根据研报内容，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**：转股溢价率偏离度 - **构建思路**：衡量转股溢价率相对于拟合值的偏离度，使不同平价的转债可比[21] - **具体构建过程**： $$y_{i}=\alpha_{0}+\,\alpha_{1}\cdot\,{\frac{1}{x_{i}}}+\epsilon_{i}$$ 其中，$y_i$为第$i$只转债的转股溢价率，$x_i$为转股价值。通过截面数据拟合转股溢价率与转股价值的关系曲线，计算偏离度[21][44] 2. **因子名称**：理论价值偏离度（蒙特卡洛模型） - **构建思路**：通过蒙特卡洛模拟计算转债理论价值，衡量价格与理论价值的偏离[21] - **具体构建过程**： 1. 模拟10000条路径，考虑转股、赎回、下修、回售条款 2. 以同信用同期限利率为贴现率计算理论价值 3. 因子值=转债收盘价/理论价值-1[21] 3. **因子名称**：转债综合估值因子 - **构建思路**：融合转股溢价率偏离度和理论价值偏离度，提升因子稳定性[21] - **具体构建过程**： $$综合估值因子 = Rank（转股溢价率偏离度） + Rank（理论价值偏离度）$$ 对两个因子分别排名后相加[21] 4. **因子名称**：修正YTM - 信用债YTM - **构建思路**：剥离转股条款影响，比较偏债型转债与信用债的配置价值[4][45] - **具体构建过程**： $$修正YTM = 转债YTM \times (1-转股概率) + 预期转股收益率 \times 转股概率$$ 转股概率通过BS模型计算，最终取截面中位数[4][45][46] 5. **因子名称**：转债市场情绪捕捉指标 - **构建思路**：结合动量和波动率识别市场情绪[29] - **具体构建过程**： $$市场情绪指标 = Rank（20日动量） + Rank（波动率偏离度）$$ 在风格指数内部取因子中位数[29][30] 量化模型与构建方式 1. **模型名称**：转债低估指数构建模型 - **构建思路**：通过估值因子筛选低估转债，分风格构建指数[21][22] - **具体构建过程**： 1. 按平底溢价率划分风格（偏股>15%，偏债<-15%，其余为平衡型） 2. 偏股型使用理论价值偏离度因子，其他风格用综合估值因子 3. 选取因子前1/3且满足：正股市值>5亿、非ST、评级≥AA-等8项风控条件[21][22] 2. **模型名称**：转债风格轮动模型 - **构建思路**：根据市场情绪指标动态配置低估风格[29][30] - **具体构建过程**： 1. 计算各风格指数的市场情绪指标排名 2. 优先配置排名低的风格，若排名相同则等权配置 3. 双周频调仓，全仓投资单一风格[29][30][35] 因子回测效果 | 因子/模型 | 年化收益 | 年化波动 | IR | 最大回撤 | 测试周期 | |--------------------------|----------|----------|-------|----------|-------------------| | 偏股转债低估指数 | 24.91% | 20.39% | 1.22 | -22.83% | 2018-2025[24] | | 平衡转债低估指数 | 13.77% | 11.87% | 1.16 | -16.04% | 2018-2025[24] | | 偏债转债低估指数 | 12.21% | 9.45% | 1.29 | -17.59% | 2018-2025[24] | | 转债风格轮动模型 | 24.23% | 16.54% | 1.47 | -15.54% | 2018-2025[35] | | 低估值因子（偏股） | - | - | - | - | 近4周超额1.33%[23]| 模型评价 - **估值因子**：理论价值偏离度在偏股型转债上表现优异，综合估值因子对平衡/偏债型更有效[21] - **风格轮动**：通过动量+波动率捕捉市场情绪，历史信息比率达1.47显著优于基准[35] - **风控设计**：通过正股市值、盈利等条件有效控制信用风险[22]

