价值 [12][14] 3. **因子名称**： 大小盘风格波动因子 [12][14] * **因子构建思路**： 用于衡量大小盘风格因子的波动程度 [12][14] * **因子具体构建过程**： 报告中未提供具体构建方法和公式 * **因子评价**： 上周大小盘风格波动下降 [12][14] 4. **因子名称**： 价值成长风格波动因子 [12][14] * **因子构建思路**： 用于衡量价值成长风格因子的波动程度 [12][14] * **因子具体构建过程**： 报告中未提供具体构建方法和公式 * **因子评价**： 上周价值成长风格波动下降 [12][14] 5. **因子名称**： 行业指数超额收益离散度因子 [12][14] * **因子构建思路**： 用于衡量不同行业指数超额收益的分散程度 [12][14] * **因子具体构建过程**： 报告中未提供具体构建方法和公式 * **因子评价**： 上周行业收益离散度上升 [12][14] 6. **因子名称**： 行业轮动度量因子 [12][14] * **因子构建思路**： 用于衡量行业轮换的速度 [12][14] * **因子具体构建过程**： 报告中未提供具体构建方法和公式 * **因子评价**： 上周行业轮动速度上升 [12][14] 7. **因子名称**： 成分股上涨比例因子 [12][14] * **因子构建思路**： 用于衡量市场成分股中上涨股票的比例 [12][14] * **因子具体构建过程**： 报告中未提供具体构建方法和公式 * **因子评价**： 上周成分股上涨比例上升 [12][14] 8. **因子名称**： 前100个股成交额占比因子 [12][14] * **因子构建思路**： 用于衡量成交额向头部个股集中的程度 [12][14] * **因子具体构建过程**： 报告中未提供具体构建方法和公式 * **因子评价**： 上周个股成交集中度下降 [12][14] 9. **因子名称**： 前5行业成交额占比因子 [12][14] * **因子构建思路**： 用于衡量成交额向头部行业集中的程度 [12][14] * **因子具体构建过程**： 报告中未提供具体构建方法和公式 * **因子评价**： 上周行业成交集中度下降 [12][14] 10. **因子名称**： 指数波动率因子 [13][14] * **因子构建思路**： 用于衡量市场整体的波动水平 [13][14] * **因子具体构建过程**： 报告中未提供具体构建方法和公式 * **因子评价**： 上周市场波动率下降 [13][14] 11. **因子名称**： 指数换手率因子 [13][14] * **因子构建思路**： 用于衡量市场整体的交易活跃度 [13][14] * **因子具体构建过程**： 报告中未提供具体构建方法和公式 * **因子评价**： 上周市场换手率表现下降 [13][14] 12. **因子名称**： 商品期货趋势强度因子 [24][31] * **因子构建思路**： 用于衡量商品期货各板块的价格趋势强弱 [24][31] * **因子具体构建过程**： 报告中未提供具体构建方法和公式 * **因子评价**： 上周农产品板块趋势强度下降，其余板块趋势强度变化较小 [24][31] 13. **因子名称**： 商品期货市场波动水平因子 [24][31] * **因子构建思路**： 用于衡量商品期货各板块的波动率水平 [24][31] * **因子具体构建过程**： 报告中未提供具体构建方法和公式 * **因子评价**： 上周除农产品板块外各板块波动率均下降 [24][31] 14. **因子名称**： 商品期货市场流动性因子 [24][31] * **因子构建思路**： 用于衡量商品期货各板块的流动性水平 [24][31] * **因子具体构建过程**： 报告中未提供具体构建方法和公式 * **因子评价**： 上周各板块流动性均下降 [24][31] 15. **因子名称**： 商品期货期限结构（基差动量）因子 [24][31] * **因子构建思路**： 用于衡量商品期货各板块的基差动量变化 [24][31] * **因子具体构建过程**： 报告中未提供具体构建方法和公式 * **因子评价**： 上周各板块基差动量均有所上升 [24][31] 16. **因子名称**： 期权隐含波动率因子 [35] * **因子构建思路**： 用于衡量期权市场对标的指数未来波动率的预期 [35] * **因子具体构建过程**： 