量化私募行业整体表现 - 近5年市场波动加剧的环境下，私募量化多头策略逆市实现96.15%的累计收益 [2] - 在AI和大数据技术加持下，量化多头策略在近1年、近2年、近3年的收益表现均位居各策略之首 [2] - 截至2025年9月底，A股市场量化多头策略以35.76%的年内收益领跑，主观多头策略收益为32.15% [3] - 行业内有业绩展示的量化私募机构共176家，今年前三季度收益均值为25.89%，正收益占比高达98.29% [4] 各规模量化私募业绩排名 百亿规模量化私募 - 百亿量化私募共45家，其中股票策略机构占38家，超八成 办公城市集中于上海（22家）和北京（10家） [7] - 17家百亿量化机构已持有香港9号牌照，成为国际化布局的重要标志 [7] - 32家符合排名规则的百亿量化私募管理324只产品，总规模430.51亿元，前三季度收益均值达31.90% [8] - 收益前十机构包括灵均投资、宁波幻方量化、稳博投资等，其中宁波幻方量化排名从8月的第8位升至9月的第2位 [9][13] 50-100亿规模量化私募 - 该规模区间机构旗下170只产品总规模约215.01亿元，前三季度收益均值25.70% [13] - 收益前三名为超量子基金、大岩资本、鸣熙资本 超量子基金专注于中低频股票Alpha策略，近期获私募金牛奖 [15][16] - 洛书投资9月业绩亮眼，闯入前十名，其创始人认为A股或维持慢牛格局但需警惕短期波动 [17] 20-50亿规模量化私募 - 153只产品总规模约170.75亿元，前三季度收益均值22.36% [18] - 收益前三名为云起量化、橡木资产、天算量化 云起量化由国际知名学府和科技公司背景团队创立，坚持数据驱动投资 [20] - 橡木资产深耕中高频量价策略，核心团队融合金融数学理论与工程实现能力 [21] 10-20亿规模量化私募 - 158只产品总规模约130.36亿元，前三季度收益均值25.67% [22] - 翰荣投资以显著优势领先，旗下3只产品规模10.37亿元，采用端到端机器学习策略，在高成交量市场中超额收益显著 [25][27] 5-10亿规模量化私募 - 129只产品总规模约66.30亿元，前三季度收益均值22.65% [28] - 华澄私募、上海陶山私募、巨量均衡基金收益居前 华澄私募9月业绩与管理规模同步提升，规模突破5亿元 [30][31] 5亿以下规模量化私募 - 353只产品总规模约131.81亿元，前三季度收益均值23.23% [32] - 京盈智投收益居首，实控人为卡耐基梅隆大学统计学博士，拥有十余年境内外量化投资经验 [35]

根据提供的研报内容，以下是关于量化模型和因子的总结。报告主要涉及对市场风格和因子的跟踪分析，而非构建新的量化模型或因子。报告内容侧重于对现有风格指数和因子的表现、拥挤度、估值等进行监测和解读。 量化因子与构建方式 1. **因子名称：动量因子（由“长江动量指数”表征）[25]** * **因子构建思路：** 该因子旨在捕捉A股市场中具有强势动量特征的股票表现。其构建逻辑是选择近期表现强势（高动量）且流动性好的股票[25]。 * **因子具体构建过程：** 指数以最近一年股票收益率减去最近一个月股票收益率（剔除涨停板）作为动量指标，综合选择A股市场中动量特征强且流动性相对较高的前100只股票作为指数成分股[25]。 * **因子评价：** 该指数能够较好地表征A股市场中最具动量特征的股票的整体走势[25]。 2. **因子名称：反转因子（由“长江反转指数”表征）[26]** * **因子构建思路：** 该因子旨在捕捉A股市场中具有反转效应（即近期表现弱势的股票可能反弹）的股票表现[26]。 * **因子具体构建过程：** 指数以最近一个月股票收益率作为筛选指标，综合选择A股市场中反转效应强、流动性较好的前100只股票作为指数成分股，并采用成分股近三个月日均成交量进行加权[26]。 * **因子评价：** 该指数旨在准确表征我国A股市场各阶段高反转特征个股的整体表现[26]。 