报告行业投资评级 - 中信五风格-金融★☆☆，一颗星代表偏多，判断趋势有上涨驱动，但盘面可操作性不强 [3] 报告的核心观点 - 截至2025/06/13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-0.41%、0.17%、2.14%；近一周股债策略收益呈现小幅分化，能化ETF净值升幅显著；金融与周期风格录得正收益，成长风格基金平均收益跑赢指数；残差波动率因子表现较优；本周金融风格回升，当前信号偏向金融风格，上周风格择时策略有超额收益 [3] 根据相关目录分别进行总结 近期市场收益 - 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-0.41%、0.17%、2.14% [3] 公募基金市场 - 权益策略中指数增强策略小幅回调，市场中性策略收益小幅承压，普通股票策略指数连续两周收涨；债券策略中长期纯债表现优于短期纯债，可转债指数小幅走弱；商品策略中能化ETF周涨3.09%，豆粕ETF上涨1.91%，有色金属ETF小幅回撤，贵金属ETF收益延续上升趋势 [3] 中信五风格 - 上周五风格指数收益分化，金融与周期风格录得正收益，消费与稳定小幅回落，周期风格边际走强；近一周仅成长风格基金平均收益跑赢指数，超额收益率为0.15%，部分金融风格基金向消费与周期风格偏移；成长与周期拥挤度回落，消费风格升至历史偏高拥挤区间 [3] Barra因子 - 近一周残差波动率因子表现较优，周度超额收益率为0.82%，规模因子超额持续压缩，杠杆与成长因子收益小幅走强；中长期动量与成长因子胜率表现较优，流动性与动量反转因子处于偏弱状态；本周因子截面轮动速度小幅回升，位于历史中低分位区间 [3] 风格择时模型 - 本周金融风格回升，消费与周期下降，当前信号偏向金融风格；上周风格择时策略收益率为0.44%，对比基准均衡配置超额收益率为0.66% [3]

量化模型与构建方式 1 模型名称：社会服务相对指数趋势跟踪模型 模型构建思路：基于价格走势的局部延续性假设，通过观察窗口内的价格变动与波动率的关系判断趋势方向[3] 模型具体构建过程： - 计算T日收盘价与T-20日收盘价的差值del：$$del = P_T - P_{T-20}$$ - 计算T-20日至T日（不含）的波动率Vol（标准差） - 趋势判断规则：若|del| > N×Vol（N=1），则形成新趋势，方向与del符号一致；否则延续T-1日趋势方向[3] 模型评价：在窄幅震荡行情中易产生连续回撤，大级别趋势中表现较好但持续时间不足[4] 模型的回测效果 1 社会服务相对指数趋势跟踪模型： - 年化收益：-2.87% - 年化波动率：21.22% - 夏普比率：-0.14 - 最大回撤：23.32% - 相对指数超额收益：-20.18%[3] （注：报告未涉及量化因子相关内容，故跳过该部分）

报告行业投资评级 未提及 报告的核心观点 - 上周市场继续震荡，除科创等偏成长型宽基指数下跌外，其他主流宽基指数平稳，偏小盘型宽基指数小幅上涨，下行风险有限 [1][8] - 虽市场担心未来出现类似2024年6月后的阴跌情形，但技术细节差异显示无需过度担心，可持震荡整理心态应对 [1][8] - 四轮驱动模型新增行业多头信号少，短期建议行业均衡配置；震荡格局下，科技型板块有小级别底背离迹象，高频温度计未到舒适位置，适合逢低关注 [2][9] 根据相关目录分别进行总结 本期市场要点：震荡有支撑，多看少动 - 上周市场震荡，偏成长型宽基指数下跌，其他主流宽基指数平稳，小盘型宽基指数小幅上涨，符合下行风险有限预期 [1][8] - 从周期分析模型看，4月初以来的上行趋势未结束；当前均线系统多头排列，好于2024年6月；大部分宽基指数未跌破4月底支撑区域，技术形态不弱，可继续观察走势再做判断 [1][8] - 行业上，四轮驱动模型新增多头信号少，短期建议均衡配置；科技型板块有小级别底背离迹象，适合逢低关注 [2][9] 市场判断相关逻辑 - 展示上证综指周期分析、缠论分析、主题指数相对强弱比较、四轮驱动模型等图表 [10][12][14][16] - 四轮驱动模型显示，2025年5月29日计算机行业有赚钱效应异动（潜在机会），区间涨幅 -1.69%；5月14日非银金融行业有腰纹效应异动（潜在机会），区间涨幅 -1.78%；部分日期提示市场整体存在调整风险 [16]

