不过，我查了一下，从ETF的份额以及市值，推算产品的具体净值，然后比对后，4只产品，分别属于4家不同的基金公司，因此不像是基金公司的广告， 而且这个大红酸枝和手镯，好像也只是品种，而非品牌（具体我不懂），所以，至少确实不是啥广告。 今天大跌，先聊个轻松的，下面这张 嫁妆礼单 的图，今天各个群里传的比较多，通常看到这种比较炸裂的图，我现在下意识地会觉得，要么是 PS的，为了在小红薯上起号，要么是一堆东西里，夹杂私货，给某个产品带货的。 如果这图真不是P的话，那么，只能说，我们一直说， 拥抱优质股权投资的大时代 ，这个时代可能真的来了，至少部分老丈人和丈母娘已经采纳了 。 所以，大家觉得如何哪些etf，比较适合当嫁妆或者传家宝？ ...... 好了，说正经的，今天市场跌了不少，用几张图，带大家简单过一下，看看市场发生了什么。 1、美元指数升破100，全球风险资产都跌了。 今天其实不止A股和港股跌，事实上， 美股、亚太、欧洲，都在跌，下图 ，是截至下午17点，几个主要股指的表现，包括截至今晚，两大美股 期货也都跌了1个点以上。 其一，是美元指数最近连续上行，下图 ，是美元指数年初以来的走势图，9月中旬触底后，近期持 ...

根据研报内容，现总结如下： 量化模型与构建方式 **1 模型名称：综合配置策略** - **模型构建思路**：基于行业景气度信号和拥挤度监测，构建一个动态的行业配置策略[4] - **模型具体构建过程**： 1. 每月更新时，对各个细分行业进行景气度信号判断，将行业分类为“景气上行”、“景气持平”或“景气下行”[4] 2. 同时，计算各行业的拥挤度指标，并设定预警阈值（如95%）[3] 3. 在配置时，选择“景气上行”及“景气持平”、且拥挤度较低的行业[4] 4. 权重设置上，“景气持平”行业的配置权重设置为“景气上行”行业权重的一半[4] 5. 最终根据上述规则确定各行业的配置权重，形成综合配置策略[4] **2 因子名称：行业分化度指标** - **因子构建思路**：通过计算行业间涨幅的离散程度，来衡量市场微观交易结构的分化状况，该指标具有均值回复特征[1] - **因子具体构建过程**： 1. 选取申万一级行业指数作为基础[1] 2. 计算所有申万一级行业指数在特定周期（如日度）的平均涨幅（$$\bar{R}_t$$）和中位数涨幅（$$Median(R_t)$$）[1] 3. 行业分化度（$$D_t$$）即为平均涨幅与中位数涨幅的差值：$$D_t = \bar{R}_t - Median(R_t)$$[1] 4. 为进一步平滑数据，观察该分化度指标的20日移动平均值（MA20）[1] **3 因子名称：行业拥挤度指标** - **因子构建思路**：通过量化特定指标，监测行业交易的拥挤程度，以提示潜在风险[3] - **因子具体构建过程**：报告提及使用该指标并对各行业进行监测，且设定了95%作为预警阈值，但未详细说明其具体计算公式和构成[3] 模型的回测效果 **1 综合配置策略** - 最近1个月（2025/9/7-2025/9/30）收益：0.1%[4][36] - 最近1个月相对行业等权指数超额收益：-4.6%[4][36] - 最近1个月相对中证800超额收益：-4.3%[4][36] - 最近3个月（2025/7/7-2025/9/30）收益：13.6%[36] - 最近3个月相对行业等权指数超额收益：未明确列示（基准收益26.3%）[36] - 最近3个月相对中证800超额收益：未明确列示（基准收益19.3%）[36] - 最近6个月（2025/4/7-2025/9/30）收益：25.6%[36] - 最近6个月相对行业等权指数超额收益：未明确列示（基准收益40.1%）[36] - 最近6个月相对中证800超额收益：未明确列示（基准收益32.1%）[36] - 2025年以来（2025/1/2-2025/9/30）收益：14.1%[36] - 2025年以来相对行业等权指数超额收益：未明确列示（基准收益29.5%）[36] - 2025年以来相对中证800超额收益：未明确列示（基准收益20.9%）[36] 因子的回测效果 **1 行业分化度指标** - 截至2025年10月9日，其20日移动均值（MA20）处于2022年以来的93.7%分位，表明行业分化度处于历史高位[1] **2 行业拥挤度指标** - 截至2025年10月9日，有色金属、机械设备、电子三个行业的拥挤度指标位于95%预警阈值以上[3] - 过去1个月内，通信、综合两个行业的拥挤度指标最大值也曾突破95%预警阈值[3]

量化模型与构建方式 1. 行业分化度指标 - **指标构建思路**：通过计算行业指数涨幅的离散程度来度量市场结构化特征，作为行业分化度的代理指标[1][12] - **具体构建过程**：计算申万一级行业指数的平均涨幅与中位数涨幅的差异，再计算该差异的20日移动平均值[1][12] - **指标评价**：该指标具有明显的均值回复特征，可用于判断市场极端分化后的反转时机[1][12] 2. 铜的宏观择时模型 - **模型构建思路**：通过宏观打分卡形式构建对铜的择时模型，并应用于有色金属行业指数择时[2][19] - **具体构建过程**：基于全球景气、全球通胀等宏观因子构建评分体系，当宏观评分大于0时，次月配置中证申万有色金属指数，否则配置Wind全A指数[2][19][20] $$ \text{信号} = \begin{cases} \text{配置有色金属指数} & \text{if 宏观评分} > 0 \\ \text{配置Wind全A指数} & \text{otherwise} \end{cases} $$ - **模型评价**：历史回测显示该模型能较好把握有色金属行业的强势行情，具备一定择时能力[20] 3. 行业拥挤度指标 - **指标构建思路**：监测行业交易拥挤程度，识别过度拥挤的行业[3][32] - **具体构建过程**：计算各行业拥挤度指标在滚动3年窗口内的分位数，设置95%作为预警阈值[2][3][32] - **指标评价**：拥挤度指标可用于识别交易结构过度拥挤的风险，提示需要谨慎的行业[2][3][32] 4. 综合配置策略 - **策略构建思路**：结合行业景气度信号和拥挤度指标，构建行业配置组合[4][35] - **具体构建过程**：配置景气上行及景气持平、且拥挤度较低的行业，其中景气持平行业的权重设置为景气上行行业的一半[4][35] $$ w_i = \begin{cases} k & \text{if 景气上行且拥挤度低} \\ 0.5k & \text{if 景气持平且拥挤度低} \\ 0 & \text{otherwise} \end{cases} $$ 其中k为权重调整系数，确保总权重为1 量化因子的回测效果 1. 铜的宏观择时模型 - 回测区间：2009年3月至2025年9月[20] - 相对Wind全A指数超额收益：245%[20] 2. 综合配置策略 - 最近1个月收益：4.6%[35][39] - 相对行业等权指数超额收益：-5.7%[4][35][39] - 相对中证800超额收益：-3.9%[4][35][39] - 最近3个月收益：14.4%[39] - 最近6个月收益：9.5%[39] - 2025年以来收益：12.6%[39] 行业拥挤度监测结果 截至2025年9月5日，拥挤度指标位于95%预警阈值以上的行业：[3][32][34] - 有色金属 - 电子 - 通信 - 机械设备 - 综合 过去1个月内拥挤度指标最大值曾突破95%预警阈值的行业：[3][32] - 美容护理 - 国防军工 - 医药生物