根据研报内容，总结如下： 量化模型与构建方式 1. **模型名称：A股赔率模型**[7][10] * **模型构建思路**：通过计算权益风险溢价（ERP）和债务风险溢价（DRP）的标准化数值，等权合成A股市场的整体赔率指标[7][10] * **模型具体构建过程**：首先分别计算ERP和DRP，然后对这两个指标进行标准化处理，最后将标准化后的数值进行等权加总，得到A股赔率指标[10] 2. **模型名称：宏观胜率评分卡模型**[10] * **模型构建思路**：从货币、信用、增长、通胀和海外五个宏观因素出发，合成得到各大类资产的综合胜率[10][43] * **模型具体构建过程**：报告提及该模型在专题报告中详细设计，本报告未详述具体构建公式，但指出通过中国主权CDS等指标的变化来调整A股胜率[10] 3. **模型名称：债券赔率模型**[9][11] * **模型构建思路**：基于收益预测模型，根据长期和短期债券的预期收益差来构建债券资产的赔率指标[11] * **模型具体构建过程**：报告提及该模型在专题报告《利率债收益预测框架》中详细说明，本报告未详述具体构建公式[11] 4. **模型名称：美联储流动性指数模型**[16][18] * **模型构建思路**：结合数量维度和价格维度，综合构建反映美联储流动性状况的指数[18] * **模型具体构建过程**：报告提及该模型在专题报告《美联储流动性的量价解构与资产配置应用》中详细说明，本报告未详述具体构建公式，但指出指数由净流动性、联储信用支持、预期引导、市场隐含、公告意外等分项构成[17][18] 5. **模型名称：风格因子三标尺评价模型**[19][21][24][27][34] * **模型构建思路**：从赔率、趋势、拥挤度三个维度对风格因子进行综合评价和排名[19][21][24][27][34] * **模型具体构建过程**：对于每个风格因子，分别计算其赔率、趋势和拥挤度指标，并将这三个指标进行标准化（以标准差倍数表示），然后根据一定的规则或权重进行综合打分和排名[19][21][24][27][32][34] 6. **模型名称：行业轮动三标尺模型**[35][36][37] * **模型构建思路**：基于行业的景气度、趋势和拥挤度三个维度构建行业轮动策略[35][36][37] * **模型具体构建过程**：使用行业过去12个月的信息比率（IR）来刻画行业的动量和趋势；使用行业的换手率比率、波动率比率和beta比率来刻画行业的交易拥挤度；再结合景气度指标，对行业进行三维评价[35][36] 7. **模型名称：赔率增强型策略**[40][41] * **模型构建思路**：在目标波动率约束下，根据各资产的赔率指标，持续超配高赔率资产，低配低赔率资产，构建固收+增强策略[40] * **模型具体构建过程**：结合各资产的赔率指标，在目标波动率约束的条件下进行资产配置[40] 8. **模型名称：胜率增强型策略**[43][44] * **模型构建思路**：基于宏观胜率评分卡模型得到的各资产胜率评分，类似赔率增强型策略的构建方法，构建固收+增强策略[43] * **模型具体构建过程**：从货币、信用、增长、通胀和海外五个因素出发获得各资产的宏观胜率评分，据此进行资产配置[43] 9. **模型名称：赔率+胜率增强型策略**[3][40][46] * **模型构建思路**：将赔率策略和胜率策略的风险预算进行结合，构建综合性的资产配置策略[3][40][46] * **模型具体构建过程**：将赔率策略的风险预算和胜率策略的风险预算进行简单相加得到综合得分，据此构建策略[46] 模型的回测效果 1. **赔率增强型策略**[40][42] * 2011年以来年化收益6.7%，年化波动2.3%，最大回撤3.1%，夏普比率2.88[40][42] * 2014年以来年化收益7.5%，年化波动2.2%，最大回撤2.8%，夏普比率3.36[40][42] * 2019年以来年化收益7.0%，年化波动2.2%，最大回撤2.8%，夏普比率3.14[40][42] 2. **胜率增强型策略**[43][45] * 2011年以来年化收益7.2%，年化波动2.4%，最大回撤3.4%，夏普比率3.03[43][45] * 2014年以来年化收益8.1%，年化波动2.3%，最大回撤2.2%，夏普比率3.47[43][45] * 