根据提供的量化周报内容，以下是报告中涉及的量化模型与因子的总结： 量化模型与构建方式 1. **模型名称：A股景气指数模型**[29] * **模型构建思路**：以上证指数归母净利润同比为Nowcasting目标，构建A股景气度高频指数，用于观察市场景气周期[29] * **模型具体构建过程**：报告提及该指数的构建详情请参考另一篇报告《视角透析：A股景气度高频指数构建与观察》，但未在本周报中详细描述具体构建过程和公式[29] 2. **模型名称：A股情绪指数模型**[36] * **模型构建思路**：基于市场波动率和成交额的变化方向来刻画市场情绪，并构建包含见底预警与见顶预警的情绪指数[36] * **模型具体构建过程**：将市场按照波动率和成交额的变化方向划分为四个象限，其中只有“波动上-成交下”的区间为显著负收益，其余象限都为显著正收益，据此构造情绪指数。相关详细构建方法请参考报告《视角透析：A股情绪指数构建与观察》[36] 3. **模型名称：中证500指数增强模型**[44] * **模型构建思路**：通过量化策略模型构建投资组合，旨在获得相对于中证500指数的超额收益[44] * **模型具体构建过程**：报告未详细说明该增强模型的具体构建步骤和所用因子，但给出了根据策略模型得到的当前持仓明细[47][49][51] 4. **模型名称：沪深300指数增强模型**[52] * **模型构建思路**：通过量化策略模型构建投资组合，旨在获得相对于沪深300指数的超额收益[52] * **模型具体构建过程**：报告未详细说明该增强模型的具体构建步骤和所用因子，但给出了根据策略模型得到的当前持仓明细[53][55] 5. **模型名称：主题挖掘算法**[44] * **模型构建思路**：根据新闻和研报文本，通过文本处理、主题关键词提取、主题个股关系挖掘、主题活跃周期构建、主题影响力因子构建等多个维度来挖掘主题投资机会[44] * **模型具体构建过程**：报告提及了算法的多个构建维度，但未给出具体的构建细节和公式[44] 模型的回测效果 1. **中证500增强模型**，本周收益-0.24%，跑输基准0.56%，2020年至今超额收益48.55%，最大回撤-5.73%[44] 2. **沪深300增强模型**，本周收益-0.95%，跑输基准0.50%，2020年至今超额收益38.48%，最大回撤-5.86%[52] 3. **A股情绪指数系统择时模型**，报告包含其择时表现图表，但未列出具体数值指标[44] 量化因子与构建方式 1. **因子体系：BARRA风格因子体系**[57] * **因子构建思路**：参照BARRA因子模型，对A股市场构建十大类风格因子用于市场风格分析和组合收益归因[57] * **因子具体构建过程**：报告指出构建的十大类风格因子包括：市值（SIZE）、BETA、动量（MOM）、残差波动率（RESVOL）、非线性市值（NLSIZE）、估值（BTOP）、流动性（LIQUIDITY）、盈利（EARNINGS_YIELD）、成长（GROWTH）和杠杆（LVRG），但未详细描述每个因子的具体计算公式[57] 因子的回测效果 1. **风格因子近一周表现**：Beta因子超额收益较高，残差波动率呈较为显著的负向超额收益；高Beta、高成长股表现优异，非线性市值、价值等因子表现不佳[58] 2. **行业因子近一周表现**：消费者服务、煤炭、汽车等行业因子相对市场市值加权组合跑出较高超额收益，有色金属、保险、证券等行业因子回撤较多[58] 3. **风格因子暴露相关性**：报告以表格形式展示了近一周十大类风格因子暴露之间的相关性系数[59]

招聘规模与策略 - 二十余家公募基金公司启动2026届秋季校园招聘 包括易方达、广发、南方、博时、工银瑞信、嘉实、中欧、永赢等头部及中小型机构 [2][3] - 头部公司普遍扩招 易方达基金开放超40个岗位 广发基金和鹏华基金岗位数量均超20个 嘉实基金开放18个岗位 [2][4] - 中小型公司采用精准招聘策略 博道基金开放5个核心岗位 新华基金保留5个核心岗 聚焦投研、销售及科技领域 [2][4] - 招聘流程采用"五步法" 9月网申、10月笔试/编程测试及初面、11月实习考察 通过后发放录用通知 部分公司采用滚动录取方式锁定候选人 [3] 岗位需求结构变化 - 人工智能岗位首次升级为专场招聘 南方基金开设金融科技专场 广发、嘉实、工银瑞信、泉果基金加大AI人才招聘力度 [6] - 量化与指数研究方向需求显著增长 博时基金开放指数与量化研究员岗位 永赢基金3个投研名额中量化与指数占两席 工银瑞信量化相关岗位占比超40% [7] - 市场营销类岗位需求同步高增长 鹏华基金开放13个营销岗 兴证全球基金销售类岗位占比达50% 前海开源基金重点招聘电商运营及机构客户经理 [8] - 运营类岗位数量居首 易方达基金运营类岗位达12个 覆盖投研类9个、营销类8个、金融科技类6个 并为子公司同步招聘人才 [4] 行业竞争与人才战略 - 人才争夺反映行业规模修复与产品创新需求 头部公司通过扩招巩固市场地位 中小公司聚焦人效提升与差异化竞争 [2][5] - AI与量化招聘增长源于技术驱动需求 通过大数据与模型构建提升投资研究效率 政策鼓励金融科技应用推动数字化转型 [7] - 复合型人才成为行业核心需求 需兼具金融理论、量化建模、AI算法、数据科学能力 同时涵盖ESG投资、另类资产配置及数字化运营能力 [9] - 人才竞争直接关联产品创新与规模优势 具备"AI+投研""指数+生态""渠道+内容"能力的机构将在费率下行与同质化竞争中建立护城河 [8][9]