3. **因子名称：风格拥挤度因子[36][119]** * **因子构建思路：** 该因子用于衡量特定风格（如成长、红利、小盘等）的交易热度或拥挤程度，以判断其配置风险与机会[36][119]。 * **因子具体构建过程：** 将各风格指数的近n个交易日的日均换手率在历史时间序列上进行z-score标准化，并与万得全A的标准化结果作差，最后计算该差值的滚动y年历史分位值[119]。 * 具体参数：n取63（近一个季度），滚动窗口为6年（历史数据量满1年且不足6年时，以全部历史数据进行计算）[119]。 * **因子评价：** 拥挤度分位值越高，表明该风格交易越拥挤，潜在风险可能越大；分位值越低，则表明该风格关注度较低，可能蕴含机会[36]。 4. **因子名称：风格超额净值因子[120]** * **因子构建思路：** 该因子用于衡量特定风格指数相对于市场基准（万得全A）的长期累计超额收益表现[120]。 * **因子具体构建过程：** 以2016年1月4日为基准日，计算各风格指数及万得全A指数的累计净值。将各风格指数的累计净值除以同一交易日的万得全A指数累计净值，得到各风格指数相对于万得全A指数的累计超额净值[120]。 5. **因子名称：机构调研活跃度因子[101][121]** * **因子构建思路：** 该因子用于衡量不同板块、行业或指数受到机构投资者关注的程度[101][121]。 * **因子具体构建过程：** 将板块（指数、行业）的近n个交易日的“日均机构调研次数”在滚动y年的历史时间序列上进行z-score标准化，并与万得全A的标准化结果作差得到“机构调研活跃度”，最后计算该活跃度的滚动y年历史分位数[121]。 * **长期口径参数：** n取126（近半年），滚动窗口为6年[121]。 * **短期口径参数：** n取63（近一季度），滚动窗口为3年[121]。 6. **因子名称：股债性价比因子（ERP）[69]** * **因子构建思路：** 该因子用于衡量权益资产相对于债券资产的估值吸引力，即风险溢价[69]。 * **因子具体构建过程：** 计算公式为： $$指数erp = 1/指数PE\_TTM – 10年期中债国债到期收益率$$ [69] 然后计算该ERP值在历史序列中的分位数。 因子的回测效果 1. **动量因子（长江动量指数）** * 近一周收益率：-5.3%[25] * 近一月收益率：-8.5%[25] * 年初至今收益率：25.4%[25] * 相对反转因子的超额收益（动量-反转）：近一周 -0.5%，近一月 -4.1%，年初至今 17.3%[25] 2. **反转因子（长江反转指数）** * 近一周收益率：-4.8%[25] * 近一月收益率：-4.5%[25] * 年初至今收益率：8.1%[25] 3. **成长因子（国证成长指数）** * 近一周收益率：-4.6%[25] * 近一月收益率：-0.8%[25] * 年初至今收益率：22.9%[25] * 相对红利因子超额收益（成长-红利）：近一周 -5.3%，近一月 -3.1%，年初至今 22.6%[25] * 当前拥挤度历史分位：41%（处于历史均衡位置）[36] 4. **红利因子（中证红利指数）** * 近一周收益率：0.7%[25] * 近一月收益率：2.3%[25] * 年初至今收益率：0.3%[25] * 当前拥挤度历史分位：45%（处于历史均衡位置）[36] 5. **小盘因子（巨潮小盘指数）** * 近一周收益率：-5.0%[25] * 近一月收益率：-2.7%[25] * 年初至今收益率：21.5%[25] * 相对大盘因子超额收益（小盘-大盘）：近一周 -3.1%，近一月 -3.1%，年初至今 6.7%[25] * 当前拥挤度历史分位：57%（处于历史均衡位置）[36] 6. **大盘因子（巨潮大盘指数）** * 近一周收益率：-1.9%[25] * 近一月收益率：0.4%[25] * 年初至今收益率：14.8%[25] * 当前拥挤度历史分位：100%（处于历史极高位置）[36] 7. **微盘股因子（万得微盘股指数）** * 