根据研报内容，本报告主要对两次关税冲击下的A股市场交易结构进行对比分析，并未涉及具体的量化模型或量化因子的构建、测试与评价。报告的核心内容是对市场指数和行业层面的各类指标进行统计和对比，属于市场观察和描述性分析[2][6][7]。 因此，报告中**没有**需要总结的量化模型或量化因子内容。

根据研报内容，总结如下： 量化模型与构建方式 1. **模型名称：三维择时框架**[7][11][12] * **模型构建思路**：通过综合评估市场分歧度、流动性和景气度三个维度的状态，对市场整体走势进行判断[7][11][12] * **模型具体构建过程**：模型基于三个核心指标： 1. 市场分歧度指数：衡量市场参与者观点的差异程度[11][16] 2. 市场流动性指数：衡量市场的资金充裕程度[11][18] 3. A股景气度指数2.0：衡量上市公司整体的经营景气状况[11][20] 通过观察这三个指标的趋势和组合状态（例如，流动性下行、分歧度扩大、景气度稳中有升），形成对市场（如震荡下跌）的判断[7][11][12] 2. **模型名称：热点趋势ETF策略**[25][26][27] * **模型构建思路**：结合价格形态、技术指标和市场关注度，筛选出具有短期上涨趋势的ETF构建投资组合[25][28] * **模型具体构建过程**：过程分为三步： 1. **形态筛选**：首先筛选出最高价与最低价同时呈现上涨形态的ETF[25] 2. **构建支撑阻力因子**：基于最高价与最低价近20日的回归系数，构建衡量趋势陡峭程度的支撑阻力因子[25] 3. **关注度筛选与组合构建**：在支撑阻力因子的多头组中，选择近5日换手率与近20日换手率比值最高（即短期关注度提升最明显）的10只ETF，最终采用风险平价方法构建组合[25][29] 3. **模型名称：资金流共振策略**[33][34][36] * **模型构建思路**：结合融资融券资金和主动大单资金两类资金流的动向，选择两类资金共同看好的行业[2][33] * **模型具体构建过程**： 1. **因子构建**： * **行业融资融券资金因子**：计算行业内个股的（融资净买入-融券净卖出）并加总，然后对Barra市值因子进行中性化处理，再取最近50日均值，并计算其两周环比变化率[33] * **行业主动大单资金因子**：计算行业的净流入数据，并对其进行最近一年成交量的时序中性化处理，然后进行排序，最后取最近10日均值[33] 2. **策略规则**：在主动大单因子的头部打分行业内，剔除融资融券因子也处于头部的行业（研究发现融资融券因子多头端在某些市场状态下有负向超额），以提升策略稳定性，并进一步剔除大金融板块[33] 3. **行业推荐**：每周选择经过上述处理后有资金共振效应的行业作为推荐[33][36] 模型的回测效果 1. **资金流共振策略**，年化超额收益13.5%[33]，信息比率(IR)1.7[33]，上周绝对收益0.98%[33]，上周超额收益（相对行业等权）-0.54%[33] 量化因子与构建方式 1. **因子名称：风格因子（Barra系列）**[39][40][43] * **因子构建思路**：采用经典的Barra风险模型框架中的风格因子，从不同维度刻画股票特征[39][40][43] * **因子具体构建过程**：报告提及了多个Barra风格因子，包括： * **规模因子(size)**：进行行业中性化处理[41] * **贝塔因子(beta)**：进行市值、行业中性化处理[41] * **成长因子(growth)**：进行市值、行业中性化处理[41] * 其他因子如动量(momentum)、波动率(volatility)、非线性规模(nlsize)、价值(value)、流动性(liquidity)、盈利收益率(earnings_yield)、杠杆(leverage)等，大部分进行了市值和行业中性化处理[41][43] 