根据研报内容，现总结其中涉及的量化模型与因子如下： 量化模型与构建方式 **1 模型名称：宏观环境Logit模型[6][18][19]** - 模型构建思路：从短期货币流动性、长端利率、信用、经济增长以及汇率五个维度刻画宏观环境运行状态[16] - 模型具体构建过程：使用多个宏观变量（如银行间债券质押式回购利率、SHIBOR、国债收益率、社融、PMI等）的平稳化处理值，通过Logit模型计算宏观环境预测值[18] **2 模型名称：企业盈利景气指数2.0[20][23][26]** - 模型构建思路：通过识别主营业务，追踪主营业务的营收和成本情况来监控行业整体的景气度[20] - 模型具体构建过程：基于产业链系统分析追踪上下游行业部门；对行业进行财务指标分解；重构行业景气度追踪框架；计算各行业景气指数后，按上证指数每日各行业市值权重加权合成景气指数2.0[20][23] **3 模型名称：基于基差的股指期货择时模型[31][33]** - 模型构建思路：利用股指期货基差与指数自身的相关性趋势反映市场情绪变化，基于此相关性进行分组测试构建日频择时信号[31] - 模型具体构建过程：基于中证500股指期货基差构建衍生品择时信号，信号范围在-0.4到1之间[31] **4 模型名称：多维度择时模型[33][34]** - 模型构建思路：根据宏观、微观、中观信号将A股划分为9个状态，分别对应多空信号形成三维大周期择时信号，叠加股指期货基差信号合成四维度非线性择时模型[33] - 模型具体构建过程：将宏观环境、景气周期、景气方向组合成9种状态（如1-1宏观利多中观景气上行对应多头信号），再叠加衍生品信号合成最终择时信号[34] **5 模型名称：多风格策略[37]** - 模型构建思路：从价值、红利、质量、成长、低波、动量等多维度出发，刻画在不同主导风格下市场的表现，通过多因子信号的横向整合与动态权重配置实现收益平滑与风险分散[37] **6 模型名称：多风格增强策略[41]** - 模型构建思路：在多风格策略的基础上叠加增强因子，通过在其他风格端增厚收益，抑制单一风格波动，实现在不同周期下的稳定超额[41] **7 模型名称：可转债随机森林模型[46]** - 模型构建思路：通过随机森林方法构建可转债增强模型[46] **8 模型名称：REITs随机森林模型[48]** - 模型构建思路：通过随机森林方法构建REITs增强模型[48] **9 模型名称：宽基指数遗传规划选股模型[52][59][62][64][70]** - 模型构建思路：使用遗传规划算法挖掘选股因子，构建指数增强组合[52][59][62][64][70] - 模型具体构建过程： - 股票池：对应宽基指数成分股（沪深300、中证500、中证1000、中证全指）[52][59][62][64][70] - 训练集：2016年1月1日-2020年12月31日[52][59][62][64][70] - 因子挖掘：由遗传规划因子挖掘模型挖掘2000个初始种群、5代、多轮得到复合因子（沪深300：102个因子，中证500：189个因子，中证1000：564个因子，中证全指：709个因子）[52][59][62][64][70] - 策略：每周最后一个交易日选择模型得分最高的每个行业内的前10%的股票构建多头组合，以下周第一个交易日开盘价买入，周频调仓，交易成本为双边千三[52][59][62][64][70] **10 模型名称：三策略融合行业轮动模型[76][78]** - 模型构建思路：采用量化基本面驱动、质量低波风格驱动、困境反转行业发掘三种方法分别构建行业轮动策略，进行等权组合实现因子与风格的互补[76][78] - 模型具体构建过程：将基于基本面轮动、质量低波、困境反转三维度行业轮动策略进行等权组合，从不同维度筛选行业[78] **11 模型名称：三策略融合ETF轮动模型[85][88]** - 模型构建思路：基于三策略融合逻辑构建ETF轮动策略[85][88] 量化因子与构建方式 **1 因子名称：盘口平均深度因子[98][100]** - 因子构建思路：反映整体市场的深度，衡量市场流动性水平[100] - 因子具体构建过程：$$avg_{depth}=\frac{av_{1}+bv_{1}}{2}$$，其中av1和bv1分别为盘口委托快照数据的卖一量和买一量，若挂单量为0则令盘口深度为0[98][99] - 因子评价：因子取值越大，市场整体挂单量越大，市场总体深度越大，市场流动性越高，与未来收益负相关[100] **2 因子名称：盘口价差因子[103][104]** - 因子构建思路：反映卖一价和买一价的距离，衡量交易成本和市场宽度[104] - 因子具体构建过程：$$spread={\frac{2(a1-b1)}{a1+b1}}$$，其中a1和b1分别为盘口委托快照数据的卖一价和买一价[103] - 因子评价：盘口价差越大，交易成本越高，市场宽度越大，流动性越差，而流动性较低的个股未来收益表现相对较好，与未来收益正相关[104] **3 因子名称：价格弹性因子[106][108]** - 因子构建思路：反映单位成交额下股价的波动幅度，衡量市场流动性强度[108] - 