报告行业投资评级 未提及 报告的核心观点 - 该模型不适合直接用于申万一级轻工制造指数相对值 [4] 根据相关目录分别进行总结 模型概述 - 设计原理：假定标的价格走势具局部延续性，永远处于某一趋势中，反转行情持续时间小于趋势延续时间，窄幅盘整时延续之前趋势；大级别趋势中，给定短观察窗口，走势延续局部趋势；趋势反转时，观察窗口始末价格变动方向超出随机波动造成的趋势背离范围，排除随机波动影响；为严谨评估模型效果，默认可对标的进行多空操作 [3] - 作用标的：申万一级轻工制造指数相对值（相对沪深 300） [3] - 标的的数据预处理规则：相对值 [3] - 模型信号维度：多空 [3] - 具体算法：计算 T 日收盘价与 T - 20 日收盘价的差 del；计算 T - 20 日至 T 日（不含）时间段的波动率 Vol；若 del 绝对值大于 N 倍的 Vol，认为价格脱离振荡区间形成趋势，趋势多空方向与 del 正负对应；若小于等于 N 倍的 Vol，认为走势延续，趋势方向同 T - 1 日；取 N = 1 进行跟踪；考虑多空两个方向回报，合并结果作为最终评估依据 [3] - 跟踪区间：2023 年 3 月 7 日 - 2025 年 3 月 18 日 [3] 结果评估 - 区间年化收益：-7.36% [3] - 波动率（年化）：16.87% [3] - 夏普率：-0.44 [3] - 最大回撤：27.58% [3] - 指数期间总回报率：-15.60% [3] 模型策略适用情况总结 - 2023 年 3 月 7 日至 2024 年 1 月 26 日，模型净值围绕原值波动，无法取得较好累计收益 [4] - 2024 年 1 月 26 日至 2024 年 2 月 6 日，模型净值短期急剧上升，表现较好 [4] - 此后行情，模型净值下行，陷入长时间回撤；模型年化收益回撤比较低，中后期处于较长时间回撤中 [4]

量化模型与构建方式 1. **模型名称**：钢铁相对指数趋势跟踪模型 - **模型构建思路**：基于标的价格走势的局部延续性假设，通过观察窗口内的价格变动与波动率的关系判断趋势方向[3] - **模型具体构建过程**： 1. 计算T日收盘价与T-20日收盘价的差值：$$del = P_T - P_{T-20}$$ 2. 计算T-20日至T日（不含）的波动率Vol（未明确计算方法，默认标准差或ATR） 3. 趋势信号生成规则： - 若$$|del| > N \times Vol$$（N=1），则判定为趋势形成，方向与del符号一致 - 若$$|del| \leq N \times Vol$$，则延续T-1日的趋势方向[3] - **模型评价**：在下降趋势中表现不佳，年化收益低于指数总回报，回撤持续较大，不适用于当前标的[4] 模型的回测效果 1. **钢铁相对指数趋势跟踪模型**： - 年化收益：-15.42% - 波动率（年化）：15.00% - 夏普比率：-1.03 - 最大回撤：34.62% - 指数期间总回报率：-9.08%[3] 量化因子与构建方式 （报告中未提及具体量化因子） 因子的回测效果 （报告中未提及因子测试结果） --- 注：模型效果图表（净值、回撤等）未提供具体数值，仅展示趋势[5][7][9]

量化模型与构建方式 1. **模型名称**：基础化工相对指数趋势跟踪模型 - **模型构建思路**：模型假设标的价格走势具有局部延续性，价格处于某一趋势中，反转行情持续时间较短。通过观察窗口内的价格变动方向判断趋势，排除随机波动影响[4] - **模型具体构建过程**： 1. 计算T日收盘价与T-20日收盘价的差值：$$del = P_T - P_{T-20}$$ 2. 计算T-20日至T日（不含）的波动率Vol（标准差） 3. 趋势判断规则： - 若$$|del| > N \times Vol$$，则认为形成新趋势，方向与del符号一致（N=1） - 否则延续T-1日的趋势方向[4] - **模型评价**：模型在趋势延续阶段表现良好，但在盘整或反转阶段净值下降明显，不适合直接用于基础化工指数相对值[5] 模型的回测效果 1. **基础化工相对指数趋势跟踪模型**： - 年化收益：4.65% - 年化波动率：13.39% - 夏普比率：0.35 - 最大回撤：14.51% - 指数期间总回报率：-18.74%[4] （注：报告中未提及量化因子相关内容，故跳过该部分）

量化模型与构建方式 1 模型名称：有色金属相对指数趋势跟踪模型 模型构建思路：基于价格走势的局部延续性假设，通过观察窗口内的价格变动与波动率关系判断趋势方向[3] 模型具体构建过程： - 计算T日收盘价与T-20日收盘价的差值del - 计算T-20日至T日（不含）的波动率Vol - 趋势判断规则： $$ del = Price_T - Price_{T-20} $$ $$ Vol = \sqrt{\frac{1}{19}\sum_{i=T-19}^{T-1}(Price_i - \overline{Price})^2} $$ 当|del| > 1×Vol时判定为趋势突破（N=1），方向与del符号一致；否则延续前一日趋势方向[3] 模型评价：在剧烈波动的市场环境中易产生连续错误信号，导致长时间回撤[4] 模型的回测效果 1 有色金属相对指数趋势跟踪模型： - 年化收益：-28.19% - 波动率（年化）：17.43% - 夏普率：-1.62 - 最大回撤：51.80% - 指数期间总回报率：0.99%[3] （注：报告中未涉及量化因子相关内容，故不输出该部分）