2019年以来年化收益7.0%，年化波动2.2%，最大回撤1.5%，夏普比率3.20[43][45] 3. **赔率+胜率增强型策略**[3][46][48] * 2011年以来年化收益6.8%，年化波动2.3%，最大回撤2.9%，夏普比率2.94[3][46][48] * 2014年以来年化收益7.4%，年化波动2.2%，最大回撤2.3%，夏普比率3.33[3][46][48] * 2019年以来年化收益6.5%，年化波动2.1%，最大回撤2.3%，夏普比率3.02[3][46][48] 4. **行业轮动三标尺模型**[36] * 2011年以来超额收益11.9%，跟踪误差10.8%，最大回撤25.4%，信息比率（IR）1.11[36] * 2014年以来超额收益11.4%，跟踪误差11.5%，最大回撤25.4%，信息比率（IR）0.99[36] * 2019年以来超额收益8.9%，跟踪误差10.3%，最大回撤12.3%，信息比率（IR）0.86[36] 量化因子与构建方式 1. **因子名称：小盘因子**[19][20][34] * **因子构建思路**：通过中证2000指数与沪深300指数的比值或因子累计收益率来表征小盘风格的表现[19][20] * **因子评价**：当前呈现中等赔率-强趋势-低拥挤的特征，配置价值有所修复[19][34] 2. **因子名称：价值因子**[21][23][34] * **因子构建思路**：通过国证价值指数与国证1000指数的比值来表征价值风格的表现[21][23] * **因子评价**：当前呈现高赔率-中等趋势-低拥挤的特征，综合得分较高，建议重点关注[21][34] 3. **因子名称：质量因子**[24][26][34] * **因子构建思路**：通过因子累计收益率来表征质量风格的表现[24][26] * **因子评价**：当前呈现高赔率-弱趋势-中等拥挤的特征，配置价值相对较低，需等待右侧趋势确认[24][34] 4. **因子名称：成长因子**[27][29][34] * **因子构建思路**：通过国证成长指数与国证1000指数的比值来表征成长风格的表现[27][29] * **因子评价**：当前呈现中高赔率-中等趋势-高拥挤的特征，交易风险较高，建议保持谨慎[27][34] 5. **因子名称：低波因子**[30][32][34] * **因子构建思路**：报告提及了基于不同时间窗口（如3个月、12个月）的低波因子[30][32] * **因子评价**：当前低波风格在三标尺综合排名中位居前列，建议重点关注[34] 6. **因子名称：动量因子**[30][32][34] * **因子构建思路**：报告未详述具体构建方法，但将其作为风格因子之一进行分析[30][32] * **因子评价**：横截面来看拥挤度最高，交易风险较高[34] 7. **其他风格因子**[30][32] * **因子名称**：低市净率因子、高股息因子、低市盈率因子、EPS稳定性因子、净利润同比因子、净利润TTM同比因子、ROE因子、ROE_TTM因子、反转因子、低市销率因子、营收同比因子、营收TTM同比因子等[30][32] * **因子构建思路**：报告未详述这些因子的具体构建过程，但将其纳入风格因子三标尺分析框架中进行综合排名[30][32] 因子的回测效果 （报告中未提供单个因子独立的历史回测绩效指标，如IC、IR等，仅提供了当前时点的三标尺状态和综合排名）[19][21][24][27][32][34]

基金仓位监控 - 普通股票型基金仓位中位数为91.98%，偏股混合型基金仓位中位数为91.33%，较上一季度有所提升 [1][6] - 普通股票型基金仓位处于历史98.41%分位点，偏股混合型基金仓位处于历史100%分位点，为历史高位 [1][6] - 普通股票型和偏股混合型基金的港股仓位均值分别为13%和17.11%，均较上一季度小幅提升 [1][11] - 配置港股的基金数量占比为59.55%，自2019年以来稳步提升 [1][9] 基金持股集中度监控 - 基金重仓股占权益配置比重为54.96%，上一期为52.46%，集中度明显提升 [1][10] - 基金经理总体持股数量为2377只，上一期为2507只，持股数量减少表明持仓股票差异降低 [1][10] 板块配置监控 - 