2025 年 10 月 29 日 证券研究报告 | 金融工程周报 海外风险缓和，风格切换概率提升 市场环境因子跟踪周报（2025.10.29） 分析师：李亭函 分析师登记编码：S0890519080001 电话：021-20321017 邮箱：litinghan@cnhbstock.com 分析师登记编码：S0890524100001 电话：021-20321081 邮箱：baiyifan@cnhbstock.com 分析师登记编码：S0890524080001 电话：021-20321077 研究助理：张君睿 邮箱：zhangjunrui@cnhbstock.com 021-20515355 1、《止盈意愿上升，风格切换或将持续— 市场环境因子跟踪周报（2025.10.23）》 2025-10-23 2、《假期临近，市场延续震荡—市场环境 因 子 跟 踪 周 报 （ 2025.09.24 ）》 2025-09-24 3、《市场波动加剧，但上行趋势不变—市 场环境因子跟踪周报（2025.09.17）》 2025-09-17 4、《市场陷入震荡，短期难免颠簸—市场 环 境 因 子 跟 踪 周 报 （ 2025. ...

根据研报内容，以下是关于量化模型和因子的详细总结： 量化模型与构建方式 大类资产配置模型 1. **模型名称：股票择时模型**[18] * **模型构建思路**：基于经济增长与流动性宽松两大核心维度，通过宏观因子判断股票市场的上涨或下跌周期，以抓住机会并规避风险[18] * **模型具体构建过程**：从经济增长和流动性宽松两个维度构造四个因子[19]： * **经济增长维度因子**：PMI同比平滑值环比上升、制造业固定资产投资完成额累计同比环比上升、CPI同比平滑值环比上升[19] * **流动性宽松维度因子**：新增中长期贷款最近一年累计值同比环比上升[19] * 根据因子信号进行择时判断 2. **模型名称：债券择时模型**[23] * **模型构建思路**：从货币流动性供给（货币宽松）和需求（信贷需求疲软）的角度进行分析，捕捉债券市场的上涨趋势并尽量避免回撤[23] * **模型具体构建过程**：从货币宽松和信贷需求疲软两个维度构造三个因子[24]： * **货币宽松维度因子**：DR007短期均值低于长期均值、SHIBOR短期均值低于长期均值[24] * **信贷需求疲软维度因子**：社会融资规模存量同比平滑值环比下降[24] * 根据因子信号进行择时判断 3. **模型名称：全天候策略（基于风险预算模型的增强版）**[17][30] * **模型构建思路**：以风险平价模型为基础，结合股票和债券的择时信号，动态调整不同资产的风险预算，在控制风险的前提下增厚投资收益[17][32] * **模型具体构建过程**： * **基础模型**：风险预算模型（风险平价）[30] * 假设资产组合中共有 N 种资产，权重为 $ \omega = [\omega_1, \omega_2, …, \omega_N] $，则组合风险 $ \sigma_p = \sqrt{\omega \Sigma \omega} $，其中 $ \Sigma $ 为协方差矩阵[30] * 每种资产对组合的风险贡献 $ RC_i = \omega_i * (\partial \sigma_p / \partial \omega_i) $[30] * 若给定的风险预算 $ b = [b_1, b_2, …, b_N] $，则优化目标为最小化风险贡献与预算的偏差： $$\begin{array}{c}{{min\sum_{i=1}^{N}\left(R C_{i}-b_{i}*\sigma_{p}\right)^{2}}}\\ {{s.t.