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]

核心观点 - 股市方面，市场或将继续围绕沪指4000点进行震荡整固，风格、行业轮动较此前明显提速，赚钱效应向部分细分领域缩圈，建议关注科技、新能源、电力等方向上逢低布局的机会[2][12] - 债市方面，债市或延续区间震荡，前期情绪或已修复到位，持续做多动能不足，利率缺乏进一步下破空间，短期波动方向或受股市走势影响[1][12] - 海外市场短期波动或仍然偏大，受美国政府"停摆"、市场对科技泡沫担忧加剧、美联储表态偏鹰等因素影响，建议待企稳后再积极布局[12][13] 重要事件回顾 - 11月5日，国务院关税税则委员会宣布，自2025年11月10日13时01分起，在一年内继续暂停实施24%的对美加征关税税率，保留10%的对美加征关税税率[9] - 11月5日，第八届中国国际进口博览会在上海开幕，参展厂商覆盖医疗器械、汽车出行、技术装备、消费品等多个产业[9] - 11月7日，海关总署公布数据显示，按人民币计，中国10月出口同比下降0.8%，进口同比增长1.4%；按美元计，出口同比下降1.1%，进口同比增长1.0%[9] 周度行情回顾（11.3-11.9） - 债市情绪小幅震荡回落，央行公布10月重启买债200亿元，不及市场预期，利率小幅震荡上行，总体以震荡行情为主[10] - A股围绕沪指4000点偏强震荡，行业风格方面银行、煤炭、电力、储能、电子、化工、海南板块等多个行业板块均有所表现，市场行业轮动有所加快[10] - 港股受A股带动，情绪偏强，震荡反弹，但恒生科技受海外市场调整影响，表现相对偏弱[10] - 海外市场普遍回落，部分海外机构转向看空美股科技股，市场分歧明显加大，美国政府创纪录"停摆"加剧了波动风险[10] 市场展望 - 大类资产配置观点显示，对债市、A股、黄金的周度和月度观点均为中性，对海外市场的周度观点为相对谨慎，月度观点为中性[13] A股债市市场重要指标跟踪监测 - 期限利差近期仍处于历史低位水平[16] - 资金面总体平稳[17] - 股债性价比变化较小，市场震荡为主，红利指数、小盘指数的性价比基本持平前值[17] - 本周A股震荡为主，估值基本持平前值[18] - 市场换手率小幅回落，成交活跃度有所下滑，两市日均成交额回落至20124亿元，较上周回落3130亿元[19] - 行业轮动速度有所加快，市场热点轮动较快，且较此前相对缩圈至更细分领域，赚钱效应有所弱化[19] 华宝资产配置组合表现 - 国内宏观多资产模型截至11月7日，今年以来的收益率为13.39%，超过基准的超额收益率为4.80%，夏普比率为2.82，显著超过基准的1.39[20] - 全球宏观多资产模型截至11月7日，今年以来的收益率为11.40%，超过基准的超额收益率为2.81%，夏普比率为2.25，超过基准的1.39[21] 下周重点关注 - 11月13日（可能延期），美国9月CPI数据[25] - 11月14日，中国10月宏观经济数据[25]

电子行业公募基金持仓概况 - 2025年三季度公募基金对电子行业的持仓市值占比提升至25%以上，创过去十五年单一行业最高配置比例纪录[2] - 历史上公募基金对单一行业的持仓市值占比最大值通常落在20%附近，例如2010年第一季度的银行、2015年第一季度的计算机等[2] - 除2014年医药生物行业外，历史上单一行业持仓占比突破20%后，该行业后续均面临绝对收益率的调整压力[2] 当前电子行业高持仓的深度分析 - 从加仓时长看，历次核心资产加仓平均时长为十个季度，当前电子行业加仓时长及仓位略高于历史平均值[3] - 从配置系数看，历次核心资产加仓区间内配置系数高点分布在3.0倍附近，但2025年三季度电子行业配置系数分位数仅为1.9倍，表明仓位提升可能部分由股票市值被动提升造成，基金抱团并不极致[3] - 在市场风险改善阶段，加仓主线板块下季度具备超额收益的概率为86%，但若风险偏好下行且有新主线交替，重仓行业仓位位于20%附近则需警惕[3] 历史持仓高点的特征与比较 - 机构持仓的高点往往同步于市场变化，持仓创新高可能主要由行业自身涨幅贡献，而非主动加仓贡献[5] - 行业基本面顶点往往滞后于持仓和股价1-3个季度，机构持仓接近20%后可能在高位徘徊2-5个季度，不一定会立即减仓[5] - 历史上有主动对单一行业配置长期超过20%的情况，例如2006年下半年至2010年上半年对银行板块的配置，期间银行板块相较全A指数实现小幅超额收益[5] 持仓数据的市场意义 - 基于季报的行业持仓数据是观察市场关注度的窗口，可帮助建立水位感，了解市场拥挤程度，但不具备立竿见影的预判功能[6]

