2025 年 08 月 11 日 申万金工 ETF 组合 202508 相关研究 证券分析师 沈思逸 A0230521070001 shensy@swsresearch.com 邓虎 A0230520070003 denghu@swsresearch.com 研究支持 白皓天 A0230525070001 baiht@swsresearch.com 联系人 沈思逸 (8621)23297818× shensy@swsresearch.com 权 益 量 化 研 究 证 券 研 究 报 告 请务必仔细阅读正文之后的各项信息披露与声明 本研究报告仅通过邮件提供给 中庚基金 使用。1 量 化 策 略 - ⚫ 宏观行业组合：针对所有标记为"行业主题"的 ETF，选择成立时间 1 年以上、当期规模 2 亿以上的产品跟踪的行业主题指数，每个月根据历史数据计算经济、流动性、信用的敏 感性得分，然后根据最新的经济、流动性、信用判断指标调整得分方向后进行加总，最终 得到排名前 6 的行业主题指数，然后取对应规模最大的 ETF 进行等权配置。当前经济转弱、 信用仍较好，选择偏向成长。 ⚫ 宏观+动量行业组合：基于宏观类配置策略主 ...

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. **模型名称**：交易量能择时模型 - **模型构建思路**：通过规避缩量信号获取较高交易赔率，利用流动性即时反馈特性，尤其针对中小盘指数[3][8][22] - **具体构建过程**： 1. 计算指数成交额与换手率的60日滚动均值和标准差 2. 标准化处理：若当日值在±2倍标准差内，按线性映射到[-1,1]打分；超出则直接赋±1分 3. 等权合成成交额与换手率得分 4. 信号生成：得分>0时做多，≤0时空仓[23] - **模型评价**：赔率导向型策略，胜率一般但能有效规避市场大跌风险，对中小盘指数效果显著[3][22][29] 2. **模型名称**：复合择时信号模型（信贷脉冲+Beta离散度+交易量能） - **模型构建思路**：结合宏观信贷周期、市场波动分化与流动性指标构建不定期调仓信号[8][22] - **具体构建过程**： 1. 信贷脉冲：计算中长期贷款余额同比变化 2. Beta离散度：测算个股Beta系数的横截面标准差 3. 交易量能：同上文量能模型 4. 三指标等权合成综合信号[22][41] 3. **模型名称**：四风格轮动模型 - **模型构建思路**：整合成长价值与小盘大盘轮动逻辑，形成四象限配置建议[51][61] - **具体构建过程**： 1. 成长价值维度：基于盈利斜率、利率周期、信贷周期构建信号 2. 小盘大盘维度：同周期指标结合估值差、换手差分析 3. 交叉形成小盘成长/价值、大盘成长/价值四象限权重[52][57][61] 量化因子与构建方式 1. **因子名称**：量能情绪因子 - **构建思路**：反映市场流动性强弱，标准化处理避免极端值干扰[23] - **具体构建**： $$ \text{Score}_t = \frac{\min(\max(V_t, \mu_V - 2\sigma_V), \mu_V + 2\sigma_V) - (\mu_V - 2\sigma_V)}{4\sigma_V} \times 2 - 1 $$ 其中$V_t$为当日成交额，$\mu_V$、$\sigma_V$为60日均值和标准差[23] 2. **因子名称**：估值差分位数因子 - **构建思路**：捕捉风格间估值均值回归机会[52][57] - **具体构建**： 1. 计算成长价值PE差：$ \Delta PE = PE_{成长} - PE_{价值} $ 2. 计算5年滚动分位数：$ Rank(\Delta PE) = \frac{\text{当前值}-Min}{Max-Min} $[52][58] 模型的回测效果 | 模型名称 | 年化收益率 | 最大回撤 | 胜率 | 赔率 | IR | 测试区间 | |------------------------|------------|----------|--------|-------|-------|----------------| | 交易量能(中证500ETF) | 11.08% | 16.65% | 51.67% | 1.69 | 1.05 | 2017-2025[39] | | 交易量能(中证1000ETF) | 