报告中未提供具体构建方法和公式 * **因子评价**： 上周上证50与中证1000的隐含波动率水平逐渐下降 [35] 17. **因子名称**： 期权偏度因子 [35] * **因子构建思路**： 用于衡量期权市场对标的指数未来收益率分布不对称性的预期 [35] * **因子具体构建过程**： 报告中未提供具体构建方法和公式 * **因子评价**： 上证50的看跌期权偏度与看涨期权偏度上升明显 [35] 18. **因子名称**： 百元转股溢价率因子 [37] * **因子构建思路**： 用于衡量可转债市场整体的估值水平 [37] * **因子具体构建过程**： 报告中未提供具体构建方法和公式 * **因子评价**： 上周明显上涨，当前接近历史一年90%分位数水平 [37] 19. **因子名称**： 纯债溢价率因子 [37] * **因子构建思路**： 用于衡量偏债型可转债的债性估值水平 [37] * **因子具体构建过程**： 报告中未提供具体构建方法和公式 * **因子评价**： 上周略微增加 [37] 20. **因子名称**： 低转股溢价率转债占比因子 [37] * **因子构建思路**： 用于衡量可转债市场中股性较强的转债比例 [37] * **因子具体构建过程**： 报告中未提供具体构建方法和公式 * **因子评价**： 上周保持稳定 [37] 模型的回测效果 （报告中未涉及具体的量化模型及其回测效果指标） 因子的回测效果 （报告中未提供因子的历史回测效果指标，如IC、IR、多空收益等，仅提供了当周的定性状态评论）

化工行业投资表现 - 化工行业单日涨幅达3.7% [3] - 化工行业价格较前期止盈价高出7% [3] - 通过化工与绿电行业轮动策略累计浮盈超过20% [3][20] 创新药行业投资表现与估值 - 港股创新药行业单日涨幅为4.76% [5] - 港股创新药行业最新市盈率为31.83倍 处于近十年32%分位水平 [6] - 行业今年以来上涨主要由盈利增长驱动 盈利增幅约50% [7][8] - 某港股创新药ETF持仓盈利幅度达93.73% 算上当日收益超100% [9] - 该ETF持仓曾一度达到110%的累计收益率 [9] 其他行业及资产配置 - 核心持仓包括恒生科技 港股创新药 国防军工 当日均上涨 [11] - 近期加仓方向包括消费 医药 红利 安心等主题产品 [14] - 港股红利在创新高后出现回调 中证红利与价值ETF当日上涨 [13] - 当前A股估值趋于合理 港股估值已显著恢复 [18] - 新增资金配置建议转向安心主题产品或固收+基金以求稳健 [19]

产品发布与定位 - 平安证券与天弘基金联合打造的ETF投资工具“机构快车”正式登陆平安证券APP [1] - 该工具旨在帮助普通投资者把握机构投资动向，应对A股市场行业轮动较快的投资难题 [1] - 工具历经两年实盘测试，是天弘基金在量化策略、投资工具领域积淀的结晶 [1] 核心功能与策略模型 - “机构快车”覆盖全市场主流行业指数与宽基指数，通过实时追踪机构资金流向与偏好筛选潜力行业 [4] - 工具核心为天弘基金研发的机构行为动向轮动策略模型，基于四大机构因子：卖方分析师预期、买方机构调研、ETF资金流和指数成分股大单 [4] - 模型通过量化手段归一化处理不同维度数据，生成“强势指数”与“轮动信号”，每双周筛选综合排名TOP3的行业 [4] - 以2025年10月13日第5期推荐为例，稀土产业指数位居榜首，通信设备、中正军工紧随其后，对应关注标的为稀土ETF、通信ETF、军工ETF [4] 历史回测表现 - 策略模型在2024年10月17日至2025年10月23日的回测中，近一年收益率达47.40%，同期沪深300指数收益率为16.39% [8] - 策略模型同期最大回撤为19.42%，沪深300最大回撤为13.42% [8] 操作流程与平台背景 - 投资者可通过平安证券APP进入ETF专区使用“机构快车”，查看TOP3行业信号及因子评分，并直接选择对应ETF产品进行交易 [11] - 平安证券APP自2022年上线“ETF专区”，已服务用户超千万次，专区功能保持每月更新频率 [11] - 平安证券与基金公司的合作广度与深度逐年提升，本次联合推出“机构快车”是双方在投研领域的合作成果 [11]

