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]

豆粕ETF净值回升 金融工程周报 基金市场回顾： 权益市场风格 周度报告 2025年10月27日 操作评级 中信五风格-金融★☆☆ 金融工程组 张婧婕 Z0022617 010-58747784 gtaxinstitute@essence.com.cn 本报告版权属于国投期货有限公司 1 不可作为投资依据，转载请注明出处 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%。 公募基金市场方面，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。 中信五风格方面，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。公募基金池方面，近一周金融与周 期风格基金超额表现较优，从基金风格系数走势来看产品对消 费风格偏移度边际提升，拥挤度方面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。 中性策略方面，从当季合约基差（期货-现货）水平来看，截至 上周股 ...

核心观点 - 截至2025年10月24日，市场情绪指标数值为2.2，较上周五的1.9出现小幅回升，市场情绪得到一定程度修复，从情绪角度观察偏多 [1][6] - 本周市场情绪整体呈现分化加剧态势，多项分项指标出现背离，整体或维持震荡偏稳格局 [1][8] - 当前模型整体提示大盘风格与价值风格占优信号，其中大盘风格信号提示强度较强 [1] 市场情绪模型观点 - 情绪结构指标围绕0轴在[-6.6, 6.6]的范围内上下波动，近5年A股市场情绪波动较大，2024年10月市场情绪得分突破2 [5] - 本周情绪指数综合得分周内快速上升，但当前市场整体情绪波动水平较高 [6] - 价量一致性继续回落，表明市场当前价量匹配程度出现明显下降，资金活跃度再度下降 [1][12] - 行业间交易波动率快速回升，表明资金在行业间切换频率提升，短期情绪有所修复 [1][8][20] - 行业涨跌趋势性继续回落，显示市场分歧加剧、主线不突出，行业轮动加快 [1][8][22] - 融资余额占比保持上升，反映杠杆资金情绪持续回暖、风险偏好边际改善 [1][8][24] - RSI指标回落显示市场上行动能偏弱、追涨意愿下降 [1][8][26] - 主力资金流入力量改善，说明机构买入力度提升，市场情绪阶段性回暖 [1][8][28] - 本周全A成交额较上周再度大幅下降，市场成交活跃度出现一定水平回落，其中10月24日成交额为近期最高的19916.17亿人民币，日成交量1227.47亿股 [1][14][16] - 科创50相对万得全A成交占比基本保持不变，风险偏好水平暂未出现明显变化 [1][8][17] 行业趋势与拥挤度 - 根据均线排列模型，截至2025年10月24日，银行、石油石化、交通运输、公用事业、建筑装饰等行业短期趋势得分上升趋势靠前 [1][33] - 从行业短期得分数值上看，煤炭、建筑装饰、公用事业、有色金属、电力设备是短期趋势最强的行业，其中煤炭当前短期得分为93.22，为短期得分最高行业 [1][33] - 近期电子、电力设备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 [1][40] - 有色金属、环保、纺织服饰等行业资金拥挤度较高但涨幅偏低 [1][40] - 食品饮料、美容护理等低拥挤度板块涨幅较低 [1][40] - 截至2025年10月24日，本阶段平均拥挤度最高的行业分别为电力设备、环保、有色金属、纺织服饰、煤炭，拥挤度最低的行业分别为非银金融、美容护理、传媒、计算机、食品饮料 [37][40] 风格配置观点 - 当前模型维持提示大盘风格占优信号，信号提示强度较强 [1][43] - 模型维持提示价值风格占优信号，但5日RSI相对20日RSI迅速提升，未来信号强度可能出现一定程度减弱 [1][43] - 根据RSI风格择时模型，国证成长/国证价值比值为0.7962，短期观点为价值风格占优，其5日RSI为75.57，20日RSI为50.52，60日RSI为64.79 [44] - 申万小盘/申万大盘比值为0.9178，短期观点为大盘风格占优，其5日RSI为39.69，20日RSI为27.40，60日RSI为46.91 [44]

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]