近一周收益率：-1.5%[25] * 近一月收益率：0.2%[25] * 年初至今收益率：56.9%[25] * 相对基金重仓因子超额收益（微盘股-基金重仓）：近一周 2.2%，近一月 0.7%，年初至今 33.1%[25] * 当前拥挤度历史分位：5%（处于历史极低位置）[36] 8. **基金重仓因子（基金重仓指数）** * 近一周收益率：-3.7%[25] * 近一月收益率：-0.4%[25] * 年初至今收益率：23.8%[25] * 当前拥挤度历史分位：98%（处于历史极高位置）[36] 模型或因子指标取值总结 （本报告未提供传统意义上的量化模型回测指标，如夏普比率、信息比率(IR)、最大回撤等。所提供的“回测效果”主要为不同时间窗口的收益率和相对超额收益，以及拥挤度的历史分位数。）

宏观与策略观点 - 10月以来经济呈现回落加速迹象，30城新房销售环比回落1.1%，同比降幅扩大至26.6%，18城二手房销售同比由升转降21.8% [4] - 政策“适时加力”的必要性和可能性提升，关注点包括可能重启买卖国债、财政发力落地效果、年内出口及地产销售走势等 [4] - 9月广义财政收入当月同比回升至3.2%，但政府性基金预算可能存在约3700亿元缺口，预计2026年财政赤字率或维持4%左右 [5] - A股日线级别上涨大概率临近尾声，食品饮料、医药、消费者服务已确认日线级别下跌，但中期周线级别上涨显示牛市格局刚刚开始 [8] - 债市处于修复过程中，哑铃策略占优，即短信用/存单+长端高弹性品种具备更高性价比 [14] 行业景气与公司表现 - 煤炭行业长期需求面临结构性下降，BP展望预计全球煤炭消耗量在2020年代末达峰，到2050年需求将下降30%，中国需求降幅约20% [18][19] - 白酒行业于秋糖会期间显示动销筑底迹象，产品渠道积极变革，中长期配置价值凸显 [24] - 特斯拉在机器人与智驾领域催化密集，Optimus V3预计2025年底发布，2026年量产，FSD V14发布并改进导航与感知功能 [25] - 寒武纪-U 2025年第三季度营收17.27亿元，同比增长1333%，实现归母净利润5.67亿元，供给端改善显著 [32] - 海康威视2025年第三季度归母净利润36.62亿元，同比增长20.3%，利润端与现金流改善超预期 [36] 金融与流动性数据 - 2025年9月社融增速为8.7%，较上月下降0.1个百分点，剔除政府债券后的社融增速为5.9% [16] - 9月新增人民币贷款1.29万亿元，同比少增3000亿元，其中企业中长期贷款增加9100亿元，同比少增500亿元 [16] - 9月M1增速显著提升1.2个百分点至7.2%，M2-M1剪刀差收窄1.6个百分点至1.2%，释放积极信号 [16] - 资金面保持宽松，银行间杠杆率小幅上升，下周政府债券净发行转正但净缴款转负 [15]

爱诗科技融资与增长 - AI视频企业爱诗科技完成1亿元B+轮融资，为一个多月内第二次获得资本加持 [1] - 公司成立仅一年用户破亿，商业化后收入增长10倍 [2] - 公司拥有1600万月活跃用户和4000万美元年度经常性收入 [2] - 复星锐正、同创伟业等顶级机构连续加码投资 [2] 市场表现与轮动规律 - 2025年4月后指数上涨900点，但广聚能源等个股下跌60% [5] - 2025年前9个月几乎没有板块能连续两个月领涨，电子板块表现最佳但也有四个月下跌 [6] - 市场呈现轮动特征，没有永恒的赢家 [6] 机构资金行为分析 - 2025年5月限酒令事件前，通过跟踪白酒板块机构资金动向发现“聪明钱”早在年初反弹后已悄然离场 [8] - 决定股价的关键并非消息本身，而是机构对消息的定价能力 [10] - 当市场反弹缺乏机构参与时，“利空出尽”可能仅是散户的一厢情愿 [10] 个股案例与数据价值 - 诺泰生物被ST后股价反而大涨25%，关键在于提前捕捉到机构建仓痕迹 [12] - 机构投资行为常有数据指标先行异动，如爱诗科技获得融资前 [12] - 在信息过载时代，数据能穿透迷雾展现市场本质 [12]