量化模型与构建方式 1. **模型名称：中证500增强组合**[4][12][19] * **模型构建思路**：基于量化策略模型进行选股和权重配置，旨在获得超越中证500指数的超额收益[12][19][46] * **模型具体构建过程**：根据策略模型生成持仓列表，包含多只股票及其对应的持仓权重，构成投资组合[12][48][50] 2. **模型名称：沪深300增强组合**[4][14][21] * **模型构建思路**：基于量化策略模型进行选股和权重配置，旨在获得超越沪深300指数的超额收益[14][21][51] * **模型具体构建过程**：根据策略模型生成持仓列表，包含多只股票及其对应的持仓权重，构成投资组合[14][51][54] 3. **因子名称：十大类风格因子**[55] * **因子的构建思路**：参照BARRA因子模型，构建描述A股市场不同风险收益特征的风格因子[55] * **因子具体构建过程**：构建的因子包括：市值（SIZE）、BETA、动量（MOM）、残差波动率（RESVOL）、非线性市值（NLSIZE）、估值（BTOP）、流动性（LIQUIDITY）、盈利（EARNINGS_YIELD）、成长（GROWTH）和杠杆（LVRG）[55] 4. **模型名称：A股景气度高频指数**[28][29][31] * **模型构建思路**：以上证指数归母净利润同比为Nowcasting目标构建指数，用于观察A股景气周期[28][31] * **模型具体构建过程**：详情请参考报告《视角透析：A股景气度高频指数构建与观察》[28] 5. **模型名称：A股情绪指数**[31][32][36] * **模型构建思路**：基于市场波动率和成交额的变化方向划分象限并构造情绪指数，用于市场情绪刻画和择时[31][32][34] * **模型具体构建过程**：将市场按照波动率和成交额的变化方向划分为四个象限，其中波动上-成交下的区间为显著负收益，其余都为显著正收益，据此构造了包含见底预警与见顶预警的A股情绪指数，相关研究请参考报告《视角透析：A股情绪指数构建与观察》[31][32] 模型的回测效果 1. **中证500增强组合**，本周收益1.82%，本周超额收益-1.56%，2020年至今超额收益49.43%，最大回撤-4.99%[12][19][46] 2. **沪深300增强组合**，本周收益1.40%，本周超额收益0.02%，2020年至今超额收益39.41%，最大回撤-5.86%[14][21][51] 量化因子与构建方式 1. **因子名称：行业因子**[56][59] * **因子的构建思路**：用于衡量不同行业相对于市场市值加权组合的收益表现[56][59] * **因子具体构建过程**：报告中未详细描述具体构建过程，但提及了房地产、钢铁、保险、证券、消费者服务等行业因子[56][59] 因子的回测效果 1. **Beta因子**，近一周纯因子收益率表现较高[56][59] 2. **残差波动率因子**，近一周纯因子收益率呈较为显著的负向超额收益[56][59] 3. **成长因子**，近期表现优异[56] 4. **非线性市值因子**，近期表现不佳[56] 5. **价值因子**，近期表现不佳[56] 6. **房地产行业因子**，近一周纯因子收益率相对市场市值加权组合跑出较高超额收益[56][59] 7. **钢铁行业因子**，近一周纯因子收益率相对市场市值加权组合跑出较高超额收益[56][59] 8. **保险行业因子**，近一周纯因子收益率回撤较多[56][59] 9. **证券行业因子**，近一周纯因子收益率回撤较多[56][59] 10. **消费者服务行业因子**，近一周纯因子收益率回撤较多[56][59]

根据提供的量化分析报告，以下是关于报告中涉及的量化模型和因子的详细总结。 量化模型与构建方式 1. 模型名称：择时雷达六面图模型[1][6] - **模型构建思路**：权益市场表现受多维度指标影响，该模型从流动性、经济面、估值面、资金面、技术面、拥挤度六个维度选取二十一个指标对市场进行刻画，并概括为“估值性价比”、“宏观基本面”、“资金&趋势”、“拥挤度&反转”四大类，最终生成[-1,1]之间的综合择时分数[1][6] - **模型具体构建过程**： 1. 从六个维度（流动性、经济面、估值面、资金面、技术面、拥挤度）选取共计21个底层指标[1][6] 2. 将六个维度概括为四大类：“估值性价比”（包含估值面）、“宏观基本面”（包含流动性、经济面）、“资金&趋势”（包含资金面、技术面）、“拥挤度&反转”（包含拥挤度）[1][6] 3. 每个底层指标根据其构建规则计算出一个介于[-1, 1]之间的分数，代表看空、中性或看多信号[12][15][17]等 4. 综合所有指标的分数，最终生成一个介于[-1,1]之间的综合择时分数[1][6] 量化因子与构建方式 1. 因子名称：货币方向因子[12] - **因子构建思路**：判断当前货币政策的方向，通过比较当前货币政策工具利率与短端市场利率相对于90天前的平均变化方向来识别政策宽松或收紧[12] - **因子具体构建过程**：选取央行使用的货币政策工具利率与短端市场利率，计算其相较于90天前的平均变化方向。若货币方向因子>0，则判断货币政策宽松（看多信号）；若货币方向因子<0，则判断货币政策收紧（看空信号）[12] 2. 