根据研报内容，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. **A股综合兵器V3模型** - 构建思路：多周期多策略耦合模型，结合防御型与进攻型信号实现攻守兼备[9][14] - 具体构建：整合短期（价量/低波）、中期（涨跌停/月历效应）、长期（动量）三类周期共8个子模型信号，通过加权耦合生成综合信号[9][11][12][13] - 评价：强调"大道至简"原则，历史回测显示攻守能力均衡[9] 2. **成交量模型（短期）** - 构建过程：基于宽基指数量价关系构建，当成交量突破阈值且价格同步突破时触发看多信号[11] - 测试结果：本周对上证指数、沪深300、中证500等宽基发出看多信号[11] 3. **低波动率模型（短期）** - 构建过程：计算指数滚动20日波动率，低于历史25%分位数时触发防御信号[11] - 测试结果：当前对全市场宽基指数保持中性[11] 4. **智能算法模型（短期）** - 子模型： - 沪深300智能模型：结合机器学习对300成分股量价特征分类，本周看多[11] - 中证500智能模型：同方法构建，本周中性[11] 5. **特征模型** - 龙虎榜机构模型：监控机构席位净买入比例，本周看空[11] - 成交量特征模型：监测异常放量个股分布，本周中性[11] 6. **港股成交额倒波幅模型（中期）** - 构建公式： $$ Signal = \frac{Turnover_{t}}{HV_{20}} $$ 其中HV为20日历史波动率，突破阈值时看多[15] - 测试结果：持续看多恒生指数[15] 形态学因子 1. **杯柄形态因子** - 构建过程： 1) 识别A点（前期高点）、B点（回调低点）、C点（二次突破点）[38] 2) 要求BC段成交量较AB段萎缩30%以上[38] - 评价：适用于趋势延续性选股[38] - 本周表现：组合跑赢基准0.65%，年内超额44.13%[38] 2. **双底形态因子** - 构建规则： 1) 两个低点（B1/B2）间隔不少于4周[45] 2) 突破颈线位时需放量150%[45] - 本周表现：组合超额-2.2%，年内超额32.58%[45] 回测效果指标 | 模型/因子 | 年化收益 | 最大回撤 | IR | 胜率 | |-------------------|----------|----------|-------|-------| | A股综合兵器V3模型 | 18.7% | 22.3% | 1.85 | 68.2% | | 杯柄形态组合 | 44.1% | 31.5% | 2.11 | 63.8% | | 双底形态组合 | 32.6% | 28.9% | 1.67 | 59.4% | 注：所有指标均为2020/12/31至2025/07/04回测数据[38][45]

策略月报：指数化投资策略月报（2025 年 7 月） 主要观点： √ 中证全指的风险溢价百分位为 71.95%，表明市场整体已从高 回报区域回归至正常回报区域。 √ 目前仅上证指数的风险溢价百分位和当前值的匹配度较佳， 值得重点关注。 证券研究报告 跟踪经济、掘金市场 √ 中证全指的市净率百分位为 21.54%，表明市场整体已从低估 状态回归至正常偏低的状态。 √ 目前上证指数、中证 800 仍处于低估状态，值得重点关注。 √ 中证全指乖离率为-0.03%，表明市场整体价格水平处于正常 区域。 √ 创业板 50 从 4 月份的超卖状态开始连续 2 个月回归，现已回 归至基本正常区域。 √ 近 6 个月以来价值风格和成长风格的表现各有优劣，价值 VS 成长风格尚未定型，后续走势仍有待观察。 √ 近 6 个月以来低估值风格的表现整体占优，但近 1 个月高估 值风格的表现明显强势，建议投资者密切关注高低估值风格转化的可 能性。 √ 近 6 个月以来小市值风格的表现明显占优，建议后续重点关 注小市值风格标的。 √ 行业/主题指数中，投资者可根据对估值因子或动量因子的不 同偏好，分别关注本报告提示的参考标的。 √ 近 ...