产品发行与市场定位 - 兴证全球基金宣布将发行兴证全球中证500指数增强基金，由拥有15年量化投资经验的田大伟管理 [1] - 指数增强产品风险收益特征明确，旨在借助多因子量化选股和投资组合优化等方法，在跟踪指数基础上追求超额收益 [1] - 截至2024年底，公募基金发行指数增强产品295只，总规模达2127.6亿元，均创历史新高，但市场需求仍属“蓝海” [2] 中证500指数投资价值 - 自2004年12月31日基日至2025年8月31日，中证500指数累计上涨604.39%，年化回报达10.21%，高于同期沪深300指数的7.77%和上证50指数的6.48% [2] - 指数覆盖A股市值排名301至800名的股票，平均自由流通市值为137亿元，被誉为“中盘股大本营” [2] - 指数在新经济领域布局突出，超配电子、医药生物、国防军工等行业，国家级“专精特新”企业市值权重占30% [2] 量化投资策略与流程 - 投资流程包括：收集并清洗基本面、量价、高频及一致预期等原始数据；研发并优化阿尔法因子；筛选有效因子并确定权重；运用组合优化算法计算目标股票及权重；结合股票黑名单及异常值监控形成最终投资组合 [3] - 风险控制注重行业与风格中性，并控制跟踪指数的偏离度，避免风格漂移导致的风险暴露 [5] - 量化团队每天跟踪的因子超过2000个，并构建了完整的因子研究流程和自研的“研发+交易+跟踪”一体系统 [6] 历史业绩与团队模式 - 田大伟管理的兴证全球中证A500指数增强基金自2024年12月24日成立至2025年8月31日，A份额实现收益16.00%，超越基准0.66个百分点；今年以来超越基准1.91个百分点 [6] - 量化团队采用高度协同的作业模式，通过构建共享代码库和模块化框架，整合集体智慧并保留个体创新空间 [6] 行业展望与产品布局 - 公司认为AI在投资研究中的应用是重要方向，团队正持续研发机器学习模型，同时指出国内政策积极，权益市场下行风险可控且上行空间犹存 [7] - 兴证全球基金在指数增强领域已有15年积淀，布局了沪深300、中证800、中证A500、沪港深300、沪港深500等多只指增产品，形成系列图谱式布局 [8] - 2025年半年报显示，公司旗下4只指增基金共吸引超61万持有人，在港股指增产品方面已率先布局，成为市场上少数能同时覆盖A股和港股指增产品的基金公司 [8] - 产品策略强调纪律化的工具型投资，提供长期、稳定、可解释的超额收益，随着监管引导公募基金强化业绩基准约束，工具型产品迎来更好发展机遇 [8]

量化市场跟踪：大类因子表现 - 本周全市场股票池动量因子获取正收益0.43%，市场表现为动量效应 [4] - 本周Beta因子、市值因子、非线性市值因子分别获取负收益-1.50%、-0.91%、-0.54%，市场表现为小市值风格 [4] 量化市场跟踪：单因子表现（沪深300股票池） - 本周表现较好的因子有5日成交量的标准差 (2.12%)、下行波动率占比 (1.78%)、成交量的5日指数移动平均 (1.35%) [5] - 本周表现较差的因子有5日反转(-3.60%)、单季度总资产毛利率 (-3.43%)、单季度ROA (-3.38%) [5] 量化市场跟踪：单因子表现（中证500股票池） - 本周表现较好的因子有市盈率TTM倒数(3.99%)、下行波动率占比 (3.80%)、市盈率因子 (3.17%) [5] - 本周表现较差的因子有5日反转 (-1.95%)、5日平均换手率(-1.17%)、成交量的5日指数移动平均 (-1.15%) [5] 量化市场跟踪：单因子表现（流动性1500股票池） - 本周表现较好的因子有日内波动率与成交金额的相关性(2.27%)、下行波动率占比 (1.80%)、市净率因子(1.51%) [5] - 本周表现较差的因子有单季度EPS (-1.36%)、标准化预期外收入(-1.29%)、5日反转(-1.25%) [5] 量化市场跟踪：因子行业内表现 - 