量化模型与构建方式 1. **模型名称：A股技术打分模型**[2][9] * **模型构建思路**：通过挖掘技术面信息来刻画市场状态，并基于对当前状态的理解形成对未来走势的打分观点[2][9] * **模型具体构建过程**： 1. 将“市场状态”细分为价格、量能、波动、趋势和拥挤五个维度[9] 2. 在每个维度内筛选出有效的市场观测指标，共10个[9] 3. 每个指标独立发出多空择时信号[9] 4. 将10个指标的择时信号进行等权投票，综合形成一个介于-1至+1之间的打分结果[9] 5. 根据打分结果制定多空策略：得分 > +0.33时看多，得分在-0.33至+0.33之间时看平，得分 < -0.33时看空[11] 2. **模型名称：红利风格择时模型**[3][16] * **模型构建思路**：结合多个维度的趋势指标，对红利风格（以中证红利指数相对中证全指的收益率衡量）进行多空择时[3][16] * **模型具体构建过程**： 1. 选取三个择时指标： * 中证红利相对中证全指的动量（正向指标）[19] * 10Y-1Y期限利差（负向指标）[19] * 银行间质押式回购成交量（正向指标）[19] 2. 每个指标从趋势维度日频发出信号，取值为0（看平）、+1（看多）、-1（看空）[16] 3. 将三个维度的得分求和，根据其正负性作为最终多空观点[16] 4. 当模型看好红利风格时，全仓持有中证红利指数；不看好时，全仓持有中证全指[16] 3. **模型名称：大小盘风格择时模型**[3][20] * **模型构建思路**：采用基于拥挤度分域的趋势模型进行择时，在不同拥挤度区间采用不同参数的趋势跟踪策略[3][20] * **模型具体构建过程**： 1. **计算拥挤度**：以沪深300指数代表大盘，万得微盘股指数代表小盘[20] * **动量得分**：计算小盘与大盘的10/20/30/40/50/60日动量之差，再计算各窗长动量之差在3.0/3.5/4.0/4.5/5.0年历史分位数的均值。对6个窗长下分位数最高的3个结果取均值作为小盘动量得分，分位数最低的3个结果取均值作为大盘动量得分[25] * **成交量得分**：计算小盘与大盘的10/20/30/40/50/60日成交额之比，再计算各窗长成交额之比在3.0/3.5/4.0/4.5/5.0年历史分位数的均值。对6个窗长下分位数最高的3个结果取均值作为小盘成交量得分，分位数最低的3个结果取均值作为大盘成交量得分[25] * **拥挤度得分**：将小盘（大盘）的动量得分和成交量得分取均值，得到小盘（大盘）拥挤度得分。小盘拥挤度得分大于90%视为触发高拥挤，大盘拥挤度得分小于10%视为触发高拥挤[25] 2. **判断运行区间**：若最近20个交易日中，小盘或大盘风格曾触发过高拥挤，则模型运行在高拥挤区间，否则运行在低拥挤区间[22] 3. **趋势择时**：在高拥挤区间，采用参数较小的双均线模型以应对可能的风格反转；在低拥挤区间，采用参数较大的双均线模型以跟踪中长期趋势[22] 4. **模型名称：遗传规划行业轮动模型**[4][28] * **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，不再依赖人工设计打分规则，以构建行业轮动策略[4][32] * **模型具体构建过程**： 1. **因子挖掘**：使用双目标遗传规划（NSGA-II算法）对底层输入变量进行挖掘[32]。底层变量包括收盘价、开盘价、最高价、最低价、成交额、换手率、市净率等原始值、标准化值及分位数[37] 2. **因子评价**：同时使用|IC|（信息系数绝对值）和NDCG@5两个目标来评价因子的分组单调性和多头组表现，旨在挖掘出兼具单调性和优秀多头表现的因子[32] 3. **因子合成**：对挖掘得到的备选因子，结合贪心策略和方差膨胀系数（VIF），将共线性较弱的多个因子合成为行业综合得分[34] 4. **组合构建**：模型周频调仓，每周末选出多因子综合得分最高的五个行业进行等权配置[4][28] 5. **模型名称：中国境内全天候增强组合**[5][39] * **模型构建思路**：采用宏观因子风险预算框架，在四象限风险平价的基础上，基于宏观预期动量的观点主动超配看好的象限，以实现风险分散下的收益增强[5][39] * **模型具体构建过程**： 1. **宏观象限划分与资产选择**：选择增长和通胀两个宏观维度，根据是否超预期划分为四个象限（增长超预期、增长不及预期、通胀超预期、通胀不及预期）。结合定量与定性方式确定各象限适配的资产[42] 2. **象限组合构建与风险度量**：在每个象限内，将适配的资产等权构建子组合，并注重刻画象限的下行风险[42] 3. **风险预算与主动超配**：每月底，根据由“宏观预期动量指标”给出的“象限观点”来调整各象限的风险预算，从而主动超配看好的象限，实现策略增强[42] 量化因子与构建方式 1. **因子名称：技术面观测指标（10个）**[9][14] * **因子构建思路**：从价格、量能、波动、趋势、拥挤五个维度选取有效的技术指标，用于刻画市场状态[9] * **因子具体构建过程**：报告中列出了10个具体指标，包括： * **价格维度**：20日布林带、20日价格乖离率[14] * **量能维度**：20日换手乖离率、60日换手乖离率[14] * **趋势维度**：20日ADX、20日新高天数占比[14] * **波动维度**：60日换手率波动、期权隐含波动率[14] * **拥挤维度**：成分股涨停家数占比5日平均、期权持仓量PCR-5日平均[14] 2. **因子名称：遗传规划挖掘的权重最高因子**[37][38] * **因子构建思路**：通过双目标遗传规划算法从量价数据中自动挖掘出的有效行业轮动因子[37] * **因子具体构建过程**： 1. 