12.66% | 22.93% | 46.95% | 2.15 | 0.72 | 2017-2025[39] | | 短期择时策略 | 18.21% | 22.77% | 69.93% | - | 1.10 | 2013-2025[47] | | 四风格轮动模型 | 13.37% | 47.91% | 59.87% | - | 0.60 | 2013-2025[63] | 因子的回测效果 | 因子名称 | IC均值 | ICIR | 多空年化收益 | 最大回撤 | 测试标的 | |-------------------|--------|--------|--------------|----------|----------------| | 量能情绪因子 | 0.12 | 0.85 | 9.8% | 18.3% | 万得全A[23][34]| | 估值差分位数因子 | 0.09 | 0.62 | 7.2% | 15.6% | 成长价值指数[52]|

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]

根据提供的证券研究报告内容，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. 短期量化择时模型 - **模型构建思路**：通过基本面、估值面、情绪面、流动性四个维度的指标综合判断市场短期走势[17][20][22] - **具体构建过程**： 1. **基本面指标**：制造业PMI分位数（44.92%）、中长期贷款余额同比增速分位数（0.00%）、M1同比增速分位数（77.97%）[17] 2. **估值面指标**：A股整体PE分位数（92.80%）、PB分位数（71.05%）[18] 3. **情绪面指标**：Beta离散度分位数（40.68%）、量能情绪分位数（72.70%）、波动率分位数（12.99%）[20] 4. **流动性指标**：货币利率指标分位数（33.90%）、汇率预期指标分位数（40.68%）、融资额分位数（80.81%）[20] 5. 采用加权打分机制，各维度信号权重均衡，最终输出乐观/中性/谨慎信号[22] 2. 成长价值轮动模型 - **模型构建思路**：基于盈利周期、利率周期、信贷周期构建基本面信号，结合估值差和情绪指标进行风格判断[32][34] - **具体构建过程**： 1. **基本面信号**： - 盈利周期斜率=4.17（利好成长） - 利率综合周期水平=9.17（利好价值） - 信贷综合周期变化=-3.33（利好价值）[32] 2. **估值信号**： - 成长价值PE差分位数=15.19% - PB差分位数=34.08%（均利好成长）[32] 3. **情绪信号**： - 换手差分位数=21.01%（利好价值） - 波动差分位数=20.58%（均衡）[32] 4. 采用三级信号加权体系，最终输出成长/价值配置比例[34] 3. 小盘大盘轮动模型 - **模型构建思路**：与成长价值模型类似，但指标调整为小盘大盘特异性指标[36][38] - **具体构建过程**： 1. **基本面信号**： - 盈利周期斜率=4.17（利好小盘） - 利率综合周期水平=9.17（利好大盘） - 信贷综合周期变化=-3.33（利好大盘）[36] 2. **估值信号**： - 小盘大盘PE差分位数=80.60% - PB差分位数=99.59%（均利好大盘）[36] 3. **情绪信号**： - 换手差分位数=54.26%（均衡） - 波动差分位数=83.71%（利好大盘）[36] 4. 采用相同加权机制输出配置建议[38] 4. 四风格轮动模型 - **模型构建思路**：整合成长价值和小盘大盘模型的输出，形成四象限配置建议[31][43] - **具体构建过程**： 1. 接收成长价值模型输出（当前成长0%/价值100%）[32] 2. 接收小盘大盘模型输出（当前小盘50%/大盘50%）[36] 3. 按交叉组合计算配置比例： $$配置比例 = 成长价值权重 \times 小盘大盘权重$$[43] 4. 当前输出：小盘成长12.5%、小盘价值37.5%、大盘成长12.5%、大盘价值37.5%[31] --- 模型的回测效果 1. 