因子名称：货币强度因子[15] - **因子构建思路**：基于“利率走廊”概念，表征短端市场利率相对于政策利率的偏离幅度，用以判断货币环境的宽松或紧张程度[15] - **因子具体构建过程**： 1. 计算偏离度：$$偏离度 = \frac{DR007}{7天逆回购利率} - 1$$[15] 2. 对偏离度进行平滑处理并计算Z-Score，得到货币强度因子[15] 3. 若货币强度因子 < -1.5倍标准差，则预期未来120个交易日为宽松环境（看多信号，分数为1）；若货币强度因子 > 1.5倍标准差，则预期未来120个交易日为紧张环境（看空信号，分数为-1）[15] 3. 因子名称：信用方向因子[17] - **因子构建思路**：表征商业银行对实体经济传导的松紧程度，使用中长期贷款指标进行体现，通过其变化趋势判断信用环境[17] - **因子具体构建过程**：计算中长期贷款当月值 -> 计算过去十二个月增量 -> 计算同比。若信用方向因子相比于三个月之前上升则看多（分数为1）；反之则看空（分数为-1）[17] 4. 因子名称：信用强度因子[20] - **因子构建思路**：捕捉信用指标是否大幅超预期或不及预期，反映信用的强度变化[20] - **因子具体构建过程**：计算信用强度因子 = (新增人民币贷款当月值 – 预期中位数) / 预期标准差。若信用强度因子 > 1.5倍标准差，则定义未来60个交易日为信用显著超预期环境（分数为1）；若信用强度因子 < -1.5倍标准差，则未来60个交易日分数为-1[20] 5. 因子名称：增长方向因子[24] - **因子构建思路**：基于PMI数据判断经济增长的方向变化[24] - **因子具体构建过程**：基于中采制造业PMI、中采非制造业PMI、财新制造业PMI数据，构建增长方向因子 = PMI -> 计算过去十二月均值 -> 计算同比。若增长方向因子相比于三个月之前上升则看多（分数为1）；反之则看空（分数为-1）[24] 6. 因子名称：增长强度因子[27] - **因子构建思路**：捕捉经济增长指标是否大幅超预期或不及预期[27] - **因子具体构建过程**：计算PMI预期差 = (PMI – 预期中位数) / 预期标准差。若增长强度因子 > 1.5倍标准差，则定义未来60个交易日为增长显著超预期环境（分数为1）；若增长强度因子 < -1.5倍标准差，则未来60个交易日分数为-1[27] 7. 因子名称：通胀方向因子[31] - **因子构建思路**：通过当前通胀水平判断其对货币政策的制约，以及未来货币政策空间，进而影响权益资产[31] - **因子具体构建过程**：计算通胀方向因子 = 0.5 × CPI同比平滑值 + 0.5 × PPI同比原始值。若通胀方向因子相较于三个月之前降低，则说明是通胀下行环境，此时看多（分数为1）；反之看空（分数为-1）[31] 8. 因子名称：通胀强度因子[32] - **因子构建思路**：捕捉通胀指标是否大幅超预期或不及预期[32] - **因子具体构建过程**：分别计算CPI与PPI预期差 = (披露值 – 预期中位数) / 预期标准差，并计算通胀强度因子 = CPI与PPI预期差均值。若通胀强度因子 < -1.5倍标准差，则定义未来60个交易日为通胀显著不及预期环境（分数为1）；若通胀强度因子 > 1.5倍标准差，则未来60个交易日分数为-1[32] 9. 因子名称：席勒ERP[36] - **因子构建思路**：通过计算经过通胀调整的长期平均盈利的市盈率倒数与无风险收益率的差值，来衡量市场的估值性价比，避免短期盈利波动干扰[36] - **因子具体构建过程**： 1. 计算过去6年通胀调整后的平均盈利，得到席勒PE[36] 2. 计算席勒ERP = 1 / 席勒PE - 10年期国债到期收益率[36] 3. 计算席勒ERP过去6年的Z-Score作为分数[36] 10. 因子名称：PB[38] - **因子构建思路**：使用市净率（PB）来衡量市场估值水平[38] - **因子具体构建过程**：对PB指标乘以-1，然后计算过去6年的Z-Score，并进行1.5倍标准差截尾处理后标准化到±1之间得到分数[38] 11. 因子名称：AIAE[42] - **因子构建思路**：全市场权益配置比例（Aggregate Investor Allocation to Equities），反映市场整体的风险偏好，基于投资者在风险资产和安全资产之间的动态配置平衡[42] - **因子具体构建过程**： 1. 构建A股的AIAE指标 = 中证全指总流通市值 / (中证全指总流通市值 + 实体总债务)[42] 2. 将AIAE乘以-1，然后计算过去6年的Z-Score得到分数[42] 12. 因子名称：两融增量[45] - **因子构建思路**：通过融资余额与融券余额的差值变化趋势，判断市场杠杆资金情绪[45] - **因子具体构建过程**：计算融资余额-融券余额，并计算其过去120日均增量与过去240日均增量。若120日均增量 > 过去240日均增量，则判断杠杆资金上行（看多，分数为1）；反之看空（分数为-1）[45] 13. 因子名称：成交额趋势[48] - **因子构建思路**：通过成交额的变化趋势判断市场成交热度和资金活跃度[48] - **因子具体构建过程**：对对数成交额计算其均线距离 = MA120 / MA240 - 1。当均线距离的max(10) = max(30) = max(60)时看多（分数为1）；当均线距离的min(10) = min(30) = min(60)时看空（分数为-1）[48] 14. 