根据研报内容，以下是关于量化模型和因子的总结： 量化模型与构建方式 1. **模型名称：价值成长轮动策略模型**[6] * **模型构建思路**：基于宏观经济、流动性及市场情绪三个维度，通过多因子打分体系来预测价值与成长风格的相对表现[6] * **模型具体构建过程**：模型选取了三个维度的因子进行综合打分[6]： * **经济繁荣敏感度**：用于捕捉大盘股（通常与价值风格相关）对经济周期的敏感性[6] * **流动性宽松受益度**：用于捕捉成长股对流动性环境的敏感性[6] * **市场情绪与拥挤度**：用于刻画市场的风险偏好和交易拥挤情况[6] 将各因子得分加总，得到综合分数，以此判断风格偏向（例如，分数高则偏向成长风格）[6] 2. **模型名称：大小盘轮动策略模型**[6] * **模型构建思路**：与价值成长轮动策略模型类似，同样基于宏观经济、流动性及市场情绪三个维度构建打分体系，但目标在于预测大盘与小盘风格的相对表现[6] * **模型具体构建过程**：构建过程与价值成长轮动策略模型一致，但因子解读侧重于对不同市值风格的影响[6] 3. **模型名称：行业轮动综合模型**[11][22] * **模型构建思路**：构造宏观、基本面、技术面、拥挤度四个维度的指标（共10个）作为行业轮动框架，通过综合正负向指标来生成行业配置信号[11][22] * **模型具体构建过程**：模型包含四个引擎[11][22]： * **宏观指标引擎**：将一级行业划分为5个板块（上游周期、中游制造、下游消费、TMT、大金融），并构建基于宏观增长与流动性二阶差分的象限划分体系，根据所处象限推荐配置板块[13] * **基本面指标引擎**：包含历史景气、景气变化与景气预期三个部分，生成行业基本面得分[17] * **技术面指标引擎**：包含指数动量、龙头股动量与K线形态三个部分，生成行业技术面得分[18] * **拥挤度指标引擎**：包含融资流入、换手率与成交占比三个部分，生成行业拥挤度得分（作为负向指标使用）[21][22] 最终，结合宏观、基本面、技术面三个维度的正向得分，并负向配置拥挤度因子，构建行业轮动综合得分[22] 模型的回测效果 *报告未提供模型的历史回测绩效指标（如年化收益率、夏普比率、最大回撤等）。* 量化因子与构建方式 1. **因子名称：行业轮动宏观因子**[13] * **因子构建思路**：基于宏观经济增长和流动性的二阶差分（变化速度）来划分经济象限，从而判断对不同行业板块的利好程度[13] * **因子具体构建过程**：构建一个象限体系，横轴为宏观经济增长的二阶差分，纵轴为流动性的二阶差分[13]根据当前数据点所处的象限（如“扩张强化/衰退缓解”和“宽松加码/紧缩放缓”），给出对应的板块配置建议（如大金融、中游制造）[13] 2. **因子名称：行业轮动基本面因子**[17] * **因子构建思路**：从历史、变化和预期三个角度衡量行业的景气度[17] * **因子具体构建过程**：因子由三个子部分构成： * 历史景气 * 景气变化 * 景气预期 综合这三个部分生成各行业的基本面得分[17] 3. **因子名称：行业轮动技术面因子**[18] * **因子构建思路**：从市场交易数据中捕捉行业的动量趋势和形态信号[18] * **因子具体构建过程**：因子由三个子部分构成： * 指数动量 * 龙头股动量 * K线形态 综合这三个部分生成各行业的技术面得分[18] 4. **因子名称：行业轮动拥挤度因子**[21][22] * **因子构建思路**：通过融资、换手和成交数据衡量行业的交易热度和潜在风险[21] * **因子具体构建过程**：因子由三个子部分构成： * 融资流入 * 换手率 * 成交占比 综合这三个部分生成各行业的拥挤度得分，该因子在综合模型中作为负向指标使用[21][22] 因子的回测效果 *报告未提供因子的历史测试绩效指标（如IC值、ICIR、因子收益率等）。*