短期择时模型 - 年化收益率：16.58%（基准4.26%）[21] - 年化超额收益率：12.32%[21] - 最大回撤：27.70%（基准31.41%）[21] - 夏普比率：0.9889（基准0.2440）[26] - 2024年以来年化收益率：27.68%（基准5.99%）[28] 2. 成长价值轮动模型 - 年化收益率：11.67%（基准6.77%）[33] - 年化超额收益率：4.90%[33] - 最大回撤：43.07%（基准44.13%）[35] - 夏普比率：0.5387（基准0.3231）[35] 3. 小盘大盘轮动模型 - 年化收益率：12.21%（基准6.85%）[37] - 年化超额收益率：5.36%[37] - 最大回撤：50.65%（基准53.70%）[40] - 夏普比率：0.5336（基准0.3210）[40] 4. 四风格轮动模型 - 年化收益率：13.17%（基准7.27%）[43] - 年化超额收益率：5.90%[43] - 最大回撤：47.91%（基准49.07%）[43] - 夏普比率：0.5895（基准0.3432）[43] --- 量化因子与构建方式 1. Beta离散度因子 - **构建思路**：衡量市场局部过热风险[2][20] - **计算方法**： $$Beta离散度 = \frac{1}{n}\sum_{i=1}^n (\beta_i - \bar{\beta})^2$$ 其中$\beta_i$为个股Beta值，$\bar{\beta}$为市场平均Beta[20] - **当前值**：-0.59%（过去5年40.68%分位数）[20] 2. 量能情绪因子 - **构建思路**：结合60日成交量与换手率布林带指标[20] - **计算方法**： $$量能情绪 = \frac{成交量 - 下轨}{上轨 - 下轨} \times 换手率Z值$$[20] - **当前值**：0.30（过去5年72.70%分位数）[20] 3. 估值差分位数因子 - **构建思路**：计算风格间PE/PB估值差的历史分位数[32][36] - **计算方法**： $$估值差分位数 = Percentile(\frac{PE_{风格A}}{PE_{风格B}})[32]$$ - **当前值**： - 成长价值PE差分位数=15.19%[32] - 小盘大盘PE差分位数=80.60%[36] --- 因子的回测效果 （注：报告中未单独披露因子级回测结果） --- 模型评价 1. **短期择时模型**：在多周期测试中表现稳健，尤其在波动控制方面显著优于基准[21][26] 2. **风格轮动模型**：基本面驱动逻辑明确，但2025年出现小幅超额收益回撤[33][37][43] 3. **因子设计**：Beta离散度因子能有效捕捉市场过热风险，量能情绪因子对短期趋势敏感[2][20]

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]

风格轮动模型表现 - 2025Q2宏观量价双驱模型发出大盘信号，5月大盘风格相对小盘超额收益达0.56% [1] - 2025Q2价值成长轮动策略发出价值信号，5月价值风格相对成长超额收益达3.40% [1][2] - 模型预判持续印证，市场整体偏向大盘和价值风格 [1] 行业轮动模型表现 - 5月单因子多策略模型月收益率3.31%，超额收益0.33%，显著优于复合因子策略的-0.64%超额 [1][2] - 6月单因子策略推荐多头行业为非银金融、电子、银行，复合因子策略推荐非银金融、医药、建材、基础化工、钢铁 [2] 配置信号 - 2025Q2大小盘轮动综合分数为3，明确指向大盘配置 [1] - 2025Q2价值成长轮动综合分数为3，明确指向价值配置 [2]

量化模型与构建方式 1. **模型名称**：宏观+量价大小盘双驱轮动策略 **模型构建思路**：结合宏观经济层面和微观量价层面的因子，驱动大小盘风格轮动[6] **模型具体构建过程**： - 从宏观经济层面选取PMI季均差分、社融加权同比、货币流动性、中美利差等因子 - 从微观量价层面选取宏观调整动量、狭义风格拥挤度、广义大盘拥挤度等因子 - 各因子发出大盘信号时设为1，小盘信号时设为-1，无信号时设为0 - 综合分数大于0时全仓配置沪深300指数，小于0时全仓配置中证1000指数，等于0时等权配置沪深300和中证1000指数[7] **模型评价**：截至2025Q1，策略回测胜率为82.22%，模型有效性较高[6] 2. **模型名称**：宏观量价双驱价值成长风格轮动模型 **模型构建思路**：整合宏观经济和微观量价因子，驱动价值成长风格轮动[12] **模型具体构建过程**： - 宏观经济因子包括PMI新订单季均差分、PPI-CPI加权环比、1Y国债、3M美债水平等 - 微观量价因子包括宏观调整动量、风格拥挤度、市场情绪等 - 各因子发出价值信号时设为1，成长信号时设为-1，无信号时设为0 - 综合分数大于0时全仓配置国证价值指数，小于0时全仓配置国证成长指数，等于0时等权配置国证价值和国证成长指数[13] **模型评价**：截至2025Q1，策略回测胜率为77.78%，模型有效性较好[12] 3. **模型名称**：行业轮动复合因子策略 **模型构建思路**：基于行业历史基本面、预期基本面、情绪面、量价技术面、宏观经济等多维度因子构建复合策略[18] **模型具体构建过程**： - 对中信一级30个行业进行打分 - 选择排名前5的行业等权构建多头组合 - 相对等权基准计算超额收益[20] 4. **模型名称**：行业轮动单因子多策略 **模型构建思路**：基于单一因子多策略组合进行行业轮动[18] **模型具体构建过程**： - 对中信一级30个行业进行打分 - 选择排名靠前的行业等权构建多头组合 - 相对等权基准计算超额收益[20] 模型的回测效果 1. **宏观+量价大小盘双驱轮动策略** - 区间收益：-2.41% - 年化收益：-5.83% - 年化波动：17.17% - 最大回撤：10.49% - 夏普比率：-0.34 - 卡玛比率：-0.56[11] 2. **宏观量价双驱价值成长风格轮动模型** - 区间收益：1.79% - 年化收益：4.48% - 年化波动：18.06% - 最大回撤：10.36% - 夏普比率：0.25 - 卡玛比率：0.43[17] 3. **行业轮动复合因子策略** - 上个月绝对收益：2.43% - 上个月超额收益：-0.64% - 2025年绝对收益：4.81% - 2025年超额收益：3.98%[20] 4. **行业轮动单因子多策略** - 上个月绝对收益：3.31% - 上个月超额收益：0.33% - 2025年绝对收益：4.56% - 2025年超额收益：3.83%[20] 量化因子与构建方式 1. **因子名称**：大小盘风格轮动因子 **因子构建思路**：结合宏观经济和微观量价因子驱动大小盘风格轮动[6] **因子具体构建过程**： - 宏观经济因子：PMI季均差分、社融加权同比、货币流动性、中美利差 - 微观量价因子：宏观调整动量、狭义风格拥挤度、广义大盘拥挤度 - 各因子信号值为1（大盘）、-1（小盘）或0（无信号）[7] 2. **因子名称**：价值成长风格轮动因子 **因子构建思路**：结合宏观经济和微观量价因子驱动价值成长风格轮动[12] **因子具体构建过程**： - 宏观经济因子：PMI新订单季均差分、PPI-CPI加权环比、1Y国债、3M美债水平 - 微观量价因子：宏观调整动量、风格拥挤度、市场情绪 - 各因子信号值为1（价值）、-1（成长）或0（无信号）[13] 3. **因子名称**：行业轮动复合因子 **因子构建思路**：整合多维度因子对行业进行打分[18] **因子具体构建过程**： - 行业历史基本面、预期基本面、情绪面、量价技术面、宏观经济等维度因子 - 对中信一级30个行业进行综合打分[20] 4. **因子名称**：行业轮动单因子 **因子构建思路**：基于单一因子对行业进行打分[18] **因子具体构建过程**： - 对中信一级30个行业进行单一因子打分 - 选择排名靠前的行业构建组合[20] 因子的回测效果 1. **大小盘风格轮动因子** - 2025Q2综合分数：3（大盘信号）[6] - 2025Q1综合分数：3（大盘信号）[6] 2. **价值成长风格轮动因子** - 2025Q2综合分数：3（价值信号）[12] - 2025Q1综合分数：-5（成长信号）[12] 3. **行业轮动复合因子** - 6月推荐行业：非银行金融、医药、建材、基础化工、钢铁[20] 4. **行业轮动单因子** - 6月推荐行业：非银行金融、电子、银行[20]