因子名称：中国主权CDS利差[52] - **因子构建思路**：中国主权CDS利差反映了海外投资者对中国经济与主权信用风险的定价，与PMI负相关，可作为外资流入意愿的指代变量[52] - **因子具体构建过程**：对平滑后的CDS利差计算其20日差分。若20日差分 < 0，说明CDS利差下降，海外投资者预期中国基本面转好，外资流入意愿强（看多，分数为1）；反之看空（分数为-1）[52] 15. 因子名称：海外风险厌恶指数[55] - **因子构建思路**：花旗风险厌恶指数（Citi RAI Index）由海外期权隐波、信用利差等数据组成，捕捉海外市场的风险偏好，影响外资流向[55] - **因子具体构建过程**：对平滑后的风险厌恶指数计算其20日差分。若20日差分 < 0，表明外资风险偏好上升（看多，分数为1）；反之看空（分数为-1）[55] 16. 因子名称：价格趋势[58] - **因子构建思路**：使用均线距离衡量标的价格的中长期趋势与强度[58] - **因子具体构建过程**： 1. 计算均线距离 = MA120 / MA240 - 1[58] 2. 趋势方向分数：若均线距离 > 0，则分数=1；反之为-1[58] 3. 趋势强度分数：若均线距离的max(20) = max(60)，则分数=1；若均线距离的min(20) = min(60)，则分数=-1[58] 4. 趋势综合分数 = (趋势方向分数 + 趋势强度分数) / 2[58] 17. 因子名称：新高新低数[61] - **因子构建思路**：通过指数成分股创一年新高与新低的个股数量差，作为市场反转信号[61] - **因子具体构建过程**：计算中证800成分股的（过去一年新高数 - 过去一年新低数）的20日移动平均（MA20）。若该值 > 0，说明近期新低较多，市场有见底预期（看多，分数为1）；反之说明有见顶可能（看空，分数为-1）[61] 18. 因子名称：期权隐含升贴水[64] - **因子构建思路**：基于看涨看跌平价关系推导期权隐含的标的升贴水，反映期权市场对未来标的收益率的预期与情绪，作为反转指标衡量市场拥挤度[64] - **因子具体构建过程**：若50ETF近5日收益率 < 0，且该指标分位数 < 30%，则看多持续20日（分数为1）；若50ETF近5日收益率 > 0，且指标分位数 > 70%，则看空持续20日（分数为-1）[64] 19. 因子名称：期权VIX指数[65] - **因子构建思路**：期权隐含波动率指数，反映投资者对未来波动率的预期与市场情绪，较高时市场倾向于反转[65] - **因子具体构建过程**：若50ETF近5日收益率 < 0，且该指标分位数 > 70%，则看多持续20日（分数为1）；若50ETF近5日收益率 > 0，且指标分位数 > 70%，则看空持续20日（分数为-1）[65] 20. 因子名称：期权SKEW指数[70] - **因子构建思路**：期权隐含偏度指数，反映投资者对未来标的偏度的预期与市场情绪，作为反转指标[70] - **因子具体构建过程**：若50ETF近5日收益率 < 0，且该指标分位数 > 70%，则看多持续20日（分数为1）；若50ETF近5日收益率 > 0，且指标分位数 < 30%，则看空持续20日（分数为-1）[70] 21. 因子名称：可转债定价偏离度[73] - **因子构建思路**：可转债估值水平能体现市场情绪，其定价偏离度可作为反转指标[73] - **因子具体构建过程**： 1. 计算可转债定价偏离度 = 转债价格 / 模型定价 - 1[73] 2. 计算分数 = 定价偏离度 × (-1) 然后计算过去3年的Z-Score[73] 3. 定价偏离度越高，拥挤度越高，分数越低[73] 模型的回测效果 1. **择时雷达六面图模型**，当前综合打分为-0.15分[1][6][8] 因子的回测效果 1. **货币方向因子**，当前分数为1分[10][12] 2. **货币强度因子**，当前分数为-1分[10][15] 3. **信用方向因子**，当前分数为1分[10][17] 4. **信用强度因子**，当前分数为0分[10][20][21] 5. **增长方向因子**，当前分数为1分[10][24][25] 6. **增长强度因子**，当前分数为-1分[10][27][28] 7. **通胀方向因子**，当前分数为-1分[10][31] 8. **通胀强度因子**，当前分数为0分[10][32][33] 9. **席勒ERP**，当前分数为0.08分[10][36][40] 10. **PB**，当前分数为-0.48分[10][38][39] 11. **AIAE**，当前分数为-0.80分[10][42] 12. **两融增量**，当前分数为-1分[10][45] 13. **成交额趋势**，当前分数为-1分[10][48][49] 14. **中国主权CDS利差**，当前分数为1分[10][52][53] 15. **海外风险厌恶指数**，当前分数为1分[10][55] 16. **价格趋势**，当前分数为0分[10][58][60] 17. **新高新低数**，当前分数为-1分[10][61] 18. **期权隐含升贴水**，当前分数为1分[10][64] 19. **期权VIX指数**，当前分数为1分[10][65][66] 20. **期权SKEW指数**，当前分数为-1分[10][70] 21. **可转债定价偏离度**，当前分数为-1分[10][73][74]