2. **因子名称：Alpha因子**[42][44][46] * **因子构建思路**：构建多种基于基本面、分析师预测、市场交易数据的因子，以捕捉超额收益[42][44][46] * **因子具体构建过程**：报告列举了大量具体因子及其计算方法，例如： * **成长类因子**：如每股营业收入同比增长率(yoy_orps)、资产负债率同比变化率(debt_ratio_yoy)、总负债同比增长(tot_liab_yoy)、单季度营业收入同比增速(yoy_or_q)等[42][44] * **动量类因子**：如1年-1个月的收益率(mom_1y_1m)、十二个月残差动量(specific_mom12)等[44] * **盈利质量类因子**：如单季度ROE同比差值(roe_q_delta_report)、单季度ROE(roe_q_report)等[44][46] * **分析师预测类因子**：如(当前一致预测np_FY1-3个月前一致预测np_FY1)/3个月前一致预测np_FY1绝对值(mom3_np_fy1)、评级上下调差/评级上下调和(est_num_diff)等[46] 因子的回测效果 1. **风格因子（最近一周收益）**，规模因子(size)1.57%[39][43]，贝塔因子(beta)1.08%[40][43]，成长因子(growth)0.42%[40][43]，动量因子(momentum)0.39%[43]，波动率因子(volatility)0.20%[43]，非线性规模因子(nlsize)1.31%[43]，价值因子(value)-0.13%[43]，流动性因子(liquidity)0.96%[43]，盈利收益率因子(earnings_yield)-0.67%[43]，杠杆因子(leverage)0.48%[43] 2. **Alpha因子（近一周多头超额收益）**，每股营业收入同比增长率(yoy_orps)2.62%[44]，资产负债率同比变化率(debt_ratio_yoy)2.57%[44]，总负债同比增长(tot_liab_yoy)2.53%[44]，单季度营业收入同比增速(yoy_or_q)2.51%[44]，流动负债同比增长(cur_liab_yoy)2.49%[44]，速动比率同比变化(quick_ratio_yoy)2.25%[44]，营业收入同比增速(yoy_or)2.14%[44]，(当期总资产-去年同期总资产)/去年同期总资产绝对值(yoy_total_assets)2.12%[44]，销售商品提供劳务收到的现金流变化/投入资本(delta_cashflow_goodsales_ic)2.03%[44]，应付账款同比变化(yoy_accpayable)1.94%[44]，1年-1个月的收益率(mom_1y_1m)1.76%[44]，十二个月残差动量(specific_mom12)1.74%[44]，营业利润_TTM/销售费用_TTM(oper_salesexp)1.67%[44]，单季度ROE同比差值(roe_q_delta_report)1.61%[44]，单季度ROE同比差值（考虑快报、预告）(roe_q_delta_adv)1.61%[44]，经营活动现金流入变化/投入资本(delta_cashinflow_ic)1.61%[44]，(净利润ttm-过去八个季度的净利润ttm均值)/过去八个季度的净利润ttm标准差(np_ttm_growth_std)1.61%[44]，流动比率同比变化率(cur_ratio_yoy)1.57%[44]，earnings_fttm 1.56%[44]，单季度每股收益同比增速(yoy_eps_q)1.56%[44] 