2025年三季报主板配置权重为47.54%，创业板为19.29%，科创板为13.91%，港股为19.26% [1][21] - 主板权重较上一季度明显降低，创业板和科创板权重明显提升，港股权重略有降低 [1][21] - 科技板块配置权重大幅加仓12.97%，最新权重达50.51%，为2010年以来历史最高水平 [1][24] - 消费和金融板块分别减仓6.08%和3.48%，目前均处于2010年以来历史最低配置水平 [1][24] 行业配置监控 - 配置权重最高的三个行业为电子、电力设备及新能源、医药，权重分别为23.93%、10.27%和9.81% [1][26] - 主动加仓最多的三个行业为通信、计算机、电子，分别加仓2.93%、1.97%和1.85% [1][27] - 主动减仓最多的三个行业为银行、家电、国防军工，分别减仓1.77%、1.14%和0.79% [1][27] - 在港股配置中，非日常生活消费品和信息技术行业权重最高，分别为21.7%和19.68% [28][29] 个股配置监控 - 绝对市值配置最高的三只股票为宁德时代、腾讯控股、新易盛，配置绝对市值分别为740亿元、682亿元和559亿元 [1][31] - 配置市值比最高的三只股票为荣昌生物、诺诚健华-U、航天南湖 [31] - 个股主动加仓最多的三只股票为工业富联、阿里巴巴-W、中际旭创 [34] - 个股主动减仓最多的三只股票为胜宏科技、美的集团、小米集团-W [34] 绩优基金与百亿基金行业配置 - 绩优基金配置最高的三个行业为电子、通信、计算机，配置权重分别为41.18%、38.25%和8.57% [1][35] - 百亿规模基金配置最高的三个行业为电子、医药、食品饮料，配置权重分别为26.6%、13.97%和11.41% [1][35] - 绩优基金行业配置相对集中，百亿规模基金行业配置相对分散 [35] - 绩优基金主动增仓最多的行业为计算机，增仓4.65%；主动减仓最多的行业为电子，减仓5.41% [36] - 百亿规模基金主动增仓最多的行业为通信，增仓6.21%；主动减仓最多的行业为交通运输，减仓1.33% [36][37]

根据提供的金融工程季度报告内容，该报告主要对公募基金的持仓进行监控和统计分析，并未涉及传统的量化投资模型（如多因子模型、风险模型）或量化因子的构建、测试与评价。报告的核心是描述性统计，而非预测性或解释性的量化模型/因子。 报告内容主要集中在以下几个方面，均属于监控指标而非量化模型/因子： 基金持仓监控指标与构建方式 1. **指标名称**：基金持股集中度[18] * **构建思路**：用于衡量基金经理持仓是集中还是分散的趋势[18] * **具体构建过程**：计算所有主动权益基金在某个截面时点（如季度末）的十大重仓股市值占其全部权益投资市值的比例，然后取该比例的中位数作为市场整体的持股集中度指标[18] 2. **指标名称**：基金经理群体持股一致性[18] * **构建思路**：用于衡量基金经理群体在选股上的观点是趋同还是分化[18] * **具体构建过程**：统计在某个截面时点上，所有主动权益基金持有的不同股票的总数量。持有股票数量越少，说明基金经理群体的持股一致性越高，分化度越低[18] 3. **指标名称**：行业主动增减仓[33][34] * **构建思路**：剥离行业涨跌带来的被动权重变化，反映基金经理主动调整行业配置的行为[33][34] * **具体构建过程**： 1. 获取上一个季报披露的行业配置权重 \(w_{t-1}\)[33][34] 2. 获取该行业在当前季度的涨跌幅 \(ind_{ret}\)（使用中信一级行业指数计算）[33][34] 3. 计算经涨跌幅调整后的上一季度行业权重：$$w_{t-1}^{{}^{\prime}}\;=\;w_{t-1}\;*\;(1\;+\;i n d_{r e t})$$[33][34] 4. 将所有行业的 \(w_{t-1}^{'}\) 进行截面归一化处理 5. 用当前季度的行业配置权重减去归一化后的调整权重，得到行业主动增减仓的百分比[33][34] 4. **指标名称**：个股主动加减仓市值[39][40] * **构建思路**：剥离个股价格涨跌带来的持股市值被动变化，反映基金经理对个股的主动交易行为[39][40] * **具体构建过程**： 1. 