因子具体构建过程：$$resiliency={\frac{high-low}{turnover}}$$，其中high、low、turnover分别代表tick数据中的最高价、最低价和成交额[106][107] - 因子评价：弹性越大说明单位成交额对价格冲击越大市场流动性越弱，而流动性较低的个股未来收益表现相对较好，与未来收益正相关[108] **4 因子名称：卖单非流动性因子[110][113]** - 因子构建思路：衡量高频数据下主动卖出的交易金额对于股票价格变动的影响[113] - 因子具体构建过程：$\Gamma_{1,t}=a+\beta_{1}*\delta_{1,t}+\beta_{2}*\delta_{1,t}+\epsilon_{1,t}$，其中β1为卖出非流动性系数，β2为买入非流动性系数，Si，t为股票i在t时间区间内的主动卖出金额，Bi,t为股票i在t时间区间内的主动买入金额[110][111] - 因子评价：卖单非流动性在控制风险后的Fama-MacBeth截面回归对收益率显著，且预测效果要好于买单非流动性，主要是由于投资者存在亏损厌恶的心理[113] **5 因子名称：Barra风险因子[121]** - 因子构建思路：包括20个风险因子全面刻画市场风险特征[121] - 因子具体构建过程：Barra CNE6 Trading模型包括规模（市值、非线性市值）、波动性（BETA、残差波动率）、流动性（流动性）、动量（短期反转、季节、行业动量、动量）、质量（杠杆、盈利变动率、盈利质量、盈利能力、投资质量）、价值（价值、盈利、长期反转）、成长（成长）、分析师预期（分析师情绪）、红利（股息率）等20个风险因子[121] 模型的回测效果 **1 宏观环境Logit模型**：最新预测值0.945，较上周末上行[19] **2 企业盈利景气指数2.0**：最新景气指数为0.885，剔除大金融板块景气指数为1.234[26] **3 中证500股指期货择时模型**：本周信号为1，累计仓位为多头（0.65）[7][34] **4 多维度择时策略**：最终合成信号为多头（1）[7][34] **5 多风格策略（截至2025年10月17日）**[40]： - 质量策略：年化收益率27.39%，超额年化收益率13.53%，夏普率2.00，区间最大回撤-8.31% - 红利策略：年化收益率12.80%，超额年化收益率3.82%，夏普率1.00，区间最大回撤-7.00% - 长期成长策略：年化收益率41.07%，超额年化收益率20.72%，夏普率1.88，区间最大回撤-12.41% - 价值策略：年化收益率14.79%，超额年化收益率-5.55%，夏普率0.88，区间最大回撤-12.92% - 低波策略：年化收益率20.53%，超额年化收益率0.19%，夏普率1.62，区间最大回撤-7.23% - 短期动量策略：年化收益率29.44%，超额年化收益率9.09%，夏普率1.27，区间最大回撤-19.89% - 长期动量策略：年化收益率19.80%，超额年化收益率-0.54%，夏普率1.32，区间最大回撤-8.70% **6 多风格增强策略（截至2025年10月17日）**[45]： - 质量增强策略：年化收益率16.04%，超额年化收益率2.19%，夏普率1.24，区间最大回撤-5.73% - 红利增强策略：年化收益率16.83%，超额年化收益率7.84%，夏普率1.31，区间最大回撤-5.88% - 长期成长增强策略：年化收益率25.11%，超额年化收益率4.76%，夏普率1.40，区间最大回撤-16.84% - 价值增强策略：年化收益率19.98%，超额年化收益率-0.37%，夏普率1.16，区间最大回撤-11.34% - 低波增强策略：年化收益率36.29%，超额年化收益率15.94%，夏普率2.43，区间最大回撤-9.71% - 短期动量增强策略：年化收益率13.76%，超额年化收益率-6.58%，夏普率0.93，区间最大回撤-9.14% - 长期动量增强策略：年化收益率7.74%，超额年化收益率-12.61%，夏普率0.50，区间最大回撤-10.99% **7 可转债随机森林模型**：年化收益率22.15%，夏普率1.73，今年以来绝对收益率14.25%[46] **8 REITs随机森林模型**：年化超额收益率39.26%，夏普率3.27，今年以来超额收益率57.60%[49] **9 宽基指数增强模型（截至2025年10月17日）**： - 沪深300指数增强：年化超额收益率17.70%，夏普率1.04，今年以来超额收益率-4.86%[55][57] - 中证500指数增强：年化超额收益率12.24%，夏普率0.87，今年以来超额收益率3.45%[63] - 中证1000指数增强：年化超额收益率18.83%，夏普率0.93，今年以来超额收益率2.73%[66] - 中证全指指数增强：年化超额收益率24.57%，夏普率1.31，今年以来超额收益率11.15%[71] **10 三策略融合行业轮动策略**：年化超额收益率10.59%，夏普率0.74[80] **11 三策略融合ETF轮动策略**：年化超额收益率12.78%，夏普率0.88，今年以来超额收益率14.75%[88] 因子的回测效果 **1 盘口平均深度因子**：当前略低于历史均值，相较上周末有所下降[101] **2 盘口价差因子**：当前低于历史均值，相较上周末有所上升[104] **3 价格弹性因子**：当前低于历史均值，相较上周末有所上升[109] **4 卖单非流动性因子**：当前高于历史均值，相较上周末有所下降[114] **5 Barra风险因子**：2025年10月13日至17日，股息率因子表现较好，BETA因子表现较差；本月股息率因子表现较好，最近一年短期反转因子和动量因子表现较好[121]

