拜耳中国7月1日消息，欧盟委员会（EC）批准了艾力雅® 8mg（阿柏西普8mg，114.3mg/ml注射液）在 欧盟的标签扩展，延长治疗间隔长达6个月，用于治疗两种主要视网膜疾病，即新生血管（湿性）年龄 相关性黄斑变性（nAMD）和由糖尿病黄斑水肿（DME）引起的视力损害。艾力雅® 8mg是欧盟首个也 是唯一一个治疗nAMD和DME患者的治疗间隔长达6个月的抗血管内皮生长因子（VEGF）。 ...

报告核心观点 - 持续配置反转因子，各股票池配置风格仍偏向成长，都配置了反转因子且该因子持续反弹；小幅增配美股，权益仓位不变；经济前瞻指标处于下降期初期；流动性货币投放进一步回升，综合指标维持略偏松；信用指标维持较高水平；市场流动性关注度最高；行业配置倾向对经济不敏感、对信用敏感的行业 [2] 各部分总结 持续配置反转因子 - 将宏观量化与因子动量观点结合选择共振因子，成长因子任意方法选择即配置，其他因子按类型参考不同结果；目前经济回落、流动性略偏松、信用转好，仅流动性触发修正，修正后方向与上期一致 [5][7] - 因流动性与信用背离，按对经济不敏感、对信用敏感选得分前三因子，各股票池配置风格偏成长，300、500 因子选择与上期一致，中证 1000 增加短期反转因子，各股票池都配置反转因子且该因子持续反弹 [7][8] 各宏观指标方向与资产配置观点 经济前瞻指标 - 2025 年 7 月经济前瞻指标处于下降趋势初期，未来将持续下降；6 月 PMI 和 PMI 新订单指标上升，部分领先经济指标处于下降周期，影响前瞻综合指标下降 [13] 流动性 - 每月末根据利率、货币净投放、超储率判断流动性环境，近三个月指标显示 6 月利率下行，货币投放反弹，超储率低，综合流动性指标维持略偏松 [20][21][23] 综合信用指标 - 2024 年下半年信用各维度指标偏弱，本月信用指标与上期接近，社融存量同比小幅回落，信用结构好转，综合信用指标维持较高水平 [24] 大类配置观点 - 目前经济下行、流动性偏紧、信用较好，与此前观点一致，权益仓位不变；美股趋势回升，小幅增配 5% [2][25] 市场关注点 - 通过 Factor Mimicking 模型跟踪市场关注点，2023 年以来信用、通胀关注度高，近期流动性成最受关注变量，市场受流动性驱动多，经济关注度近两月回落 [26][28] 宏观视角下的行业选择 - 本期经济指标下行，流动性指标修正为略偏紧，信用指标乐观，因流动性和信用背离，倾向选择对经济不敏感、对信用敏感的行业，如电子、传媒、电力设备等 [28]

根据提供的研报内容，以下是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：券商金股业绩增强组合** - **模型构建思路**：通过多因子方式从券商金股股票池中优选股票，以对标公募基金中位数为基准，控制组合与券商金股股票池在个股、风格上的偏离，同时以全体公募基金的行业分布为行业配置基准[44] - **模型具体构建过程**： 1. 以券商金股股票池为选股空间和约束基准 2. 采用组合优化的方式控制组合与券商金股股票池在个股、风格上的偏离 3. 以全体公募基金的行业分布为行业配置基准 4. 每月初汇总券商金股，根据被推荐家数加权构建券商金股指数，并于每月第一天收盘价调仓 5. 计算收益时以主动股基最近报告期的权益仓位中位数作为券商金股指数的仓位[19][44] - **模型评价**：历史表现稳健，能够稳定战胜偏股混合型基金指数，在公募主动股基中排名靠前[44][45] 量化因子与构建方式 1. **因子名称：单季度营收增速** - **因子表现**：最近一个月表现较好[29] 2. **因子名称：SUR（标准化未预期收入）** - **因子表现**：最近一个月和今年以来表现较好[29] 3. **因子名称：分析师净上调幅度** - **因子表现**：最近一个月表现较好[29] 4. **因子名称：EPTTM（市盈率TTM）** - **因子表现**：最近一个月和今年以来表现较差[29] 5. **因子名称：波动率** - **因子表现**：最近一个月和今年以来表现较差[29] 6. **因子名称：剥离涨停动量** - **因子表现**：最近一个月表现较差[29] 7. **因子名称：总市值** - **因子表现**：今年以来表现较好[29] 8. **因子名称：SUE（标准化未预期盈利）** - **因子表现**：今年以来表现较好[29] 9. **因子名称：预期股息率** - **因子表现**：今年以来表现较差[29] 