获取上一个季报披露的基金持有某只股票的市值 \(val_{t-1}\)[39][40] 2. 获取该个股在当前季度的涨跌幅 \(stk_{ret}\)[39][40] 3. 计算经涨跌幅调整后的上一季度持股市值：$$v a l_{t-1}^{\prime}\,=\,v a l_{t-1}\,*\,(1\,+\,s t k_{r e t})$$[39][40] 4. 用当前季度持有该股票的市值减去调整后的上一季度市值 \(val_{t-1}^{'}\)，得到个股主动加减仓的市值金额[39][40] 基金持仓监控指标的统计结果 1. **基金持股集中度**：2025年三季度为54.96%，上一期（2025年二季度）为52.46%[18] 2. **基金经理群体持股一致性**：2025年三季度总体持股数量为2377只，上一期（2025年二季度）为2507只[18] 3. **行业主动增减仓（2025年三季度）**： * 主动加仓最多的三个行业：通信（+2.93%）、计算机（+1.97%）、电子（+1.85%）[34] * 主动减仓最多的三个行业：银行（-1.77%）、家电（-1.14%）、国防军工（-0.79%）[34] 4. **个股主动加减仓市值（2025年三季度）**： * 主动加仓市值最多的三只股票：工业富联（+290亿元）、阿里巴巴-W（+162亿元）、中际旭创（+124亿元）[42] * 主动减仓市值最多的三只股票：胜宏科技（-142亿元）、美的集团（-91亿元）、小米集团-W（-87亿元）[42]

报告行业投资评级 未提及相关内容 报告的核心观点 - 本期市场成交热度下降，偏股基金发行边际抬升，融资资金流入加速，外资小幅流出A股与港股 [1][5] 根据相关目录分别进行总结 市场定价状态：成交热度边际有所下降 - 市场情绪下降，交易换手率降低，全A日均成交额降至1.8万亿，日均涨停家数升至73.2家，最大连板数为7个，封板率升至78.6%，龙虎榜上榜家数降至59家 [5] - 赚钱效应上升，个股上涨比例提升至81.2%，全A个股周度收益中位数升至3.1% [5] - 交易集中度下降，行业交易集中度回落，换手率历史分位数处于90%以上的行业有4个，煤炭、石油石化2个行业换手率处于95%以上 [5] A股流动性跟踪：本期偏股基金新发行边际抬升，融资资金加速 - 公募：新成立偏股型基金份额升至121.54亿，各类公募基金股票较上期减仓 [33][36] - 私募：10月私募信心指数小幅下降，仓位持续逼近年内最高（截至10/17） [5][38] - 外资：小幅流出1.2亿美元，主动外资流入0.16亿美元（截至10/22），北向资金成交占比历史分位数升至38.7% [5] - 产业资本：本期IPO首发募集25.4亿元，定增规模为211.51亿元，限售股解禁规模487.6亿元 [5] - ETF：被动资金骤转为净流出147.0亿元，被动成交占比环比降至6.9%，股票ETF溢折率有所下降 [5] - 融资：本期净买入210.9亿元，成交额占比降至11% [5] - 龙虎榜：龙虎榜净买入额边际上升，机械设备、电子和电力设备为龙虎榜行业前三 [5][77][97] - 散户：另类指标显示本期散户活跃度边际抬升 [5] A股资金行业配置跟踪：偏好科技与周期，内外资共同加码电子 - 外资：明显流入电子（+29.0百万美元）、有色金属（+47.3百万美元）等行业，明显流出食品饮料（-15.3百万美元）、交通运输（-13.2百万美元）等行业（截至10/22） [5][84][86] - ETF：一级行业非银（+7.7亿元）净流入居前，二级行业中证券/中药净流入居前；电力设备（-45.2亿元）/电子（-32.4亿元）净流出居前，二级行业中电池/半导体净流出居前 [5] - 融资：流入电子（+82.3亿元）、通信（+34.2亿元）居前，有色金属（-14.3亿元）净流出（截至10/23） [5] - 龙虎榜资金：机械设备、电子和电力设备为龙虎榜行业前三 [5][97][102] 港股与全球流动性跟踪：南下资金放缓，外资边际流入非美发达市场 - 市场表现：本期恒生指数收涨3.6%，全球主要市场全线上涨，韩国综指（+5.1%）涨幅居前 [5] - 港股流动性：南下资金单周净买入升至172.8亿元，处2022年以来59%分位（MA5） [5] - 全球外资流动：本期全球外资边际流入非美发达市场，英国（+10.1亿美元）和法国（+5.5亿美元）获流入居前，美国（-1.32亿美元）继续流出 [5]