报告行业投资评级 未提及 报告的核心观点 - 上周美国新发22只ETF产品，涵盖下跌保护、杠杆、主题、配置、轮动等多种类型[3][6] - 过去一周美国ETF维持近500亿美元高速流入，国内股票和黄金ETF流入明显，小盘和高收益债产品流出偏高[3][9] - 今年以黄金为首的贵金属ETF大幅上涨，贵金属相关股票ETF涨幅更明显，多只产品涨幅近150%[3][13] - 2025年8月美国非货币公募基金总量增加，国内股票型产品规模上升，赎回压力减缓；上周国内股票基金流出约200亿美元，债券产品流入超100亿美元[3][14] 根据相关目录分别总结 美国ETF创新产品：多只资产配置产品发行 - 上周美国新发22只产品，包括7只下跌保护产品、4只单股票杠杆产品、1只动态资产配置ETF、2只策略产品、2只基本面主动ETF和3只股票ETF[6][7][8] - Calamos发行挂钩比特币的梯式下跌保护产品，Arrow Funds发行比特币策略产品[6] - GMO的动态资产配置ETF 40 - 80%投资股票资产，其余投资固收和另类资产，基于7年大类资产收益预测，底层主要投资ETF[3][7] - AlphaDroid的动量策略产品牛市投宽基，熊市投防御资产；行业轮动策略牛市选行业板块[8] 美国ETF动态 美国ETF资金：黄金ETF流入明显 - 过去一周美国ETF流入近500亿美元，国内股票流入超250亿美元，黄金ETF大幅流入，黄金ETF GLD流入排第二[9][11] - 美股宽基产品流入平稳，债券综合产品流入多，高收益债和另类券种流出[9] - 黄金ETF在周四上涨、周五下跌时流入明显，市场关注高；小盘和高收益债产品流出偏高[12] 美国ETF表现：贵金属股票ETF表现明显优于贵金属ETF - 今年全球局势多变，贵金属ETF上涨，贵金属相关股票ETF涨幅更高，多只产品涨幅近150%[3][13] 近期美国普通公募基金资金流向 - 2025年8月美国非货币公募基金总量22.98万亿美元，较7月增加0.41万亿；8月标普500涨1.91%，国内股票型产品规模升1.62%，赎回压力减缓[3][14] - 上周美国国内股票基金流出约200亿美元，债券产品流入略超100亿美元[3][14]

根据提供的金融工程报告，以下是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.扩散指数行业轮动模型 - **模型名称**：扩散指数行业轮动模型[25] - **模型构建思路**：基于价格动量原理，选择具有向上趋势的行业进行配置[38] - **模型具体构建过程**：通过计算各行业的扩散指数来识别趋势方向，选择扩散指数排名靠前的行业作为投资组合。具体构建过程包括跟踪各中信一级行业的扩散指数值，并定期（如月度）根据指数排名进行行业轮动配置[27][30]。该模型的核心是捕捉行业的趋势性行情。 - **模型评价**：在趋势性行情中表现较好，但在市场风格从趋势转向反转时可能面临失效风险[26][38] 2.GRU因子行业轮动模型 - **模型名称**：GRU因子行业轮动模型[33] - **模型构建思路**：基于分钟频量价数据，通过GRU深度学习网络生成行业因子，把握交易信息[33][39] - **模型具体构建过程**：使用GRU（Gated Recurrent Unit）深度学习网络处理高频量价数据，生成各行业的GRU因子值。模型根据GRU因子排名进行行业配置，定期调整持仓[34][36]。GRU网络能够捕捉时间序列数据的长期依赖关系。 - **模型评价**：在短周期表现较好，对交易信息把握能力强，但在长周期表现一般，极端行情下可能失效[33][39] 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：3.42%[25][30] - 2025年10月以来超额收益：-1.21%[30] - 本周超额收益：-0.85%[30] 2.GRU因子行业轮动模型 - 2025年以来超额收益：-5.40%[33][36] - 2025年10月以来超额收益：2.51%[36] - 本周超额收益：0.86%[36] 量化因子与构建方式 1.行业扩散指数因子 - **因子名称**：行业扩散指数[27] - **因子构建思路**：衡量行业价格趋势强度，数值越高代表向上趋势越强[27] - **因子具体构建过程**：通过对各行业价格数据进行特定计算得到扩散指数值，用于评估行业的趋势强度。截至2025年10月17日，扩散指数排名前六的行业为有色金属(0.979)、通信(0.931)、银行(0.929)、钢铁(0.849)、电子(0.833)、电力设备及新能源(0.816)[27] 2.GRU行业因子 - **因子名称**：GRU行业因子[34] - **因子构建思路**：基于深度学习技术从高频量价数据中提取行业特征[34] - **因子具体构建过程**：通过GRU神经网络处理分钟频量价数据，生成代表行业特征的因子值。