量化模型与构建方式 1. **模型名称：赔率+胜率策略** - **模型构建思路**：结合资产的赔率与胜率指标，通过风险预算模型构建配置策略[40] - **模型具体构建过程**： 1. **赔率指标**：基于ERP（股权风险溢价）和DRP（债务风险溢价）的标准化数值等权计算，例如A股赔率为1.2倍标准差[11] 2. **胜率指标**：通过宏观胜率评分卡（货币、信用、增长、通胀、海外五因子）合成综合胜率，例如A股胜率回升至0轴附近[11] 3. **风险预算分配**：将赔率策略和胜率策略的风险预算简单相加，生成综合得分并调整资产权重[40] - **模型评价**：通过动态调整高赔率与高胜率资产权重，实现稳健收益 2. **模型名称：行业轮动策略（三维评价体系）** - **模型构建思路**：基于行业景气度、趋势、拥挤度三维框架筛选行业[35] - **模型具体构建过程**： 1. **趋势指标**：过去12个月信息比率（IR）衡量行业动量 2. **拥挤度指标**：换手率比率、波动率比率、beta比率合成[35] 3. **景气度分类**：实心气泡代表高景气行业，空心代表低景气[38] - **模型评价**：通过多维度交叉验证，有效捕捉行业轮动机会 3. **模型名称：美联储流动性指数模型** - **模型构建思路**：从数量维度和价格维度解构美联储流动性[17] - **模型具体构建过程**： 1. **数量维度**：净流动性、联储信用支持 2. **价格维度**：预期引导、市场隐含利率、公告意外[15] 3. **指数合成**：加权计算当前流动性状态（如20%中高水平）[15] --- 量化因子与构建方式 1. **因子名称：价值因子** - **因子构建思路**：通过赔率、趋势、拥挤度三标尺综合打分[18] - **因子具体构建过程**： 1. **赔率**：国证价值/国证1000比值标准化（当前0.2倍标准差）[19] 2. **趋势**：滚动窗口计算因子收益率方向（-0.1倍标准差中等水平）[19] 3. **拥挤度**：换手率与波动率分位数合成（-1倍标准差低拥挤）[19] - **因子评价**：综合得分1分，呈现“强趋势-低拥挤”特征[29] 2. **因子名称：质量因子** - **因子构建思路**：侧重盈利稳定性与ROE持续性[20] - **因子具体构建过程**： 1. **赔率**：高质量因子超额走势分位数（1.4倍标准差高赔率）[22] 2. **趋势**：滚动12个月收益方向（-0.3倍标准差弱趋势）[22] 3. **拥挤度**：持仓集中度与交易量合成（-0.8倍标准差低拥挤）[22] 3. **因子名称：小盘因子** - **因子构建思路**：衡量市值风格与交易拥挤度[26] - **因子具体构建过程**： 1. **赔率**：中证2000/沪深300比值标准化（-0.5倍标准差低赔率）[28] 2. **趋势**：短期动量强度（0.9倍标准差强趋势）[28] 3. **拥挤度**：换手率分位数（0.6倍标准差高拥挤）[28] --- 模型的回测效果 1. **赔率+胜率策略** - 年化收益：7.0%（2011年以来）、7.6%（2014年以来）、7.2%（2019年以来）[47] - 最大回撤：2.8%（2011年以来）、2.7%（2014年以来）、2.8%（2019年以来）[47] - 夏普比率：2.86（2011年以来）、3.26（2014年以来）、2.85（2019年以来）[47] 2. **行业轮动策略** - 年化超额收益：13.1%（2011年以来）、13.0%（2014年以来）、10.8%（2019年以来）[36] - 信息比率（IR）：1.18（2011年以来）、1.08（2014年以来）、1.02（2019年以来）[36] --- 因子的回测效果 1. **价值因子** - 综合打分：1分（当前排名最高）[18] - 赔率分位数：0.2倍标准差[19] - 趋势分位数：-0.1倍标准差[19] 2. **质量因子** - 综合打分：0.6分[20] - 赔率分位数：1.4倍标准差[22] - 趋势分位数：-0.3倍标准差[22] 3. **小盘因子** - 综合打分：0分[26] - 趋势分位数：0.9倍标准差[28] - 拥挤度分位数：0.6倍标准差[28]

