根据提供的研报内容，以下是其中涉及的量化模型与因子的总结： 量化模型与构建方式 1. **模型名称：价格分段体系**[15] * **模型构建思路**：该模型用于对市场价格走势进行分段识别，以判断不同时间周期（如日线、周线）下的趋势状态[15] * **模型具体构建过程**：模型通过计算价格序列的指标来划分走势段，报告中提及了dea指标，该指标常用于趋势分析，是价格分段的重要依据[15][18] 2. **模型名称：微观市场结构择时模型**[16] * **模型构建思路**：通过监测市场中知情交易者的活跃度来对市场走势进行择时判断[16] * **模型具体构建过程**：模型构建了一个“知情交易者活跃度”指标，该指标的变化反映了知情交易者对后市的态度，当指标为负值时表明市场情绪偏谨慎，边际变化则指示情绪的转向[16][19] 3. **因子名称：分析师行业景气预期因子**[20] * **因子构建思路**：利用分析师对上市公司未来财务表现的一致预测数据来构建行业景气度因子，以捕捉基于分析师预期的行业轮动机会[20] * **因子具体构建过程**：因子计算涉及两个核心指标：1）申万一级行业对应的分析师一致预测滚动未来12个月ROE（ROEFTTM）的环比变化；2）行业一致预期净利润滚动未来12个月（FTTM）增速的环比变化[20][21] 通过跟踪这些预期数据的变化来评估行业景气度的边际改善或恶化 4. **因子名称：BARRA风格因子**[23] * **因子构建思路**：采用经典的BARRA风险模型框架，从多个维度刻画股票的风格特征，并分析这些风格因子在近期的收益表现[23] * **因子具体构建过程**：报告列出了多个BARRA风格因子，包括但不限于：价值类（EP价值、BP价值）、成长类、动量类、质量类（盈利质量、盈利能力、投资质量）、规模类（市值、非线性市值）、交易行为类（换手、波动率、流动性、长期反转、财务杠杆、盈利波动）以及股息率因子[23][24] 这些因子共同构成了对市场风格的多维度刻画 模型的回测效果 （报告中未提供具体量化模型的回测效果指标取值） 因子的回测效果 1. **BARRA风格因子**[23][24] * **本周收益**：换手因子 -0.5%，财务杠杆因子 0.1%，盈利波动因子 0.0%，盈利质量因子 0.3%，盈利能力因子 0.3%，投资质量因子 0.4%，长期反转因子 -0.5%，EP价值因子 -0.3%，BP价值因子 0.2%，成长因子 0.1%，动量因子 1.2%，非线性市值因子 -0.6%，市值因子 -0.3%，波动率因子 -0.5%，流动性因子 1.3%，股息率因子 -0.1%[24] * **上周收益**：换手因子 -0.6%，财务杠杆因子 -0.1%，盈利波动因子 0.2%，盈利质量因子 -0.1%，盈利能力因子 -0.5%，投资质量因子 0.2%，长期反转因子 0.0%，EP价值因子 0.0%，BP价值因子 -0.1%，成长因子 0.0%，动量因子 -0.4%，非线性市值因子 -0.6%，市值因子 -0.5%，波动率因子 0.7%，流动性因子 -1.0%，股息率因子 0.3%[24] * **近一季趋势**：报告中以图表形式展示趋势，未提供具体数值[24]