截至2025年10月17日，GRU行业因子排名前六的行业为纺织服装(4.22)、综合(2.68)、交通运输(2.16)、钢铁(2.00)、电力及公用事业(1.84)和石油石化(1.08)[34] 因子的回测效果 1.行业扩散指数因子 - 本周环比提升较大的行业：消费者服务(+0.271)、煤炭(+0.251)、商贸零售(+0.127)[28][29] - 本周环比下降较大的行业：石油石化(-0.102)、汽车(-0.040)、建筑(-0.039)[28][29] 2.GRU行业因子 - 本周环比提升较大的行业：食品饮料、电力及公用事业、房地产[34] - 本周环比下降较大的行业：汽车、建筑、建材[34]

根据研报内容，现对其中涉及的量化模型与因子总结如下： 量化模型与构建方式 **1 模型名称：A股大盘择时模型** - **模型构建思路**：从估值、情绪、资金、技术四个维度对万得全A指数进行整体方向性判断，各维度日频发出信号，综合判断多空观点[9] - **模型具体构建过程**：四个维度每日信号取值为0、±1，分别代表看平、看多、看空[9]；估值和情绪维度采用反转逻辑，刻画市场均值回归特征；资金和技术维度采用趋势逻辑，刻画市场趋势延续特征[9]；以各维度得分之和的正负性作为大盘多空观点依据[9]；具体指标包括：估值维度-股权风险溢价(ERP)[15]；技术维度-布林带、个股涨跌成交额占比差[15]；资金维度-融资买入额[15]；情绪维度-期权期货指标(期权沽购比、期权隐含波动率、期货会员持仓比)[15] **2 模型名称：红利风格择时模型** - **模型构建思路**：结合中证红利相对中证全指的动量、10Y-1Y期限利差和银行间质押式回购成交量三者的趋势进行择时[17] - **模型具体构建过程**：三个指标从趋势维度日频发出信号，每日信号取值为0、+1、-1[17]；以各维度得分之和的正负性作为红利风格多空观点依据[17]；当模型看好红利风格时全仓持有中证红利，不看好时全仓持有中证全指[17]；具体指标逻辑：中证红利相对中证全指的动量为红利风格正向指标[21]；10Y-1Y期限利差为红利风格负向指标[21]；银行间质押式回购成交量为红利风格正向指标[21] **3 模型名称：大小盘风格择时模型** - **模型构建思路**：采用基于拥挤度分域的趋势模型进行择时，根据拥挤度状态选择不同参数的双均线模型判断趋势[22] - **模型具体构建过程**：以沪深300指数和万得微盘股指数为大小盘风格代表[22]；首先计算大小盘风格拥挤度得分：动量之差-计算万得微盘股指数与沪深300指数的10/20/30/40/50/60日动量之差，进一步计算各窗长动量之差的3.0/3.5/4.0/4.5/5.0年分位数的均值，对6个计算窗长下分位数最高的3个结果取均值作为小盘风格的动量得分，对分位数最低的3个结果取均值作为大盘风格的动量得分[26]；成交额之比-计算万得微盘股指数与沪深300指数的10/20/30/40/50/60日成交额之比，进一步计算各窗长成交额之比的3.0/3.5/4.0/4.5/5.0年分位数的均值，对6个计算窗长下分位数最高的3个结果取均值作为小盘风格的成交量得分，对分位数最低的3个结果取均值作为大盘风格的成交量得分[26]；将小盘风格的动量得分和成交量得分取均值得到小盘风格拥挤度得分，大于90%视为触发高拥挤；将大盘风格的动量得分和成交量得分取均值得到大盘风格拥挤度得分，小于10%视为触发高拥挤[26]；若最近20个交易日中曾触发过高拥挤，视为运行在高拥挤区间，采用小参数双均线模型；否则运行在低拥挤区间，采用大参数双均线模型[24] **4 模型名称：遗传规划行业轮动模型** - **模型构建思路**：采用遗传规划技术直接对行业指数的量价、估值等特征进行因子挖掘，每季度末更新因子库，周频调仓选出多因子综合得分最高的五个行业进行等权配置[29] - **模型具体构建过程**：底层资产为32个中信行业指数[29]；采用双目标遗传规划，使用|IC|和NDCG@5两个指标同时评价因子的分组单调性和多头组表现[32]；在NSGA-II算法加持下挖掘兼具分组表现单调、多头表现优秀的行业轮动因子[32]；对于挖掘得到的备选因子，结合贪心策略和方差膨胀系数，将共线性较弱的多个因子合成为行业得分[33]；最新一期权重最高的因子基于单行业阻力支撑位构建，具体计算过程：在过去25个交易日中，计算周度标准化最低价和月度标准化开盘价的协方差，记作变量A[37]；在过去15个交易日中，对周度标准化最高价开展zscore标准化，取标准化后大于2.0的日期，对A进行反转即乘以-1后，计算这15个交易日A之和[37] **5 