\ \sum_{i=1}^{N}\omega_{i}\ =1}}\\ {{0\ \leq\omega_{i}\leq1}}\end{array}$$[30] * **增强过程**：根据股票和债券择时模型得到的信号，对股票和国债的风险预算进行调整（看多时提高，看空时降低），其他资产风险预算保持不变，形成全天候策略的资产权重[32] * **资产选择与配置上限**：选择股票（中证800全收益，上限20%）、国债（中债国债总财富指数，上限80%）、转债（中证转债指数，上限10%）、美股（标普500ETF，上限5%）、信用债（信用债AAA，上限40%）五种资产，利用滚动6年窗口数据估算协方差矩阵[31][33] 风格轮动模型 1. **模型名称：价值成长风格轮动模型**[47] * **模型构建思路**：基于价值与成长风格的周期性轮动特征，从经济景气、宏观流动性、市场情绪三个维度构建综合打分体系，进行月度轮动[47] * **模型具体构建过程**： * **因子构成**：基于三个方面共8个因子进行打分，因子得分为1表示利好成长，得分为0表示利好价值[47][48]： * **经济景气**：投资旺盛（制造业固定资产投资完成额累计同比高于移动平均）、消费强劲（PPI同比平滑值环比上升）[48] * **宏观流动性**：货币宽松（M2同比平滑值环比上升）、社融增长（社融同比平滑值环比上升）、贷款增加（中长期贷款增速同比平滑值环比上升）[48] * **市场情绪**：价值拥挤度高看好成长（成长拥挤度分位点低于价值拥挤度分位点）、市场换手高（大盘换手率短期均值高于长期均值）、两融分位点高（两融余额过去一年分位点高于50）[48] * **决策规则**：每月将各因子分数累加，若总分超过半数（>4），则下月配置成长风格（国证成长指数），否则配置价值风格（国证价值指数）[47][48] 2. **模型名称：大小盘风格轮动模型**[55][56] * **模型构建思路**：基于大小盘风格的周期性轮动特征，从经济景气、宏观流动性、市场情绪三个维度构建综合打分体系，进行月度轮动[55][57] * **模型具体构建过程**： * **因子构成**：基于三个方面共9个因子进行打分，因子得分为1表示利好大盘，得分为0表示利好小盘[56][57]： * **经济景气**：投资旺盛（制造业固定资产投资完成额累计同比环比上升）、消费强劲（PPI同比平滑值环比上升）、黄金走弱（黄金日收益率短期均线低于长期均线）[56] * **宏观流动性**：国债收益率上行（国债收益率短期均线高于长期均线）、信用利差上行（信用利差短期均线高于长期均线）、货币收紧（M1同比平滑值环比下降）[56] * **市场情绪**：大盘动量强于小盘（大盘价格分位点高于小盘）、市场换手低（大盘换手率短期均值低于长期均值）、两融分位点高（两融余额过去一年分位点高于50）[56] * **决策规则**：每月将各因子分数累加，若总分超过半数（>4.5），则下月配置大盘风格（沪深300指数），否则配置小盘风格（中证1000指数）[57] 行业轮动模型 1. **模型名称：行业轮动综合解决方案（四维引擎）**[65] * **模型构建思路**：从宏观经济指标、中观基本面指标、微观技术面指标以及交易拥挤度指标四个维度构建综合打分体系，捕捉行业轮动机会[65] * **模型具体构建过程**：综合四个维度的得分，每期选择综合得分排名前七的行业进行配置[5] 量化因子与构建方式 行业轮动因子 1. **因子名称：宏观因子（用于行业板块轮动）**[67][70] * **因子构建思路**：基于宏观增长与流动性的二阶差分进行象限划分，识别宏观趋势的边际拐点，对应配置不同景气环境下的优势行业板块[67][70] * **因子具体构建过程**： * **经济增长二阶判断**：选取PMI、社会融资规模、制造业固定投资完成额、CPI四个指标的同比数据，计算其环比变化。任一指标环比上升，则判定为"扩张强化/衰退缓解"[70] * **流动性二阶判断**：依据M2增速、10年期国债收益率、信用利差三个指标的二阶差分（环比变化）进行判断。