根据研报内容，总结如下： 量化模型与构建方式 1. **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，通过构造大量微观特征，并使用随机森林模型对单个风格进行择时和打分，最终综合构建月频风格轮动模型[4][9] * **模型具体构建过程**： 1. 以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. 根据择时结果与打分结果，综合构造月频风格轮动模型[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**[10][11] * 年化收益率：16.41%[10][11] * 年化波动率：20.43%[10][11] * 信息比率(IR)：0.80[10][11] * 月度胜率：58.49%[10][11] * 历史最大回撤：25.54%[11] 2. **策略对冲市场基准（超额收益）**[10][11] * 年化收益率：10.54%[10][11] * 年化波动率：10.85%[10][11] * 信息比率(IR)：0.97[10][11] * 月度胜率：55.66%[10][11] * 历史最大回撤：8.79%[10][11] 量化因子与构建方式 1. **因子名称：估值因子**[4][9] * **因子构建思路**：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：动量因子**[4][9] * **因子构建思路**：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：波动率因子**[4][9] * **因子构建思路**：作为基础风格因子之一，用于构建风格轮动模型[4][9] 最新模型应用与持仓 * **2025年10月最新风格择时方向**：价值、大市值、动量、低波[2][19] * **2025年10月风格轮动模型最新持仓**：通过配置相关指数ETF实现风格暴露，具体包括中证央企红利、中证银行、中证影视、CS电池、中证全指房地产等指数对应的ETF[3][19]

量化模型与构建方式 1. A股大盘择时模型 - **模型名称**：A股多维择时模型[2][9] - **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，左侧指标（估值、情绪）采用反转逻辑规避风险，右侧指标（资金、技术）采用趋势逻辑捕捉机会[9] - **模型具体构建过程**： - 选取四个维度的具体指标： - 估值维度：股权风险溢价（ERP）[9][15] - 情绪维度：期权沽购比、期权隐含波动率、期货会员持仓比[9][15] - 资金维度：融资买入额[9][15] - 技术维度：布林带、个股涨跌成交额占比差[9][15] - 各维度日频发出信号，每日信号取值为0（看平）、+1（看多）、-1（看空）[9] - 以各维度得分之和的正负性作为大盘多空观点的依据[9] 2. 红利风格择时模型 - **模型名称**：红利风格择时模型[3][17] - **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][17] - **模型具体构建过程**： - 选取三个维度的指标： - 中证红利相对中证全指的动量：红利风格正向指标[21] - 10Y-1Y期限利差：红利风格负向指标[21] - 银行间质押式回购成交量：红利风格正向指标[21] - 三个指标从趋势维度日频发出信号，每日信号取值为0（看平）、+1（看多）、-1（看空）[17] - 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[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] 3. 大小盘风格择时模型 - **模型名称**：大小盘风格择时模型[3][22] - **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双均线模型判断趋势[3][22][24] - **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] - 从动量视角和成交视角计算大小盘风格拥挤度得分[22][26]： - 动量之差：计算万得微盘股指数与沪深300指数的多窗长（10/20/30/40/50/60日）动量之差，进一步计算各窗长动量之分的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，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指数的多窗长（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，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[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，否则为低拥挤区间[24] - 在高拥挤区间采用小参数双均线模型应对风格反转，在低拥挤区间采用大参数双均线模型跟踪中长期趋势[24] 4. 行业轮动模型 - **模型名称**：遗传规划行业轮动模型[4][29][32] - **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、估值等特征进行因子挖掘，每季度末更新因子库，周频调仓[4][29][32] - **模型具体构建过程**： - 底层资产为32个中信行业指数[29] - 使用双目标遗传规划，以|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] - 采用NSGA-II算法提升因子多样性、降低过拟合风险[33] - 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] - 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][29] - 最新一期权重最大的因子基于单行业流动性中性化后的估值水平构建[36]： - 在截面上，用全体行业市净率滚动4年分位数对标准化月度成交额开展带有常数项的一元线性回归，取残差，记作变量A[37] - 在过去15个交易日中，取A最小的9个交易日，取其之和，记作变量B[37] - 在过去15个交易日中，对B开展zscore标准化；对于大于2.5的数值，进行反转即乘以-1；最后计算这15个交易日之和[37] 5. 中国境内全天候增强组合 - **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，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，在四象限风险平价的基础上基于宏观预期动量的观点主动偏配看好象限[5][38] - **模型具体构建过程**： - 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"的方式确定各象限适配的资产[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[41] - "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，9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股多维择时模型 - 回测区间：2010-01-05至2025-09-26[14] - 年化收益：25.23%[14] - 最大回撤：-28.46%[14] - 夏普比率：1.17[14] - Calmar比率：0.89[14] - YTD收益：40.98%[14] - 上周收益：0.15%[14] 2. 红利风格择时模型 - 回测区间：2017-01-03至2025-09-26[20] - 年化收益：16.04%[20] - 最大回撤：-25.52%[20] - 夏普比率：0.87[20] - Calmar比率：0.63[20] - YTD收益：21.75%[20] - 上周收益：0.23%[20] 3. 大小盘风格择时模型 - 回测区间：2017-01-03至2025-09-26[27] - 年化收益：26.25%[27] - 最大回撤：-30.86%[27] - 夏普比率：1.09[27] - Calmar比率：0.85[27] - YTD收益：65.89%[27] - 上周收益：1.07%[27] 4. 遗传规划行业轮动模型 - 回测区间：2022-09-30至2025-09-26[32] - 年化收益：32.60%[32] - 年化波动：17.95%[32] - 夏普比率：1.82[32] - 最大回撤：-19.63%[32] - 卡玛比率：1.66[32] - 上周表现：0.27%[32] - YTD收益：36.44%[32] 5. 中国境内全天候增强组合 - 回测区间：2013-12-31至2025-09-26[42] - 年化收益：11.53%[42] - 年化波动：6.16%[42] - 夏普比率：1.87[42] - 最大回撤：-6.30%[42] - 卡玛比率：1.83[42] - 上周表现：0.66%[42] - YTD收益：9.02%[42]