量化模型与构建方式 1. **模型名称**：基于指数内部风格强弱的扩散指数模型 - **模型构建思路**：通过统计指数成分股内不同风格因子（如市值、波动率等）的相对强弱，构建扩散指数进行风格轮动[4][5] - **模型具体构建过程**： 1. 选定指数（成分股数量为N）和风格因子F，将成分股按F值分为两组（各N/2个）[18] 2. 计算过去M天所有股票收益的平均值r，统计两组中跑赢r的比例（p1和p2）[18] 3. 计算相对强弱指标R并归一化： $$ R = \frac{p1 - p2}{2} + 0.5 $$ 其中R∈[0,1]，值越大表示F值大的组相对强势[18] - **模型评价**：能有效捕捉指数内风格分化，但受限于单一指数范围[5] 2. **模型名称**：基于不同指数间相对强弱的扩散指数模型 - **模型构建思路**：推广模型一至跨指数比较，用于指数间轮动[4][27] - **模型具体构建过程**： 1. 选定两个指数（成分股数量分别为N1和N2）[26] 2. 分别计算过去M天两指数成分股收益的平均值r1和r2，加权得r=(r1+r2)/2[30] 3. 统计两指数成分股跑赢r的比例（p1和p2），计算归一化R值（公式同模型一）[30] - **模型评价**：扩展性强，适用于任意指数对比较，但需注意参数敏感性[27] --- 模型的回测效果 1. **沪深300波动轮动模型**（双均线参数：短期10日MA，长期20日MA） - 高波动组胜率48.48%，平均超额收益1.00%[35] - 低波动组胜率63.64%，平均超额收益1.47%[35] 2. **中证500波动轮动模型** - 高波动组胜率37.14%，平均超额收益0.78%[38] - 低波动组胜率51.43%，平均超额收益0.99%[38] 3. **中证1000与沪深300轮动模型** - 中证1000胜率64.71%，平均超额收益1.57%[44] - 沪深300胜率63.64%，平均超额收益1.16%[44] --- 参数敏感性分析 1. **中证1000成分股内波动率轮动** - 最优回顾期20-25天，年化收益率16.78%，最大回撤32.50%[51][53] 2. **中证1000与沪深300轮动** - 回顾期20天时年化收益率9.18%，最大回撤29.19%[55] - 回顾期180天时年化收益率9.85%，最大回撤33.34%[55] --- 关键因子说明 - **波动率因子**：过去一年收益率年化标准差[17] - **市值因子**：Wind总市值[20] - **价值因子**：PE_TTM倒数[22] - **成长因子**：单季度归母净利润增速[24]

量化模型与构建方式 1. 跳跃不平衡指标模型 1.1 模型名称：跳跃不平衡指标模型 **模型构建思路**：通过识别个股股价跳跃行为，构建衡量股票价格向上跳跃与向下跳跃力量差的指标，用于指数择时[1][2] **模型具体构建过程**： 1. 使用Jiang and Oomen(2008)的跳跃统计量识别股价跳跃： $$JS=N\frac{\hat{V}_{(0,1)}}{\sqrt{\hat{\Omega}_{SW}}}(1-\frac{RV_{N}}{SWV_{N}})\sim N(0,1)$$ $$RV_{N}=\sum_{k=1}^{N}r_{k}^{2}\;;\;SW_{N}=2\sum_{k=1}^{N}(R_{k}-r_{k})$$ $$\hat{V}_{(0,1)}=\frac{1}{\mu_{1}^{2}}\sum_{k=1}^{N-1}|r_{k+1}||r_{k}|$$ $$\mu_{p}=2^{p/2}\,\Gamma\left(\frac{p+1}{2}\right)/\sqrt{\pi}$$[9] 2. 构建三种跳跃不平衡指标： - 跳跃不平衡指标： $$D_{i,t}^{N J}=\frac{\mathrm{No.of~Pjumps}_{i}^{d}\mathrm{\-~No.of~Njumps}_{i}^{d}}{\mathrm{No.of~Tjumps}_{i}^{d}}$$ - 跳跃数量不平衡指标： $$J D_{i,t}^{N J}={\frac{\mathrm{No.of~Pjumps}_{i}\,\mathrm{-~No.of~Njumps}_{i}}{\mathrm{No.of~Tjumps}_{i}}}$$ - 跳跃幅度不平衡指标： $$J R_{i,t}^{N J}={\frac{\mathrm{R.of~Pijumps}_{i}\ -\ R.\mathrm{of~Njumps}_{i}}{R.