任一指标触发宽松趋势（如M2增速环比上升、收益率或利差环比下降），则判定为"宽松加码/紧缩放缓"[70] * **板块配置逻辑**：根据两个维度的组合（四象限），配置对应受益板块（大金融、中游制造、下游消费、TMT、上游周期）[71][72] 2. **因子名称：基本面因子**[79] * **因子构建思路**：从历史景气、景气变化与景气预期三个部分，基于企业财务信息刻画行业的盈利能力和景气程度[78][79] * **因子具体构建过程**： * **历史景气因子**：使用行业成分股盈利指标的中位数衡量，刻画行业当前盈利水平[79] * **景气变化因子**：使用行业成分股盈利指标中位数的变化（如环比或同比）衡量，刻画行业当前盈利变化情况[79] * **景气预期因子**：使用"行业一致预期利润环比变化"衡量，刻画行业未来盈利预期的变动[79] * **合成方式**：将三个因子合成行业基本面得分[82] 3. **因子名称：技术面因子**[87][89] * **因子构建思路**：使用指数动量、龙头股动量与K线形态三类技术信号，刻画行业的趋势强弱和技术形态[87][89] * **因子具体构建过程**： * **指数动量因子**：使用过去1年行业指数相对全行业均值的超额收益信息比率（IR）衡量，刻画行业指数长期趋势强弱[89] * **龙头股动量因子**：首先定义行业龙头（行业内市值及日均成交额综合排名前10%的股票），然后使用行业龙头股票过去1年收益的夏普比率衡量，刻画行业龙头股票趋势强弱[89][90] * **K线形态因子**： * **单根K线划分**：根据实体宽度（日内涨跌幅）和影线长度，将单根K线划分为24种类型（阳线、阴线各12种）[90][91][92] * **K线聚合**：以日线为基础，连续多根日线聚合成更长期的K线（如周线）[93][94] * **组合形态**：结合3根K线形成关于"价"的组合形态[93][94] * **成交量信息**：考虑"量"的信息，按"最新成交额/成交额均值"将成交量分为放量、正常、缩量三种类型[95] * **形态收益预测**：结合"价"和"量"的信息得到所有可能形态，每月滚动计算每个形态最近3年的信息比率（IR），作为该形态的未来收益预测[95] * **行业得分**：将股票形态得分汇总到对应行业，得到行业K线形态因子得分[95] * **合成方式**：将三个因子合成行业技术面得分[96] 4. **因子名称：拥挤度因子**[100] * **因子构建思路**：从资金和交易角度刻画行业的拥挤度水平，作为左侧逃顶信号，均基于行业最新指标值在历史上的时序分位值度量[100] * **因子具体构建过程**： * **融资流入因子**：基于行业融资流入情况的时序分位值[100] * **换手率因子**：基于行业换手率的时序分位值[100] * **成交占比因子**：基于行业成交占比的时序分位值[100] * **合成方式**：将三个因子取均值，得到行业拥挤度得分[100] 模型的回测效果 大类资产配置模型 1. **股票择时模型**（回测标的：中证800全收益）[21][22] * 全样本年化收益：14.1% * 基准年化收益：5.4% * 超额年化收益：8.7% * 月度胜率：56.7% 2. **债券择时模型**（回测标的：中债国债总净价指数）[25][26] * 全样本年化收益：2.3% * 基准年化收益：1.1% * 超额年化收益：1.1% * 月度胜率：68.3% 3. **全天候策略**[38][39] * 全样本年化收益：6.1% * 风险平价策略年化收益：5.1% * 超额年化收益：1.0% * 最大回撤：2.6% * 夏普比率：2.04 * 月度胜率：51.2% 风格轮动模型 1. **价值成长轮动策略**（基准：国证成长与国证价值指数平均收益）[51][52] * 