根据提供的金融工程报告，以下是关于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：扩散指数行业轮动模型**[21] * **模型构建思路**：该模型基于价格动量原理，通过计算行业的扩散指数来识别具有向上趋势的行业，从而进行行业轮动配置[21][34] * **模型具体构建过程**：模型针对每个中信一级行业计算其扩散指数。具体过程涉及观察行业内成分股的表现，但报告中未提供计算扩散指数的具体公式和详细步骤[21][23] 2. **模型名称：GRU因子行业轮动模型**[29] * **模型构建思路**：该模型利用GRU（门控循环单元）深度学习网络对分钟频量价数据进行处理，生成GRU行业因子，以把握短期交易信息并进行行业轮动[29][35] * **模型具体构建过程**：模型使用历史分钟频量价数据训练GRU网络。GRU网络能够捕捉时间序列数据的依赖关系，输出每个行业的因子值。报告指出该模型在短周期表现较好，但未提供网络结构、输入特征、训练周期等具体构建细节和公式[29][35] 模型的回测效果 1. **扩散指数行业轮动模型** * 2025年11月以来超额收益：1.28%[26] * 2025年以来超额收益：6.21%[21][26] * 2024年全年超额收益：-5.82%[21] * 2023年全年超额收益：-4.58%[21] * 2022年全年超额收益：6.12%[21] 2. **GRU因子行业轮动模型** * 2025年11月以来超额收益：1.65%[32] * 2025年以来超额收益：-4.49%[29][32] 量化因子与构建方式 1. **因子名称：行业扩散指数**[23] * **因子构建思路**：该因子用于衡量某个行业整体趋势的强弱，数值越高代表该行业的向上趋势越强[23] * **因子具体构建过程**：报告未提供行业扩散指数因子的具体计算方法和公式，仅提供了截至特定日期的各行业因子取值[23][24] 2. **因子名称：GRU行业因子**[30] * **因子构建思路**：该因子由GRU深度学习模型生成，旨在从分钟频量价数据中提取有效信息，以预测行业短期表现[30][35] * **因子具体构建过程**：作为GRU模型的直接输出，每个行业对应一个因子值。报告未提供该因子值计算的具体技术细节和公式[30] 因子的回测效果 1. **行业扩散指数因子** * 报告未提供该因子独立的测试指标（如IC值、IR等），其效果直接体现在扩散指数行业轮动模型的超额收益上[21][26] 2. **GRU行业因子** * 报告展示了该因子的周度Rank IC序列和累计Rank IC曲线，但未给出具体的IC均值、IR等统计指标[31]

根据提供的量化研报，以下是其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：行业主线模型（相对强弱RSI指标）**[1][5][10] * **模型构建思路**：通过构建行业层面的相对强弱指标，识别每年可能成为市场领涨主线的行业[10] * **模型具体构建过程**： 1. 以29个申万一级行业指数为配置标的[10] 2. 分别计算每个行业过去20、40、60个交易日的涨跌幅，并在所有行业中分别进行横截面排名，得到 `Rank_20`, `Rank_40`, `Rank_60`[10] 3. 对三个排名进行归一化处理，得到 `RS_20`, `RS_40`, `RS_60`[10] 4. 计算三个归一化排名的算术平均值，得到最终的行业相对强弱指数 `RS`[10] * 公式：$$ RS = \frac{RS\_20 + RS\_40 + RS\_60}{3} $$[10] * **模型评价**：该指标能有效提示年度领涨行业方向，例如2024年成功提示了高股息、资源品、出海和AI等主线[10] 2. **模型名称：行业景气度-趋势-拥挤度框架**[1][2][5][7][15] * **模型构建思路**：综合考量行业的基本面（景气度）、市场动能（趋势）和交易风险（拥挤度）三个维度，形成两种右侧行业配置方案[15] * **模型具体构建过程**：该框架包含两种具体方案： * **方案一：行业景气模型（高景气-强趋势）**：以景气度为核心，选择高景气度且趋势强劲的行业，同时利用拥挤度指标规避高拥挤风险，风格偏同步进攻[15] * **方案二：行业趋势模型（强趋势-低拥挤）**：以市场趋势为核心，选择趋势强劲且拥挤度较低的行业，同时规避低景气行业，风格偏右侧，持有体验感强[15] * 具体权重配置示例如下：基础化工18%、传媒16%、农林牧渔12%等[2][7][15] 3. **模型名称：左侧库存反转模型**[3][5][29] * **模型构建思路**：从赔率-胜率角度出发，在处于或曾处于困境但已出现反弹迹象的板块中，挖掘分析师长期看好且库存压力不大、具备补库条件的行业，以捕捉困境反转行情[29] * **模型具体构建过程**：报告未详细描述该模型的具体计算步骤，但指出其核心逻辑是结合行业的困境反转潜力、分析师预期和库存周期进行判断[29] 4. **模型名称：行业景气度选股模型（PB-ROE）**[25][28] * **模型构建思路**：将行业配置模型的行业权重与个股选择相结合，在确定的行业内，基于PB-ROE模型筛选估值性价比高的股票[25][28] * **模型具体构建过程**： 1. 