核心观点 - 2025年第三季度A股市场营收与利润增速实现双改善，利润修复弹性显著大于营收，全A（非金融）归母净利润同比增速由第二季度的-1.8%转为第三季度的3.9% [3] - 市场结构呈现科技景气与周期改善的双轮驱动格局，科技制造业和部分周期行业盈利增速亮眼，非银金融成为盈利最强拉动项 [4] - 行业轮动力量正在积蓄，市场在科技制造业高景气度得到较充分定价后，开始向具备政策预期的地产建筑类和周期类行业轮动 [5] 整体业绩表现 - 2025年第三季度全A营收同比增速为3.7%，较第一季度的-0.2%和第二季度的0.4%显著提速 [3] - 2025年第三季度全A归母净利润同比增速为11.4%，较第一季度的3.8%和第二季度的1.4%大幅改善，利润修复弹性更大 [3] - 全A（非金融）营收同比增速在第三季度转为正增长2.3%，而第一和第二季度分别为-0.3%和-0.4% [3] 宽基指数与上市板块表现 - 主流宽基指数业绩全面改善，中证500、中证2000和沪深300在2025年第三季度的单季归母净利润同比增速分别达到17.2%、11.1%和10.7% [4] - 科创板和创业板业绩弹性最大，2025年第三季度单季利润同比增速分别高达58.3%和32.8%，环比改善幅度分别为40.3个百分点和28.7个百分点 [4] - 除北交所外，其余各上市板块在2025年第三季度均实现营收和盈利双改善 [4] 行业结构分析 - 科技制造业盈利增速环比大幅增长，显著强于营收增速，传媒、电子、电力设备和国防军工四个行业盈利同比增速超30%且环比第二季度大幅提升 [4] - 周期行业量价两端环比均显著改善，“反内卷”政策初见成效，钢铁和有色金属行业景气度进一步扩张，石油石化和煤炭行业量价同步改善显著 [4] - 非银金融是2025年第三季度盈利的最强拉动项，单季归母净利润同比增速高达64.6%，环比第二季度大幅提升49.0个百分点 [10] 市场表现与配置思路 - 中报业绩披露后至第三季度财报披露前，地产建筑类和周期类行业股价表现更活跃，反映市场对行业轮动的预期正在积蓄 [5] - 配置思路上建议市场双轮驱动，以科技为先，PPI交易为辅，并指出前期市场高斜率完成估值修复后，盈利将成为接下来的胜负手 [5]

根据提供的研报内容，以下是关于量化因子与模型的总结： 量化因子与构建方式 1. **因子名称：大小盘风格因子**[13] * **因子构建思路**：用于衡量市场在市值维度上的风格偏好，即资金是更倾向于大盘股还是小盘股[13] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了风格状态的定性判断（如“偏向均衡”）[13] 2. **因子名称：价值成长风格因子**[13] * **因子构建思路**：用于衡量市场在投资风格维度上的偏好，即资金是更倾向于价值股还是成长股[13] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了风格状态的定性判断（如“偏向成长”）[13] 3. **因子名称：大小盘风格波动因子**[13] * **因子构建思路**：用于衡量大小盘风格因子的波动程度，反映风格切换的剧烈程度[13] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了波动状态的定性判断（如“上升”）[13] 4. **因子名称：价值成长风格波动因子**[13] * **因子构建思路**：用于衡量价值成长风格因子的波动程度，反映风格切换的剧烈程度[13] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了波动状态的定性判断（如“上升”）[13] 5. **因子名称：行业指数超额收益离散度**[13] * **因子构建思路**：通过计算各行业指数超额收益的离散程度，来衡量市场的行业分化水平[13] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了离散度状态的定性判断（如“上升”）[13] 6. **因子名称：行业轮动度量因子**[13] * **因子构建思路**：用于衡量行业轮动速度的快慢[13] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了轮动速度的定性判断（如“下降”）[13] 7. **因子名称：成分股上涨比例**[13] * **因子构建思路**：计算特定指数（如宽基指数）中上涨股票的数量占比，反映市场的广度和普涨/普跌情况[13] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了比例变化的定性判断（如“上升”）[13] 