市场现象分析 - 沪深两市有124只个股连续5天以上获得融资净买入 [1] - 云南能投连续17天获得融资净买入，位居榜首 [1][10] 历史经验与市场行为 - 历史数据显示，“连续获资金流入”的榜单可能与2015年行情相似，当时跟风的散户投资者最终被套牢 [3] - 所谓的“资金流入”可能并非真实的市场需求，而是大资金通过对倒交易制造出的表象 [3] - 市场信息可能经过精心设计，投资者看到的表象背后隐藏着不同的意图 [4] 量化数据分析 - 量化工具可揭示交易行为的本质，例如通过分析机构资金的活跃程度（以橙色柱体表示）来识别真实动向 [10][12] - 股价震荡剧烈的股票，若机构资金持续积极参与，则与那些看似企稳但机构已撤出的股票有本质区别 [12] - 云南能投连续17天融资净买入的现象，可能反映的是有大资金在持续运作，而非公司基本面特别优异 [10]

黄金股ETF市场表现 - 6只黄金股ETF平均涨幅超过5%，其中代码为159322的黄金股票ETF基金单日涨幅达6.10% [1][2] - 代码为517520的黄金股ETF年内涨幅达78.46%，基金规模为79.07亿元 [4] - “黄金系ETF”年内平均上涨75.51%，显著跑赢市场87.7%的个股表现 [3] 机构资金行为分析 - 外资机构在2024年二季度公开宣称不做题材股，但季报显示其大量买入重组概念股，例如对文一科技等股票的持仓 [5][6] - 量化分析工具显示，机构资金在2024年8月底至9月初市场低迷时期已开始布局特定标的 [7] - 3只黄金股ETF份额实现翻倍，规模最大的增幅达到184%，表明大规模资金流动源于机构而非散户行为 [11] 投资策略与方法论 - 市场参与者的非理性行为会形成特定模式，通过量化分析这些模式可以洞察机构资金的真实意图 [9] - 建议投资者避免盲目追逐热点，应使用量化工具分析资金流向并建立独立的投资逻辑框架 [12] - 决定价格走向的核心因素并非消息本身，而是大资金的交易行为，投资者需重点研究资金行为规律 [11]

美联储政策转向分析 - 美联储官员从鹰派转向为降息铺路 引发市场预期变化 [1] - 政策表态本质是进行市场预期管理 而非单纯反映经济状况 [3] A股市场交易行为特征 - 市场消息面波动如同木偶戏 真正操控力量是看不见的牵线人 [3] - 决定股价走势的是交易行为而非价格涨跌 政策消息和资金流向都是表面现象 [3] - 机构通过反复震仓操作甩掉跟风盘 制造捡筹码机会 [4] 机构资金行为模式 - 机构震仓行为通过大数据系统可识别 表现为特定颜色的柱体信号 [8] - 震仓行为消耗机构资金成本 意味着后续有所图谋 [8] - 股价拉升前多次出现机构震仓现象 这是机构洗盘的典型特征 [13] 投资分析方法论 - 专注于观察机构异动行为而非股价起伏 可超越大多数市场参与者 [10] - 量化分析是看清市场真相的重要工具 适用于从宏观到个股的多层次分析 [11] - 理解交易行为本质后 对热点轮动和市场波动都能更好适应 [11]

量化模型与构建方式 1. **模型名称**：择时雷达六面图综合模型[1][6] **模型构建思路**：权益市场表现受多维度指标共同影响，该模型从流动性、经济面、估值面、资金面、技术面、拥挤度六个维度选取二十一个指标对市场进行刻画，并将其概括为“估值性价比”、“宏观基本面”、“资金&趋势”、“拥挤度&反转”四大类，最终生成[-1,1]之间的综合择时分数[1][6]。 **模型具体构建过程**：模型综合了六个维度（流动性、经济面、估值面、资金面、技术面、拥挤度）共21个因子的打分。每个因子根据其构建规则产生一个介于-1到1之间的分数。大类分数由其下属因子分数综合计算得出（具体综合方式未明确说明），最终的综合择时分数由四大类分数综合生成（具体综合方式未明确说明）[1][6][10]。 量化因子与构建方式 1. **因子名称**：货币方向因子[12] **因子构建思路**：判断当前货币政策的方向，通过选取央行货币政策工具利率与短端市场利率，计算其相较于90天前的平均变化方向来定义宽松或收紧[12]。 **因子具体构建过程**：选取央行货币政策工具利率与短端市场利率，计算其相较于90天前的平均变化方向。若货币方向因子>0，则判断货币政策宽松，分数为1；若货币方向因子<0，则判断货币政策收紧，分数为-1[12]。 2. **因子名称**：货币强度因子[15] **因子构建思路**：基于“利率走廊”概念，表征短端市场利率相对于政策利率的偏离幅度，用以判断货币环境的宽松程度[15]。 **因子具体构建过程**：计算偏离度=DR007/7天逆回购利率-1，并进行平滑与zscore形成货币强度因子。若货币强度因子<-1.5倍标准差，则预期未来120个交易日为宽松环境，指标分数为1；若货币强度因子>1.5倍标准差，则预期未来120个交易日指标分数为-1[15]。 3. **因子名称**：信用方向因子[18] **因子构建思路**：表征商业银行对实体经济传导的松紧程度，使用中长期贷款指标进行体现[18]。 **因子具体构建过程**：计算信用方向因子为：中长期贷款当月值->计算过去十二个月增量->计算同比。若信用方向因子相比于三个月之前上升则看多，分数为1；反之则看空，分数为-1[18]。 4. **因子名称**：信用强度因子[21] **因子构建思路**：捕捉信用指标是否大幅超预期或不及预期[21]。 **因子具体构建过程**：构建信用强度因子=(新增人民币贷款当月值–预期中位数)/预期标准差。若信用强度因子>1.5倍标准差，则定义未来60个交易日为信用显著超预期环境，分数为1；若信用强度因子<-1.5倍标准差，则未来60个交易日分数为-1[21]。 5. **因子名称**：增长方向因子[22] **因子构建思路**：基于PMI数据判断经济增长的方向[22]。 **因子具体构建过程**：基于中采制造业PMI、中采非制造业PMI、财新制造业PMI构建增长方向因子= PMI->计算过去十二月均值->计算同比。若增长方向因子相比于三个月之前上升则看多，分数为1；反之则看空，分数为-1[22]。 6. **因子名称**：增长强度因子[26] **因子构建思路**：捕捉经济增长指标是否大幅超预期或不及预期[26]。 **因子具体构建过程**：计算PMI预期差=(PMI–预期中位数)/预期标准差。若增长强度因子>1.5倍标准差，则定义未来60个交易日为增长显著超预期环境，分数为1；若增长强度因子<-1.5倍标准差，则未来60个交易日分数为-1[26]。 7. **因子名称**：通胀方向因子[27] **因子构建思路**：当前的通胀水平会对货币政策产生制约，通过判断通胀下行来预期货币宽松空间[27]。 **因子具体构建过程**：计算通胀方向因子=0.5×CPI同比平滑值+0.5×PPI同比原始值。若通胀方向因子相较于三个月之前降低，则说明是通胀下行环境，此时看多，分数为1；反之看空，分数为-1[27]。 8. **因子名称**：通胀强度因子[30] **因子构建思路**：捕捉通胀指标是否大幅超预期或不及预期[30]。 **因子具体构建过程**：分别计算CPI与PPI预期差=(披露值–预期中位数)/预期标准差，并计算通胀强度因子=CPI与PPI预期差均值。若通胀强度因子<-1.5，则定义未来60个交易日为通胀显著不及预期环境，分数为1；若通胀强度因子>1.5倍标准差，则未来60个交易日分数为-1[30]。 9. **因子名称**：席勒ERP[31] **因子构建思路**：计算经周期调整的估值水平，以消除经济周期波动对盈利的干扰[31]。 **因子具体构建过程**：计算过去6年通胀调整后的平均盈利得到席勒PE，然后计算席勒ERP=1/席勒PE-10年期国债到期收益率，并计算过去6年zscore作为分数（1.5倍标准差截尾后标准化到±1之间）[31][35]。 **公式**：$$席勒ERP = \frac{1}{席勒PE} - 10年期国债到期收益率$$ 10. **因子名称**：PB[35] **因子构建思路**：使用市净率（PB）来衡量估值水平[35]。 **因子具体构建过程**：对PB指标进行处理：PB×(-1)并计算过去6年zscore，1.5倍标准差截尾后标准化到±1之间得到分数[35]。 11. **因子名称**：AIAE（全市场权益配置比例）[37] **因子构建思路**：反映市场整体的风险偏好，基于投资者在风险资产和安全资产之间的动态配置比例[37]。 **因子具体构建过程**：构建A股的AIAE指标=中证全指总流通市值/(中证全指总流通市值+实体总债务)，将AIAE×(-1)并计算过去6年zscore得到分数（1.5倍标准差截尾后标准化到±1之间）[37]。 **公式**：$$AIAE = \frac{中证全指总流通市值}{中证全指总流通市值 + 实体总债务}$$ 12. **因子名称**：两融增量[40] **因子构建思路**：两融为市场杠杆资金的来源，其增量变化可反映市场情绪[40]。 **因子具体构建过程**：计算融资余额-融券余额，并计算其过去120日均增量与过去240日均增量。若120日均增量>过去240日均增量时杠杆资金上行并看多，分数为1；反之看空，分数为-1[40]。 13. **因子名称**：成交额趋势[43] **因子构建思路**：成交额上行代表市场成交热度与资金活跃度高[43]。 **因子具体构建过程**：对对数成交额计算其均线距离=ma120/ma240-1。当均线距离的max(10)=max(30)=max(60)时看多，分数为1。当均线距离的min(10)=min(30)=min(60)时看空，分数为-1[43]。 **公式**：$$均线距离 = \frac{ma120}{ma240} - 1$$ 14. **因子名称**：中国主权CDS利差[46] **因子构建思路**：中国主权CDS利差代表了海外投资者对中国的经济与主权信用风险的定价水平，可以作为体现外资流入的指代变量[46]。 **因子具体构建过程**：当平滑后CDS利差的20日差分<0时，说明当前CDS利差下降，海外投资者预期中国基本面转好，外资流入意愿强，此时看多，分数为1；反之看空，分数为-1[46]。 15. **因子名称**：海外风险厌恶指数[48] **因子构建思路**：花旗风险厌恶指数（Citi RAI Index）由海外期权隐波、信用利差等数据组成，能捕捉海外市场的风险偏好[48]。 **因子具体构建过程**：当平滑后风险厌恶指数的20日差分<0时，外资风险偏好上升，此时看多，分数为1；反之看空，分数为-1[48]。 16. **因子名称**：价格趋势[51] **因子构建思路**：使用均线距离衡量标的价格趋势与强度[51]。 **因子具体构建过程**：计算均线距离=（ma120/ma240 -1）。当均线距离>0时趋势方向分数=1，反之为-1。