风格轮动策略 - 风格轮动是依据ETF特征进行交易的行为，常见的类型包括大小盘轮动和成长价值轮动 [1] - 风格轮动的逻辑依赖于权益资产价格的两个驱动因素：盈利和估值，其中盈利是主导风格强弱的关键因素 [1] 价值成长轮动策略 - 价值类股票通常具备更好的安全边际，而成长类股票可能具备更好的盈利前景 [1] - 成长与价值的盈利增速差和收益率差呈现高度正相关性，当盈利增速差值扩大时，成长表现会超过价值 [1] - 可通过观察风格间的相对业绩增速趋势或估值指数来进行风格配置 [1] 大小盘轮动策略 - 大小盘轮动通常根据市场环境和经济周期的变化来进行，并参考月频宏观经济数据辅助判断 [1] - 大盘股在国民经济中比重更高，更容易受到经济周期影响：经济增长上行阶段大盘股盈利上升速度通常高于小盘股，下行阶段受影响更大 [1] - 流动性环境对估值有重要影响：流动性充裕时资金外溢至小盘股，收紧时大盘股表现更佳 [1]

金融工程 | 金工定期报告 2025 年 06 月 08 日 作者 吴先兴 分析师 SAC 执业证书编号：S1110516120001 wuxianxing@tfzq.com 韩乾 分析师 SAC 执业证书编号：S1110522100001 hanqian@tfzq.com 相关报告 1 《金融工程：金融工程-因子跟踪周 报 ： 小 市 值 、 成 长 因 子 表 现 较 好 -20250607》 2025-06-07 2 《金融工程：金融工程-基金风格配 置监控周报：权益基金连续两周上调大 盘股票仓位》 2025-06-02 3 《金融工程：金融工程-哪些行业景 气度在上行？——细分行业景气度跟踪 -20250601》 2025-06-01 金融工程 证券研究报告 基金风格配置监控周报： 权益基金本周上调小盘股票仓位 公募基金风格监控 基金季报中披露有基金前十大重仓股，同时企业季度报告中披露有企业的 前十大股东信息（主要使用上市公司 1、3 季度十大股东信息），结合这两 部分信息我们可以得到基金持仓更加详细的重仓股信息。因此模拟全部股 票持仓只需要估计基金剩余的非重仓持股明细。 基金季报（T 期）披露有股票 ...

量化模型与构建方式 1. **模型名称**：公募基金仓位估计模型 - **模型构建思路**：基于基金季报披露的前十大重仓股、上市公司十大股东信息及行业配置数据，模拟补全基金的全部股票持仓[8][9] - **模型具体构建过程**： 1. 利用基金季报（T期）的行业配置比例和T-1期半年报/年报的非重仓股持仓，假设非重仓股在各行业内的持股种类不变，仅按比例调整权重，通过加权放缩得到T期非重仓股模拟持仓[10] 2. 将模拟持仓拆分为大、小盘组合，结合基金日收益率和大、小盘指数日收益率，采用加权最小二乘法估计每日大、小盘配置仓位[11] - **模型评价**：解决了基金持仓披露滞后性问题，实现了对基金仓位的日度监控，但依赖历史持仓假设可能引入偏差[11] 2. **模型名称**：基金风格监控模型 - **模型构建思路**：从大小盘配置、市值暴露、行业配置三个维度分析基金风格变化[11] - **模型具体构建过程**： 1. 基于模拟持仓计算基金在大盘（如上证50）和小盘（如中证1000）指数上的暴露 2. 通过回归分析计算行业配置权重，跟踪中信一级行业的仓位变动[15][20] --- 模型的回测效果 1. **公募基金仓位估计模型** - 普通股票型基金仓位中位数：87.39%（2025-05-30），周环比上升0.10%[16] - 偏股混合型基金仓位中位数：83.76%，周环比下降0.18%[16] - 大盘仓位变动：普通股票型+2.48%，偏股混合型+1.34%[16] - 小盘仓位变动：普通股票型-2.37%，偏股混合型-1.52%[16] 2. **基金风格监控模型** - 行业配置权重：电子（普通股票型14.32%）、医药（10.99%）、电力设备（9.29%）[20] - 行业分位点：电子元器件（66.79%分位）、汽车（97.08%分位）、医药（14.23%分位）[20] --- 量化因子与构建方式 1. **因子名称**：基金大小盘暴露因子 - **因子构建思路**：通过基金持仓与市场指数的相关性计算市值风格暴露[11] - **因子具体构建过程**： $$ \text{Exposure} = \frac{\sum (w_i \cdot \beta_i)}{\sum w_i} $$ 其中 \( w_i \) 为股票权重，\( \beta_i \) 为股票对大盘/小盘指数的敏感度 2. **因子名称**：行业动量因子 - **因子构建思路**：跟踪基金行业配置的周度变动捕捉资金流向[24] - **因子具体构建过程**：计算中信一级行业仓位周环比变化，如电子（+）、机械（-）[24] --- 因子的回测效果 1. **基金大小盘暴露因子** - 普通股票型基金小盘仓位：43.2%（2025-05-30），大盘仓位：44.2%[15] - 偏股混合型基金小盘仓位：47.0%，大盘仓位：36.8%[15] 2. **行业动量因子** - 本周增持行业：电子、计算机、传媒（变动幅度未披露）[24] - 本周减持行业：机械、汽车、电力设备[24]

报告行业投资评级 未提及 报告的核心观点 - 未来投资策略建议均衡风格配置，重视金融、科技与顺周期类资产 [1][3] - 中国股指反弹至关税摩擦前，贴现率下降是中国升势的最大动力，继续看好金融、科技与部分周期 [3][15] - 预计此轮存款利率调降对资金出表的扰动有限，资金面再度回到一季度的紧张状态概率不大，票息策略继续占优，高等级短久期信用债或受益 [3][15] 根据相关目录分别进行总结 上周市场回顾 - A股调整，周一至周三小幅上涨，周四开始调整，全周上证综指下跌0.57%，深证成指下跌0.46%，主要指数多数下跌，价值优于成长，两市成交5.69万亿元，成交量较前周约减少4707亿元，申万一级行业分类下31个行业中有10个行业上涨，医药生物、综合和有色金属等行业表现较优 [5][6] - 债市震荡，5月23日央行开展5000亿元1年期MLF操作，1年期国债收益率下行0.3BP至1.45%，10年期国债收益率上行4BP至1.72%，信用债等级利差多数走阔，期限利差多数收窄，主要指数多数上涨，中证转债指数下跌0.11% [5][7] - 美股下跌，受穆迪下调美国信用评级影响，全周道琼斯工业指数下跌2.47%，标普500指数下跌2.61%，纳斯达克指数下跌2.47%，欧洲和亚太各主要市场涨跌互现，美元指数下跌1.84%，大宗商品中能源指数下跌0.67%，油价下跌，贵金属指数上涨5.56%，金价上涨 [5][8] 上周基金市场回顾 - 股票型基金整体下跌0.27%，部分重仓医药板块的基金表现较优，指数基金中港股创新药、黄金股等主题产品表现较好 [5][9] - 混合型基金中主动混合开放型基金整体上涨0.01% [9] - 债券型基金整体上涨0.06%，权益资产涉及黄金股、医药等板块的偏债债基和可转债债基表现较优，纯债债券型基金中部分重配中高等级信用债的产品表现较好 [5][10] - 货币基金年化收益率为1.34%，长期摊余成本法债基年化收益率为1.31% [10] - QDII基金中主投港股医药、全球黄金领域的基金表现较优，权益类QDII基金整体上涨0.03%，QDII债券型基金下跌0.21% [5][10] - 黄金ETF及其联接基金上涨3.90%，商品型基金上周上涨3.11% [10] 未来投资策略 - 宏观上4月经济在外部冲击下仍有韧性，外需短期有一定回落，国内需求在政策支撑下有韧性，下一阶段外需扰动或减弱，内需有待政策继续发力 [5][11] - 股票市场看好中国A/H股市，贴现率下降是中国股市上升的重要动力 [5][12] - 债券市场存款规模对非同业存款挂牌利率调降不敏感，个人和单位对银行存款有较强配置意愿，此轮存款利率调降对资金出表扰动有限 [5][12] - 基金投资方面股混基金建议均衡风格配置，关注基金经理选股和风控能力，重视金融、科技与顺周期类资产投资机会；债券基金建议关注重配中短久期中高等级信用债并有票息保护的产品；货币基金无趋势性投资机会；商品基金可适当配置黄金ETF [5][15] 基金市场最新动态 - 5月23日首批26只新型浮动费率基金获得证监会批文，5月24日16家基金公司公告旗下产品5月27日开启发行，多数产品6月中下旬结束认购，费率结构有不对称双向激励，体现基金公司与投资者深度绑定决心 [5][16] - ETF - FOF市场迎来新一轮布局窗口期，多家基金公司密集推出或申报相关产品，ETF加速融入FOF组合，从辅助工具走向组合核心 [5][17] - 上周共新成立基金27只，新成立基金平均认购天数约20天，新发基金平均募集份额为6.08亿份，总募集份额为164.23亿份 [5][19] - 下周有36只基金份额将进行权益登记，招商基金公路高速公路REIT每10份派发红利2.155元 [5][20]

