量化因子与构建方式 1 因子名称：二阶动量 因子构建思路：通过计算价格与均值的偏离程度来衡量动量效应[6] 因子具体构建过程： $$二阶动量 = -mean\left(\frac{Close_{t-window1:t}}{Close_t} - EWMA\left(mean\left(\frac{Close_{t-window1:t}}{Close_t}\right), window2\right), window\right)$$ 其中Close表示收盘价，EWMA表示指数加权移动平均[7] 2 因子名称：动量期限差 因子构建思路：通过不同时间窗口的价格变化差异捕捉动量效应[6] 因子具体构建过程： $$动量期限差 = \frac{Close_t - Close_{t-window1}}{Close_{t-window1}} - \frac{Close_t - Close_{t-window2}}{Close_{t-window2}}$$[7] 3 因子名称：成交金额波动 因子构建思路：通过成交金额的标准差衡量市场活跃度[6] 因子具体构建过程： $$成交金额波动 = -STD(Amount)$$[7] 4 因子名称：成交量波动 因子构建思路：通过成交量的标准差衡量市场波动[6] 因子具体构建过程： $$成交量波动 = -STD(Volume)$$[7] 5 因子名称：换手率变化 因子构建思路：通过不同时间窗口换手率均值比较捕捉资金流动变化[6] 因子具体构建过程： $$换手率变化 = \frac{Mean(turnover_{t-window1:t})}{Mean(turnover_{t-window2:t})}$$[7] 6 因子名称：多空对比总量 因子构建思路：通过价格位置与成交量加权计算多空力量对比[6] 因子具体构建过程： $$多空对比总量 = \sum_{i=t-window}^t \frac{Close_i - Low_i}{High_i - Low_i} - EWMA(Volume \times Close, window1)$$[7] 7 因子名称：多空对比变化 因子构建思路：通过多空力量的变化速度捕捉市场情绪转变[6] 因子具体构建过程： $$多空对比变化 = \frac{Close - Low}{High - Low} - EWMA\left(\frac{Volume \times (High - Close)}{High - Low}, window2\right)$$[7] 8 因子名称：量价背离协方差 因子构建思路：通过价格与成交量排名的协方差捕捉量价背离现象[6] 因子具体构建过程： $$量价背离协方差 = -rank\{covariance[rank(Close), rank(Volume), window]\}$$[7] 9 因子名称：量价相关系数 因子构建思路：直接计算价格与成交量的相关系数[6] 因子具体构建过程： $$量价相关系数 = -correlation(Close, Volume, window)$$[7] 10 因子名称：一阶量价背离 因子构建思路：通过成交量变化与价格开盘关系的相关性捕捉短期背离[6] 因子具体构建过程： $$一阶量价背离 = Volume_i - correlation[Rank(Volume_{i-1}), Rank(Close_i - Open_i), window]$$[7] 11 因子名称：量幅同向 因子构建思路：通过成交量变化与价格振幅的相关性捕捉量价同向运动[6] 因子具体构建过程： $$量幅同向 = Rank\left(\frac{Volume_i}{Volume_{i-1}}\right) - correlation\left[Rank\left(\frac{High_i}{Low_i}\right), window\right]$$[7] 复合因子构建方式： 将11个量价因子等权加权构建复合因子，每月末选取中信一级行业（剔除综合和综合金融）中复合因子最高的五个行业，行业间等权配置[6][7] 因子的回测效果 1 量价行业轮动组合，累计收益750.70%[8] 2 量价行业轮动组合，累计超额收益648.89%（vs行业等权）[8] 3 量价行业轮动组合，2025年上半年月胜率100%[6] 4 量价行业轮动组合，2025年6月超额收益0.04%[9] 5 量价行业轮动组合，2025年前6个月超额收益3.32%[9]

证券研究报告·金融工程·金工定期报告 [Table_Tag] [Table_Summary] 报告要点 证券分析师 高子剑 执业证书：S0600518010001 021-60199793 gaozj@dwzq.com.cn 证券分析师 凌志杰 执业证书：S0600525040007 lingzhj@dwzq.com.cn 相关研究 金工定期报告 20250701 从微观出发的五维行业轮动月度跟踪 202507 2025 年 07 月 01 日 《从微观出发的五维行业轮动 月度跟踪 202506》 2025-06-03 东吴证券研究所 1 / 9 请务必阅读正文之后的免责声明部分 ◼ 模型多空对冲绩效：以 2015/01/01-2025/06/30 为回测区间，五维行业轮 动模型在申万一级行业中，六分组多空对冲的年化收益率为 21.59%，年 化波动率为 10.77%，信息比率为 2.00，月度胜率为 73.33%，历史最大 回撤为 13.30%；多头对冲全市场行业等权组合的年化收益率为 10.52%， 年化波动率为 6.59%，信息比率为 1.60，月度胜率 70.83%，历史最大回 撤为 9.36%。 ◼ ...