模型的回测效果 1. **券商金股业绩增强组合** - 本月（20250603-20250630）绝对收益5.34%，相对偏股混合型基金指数超额收益1.00%[43] - 本年（20250102-20250630）绝对收益10.59%，相对偏股混合型基金指数超额收益2.73%[43] - 在主动股基中排名28.16%分位点（977/3469）[43] - 全样本（2018.1.2-2025.6.30）年化收益19.34%，相对偏股混合型基金指数年化超额14.38%[45] 2. **券商金股指数** - 本月（20250603-20250630）收益3.71%，偏股混合型基金指数收益4.34%[22] - 本年（20250102-20250630）收益6.89%，偏股混合型基金指数收益7.86%[22] 因子的回测效果 1. **单季度营收增速**：最近一个月表现较好[29] 2. **SUR**：最近一个月和今年以来表现较好[29] 3. **分析师净上调幅度**：最近一个月表现较好[29] 4. **EPTTM**：最近一个月和今年以来表现较差[29] 5. **波动率**：最近一个月和今年以来表现较差[29] 6. **剥离涨停动量**：最近一个月表现较差[29] 7. **总市值**：今年以来表现较好[29] 8. **SUE**：今年以来表现较好[29] 9. **预期股息率**：今年以来表现较差[29]

中证红利质量ETF表现 - 7月1日午后中证红利质量ETF(159209)上涨0.60% 连续走强 盘中获净流入 [1] - 该ETF跟踪中证全指红利质量指数 选取50只分红稳定 股息率较高且盈利持续性好的上市公司证券 [1] - 采用"红利+质量"双因子筛选机制 兼具"低估值"+"高质量"双重护城河 理念契合巴菲特价值投资逻辑 [1] 产品结构与费率 - 采用"0.15%管理费+0.05%托管费"的全市场最低档收费标准 长期持有成本优势显著 [1] - 设置月度分红评估机制 优化投资者现金流管理体验 增强持有吸引力 [1] - 最小申购赎回单位份额为100万 现金替代比例上限50% 当前允许申购赎回 [2] 市场表现数据 - 5日涨幅1.20% 20日涨幅0.50% 60日涨幅0.70% [2] - 52周价格区间为0.90-1.02 [2] - T日预估现金差额-50130.56元 T-1日单位净资产1006045.4470元 [2] 市场环境与策略 - 当前市场环境下 兼顾安全边际和盈利能力的策略成为资金关注重点 [1] - 指数样本企业具有较强分红和盈利能力特征 反映优质上市公司整体表现 [1]

核心观点 - 2025年6月制造业PMI回升，受益于扩大内需政策，7月政策效果有望持续释放，但制造业景气面临季节性回落压力；个人养老金定投指数型ETF，定投时间越长收益越稳定，红利指数定投表现较好，可采用基于估值和均线的动态定投模型改进收益；2025年上半年度融资融券市场融资收缩、融券扩张，未来经济回稳等因素有望利好两融市场；上周市场主要指数上调，主动权益基金仓位下降，ETF市场资金有流入流出情况；随机森林多因子选股模型跑赢中证500指数，验证了机器学习方法在量化交易中的实用价值 [2][5][8][11][16] 宏观及策略研究 - 2025年6月30日统计局公布PMI数据，制造业采购经理指数、非制造业商务活动指数和综合PMI产出指数分别为49.7%、50.5%和50.7% [2] - 制造业景气回升，产需两端改善，生产指数回升0.3个百分点至51.0%，新订单指数回升0.4个百分点至50.2%，新出口订单回升0.2个百分点至47.7%，原材料购进和出厂价格指数收缩步伐放缓，原材料和产成品去库节奏放缓 [2] - 6月大型和中型企业制造业PMI分别回升0.5和1.1个百分点至51.2%和48.6%，小型企业回落2.0个百分点至47.3%，大、中型企业回升或与宏观政策发力有关，小型企业景气度有望企稳回升 [3] - 6月非制造业商务活动指数回升0.2个百分点至50.5%，建筑业商务活动景气度回升1.8个百分点至52.8%，服务业商务活动指数小幅回落0.1个百分点至50.1% [3] - 6月综合PMI产出指数回升0.3个百分点至50.7%，内需释放和贸易预期缓和推动制造业和非制造业景气共振回升 [3] - 6月制造业PMI回升与扩大内需政策有关，7月政策效果有望持续释放，但制造业景气面临季节性回落压力 [4] 金融工程研究 个人养老金定投指数型ETF的方式探索 - 2024年12月12日五部门将国债、特定养老储蓄、指数基金纳入个人养老金产品范围，首批有85只权益类指数基金，其中被动指数型66只，增强指数型19只，跟踪指数16个 [5] - 选择中证500、沪深300、上证50和红利指数测算定投收益，定投时间越长收益越稳定，红利指数定投表现好于宽基指数 [6] - 设计基于估值和均线的动态定投模型改进宽基指数定投收益，估值定投年化收益平均上涨1%-3%，正值占比平均提升10%-20%；均线定投年化收益平均上涨0.5%-1%，正值占比平均提升5%-10%，均线定投适用于成立时间小于5年的指数产品 [6] - 实际定投可考虑更丰富的新成立指数产品，未来将继续优化定投模型和开展养老产业专题研究 [7] 两融余额略有收缩，关注结构性变化 - 截至6月25日，2025年上半年度A股市场主要指数多数上涨，上证综指涨幅最大为3.11%，创业板指跌幅最大为0.62%，沪深两市两融余额为18236.47亿元，较去年年末减少370.86亿元，融资余额减少386.57亿元，融券余额增加15.72亿元 [8] - 市场ETF融资余额为945.97亿元，较去年年末减少92.60亿元，融券余额为52.87亿元，较去年年末增加7.79亿元；主板融资余额占比下降，科创板和创业板占比上升，主板和科创板融券余额占比上升，创业板占比下降，小市值板块融资与融券余额占比上升，大市值板块占比下降 [8] - 上半年度汽车、机械设备和医药生物行业融资净买入额较多，非银金融、电子和银行行业较少；融资买入额占成交额比例较高的行业为非银金融、钢铁和通信，较低的为纺织服饰、轻工制造和综合；非银金融、医药生物和有色金属行业融券净卖出额较多，建筑材料、家用电器和纺织服饰行业较少 [8] - 上半年度个股融资净买入额前五名为比亚迪、胜宏科技、赛力斯、光线传媒、三花智控，融券净卖出额前五名为兴业银行、恒瑞医药、贵州茅台、小商品城、山西汾酒 [9] - 2025年上半年度融资融券市场融资收缩、融券扩张，融券余额增幅小影响有限，一季度先降后升，3月底达峰值，二季度在18000亿上下波动，经济回稳等因素有望利好两融市场 [9] 中证A500指数资金大幅流入，主动权益基金仓位下降 - 上周市场主要指数全部上调，中证1000、中证全指和科创50在市盈率及市净率指数估值分位数方面涨幅居前，31个申万一级行业中28个行业上涨，涨幅前五的行业为计算机、国防军工、非银金融、通信和电气设备，下跌的为石油石化、食品饮料、交通运输 [11] - 市场热点包括易方达、华夏基金上报上证380ETF、上证580ETF，首批26只新型浮动费率基金已有23只成立 [11] - 上周权益类基金普遍上涨，量化基金涨幅最大为2.93%，纯债型基金涨跌不一，FOF基金中养老目标FOF上涨1.40%，正收益占比98.56%，QDII基金平均上涨2.36%，正收益占比91.67% [11] - 本周主动权益基金仓位涨幅居前的行业为食品饮料、医药生物和电子，跌幅居前的为计算机、国防军工和有色金属，2025/6/27仓位为72.31%，较上周下降3.07pct [12] - 本期ETF市场整体资金净流入13.94亿元，债券型ETF净流入229.01亿元，股票型ETF净流出156.90亿元，上周整体ETF市场日均成交额达3113.22亿元，日均成交量达1484.90亿份，日均换手率达9.64% [12] - 本期主要宽基指数多数流出，中证A500指数资金大幅流入超过70亿元，银行、港股非银和创新药板块被资金看好，沪深300指数资金大幅流出，净流入较多的ETF标的有中证银行等，净流出较多的有中证全指证券公司等 [12] - 上周新发行基金21只，较上期增加2只，新成立基金43只，较上期减少5只，新基金共募集335.85亿元，较上期减少141.06亿元 [13] 基于随机森林的多因子选股模型构建 - 多因子模型对市场关系线性假设存在不足，随机森林模型无需预设函数关系，能捕捉非线性关系和高阶交互作用，将其应用于多因子选股是传统量化投资向“AI量化”升级的路径 [14][15] - 模型构建选取25个基本面和技术面因子，将2010.1.4至2025.4.30时间段后40%作为回测区间，前60%中80%为训练集，20%为测试集，选取中证500指数成分股为基准股票池，每20个交易日调仓，每次选10只股票持有 [16] - 随机森林模型大幅跑赢中证500指数，收益指标高于基准，波动率和最大回撤低于基准，风险收益比远好于基准，验证了机器学习方法在量化交易中的实用价值 [17]