3. **Alpha因子（在不同宽基指数内的近一周多头超额收益）** * **单季度ROE同比差值（考虑快报、预告）(roe_q_delta_adv)**，在沪深300中8.23%[46]，在中证500中4.55%[46]，在中证1000中9.38%[46]，在国证2000中4.96%[46] * **(当前一致预测np_FY1-3个月前一致预测np_FY1)/3个月前一致预测np_FY1绝对值(mom3_np_fy1)**，在沪深300中7.14%[46]，在中证500中5.60%[46]，在中证1000中9.54%[46]，在国证2000中4.19%[46] * **评级上下调差/评级上下调和(est_num_diff)**，在沪深300中7.73%[46]，在中证500中4.86%[46]，在中证1000中8.72%[46]，在国证2000中4.60%[46] * **(当前一致预测eps_FY1-3个月前一致预测eps_FY1)/3个月前一致预测eps_FY1绝对值(mom3_eps_fy1)**，在沪深300中7.70%[46]，在中证500中4.88%[46]，在中证1000中8.28%[46]，在国证2000中5.18%[46] * **单季度ROE同比差值(roe_q_delta_report)**，在沪深300中7.47%[46]，在中证500中3.84%[46]，在中证1000中8.11%[46]，在国证2000中3.09%[46]

核心观点 - A股市场在"924"一周年之际表现强劲，主要指数涨幅位居全球前列，深证成指、沪深300、上证指数分别累计上涨61.7%、40.13%、38.97%，市场波动率处于近15年低位，风险收益性价比显著提升[2][12] - 市场上涨源于"三重共振"：资本市场投融资综合改革深化、国内基本面与预期改善、外部风险边际缓和，反映出投资者对中国宏观前景信心增强[2][11] - 科技创新叙事与"反内卷"逻辑成为市场两条重要主线，人工智能、人形机器人等硬科技相关行业表现突出，通信、电子等行业相对宽基指数呈现明显超额收益[2][25] 资本市场改革成效 - 监管系统性约束上市公司分红行为，2024年全市场分红达到2.4万亿元创历史新高，A股市场正由融资导向转向投资者回报导向[2][29] - 中长期资金入市效果显著，保险公司股票投资比例较2024年提升1.12-1.24个百分点，股票余额合计增加约6400亿元；公募基金配置A股市值从2024年中报的5万亿元增至2025年中报的6万亿元[2][32] - 公募基金费率改革三阶段全面落地，每年为投资者系统性让利约500亿元，优化居民投资成本结构并强化长期资金配置意愿[38] 宏观经济政策效果 - "卸包袱"政策取得阶段性成果，地方债务置换累计发行4万亿元，利息成本降低超2.5个百分点，节约利息支出超过4500亿元；60%以上融资平台隐性债务已清零[40] - "促循环"政策着力畅通国民经济内循环，8月工业生产数据释放生产趋弱和价格水平"抬头"两重信号，PPI环比转为持平，为2024年11月以来首次止跌[3][65] - "谋发展"政策加快培育新质生产力，规上高技术制造业增加值较"十三五"末增长42%，"三新"经济增加值占GDP比重达18%，高新技术企业数量突破50万家较2020年增长83%[47] 行业与市场表现 - "反内卷"政策成为打破物价下行螺旋重要抓手，政策关注度自2024年7月政治局会议后持续提升，2025年政府工作报告将"综合整治内卷式竞争"列入十大任务[56][59] - "两新"政策对消费拉动作用显著，8月限额以上家具类、家用电器和音像器材类、文化办公用品类商品零售额分别同比增长18.6%、14.3%、14.2%，大幅超过限额以上单位商品零售额2.6%的增速[3][70] - 2025年消费品以旧换新带动相关商品销售额预计达3.07万亿元，较2024年的1.3万亿元大幅增长；汽车、家电、家装厨卫等品类换新量均实现显著提升[75] 财政与金融数据 - 证券交易印花税表现亮眼，8月同比增长225.97%，连续10个月保持高于30%的增速，反映资本市场活跃度提升[95] - 财政支出聚焦民生领域，8月卫生健康、社会保障和就业、教育支出分别增长2.49%、10.9%、3.98%；政府性基金支出1-8月累计增速达30%[103][110] - 金融数据呈现"社融、信贷趋弱，M1高增、M2持平"特点，M2-M1剪刀差收窄显示实体部门融资需求持续边际改善[4] 进出口贸易格局 - 8月进出口总额同比增长3.1%，出口增长4.4%，进口增长1.3%；贸易格局呈现对美出口弱、对非美出口强特点[3][113][117] - 对美国出口同比下降33.12%，份额从15.33%降至9.82%；对欧盟、东盟、非洲出口分别增长10.38%、22.51%、25.86%，成为出口主要拉动力量[117] - 美国对华实际进口税率提升幅度较大，家具、衣物、玩具等劳动密集型产业商品税率提升显著，分别达14.03%、16.04%、13.69%[49]