在截面上，用全体行业标准化日度成交额对当日跳空缺口开展带有常数项的一元线性回归，取残差，记作变量A[38] 2. 在过去9个交易日中，取标准化日度成交额最大的交易日索引，记作变量B[38] 3. 在过去50个交易日中，将变量A和B开展时序回归取截距项，记作变量C[38] 4. 计算过去45个交易日变量C和标准化月度开盘价的协方差，作为因子值[38] * **因子表达式**：`ts_covariance_torch(ts_regalpha_torch(xs_regres_torch(volume_st, jump_gap), ts_argmax_torch(volume_st, 9), 50), mopen_st, 45)`[37] 模型的回测效果 （回测区间：2010-01-04 至 2026-01-23，除非特别说明） 1. **A股技术打分模型**，年化收益20.78%，年化波动17.32%，最大回撤-23.74%，夏普比率1.20，Calmar比率0.88[15] 2. **红利风格择时模型**（回测区间：2017-01-03 至 2026-01-23），年化收益16.82%，最大回撤-25.52%，夏普比率0.92，Calmar比率0.66，YTD收益7.46%，上周收益1.77%[17] 3. **大小盘风格择时模型**（回测区间：2017-01-03 至 2026-01-23），年化收益28.46%，最大回撤-32.05%，夏普比率1.19，Calmar比率0.89，YTD收益11.85%，上周收益5.25%[26] 4. **遗传规划行业轮动模型**（回测区间：2022-09-30 至 2026-01-23），年化收益32.92%，年化波动17.43%，夏普比率1.89，最大回撤-19.63%，卡玛比率1.68，上周表现3.37%，YTD收益6.80%[31] 5. **中国境内全天候增强组合**（回测区间：2013-12-31 至 2026-01-23），年化收益11.93%，年化波动6.20%，夏普比率1.92，最大回撤-6.30%，卡玛比率1.89，上周表现1.54%，YTD收益3.59%[43] 因子的回测效果 （回测区间：2010-01-04 至 2026-01-23，起始日期不同者已标注） 1. **20日价格乖离率**，年化收益13.24%，年化波动23.52%，最大回撤-42.04%，夏普比率0.56，Calmar比率0.32[15] 2. **布林带**（回测起始：2015-04-09），年化收益14.82%，年化波动24.68%，最大回撤-31.45%，夏普比率0.60，Calmar比率0.47[15] 3. **20日换手率乖离率**，年化收益13.06%，年化波动23.53%，最大回撤-38.79%，夏普比率0.56，Calmar比率0.34[15] 4. **60日换手率乖离率**，年化收益17.89%，年化波动23.52%，最大回撤-29.57%，夏普比率0.76，Calmar比率0.61[15] 5. **20日ADX**，年化收益15.33%，年化波动23.52%，最大回撤-52.27%，夏普比率0.65，Calmar比率0.29[15] 6. **20日创新高占比**，年化收益8.75%，年化波动16.11%，最大回撤-32.44%，夏普比率0.54，Calmar比率0.27[15] 7. **期权隐含波动率**（回测起始：2015-03-30），年化收益11.91%，年化波动24.69%，最大回撤-50.95%，夏普比率0.48，Calmar比率0.23[15] 8. **60日换手率波动**，年化收益11.58%，年化波动14.27%，最大回撤-20.60%，夏普比率0.81，Calmar比率0.56[15] 9. **5日涨停占比平均**，年化收益14.15%，年化波动23.52%，最大回撤-34.98%，夏普比率0.60，Calmar比率0.40[15] 10. **5日持仓量PCR平均**，年化收益4.55%，年化波动23.55%，最大回撤-55.73%，夏普比率0.19，Calmar比率0.08[15]

报告行业投资评级 - 中信五风格-成长★☆☆，一颗星代表偏多，判断趋势有上涨驱动，但盘面可操作性不强 [2] 报告的核心观点 - 截至2026/01/16当周，通联全A（沪深京）、中证综合债与南华商品指数周度涨跌幅分别为0.45%、0.15%、1.13%；近一周普通股票策略继续领涨，周度涨幅为1.26%，中性策略产品涨多跌少；转债策略收益强于纯债；商品方面能源化工与豆粕期货ETF收益回调，贵金属与有色金属ETF收涨，白银ETF周度涨幅为23.15% [3] - 近一周成长与周期风格收涨，其余风格收跌；稳定与消费风格相对强弱边际走强，稳定风格相对强弱动量回升；近一周基金风格指数均跑赢基准，金融风格基金指数超额收益率为2.33%；市场对消费风格偏移度有所下降；本周拥挤度指标小幅上行，消费风格位于历史偏高拥挤区间 [3] - 近一周短周期动量因子收益表现较优，周度超额收益率为2.19%，盈利与杠杆因子继续回撤，残差波动率因子边际走强，ALPHA因子小幅转弱；本周因子截面轮动速度环比下降，位于近一年以来低分位区间 [3] - 根据风格择时模型最新评分结果，本周稳定风格边际回升，当前信号偏向成长风格；上周风格择时策略收益率为1.78%，对比基准均衡配置超额收益率为2.19% [3] 根据相关目录分别进行总结 市场指数表现 - 截至2026/01/16当周，通联全A（沪深京）、中证综合债与南华商品指数周度涨跌幅分别为0.45%、0.15%、1.13% [3] 公募基金市场表现 - 近一周普通股票策略继续领涨，周度涨幅为1.26%，中性策略产品涨多跌少；转债策略收益强于纯债；商品方面能源化工与豆粕期货ETF收益回调，贵金属与有色金属ETF收涨，白银ETF周度涨幅为23.15% [3] 中信五风格表现 - 近一周成长与周期风格收涨，其余风格收跌；稳定与消费风格相对强弱边际走强，稳定风格相对强弱动量回升 [3] 公募基金池表现 - 近一周基金风格指数均跑赢基准，金融风格基金指数超额收益率为2.33%；市场对消费风格偏移度有所下降；本周拥挤度指标小幅上行，消费风格位于历史偏高拥挤区间 [3] Barra因子表现 - 近一周短周期动量因子收益表现较优，周度超额收益率为2.19%，盈利与杠杆因子继续回撤，残差波动率因子边际走强，ALPHA因子小幅转弱；本周因子截面轮动速度环比下降，位于近一年以来低分位区间 [3] 风格择时模型表现 - 根据风格择时模型最新评分结果，本周稳定风格边际回升，当前信号偏向成长风格；上周风格择时策略收益率为1.78%，对比基准均衡配置超额收益率为2.19% [3]

量化模型与构建方式 1. A股技术打分模型 * **模型名称**：A股技术打分模型[2][9] * **模型构建思路**：通过挖掘技术面信息来刻画市场状态，并基于当前状态对未来进行打分预测[2][9] * **模型具体构建过程**： 1. 将市场状态细分为价格、量能、波动、趋势、拥挤五个维度[9] 2. 在每个维度内筛选出有效的市场观测指标，共10个[9][14] 3. 每个指标独立发出多空择时信号[9] 4. 将10个指标的择时信号进行等权投票，综合形成一个介于-1至+1之间的打分结果[9] 5. 根据综合得分制定交易规则：得分>+0.33时看多，得分在-0.33至+0.33之间看平，得分<-0.33时看空[11] 2. 风格择时模型 * **模型名称**：红利风格择时模型[3][16] * **模型构建思路**：结合相对动量、期限利差和银行间市场成交量三个指标的趋势，对红利与成长风格进行择时[3][16] * **模型具体构建过程**： 1. **择时标的**：中证红利指数相对于中证全指的收益率[16] 2. **构建三个择时指标**： * **相对动量**：中证红利相对中证全指的动量，为红利风格正向指标[19] * **期限利差**：10年期与1年期国债的利差，为红利风格负向指标[19] * **银行间质押式回购成交量**：为红利风格正向指标[19] 3. 每个指标从趋势维度日频发出信号，取值为0（看平）、+1（看多）、-1（看空）[16] 4. 以三个指标得分之和的正负性作为最终多空观点依据[16] 5. **交易规则**：看好红利时全仓持有中证红利，不看好时全仓持有中证全指；基准为两者等权配置[16] * **模型名称**：大小盘风格择时模型[3][20] * **模型构建思路**：根据市场拥挤度状态（高/低），采用不同参数的双均线模型对大小盘风格进行择时[3][20][22] * **模型具体构建过程**： 1. **择时标的**：以沪深300指数代表大盘风格，万得微盘股指数代表小盘风格[20] 2. **计算拥挤度得分**： * **动量得分**：计算小盘与大盘指数多个时间窗口（10/20/30/40/50/60日）的动量之差，并计算各窗口动量差在多个历史长度（3.0/3.5/4.0/4.5/5.0年）下的分位数均值。取分位数最高的3个窗口结果均值作为小盘动量得分，取分位数最低的3个窗口结果均值作为大盘动量得分[24] * **成交量得分**：计算小盘与大盘指数多个时间窗口（10/20/30/40/50/60日）的成交额之比，并计算各窗口比值在多个历史长度下的分位数均值。取分位数最高的3个窗口结果均值作为小盘成交量得分，取分位数最低的3个窗口结果均值作为大盘成交量得分[24] * **综合得分**：将小盘（大盘）的动量得分与成交量得分取均值，得到小盘（大盘）风格的拥挤度得分[24] 3. **判断拥挤区间**：若最近20个交易日中，小盘风格拥挤度得分>90%或大盘风格拥挤度得分<10%曾触发，则模型运行在高拥挤区间，否则运行在低拥挤区间[22] 4. **趋势判断**：在高拥挤区间采用参数较小的双均线模型，在低拥挤区间采用参数较大的双均线模型来判断趋势[22] 3. 行业轮动模型 * **模型名称**：遗传规划行业轮动模型[4][27] * **模型构建思路**：采用双目标遗传规划技术，直接对行业指数的量价、估值等数据进行因子挖掘，不再依赖人工设计规则，以提升因子多样性和降低过拟合风险[27][31][32] * **模型具体构建过程**： 1. **底层资产**：32个中信行业指数[27] 2. **因子挖掘**：使用双目标遗传规划（NSGA-II算法），同时以因子IC的绝对值（|IC|）和NDCG@5两个目标来评价因子的分组单调性和多头组表现，挖掘行业轮动因子[31] 3. **因子合成**：对挖掘得到的备选因子，结合贪心策略和方差膨胀系数（VIF），将共线性较弱的多个因子合成为行业综合得分[33] 4. **调仓规则**：因子库每季度末更新，模型周频调仓。