模型名称：中国境内全天候增强组合** - **模型构建思路**：采用宏观因子风险预算框架，选取增长超预期/不及预期、通胀超预期/不及预期四种宏观风险源作为平价对象，在四象限风险平价基础上基于宏观预期动量的观点主动偏配看好象限[38] - **模型具体构建过程**：构建分为三步：宏观象限划分与资产选择-选择增长和通胀维度，根据是否超预期划分为四象限，结合"定量+定性"方式确定各象限适配资产[41]；象限组合构建与风险度量-象限内资产等权构建子组合，注重刻画象限的下行风险[41]；风险预算模型确定象限权重-每月底根据"象限观点"调整象限风险预算进行主动偏配，"象限观点"由宏观预期动量指标给出，该指标综合考虑资产价格交易的"买方预期动量"和经济指标预期差体现的"卖方预期差动量"[41]；模型月频调仓，10月配置观点为超配"增长超预期"象限和"通胀超预期"象限[5] 模型的回测效果 **1 A股大盘择时模型** - 今年以来扣费后收益：37.73%[2] - 同期万得全A涨跌幅：21.64%[2] - 超额收益：16.10%[2] - 上周超额收益：3.45%[2] - 回测区间年化收益：24.97%[14] - 最大回撤：-28.46%[14] - 夏普比率：1.16[14] - Calmar比率：0.88[14] **2 红利风格择时模型** - 今年以来收益：19.53%[17] - 同期基准收益：12.94%[17] - 超额收益：6.59%[17] - 回测区间年化收益：15.71%[20] - 最大回撤：-25.52%[20] - 夏普比率：0.85[20] - Calmar比率：0.62[20] **3 大小盘风格择时模型** - 今年以来收益：64.58%[24] - 同期基准收益：38.08%[24] - 超额收益：26.50%[24] - 回测区间年化收益：26.01%[27] - 最大回撤：-30.86%[27] - 夏普比率：1.08[27] - Calmar比率：0.84[27] **4 遗传规划行业轮动模型** - 今年以来绝对收益：39.41%[4] - 跑赢行业等权基准：19.56pct[4] - 回测区间年化收益：33.33%[32] - 年化波动：17.89%[32] - 夏普比率：1.86[32] - 最大回撤：-19.63%[32] - 卡玛比率：1.70[32] **5 中国境内全天候增强组合** - 今年以来绝对收益：10.74%[5] - 夏普比率：2.33[5] - 最大回撤：2.67%[5] - 卡玛比率：5.38[5] - 月度胜率：100%[5] - 回测区间年化收益：11.66%[42] - 年化波动：6.18%[42] - 夏普比率：1.89[42] - 最大回撤：-6.30%[42] - 卡玛比率：1.85[42] 量化因子与构建方式 **1 因子名称：遗传规划挖掘的行业轮动因子** - **因子构建思路**：采用遗传规划技术直接从行业指数的量价、估值等数据挖掘因子，不再依托逻辑设计行业打分规则[32] - **因子具体构建过程**：底层输入变量包括收盘价原始值、开盘价原始值、最高价原始值、最低价原始值、成交额原始值、换手率原始值等原始数据，以及标准化处理后的各类技术指标[36]；最新一期权重最高的因子表达式为：ts_grouping_deczscorecut_torch(ts_covariance_torch(wlow_st, mopen_st, 25), whigh_st, 15, 2.0, 2)，训练集IC为0.081，训练集NDCG@5为0.350，因子权重29.4%[36]

市场整体表现与三季报概况 - 10月以来A股市场震荡向上，沪指成功收复3900点 [1] - 三季报披露窗口期紧凑，10月30日晚间至10月31日为披露截止期，仅剩10个交易日 [1][6] - 截至10月15日晚间，126家发布业绩预告的公司中有105家预计净利润同比正增长，占比高达83.33% [1] - 部分业绩大增公司在发布公告后次日股价大涨，显示市场对财务数据高度重视 [1] 业绩预增公司的主要驱动因素 - 业绩预增主要源于两类公司：资源周期类企业受益于产品价格上涨，以及科技类企业进入产品量产放量期 [2] - 先达股份、硕贝德、楚江新材位列业绩预增榜前三位，预增幅度均超过2000% [2] - 英联股份、广东明珠预增幅度也超过1000% [2] - 先达股份预计前三季度净利增长2807%至3211%，主因是主打产品烯草酮市场售价大幅上涨及新产品实现销售 [2] - 稀土链公司如盛和资源预计前三季度净利润约7.4亿元至8.2亿元，同比增长696.82%至782.96%，受益于稀土主要产品价格同比上涨 [3] - 硕贝德预计净利润1600万元至1800万元，同比增长2836.86%至3203.96%，主因是主营产品进入量产放量期，如智能穿戴天线与AI眼镜客户合作进入量产阶段，车载天线和线束业务快速发展 [4] - 业绩大增公司年内股价表现强劲，如先达股份年内涨幅超过120%，硕贝德涨幅超过80% [4] 三季报披露时间安排与市场关注点 - 三季报披露进入密集期，10月27日最后一周为冲刺期，最后两天将有2352家公司集中披露 [6] - 部分焦点公司披露时间：寒武纪（10月18日）、宁德时代（10月21日）、新易盛（10月30日）、中际旭创（10月31日）、天孚通信（10月30日） [7] - 电信运营商披露时间：中国电信（10月22日）、中国联通（10月23日）、中国移动（10月21日） [8] - 四大行披露时间：工商银行、建设银行、农业银行为10月31日，中国银行为10月28日 [8] - 贵州茅台将于10月30日披露三季报 [9] - 券商板块中，中信证券、东方财富均于10月25日披露 [10] - 比亚迪将于10月31日披露三季报 [11] 分析师对三季报窗口期的观点 - 10月是三季报披露窗口期，也是市场对景气主线共识的凝聚期 [5][11] - 随着10月底三季报披露期临近，股价与业绩的相关性逐渐提升，景气优势将再度成为市场核心焦点 [11] - 10月是全年行业轮动强度收敛、具备结构性主线的阶段，应集中仓位聚焦主线方向 [11] - 三季报亮点行业包括电子（半导体、消费电子）、医疗服务、光伏设备、化工（农化制品、化学制品）、有色（小金属、贵金属、金属新材料）、券商保险等 [11]