策略年化收益：9.2% * 基准年化收益：1.7% * 超额年化收益：7.5% * 月度胜率：60.2% 2. **大小盘轮动策略**（基准：沪深300与中证1000指数平均收益）[59][60] * 策略年化收益：9.2% * 基准年化收益：0.1% * 超额年化收益：9.0% * 月度胜率：58.3% 行业轮动模型 1. **行业轮动综合策略**（基准：所有行业等权组合）[5][86] * 策略年化收益：16.0% * 基准年化收益：2.8% * 超额年化收益：13.2% * IC均值：12.3% 因子的回测效果 行业轮动因子（单因子绩效） 1. **宏观因子（行业板块轮动）**[73][74] * 多头组合累计超额收益（2017年以来）：42.9% * 空头组合累计超额收益（2017年以来）：-22.8% * 多空收益差（2017年以来）：65.7% 2. **基本面单因子**（基准：所有行业等权收益）[79][80] * **历史景气因子**：全样本多头组合超额收益5.4%，IC均值6.8% * **景气变化因子**：全样本多头组合超额收益5.8%，IC均值4.1% * **景气预期因子**：全样本多头组合超额收益4.8%，IC均值5.1% 3. **技术面单因子**（基准：所有行业等权收益）[88][89] * **指数动量因子**：全样本多头组合超额收益3.8%，IC均值7.0% * **龙头股动量因子**：全样本多头组合超额收益7.2%，IC均值7.6% * **K线形态因子**：全样本多头组合超额收益6.8%，IC均值5.8% 4. **拥挤度单因子**（基准：所有行业等权收益）[100] * **融资流入因子**：全样本多头组合超额收益-8.1%，IC均值-5.0% * **换手率因子**：全样本多头组合超额收益-8.8%，IC均值-5.8% * **成交占比因子**：全样本多头组合超额收益-8.3%，IC均值-5.9% 行业轮动因子（合成因子策略绩效） 1. **基本面因子行业轮动策略**（选取得分前5行业）[85][86] * 策略年化收益：11.3% * 基准年化收益：2.8% * 超额年化收益：8.5% * IC均值：8.2% * 月度胜率：62.1% 2. **技术面因子行业轮动策略**（选取得分前5行业）[97][99] * 策略年化收益：9.7% * 基准年化收益：2.8% * 超额年化收益：6.9% * IC均值：8.2% * 月度胜率：57.3% 3. **拥挤度因子行业轮动策略**（选取得分前5行业）[100] * （注：研报未直接提供拥挤度合成因子的策略年化收益等综合绩效指标，仅提供了单因子绩效）

证券研究报告：金融工程报告 发布时间：2025-10-27 研究所 分析师:黄子崟 SAC 登记编号:S1340523090002 Email:huangziyin@cnpsec.com 研究助理:李子凯 SAC 登记编号:S1340124100014 Email:lizikai@cnpsec.com 近期研究报告 《上证强于双创调整空间不大，ETF 资 金持续配置金融地产与 TMT 方向——行 业轮动周 20251019》 – 2025.10.20 《预先调整下大盘很难再现四月波动， 融资资金净流出通信——行业轮动周 报 20251012》 - 2025.10.13 《融资资金持续净流入电子，主板趋势 上行前需耐住寂寞——行业轮动周报 20250928》 - 2025.09.28 《指数震荡反内卷方向领涨，ETF 持续 净流入金融地产——行业轮动周报 20250921》 - 2025.09.22 《成长风格占优，小盘股活跃——中邮 因子周报 20250914》 - 2025.09.15 《金融地产获 ETF 持续净流入，连板情 绪偏修复等待合力方向——行业轮动 周报 20250914》 - 2025.09. ...