8. **因子名称：前100个股成交额占比**[13] * **因子构建思路**：计算成交额前100名个股的成交额之和占市场总成交额的比例，用于度量市场交易的集中度[13] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了集中度变化的定性判断（如“下降”）[13] 9. **因子名称：前5行业成交额占比**[13] * **因子构建思路**：计算成交额前5名行业的成交额之和占市场总成交额的比例，用于度量行业层面的交易集中度[13] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了集中度状态的定性判断（如“持平上期”）[13] 10. **因子名称：指数波动率**[13] * **因子构建思路**：衡量市场指数的波动水平，是市场风险和市场活跃度的重要指标[13] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了波动率变化的定性判断（如“上升”）[13] 11. **因子名称：指数换手率**[13] * **因子构建思路**：衡量市场交易的活跃程度[13] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了换手率变化的定性判断（如“下降”）[13] 12. **因子名称：商品期货趋势强度**[32] * **因子构建思路**：用于衡量商品期货各板块价格趋势的强弱程度[32] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了各板块趋势强度变化的定性判断（如“贵金属、农产品板块趋势强度下降”）[32] 13. **因子名称：商品期货市场波动水平**[32] * **因子构建思路**：衡量商品期货各板块的价格波动水平[32] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了各板块波动率变化的定性判断（如“除黑色板块外其余板块波动率均有所上升”）[32] 14. **因子名称：商品期货市场流动性**[32] * **因子构建思路**：衡量商品期货各板块的市场流动性状况[32] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了各板块流动性变化的定性判断（如“贵金属、有色及农产品板块流动性下降”）[32] 15. **因子名称：商品期货期限结构（基差动量）**[26][32] * **因子构建思路**：通过基差动量来反映商品期货市场的期限结构特征及其变化[26][32] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了各板块基差动量变化的定性判断（如“各板块基差动量均上升”）[26][32] 16. **因子名称：期权隐含波动率**[35] * **因子构建思路**：从期权价格中反推出的市场对未来波动率的预期[35] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅提及了上证50与中证1000期权的隐含波动率变化（如“开始下降”）[35] 17. **因子名称：股指期货升贴水率**[24] * **因子构建思路**：衡量股指期货价格与现货指数价格之间的差异，反映市场情绪和套利机会[24] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅通过图表展示[24] 18. **因子名称：纯债溢价率**[37][41] * **因子构建思路**：用于可转债估值分析，衡量其债性保护程度，特别是针对偏债型可转债[37][41] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了其稳定性状态的定性判断（如“保持稳定”）[37][41] 19. **因子名称：百元转股溢价率**[37][41] * **因子构建思路**：用于可转债估值分析，衡量其股性估值水平[37][41] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了其变化趋势的定性判断（如“稳步上升”）[37][41] 20. **因子名称：低转股溢价率转债占比**[37][43] * **因子构建思路**：统计市场上转股溢价率处于低水平的可转债数量占比，反映市场对转债股性的总体偏好[37][43] * **因子具体构建过程**：报告未提供具体的构建公式和过程，仅给出了其变化的定性判断（如“有明显下降”）[37][43] 因子的回测效果 （注：本报告为市场环境跟踪周报，主要呈现因子在特定时间窗口（2025.10.20-2025.10.24）的当前状态和短期变化方向，未提供因子在长期历史回测中的表现指标（如年化收益率、夏普比率、信息比率IR等）。因此，此部分内容缺失。）