报告核心观点 - 2025年下半年，基于周期理论的改进BL模型，可适度提升股票资产配置比例，下调商品资产配置比例，债券资产维持上限配置比例；维持A股盈利弱修复、估值强支撑预判，风格上小市值、强反转、高估值、高盈利占优，科技行业是指数突围高概率选择；科技、必选消费、金融等风格或占优；需警惕四季度地缘政治风险及美债危机潜在可能 [2] 周期定位及大类资产 基于周期理论的改进BL模型 - 大类资产配置模型是基于周期嵌套理论改良版BL模型，以市场均衡收益率为基准，结合投资者主观观点与市场先验预期收益率，用贝叶斯方法修正预期收益分布，生成组合权重，可解决传统均值 - 方差模型问题，提升组合夏普比率 [9] - 模型输入为各类资产历史日度收益率、当前市场各类资产仓位、未来各资产收益率主观观点，限制条件为债券资产仓位上限不得超过95% [9][10] 周期定位 - 中美补库分别始于2023年末及2024年初，当前进入中后期，企业大规模补库动能减弱，领先指标显示或有1 - 2Q持续性，年末及明年初或面临去库拐点 [11] - 美国基本面有韧性，但特朗普关税及减税政策增添不确定性；国内经济修复程度偏弱，但政策方向确定，外需韧性对经济有提振作用 [11] 大类资产预判 - 中长期去美元进程已开启，美元中期走弱源于产业链重构下增长差收窄、债务驱动的信用裂痕、政策不确定性的信任崩塌；去美元化大趋势下，黄金中长期走强，白银、欧日货币可能阶段性替代美元 [21] - 风险资产内部，A股确定性更强，美国基本面政策不确定性高且中长期走弱担忧升温，国内基本面政策方向确定且内需担忧缓和；资金面上，全球去美元化使美元资产资金流出，A股资金面积极 [24] - 下半年补库周期下，风险资产>避险资产，去美元大逻辑下，贵金属有望走强；国内资产中，内需止跌弱修复假设下，A股相对占优；需警惕四季度地缘政治风险及美债危机 [25] A股大势及风格 上半年行情回顾 - 2025年上半年A股呈现“科技资产重估 - 关税冲击 - 政策修复 - 震荡蓄势”四阶段行情，科技、出口链、高股息、创新药、新消费等板块先后表现 [29] - 行业轮动从“老双翼”（AI/机器人）向“新双翼”（创新药/新消费）转变，“杠铃策略”向小微盘及银行股“缩圈”，原因包括新兴产业发展、指数增强及私募量化产品发行加速、“类平准”资金呵护 [32] 大势 - 2025年A股盈利弱复苏、估值强支撑，上半年行情由估值主导，预计全年盈利增速0 - 5%，估值贡献0 - 7%，全A涨幅中值约7% [39] - 下半年市场风险偏好有望小幅修复至接近Q1高点，呈季度间波动，维持区间震荡格局，节奏上或前高后低，可结合情绪指数波段操作 [39][40] - A股估值端有较强支撑，资金面有国内剩余流动性充裕、类平准基金与险资增量、弱美元环境三重积极支撑，在“去美元化 + 估值洼地”共振下迎来资金面改善与结构性重估行情 [40] 风格 - 开年以来市场风格小市值最优，高估值、强反转、弱盈利次之，小市值风格强势延续，盈利因子与经济周期、剩余流动性与市值因子、估值因子与市场情绪高度相关 [46] - 下半年市场占优风格为小市值、强反转、高估值、高盈利，小市值与强反转确定性最高，高估值因子有季度间波动，科技主线有望跑赢，可关注中证500及中证2000 [47] 科技行业是指数突围的高概率选择 行业配置情景假设一 - 震荡市情景下，科技行业是指数突围高概率选择，历史上全A指数依靠红利或内需顺周期行业带动向上仅在宏观强复苏环境或场内流动性充沛时出现，2025年下半年这两种条件出现概率低 [55][56][57] 行业配置情景假设二 - 若考虑潜在上行风险，内需或红利资源品行业指数向上需更大力度逆周期或供给侧政策配合，可能形成“权重搭台，成长唱戏”上行格局；当前已观察到内需和周期资源品行业积极信号 [60][61] 2025年下半年大类行业比较 - 科技与高端制造是本轮中周期主导产业，AI、人型机器人产业趋势催化明确，行业兼具高成长弹性且景气趋势向好；必选消费行业有防御属性和稳定性溢价，部分行业有成长属性；券商、金融科技等有望受益于公募基金增配与“稳定币”概念 [2][64] - 2025年下半年AI行业配置模型输出Top10行业为通信、非银金融、医药生物、传媒、国防军工、电子、计算机、电力设备、社会服务、商贸零售，集中在成长和消费风格 [69] 中观景气跟踪与景气预期展望 科技产业趋势延续 - 国内算力基础设施悲观预期扭转，产业链景气上行，海外算力需求旺盛，北美四大云厂商资本开支维持高增速，英伟达业绩亮眼；国内云厂商资本开支受供应链影响但趋势向好，国产算力芯片厂商存货及订单逐季修复 [76][78] - AI眼镜、AI手机等端侧产品加速落地，产业链有望受拉动；AI应用端具备海外映射催化与渗透率提升催化，智能体作为下一代交互与生产力核心形态正加速落地 [80][82] 消费新逻辑演绎 - 创新药价值重估，基本面上海外授权交易增加、国内政策环境改善，交易层面港股映射带动A股创新药；新消费产业趋势下，性价比消费、娱乐经济、户外运动消费等赛道景气向好，A股新消费赛道有望受港股映射带动 [85][90] 高端制造 - 人形机器人产业迈入量产元年，政策发力加速产业化，应用场景多元化，从特种场景向工业、民用场景渗透；我国相关产业链为人形机器人硬件发展奠定基础 [92] - 投资关注增量零部件环节及具备技术卡位优势企业，软件生态构建是第二增长曲线，重点关注具身智能大模型与运控系统环节 [93] 策略专题 中美关系 - 中美贸易争端源于美国贸易逆差、制造业问题及“美国优先”政策，美国采取关税壁垒和技术封锁措施，中国采取反制措施；2025年5月日内瓦谈判达成阶段性协议，部分关税取消 [96][97][98] - 乐观情景下，中美谈判顺利推进将加深全球经济合作，带动出口和出海链修复，改善全球投资环境，吸引外资流入，利好A股市场 [100][101][102] - 悲观情景下，谈判受阻将使A股面临多重压力，科技行业创新步伐或放缓，稀土供应链调整影响相关行业，影响A股市场稳定性 [103][104] 港股的配置机遇 - 南向资金持续净流入港股市场，2025年以来流入规模大、速度快，提升了港股市场活跃度和影响力，港股市场国际化程度高，具备流动性和多元化投资机会 [110][112][117] - 港股估值修复，恒生指数动态PE修复至历史均值附近，恒生科技动态PE位于历史均值以下；恒生AH股溢价指数创下5年来新低 [120][122] - 中概股回流为港股带来优质资金流入，优化行业结构，吸引更多投资者关注，活跃港股市场 [130] - 港股牛市有望为A股带来信心回升机会，历史上港股在沪深港通开通、MSCI指数扩容、全球流动性宽松时对A股有引领作用，当前港股行情占优，重估效应可外溢至A股 [132][133][135]

量化模型与因子总结 量化因子与构建方式 1. **因子名称：Beta因子** - 因子构建思路：衡量股票相对于市场的系统性风险[16] - 因子具体构建过程：直接使用历史beta值作为因子值[16] 2. **因子名称：市值因子** - 因子构建思路：衡量公司规模大小[16] - 因子具体构建过程：总市值取自然对数 $$ \text{市值因子} = \ln(\text{总市值}) $$ [16] 3. **因子名称：动量因子** - 因子构建思路：衡量股票历史超额收益表现[16] - 因子具体构建过程：计算历史超额收益率序列的均值[16] 4. **因子名称：波动因子** - 因子构建思路：衡量股票价格波动性[16] - 因子具体构建过程：复合波动指标计算如下： $$ 0.74 \times \text{历史超额收益率序列波动率} + 0.16 \times \text{累积超额收益率离差} + 0.1 \times \text{历史残差收益率序列波动率} $$ [16] 5. **因子名称：非线性市值因子** - 因子构建思路：捕捉市值风格的非线性效应[16] - 因子具体构建过程：市值风格的三次方[16] 6. **因子名称：估值因子** - 因子构建思路：衡量股票估值水平[16] - 因子具体构建过程：使用市净率倒数作为因子值[16] 7. **因子名称：流动性因子** - 因子构建思路：衡量股票交易活跃程度[16] - 因子具体构建过程：复合流动性指标计算如下： $$ 0.35 \times \text{月换手率} + 0.35 \times \text{季换手率} + 0.3 \times \text{年换手率} $$ [16] 8. **因子名称：盈利因子** - 因子构建思路：衡量公司盈利能力[16] - 因子具体构建过程：复合盈利指标计算如下： $$ 0.68 \times \text{分析师预测盈利价格比} + 0.21 \times \text{市现率倒数} + 0.11 \times \text{市盈率ttm倒数} $$ [16] 9. **因子名称：成长因子** - 因子构建思路：衡量公司成长性[16] - 因子具体构建过程：复合成长指标计算如下： $$ 0.18 \times \text{分析师预测长期盈利增长率} + 0.11 \times \text{分析师预测短期利率增长率} + 0.24 \times \text{盈利增长率} + 0.47 \times \text{营业收入增长率} $$ [16] 10. **因子名称：杠杆因子** - 因子构建思路：衡量公司财务杠杆水平[16] - 因子具体构建过程：复合杠杆指标计算如下： $$ 0.38 \times \text{市场杠杆率} + 0.35 \times \text{账面杠杆} + 0.27 \times \text{资产负债率} $$ [16] 11. **因子名称：GRU因子** - 因子构建思路：基于GRU神经网络模型构建的复合因子[19][21][24][27] - 因子评价：在不同市场环境下表现分化，需要结合其他因子使用[19][21][24][27] 12. **因子名称：多因子组合** - 因子构建思路：综合多个因子构建的组合[31] - 因子评价：本周表现较弱，但长期表现稳定[31] 因子回测效果 1. **Beta因子** - 最近一周多空收益：多头表现较好[17] - 最近一月多空收益：多头表现较好[17] - 三年年化多空收益：未提供具体数值[17] - 五年年化多空收益：未提供具体数值[17] 2. **市值因子** - 最近一周多空收益：空头表现强势[17] - 最近一月多空收益：空头表现强势[17] - 三年年化多空收益：未提供具体数值[17] - 五年年化多空收益：未提供具体数值[17] 3. **盈利因子** - 最近一周多空收益：空头表现强势[17] - 最近一月多空收益：空头表现强势[17] - 三年年化多空收益：未提供具体数值[17] - 五年年化多空收益：未提供具体数值[17] 4. **估值因子** - 最近一周多空收益：空头表现强势[17] - 最近一月多空收益：空头表现强势[17] - 三年年化多空收益：未提供具体数值[17] - 五年年化多空收益：未提供具体数值[17] 5. **流动性因子** - 最近一周多空收益：多头表现较好[17] - 最近一月多空收益：多头表现较好[17] - 三年年化多空收益：未提供具体数值[17] - 五年年化多空收益：未提供具体数值[17] 6. **GRU因子** - open1d模型： - 近一周超额收益：-0.35%[32] - 近一月超额收益：-0.71%[32] - 近三月超额收益：4.21%[32] - 近六月超额收益：5.85%[32] - 今年以来超额收益：6.30%[32] - close1d模型： - 近一周超额收益：0.55%[32] - 近一月超额收益：0.40%[32] - 近三月超额收益：5.04%[32] - 近六月超额收益：6.40%[32] - 今年以来超额收益：6.31%[32] - barra1d模型： - 近一周超额收益：0.17%[32] - 近一月超额收益：0.32%[32] - 近三月超额收益：1.97%[32] - 近六月超额收益：4.09%[32] - 今年以来超额收益：3.93%[32] - barra5d模型： - 近一周超额收益：0.13%[32] - 近一月超额收益：0.39%[32] - 近三月超额收益：4.48%[32] - 近六月超额收益：7.59%[32] - 今年以来超额收益：7.56%[32] 7. **多因子组合** - 近一周超额收益：-0.38%[32] - 近一月超额收益：-0.04%[32] - 近三月超额收益：1.43%[32] - 近六月超额收益：3.56%[32] - 今年以来超额收益：2.82%[32]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称：宏观择时策略** - **模型构建思路**：基于动态宏观事件因子进行股债轮动配置，通过经济增长和货币流动性两个维度的信号强度综合判断权益仓位[26][27] - **模型具体构建过程**： 1. 经济增长信号：综合PMI、工业增加值等指标，当前信号强度50%[27] 2. 货币流动性信号：结合SHIBOR、国债收益率等，当前信号强度40%[27] 3. 权益仓位计算：加权平均信号强度生成推荐仓位（当前45%）[27] - **模型评价**：2025年初至今收益率1.06%，略低于Wind全A指数（1.90%），但风险控制稳健[26][28] 2. **模型名称：微盘股轮动与择时模型** - **模型构建思路**：通过相对净值、动量斜率及风险指标监控微盘股风格持续性[29][33] - **模型具体构建过程**： 1. 