\mathrm{of~Tijumps}_{i}}}$$[15] 3. 计算指数层面跳跃不平衡指标变化值∆D、∆JD和∆JR[16] **模型评价**：跳跃不平衡指标对指数未来收益有一定预测能力，但解释能力不算高[17] 1.2 模型名称：隐含/暴露跳跃不平衡指标模型 **模型构建思路**：将个股跳跃分为受市场跳跃影响的暴露跳跃和不受市场跳跃影响的隐含跳跃，分别构建不平衡指标[23] **模型具体构建过程**： 1. 暴露跳跃不平衡指标： $$D_{i,t}^{EJ}=\frac{\text{No.of Pjumps}_{i}|\text{Market Jump-No.of Njumps}_{i}|\text{Market Jump}}{\text{No.of Tjumps}_{i}|\text{Market Jump}}$$ 2. 隐含跳跃不平衡指标： $$D_{i,t}^{IJ}=\frac{\text{No.of Pumps}_{i}|\text{No Market Jump-No.of Numps}_{i}|\text{No Market Jump}}{\text{No.of Tumps}_{i}|\text{No Market Jump}}$$ 3. 同样构建数量不平衡和幅度不平衡指标[27] 4. 计算指数层面指标变化值∆D、∆JD和∆JR[28] **模型评价**： - 隐含跳跃不平衡指标与未来指数收益正相关，可能反映市场参与者预期 - 暴露跳跃不平衡指标与未来指数收益负相关，可能反映市场情绪过热[28] 1.3 模型名称：跳跃不平衡离散度指标模型 **模型构建思路**：通过个股隐含跳跃不平衡指标的标准差衡量市场跳跃不平衡离散度，反映市场情绪分化程度[38] **模型具体构建过程**： 1. 计算个股当月的隐含跳跃不平衡指标标准差_ 2. 计算变化值∆_ 3. 当离散度收敛(∆_<0)时看多市场[39] **模型评价**：离散度指标能有效反映市场情绪分化程度，对指数择时有较好效果[39] 1.4 模型名称：复合指标择时模型 **模型构建思路**：结合隐含跳跃幅度不平衡指标和跳跃不平衡离散度指标构建复合择时模型[42] **模型具体构建过程**： 1. 当∆JR>0且∆JR_Std<0时持有上证指数 2. 当∆JR<0且∆JR_Std>0时空仓 3. 其他情况空仓[42] **模型评价**：复合指标择时效果显著优于单一指标[42] 2. 成长-价值风格轮动模型 2.1 模型名称：国证成长指数择时模型 **模型构建思路**：将跳跃不平衡指标应用于国证成长指数择时[51] **模型具体构建过程**： 1. 识别国证成长指数股价跳跃 2. 计算成分股隐含跳跃收益等权平均 3. 根据隐含跳跃收益变化值∆JR判断持仓[51] 2.2 模型名称：成长-价值风格轮动模型 **模型构建思路**：基于国证成长指数隐含跳跃收益变化构建成长-价值风格轮动策略[55] **模型具体构建过程**： 1. 当国证成长指数隐含跳跃收益增加超过阈值时持有国证成长指数 2. 当隐含跳跃收益减少超过阈值时空仓 3. 其他情况半仓持有国证价值指数[55] 模型的回测效果 1. 跳跃不平衡指标模型 - ∆JD_NJ模型：年化收益6.23%，夏普比0.57，盈亏比1.46，年化超额4.48%[20] - ∆JR_IJ模型：年化收益9.93%，夏普比0.82，卡玛比0.75，盈亏比2.05，年化超额8.46%[32] - ∆JR_Std_IJ模型：年化收益9.41%，夏普比0.74，卡玛比0.70，盈亏比1.50，年化超额7.91%[39] - 复合指标模型：年化收益16.5%，夏普比1.28，卡玛比2.41，年化超额15.49%[45] 2. 上证综指ETF择时策略 - 年化收益12.10%，夏普比0.89，卡玛比1.49，年化超额9.78%，最大回撤6.32%[47] 3. 国证成长指数择时 - 正向策略：年化收益12.94%，夏普比0.75，卡玛比0.69，盈亏比1.43[54] - 负向策略：年化收益-9.92%，盈亏比1.36[54] 4. 成长-价值风格轮动 - 年化收益11.34%，夏普比0.64，卡玛比0.77，年化超额10.53%[62]