量化模型与构建方式 1. **模型名称**：基于微观的风格轮动模型 **模型构建思路**：从基础风格因子（估值、市值、波动率、动量）出发，通过80个底层微观指标构造640个微观特征，并使用常用指数作为风格股票池取代风格因子的绝对比例划分，构造新的风格收益作为标签[6] **模型具体构建过程**： - 优选80个底层因子作为原始特征，构造640个微观特征[6] - 通过滚动训练随机森林模型，规避过拟合风险，优选特征并得到风格推荐[6] - 综合择时结果与打分结果，构造月频风格轮动框架[6] **模型评价**：模型通过微观特征和滚动训练有效降低了过拟合风险，实现了风格择时与评分的结合[6] 模型的回测效果 1. **基于微观的择时+打分风格轮动策略** - 年化收益率：21.63%[7][8] - 年化波动率：24.09%[7][8] - 信息比率（IR）：0.90[7][8] - 月度胜率：59.12%[7][8] - 对冲市场基准的年化收益率：13.35%[7][8] - 对冲市场基准的年化波动率：11.43%[7][8] - 对冲市场基准的信息比率（IR）：1.17[7][8] - 对冲市场基准的月度胜率：66.42%[7][8] - 历史最大回撤：10.28%[7][8] 2. **2025年6月风格轮动模型** - 收益率：1.28%[13] - 相对基准超额：-2.51%[13] 量化因子与构建方式 1. **因子名称**：估值因子 **因子的构建思路**：基于微观个股层面的估值指标构造[6] **因子具体构建过程**：未详细说明 2. **因子名称**：市值因子 **因子的构建思路**：基于微观个股层面的市值指标构造[6] **因子具体构建过程**：未详细说明 3. **因子名称**：波动率因子 **因子的构建思路**：基于微观个股层面的波动率指标构造[6] **因子具体构建过程**：未详细说明 4. **因子名称**：动量因子 **因子的构建思路**：基于微观个股层面的动量指标构造[6] **因子具体构建过程**：未详细说明 因子的回测效果 1. **2025年风格因子实际收益率（多空对冲）** - 动量因子：具体数值未列出[12] - 波动率因子：具体数值未列出[12] - 估值因子：具体数值未列出[12] - 市值因子：具体数值未列出[12] 2. **2025年风格因子择时后收益率（多空对冲）** - 动量因子：具体数值未列出[15] - 波动率因子：具体数值未列出[15] - 估值因子：具体数值未列出[15] - 市值因子：具体数值未列出[15] 3. **近一年风格因子权重** - 市值因子：权重未列出[16] - 估值因子：权重未列出[16] - 动量因子：权重未列出[16] - 波动率因子：权重未列出[16]