相对强度指标：微盘股/茅指数相对净值（当前1.93倍）需高于243日均线（1.41倍）[29][33] 2. 动量指标：20日价格斜率（微盘股0.00257 vs 茅指数-0.00019）[29][35] 3. 风险指标： - 波动率拥挤度同比需低于0.55%（当前-0.415%）[29][36] - 十年期国债收益率同比需低于0.30%（当前-0.27%）[29][31] --- 量化因子与构建方式 1. **因子名称：市值因子（LN_MktCap）** - **构建思路**：捕捉小盘股超额收益效应，方向为低市值[49] - **具体构建**：取流通市值的自然对数$$ \text{LN\_MktCap} = \ln(\text{流通市值}) $$[49] 2. **因子名称：成长因子（NetIncome_SQ_Chg1Y）** - **构建思路**：通过单季度净利润同比增速筛选高成长性标的[49] - **具体构建**：$$ \text{NetIncome\_SQ\_Chg1Y} = \frac{\text{当期单季度净利润} - \text{去年同期单季度净利润}}{\text{去年同期单季度净利润}} $$[49] 3. **因子名称：反转因子（Price_Chg20D）** - **构建思路**：利用短期价格反转效应[49] - **具体构建**：计算20日收益率$$ \text{Price\_Chg20D} = \frac{P_t - P_{t-20}}{P_{t-20}} $$[49] 4. **转债估值因子（平价底价溢价率）** - **构建思路**：衡量可转债估值偏离程度[45][48] - **具体构建**：$$ \text{溢价率} = \frac{\text{转债价格} - \text{转换价值}}{\text{转换价值}} \times 100\% $$[48] --- 模型回测效果 | 模型/因子 | IC均值（全A股） | 多空收益（周） | 年化IR | |--------------------|----------------|---------------|---------| | 宏观择时策略 | - | - | 1.06%[26] | | 市值因子 | 23.47%[41] | +3.00%[41] | 39.13%[41] | | 成长因子 | 1.80%[41] | +0.15%[41] | 11.10%[41] | | 转债成长因子 | - | +0.72%[45] | - | --- 因子回测效果（分股票池） | 因子 | 沪深300 IC | 中证500 IC | 中证1000 IC | |---------------|------------|------------|-------------| | 一致预期因子 | 3.15%[41] | -3.56%[41] | 0.64%[41] | | 质量因子 | -6.93%[41] | -8.58%[41] | -8.37%[41] | | 技术因子 | -12.64%[41]| -2.86%[41] | 1.14%[41] | （注：表格数据均取自最新周度统计[41][45][49]）

有色金属ETF收益反弹 金融工程周报 基金市场回顾： 操作评级 中信五风格-成长★☆☆ 金融工程组 张婧婕 Z0022617 010-58747784 gtaxinstitute@essence.com.cn 本报告版权属于国投期货有限公司 1 不可作为投资依据，转载请注明出处 截至2025/06/27当周，通联全A（沪深京）、中证综合债与南 华商品指数周度涨跌幅分别为3.35%、-0.10%、-2.00%。 公募基金市场方面，近一周增强指数策略领涨，周度收益率为 3.18%；权益策略中普通股票策略指数表现相对偏弱，中性策 略产品跌多涨少，债券方面中长期纯债小幅回撤，转债收益优于 纯债，商品方面能源化工与豆粕ETF收益回调，有色金属ETF 净值反弹，贵金属ETF走势分化，其中白银ETF小幅收涨，黄 金ETF收益延续走弱。 权益市场风格 周度报告 2025年6月30日 中信五风格方面，上周五风格指数均收涨，成长和金融风格领跑， 风格轮动图显示相对强弱层面消费与稳定处于截面偏低水平，指 标动量层面相比上期五风格均走强，消费与稳定升幅较大。公募 基金池方面，近一周周期与消费风格基金平均收益跑赢指数，超 额收益率分别 ...