工业利润总体改善 - 1-8月规模以上工业企业利润同比增长0.9%，扭转了1-7月同比下降1.7%的态势 [3] - 8月当月工业企业利润实现两位数增长，由7月下降1.5%转为增长20.4% [3] - 工业企业利润改善得益于宏观政策发力、全国统一大市场推进及去年同期低基数效应 [3] 价格因素驱动利润回升 - 8月PPI同比下降2.9%，但降幅较7月收窄0.7个百分点，为今年3月以来首次收窄 [4] - 8月PPI环比由7月下降0.2%转为持平，结束了连续8个月的下行态势 [4] - 煤炭加工、黑色金属冶炼、光伏设备及新能源车整车制造等行业价格同比降幅显著收窄，对PPI下拉影响减少约0.5个百分点 [4] 上游原材料行业盈利显著改善 - 1-8月原材料制造业利润同比增长22.1%，增速较1-7月加快10个百分点 [6] - 钢铁行业利润同比实现扭亏为盈 [6] - 有色金属行业利润增长12.7% [6] “反内卷”政策成效与持续部署 - 国资委要求中央企业带头抵制“内卷式”竞争，引导行业健康、良性发展 [2][8] - 工信部密集发布汽车、钢铁、有色金属等十大行业稳增长工作方案，明确部署规范竞争秩序 [2][8][9] - 政策通过调整产业结构、减产缓解过剩产能，带动部分工业品价格回升 [5] 中下游行业挑战与政策期待 - 当前企业利润呈现结构性分化，上中游行业利润持续修复，但下游消费类行业受制于终端需求平淡 [7] - 部分上游行业价格已回升，但中下游行业的“反内卷”仍需更多政策支持 [2][7] - 后续政策若能在扩大消费品以旧换新、加大消费和地产刺激等方面精准发力，有望推动盈利改善向中下游传导 [2][7] 重点行业稳增长举措 - 有色金属行业方案提出科学合理布局氧化铝、铜冶炼、碳酸锂等项目，避免重复低水平建设 [9] - 钢铁行业方案以“稳增长、防内卷”为核心，提出实施产能产量精准调控，加大产能减量置换力度 [9] - 汽车行业方案明确加强成本调查和价格监测，规范产业竞争秩序，并指导制定整车企业供应商账款支付规范 [10]

量化模型与构建方式 1. 行业拥挤度模型 - 模型名称：行业拥挤度模型[3][15] - 模型构建思路：通过衡量行业指数价格变动与成交金额变动之间的统计距离来识别短期市场拥挤状态[3][15] - 模型具体构建过程：使用行业指数最近一周价格和成交金额变动的马氏距离来衡量拥挤度。具体步骤为：首先计算各行业指数最近一周的价格变动率和成交金额变动率，然后计算这两个变量的马氏距离，公式为： $$D_M(x) = \sqrt{(x - \mu)^T \Sigma^{-1} (x - \mu)}$$ 其中$x$表示行业的价格变动和成交金额变动组成的二维向量，$\mu$表示所有行业该二维向量的均值向量，$\Sigma$表示所有行业该二维向量的协方差矩阵。最后，通过置信椭圆来识别异常值，椭圆之外表示价格与成交金额偏离度置信水平超过99%的行业[15][17] 量化因子与构建方式 1. 行业PE估值因子 - 因子名称：行业PE估值因子[13][15] - 因子构建思路：使用行业市盈率(PE)来衡量行业估值水平[13][15] - 因子具体构建过程：直接采用各行业指数的市盈率(PE)数据，计算各行业当前PE值及其历史分位数。PE分位数的计算以2019年作为统计起点，计算当前PE值在历史PE序列中的百分位位置[15][20] 2. 