报告核心观点 报告涵盖总量研究、行业公司研究两方面，总量研究涉及金融工程多资产配置、交易行为因子绩效等；行业公司研究覆盖中小盘、计算机、电子等多个领域，分析各行业发展趋势、市场规模及投资机会，给出投资建议和推荐标的[3][11][16] 总量研究 金融工程资产配置月报（2025年7月） - 多资产配置看多短债、偏股低估转债、黄金资产，高频宏观因子显示经济增长、消费通胀、生产通胀同比上行，债券久期择时推荐持有1年期短久期债券，转债配置推荐偏股低估转债，黄金配置模型看多黄金资产[3][4] - 股债配置权益风险预算不变，股票仓位从6月的21.50%降至7月的18.72%，债券仓位升至81.28%[5] - 行业轮动看多非银、有色、通信、计算机等，风格板块推荐均衡配置，板块上看多大科技、大金融板块，行业配置推荐非银金融等6个行业，ETF轮动组合包括证券ETF等4个[6][7][8] 开源交易行为因子绩效月报（2025年6月） - Barra风格因子2025年6月收益测算显示，市值因子收益-0.42%，账面市值比因子收益0.09%，成长因子收益-0.05%，盈利预期因子收益-0.11%[11] - 介绍理想反转等4个开源交易行为因子逻辑，全历史区间各因子表现良好，合成因子IC均值0.067，rankIC均值0.092，多空对冲信息比率3.30，胜率82.4%[12][13] - 6月理想反转、聪明钱、理想振幅因子获正收益，APM因子获负收益，合成因子多空对冲收益1.12%，近12个月胜率83.3%[14] 行业公司研究 中小盘 - 本周A股市场普涨，中小盘指数表现优于大盘指数，三夫户外等涨幅居前，下周关注6月制造业PMI发布和上海乐高乐园开园，本周有新股上市等多类重大事项[16][17] - Labless模式受认可，半导体第三方实验室检测贯穿全产业链，2027年国内市场空间有望达200亿元，推荐智能汽车等3个主题及相关个股[18][19][20] 计算机 - 稳定币成连接传统金融与加密世界桥梁，应用场景扩展，全球稳定币总市值超2500亿美元，预计三年内达2万亿美元，欧美和中国香港出台法案促进行业发展[21][22] - 介绍USDT和USDC发展态势，看好稳定币及RWA市场投资机遇，推荐朗新集团等公司，列出受益标的[24][25] 电子 - 存储价格周期回暖，NAND价格预计2025年第二季止跌回稳，DRAM中DDR4开启涨价潮，美光6月DDR4报价跳涨50%[28][29] - AIDC大周期启动，国内外云服务厂商加大资本支出，存储模组需求高增，政策支持下国产存储模组厂商迎来黄金期，列出受益标的[30][31][34] 通信 - 世纪互联上调2025财年业绩指引，AI赋能应用拉动AI算力产业链需求，看好国产AIDC算力全产业链，分四类列出推荐和受益标的[36][37][38] 商贸零售 - 老铺黄金上海国金店和新加坡店开业，国内外高端渠道拓展再上台阶，本周商贸零售指数上涨4.56%，跑赢上证综指，推荐关注4条投资主线及相关公司[40][42][49] 计算机（普天科技） - 公司为中国电科通信板块上市平台，维持“买入”评级，与氦星光联等签约成立联合创新中心，围绕“三体计算星座”建设展开多维创新，有望打开成长空间[50][53][54] 家电（绿联科技） - 公司3C配件业务起家，NAS存储开始放量，首次覆盖给予“买入”评级，充电类业务行业有增长机遇，公司渠道有提升空间，NAS产品迭代带动ToC领域渗透，份额领先[56][57][58]

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。

板块方面证券板块继续调整，明天有可能还会延续调整的格局，这个板块之前就一直跟大家去讲没有持 续性，可惜很多人没有听，现在大概率又被套在了高位，炒股真的是不能够头脑发热。那么军工今天走 强，周末出了消息，这个板块我觉得要重视，特别是老股民，一定要把这个观念给调整过来，现在的军 工跟之前是完全不一样的，那么我们现在军工行业一不留神已经成了世界第一了，以后会有越来越多的 国家来买我们的军工产品，那么它现在是一个成长板块，而且才刚刚开始，以后这个板块有可能会跟一 年前的银行一样，会涨到大家无法想象，所以说大家还是要重视一下这个板块。 我们做一下复盘以及明天的推演。和讯投顾邓攀表示，在周五缩量之后，今天市场继续缩量了582亿， 军工今天受消息的刺激走强，它的逻辑发生了变化，开始走出了成长性，就盘面来说还是在走轮动，而 且市场的活跃度相较于前几天来说的话是有所降低的。那么短线其实上短线今天有两个5板标的，我们 观察一下明天谁会接近600，最近的监管比较放松，超预期的是可以继续去做的。 那么CPU和PCB这两个板块，下午有资金做一个获利了结，筹码出现了松动，那么这两个板块我觉得应 该是边打边撤，不要去想着赚最后一个铜板，比 ...