根据提供的研报内容，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**：公募基金仓位估计模型 - **模型构建思路**：通过整合基金季报披露的前十大重仓股、上市公司十大股东信息及行业配置数据，模拟补全基金的全部股票持仓[7][8] - **模型具体构建过程**： 1. 利用基金季报（T期）的行业配置信息和T-1期半年报/年报的非重仓股持仓，假设非重仓股在各行业下持股种类不变，仅按比例调整权重，生成T期模拟持仓[9] 2. 将模拟持仓拆分为大、小盘组合，基于基金日收益率与对应指数收益率，采用加权最小二乘法估计每日仓位配置： $$ \text{基金日收益率} = \alpha + \beta_{\text{大盘}} \cdot R_{\text{大盘}} + \beta_{\text{小盘}} \cdot R_{\text{小盘}} + \epsilon $$ 其中$\beta_{\text{大盘}}$和$\beta_{\text{小盘}}$分别代表大盘和小盘组合的配置权重[11] - **模型评价**：解决了基金持仓披露滞后性问题，实现了日度仓位监控，但依赖历史持仓比例假设可能引入误差[11] 2. **模型名称**：基金风格监控模型 - **模型构建思路**：基于仓位估计结果，从大小盘配置、市值暴露、行业配置三个维度分析基金风格[11] - **模型具体构建过程**： 1. 根据中信一级行业分类计算行业配置权重[18] 2. 结合市值分组（大/小盘）计算风格暴露值，通过历史分位点评估当前配置水平[19] --- 模型的回测效果 1. **公募基金仓位估计模型** - 普通股票型基金仓位中位数：86.31%（2025-05-16），周环比下降1.99%[13] - 偏股混合型基金仓位中位数：82.48%，周环比下降2.79%[13] - 大盘组合仓位变动：普通股票型下降1.07%，偏股混合型下降1.74%[14] - 小盘组合仓位变动：普通股票型下降0.91%，偏股混合型下降1.06%[14] 2. **基金风格监控模型** - 行业配置权重：电子（14.36%普通股票型）、医药（10.79%）、电力设备（9.31%）[18] - 行业分位点：机械（94.1%偏股混合型）、汽车（99.26%）、医药（12.18%普通股票型）[19] --- 量化因子与构建方式 1. **因子名称**：市值暴露因子 - **因子构建思路**：通过基金持仓的大/小盘组合权重差异捕捉市值风格偏好[11] - **因子具体构建过程**： $$ \text{市值暴露} = \frac{\text{小盘组合权重} - \text{大盘组合权重}}{\text{总股票仓位}} $$ 结果标准化为历史分位点（如普通股票型小盘仓位分位点19.38%）[14][16] 2. **因子名称**：行业动量因子 - **因子构建思路**：跟踪基金行业配置周度变动方向[20][21] - **因子具体构建过程**：计算各行业仓位周度变化百分比（如电子行业仓位下降，医药行业上升）[21] --- 因子的回测效果 1. **市值暴露因子** - 普通股票型小盘仓位分位点：19.38%（2016年以来）[14] - 偏股混合型小盘仓位分位点：25.36%[14] 2. **行业动量因子** - 周度增仓行业：非银行金融（+0.5%）、医药（+0.3%）[21] - 周度减仓行业：电子（-1.0%）、计算机（-0.8%）[21]