农业银行市值与高股息资产关注度 - 农业银行A股股价于11月14日创历史新高，总市值盘中突破3万亿元，成为A股首家市值进入“3万亿俱乐部”的上市银行 [2][3] - 农业银行自2025年8月首次问鼎A股流通市值冠军以来股价持续攀升，带动银行指数回升，反映投资者对高股息资产的关注 [2][3] 红利ETF市场整体概况 - 截至11月12日，全市场红利ETF总规模达1538.04亿元，较年初增长47% [3] - 全市场共有34家基金公司发行了54只红利ETF，其中39只2025年前成立的产品年内全部实现正收益，平均收益达13.48%，平均最大回撤为8.24% [3] - 红利ETF聚焦投资高股息率公司，如跟踪中证红利指数、上证红利指数等宽基指数，部分主题指数还会考虑波动、市值、估值等因素 [4] 主要红利ETF产品表现与比较 - 华泰柏瑞红利低波ETF规模达264.02亿元，为全市场最大且唯一规模超200亿元的红利ETF，份额较年初增长73.61% [6] - 华泰柏瑞红利低波ETF管理费率为0.50%，托管费率为0.10%，而易方达、华夏基金同类产品管理费率仅为0.15%，为其三折 [7] - 易方达中证红利低波动ETF规模37.43亿元，份额年内增长251.88%；华夏中证红利低波动ETF规模5.02亿元，份额年内增长633.06%，增速领先 [8] - 华泰柏瑞红利低波ETF年内收益为10.60%，最大回撤7.28%，超额收益4.09个百分点；易方达与华夏同类产品年内收益分别为11.39%和11.18%，超额收益分别为4.88和4.67个百分点 [7][8] 港股红利ETF突出表现 - 跟踪港股的红利ETF年内表现亮眼，华安恒生港股通中国央企红利ETF以34.48%的年内回报领先，但最大回撤达15.13% [9][10] - 收益排名前十的红利ETF中，跟踪港股通系列的产品包揽前9名，包括摩根标普港股通低波红利ETF（33.31%）和景顺长城国证港股通红利低波动率ETF（33.13%） [10] - 摩根标普港股通低波红利ETF规模达170.63亿元，份额较年初增长113.9%，规模仅次于华泰柏瑞两只产品 [11] - 港股红利资产表现优异源于其估值优势和政策支持，例如港股通央企红利指数股息率达5.49%，高于A股红利指数和10年期国债收益率 [11]

市场整体态势与年末特征 - 沪指突破10年新高触及4030.40点，市场在短期调整后保持向上态势 [1] - 年末处于政策真空期，前期强势的半导体、AI、芯片等板块表现平平 [1] - 红利ETF自9月以来持续出现净流入，上证指数触及4000点关口后红利指数放量上攻 [1] - 消费板块强势领跑，白酒板块在三季报基本面承压下逆势上扬 [1] 历史规律与行业轮动 - 岁末阶段（11-12月）银行、非银金融、食品饮料等价值股胜率超70%，例如2024年12月银行板块涨幅达9.36% [3] - 年初阶段（1月）成长风格接力，计算机、电子等科技板块胜率升至65%，2023年1月TMT板块涨幅超15% [3] - 政策驱动、消费旺季、估值切换构成年底行情的三大支柱，过去6年造就显著结构性机会 [3] - 历年岁末强势行业包括建筑材料（涨幅23.33%）、农林牧渔（涨幅43.46%）、传媒（涨幅25.80%）、食品饮料（涨幅30.05%）等 [4] 年末资金行为与投资策略 - 四季度资金行为趋于保守，机构投资者存在锁定年内收益的需求，偏好止盈和保守风格 [5] - 基于避险心理，有两条赛道值得关注：周期复苏下低估值产业和防御突出的红利赛道 [5][6][10] 周期复苏下低估值产业 - 在“反内卷”等政策推动下，部分传统行业供需格局改善，孕育估值修复机会 [6] - “出海”是确定性增长机会，包括白色家电、工程机械、商用客车等具有全球竞争优势的领域 [6] - 有色金属等全球定价资源品在美元周期与供需格局变化双重驱动下具备配置价值 [6] - 消费板块估值优势明显，细分食品指数最新PE为20.59倍，位于近十年7.55%的历史分位数，估值处于极低水平 [6] - 中证主要消费指数规模从2023年开始几乎翻了一倍，汇添富中证主要消费ETF（159928）规模突破200亿，股息率有优势 [7] 防御突出的红利赛道 - 高股息红利资产作为投资组合的“压舱石”，在市场风格轮动中提供确定性与安全感 [11] - 银行、石油石化等板块股息率具有吸引力，在不确定性环境中更具防御价值 [11] - 资产荒情况依旧存在，长期红利投资需求坚实，银行资产荒延续，信用利差收窄至年内新低 [11] - 港股市场由机构投资者主导，公司倾向于维持稳定且较高的分红政策 [11] - 相关指数包括标普港股通低波红利指数（代表基金：摩根标普港股通低波红利ETF 513630）、恒生港股通高股息低波动指数（代表基金：易方达恒生港股通高股息低波动ETF 159545）、国证港股通红利低波指数（代表基金：景顺长城国证港股通红利低波动率ETF 159569） [12][13]