6月30日，六月收官了，上半年也收官了。本周开头开的蛮好，所以我们就做一个展望。和讯投顾李炜 分析，首先上证指数弱转强，应该是比想象来的要早，而且也来得要强。上周周五我们在解盘的时候有 跟大家聊到过，我说这根阴线其实就是典型的人为因素的给市场降降温，然后如果说有参照3439做减仓 的同学，随时要做好加仓回补的准备，那么这儿呢现在已经打到左边的这个支撑中枢，已经开始反弹拉 回到上方的这个中枢了。最高点3347，这个中枢的下沿儿是346，所以是触碰到了并没有三脉，并没有 三脉。但是最近上证指数我也跟大家聊过，我说如果说市场接下来要是走慢牛的话，指数可能不会走的 那么干脆，反而题材会是重心，你像今天中证1000，给出来的这个光头的阳线，这气势就给的蛮足，再 加上它内部小周期上突破原有的这个中枢极值以后，给双回踩确认这个小中枢也在往上冲。所以下一阶 段我觉得大家有兴趣的同学重点留意中证1000的指数，它决定着题材的走法也更关键一些，毕竟大部分 人参与的其实都是题材。 所以如果找下一个压力位，那就是今年3月份的这个高点，至于是那种一步到位的，还是属于那种螺旋 式的上升，那不管哪一种带好止盈预警位上移的这个思路，在不破坏 ...

市场表现 - 全球市场普遍上涨，日经225指数涨幅4.6%居前，恒生指数收涨3.2%[3] - A股市场交易热度底部抬升，全A日均成交额从1.2万亿升至1.5万亿，个股上涨比例升至88.6%[1][14] A股资金流向 - 融资资金净流入256亿元，两融余额升至1.8余万亿元；ETF资金净流出100.4亿元；外资流出3.7亿美元；偏股基金新发规模降至159.04亿[3] - 产业资本方面，IPO首发募集2.3亿元，定增规模1118亿元，限售股解禁规模809亿元[3] A股行业配置 - 融资资金流入计算机（+49.4亿元）、非银金融（+39.3亿元）等行业；外资流出电力设备、电子行业；ETF资金银行（+15.7亿元）、医药生物（+6.0亿元）净流入居前，非银金融（-40.3亿元）、电子（-27.8亿元）净流出居前[3] 港股与全球资金流动 - 南下资金单周净买入抬升至284亿元，处2022年以来96%分位；外资流出港股0.9亿美元[3] - 发达市场主动/被动资金净流动-72.2亿/68.2亿美元，新兴市场主动/被动资金净流动-12.7/48.3亿美元；除美国市场显著流出外，发达市场普遍获外资净流入[3] 风险提示 - 数据统计口径存在偏差；数据测算误差；从第三方机构获知数据的偏差风险[3]

量化模型与构建方式 1. **模型名称：扩散指数行业轮动模型** - 模型构建思路：基于价格动量原理，通过行业扩散指数捕捉行业趋势[28] - 模型具体构建过程： 1. 计算中信一级行业的扩散指数，反映行业价格趋势强度 2. 选择扩散指数排名靠前的行业作为配置标的 3. 每月进行行业轮动调整[31] - 模型评价：在趋势性行情中表现优异，但在市场反转时可能失效[37] 2. **模型名称：GRU因子行业轮动模型** - 模型构建思路：基于GRU深度学习网络，利用分钟频量价数据生成行业因子[34] - 模型具体构建过程： 1. 使用GRU网络处理高频量价数据 2. 输出行业因子得分，反映行业短期动量 3. 每周进行行业轮动调整[36] - 模型评价：擅长捕捉短期交易机会，但对政策变化不敏感[38] 模型的回测效果 1. **扩散指数行业轮动模型** - 2025年以来超额收益：0.37%[26] - 6月以来超额收益：4.59%[31] - 本周超额收益：2.48%[31] 2. **GRU因子行业轮动模型** - 2025年以来超额收益：-4.76%[34] - 6月以来超额收益：-0.55%[36] - 本周超额收益：-0.82%[36] 量化因子与构建方式 1. **因子名称：行业扩散指数** - 因子构建思路：通过价格动量衡量行业趋势强度[28] - 因子具体构建过程： 1. 计算各行业价格序列的扩散指标 2. 标准化处理得到0-1区间的扩散指数[29] 2. **因子名称：GRU行业因子** - 因子构建思路：利用深度学习提取量价特征[34] - 因子具体构建过程： 1. GRU网络处理分钟级量价数据 2. 输出行业因子得分，数值范围无固定上下限[35] 因子的回测效果 1. **行业扩散指数** - 当前最高值：非银行金融(1.0)、综合金融(1.0)[28] - 当前最低值：煤炭(0.214)[29] - 周环比最大提升：食品饮料(+0.453)[30] 2. **GRU行业因子** - 当前最高值：纺织服装(3.7)[34] - 当前最低值：汽车(-16.31)[34] - 周环比最大提升：纺织服装[34]