根据提供的研报内容，以下是量化模型与因子的详细总结： --- 量化模型与构建方式 1. 高频宏观因子模型 - **构建思路**：通过资产组合模拟构建高频宏观因子体系，用于观察市场交易的宏观预期变化[11] - **具体构建过程**： 1. **低频宏观因子合成**：工业增加值同比、PMI同比等指标合成低频因子 2. **领先资产筛选**：筛选恒生指数、CRB金属现货等领先资产 3. **滚动回归拟合**：以资产同比收益率为自变量，低频宏观因子同比为因变量，通过滚动多元回归确定权重 公式： $$E[Real\_Return^{gold}]=k\times E[Real\_Return^{Tips}]$$ $$E[R^{gold}]=\pi^{e}+k\times E[Real\_Return^{Tips}]$$ 其中k通过扩展窗口OLS估计，$\pi^{e}$为美联储长期通胀目标2%[30] - **评价**：高频指标对低频宏观因子具有领先性，但可能出现方向背离（如高频经济增长与低频指标反向变动）[12][16] 2. 债券久期择时模型 - **构建思路**：基于改进的Diebold2006模型预测收益率曲线，映射不同久期债券的预期收益[18] - **具体构建过程**： 1. **因子预测**：水平因子（宏观变量+政策利率）、斜率与曲率因子（AR(1)模型） 2. **收益映射**：计算各久期债券预期收益，选择最高收益久期 - **评价**：模型在2025年6月超额收益-2.1bp，近一年表现弱于等权基准[19][22] 3. 转债估值与风格轮动模型 - **构建思路**：通过转股溢价率、修正YTM等指标比较转债与正股/信用债的估值，结合动量信号进行风格轮动[23][25] - **具体构建过程**： 1. **估值指标**： - 百元转股溢价率：$$ \text{转股溢价率} = \frac{\text{转债价格} - \text{转换价值}}{\text{转换价值}} \times 100 $$ - 修正YTM：剥离转股条款影响后与信用债YTM比较 2. **风格轮动**： - 剔除高估值转债（转股溢价率偏离度因子） - 双周频调仓，基于20日动量与波动率偏离度选择风格（偏股/偏债）[25] - **评价**：2018-2025年轮动组合年化收益23.87%，IR 1.43，但2025年6月配置性价比偏低（百元转股溢价率29.47%）[23][27] 4. 黄金预期收益模型 - **构建思路**：将黄金收益与TIPS实际回报关联，通过历史参数估计未来收益[30] - **具体构建过程**： 1. 参数k通过扩展窗口OLS估计 2. 使用美联储2%通胀目标作为$\pi^{e}$代理 3. 输出未来一年预期收益率（2025年6月为23.0%） - **评价**：过去一年策略绝对回报40.72%，模型持续看多黄金[32][34] 5. 主动风险预算模型 - **构建思路**：结合风险平价与主动信号动态调整股债权重[35][36] - **具体构建过程**： 1. **信号维度**： - 股债比价（ERP）：$$ ERP = \frac{1}{PE_{ttm}} - YTM_{TB}^{10Y} $$ - 估值分位数（中证800近5年PE分位点） - 流动性（M2-M1剪刀差） 2. **权重计算**：信号得分通过softmax函数转化为风险预算权重 $$ softmax(x)=\frac{\exp(\lambda x)}{\exp(\lambda x)+\exp(-\lambda x)} $$ 其中$\lambda$为风险调整系数[45] - **评价**：全样本年化收益6.51%，收益波动比1.64，2025年7月权益仓位18.72%[48][49] 6. 行业轮动3.0模型 - **构建思路**：六维度动态合成行业信号（交易行为、景气度、资金面、筹码结构、宏观驱动、技术分析）[50] - **具体构建过程**： 1. **子模型构建**： - 交易行为：捕捉日内动量+隔夜反转效应 - 景气度：盈余动量因子 - 资金流：主动抢筹+被动派发行为 2. **动态合成**：近12周模型权重贡献分析（筹码结构模型权重最高）[53][63] - **评价**：2025年6月多空收益-1.45%，最新推荐非银/有色/通信等行业[56][59] --- 模型与因子的回测效果 1. 高频宏观因子 - 高频经济增长：同比上行（2025/6/27）[12] - 高频消费通胀：同比上行（2025/6/27）[16] - 高频生产通胀：同比上行（2025/6/27）[16] 2. 债券久期择时 - 2025年6月超额收益：-2.1bp[22] - 近一年超额收益：-2.96%[19] 3. 转债风格轮动 - 年化收益：23.87% - 最大回撤：16.67% - IR：1.43[27] 4. 黄金预期收益 - 未来一年预期收益率：23.0%（2025/6/30）[30] - 过去一年策略回报：40.72%[32] 5. 主动风险预算 - 年化收益：6.51% - 收益波动比：1.64 - 2025年7月权益仓位：18.72%[49] 6. 行业轮动3.0 - 2025年6月多空收益：-1.45%[56] - ETF轮动组合6月超额：-2.93%[67] --- 关键公式汇总 1. 黄金收益模型： $$E[Real\_Return^{gold}]=k\times E[Real\_Return^{Tips}]$$ $$E[R^{gold}]=\pi^{e}+k\times E[Real\_Return^{Tips}]$$ [30] 2. 股权风险溢价： $$ ERP = \frac{1}{PE_{ttm}} - YTM_{TB}^{10Y} $$ [37] 3. 风险预算权重： $$ softmax(x)=\frac{\exp(\lambda x)}{\exp(\lambda x)+\exp(-\lambda x)} $$ [45] --- 注：所有数据与结论均基于研报披露的历史回测，未涉及未来预测或投资建议。