本周基本面因子在非银金融行业正收益较为一致，包括净资产增长率因子、净利润增长率因子、每股净资产因子、每股经营利润TTM因子 [6] - 本周估值类因子中，BP因子和EP因子在家用电器、综合、非银金融行业正收益较为一致 [6] - 本周残差波动率因子和流动性因子在煤炭行业正收益明显 [6] - 本周食品饮料、美容护理、银行行业大市值风格显著 [6] 投资组合跟踪：PB-ROE-50组合 - 本周PB-ROE-50组合在中证500股票池中获取正超额收益0.15% [7] - 本周PB-ROE-50组合在中证800股票池中获得超额收益-1.50% [7] - 本周PB-ROE-50组合在全市场股票池中获得超额收益-2.52% [7] 投资组合跟踪：机构调研组合 - 本周公募调研选股策略相对中证800获得超额收益-0.94% [8] - 本周私募调研跟踪策略相对中证800获得超额收益-4.83% [8] 投资组合跟踪：大宗交易组合 - 本周大宗交易组合相对中证全指获取正超额收益1.56% [9] 投资组合跟踪：定向增发组合 - 本周定向增发组合相对中证全指获取正超额收益1.86% [10]

市场环境特征 - A股市场板块轮动为常态，上证指数冲击3900点过程中经历了红利、创新药、CPO等多个热点切换，当前市场风格仍频繁变动 [1] - 今年以来A股整体保持较强韧性，市场交投活跃度较高，热点呈现分散化且频繁切换的典型特征 [5] - 地缘政治、宏观经济预期及短期消息面等因素可能加剧市场波动，引发情绪化交易 [2] - 在注册制全面推行的背景下，A股上市公司数量已突破5000家，部分个股因研究覆盖不足可能存在信息挖掘不充分或定价偏差的机会 [2] 量化投资的核心优势 - 量化投资凭借严格纪律性规避人性干扰确保策略精准执行，并通过分散化组合有效管控非系统性风险 [1] - 主动量化基金通过全市场模型扫描与选股跨市场捕捉结构性机会，以纪律性执行策略弱化人性弱点减少主观决策偏差 [2] - 策略通过数百只个股的低仓位分散配置降低非系统性风险，结合海量数据分析追求超额收益 [2] - 全市场量化选股策略约束条件更为宽松，在挖掘超额收益方面具备更广泛的机会空间，长期维度有望实现更具确定性的超额收益 [2] 超额收益的获取方法 - 追求超额收益需注重收益来源的多样性以适应多变市场环境，以及持仓分散度以避免押注单一风格或行业带来的较大波动 [3] - 采用技术框架支撑的"多策略"选股模型，基于"自上而下"思路构建多个独立训练的子模型，通过子模型整合与组合优化生成投资组合 [3] - 通过风险模型将组合相对于基准的跟踪误差控制在目标范围内，即便短期看好某些行业或风格，偏离幅度也受严格限制 [4] - 机器学习架构"多策略"模型从不同维度获取投资机会，超额来源丰富，动态适应不同市场风格，平滑整体组合表现 [4] 量化策略的市场适应性 - 热点分散化且频繁切换的市场环境为量化策略的发挥提供了适配土壤 [5] - 若市场出现资金极致抱团的极端情形，短期内可能对量化策略获取超额收益形成制约，但此类状态蕴含均值回归动能，后续调整可能创造补偿机会 [5] - 量化基金核心价值在于挖掘市场非理性定价机会，超额收益源自长期捕捉这类机会，市场大环境相对均衡时长期仍有机会逐渐积累超额收益 [6]

产品发行与定位 - 兴证全球基金宣布发行兴证全球中证500指数增强基金，由拥有15年量化投资经验的田大伟管理 [1] - 该产品旨在通过多因子量化选股和投资组合优化等方法，在中证500指数基础上追求超额收益 [1] - 指数增强产品风险收益特征明确，创造稳定的超额收益是其生命力 [1] 市场背景与需求 - 截至2024年底，公募基金发行指数增强产品295只，总规模达2127.6亿元人民币，数量和规模均创历史新高 [2] - 无论机构还是个人投资者对风险收益特征明晰的指数增强产品仍有需求，市场仍属“蓝海” [2] 中证500指数投资价值 - 自2004年12月31日基日至2025年8月31日，中证500指数累计上涨604.39%，年化回报达10.21%，高于同期沪深300指数的7.77%和上证50指数的6.48% [2] - 