根据研报内容，以下是关于量化模型和因子的详细总结： 量化模型与构建方式 大类资产配置模型 1. **模型名称：股票择时模型**[18] * **模型构建思路**：基于经济增长与流动性宽松两大核心维度，通过宏观因子判断股票市场的上涨或下跌周期，以抓住机会并规避风险[18] * **模型具体构建过程**：从经济增长和流动性宽松两个维度构造四个因子[19]： * **经济增长维度因子**：PMI同比平滑值环比上升、制造业固定资产投资完成额累计同比环比上升、CPI同比平滑值环比上升[19] * **流动性宽松维度因子**：新增中长期贷款最近一年累计值同比环比上升[19] * 根据因子信号进行择时判断 2. **模型名称：债券择时模型**[23] * **模型构建思路**：从货币流动性供给（货币宽松）和需求（信贷需求疲软）的角度进行分析，捕捉债券市场的上涨趋势并尽量避免回撤[23] * **模型具体构建过程**：从货币宽松和信贷需求疲软两个维度构造三个因子[24]： * **货币宽松维度因子**：DR007短期均值低于长期均值、SHIBOR短期均值低于长期均值[24] * **信贷需求疲软维度因子**：社会融资规模存量同比平滑值环比下降[24] * 根据因子信号进行择时判断 3. **模型名称：全天候策略（基于风险预算模型的增强版）**[17][30] * **模型构建思路**：以风险平价模型为基础，结合股票和债券的择时信号，动态调整不同资产的风险预算，在控制风险的前提下增厚投资收益[17][32] * **模型具体构建过程**： * **基础模型**：风险预算模型（风险平价）[30] * 假设资产组合中共有 N 种资产，权重为 $ \omega = [\omega_1, \omega_2, …, \omega_N] $，则组合风险 $ \sigma_p = \sqrt{\omega \Sigma \omega} $，其中 $ \Sigma $ 为协方差矩阵[30] * 每种资产对组合的风险贡献 $ RC_i = \omega_i * (\partial \sigma_p / \partial \omega_i) $[30] * 若给定的风险预算 $ b = [b_1, b_2, …, b_N] $，则优化目标为最小化风险贡献与预算的偏差： $$\begin{array}{c}{{min\sum_{i=1}^{N}\left(R C_{i}-b_{i}*\sigma_{p}\right)^{2}}}\\ {{s.t.\ \sum_{i=1}^{N}\omega_{i}\ =1}}\\ {{0\ \leq\omega_{i}\leq1}}\end{array}$$[30] * **增强过程**：根据股票和债券择时模型得到的信号，对股票和国债的风险预算进行调整（看多时提高，看空时降低），其他资产风险预算保持不变，形成全天候策略的资产权重[32] * **资产选择与配置上限**：选择股票（中证800全收益，上限20%）、国债（中债国债总财富指数，上限80%）、转债（中证转债指数，上限10%）、美股（标普500ETF，上限5%）、信用债（信用债AAA，上限40%）五种资产，利用滚动6年窗口数据估算协方差矩阵[31][33] 风格轮动模型 1. **模型名称：价值成长风格轮动模型**[47] * **模型构建思路**：基于价值与成长风格的周期性轮动特征，从经济景气、宏观流动性、市场情绪三个维度构建综合打分体系，进行月度轮动[47] * **模型具体构建过程**： * **因子构成**：基于三个方面共8个因子进行打分，因子得分为1表示利好成长，得分为0表示利好价值[47][48]： * **经济景气**：投资旺盛（制造业固定资产投资完成额累计同比高于移动平均）、消费强劲（PPI同比平滑值环比上升）[48] * **宏观流动性**：货币宽松（M2同比平滑值环比上升）、社融增长（社融同比平滑值环比上升）、贷款增加（中长期贷款增速同比平滑值环比上升）[48] * **市场情绪**：价值拥挤度高看好成长（成长拥挤度分位点低于价值拥挤度分位点）、市场换手高（大盘换手率短期均值高于长期均值）、两融分位点高（两融余额过去一年分位点高于50）[48] * **决策规则**：每月将各因子分数累加，若总分超过半数（>4），则下月配置成长风格（国证成长指数），否则配置价值风格（国证价值指数）[47][48] 