行业价格动量因子 - 因子名称：行业价格动量因子[11][12] - 因子构建思路：通过不同时间窗口的行业指数涨跌幅来衡量价格动量[11][12] - 因子具体构建过程：计算各行业指数在不同时间窗口(近1周、近1月、近3月、近6月、近1年、今年以来)的涨跌幅，公式为： $$R_t = \frac{P_t - P_{t-n}}{P_{t-n}} \times 100\%$$ 其中$P_t$表示当前时点行业指数价格，$P_{t-n}$表示n期前的行业指数价格[12] 模型的回测效果 1. 行业拥挤度模型 - 检测结果：上周汽车行业出现短期显著拥挤[16] 因子的回测效果 1. 行业PE估值因子 - 当前PE最高行业：计算机(93.08倍)、国防军工(85.19倍)、电子(70.07倍)[13] - 当前PE最低行业：银行(6.20倍)、建筑装饰(12.04倍)、非银金融(14.48倍)[13] - PE分位数最高行业：煤炭(100%)[15] - PE分位数99%行业：房地产、电子、机械设备、商贸零售、计算机[15] - PE分位数最低行业：食品饮料(15%)、农林牧渔(19%)、非银金融(31%)[15] 2. 行业价格动量因子 - 近1周涨幅前三行业：煤炭(3.51%)、电力设备(3.07%)、电子(2.96%)[11] - 今年以来涨幅前三行业：通信(64.09%)、有色金属(51.05%)、电子(44.29%)[12] - 近1年涨幅前三行业：通信(126.03%)、电子(112.57%)、传媒(83.18%)[12]

市场表现 - 沪指下跌0.26%收报3860.50点 深证成指上涨0.63%收报13005.77点 创业板指上涨1.51%收报3066.18点 科创50上涨0.18%收报1340.40点[1] - 全市场1913只个股上涨 3371只个股下跌 138只个股收平 沪深两市成交额22774亿元 较上个交易日缩量2435亿元[1] - 申万一级行业中电力设备上涨2.22% 传媒上涨1.94% 农林牧渔上涨1.79% 汽车上涨1.44% 煤炭上涨1.32%[1] 行业板块 - 领跌行业包括综合下跌1.80% 通信下跌1.52% 国防军工下跌1.05% 银行下跌0.90% 有色金属下跌0.81%[1] - 概念板块涨幅前列包括高送转 CRO 网络游戏 猪产业 动物疫苗 生物育种 鸡产业 新能源汽车 汽车零部件 煤炭开采[2] - 概念板块跌幅前列包括钴矿 化学原料 操作系统 稀土 网络安全 卫星互联网 黄金珠宝 化学纤维 小金属 西藏振兴[11]

大宗交易总体情况 - A股市场发生大宗交易个股58只 总成交金额14.51亿元[1] - 奥瑞金成交额3.34亿元位列第一 恒力石化2.0亿元第二 科大智能1.76亿元第三[1] - 折价成交个股43只占主导 平价成交10只 溢价成交仅5只[1] 交易价格特征 - 掌趣科技溢价率18.18%最高 四川九洲11.29%次之 光迅科技9.57%第三[1] - 太湖远大折价率29.96%居首 远信工业23.97%其次 昆仑万维22.25%位列第三[1] 机构席位买入动向 - 机构专用席位买入奥瑞金3.34亿元 新媒股份4856万元 中际联合1809.5万元[2] - 机构买入超千万元个股包括阿特斯1428万元 曼卡龙1321.32万元 城发环境1180.8万元 瑞泰新材1029.24万元[2] - 机构买入五百万元以上个股含海亮股份795.2万元 巴兰仕587.85万元 福斯特493.5万元[2] 机构席位卖出情况 - 机构专用席位卖出中简科技995.2万元 银之杰247.5万元 中际旭创221.48万元[3]

根据研报内容，总结如下： 量化模型与构建方式 1. **模型名称**：行业拥挤度监测模型[3] * **模型构建思路**：对申万一级行业指数的拥挤度进行每日监测，以识别交易过热或过冷的行业[3] * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细过程[3] 2. **模型名称**：溢价率 Z-score 模型[4] * **模型构建思路**：通过滚动测算ETF的溢价率Z-score，来筛选存在潜在套利机会的标的[4] * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细过程[4] 