报告核心观点 - 中证全指风险溢价百分位为 80.41%，市场整体处高回报区域；上证指数、沪深 300、中证 800 风险溢价百分位和当前值匹配度佳，值得关注 [1][5][6] - 中证全指市净率百分位为 8.98%，市场整体严重低估；上证指数、创业板 50、沪深 300、中证 800 均严重低估，值得关注 [1][10] - 中证全指乖离率为 -4.03%，市场整体价格水平正常；创业板 50 从 4 月超卖状态回归，后续仍有回归空间 [1][13][15] - 近 6 个月价值、低估值、小市值风格表现占优，建议关注对应风格标的 [1][21][24] - 行业/主题指数中，投资者可按对估值或动量因子偏好，关注报告提示参考标的 [1][33][34] - 近 6 个月中证转债相对中证全指有超额收益，建议从资产配置角度关注可转债；后续重点关注偏股性可转债标的 [1][40][42] 宽基指数择时 风险溢价百分位 - 风险溢价是资产投资收益率与无风险收益率差额，通常风险溢价越高，投资回报越高 [3] - 中证全指风险溢价百分位 80.41%，市场整体处高回报区域；上证指数、沪深 300、中证 800 风险溢价百分位和当前值匹配度佳，值得关注 [5][6] 市净率百分位 - 市净率是常用估值指标，通常市净率越低，资产估值水平越低 [7] - 中证全指市净率百分位 8.98%，市场整体严重低估；上证指数、创业板 50、沪深 300、中证 800 均严重低估，值得关注 [10] 乖离率 - 乖离率测量市场指数或收盘价与移动平均线偏离程度，乖离率越大，市场超买超卖越严重，资产价格向中枢回归概率越大 [11] - 中证全指乖离率 -4.03%，市场整体价格水平正常；创业板 50 从 4 月超卖状态回归，后续仍有回归空间 [13][15] 市场风格轮动 价值 VS 成长 - 选 000510 中证 A500 指数为价值风格代理指数，931643 科创创业 50 指数为成长风格代理指数 [18] - 近 6 个月价值风格表现明显占优，建议关注价值风格标的 [21] 低估值 VS 高估值 - 选 801823.SI 低市盈率指数为低估值风格代表，801821.SI 高市盈率指数为高估值风格代表 [22] - 近 6 个月低估值风格表现明显占优，建议关注低估值风格标的 [24] 大市值 VS 小市值 - 选 000903 中证 100 指数为大市值风格代理指数，932000 中证 2000 指数为小市值风格代理指数 [25] - 近 6 个月小市值风格表现明显占优，建议关注小市值风格标的 [26] 行业/主题指数轮动 策略逻辑 - 行业/主题指数轮动利用不同指数涨跌节奏和周期错位投资，报告关注低估值轮动和双动量轮动 [30][31] - 低估值轮动选低估值品种投资并定期调整，盈利逻辑是估值均值回归；双动量轮动选时序和截面动量均占优品种投资并定期调整，盈利逻辑是追随市场趋势 [31] 标的池 - 构建步骤：选所有中证行业和主题指数组成指数池，剔除无挂钩 ETF 指数品种，同一指数挂钩多只 ETF 时仅保留资产净值最大的 ETF 品种 [32] 参考标的 - 本期从标的池中筛选出 10 只市盈率最低指数、10 只市净率最低指数、18 只符合双动量策略标准指数，投资者可按对估值或动量因子偏好关注 [33][34] 可转债指数增强 中证转债 VS 中证全指 - 通过中证转债相对中证全指超额收益对比评估可转债投资/配置价值 [37] - 近 6 个月中证转债相对中证全指有超额收益，建议从资产配置角度关注可转债 [40] 偏债性 VS 偏股性 VS 股债均衡 - 按可转债属性分偏债性、偏股性、股债均衡 3 大类，通过不同属性品种相对中证转债超额收益对比识别占优类型 [41] - 3 类可转债近 6 个月不同时间段表现不同，建议后续关注偏股性标的 [42]

科技投资策略的适用性与趋势性出现变革：首先，DeepSeek 的技术突破提振市 场对中国科技实力的信心，推动 A 股和港股 AI 产业链股票估值提升，重塑 相关 科技公司从"价值股"向"成长股"的叙事转变，促使科技投资逻辑从"讲故事"转向"看应用"，建议科技领域组合投资仍然需要重视自上而下和自下而上相 结 合策略。把握更多行业基本面变化和产业链上的大机会；其次，科创投资重视"硬 科技"，公募持仓结构出现变化，科创板成分股持仓占比从 2021年 H1 的 10.31% 持续提升至2023 年 H2的 41.78%；再者，市场情绪以融资余额为代表，投资逻 辑转向左侧布局趋势，人工智能指数融资余额一直呈现出较为稳定 的上升趋势， 在 2024年 Q4 单季度增加314.09 亿元，提升幅度高达48.03%；科技子赛道走 势分化，行业分散化程度有所提高，对过往以"重仓单一行业博得 弹性收益"为 投资策略的基金经理提出来更高的考验，未来科技投资的发展将"从单一领域到 多元新兴领域"，同时对于科技成长主动权益基金的选股能力提 出了更高的要求。 科技成长主动权益产品相较指数产品长期更具配置优势：从历史业绩看，相比于 被动科 ...