2. **模型名称：大小盘风格轮动模型**[55][56] * **模型构建思路**：基于大小盘风格的周期性轮动特征，从经济景气、宏观流动性、市场情绪三个维度构建综合打分体系，进行月度轮动[55][57] * **模型具体构建过程**： * **因子构成**：基于三个方面共9个因子进行打分，因子得分为1表示利好大盘，得分为0表示利好小盘[56][57]： * **经济景气**：投资旺盛（制造业固定资产投资完成额累计同比环比上升）、消费强劲（PPI同比平滑值环比上升）、黄金走弱（黄金日收益率短期均线低于长期均线）[56] * **宏观流动性**：国债收益率上行（国债收益率短期均线高于长期均线）、信用利差上行（信用利差短期均线高于长期均线）、货币收紧（M1同比平滑值环比下降）[56] * **市场情绪**：大盘动量强于小盘（大盘价格分位点高于小盘）、市场换手低（大盘换手率短期均值低于长期均值）、两融分位点高（两融余额过去一年分位点高于50）[56] * **决策规则**：每月将各因子分数累加，若总分超过半数（>4.5），则下月配置大盘风格（沪深300指数），否则配置小盘风格（中证1000指数）[57] 行业轮动模型 1. **模型名称：行业轮动综合解决方案（四维引擎）**[65] * **模型构建思路**：从宏观经济指标、中观基本面指标、微观技术面指标以及交易拥挤度指标四个维度构建综合打分体系，捕捉行业轮动机会[65] * **模型具体构建过程**：综合四个维度的得分，每期选择综合得分排名前七的行业进行配置[5] 量化因子与构建方式 行业轮动因子 1. **因子名称：宏观因子（用于行业板块轮动）**[67][70] * **因子构建思路**：基于宏观增长与流动性的二阶差分进行象限划分，识别宏观趋势的边际拐点，对应配置不同景气环境下的优势行业板块[67][70] * **因子具体构建过程**： * **经济增长二阶判断**：选取PMI、社会融资规模、制造业固定投资完成额、CPI四个指标的同比数据，计算其环比变化。任一指标环比上升，则判定为"扩张强化/衰退缓解"[70] * **流动性二阶判断**：依据M2增速、10年期国债收益率、信用利差三个指标的二阶差分（环比变化）进行判断。任一指标触发宽松趋势（如M2增速环比上升、收益率或利差环比下降），则判定为"宽松加码/紧缩放缓"[70] * **板块配置逻辑**：根据两个维度的组合（四象限），配置对应受益板块（大金融、中游制造、下游消费、TMT、上游周期）[71][72] 2. **因子名称：基本面因子**[79] * **因子构建思路**：从历史景气、景气变化与景气预期三个部分，基于企业财务信息刻画行业的盈利能力和景气程度[78][79] * **因子具体构建过程**： * **历史景气因子**：使用行业成分股盈利指标的中位数衡量，刻画行业当前盈利水平[79] * **景气变化因子**：使用行业成分股盈利指标中位数的变化（如环比或同比）衡量，刻画行业当前盈利变化情况[79] * **景气预期因子**：使用"行业一致预期利润环比变化"衡量，刻画行业未来盈利预期的变动[79] * **合成方式**：将三个因子合成行业基本面得分[82] 3. **因子名称：技术面因子**[87][89] * **因子构建思路**：使用指数动量、龙头股动量与K线形态三类技术信号，刻画行业的趋势强弱和技术形态[87][89] * **因子具体构建过程**： * **指数动量因子**：使用过去1年行业指数相对全行业均值的超额收益信息比率（IR）衡量，刻画行业指数长期趋势强弱[89] * **龙头股动量因子**：首先定义行业龙头（行业内市值及日均成交额综合排名前10%的股票），然后使用行业龙头股票过去1年收益的夏普比率衡量，刻画行业龙头股票趋势强弱[89][90] * **K线形态因子**： * **单根K线划分**：根据实体宽度（日内涨跌幅）和影线长度，将单根K线划分为24种类型（阳线、阴线各12种）[90][91][92] * **K线聚合**：以日线为基础，连续多根日线聚合成更长期的K线（如周线）[93][94] * **组合形态**：结合3根K线形成关于"价"的组合形态[93][94] * **成交量信息**：考虑"量"的信息，按"最新成交额/成交额均值"将成交量分为放量、正常、缩量三种类型[95] * **形态收益预测**：结合"价"和"量"的信息得到所有可能形态，每月滚动计算每个形态最近3年的信息比率（IR），作为该形态的未来收益预测[95] * **行业得分**：将股票形态得分汇总到对应行业，得到行业K线形态因子得分[95] * **合成方式**：将三个因子合成行业技术面得分[96] 