核心观点 - 报告构建了基于微观多因子的风格择时+轮动模型，通过80个微观特征和随机森林算法对估值、市值、动量、波动率四种风格进行择时和打分，最终形成月频风格轮动策略 [1][6][7][25] - 策略在2014-2025年回测期间年化收益率达20.90%，超额基准13.53%，信息比率0.80，月度胜率61.15%，最大回撤-40.57% [1][57] - 模型创新性地采用宽基指数替代全A股票池构建风格标签，解决了传统方法样本过大、风格划分极端等问题 [17][18][19][20] 模型构建 - **底层特征**：选取80个微观特征，分为量价(20个)、基本面(21个)、一致预期(39个)三大类，包括ROIC、PE、STR等代表性因子 [7][8][9] - **标签构造**：通过小盘-大盘、高估值-低估值等指数差值计算风格收益，替代传统十分组方法 [18][20][22] - **算法选择**：采用随机森林模型，默认参数减少过拟合风险，滚动24期数据预测下一期风格方向 [23][24] 风格择时表现 - **估值因子**：择后年化收益提升至15.19%(原7.90%)，信息比率0.60(原0.27)，最大回撤改善至-42.03% [30][31][34] - **市值因子**：择后年化收益11.72%(原4.36%)，超额基准4.98%，胜率提升至57.86% [36][38] - **动量因子**：择后年化收益15.73%(原10.11%)，信息比率0.63，最大回撤-35.34% [42][43][47] - **波动率因子**：择后年化收益13.83%(原10.93%)，超额信息比率0.59，胜率58.57% [48][51][53] 合成因子表现 - **等权合成**：年化收益20.05%，信息比率0.78，超额基准12.67%，最大回撤-41.97% [52][54][55] - **加权合成**：根据预测准确度动态调整权重，最终策略年化收益20.90%，超额13.53%，信息比率1.05 [56][57][59] - **样本外表现**：2024年收益率55.36%(超额35.72%)，2025年至今收益率4.63% [1][60]

量化模型与构建方式 1. **模型名称**：基于微观的风格轮动模型 - **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80个底层微观因子构造640个微观特征，并利用常用指数作为风格股票池替代传统因子划分，生成风格收益标签。通过随机森林模型进行风格择时与打分，最终形成月频轮动策略[9][4] - **模型具体构建过程**： 1. **特征构造**：80个底层因子（如估值、动量等）衍生出640个微观特征，通过标准化和滚动窗口处理[9] 2. **标签生成**：以指数（如ESG 300、央视50等）代表风格收益，替代传统因子分位数划分[9][21] 3. **模型训练**：滚动训练随机森林模型，优选特征并输出风格推荐得分，结合择时信号生成最终持仓[9][4] - **模型评价**：有效规避过拟合，兼顾风格择时与评分，但依赖历史数据且需结合风控管理[9][4] 模型的回测效果 1. **基于微观的风格轮动模型**（2017/01-2025/07）： - 年化收益率：16.66% - 年化波动率：19.57% - 信息比率（IR）：0.85 - 月度胜率：56.31% - 对冲基准年化收益率：11.40% - 对冲基准最大回撤：9.73%[10][11] 量化因子与构建方式 1. **因子名称**：估值因子 - **因子构建思路**：从个股层面提取估值类指标（如PE、PB等），标准化后加权合成[9] 2. **因子名称**：市值因子 - **因子构建思路**：基于个股流通市值构造，区分大/小市值风格[9][18] 3. **因子名称**：动量因子 - **因子构建思路**：计算个股过去N个月收益率，区分正/负动量[9][18] 4. **因子名称**：波动率因子 - **因子构建思路**：通过历史波动率或换手率指标衡量个股波动特征[9][18] 因子的回测效果 1. **2025年风格因子多空对冲收益**： - 动量因子：区间收益-6.00%至4.00%（2025/1-2025/5） - 波动率因子：区间收益-4.00%至6.00% - 估值因子：区间收益-2.00%至8.00% - 市值因子：区间收益0.00%至6.00%[13][20] 2. **近一年风格因子权重**： - 市值因子：占比约40% - 估值因子：占比约30% - 动量因子：占比约20% - 波动率因子：占比约10%[24]