量化因子与构建方式 1. **因子名称**：行业拥挤度[3] * **因子构建思路**：通过综合指标衡量特定行业的交易热度[3] * **因子具体构建过程**：报告未提供该因子的具体构建公式和详细过程[3] 2. **因子名称**：溢价率 Z-score[4] * **因子构建思路**：衡量ETF市价相对于其净值（IOPV）的偏离程度，并经过标准化处理[4] * **因子具体构建过程**：报告未提供该因子的具体构建公式和详细过程[4] 模型的回测效果 （报告未提供相关模型的回测效果指标取值） 因子的回测效果 （报告未提供相关因子的回测效果指标取值）

市场表现 - 三大指数集体收涨 沪指上涨0.46%收于3875.53点 深证成指上涨1.05%收于12828.99点 创业板指上涨2.29%收于2956.37点 [1] - 两市成交额27496亿元 较前一交易日减少483亿元 [1] - 全市场超3200只个股上涨 呈现涨多跌少格局 [2] 指数表现 - 创业板指单日涨幅2.3%领涨主要指数 今年以来累计涨幅达38% [2] - 科创50指数单日上涨1.2% 今年以来累计涨幅37.2% [2] - 红利指数与富时中国A50指数表现疲软 位列跌幅前列 [1] 行业表现 - 通信行业单日大涨5.2% 今年以来累计涨幅达71.4% 位列行业涨幅榜首 [4] - 综合行业上涨4.3% 有色金属行业上涨3.5% 医药生物行业上涨2.8% [4] - 非银金融行业下跌1.3% 银行行业下跌1.0% 家用电器行业下跌0.5% [4] 概念板块表现 - 黄金概念板块上涨4.4% 今年以来累计涨幅48.4% [5] - 共封装光学(CPO)概念上涨2.9% 今年以来累计涨幅73.4% [5] - 减肥药概念上涨3.0% 今年以来累计涨幅57.1% [5] - 互联网保险概念下跌0.7% 国产航母概念下跌0.7% 成飞概念下跌0.6% [5] 资金动向 - 深市融资余额达10971.74亿元 创历史新高 [8][9] - 沪深京三市融资余额总额22454.72亿元 接近历史最高纪录 [8] - 年内融资净买额3913亿元 为去年全年净买额的1.42倍 [9] 宏观环境 - 港元隔夜Hibor上升65个基点至4.65% 创今年以来最高水平 [8] - 相关部门将出台"人工智能+"行动配套文件 聚焦6大重点行业领域 [8] - 上合组织发布支持多边贸易体制声明 强调应对全球挑战 [8] 行业分析 - 通信行业业绩超预期 AI景气度处于上升通道 估值处于20-30x区间 [6] - 人工智能基础设施资本开支超预期 推动全球市场份额提升 [6] - 技术密集型企业产品迭代周期缩短 呈现量价齐升态势 [6]

根据提供的研报内容，以下是关于量化模型和因子的总结： 量化因子与构建方式 1. **因子名称：行业拥挤度因子**[3][17] * **因子构建思路**：通过计算行业指数价格变动与成交金额变动的马氏距离，来衡量市场交易行为的异常集中程度，即拥挤度[3][17] * **因子具体构建过程**： 1. 选取各行业指数最近一周的价格变动数据和成交金额变动数据[3][17] 2. 计算这两个维度数据向量的马氏距离（Mahalanobis Distance）[3][17] 3. 马氏距离的计算公式为： $$D_M(x) = \sqrt{(x - \mu)^T \Sigma^{-1} (x - \mu)}$$ 其中，$x$ 代表由行业价格变动和成交金额变动组成的二维向量，$\mu$ 是各维度数据的均值向量，$\Sigma$ 是协方差矩阵，$\Sigma^{-1}$ 是协方差矩阵的逆[3][17] 4. 根据马氏距离的统计分布特性，将置信水平超过99%（即落在椭圆区域外）的行业识别为出现短期显著拥挤的行业[17] * **因子评价**：该因子能有效捕捉市场短期交易过热或过冷的异常状态，是一个有效的市场情绪监测指标[17] 因子的回测效果 1. **行业拥挤度因子**，上周出现显著拥挤的行业有：家用电器、有色金属[4][17]