当均线距离的max(20)=max(60)时，趋势强度分数为1，当均线距离的min(20)=min(60)时，趋势强度分数为-1，趋势综合分数=(趋势方向分数+趋势强度分数)/2[51]。 **公式**：$$均线距离 = \frac{ma120}{ma240} - 1$$ $$趋势综合分数 = \frac{趋势方向分数 + 趋势强度分数}{2}$$ 17. **因子名称**：新高新低数[54] **因子构建思路**：指数成分股的新高新低个数可以作为反转信号[54]。 **因子具体构建过程**：计算中证800成分股占过去一年新低数-新低数的ma20。若该值>0时，说明最近新低较多，市场有见底预期，此时看多，分数为1；反之发出看空信号，分数为-1[54]。 18. **因子名称**：期权隐含升贴水[57] **因子构建思路**：基于看涨看跌平价关系推导出期权的隐含标的升贴水，反映期权市场对未来标的收益率均值的预期与情绪，可作为反转指标[57]。 **因子具体构建过程**：若50ETF近5日收益率<0，且指标分位数<30%，则看多持续20日，分数为1。若50ETF近5日收益率>0，且指标分位数>70%，则看空持续20日，分数为-1[57]。 19. **因子名称**：期权VIX指数[58] **因子构建思路**：反映了期权投资者对于未来标的波动率的预期与市场情绪，当VIX较高时，市场倾向于反转[58]。 **因子具体构建过程**：若50ETF近5日收益率<0，且指标分位数>70%，则看多持续20日，分数为1。若50ETF近5日收益率>0，且指标分位数>70%，则看空持续20日，分数为-1[58]。 20. **因子名称**：期权SKEW指数[62] **因子构建思路**：反映了期权投资者对于未来标的偏度的预期与市场情绪，可用作反转指标[62]。 **因子具体构建过程**：若50ETF近5日收益率<0，且指标分位数>70%，则看多持续20日，分数为1。若50ETF近5日收益率>0，且指标分位数<30%，则看空持续20日，分数为-1[62]。 21. **因子名称**：可转债定价偏离度[64] **因子构建思路**：可转债估值水平能体现出市场情绪，可用作反转指标[64]。 **因子具体构建过程**：计算可转债定价偏离度=转债价格/模型定价-1，并计算分数=定价偏离度×(-1)并计算过去3年zscore得到分数（定价偏离度越高，拥挤度越高，分数越低）[64]。 **公式**：$$可转债定价偏离度 = \frac{转债价格}{模型定价} - 1$$ 模型的回测效果 1. **择时雷达六面图综合模型**，当前综合打分为-0.06分[1][8] 因子的回测效果 1. **货币方向因子**，当前分数为1分[12][16] 2. **货币强度因子**，当前分数为-1分[15][16] 3. **信用方向因子**，当前分数为1分[18][10] 4. **信用强度因子**，当前分数为0分[21][10] 5. **增长方向因子**，当前分数为1分[22][10] 6. **增长强度因子**，当前分数为-1分[26][10] 7. **通胀方向因子**，当前分数为1分[27][10] 8. **通胀强度因子**，当前分数为0分[30][10] 9. **席勒ERP**，当前分数为0.18分[31][10] 10. **PB**，当前分数为-0.39分[35][10] 11. **AIAE**，当前分数为-0.66分[37][10] 12. **两融增量**，当前分数为-1分[40][10] 13. **成交额趋势**，当前分数为-1分[43][10] 14. **中国主权CDS利差**，当前分数为1分[46][10] 15. **海外风险厌恶指数**，当前分数为1分[48][10] 16. **价格趋势**，当前分数为0分[51][53][10] 17. **新高新低数**，当前分数为-1分[54][10] 18. **期权隐含升贴水**，当前分数为1分[57][10] 19. **期权VIX指数**，当前分数为1分[58][10] 20. **期权SKEW指数**，当前分数为-1分[62][10] 21. **可转债定价偏离度**，当前分数为-1.00分[64][10]

量化模型与构建方式 1. A股景气指数模型 **模型名称**：A股景气指数[33] **模型构建思路**：以上证指数归母净利润同比为Nowcasting目标构建高频景气指数，用于追踪A股景气周期[33] **模型具体构建过程**： 1. 选取上证指数归母净利润同比作为核心观测目标 2. 采用Nowcasting方法构建高频指数 3. 通过时间序列分析识别景气周期转折点 4. 指数数值反映景气度水平，上升表示景气改善[33] 2. A股情绪指数模型 **模型名称**：A股情绪指数[37] **模型构建思路**：基于市场波动率和成交额变化方向构造情绪指数，包含见底预警与见顶预警功能[37] **模型具体构建过程**： 1. 将市场按波动率和成交额变化方向划分为四个象限： - 波动上-成交下：显著负收益 - 其他三个象限：显著正收益 2. 根据象限划分构造情绪指数 3. 见底预警指数基于价格信号（波动率） 4. 见顶预警指数基于成交量信号（成交额） 5. 综合信号由两个子信号组合生成[37][40][42] 3. 风格因子模型 **模型名称**：BARRA风格因子模型[60] **模型构建思路**：参照BARRA因子模型框架，构建十大类风格因子描述市场风险特征[60] **模型具体构建过程**： 1. 