核心观点 - A股市场当前呈现出“极致的轮动”与“绝对的低波”并存的特征，其背景是行业轮动加速、景气资产稀缺以及增量资金属性变迁 [4] - “极致的轮动”对应考核相对灵活的活跃资金，主要交易主题类、事件驱动类资产，难点在于交易频繁、换手率高 [5] - “绝对的低波”对应市场中长线资金，主要配置强景气趋势资产和红利资产，投资难点分别在于对产业趋势的把握和需要长期主义 [5] - A股市场具有明显的日历效应，为不同资金类型提供了布局时机 [5] - 四季度行业配置建议：活跃资金关注低拥挤度+催化的军工、机器人、软件；中长线资金可继续持有算力、创新药、有色，并在岁末年初增加银行、白电等红利资产配置 [6] 市场交易特征与时代背景 - 自2023年以来，市场行业轮动速度不断加快，行业轮动指数上行，主线行情持续性从2019-2021年的半年到一年左右，降至2023年以后的2个月左右 [13] - 行业轮动加速是流动性推升牛市前期的特点，在四段流动性推升的牛市中均经历了明显的快速轮动期 [14] - 2025年4月以来的市场风格轮动路径为：新消费—创新药、军工—TMT—有色、新能源—红利 [14][16] - 高换手率主动权益公募基金的相对表现在2023年后有明显改善，传统低换手率方式在当下出现逆转 [18] 景气投资与资金属性分析 - 景气投资在过去20年效果显著，但2023年以来景气投资的可选范围明显收窄，业绩增速在30%以上的二级行业数量处在近二十年低位 [20][26] - A股市场转入存量博弈阶段，主动权益公募基金、险资、外资和股票ETF的持股市值规模均在3万亿元左右，势均力敌加剧市场轮动 [27] - 过去两年市场主要的边际增量资金是长周期的险资和杠杆活跃资金，融资余额规模快速提升至2019年以来最高位，融资余额成交额占比升至2022年以来高位 [31] - 居民对股票投资意愿比重中枢从2022年底的13%-14%上升至目前的17%附近，理财到期规模在2025年进入高峰，为居民增量资金打开理论上限 [31][36] 应对工具：拥挤度分析 - 拥挤度是衡量情绪演绎程度和赔率的指标，采用板块成交额占全部A股比重并取移动5日平均计算 [38][41] - 拥挤度在行业层面效果优于宽基指数，对红利资产最为有效，对沪深300等宽基指数效果不佳 [41] - 拥挤度比较的有效时间区间通常为近一年，但在行业逻辑发生重大变化时需拉长时间区间进行比较 [44] - 拥挤度顶部规律：当成交额占比接近前高位置（如近一年分位数达100%），板块情绪进入拥挤状态，性价比回落，对利好钝化、对利空敏感 [57] - 拥挤度底部规律：对于红利资产是充要条件，情绪低到一定程度必有资金配置；对于长期逻辑较强的成长板块（如TMT）可能成为充分条件，底部从15%下方升至20%左右；对于缺乏产业趋势的方向（如新能源车）底部不能有效指引超额收益 [72][73][77] - 拥挤度对港股的指引有效性在增强，恒生科技和港股创新药的拥挤度与超额收益相关系数在2025年提升至0.8附近 [80] 应对工具：日历效应分析 - 日历效应代表胜率，在近几年行情持续度下降的背景下有效性显著提升 [82] - 全年日历效应总结：11月-第二年3月中为资金面主导，成长主题与红利占优；3月中-4月回归基本面定价，绩优股和稳定红利占优；5月-8月主题回暖再回归基本面定价；9月-10月聚焦三季报与休闲食品等特定行业 [85][96][99][103] - 11月-12月中旬和2月-3月中是主题活跃期，2月中证2000、中证1000、中证500的上涨和跑赢概率均在80%以上，风格偏向中小市值和成长主题 [89] - 3月中旬两会结束后30个交易日内，中证红利上涨概率和超额概率上升至70%以上，银行、交运、白电等业绩稳定行业表现较好 [96] - 5月日历效应较强的板块包括半导体、自动化设备、军工电子等贝塔属性较强的弹性方向 [99] - 10月休闲食品表现出较强日历效应，因临近“双十一”和“十一”假期，是传统消费大月 [103] 绝对低波资产分析 - 景气资产的内核跟随时代变迁而变化，可跟踪指标包括产业周期、渗透率、订单等 [31][35][37] - 红利资产在利率中枢下行过程中绝对收益明显，在基本面趋势缺乏区间超额收益显著 [38][41] - 红利策略投资要素包括估值定价、内部轮动和底部择时，红利指数几乎以不变斜率向上，具有明显的拥挤度底部规律 [43][45]

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]