每周末选出多因子综合得分最高的五个行业进行等权配置，次周第一个交易日按均价调仓[4][27] * **因子名称**：最新一期权重最高的量价相关性因子[36] * **因子构建思路**：基于标准化成交额与跳空缺口的关系，以及成交额最大时点与标准化开盘价的协方差来构建因子[36] * **因子具体构建过程**： 1. 在截面上，用全体行业标准化日度成交额对当日跳空缺口开展带常数项的一元线性回归，取残差，记作变量A[37] 2. 在过去9个交易日中，取标准化日度成交额最大的交易日索引，记作变量B[37] 3. 在过去50个交易日中，将变量A和B开展时序回归取截距项，记作变量C[37] 4. 计算过去45个交易日变量C和标准化月度开盘价的协方差，作为因子值[37] * **因子表达式**：`ts_covariance_torch(ts_regalpha_torch(xs_regres_torch(volume_st, jump_gap), ts_argmax_torch(volume_st, 9), 50), mopen_st, 45)`[36] 4. 宏观配置模型 * **模型名称**：中国境内全天候增强组合[5][38] * **模型构建思路**：采用宏观因子风险预算框架，分散于增长和通胀的宏观风险源，并基于宏观预期动量观点主动超配看好的象限，实现全天候基础上的增强[5][38][41] * **模型具体构建过程**： 1. **宏观象限划分**：选择增长和通胀两个维度，根据是否超预期划分为四个宏观风险象限：增长超预期、增长不及预期、通胀超预期、通胀不及预期[41] 2. **资产选择与子组合构建**：结合定量与定性方式确定各象限适配的资产，并在象限内等权构建子组合，注重刻画象限的下行风险[41] 3. **风险预算与主动增强**：每月底，根据由“买方预期动量”和“卖方预期差动量”综合得出的宏观预期动量指标，形成“象限观点”，并据此调整各象限的风险预算，主动超配看好的象限，实现策略增强[41] 4. **调仓规则**：模型月频调仓，月末发出信号后，采用次月第一个交易日收盘价调仓[40] 模型的回测效果 1. A股技术打分模型 * **回测区间**：2010-01-04 至 2026-01-16[15] * **年化收益**：20.67%[15] * **年化波动**：17.33%[15] * **最大回撤**：-23.74%[15] * **夏普比率**：1.19[15] * **Calmar比率**：0.87[15] * **今年以来（YTD）超额收益**：-5.70%（截至报告时点）[2][11] * **上周超额收益**：-0.57%[2][11] 2. 红利风格择时模型 * **回测区间**：2017-01-03 至 2026-01-16[17] * **年化收益**：16.65%[17] * **最大回撤**：-25.52%[17] * **夏普比率**：0.91[17] * **Calmar比率**：0.65[17] * **今年以来（YTD）收益**：5.78%[16][17] * **上周收益**：0.69%[17] 3. 大小盘风格择时模型 * **回测区间**：2017-01-03 至 2026-01-16[25] * **年化收益**：27.79%[25] * **最大回撤**：-32.05%[25] * **夏普比率**：1.16[25] * **Calmar比率**：0.87[25] * **今年以来（YTD）收益**：6.27%[22][25] * **上周收益**：1.70%[25] 4. 遗传规划行业轮动模型 * **回测区间**：2022-09-30 至 2026-01-16[30] * **年化收益**：31.95%[30] * **年化波动**：17.44%[30] * **夏普比率**：1.83[30] * **最大回撤**：-19.62%[30] * **卡玛比率**：1.63[30] * **今年以来（YTD）收益**：3.31%[4][27][30] * **上周收益**：0.14%[30] 5. 中国境内全天候增强组合 * **回测区间**：2013-12-31 至 2026-01-16[42] * **年化收益**：11.82%[42] * **年化波动**：6.20%[42] * **夏普比率**：1.91[42] * **最大回撤**：-6.30%[42] * **卡玛比率**：1.88[42] * **今年以来（YTD）收益**：2.02%[5][39][42] * **上周收益**：0.06%[5][39][42]