市场指数温度 - 截至2025年10月13日，上证指数近十年市盈率分位数为98.68%，深证成指为86.26%，创业板指为50.35% [1] - 市场温度计显示中长期信号为75%，短期信号为25% [1] - 当日上证指数下跌0.19%，深证成指下跌1.11%，创业板指下跌0.93% [1] 行业板块表现 - 10月13日有色金属板块领涨市场，中证有色金属指数涨幅超过3% [3] - 当日涨幅居前行业包括有色金属（+3.35%）、环保（+1.65%）、钢铁（+1.49%） [1] - 当日跌幅较大行业包括汽车（-2.33%）、家用电器（-1.74%）、美容护理（-1.58%） [2] - 银行板块逆市走强，中证银行指数上涨近1% [4] 资金流向 - 10月13日主力资金净流入前三板块为钢铁（8.92亿元）、环保（2.49亿元）、农林牧渔（2.46亿元） [2] - 主力资金净流出前三板块为电子（-94.39亿元）、电力设备（-66.15亿元）、汽车（-43.09亿元） [2] - 银行ETF单日换手率达13.76%，成交额21.87亿元 [3] - 券商ETF换手率4.73%，成交额17.44亿元 [3] 重点ETF产品 - 有色龙头ETF（159876）当日上涨0.93%，近6月涨幅达73.41% [2] - 银行ETF（512800）当日上涨0.90%，近6月涨幅5.71% [3] - 智能制造ETF（516800）当日上涨0.86%，近6月涨幅48.33% [3] - 信创ETF基金（562030）当日上涨0.58%，近6月涨幅20.40% [3] 有色金属行业分析 - 贵金属受美联储降息、地缘冲突及关税政策影响，国际金价突破4000美元关口 [4] - 工业金属方面或延续上行，稀土因出口管制政策收紧价格保持强势 [4] - 有色金属采选和冶炼加工业呈现量价齐升态势，利润增速维持较高水平 [4] 银行板块分析 - 银行板块分红稳定，经过回调后股息率性价比回升，红利价值吸引避险资金流入 [4] - 若加征关税落地，银行受影响整体可控，但关税不确定性催生防御性配置需求 [4] - 银行股走强支撑沪指午后跌幅收窄，体现防御性配置价值 [4]

根据研报内容，总结如下： 量化模型与构建方式 1. **模型名称：扩散指数行业轮动模型**[25] * **模型构建思路**：基于价格动量原理，通过计算行业的扩散指数来捕捉行业趋势，选择趋势向上的行业进行配置[25][37] * **模型具体构建过程**：报告未详细描述扩散指数的具体计算过程和公式 2. **模型名称：GRU因子行业轮动模型**[32][38] * **模型构建思路**：基于分钟频量价数据，利用GRU（门控循环单元）深度学习网络生成行业因子，以把握交易信息并进行行业轮动[32][38] * **模型具体构建过程**：报告未提供GRU网络的具体结构、输入特征、训练过程以及行业因子生成的详细步骤和公式 模型的回测效果 1. **扩散指数行业轮动模型**[30] * 本周平均收益：2.59%[30] * 本周超额收益（相对中信一级行业等权）：0.70%[30] * 10月以来超额收益：-0.37%[30] * 2025年以来超额收益：4.60%[30] 2. **GRU因子行业轮动模型**[36] * 本周平均收益：2.88%[36] * 本周超额收益（相对中信一级行业等权）：1.01%[36] * 10月以来超额收益：1.67%[36] * 2025年以来超额收益：-6.55%[36] 量化因子与构建方式 1. **因子名称：行业扩散指数**[27] * **因子构建思路**：用于衡量行业价格趋势强度的指标[25][27] * **因子具体构建过程**：报告未提供行业扩散指数的具体计算方法和公式 2. **因子名称：GRU行业因子**[33] * **因子构建思路**：通过GRU深度学习模型从分钟频量价数据中提取出的，用于表征行业未来表现的合成因子[32][33][38] * **因子具体构建过程**：报告未提供GRU行业因子的具体计算方法和公式 因子的回测效果 （报告中未提供行业扩散指数和GRU行业因子独立的因子测试结果，如IC值、IR等）