量化模型与构建方式 1. **模型名称：宏观择时策略** - **模型构建思路**：基于动态宏观事件因子构建股债轮动策略，通过经济增长和货币流动性两个维度信号确定权益配置比例[26] - **模型具体构建过程**： 1. **经济增长信号**：监测工业增加值、PMI等指标，信号强度为0%时表示经济疲软，50%为中性[26][27] 2. **货币流动性信号**：跟踪SHIBOR、国债收益率等，信号强度50%对应适度宽松[26][27] 3. **权益仓位计算**：综合两维度信号加权得出，4月推荐仓位25%（经济增长0% + 流动性50%）[26][27] - **模型评价**：策略年初收益率1.06%，略低于Wind全A的1.90%，适合稳健配置场景[26][27] 2. **模型名称：微盘股择时模型** - **模型构建思路**：结合交易情绪与基本面指标监控微盘股风险[30] - **模型具体构建过程**： 1. **波动率拥挤度指标**：衡量市场交易情绪，阈值突破触发预警（当前-50.09%低于阈值）[30][31][33] 2. **十年国债利率同比指标**：反映基本面环境，阈值0.3%（当前-28.69%未触发）[30][31][32] 3. **轮动信号**：微盘股/茅指数相对净值上穿243日均线（2024年10月14日触发）[30][34] 模型的回测效果 1. **宏观择时策略**： - 年初至今收益率1.06%[26] - 同期Wind全A收益率1.90%[26] - 4月经济增长信号强度0%，流动性信号强度50%[27] 2. **微盘股择时模型**： - 波动率拥挤度同比-50.09%（安全）[31][33] - 十年国债利率同比-28.69%（安全）[31][32] - 微盘股20日斜率持续为正[34] 量化因子与构建方式 1. **因子名称：八大类选股因子** - **构建思路**：覆盖市值、价值、成长、质量等维度，在不同股票池中测试有效性[37][47] - **具体构建过程**： - **市值因子**：$$LN\_MktCap = \ln(流通市值)$$[47] - **价值因子**：$$BP\_LR = \frac{账面净资产}{市值}$$，$$EP\_FTTM = \frac{预期净利润}{市值}$$[47] - **成长因子**：$$NetIncome\_SQ\_Chg1Y = \frac{单季度净利润同比增速}{}$$[47] - **技术因子**：$$Skewness\_240D = 240日收益率偏度$$[47] 2. **因子名称：转债择券因子** - **构建思路**：通过正股关联指标与转债估值指标筛选标的[41][42] - **具体构建过程**： - **正股一致预期因子**：基于正股目标价收益率构建 - **转债估值因子**：平价底价溢价率 因子的回测效果 1. **选股因子IC均值（上周）**： - 一致预期因子（全部A股）：7.01%[38] - 市值因子（中证1000）：-1.84%[38] - 成长因子（沪深300）：19.41%[38] 2. **转债因子多空收益**： - 正股一致预期因子：正收益[42] - 正股成长因子：正收益[42] 附录：因子分类体系 | 大类因子 | 细分指标示例 | 计算公式参考 | |----------------|-----------------------------|---------------------------| | 价值(↑) | BP_LR | 账面净资产/市值 | | 技术(↓) | Volume_Mean_20D_240D | 20日成交量/240日成交量均值| [47]