因子选择策略 - 因子选择方法结合宏观量化观点与因子动量，对共振因子进行重点配置，非共振因子则根据其属性（市值/基本面或价量/分析师预期）分别参考宏观结果或因子动量结果[1] - 当前宏观维度修正后方向为经济好转、流动性偏弱和信用宽松，因子选择标准为对经济敏感、对流动性不敏感、对信用敏感[1] - 沪深300指数中，成长、低波动率、分析师预期等因子在2025年多个时间段内被选中；中证500指数中，成长、盈利、低波动率等因子持续被选中；中证1000指数中，成长、低波动率、小市值等因子表现突出[2] - 2025年9月，沪深300中的成长因子维持强势，盈利和分析师预期因子表现出色，中证500中的成长因子也表现优异[3] 宏观经济前瞻指标 - 经济前瞻指标模型显示2025年10月处于底部拐点，预计未来3个月小幅上行，随后进入平台期，本轮上行时间较上月预测有所延长[5] - 2025年9月PMI和PMI新订单指标分别为49.8和49.7，相比上月有所上升，经济前瞻指标位于2025年9月以来的上升周期中[5] - 多项领先经济指标处于上升周期：固定资产投资完成额累计同比、粗钢产量当月同比、挖掘机产量当月同比、工业企业利润总额累计同比、社会消费品零售总额当月同比均位于上升周期[5] - 产量:粗钢:当月同比指标位于2025年6月以来的上升初期，预计持续上行至2026年4月达到顶部；金融机构新增人民币贷款居民户短期指标位于2025年5月以来下降周期的底部，预计未来开始上升；M2同比指标位于7月以来的下降周期初期，预计未来3月小幅上行后继续下降[8] - 社会消费品零售总额当月同比指标位于9月以来的上升周期初期，未来继续上升[9] - PMI新订单指标位于2025年9月以来的上升周期初期，预计2025年12月达到顶部；固定资产投资完成额累计同比位于2025年9月以来上升周期初期，预计12月达到峰值[10] 流动性环境分析 - 流动性判断基于利率水平、货币净投放和超储率，综合信号为-3~3的整数，数值越大越紧缩[11] - 2025年9月利率信号转向偏紧（综合信号为1），但货币净投放维持偏松（0.71），超储率高于历史同期（1.22%），综合流动性指标维持略偏松[12] - 2025年7月和8月的综合流动性信号均为1，显示略偏松环境[12] 信用状况评估 - 信用指标分为价格、总量和结构三个维度，当前信用价格指标偏宽松（信号为1），信用总量指标中性偏正（信号为0.5），信用结构指标偏弱（信号为-1）[15] - 综合信用指标小幅正向，但信用总量指标本月重新回落，信用结构各细分指标均偏弱[15] 大类资产配置观点 - 当前经济上行、流动性偏紧、信用较好的环境下，债券观点转弱，黄金因动量强势进行顶格配置（权重20%），A股配置略有降低（权重59.36%）[16] - 大类资产配置中，A股中性偏多，黄金偏多，商品偏空，债券偏空，美股中性[16] 市场关注点变化 - 通过Factor Mimicking模型跟踪市场关注点，2023年以来信用和通胀关注度较高，去年924行情以来流动性持续为最受关注变量[17] - 近期经济和PPI相关关注度持续回升，2025年9月末经济关注度已经超越流动性，进入交替期[17] 行业配置策略 - 结合经济上行、流动性偏紧、信用乐观的宏观环境，行业选择倾向于对经济敏感、对流动性不敏感、对信用敏感的行业[19] - 对经济最敏感的行业包括公用事业、煤炭、综合；对流动性最不敏感的行业包括美容护理、银行、食品饮料；对信用最敏感的行业包括传媒、有色金属、家用电器[19] - 综合得分最高的行业包括公用事业、家用电器、轻工制造、美容护理、建筑材料、银行[19] - 本期行业选择成长属性明显下降，防御属性和消费属性提升，均衡程度较高[20]