量化模型与构建方式 1 模型名称：周期分析模型 模型构建思路：通过分析市场周期波动判断反弹或调整阶段[7] 模型具体构建过程：基于历史价格数据识别周期性高低点，结合时间窗口分析趋势延续性，通过MACD等指标确认趋势衰竭信号[9] 2 模型名称：缠论分析模型 模型构建思路：利用缠论技术分析判断大盘震荡箱体位置[7] 模型具体构建过程：通过笔、线段划分识别中枢结构，结合分型理论确定箱体上下沿，计算当前价格在箱体中的相对位置[10] 3 模型名称：周期温度计 模型构建思路：量化市场波动状态的高频指标[7] 模型具体构建过程：计算标准化后的价格波动率百分位，划分三档阈值区间（下1/3为偏低水平）[7] 4 模型名称：四轮驱动模型 模型构建思路：多维度行业轮动信号生成系统[16] 模型具体构建过程： - 信号类型1（交易风险）：综合波动率与量价背离指标 - 信号类型2（赚钱效应异动）：RS6指标结合Mam/TendS参数 $$ RS6 = \frac{近6日收益率}{波动率} $$ - 信号类型3（强势上涨中继）：10日涨幅阈值与动量延续判断[16] 量化因子与构建方式 1 因子名称：美债收益率相关性因子 因子构建思路：分析美债收益率与A股风格指数的历史关联性[13] 因子具体构建过程：计算美债收益率变动与红利指数、微盘股指数的滚动120日相关系数[13] 模型的回测效果 1 周期分析模型： - 趋势延续识别准确率68%[9] - 调整区间预测误差±3%[7] 2 四轮驱动模型： - 行业信号胜率62%[16] - 交易风险信号提前1-2交易日预警[16] - 强势中继信号平均持有期收益4.2%[16] 因子的回测效果 1 美债收益率相关性因子： - 与红利指数120日相关系数0.18[13] - 与微盘股指数120日相关系数-0.12[13]

报告行业投资评级 未提及 报告的核心观点 - 该模型不适合直接用于申万一级农林牧渔指数相对值 [4] 根据相关目录分别进行总结 模型概述 - 设计原理：假定标的价格走势有局部延续性，永远处于某一趋势中，反转行情持续时间小于趋势延续时间，窄幅盘整时延续之前趋势；大级别趋势中，给定短观察窗口走势延续局部趋势；趋势反转时，观察窗口始末价格变动方向超出随机波动造成的趋势背离范围以排除随机波动影响；为严谨评估模型效果默认可对标的进行多空操作 [3] - 作用标的：申万一级农林牧渔指数相对值（相对沪深 300） [3] - 标的的数据预处理规则：相对值 [3] - 模型信号维度：多空 [3] - 具体算法：计算 T 日收盘价与 T - 20 日收盘价的差 del，计算 T - 20 日至 T 日（不含）时间段的波动率 Vol；若 del 绝对值大于 N 倍的 Vol，认为当前价格脱离原有振荡区间形成趋势，趋势多空方向与 del 正负对应；若小于等于 N 倍的 Vol，认为当前走势延续，趋势方向同 T - 1 日；取 N = 1 进行跟踪；农林牧渔考虑多空两个方向的回报，将合并结果作为最终评估依据 [3] - 跟踪区间：2023 年 3 月 7 日 - 2025 年 3 月 18 日 [3] 结果评估 - 区间年化收益：-14.11% [3] - 波动率（年化）：16.16% [3] - 夏普率：-0.87 [3] - 最大回撤：31.26% [3] - 指数期间总回报率：-22.65% [3] 模型策略适用情况总结 - 2023 年 3 月 7 日至 2023 年 11 月 8 日，模型表现不佳，净值呈下降趋势，无法取得较好累计收益 [4] - 2023 年 11 月 8 日至 2024 年 3 月 18 日，模型处于正收益通道，净值达到历史最高点 [4] - 此后行情里，模型净值下行，陷入长时间回撤；模型年化收益回撤比较低，整个跟踪区间基本处于回撤中 [4]