报告行业投资评级 - 中信五风格-周期★☆☆，一颗星代表偏多，判断趋势有上涨驱动，但盘面可操作性不强 [2] 报告的核心观点 - 截至2025/12/31当周，通联全A（沪深京）、中证综合债与南华商品指数周度涨跌幅分别为-0.31%、-0.20%、-0.71%；近一周股债策略收益表现分化，短期纯债策略表现偏强，普通股票策略指数小幅收跌，中性策略产品涨多跌少；商品方面贵金属ETF净值有所回调，黄金ETF调整幅度大于白银，有色与能源化工ETF延续上行走势 [3] - 上周周期风格收涨，其余风格收跌；稳定与消费风格相对强弱边际回落，五风格相对强弱动量均环比走低；消费与金融风格基金平均表现跑赢基准，市场对消费风格偏移度有所回升；本周拥挤度指标相比上周有所升高，成长风格基金拥挤度提升至历史中高分位区间 [3] - 近一周中长期动量因子收益表现较优，周度超额收益率为0.89%，盈利因子超额转弱，流动性与资金流因子胜率边际走强，周内波动率因子小幅转弱；本周因子截面轮动速度继续回落，降至近一年以来中低分位区间 [3] - 根据风格择时模型最新评分结果，本周成长风格环比回升，当前信号偏向周期风格；上周风格择时策略收益率为-1.41%，对比基准均衡配置超额收益率为-0.76% [3] 各目录总结 近期市场收益 - 展示了通联全A（沪深京）、中证综合债（净）、南华商品的周度、月度、季度、半年度收益率，以及公募基金主要策略指数周度收益率、近年公募基金产品成立规模、公募基金主要策略指数近三月最大回撤等数据 [5] 中信风格指数净值走势 - 呈现了2025年12月1日至30日金融、周期、消费、成长、稳定风格指数的净值走势 [7] 中信风格指数相对轮动图 - 展示了金融、周期、消费、成长、稳定风格指数近一周、上一周、近一月、近三月、近六月、近一年的相对强弱和相对强弱动量数据 [9] 基金风格指数超额收益表现 - 给出了美部（可能有误，推测为金融）、周期、消费、成长风格近一周、上一周、近一月、近三月、近六月、近一年的超额收益数据 [10] 基金风格拥挤度 - 展示了周期、成长、消费、金融风格在2025年12月7日至2026年1月4日的拥挤度数据，数据为近一年以来分位数 [11] 本周Barra单因子风格偏好 - 说明Barra单因子风格偏好区间为0 - 1，数值越靠近1表示偏向程度越高 [16] Barra单因子风格策略超额收益表现 - 展示了估值、成长、盈利、流动性等因子近一周、上一周、近一月的超额收益数据 [14] 近一年Barra单因子风格超额净值走势 - 虽未详细描述，但提及了相关内容 [17]

量化行业竞争格局与发展路径 - 量化行业准入门槛因算力成本下降、编程工具普及及数据获取便利而降低，策略同质化问题凸显 [2] - 行业策略分化为两类：一类是规模大、参与者众、模型因子高度拥挤导致边际收益下降的多因子模型“红海”格局；另一类是以专业金融认知为底座、通过独立逻辑寻找市场规律的小众策略 [2] - 行业正形成“工具驱动”与“认知驱动”两条不同发展路径，AI技术普及将放大分化，预计八成的传统量化基金经理和工具型策略机构可能被AI取代 [2] - 量化机构的核心竞争壁垒在于对市场风格、经济周期、资金行为等多维度的专业理解，而非模型工具本身 [1][2] 守正用奇私募基金的核心策略与定位 - 公司成立10年，在规模发展上保持克制，选择以风格择时为核心策略的差异化投资路径 [1] - 公司策略关注点从阿尔法（超额收益）转向因子的贝塔（系统收益），通过“风格估值-动量-有效资金流”三维框架捕捉因子贝塔 [1][3] - 特色策略为风格择时指增策略，通过识别风格趋势构建稳健的指数增强体系 [3] - 策略模型使用三类关键指标：最核心的风格估值（判断不同风格相对性价比）、动量指标（捕捉趋势变化速度与方向）、定价者的有效资金流（关注对价格产生决定性影响的核心资金行为） [3] - 模型结合三类指标，可在日频到周频的不同时间维度上预测风格变化，最短可预测一天半，最长延伸至数月 [3] 公司的风控实践与业绩表现 - 在2024年初小微盘品种出现流动性困境的极端行情中，公司模型提前识别风险，并将因子暴露迅速调整为均衡状态 [4] - 调整后，策略在市场调整期间的回撤幅度明显低于同类模型，并在反弹阶段实现了较快修复 [4] 对后市的展望与投资观点 - 公司认为当前市场上涨趋势远未结束，未来仍有较大上行空间 [5] - 当前市场处于多年难得的流动性宽裕阶段，是“流动性充分配合的最好时刻” [5] - 建议普通投资者关注风格的相对估值，避免一味追求热点，热点板块估值抬升后性价比下降应适当回避 [6] - 建议可在红利等具备更长期价值的板块中寻找机会 [6] - 科技板块内部存在轮动，细分方向性价比会围绕中枢波动，可进行高低切换 [6] - 长期来看，科技很多细分方向的需求规模和未来成长空间非常巨大 [6]

根据您提供的研报内容，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**：基于微观特征的风格轮动模型[4][9] **模型构建思路**：从基础风格因子（估值、市值、波动率、动量）出发，通过构造大量微观特征，并使用常用指数作为风格股票池来定义风格收益标签，结合随机森林模型进行风格择时和打分，最终构建月频风格轮动策略[4][9] **模型具体构建过程**： 1. **底层因子选择**：基于东吴金工特色多因子划分标准，优选80个底层因子作为原始特征[9] 2. **微观特征构造**：基于80个基础微观指标，构造出640个微观特征[4][9] 3. **风格收益标签定义**：使用常用指数作为风格股票池，取代传统的按风格因子绝对比例划分的方法，构造新的风格收益作为模型训练的标签[4][9] 4. **模型训练与预测**：使用随机森林模型对单个风格进行择时预测；通过滚动训练的方式，以有效规避过拟合风险，并优选特征；模型输出每种风格的当期得分[4][9] 5. **策略构建**：综合模型的择时结果与打分结果，构建最终的月频风格轮动模型[4][9] 模型的回测效果 1. **基于微观的择时+打分风格轮动策略**[4][10][11] - 回测区间：2017/01/01 - 2025/11/30[4][10] - 年化收益率：16.52%[4][11] - 年化波动率：20.46%[4][11] - 