根据研报内容，以下是关于量化模型和因子的总结： 量化模型与构建方式 1. 模型名称：A股赔率模型 - **模型构建思路**：基于股权风险溢价（ERP）和股息风险溢价（DRP）的标准化数值等权计算A股赔率，以衡量A股资产的估值吸引力[10] - **模型具体构建过程**：首先计算ERP和DRP，然后对这两个指标进行标准化处理，最后将标准化后的数值进行等权加总得到综合赔率指标[10] 2. 模型名称：宏观胜率评分卡模型 - **模型构建思路**：从货币、信用、增长、通胀和海外五个宏观因素出发，合成得到各资产的综合胜率指标[10][42] - **模型具体构建过程**：基于五个宏观因子构建评分体系，综合评估各类资产的胜率表现[10][42] 3. 模型名称：债券赔率模型 - **模型构建思路**：根据长短债预期收益差构建债券资产赔率指标，衡量债券市场的估值水平[11] - **模型具体构建过程**：使用利率债收益预测框架，基于长短债的预期收益差异来构建赔率指标[11] 4. 模型名称：美联储流动性指数模型 - **模型构建思路**：结合数量维度和价格维度构建美联储流动性指数，用于评估市场流动性状况[15] - **模型具体构建过程**：从联储负债端存款准备金、净流动性、联储信用支持、预期引导、市场隐含、公告意外等多个维度综合构建流动性指数[16] 5. 模型名称：行业轮动三维评价模型 - **模型构建思路**：基于趋势-景气度-拥挤度三维评价体系进行行业轮动配置[34][36] - **模型具体构建过程**：使用行业过去12个月信息比率刻画行业动量和趋势，以行业的换手率比率、波动率比率和beta比率刻画行业的交易拥挤度，结合景气度指标形成三维评价体系[34] 6. 模型名称：赔率+胜率增强型策略 - **模型构建思路**：结合各资产的赔率与胜率策略的风险预算，在目标波动率约束的条件下构建资产配置策略[3][39][45] - **模型具体构建过程**：将赔率策略的风险预算和胜率策略的风险预算进行简单相加得到综合得分，据此进行资产配置权重调整[45] 量化因子与构建方式 1. 因子名称：价值因子 - **因子构建思路**：基于价值风格的三标尺（赔率、趋势、拥挤度）进行综合评价[19][22] - **因子具体构建过程**：从赔率、趋势和拥挤度三个维度对价值风格进行量化评分，赔率回升至0.9倍标准差，趋势位于-0.3倍标准差，拥挤度处于-1.4倍标准差的较低水平[19][22] 2. 因子名称：小盘因子 - **因子构建思路**：基于小盘风格的三标尺进行综合评价[20][23] - **因子具体构建过程**：小盘因子的赔率处于-0.2倍标准差（中性水平），趋势位于1.6倍标准差（极高水平），拥挤度回落至-0.5倍标准差（中低水平）[20][23] 3. 因子名称：质量因子 - **因子构建思路**：基于质量风格的三标尺进行综合评价[24][26] - **因子具体构建过程**：质量风格赔率当前位于1.4倍标准差，拥挤度处于-0.5倍标准差的较低水平，趋势处于-1.2倍标准差的较低水平[24][26] 4. 因子名称：成长因子 - **因子构建思路**：基于成长风格的三标尺进行综合评价[27][29] - **因子具体构建过程**：成长因子趋势回升至0.1倍标准差的中等水平，赔率位于0.8倍标准差，拥挤度升至1.0倍标准差[27][29] 模型的回测效果 1. 赔率+胜率增强型策略 - 2011年以来年化收益7.0%，最大回撤2.8%[3][45] - 2014年以来年化收益7.6%，最大回撤2.7%[3][45] - 2019年以来年化收益7.2%，最大回撤2.8%[3][45] 2. 赔率增强型策略 - 2011年以来年化收益6.6%，最大回撤3.0%[39][41] - 2014年以来年化收益7.5%，最大回撤2.4%[39][41] - 2019年以来年化收益7.0%，最大回撤2.4%[39][41] 3. 胜率增强型策略 - 2011年以来年化收益7.0%，最大回撤2.8%[42][44] - 2014年以来年化收益7.7%，最大回撤2.3%[42][44] - 2019年以来年化收益6.3%，最大回撤2.3%[42][44] 4. 行业轮动三维评价模型 - 2011年以来超额表现13.1%，跟踪误差11.0%，最大回撤25.4%，信息比率1.18[35] - 2014年以来超额表现13.0%，跟踪误差12.0%，最大回撤25.4%，信息比率1.08[35] - 2019年以来超额表现10.8%，跟踪误差10.7%，最大回撤12.3%，信息比率1.02[35] 因子的回测效果 1. 价值因子 - 赔率：0.9倍标准差[19][22] - 趋势：-0.3倍标准差[19][22] - 拥挤度：-1.4倍标准差[19][22] - 综合得分：3分[19] 2. 小盘因子 - 赔率：-0.2倍标准差[20][23] - 趋势：1.6倍标准差[20][23] - 拥挤度：-0.5倍标准差[20][23] - 综合得分：2.2分[20] 3. 质量因子 - 赔率：1.4倍标准差[24][26] - 趋势：-1.2倍标准差[24][26] - 拥挤度：-0.5倍标准差[24][26] - 综合得分：0.6分[24] 4. 成长因子 - 赔率：0.8倍标准差[27][29] - 趋势：0.1倍标准差[27][29] - 拥挤度：1.0倍标准差[27][29] - 综合得分：0.1分[27]