量化模型与构建方式 1. **模型名称**：公募基金仓位估计模型 - **模型构建思路**：基于基金季报披露的前十大重仓股、上市公司十大股东信息及行业配置，结合半年报/年报的全部持仓数据，模拟补全基金的非重仓股持仓，进而估计基金的整体股票仓位[9][10][11] - **模型具体构建过程**： 1. 从基金季报获取前十大重仓股（T期），结合上市公司十大股东信息补充重仓股细节[10] 2. 利用最近一期（T-1期）半年报/年报的全部持仓数据，提取非重仓股行业分布[11] 3. 假设非重仓股在各行业内的持股种类不变，仅按比例调整权重，根据T-1期非重仓股持仓按行业比例放缩得到T期模拟持仓[11] 4. 将模拟持仓拆分为大、小盘组合，通过加权最小二乘法拟合基金日收益率与大盘/小盘指数日收益率，估计每日仓位配置[13] - **模型评价**：解决了基金持仓披露不全和滞后性问题，实现了对基金仓位的日度监控[13] 2. **模型名称**：基金风格分析模型 - **模型构建思路**：基于仓位估计结果，从大小盘配置、市值暴露、行业配置三个维度刻画基金风格[13] - **模型具体构建过程**： 1. 计算基金在大盘组合（如沪深300）和小盘组合（如中证1000）的仓位占比[15] 2. 按中信一级行业分类统计行业配置权重，计算行业配置变动[20][21] 3. 结合历史分位点评估当前配置的极端程度[16][19] --- 模型的回测效果 1. **公募基金仓位估计模型** - 普通股票型基金仓位中位数：89.45%（2025-04-30），较前周上升0.06%[16] - 偏股混合型基金仓位中位数：87.07%（2025-04-30），较前周下降0.49%[16] - 大盘仓位变动：普通股票型+0.64%，偏股混合型+2.20%[16] - 小盘仓位变动：普通股票型-0.57%，偏股混合型-2.69%[16] 2. **基金风格分析模型** - 行业配置权重：电子（14.96%普通股票型/17.17%偏股混合型）、电力设备（9.28%/8.37%）、医药（10.93%/9.20%）[20] - 行业配置分位点：汽车（97.77%/99.26%）、电子元器件（74.72%/85.87%）、医药（12.27%/21.93%）[20] --- 量化因子与构建方式 1. **因子名称**：大小盘仓位因子 - **因子构建思路**：反映基金在大盘与小盘股票上的配置偏好[13] - **因子具体构建过程**： $$ \text{大盘仓位} = \frac{\sum \text{大盘股持仓市值}}{\sum \text{全部股票持仓市值}} $$ $$ \text{小盘仓位} = 1 - \text{大盘仓位} $$ 通过加权最小二乘法回归基金日收益与大盘/小盘指数收益，估计系数作为仓位值[13] 2. **因子名称**：行业配置因子 - **因子构建思路**：衡量基金在特定行业的超配或低配程度[20] - **因子具体构建过程**： $$ \text{行业权重} = \frac{\sum \text{行业持仓市值}}{\sum \text{全部股票持仓市值}} $$ 结合历史分位点计算行业配置的极端值[20] --- 因子的回测效果 1. **大小盘仓位因子** - 普通股票型基金：大盘仓位42.1%，小盘仓位47.4%（2025-04-30）[15] - 偏股混合型基金：大盘仓位36.4%，小盘仓位50.7%（2025-04-30）[15] 2. **行业配置因子** - 电子行业：普通股票型配置分位点74.72%，偏股混合型85.87%[20] - 汽车行业：普通股票型配置分位点97.77%，偏股混合型99.26%[20]

关键因素 图利 绝对差值和边际变化 重要指标 II 价值成长轮动策略 II 深圳证券交易所 ( SHENZHEN STOCK EXCHANGE 深交所ETF投资问答(42) 如何的身上了 II t FE ALKE 0 n - 编者按 - 近年来我国指数型基金迅速发展,交易型开 放式指数基金(ETF) 备受关注。为帮助广 大投资者系统全面认识ETF,了解相关投资 方法,特摘编由深圳证券交易所基金管理部 编著的《深交所ETF投资问答》（中国财政 经济出版社2024年版）形成图文解读。本 篇是第42期,一起来看看如何通过ETF构建 风格配置策略。 风格轮动是依据ETF特征进行交易的 行为，常见的风格轮动有大小盘轮动、 成长价值轮动等。风格轮动的分析框 架需要对比指数间的相对强弱，因此 预测难度更大。 II 影响风格轮动强弱的因素 II 价值和成长两类股票具有明显基本面 的差异。 价值类股票往往具备更好 的安全边际 成长类股票则可能具备更 好的盈利前景 观察风格间的相对业绩增速趋势,有 助于进行风格配置。除此之外，市场 中也有投资者通过估值指数来衡量价 值与成长之间的风格轮动。 u 大小鱼论动策略 ! 大小盘轮动通常 ...