信息比率(IR)：0.81[4][11] - 月度胜率：57.01%[4][11] - 历史最大回撤：25.68%[11] 2. **策略对冲市场基准（超额收益）**[4][10][11] - 回测区间：2017/01/01 - 2025/11/30[4][10] - 年化收益率：11.04%[4][11] - 年化波动率：11.08%[4][11] - 信息比率(IR)：1.00[4][11] - 月度胜率：55.14%[4][11] - 历史最大回撤：9.00%[11] 量化因子与构建方式 1. **因子名称**：估值因子[4][9] **因子的构建思路**：作为基础风格因子之一，用于构建风格轮动模型[4][9] 2. **因子名称**：市值因子[4][9] **因子的构建思路**：作为基础风格因子之一，用于构建风格轮动模型[4][9] 3. **因子名称**：波动率因子[4][9] **因子的构建思路**：作为基础风格因子之一，用于构建风格轮动模型[4][9] 4. **因子名称**：动量因子[4][9] **因子的构建思路**：作为基础风格因子之一，用于构建风格轮动模型[4][9] 因子的回测效果 （报告未提供单个因子的独立回测绩效指标，如年化收益率、信息比率等，仅提供了模型层面的综合表现，因此此部分内容省略）

根据研报内容，以下是涉及的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股大盘择时模型[2][10]** - 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[10] - 模型具体构建过程：各维度日频发出信号，每日信号取值为0、±1，分别代表看平、看多、看空三种观点[10] 估值和情绪采用反转逻辑，刻画A股市场均值回归特征；资金和技术采用趋势逻辑，刻画市场趋势延续特征[10] 以各维度得分之和的正负性作为大盘多空观点的依据[10] - 模型评价：左侧指标规避风险，右侧指标捕捉机会[10] **2 模型名称：红利风格择时模型[3][18]** - 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[3][18] - 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，分别代表看平、看多、看空三种观点[18] 以各维度得分之和的正负性作为红利风格多空观点的依据[18] 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[18] **3 模型名称：大小盘风格择时模型[3][23]** - 模型构建思路：采用基于拥挤度分域的趋势模型进行择时，其中拥挤度采用小盘和大盘的动量之差和成交额之比刻画[3][23] - 模型具体构建过程：首先从动量视角和成交视角计算大小盘风格拥挤度得分[23] 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，否则为低拥挤区间[25] 在高拥挤区间采用参数值较小的双均线模型应对风格反转，在低拥挤区间采用参数值较大的双均线模型跟踪中长期趋势[25] **4 模型名称：遗传规划行业轮动模型[4][30]** - 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[4][33] - 模型具体构建过程：底层资产为32个中信行业指数，因子更新频率为季频，调仓频率为周频[30] 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[33] 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[33] **5 模型名称：中国境内全天候增强组合[5][39]** - 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[5][39] - 模型具体构建过程：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[5] 构建分为三步：宏观象限划分与资产选择、象限组合构建与风险度量、风险预算模型确定象限权重[42] 每月底根据"象限观点"调整象限风险预算进行主动偏配[42] 模型的回测效果 **1 A股大盘择时模型[15]** - 年化收益：24.94% - 最大回撤：-28.46% - 夏普比率：1.16 - Calmar比率：0.88 - YTD：43.84% - 上周收益：5.28% **2 红利风格择时模型[21]** - 年化收益：15.67% - 最大回撤：-25.52% - 夏普比率：-0.26 - Calmar比率：0.85 - YTD：20.86% - 上周收益：-3.63% **3 大小盘风格择时模型[28]** - 年化收益：27.04% - 最大回撤：-32.05% - 夏普比率：1.13 - Calmar比率：0.84 - YTD：71.14% - 上周收益：-7.80% **4 遗传规划行业轮动模型[33]** - 年化收益：30.83% - 年化波动：17.74% - 夏普比率：1.74 - 最大回撤：-19.63% - 卡玛比率：1.57 - 上周表现：-4.39% - YTD：35.44% **5 中国境内全天候增强组合[43]** - 