构建十大类风格因子包括： - 市值（SIZE） - BETA - 动量（MOM） - 残差波动率（RESVOL） - 非线性市值（NLSIZE） - 估值（BTOP） - 流动性（LIQUIDITY） - 盈利（EARNINGS_YIELD） - 成长（GROWTH） - 杠杆（LVRG） 2. 计算各因子暴露度和纯因子收益 3. 用于组合绩效归因分析和风格暴露监控[60] 4. 指数增强模型 **模型名称**：中证500增强组合[48] **模型构建思路**：通过量化模型构建超越中证500指数的投资组合[48] **模型具体构建过程**： 1. 基于多因子模型选股 2. 优化组合权重 3. 控制跟踪误差 4. 定期调整持仓[48][50] **模型名称**：沪深300增强组合[55] **模型构建思路**：通过量化模型构建超越沪深300指数的投资组合[55] **模型具体构建过程**： 1. 基于多因子模型选股 2. 优化组合权重 3. 控制跟踪误差 4. 定期调整持仓[55][56] 模型的回测效果 1. 中证500增强组合 - 本周收益：-1.96%[48] - 本周超额收益：-0.11%（跑输基准）[48] - 2020年至今超额收益：50.56%[48] - 最大回撤：-4.99%[48] 2. 沪深300增强组合 - 本周收益：-0.38%[55] - 本周超额收益：+0.43%（跑赢基准）[55] - 2020年至今超额收益：38.85%[55] - 最大回撤：-5.86%[55] 量化因子与构建方式 1. 风格因子体系 **因子名称**：十大类风格因子[60] **因子构建思路**：基于BARRA框架构建全面描述市场风险特征的因子体系[60] **因子具体构建过程**： 1. **市值因子（SIZE）**：基于总市值的规模因子 2. **BETA因子**：衡量个股相对于市场的系统性风险 3. **动量因子（MOM）**：基于历史价格表现的动量效应 4. **残差波动率因子（RESVOL）**：剔除市场影响后的特异波动率 5. **非线性市值因子（NLSIZE）**：市值因子的非线性变换 6. **估值因子（BTOP）**：基于账面市值比的价值因子 7. **流动性因子（LIQUIDITY）**：衡量股票流动性的指标 8. **盈利因子（EARNINGS_YIELD）**：衡量公司盈利能力的指标 9. **成长因子（GROWTH）**：衡量公司成长性的指标 10. **杠杆因子（LVRG）**：衡量公司财务杠杆水平的指标[60] 2. 行业因子 **因子构建思路**：构建行业纯因子收益，衡量各行业相对市场市值加权组合的超额收益[61] **因子具体构建过程**： 1. 按行业分类计算纯因子收益 2. 相对市场市值加权组合计算超额收益 3. 监控各行业因子表现[61][66] 因子的回测效果 1. 近期风格因子表现 - **Beta因子**：超额收益较高[61] - **动量因子**：呈较为显著的负向超额收益[61] - **非线性市值因子**：呈较为显著的负向超额收益[61] - **价值因子**：表现不佳[61] - **盈利因子**：表现不佳[61] 2. 风格因子相关性 从因子暴露相关性来看（近一周）：[62] - 流动性因子与Beta、动量、残差波动率呈现明显正相关性 - 价值因子与Beta、残差波动率、流动性等因子呈现明显负相关性 - 市值因子与非线性市值因子相关性为0.515 - Beta因子与流动性因子相关性为0.523 - 动量因子与残差波动率因子相关性为0.630 - 价值因子与盈利因子相关性为0.521 3. 行业因子表现 - **表现较好行业因子**：电力设备、有色金属[61] - **回撤较多行业因子**：国防军工、保险、计算机[61]

市场整体表现 - A股三大指数集体上涨 体育产业板块受政策利好刺激全线爆发 华洋赛车出现30%涨停 新能源赛道中钠电池和光伏概念表现活跃 [1] 融资交易数据 - 9月4日两市融资余额整体缩减97亿元 但电力设备行业逆势获得11.44亿元增持 [3] - 江淮汽车融资净买入3.84亿元 融资余额达123.90亿元 占流通市值比例10.88% [2] - 宁波华翔融资净买入3.74亿元 融资余额12.47亿元 占流通市值比例6.40% [2] - 中微公司融资净买入1.05亿元 融资余额35.46亿元 占流通市值比例2.90% [2] - 宁德时代融资净买入1.59亿元 融资余额111.58亿元 占流通市值比例0.86% [2] 政策与行业动态 - 国务院办公厅发布体育产业规划 目标2030年达到7万亿元规模 刺激相关概念股上涨 [4] - 领益智造吸引超百家机构调研 显示机构投资者在政策公布前已完成布局 [4] 资金行为模式 - 牛市中的暴跌成为机构补仓时机 机构资金活跃度在下跌期间不降反升 [6][8] - 军工概念的长春一东和铜材料的屹通新材呈现相似的机构资金运作轨迹 [8] - 空头回补行为与机构库存形成共振时 往往意味着阶段性调整结束 [13] 行业资金流向 - 电力设备行业获得11.44亿元融资增持 显著优于市场整体表现 [3] - 新能源板块融资出现分歧 尽管板块表现活跃但资金流向存在差异 [14] 分析方法论 - 机构投资者凭借专业团队和数据分析工具 能提前数周甚至数月捕捉政策动向 [4] - 行业轮动是表象 资金运作逻辑才是本质 需关注资金流动的共性规律 [10] - 建立数据分析体系比追逐热点更重要 需跟踪最聪明的资金流向 [11][14]