量化模型与构建方式 1. **模型名称**：基于微观的风格轮动模型 **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80个底层微观指标构造640个微观特征，并使用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[6] **模型具体构建过程**： - 优选80个底层因子作为原始特征，构造640个微观特征[6] - 通过滚动训练随机森林模型，规避过拟合风险，优选特征并得到风格推荐[6] - 综合择时结果与打分结果，构造月频风格轮动框架[6] **模型评价**：模型通过微观特征和滚动训练有效降低了过拟合风险，实现了风格择时与评分的结合[6] 模型的回测效果 1. **基于微观的择时+打分风格轮动策略** - 年化收益率：21.63%[7][8] - 年化波动率：24.09%[7][8] - 信息比率（IR）：0.90[7][8] - 月度胜率：59.12%[7][8] - 对冲市场基准的年化收益率：13.35%[7][8] - 对冲市场基准的年化波动率：11.43%[7][8] - 对冲市场基准的信息比率（IR）：1.17[7][8] - 对冲市场基准的月度胜率：66.42%[7][8] - 历史最大回撤：10.28%[7][8] 2. **2025年6月风格轮动模型** - 收益率：1.28%[13] - 相对基准超额：-2.51%[13] 量化因子与构建方式 1. **因子名称**：估值因子 **因子的构建思路**：基于微观个股层面的估值指标构造[6] **因子具体构建过程**：未详细说明 2. **因子名称**：市值因子 **因子的构建思路**：基于微观个股层面的市值指标构造[6] **因子具体构建过程**：未详细说明 3. **因子名称**：波动率因子 **因子的构建思路**：基于微观个股层面的波动率指标构造[6] **因子具体构建过程**：未详细说明 4. **因子名称**：动量因子 **因子的构建思路**：基于微观个股层面的动量指标构造[6] **因子具体构建过程**：未详细说明 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：具体数值未列出[12] - 波动率因子：具体数值未列出[12] - 估值因子：具体数值未列出[12] - 市值因子：具体数值未列出[12] 2. **2025年风格因子择时后收益率（多空对冲）** - 动量因子：具体数值未列出[15] - 波动率因子：具体数值未列出[15] - 估值因子：具体数值未列出[15] - 市值因子：具体数值未列出[15] 3. **近一年风格因子权重** - 市值因子：权重未列出[16] - 估值因子：权重未列出[16] - 动量因子：权重未列出[16] - 波动率因子：权重未列出[16]

投资策略转变 - 成长风格管理人梁辉因近年成长股逆风，主动调整单一投资策略，转向多样化策略结合风格择时以提升市场适应性[1] - 投资操作兼顾机会与安全性，关注经济基本面改善下的中国资产重估，聚焦估值合理的互联网板块，回避无业绩支撑的主题标的[1] - 2024年前三季度配置红利股及盈利增长的成长股（如半导体、出口链），四季度加仓成长风格标的，体现风格快速切换[5] 核心投资理念 - 投资体系以成长为核心，认为成长是公司价值所在，但承认成长投资存在周期性和局限性[2][4] - 选股聚焦长期可持续性，综合评估市场需求、竞争环境、投资回报率，避免短期估值过热标的[6][7] - 重视估值安全性，从侧重上行空间转向兼顾下行风险，强调均值回归与稳健收益[7] 行业布局方向 - 四季度看好成长股机会，重点关注四大领域：AI驱动的互联网板块、防御性新消费与医药、自主可控科技、稳增长政策受益行业（如工程机械）[9] - AI产业处于"0到1"阶段，算力基础设施投资确定性高；未来"1到N"阶段互联网企业竞争力突出，港股互联网公司估值合理[9][10] - 半导体行业具备全球1/3市场在中国、国产化率1/3的结构性机会，设备技术突破将催生重大投资机遇[10] 市场判断与案例 - 最不确定时期已过，房地产企稳、过剩产能消化及中港股市深度调整后估值吸引力增强[9] - 机器人板块虽受关注，但回避无业绩支撑标的，案例显示曾避免参与短期估值飙升30%后下跌的标的[7][8]