年化收益：11.51% - 年化波动：6.18% - 夏普比率：1.86 - 最大回撤：-6.30% - 卡玛比率：1.83 - 上周表现：-1.53% - YTD：10.75% 量化因子与构建方式 **1 因子名称：大小盘风格拥挤度因子[23][27]** - 因子构建思路：从动量视角和成交视角计算大小盘风格拥挤度得分[23] - 因子具体构建过程： 1) 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，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[27] 2) 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，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[27] 3) 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的拥挤度得分，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的拥挤度得分，小于10%视为触发高拥挤[27] **2 因子名称：遗传规划行业轮动因子[37]** - 因子构建思路：基于单行业阻力支撑位构建[37] - 因子具体构建过程： 1) 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[38] 2) 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[38] 因子表达式：$$ts\_grouping\_deczscorecut\_torch(ts\_covariance\_torch(wlow\_st, mopen\_st, 25), whigh\_st, 15, 2.0, 2)$$[37]

核心观点 - 市场情绪指标数值为3，较上周五的27继续回升，市场情绪得到进一步修复，从情绪角度来看观点偏多 [7] - 行业间交易波动率快速上行并突破布林带上界，说明行业切换加速、短期情绪有所修复 [11] - 当前模型整体提示大盘与价值风格占优信号，且价值风格信号强度未来可能出现一定程度加强 [48] 市场情绪模型观点 - 市场情绪指标周内波动上升，市场活跃度不断上升，情绪指数综合得分从上周五的27升至11月7日的3 [7] - 价量一致性快速回落并于周五出现反弹，显示情绪在持续走弱后出现阶段性修复 [11] - 科创50相对全A成交占比继续下滑至布林带下界附近，反映风险偏好走弱 [11] - 行业涨跌趋势性明显上升，行业观点一致性提高、板块beta效应强化 [11] - 融资余额占比延续上升，杠杆资金风险偏好持续回暖 [11] - RSI小幅回落但仍处中性区间，市场上行动能偏弱 [11] - 主力资金净流入强度在高位震荡，机构买入力度保持韧性 [11] - 本周全A平均日成交额为2012350亿元，较上周小幅下降，其中11月3日成交额为近期最高的2132904亿元人民币，日成交量136822亿股 [14] 行业趋势与拥挤度分析 - 根据均线排列模型，银行、石油石化、轻工制造、电力设备、钢铁等行业短期趋势得分上升趋势靠前 [38] - 公用事业、电力设备、煤炭、环保、钢铁是短期趋势最强的行业，其中公用事业当前短期得分为100，为短期得分最高行业 [38] - 近期电力设备、钢铁、煤炭高涨幅同时伴随较高的资金拥挤度，短期需关注估值与情绪回落带来的波动风险 [44] - 农林牧渔、交通运输等行业资金拥挤度较高但涨幅偏低；计算机、食品饮料等低拥挤度板块涨幅较低，在风险偏好回升时迎来配置机会 [44] - 截至2025年11月7日，平均拥挤度最高的行业分别为电力设备、交通运输、农林牧渔、环保、煤炭，拥挤度最低的行业分别为家用电器、电子、通信、非银金融、计算机 [41] 风格择时模型观点 - 当前模型维持提示大盘风格占优信号，信号提示强度较弱，未来有待进一步观察 [48] - 模型维持提示价值风格占优信号，且5日RSI相对20日RSI迅速降低，未来信号强度可能出现一定程度加强 [48] - 国证成长/国证价值比值为07848，20日RSI为421896，60日RSI为625283，20日RSI低于60日RSI幅度为3253%，提示价值风格占优 [49] - 申万小盘/申万大盘比值为09371，20日RSI为435774，60日RSI为459197，20日RSI低于60日RSI幅度为51%，提示大盘风格占优 [49]

量化模型与构建方式 1. 风格轮动模型 **模型名称**：基于微观的择时+打分风格轮动模型[4][9] **模型构建思路**：从基础风格因子（估值、市值、波动率、动量）出发，通过微观个股层面构造特征，使用随机森林模型进行风格择时和打分，最终构建月频风格轮动框架[4][9] **模型具体构建过程**： 1. 优选80个底层微观因子作为原始特征[9] 2. 基于80个基础微观指标，构造640个微观特征[4][9] 3. 通过常用指数作为风格股票池取代风格因子的绝对比例划分，构造新的风格收益作为标签[4][9] 4. 使用随机森林模型对单个风格进行择时，并得到每种风格的当期得分[4][9] 5. 通过滚动训练随机森林模型，有效规避过拟合风险，优选特征并得到风格推荐[9] 6. 根据择时结果与打分结果，综合构造月频风格轮动模型[4] 模型的回测效果 1. 