量化模型与构建方式 1. **模型名称**：公募基金股票仓位估计模型 - **模型构建思路**：基于基金季报披露的前十大重仓股、上市公司十大股东信息及行业配置，结合半年报/年报的全部持仓数据，模拟补全基金的非重仓股持仓[8][9] - **模型具体构建过程**： 1. 从基金季报（T期）获取前十大重仓股和行业配置比例[9] 2. 结合上市公司1/3季度十大股东信息补充重仓股细节[9] 3. 利用最近一期（T-1期）半年报/年报的非重仓股持仓，假设行业下持股种类不变，按比例调整权重生成T期非重仓模拟持仓[10] 4. 将模拟持仓拆分为大、小盘组合，通过加权最小二乘法回归基金日收益率与大小盘指数日收益率，估计每日仓位配置[12] 2. **模型名称**：基金风格监控模型 - **模型构建思路**：通过模拟持仓数据从市值（大小盘）和行业维度监控基金风格变化[12] - **模型具体构建过程**： 1. 基于模拟持仓计算基金在大盘指数（如上证50）和小盘指数（如中证1000）的暴露度[11] 2. 按中信一级行业分类统计行业权重，计算行业配置变动[19][22] --- 模型的回测效果 1. **公募基金股票仓位估计模型** - 普通股票型基金仓位中位数：89.38%（2025-04-25），周环比+0.06%[14] - 偏股混合型基金仓位中位数：87.57%，周环比-0.29%[14] - 大盘仓位变动：普通股票型-0.86%，偏股混合型-1.40%[15] - 小盘仓位变动：普通股票型+0.92%，偏股混合型+1.12%[15] 2. **基金风格监控模型** - 当前仓位分位点（2016年以来）：普通股票型68.67%，偏股混合型81.54%[15] - 行业配置分位点示例：电子元器件（普通股票型88.81%）、汽车（95.90%）[20] --- 量化因子与构建方式 1. **因子名称**：市值暴露因子 - **因子构建思路**：通过基金持仓与市场组合回归分析，捕捉基金对大小盘风格的偏好[12] - **因子具体构建过程**： 1. 构建大盘指数（如沪深300）和小盘指数（如中证500）的日收益率序列[11] 2. 使用加权最小二乘法回归基金日收益率： $$R_{fund} = \alpha + \beta_{large} \cdot R_{large} + \beta_{small} \cdot R_{small} + \epsilon$$ 3. $\beta_{large}$和$\beta_{small}$即为市值暴露因子取值[12] 2. **因子名称**：行业动量因子 - **因子构建思路**：跟踪基金行业权重的周度变化，反映行业配置趋势[22] - **因子具体构建过程**： 1. 按中信一级行业分类计算基金持仓权重[19] 2. 计算周度行业权重变化： $$\Delta W_{i,t} = W_{i,t} - W_{i,t-1}$$ 3. 正变化视为增配动量，负变化视为减配动量[22] --- 因子的回测效果 1. **市值暴露因子** - 普通股票型基金小盘暴露：48.0%（2025-04-25），大盘暴露41.4%[14] - 偏股混合型基金小盘暴露：53.4%，大盘暴露34.2%[14] 2. **行业动量因子** - 本周增配行业：机械（+0.5%）、电力设备（+0.3%）、国防军工（+0.2%）[22][23] - 本周减配行业：非银行金融（-0.4%）、银行（-0.3%）、医药（-0.2%）[22][23]