根据提供的金融工程定期报告，以下是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：行业轮动模型**[2][8][15] * **模型构建思路**：该模型通过分析市场走势、行业拥挤度变化以及其他技术指标，生成行业交易信号，以捕捉行业轮动带来的投资机会[2][8][15] * **模型具体构建过程**：模型对不同的行业或主题板块进行监测，其信号生成逻辑综合了多种技术分析方法，具体包括： * **区间震荡与突破**：对于处于区间震荡的板块，观察其是否在区间下轨出现超跌反弹迹象，或是否在突破前高之前进行高位窄幅震荡整理后出现放量上涨[15] * **均线系统**：观察价格是否开始放量上涨并上穿多根均线[15] * **动量与强度**：评估板块的长期动量是否偏强，以及短期板块内部强势股数量是否提升，赚钱效应是否增强[15] * **顶背离风险提示**：结合周期分析的空头信号和KDJ指标的高位死叉或均线下行，作为风险提示信号[15] * **模型评价**：该模型旨在当前市场高位震荡、上行空间受限的背景下，为“高低切换”的投资思路提供信号支持[2][8] 模型的回测效果 *报告未提供行业轮动模型的具体回测指标数值，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：股债收益差**[2][8][10] * **因子构建思路**：该因子通过计算股票市场收益率与债券收益率之间的差值，来衡量股票资产相对于债券资产的吸引力或风险溢价[2][8][10] * **因子具体构建过程**：报告中使用沪深300指数的股债收益差，并结合布林带（Bollinger Bands）进行分析。具体构建过程涉及： * 计算股债收益差的时间序列 * 基于近三年的数据计算该时间序列的布林带，包括中轨（通常为移动平均线）以及上下轨（通常为中轨加减N倍标准差）[2][8] * 报告特别指出，当股债收益差持续运行在布林带下轨的-2倍标准差下方时，视为一个关键状态[2][8] * **因子评价**：当股债收益差处于极低水平（如报告所述位置）时，在缺乏新的向上驱动因素情况下，意味着市场整体的上行空间可能有限[2][8] 2. **因子名称：行业拥挤度**[2][8][11] * **因子构建思路**：该因子用于衡量某一行业或板块的交易热度、资金集中程度，以及潜在的交易风险[2][8][11] * **因子具体构建过程**：报告中对“泛行业拥挤度”进行跟踪，但未详细说明其具体计算方法和公式。通常，这类因子可能综合考量板块的成交额占比、换手率、估值分位数、融资余额变化等多个维度的指标[11] 因子的回测效果 *报告未提供股债收益差因子和行业拥挤度因子的具体测试结果取值，如IC值、ICIR、因子收益率等*

核心观点 - 2025年第三季度市场表现强劲，三大指数均实现月线五连阳，创业板50指数季度涨幅达59.45%，上证指数上涨12.73% [1][9] - 从择时模型信号看，短期模型大多中性偏空，中期模型中性，长期模型看多，综合模型看空，预示后市或倾向于向上震荡 [2][67] - 2025年四季度看好电力设备及新能源、通信、综合行业 [2][133] 2025年三季度市场复盘 主要宽基指数表现 - 创业板50指数季度上涨59.45%，收盘价3,418.56点；创业板指上涨50.40%，科创50上涨49.02% [10] - 深证100指数上涨31.13%，深证成指上涨29.25%，中证500指数上涨25.31% [10] - 沪深300指数上涨17.90%，上证指数上涨12.73%，上证50指数上涨10.21% [10] 行业指数表现 - 通信行业涨幅最大，达50.20%；电子行业上涨44.49%；有色金属上涨44.06%；电力设备及新能源上涨41.06% [11] - 机械、计算机、基础化工行业涨幅分别为25.68%、23.71%、20.96% [11] - 银行和综合金融行业为负收益，分别下跌8.66%和9.03% [12] 基金表现 - 偏股混合型基金平均收益为25.83%，股票型基金平均收益为25.79% [13] - 灵活配置型基金和混合型基金平均收益分别为20.56%和20.44% [13] - 2025年三季度新成立公募基金818只，合计募集69,794.7亿元 [13] 择时策略表现 短期择时模型 - 价量共振V3模型在上证指数年化收益12.12%，最大回撤15.05%，胜率64.0% [19] - 低波之刃模型在上证50指数年化收益3.81%，最大回撤15.54%，胜率58.2% [23] - 特征龙虎榜机构模型在沪深300指数年化收益15.79%，最大回撤20.93%，胜率60.0% [24] 中期择时模型 - 推波助澜V3模型在沪深300指数年化收益11.01%，最大回撤18.62%，胜率57.8% [35] - 月历效应模型在中证1000指数年化收益9.47%，最大回撤15.77%，胜率100.0% [40] 长期择时模型 - 动量摆动模型在中证500指数年化收益7.02%，最大回撤42.44%，胜率57.1% [42] 综合与智能算法模型 - 综合兵器V3模型在沪深300指数年化收益30.28%，最大回撤18.03%，胜率57.0% [43] - 沪深300指数智能择时模型年化收益35.55%，最大回撤23.64%，胜率57.8% [49] - 中证500指数智能择时模型年化收益47.64%，最大回撤43.42%，胜率61.7% [55] 港股择时模型 - 