市场趋势分析 - 市场继续运行在上行趋势格局 短期均线6157点位于长期均线5422点之上 两线差值由上周13.19%扩大至13.57% 显著高于3%的阈值 [2][8][15] - WIND全A指数赚钱效应为0.87% 仍处于正值区间 中期增量资金有望持续入场 [2][8][15] - 中美领导人通话事件可能推动风险偏好上行 但需持续观察赚钱效应转负信号 [2][8][15] 指数表现与行业动向 - WIND全A指数上周微跌0.18% 中证2000微跌0.02% 中证500上涨0.32% 沪深300下跌0.44% 上证50下跌1.98% [1][9] - 电力设备及新能源行业上涨3.61% 煤炭板块资金流入明显 银行行业下跌4.09% [1][9] - 行业配置聚焦困境反转型板块 港股创新药和贵金属板块重新获关注 科创新能源与化工板块受益政策驱动 [2][8][15] 估值与仓位建议 - WIND全A指数PE估值处于85分位点 PB估值处于50分位点 属中等水平 [3][11] - 绝对收益产品建议仓位维持80% 结合短期趋势与估值分位数综合判断 [3][11] - TWO BETA模型持续推荐科技板块 算力与消费电子为重点关注领域 [2][8][15]

市场趋势与择时信号 - 市场整体运行在上行趋势格局，Wind全A短期均线(20日)收于6087点，长期均线(120日)收于5378点，两线差值由上周的12.15%扩大至13.19%，显著高于3%的阈值[2][3][8][9][14] - 赚钱效应为1.9%，处于正值区间，中期增量资金有望持续入场，建议在赚钱效应转负前耐心持有[2][3][8][10][14] - 下周进入美联储议息窗口期，市场可能因利好兑现出现反复震荡，波动率预计明显上升[2][3][8][14] 市场表现与行业动向 - 上周Wind全A指数上涨2.12%，中证2000上涨2.16%，中证500上涨3.38%，沪深300上涨1.38%，上证50上涨0.89%[1][9] - 电子行业表现最强，上涨5.98%，房地产和农业资金流入明显，银行行业下跌0.64%[1][9] - 行业配置中期推荐困境反转型板块（如港股创新药）、政策驱动板块（化工、科创新能源），科技板块中关注算力和电池[2][3][8][10][14] - 军工板块若出现明显缩量，可视为短期买点[2][3][8][14] 估值水平与仓位建议 - Wind全A指数PE位于85分位点（历史较高水平），PB位于50分位点（中等水平），整体估值属中等[3][10] - 绝对收益产品建议仓位提升至80%，基于短期趋势和估值水平综合判断[3][10]

市场趋势与择时信号 - WIND全A指数短期均线（20日）收于5992点，长期均线（120日）收于5343点，两线差值由上周10.81%扩大至12.15%，显著高于3%阈值，市场维持上行趋势格局[2][4][10] - 赚钱效应值为1%（前值4.2%），虽位于临界位置但仍为正，在转负前建议耐心持有[2][4][9] - 美联储降息预期升温推动全球风险偏好提升，但市场波动率明显上升，部分板块波动巨大[2][4][17] 行业表现与资金流向 - 上周中证2000下跌1.72%，中证500下跌1.85%，沪深300下跌0.81%，上证50下跌1.15%[1][10] - 电力设备新能源行业上涨5.91%，有色板块表现较强；国防军工下跌11.61%，计算机板块表现较弱[1][10] - 商贸零售行业资金流入明显[1] 行业配置建议 - 中期推荐困境反转型板块：港股创新药、证券保险，上行趋势延续[3][4][11] - 政策驱动板块：化工、有色及科创新能源有望保持上行[3][4][17] - TWO BETA模型推荐科技板块，重点关注消费电子和算力领域[3][4][11] - 短期因风控指标临界，建议调整部分持仓至红利板块防御[3][4][9] 估值水平与仓位建议 - WIND全A指数PE位于85分位点（高估值区间），PB位于50分位点（中等估值水平）[3][11] - 绝对收益产品建议仓位维持80%，结合短期趋势与估值水平综合判断[3][11]