指数覆盖A股市值排名301至800名的股票，平均自由流通市值为137亿元，是“中盘股大本营” [2] - 指数在新经济领域布局突出，超配电子、医药生物、国防军工等行业，国家级“专精特新”企业市值权重占30% [2] 投资策略与流程 - 投资策略基于量化模型选择股票和分配权重，不进行过多的主动判断 [2] - 流程包括：收集清洗基本面、量价、高频及一致预期等原始数据；研发并优化阿尔法因子；筛选有效因子并确定权重；运用组合优化算法计算目标权重；结合股票黑名单和异常值监控形成最终组合 [3] - 风险控制注重行业与风格中性，并控制跟踪指数的偏离度，避免风格漂移 [3] 量化团队与系统 - 量化策略落实依托投研团队、风险管理部、信息技术部、交易部等多部门协同作业 [4] - 量化团队核心工作是Alpha因子的挖掘与验证，系统内每天跟踪的因子超过2000个 [4] - 团队已构建完整的因子研究流程和自研的“研发+交易+跟踪”一体系统，采用高度协同的共享代码库和模块化框架作业模式 [4] 历史业绩表现 - 田大伟管理的兴证全球中证A500指数增强基金自2024年12月24日成立至2025年8月31日，A份额实现收益16.00%，超越基准0.66个百分点 [4] - 该基金今年以来超越基准1.91个百分点 [4] 公司产品布局与行业观点 - 兴证全球基金在指数增强领域有15年积淀，自2010年发行首只产品以来，已布局沪深300、中证800、中证A500、沪港深300、沪港深500等多只指增产品 [7] - 2025年半年报显示，公司旗下4只指增基金共吸引超61万持有人，在港股指增产品方面已率先布局 [7] - 指数增强产品与主动管理基金及ETF有交集，具有工具型产品属性，公司致力于提供长期、稳定、可解释的超额收益 [7] - 随着监管引导公募基金强化业绩基准约束，工具型产品迎来更好发展机遇 [7]

行业规模与增长 - 境内指数产品总规模约6.5万亿元，较上年末增长43% [1] - 其中股票指数产品规模4.63万亿元，债券产品规模1.85万亿元 [1] - 境内ETF市场总规模超5.6万亿元，其中股票ETF规模达3.7万亿元，债券ETF规模超6900亿元 [5] - 全球ETF总规模达17.7万亿美元，中国境内ETF市场规模超5.5万亿元，超越日本成为亚洲最大ETF市场 [4] 交易所动态与产品布局 - 上交所上市ETF产品760只，总规模近4万亿元，参与账户数达1000万户 [5] - 上证、中证编制的指数超过8700条，跟踪产品规模超过5万亿元 [2] - 近五年来沪市ETF产品规模从0.9万亿元增至4万亿元，累计增长近3.5倍 [2] - 上交所构建了以科创板指数为核心的科技创新指数体系，已发布科技类指数369条，产品规模达9000亿元 [2] - 科创板指数达33条，跟踪产品规模超3400亿元，成为A股指数化投资比例最高板块 [2] 产品创新与战略方向 - 上交所发布绿色相关指数148条，产品规模近800亿元；发布红利、债券等多资产指数近1200条，跟踪产品规模近7600亿元 [2] - 沪市宽基ETF规模1.8万亿元；科创板ETF产品102只，规模超3000亿元；红利ETF产品规模1000亿元，较2024年初增长176% [5] - 上交所聚焦上海五个中心功能定位，发布上海现代产业、科技领先等系列指数 [2] - 未来趋势包括宽基指数产品重要性提升，人工智能等行业主题指数及红利等策略指数是差异化布局方向 [5] 市场生态与驱动因素 - 去年"924"行情以来，ETF成交额占A股整体成交额比例达7%以上，市场渗透率显著提升 [3] - 指数化投资增长驱动因素包括产品公开透明、低成本、分散化优势，以及市场有效性提升和产品体系丰富 [3] - 境内ETF市场发展呈现加速度，从0到1万亿元历时17年，而从4万亿到5万亿元仅用4个月 [4] - 今年以来境内非货ETF净流入近7000亿元 [5]

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]