成交额倒波幅模型在恒生指数年化收益10.62%，最大回撤51.97%，胜率51.0% [60] 最新择时信号汇总 - 短期：成交量模型中性，低波动模型中性，智能300模型看空，智能500模型中性，特征龙虎榜机构模型看多，特征成交量模型看空 [64] - 中期：涨跌停模型中性，月历效应模型中性 [65] - 长期：动量模型所有宽基指数看多 [66] - 综合：综合兵器V3模型看空，综合国证2000模型看空 [67] 选股策略 惠特尼·乔治小型价值股投资法 - 选股标准包括总市值小于全市场平均、产权比率小于市场平均、每股企业自由现金流大于市场平均等 [70] - 2020年1月1日至2025年9月30日策略年化收益22.4%，波动率23.2% [76] - 最新持仓覆盖轻工制造、基础化工、纺织服装、医药等多个行业，包含依依股份、联科科技、华瓷股份等标的 [77][78] 福斯特佛莱斯积极成长选股策略 - 选股标准包括预估税前净利成长率>20%、营业利润率>10%、负债比例<30%等 [79] - 2020年1月1日至2025年9月30日策略年化收益5.7%，波动率21.5% [82] - 最新股票池包含鲁泰A、盐湖股份、云铝股份、药明康德等标的 [83] CANSLIM基本面选股 - 基于CANSLIM七个维度的选股标准，包括季度每股收益、年度收益增长率、新产品服务等 [87][93] - 2016年1月1日至2025年9月30日策略年化收益率16.9%，最大回撤55% [102] - 2025年策略收益43%，相对偏股混合型基金指数超额收益4.9% [102] - 最新股票池重点配置通信、电子行业，包含长芯博创、仕佳光子、新易盛等标的 [104] 形态识别选股 - 采用杯柄形态和双底形态识别技术选股 [106] - 杯柄形态最新突破个股包括深华发A、吉林化纤、新大洲A、四川双马等 [110] - 双底形态最新突破个股包括佰奥智能、中关村、四川双马、蓝丰生化等 [114] 行业轮动 模型构建逻辑 - 基于基金仓位测算结果构建行业轮动模型，假设公募基金在行业配置上存在alpha [115] - 将基金收益分解至中信一级行业，得到单支基金在各行业上的近似配置比例 [117] - 通过计算超配/低配比例的历史分位数生成行业配置信号 [118] 历史表现 - 行业轮动策略年化绝对收益21.45%，夏普比率0.71，最大回撤69.50% [125] - 相对等权一级行业超额年化收益10.24%，信息比率0.962 [126] - 2025年绝对年化收益39.49%，超额收益16.51% [129] 2025年四季度展望 - 基于基金仓位信号，看好电力设备及新能源、通信、综合行业 [133]

核心观点 - 报告核心观点为市场在2025年10月可能延续震荡上行、结构分化的格局，投资机会将集中于低位行业的补涨，主导情绪是避险和资金从高估值向低估值板块切换（高切低）[1] - 9月市场结构性行情显著，但强势板块并未出现新的重大产业逻辑或业绩拐点，市场格局更多源于存量资金的板块轮动[1] - 策略推荐关注具备“低位+边际改善”特质的行业，包括贵金属、创新药以及额外挖掘的四个行业：环保、非金属材料、生物制品和汽车[1][5][6] 市场回顾与展望 - 9月市场资金从高估值的算力板块切换至低估值的存储、电池板块，并从美元、美债流向黄金，反映出利好兑现后的高切低或避险行为[1] - 展望后市，短期内市场可能延续类似9月的震荡上行格局，低估值板块的挖掘与配置价值依然突出[1] 重点推荐行业分析 存储板块 - 存储板块是算力链资金的重要承接板块，当前存储芯片价格快速上行，行业开启新上行周期[6] - Sora2发布对算力与存储的需求形成支撑，且存储估值更健康，10月板块走强概率较大[6] 贵金属板块 - 贵金属板块具备较强的配置价值，短期降息预期交易和中长期的美联储独立性与地缘政治风险，将持续支撑黄金价格上行[6] 创新药板块 - 创新药板块此前受特朗普医药关税扰动及港股拖累存在明显滞涨，当前相关利空因素已逐步出清，板块将迎来估值修复[6] 环保行业 - 环保行业具备估值低位与景气度改善逻辑，还受益于红利板块补涨等利好[6] - 行业具体指标显示，PPI:废弃资源综合利用业环比上升5.74%，利润总额:废弃资源综合利用业环比上升3.20%，但产量:大气污染防治设备:累计同比下降7.92%[7] 非金属材料行业 - 非金属材料行业供给端受益于反内卷政策，需求侧受益于雅下水电站、新疆振兴等政策利好[6] - 行业具体指标显示，PPI:陶瓷制品制造环比上升0.51%，但PPI:耐火材料制品制造环比下降0.20%，产量:水泥:当月值环比下降0.60%[7] 生物制品行业 - 生物制品行业受益于新质生产力政策、创新药板块修复等利好[6] - 行业具体指标显示，产量:中成药环比上升0.38%，但利润总额:医药制造业环比下降0.35%，产量:中成药:累计同比下降8.82%[7] 汽车行业 - 汽车行业受益于消费品以旧换新政策、机器人产业链重合共振等利好[6] - 行业具体指标显示，乘用车产销比环比上升0.27%，销量:乘用车:累计同比上升3.10%，产量:橡胶轮胎外胎:累计同比大幅上升128.57%，但汽车制造业利润率环比下降0.61%[7]