首先根据行业配置模型（如景气度-趋势-拥挤度框架）确定各行业的配置权重[25] 2. 在行业内，基于PB-ROE模型选取估值性价比高的股票（具体为排名前40%）[25][28] 3. 对选出的股票，按流通市值和PB-ROE打分进行加权，确定个股在组合内的权重[28] 模型的回测效果 1. **行业景气度-趋势-拥挤度框架（行业配置）**[15] * 基准：Wind全A指数 * 多头年化收益：21.8% * 超额年化收益：13.7% * 信息比率（IR）：1.5 * 超额最大回撤：-8.0% * 月度胜率：67% * 分年度超额：2023年超额7.3%，2024年超额5.7%，2025年以来超额2.0%[15] 2. **行业景气度-趋势-拥挤度框架（ETF配置）**[22] * 基准：中证800指数 * 年化超额收益：16.1% * 信息比率（IR）：1.8 * 超额最大回撤：10.8% * 月度胜率：65% * 分年度超额：2023年超额6.0%，2024年超额5.3%，2025年以来（截至10月底）超额14.4%[22] 3. **行业景气度选股模型（PB-ROE）**[25] * 基准：Wind全A指数 * 多头年化收益：26.5% * 超额年化收益：19.7% * 信息比率（IR）：1.7 * 超额最大回撤：-15.4% * 月度胜率：68% * 分年度表现：2022年超额10.2%，2023年超额10.4%，2024年绝对收益14.6%（超额4.6%），2025年以来超额5.5%[25] 4. **左侧库存反转模型**[29] * 基准：行业等权指数 * 分年度表现： * 2023年绝对收益13.4%，相对超额17.0% * 2024年绝对收益26.5%，相对超额15.4% * 2025年（截至10月底）绝对收益27.9%，相对超额7.5%[29] 量化因子与构建方式 1. **因子名称：相对强弱（RS）因子**[10] * **因子构建思路**：通过多期涨跌幅的横截面排名与合成，衡量行业相对于其他行业的强度[10] * **因子具体构建过程**： 1. 计算特定行业在过去20、40、60个交易日的涨跌幅[10] 2. 在每个时间截面上，计算该行业涨跌幅在所有行业中的排名 `Rank_20`, `Rank_40`, `Rank_60`[10] 3. 对排名进行归一化处理，得到 `RS_20`, `RS_40`, `RS_60`[10] 4. 计算三个归一化值的算术平均值作为最终因子值[10] * 公式：$$ RS = \frac{RS\_20 + RS\_40 + RS\_60}{3} $$[10] 2. **因子名称：景气度因子**[15] * **因子构建思路**：衡量行业的基本面好坏[15] * **因子具体构建过程**：报告未详细描述该因子的具体计算方法和数据来源，但明确指出其在模型中是核心维度之一，横轴代表景气度高低[15] 3. **因子名称：趋势因子**[15] * **因子构建思路**：衡量行业价格走势的强弱[15] * **因子具体构建过程**：报告未详细描述该因子的具体计算方法和数据来源，但明确指出其在模型中是核心维度之一，纵轴代表趋势强弱[15] 4. **因子名称：拥挤度因子**[15] * **因子构建思路**：衡量行业的交易风险，避免过度拥挤[15] * **因子具体构建过程**：报告未详细描述该因子的具体计算方法和数据来源，但明确指出其在模型中用于风险提示，通过气泡颜色（蓝色低拥挤，红色高拥挤）和大小来表征[15] 5. **因子名称：PB-ROE因子**[25][28] * **因子构建思路**：结合估值（市净率PB）和盈利能力（净资产收益率ROE），筛选具有估值性价比的股票[25][28] * **因子具体构建过程**：在确定行业内，基于PB和ROE指标对股票进行打分，选取排名前40%的股票，并综合流通市值进行加权[25][28]