风格轮动模型 **回测区间**：2017/01/01-2025/10/31[4][10] **年化收益率**：16.18%[4][10][11] **年化波动率**：20.28%[4][10][11] **信息比率(IR)**：0.80[4][10][11] **月度胜率**：59.43%[4][10][11] **最大回撤**：25.20%[11] 2. 策略对冲市场基准 **回测区间**：2017/01/01-2025/10/31[4][10] **年化收益率**：10.36%[4][10][11] **年化波动率**：10.85%[4][10][11] **信息比率(IR)**：0.95[4][10][11] **月度胜率**：54.72%[4][10][11] **历史最大回撤**：8.53%[4][10][11] 量化因子与构建方式 1. 基础风格因子 **因子名称**：估值、市值、波动率、动量[4][9] **因子的构建思路**：从微观个股层面出发，作为风格轮动模型的基础风格因子[9] 因子的回测效果 1. 2025年风格因子实际收益率（多空对冲） **动量因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[13] **波动率因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[13] **估值因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[13] **市值因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[13] 2. 2025年风格因子择时后收益率（多空对冲） **动量因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[18] **波动率因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[18] **估值因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[18] **市值因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[18]

报告行业投资评级 - 中信五风格-金融★☆☆，一颗星代表偏多，判断趋势有上涨的驱动，但盘面可操作性不强 [3][19] 报告的核心观点 - 截至2025/10/24当周，通联全A（沪深京）、中证综合债与南华商品指数周度涨跌幅分别为3.42%、-0.03%、0.94% [3] - 公募基金市场近一周增强指数策略领涨，周度涨跌幅为3.89%，中性策略涨多跌少，商品方面贵金属ETF回调，豆粕与有色金属ETF收益小幅反弹，能源化工ETF有所企稳 [3] - 中信五风格上周五风格均收涨，成长风格收益领跑；风格轮动图显示相对强弱层面周期与消费风格环比走弱，指标动量层面成长风格升幅较大 [3] - 公募基金池近一周金融与周期风格基金超额表现较优，产品对消费风格偏移度边际提升，本周市场整体指标延续上升趋势，当前成长与金融风格位于历史偏高拥挤区间 [3] - 中性策略方面，截至上周股指基差周内呈边际回升态势，IC合约回升至近三月均值上方0.5倍标准差附近水平；IC，IM对应现货指数ETF平均溢价率偏高，位于近三月80%以上分位区间 [3] - 近一周中长期动量因子收益表现较优，周度超额收益率为1.70%，残差波动率与ALPHA因子有所回撤，胜率方面分红与杠杆因子有所修复；本周因子截面轮动速度继续走高，当前位于近一年80%分位以上区间 [3] - 根据风格择时模型最新评分结果，本周成长与金融风格边际回升，周期与稳定风格回落，当前信号偏向金融风格。上周风格择时策略收益率为1.45%，对比基准均衡配置超额收益率为 -0.98% [3] 相关目录总结 近期市场收益 - 展示了通联全A（沪深京）、中证综合债（净）、南华商品的周度、月度、季度、半年度收益率 [6] - 展示了近一年公募基金产品成立规模（QDII） [6] - 展示了公募基金主要策略指数近三月最大回撤和周度收益率 [6] 中信风格指数净值走势 - 展示了2025/9/24 - 2025/10/23金融、周期、消费、成长、稳定风格指数净值走势 [8][9] 中信风格指数相对轮动图 - 展示了金融、周期、消费、成长、稳定风格近一周、上一周、近一月、近三月、近六月、近一年的相对强弱和相对强弱动量数据 [10][11] 基金风格指数超额收益表现 - 展示了金融、周期、消费、成长风格基金近一周、上一周、近一月、近三月、近六月、近一年的超额收益表现 [12] 基金风格拥挤度 - 展示了2025/9/28 - 2025/10/26周期、成长、消费、金融风格基金拥挤度情况 [13] 本周Barra单因子风格偏好 - 展示了金融、周期、消费、成长、稳定风格Barra单因子风格偏好情况 [14] Barra单因子风格策略超额收益表现 - 展示了估值、成长、盈利、流动性、分红、规模、杠杆、动量反转、动量、BETA、ALPHA、残差波动率、残差动量、周内波动率等因子的超额收益表现 [15][16] 今年以来Barra单因子风格超额净值走势 - 展示了估值、成长、盈利、流动性、分红、规模、杠杆、动量、BETA、ALPHA、残差波动率等因子近一周、上一周、近一月的超额净值走势 [18]