4. **因子名称：拥挤度因子**[100] * **因子构建思路**：从资金和交易角度刻画行业的拥挤度水平，作为左侧逃顶信号，均基于行业最新指标值在历史上的时序分位值度量[100] * **因子具体构建过程**： * **融资流入因子**：基于行业融资流入情况的时序分位值[100] * **换手率因子**：基于行业换手率的时序分位值[100] * **成交占比因子**：基于行业成交占比的时序分位值[100] * **合成方式**：将三个因子取均值，得到行业拥挤度得分[100] 模型的回测效果 大类资产配置模型 1. **股票择时模型**（回测标的：中证800全收益）[21][22] * 全样本年化收益：14.1% * 基准年化收益：5.4% * 超额年化收益：8.7% * 月度胜率：56.7% 2. **债券择时模型**（回测标的：中债国债总净价指数）[25][26] * 全样本年化收益：2.3% * 基准年化收益：1.1% * 超额年化收益：1.1% * 月度胜率：68.3% 3. **全天候策略**[38][39] * 全样本年化收益：6.1% * 风险平价策略年化收益：5.1% * 超额年化收益：1.0% * 最大回撤：2.6% * 夏普比率：2.04 * 月度胜率：51.2% 风格轮动模型 1. **价值成长轮动策略**（基准：国证成长与国证价值指数平均收益）[51][52] * 策略年化收益：9.2% * 基准年化收益：1.7% * 超额年化收益：7.5% * 月度胜率：60.2% 2. **大小盘轮动策略**（基准：沪深300与中证1000指数平均收益）[59][60] * 策略年化收益：9.2% * 基准年化收益：0.1% * 超额年化收益：9.0% * 月度胜率：58.3% 行业轮动模型 1. **行业轮动综合策略**（基准：所有行业等权组合）[5][86] * 策略年化收益：16.0% * 基准年化收益：2.8% * 超额年化收益：13.2% * IC均值：12.3% 因子的回测效果 行业轮动因子（单因子绩效） 1. **宏观因子（行业板块轮动）**[73][74] * 多头组合累计超额收益（2017年以来）：42.9% * 空头组合累计超额收益（2017年以来）：-22.8% * 多空收益差（2017年以来）：65.7% 2. **基本面单因子**（基准：所有行业等权收益）[79][80] * **历史景气因子**：全样本多头组合超额收益5.4%，IC均值6.8% * **景气变化因子**：全样本多头组合超额收益5.8%，IC均值4.1% * **景气预期因子**：全样本多头组合超额收益4.8%，IC均值5.1% 3. **技术面单因子**（基准：所有行业等权收益）[88][89] * **指数动量因子**：全样本多头组合超额收益3.8%，IC均值7.0% * **龙头股动量因子**：全样本多头组合超额收益7.2%，IC均值7.6% * **K线形态因子**：全样本多头组合超额收益6.8%，IC均值5.8% 4. **拥挤度单因子**（基准：所有行业等权收益）[100] * **融资流入因子**：全样本多头组合超额收益-8.1%，IC均值-5.0% * **换手率因子**：全样本多头组合超额收益-8.8%，IC均值-5.8% * **成交占比因子**：全样本多头组合超额收益-8.3%，IC均值-5.9% 行业轮动因子（合成因子策略绩效） 1. **基本面因子行业轮动策略**（选取得分前5行业）[85][86] * 策略年化收益：11.3% * 基准年化收益：2.8% * 超额年化收益：8.5% * IC均值：8.2% * 月度胜率：62.1% 2. **技术面因子行业轮动策略**（选取得分前5行业）[97][99] * 策略年化收益：9.7% * 基准年化收益：2.8% * 超额年化收益：6.9% * IC均值：8.2% * 月度胜率：57.3% 3. **拥挤度因子行业轮动策略**（选取得分前5行业）[100] * （注：研报未直接提供拥挤度合成因子的策略年化收益等综合绩效指标，仅提供了单因子绩效）