宏观量化配置框架回顾 - 构建结合经济、流动性、信用和通胀的宏观量化框架 应用于大类资产配置、行业和风格配置 [1] - 通过主成分分析发现经济和流动性是影响股票、债券、商品等大类资产共同波动的前两大因素 构建经济+流动性时钟模型 [1] - 激进型组合2013年以来年化收益8.5% 较基准超额0.6% 2022年前超额1.6% 2022年出现明显回撤 [3] - 2022年回撤主要源于权益快速下跌期间流动性宽松对组合形成拖累 [5] - 行业配置引入factor mimicking市场关注点模型 根据关注点决定不同维度敏感性权重 [5] - 宏观行业组合2019-2021年表现突出 2022年以来表现偏弱 降低行业选择数量可跑赢中证500和行业等权 [7] - 风格配置选择十大类因子中每月得分前三的因子 构建宏观因子组合和因子共振组合 [10] - 宏观方法在2021-2022年对风格因子筛选贡献明显 2023年底至2024年上半年出现明显回撤 [12] 回撤来源分析 - 回撤来源包括定量宏观判断指标有效性降低、市场受情绪资金等因素驱动、宏观指标与市场预期存在背离 [13] - 2020年后宏观事件影响增多 市场博弈增加 宏观数据与市场预期背离情况频发 [14] - 2022年下半年经济前瞻指标从底部回升但市场持续担忧疫情影响 权益表现偏弱 [14] - 2022年11月-2023年4月长债收益率上行但市场预期政策宽松 权益表现较好 [16] - 2022-2023年信用指标转好但市场更关注结构问题 多数时候保持悲观 [16] - 宏观数据与市场预期背离导致模型判断与市场表现错位 对组合形成拖累 [18] 市场预期修正方案 - 通过Factor Mimicking方法构建宏观变量代理组合 使用128只股票覆盖30个申万一级行业和97个二级行业 总市值28.3亿元占A股1/3 [19] - 选择工业增加值同比、10年期国债收益率、CPI同比、PPI同比、社融同比增速作为五大宏观变量 [19] - 组合构建流程包括计算超额收益矩阵、提取主成分、Lasso回归投影、求解特定暴露组合 [20] - 经济变量拟合效果偏弱但关键区间方向与市场观点匹配 其他变量拟合程度较好 [21][23] - 信用组合能较好反映市场观点 2022年以来信用总量改善但结构偏弱被市场视为信用偏弱信号 [25] - 通过组合收益与12个月均线比较得到市场隐含的宏观变量方向 [27] - 经济维度使用一致预测ROE和净利润增速月度变化构建修正指标 超过±1%视为观点变化 [29] - 流动性维度使用全市场日均换手率、收益靠前行业成交占比、换手提升行业占比构建微观流动性指标 [30][31] - 信用维度主要使用Factor Mimicking组合的隐含观点 [33] - 修正规则核心是当市场隐含预期与宏观数据明显背离时采用市场预期进行修正 [37] 修正观点应用效果 - 经济择时年化收益5.06% 修正后降至4.14% 流动性择时年化收益1.10% 修正后升至1.95% 信用择时年化收益4.33% 修正后升至7.27% [39] - 资产配置修正组合年化收益8.63% 较原经济+流动性组合8.52%略有提升 但受权益仓位限制和跨资产观点偏差影响提升有限 [40][41] - 行业配置修正组合年化收益7.96% 较原宏观行业组合3.67%显著提升 2024年信用悲观和经济数据偏差修正带来正向贡献 [45][46] - 中证500修正后指数增强年化收益14.38% 较原组合12.24%提升明显 沪深300修正后年化收益9.33% 较原组合8.57%提升 [52] - 中证1000修正后年化收益17.96% 较原组合17.62%略有提升 主要因修正数据基于中证800成分股 [52] - 2024年二季度以来信用修正指标持续偏弱 组合降低成长配置 有效匹配市场实际表现 [53] - 修正观点在2020年后宏观数据与市场预期背离场景中能有效降低回撤 增强配置表现 [54]