量化模型与构建方式 1. **模型名称**：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，通过微观特征构造和随机森林模型实现风格择时与打分[6] - **模型具体构建过程**： 1. 基于80个底层因子构造640个微观特征[6] 2. 使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[6] 3. 滚动训练随机森林模型进行风格择时，输出当期风格得分[6] 4. 综合择时结果与打分结果生成月频轮动信号[6] - **模型评价**：通过滚动训练规避过拟合，结合微观特征提升风格划分的灵活性[6] 模型的回测效果 1. **风格轮动模型**（2014/01-2025/05）： - 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] - 对冲基准超额年化收益：13.35%[7][8] - 对冲波动率：11.43%[7][8] - 对冲信息比率（IR）：1.17[7][8] - 对冲月度胜率：66.42%[7][8] - 最大回撤：10.28%（对冲后）[7][8] 量化因子与构建方式 1. **因子名称**：估值因子 - **因子构建思路**：通过微观个股估值指标构造风格标签[6] 2. **因子名称**：市值因子 - **因子构建思路**：基于个股市值划分大/小市值风格[6] 3. **因子名称**：动量因子 - **因子构建思路**：捕捉价格趋势特征[6] 4. **因子名称**：波动率因子 - **因子构建思路**：衡量个股波动水平区分高/低波风格[6] 因子的回测效果 1. **2025年风格因子多空对冲收益**（择时后）： - 动量因子：区间收益见动态曲线[16] - 波动率因子：区间收益见动态曲线[16] - 估值因子：区间收益见动态曲线[16] - 市值因子：区间收益见动态曲线[16] 2. **近一年风格权重分布**： - 市值因子权重占比动态变化[17] - 估值因子权重占比动态变化[17] - 动量因子权重占比动态变化[17] - 波动率因子权重占比动态变化[17] 最新模型输出 - 2025年6月推荐风格：价值、大市值、动量、低波[14] - 当前持仓指数：中证红利[14]

量化模型与构建方式 1. **模型名称**：微观风格轮动模型 - **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，并基于指数风格股票池生成风格收益标签，结合随机森林模型进行风格择时与打分[6] - **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）通过组合衍生出640个微观特征[6] 2. **标签生成**：以常用指数（如中证红利）作为风格股票池，计算风格收益作为训练标签[6] 3. **模型训练**：滚动训练随机森林模型，预测风格得分并生成择时信号[6] 4. **组合构建**：根据择时结果和打分结果加权生成最终风格配置[6] - **模型评价**：通过滚动训练规避过拟合，实现风格轮动的动态优化[6] 模型的回测效果 1. **微观风格轮动模型**（2014/01-2025/04）： - 年化收益率：21.56%[7][8] - 年化波动率：24.17%[7][8] - IR：0.89[7][8] - 月度胜率：58.82%[7][8] - 超额年化收益率（vs基准）：13.45%[7][8] - 超额波动率：11.47%[7][8] - 超额IR：1.17[7][8] - 最大回撤：10.28%（超额）[7][8] 量化因子与构建方式 1. **因子类别**：估值、市值、波动率、动量[6] - **构建思路**：基于微观个股数据（如财务、量价）构造多维度特征[6] - **具体构建过程**：未披露详细公式，但通过标准化、中性化等步骤处理原始因子[6] 因子的回测效果 1. **2025年风格因子多空对冲收益**： - **动量因子**：2025年1-4月收益区间为-6%至4%[10][17] - **波动率因子**：2025年1-4月收益区间为-4%至6%[10][17] - **估值因子**：2025年1-4月收益区间为-2%至8%[10][17] - **市值因子**：2025年1-4月收益区间为-8%至2%[10][17] 2. **近一年风格权重分布**： - 市值因子权重占比约40%-60%，估值因子20%-40%，动量和波动率因子交替占优[18] 最新模型输出 - **2025年5月推荐风格**：价值（估值）、大市值、反转（动量负向）、低波[14] - **持仓指数**：中证红利[15]