国庆假期后，A股市场在4000点上下大幅震荡。这时候，那些喜欢追涨杀跌的投资者，往往陷入左右挨打的尴尬境地：一追就套，一割就涨。 这时候怎么办呢？股民老王的做法或许可以参考。 10月9日，上证指数收出中阳，但创业板、科创板指数不约而同，收出上影线较长的射击之星。显然，当天有不少资金逢高减仓。 作为骨灰级股民，老王知道，双创指数大概率要回调了。 此外，考虑到A股的尿性，科技股与价值股经常玩跷跷板游戏。因此，从双创股票里出来的钱，他决定拿出一半，配置红利ETF。 10月10日，早上一开盘，老王就按照此前想好的方案，将仓位调整成如下结构：25%科创50ETF，20%创业板50ETF，45%红利ETF，10%备用资金。 "左手双创宽基，右手红利ETF，可以攻守兼备，左右逢源。"有股友询问时，老王坦言。 从那天开始，双创指数果然回调，大盘也开始了颠簸之旅。 以上证指数为例，从10月10日至今，向下最低触及3800点，向上曾突破4000点。 收盘后，老王反复看盘，确认自己的直觉没错，因此，决定次日调整仓位，规避风险。 不过，考虑到历史经验，一轮行情主线很难改变，双创大概率仍是A股主战场。因此，他觉得，双创股票完全清仓也不 ...

报告行业投资评级 未提及 报告的核心观点 - 股市板块轮动，科技资金轮动向化工大消费，建议科技资金向涨价链转移，继续哑铃配置；债市震荡偏强，重启国债买卖或提振债市情绪 [2][3][4] 根据相关目录分别进行总结 行情观点 - **股指期货**：周一沪指U型回升，涨跌分化，资金从科技板块轮动至低位的大消费、有色、化工板块；建议科技资金向涨价链转移，价值因子配置性价比提升，继续哑铃配置；操作建议为红利ETF + IM多单 [3][7] - **股指期权**：各品种成交额小幅震荡回升但仍处低流动性位置，期权情绪指标走势偏弱，波动率涨跌互现；市场风格轮转未形成资金主线，建议续持备兑增厚 [3][8] - **国债期货**：昨日多数上涨，央行公开市场操作大额净投放支撑债市，10月CPI和核心CPI改善；后续股债跷跷板效应或减弱，重启国债买卖或提振债市情绪，预计债市震荡偏强；操作上趋势策略震荡偏强，套保关注基差高位多头替代，基差关注正套机会和走阔，曲线适当关注走陡 [4][9] 经济日历 - 本周关注中国10月新增人民币贷款、社会融资规模、M2货币供应年率，美国10月CPI年率未季调，中国10月社会消费品零售总额年率、规模以上工业增加值年率单月等数据 [12] 重要信息资讯跟踪 - **基金**：中基协就《公开募集证券投资基金主题投资风格管理指引》征求意见，规范主题投资基金风格漂移问题，为存量基金设24个月过渡期 [13] - **政策**：国务院办公厅印发措施促进民间投资发展，包括扩大准入、打通堵点、强化保障等13项举措 [13] - **新能源**：两部门发布意见，到2030年建立新能源消纳调控体系，到2035年建成适配高比例新能源的新型电力系统 [13] - **航天**：我国成功发射卫星互联网低轨13组卫星 [14] - **海外**：美国国会参议院就结束联邦政府“停摆”达成一致 [15] 衍生品市场监测 - 包含股指期货、股指期权、国债期货数据，但文档未给出具体内容 [16][20][32]

红利主题ETF市场表现 - 红利低波ETF（512890）上周有4日实现资金净流入，累计吸金5.74亿元，是同期A股红利主题ETF中唯一区间资金净流入超5亿元的产品，最新基金规模达258.14亿元，创历史新高 [1] - 港股通红利ETF（513530）自2025年10月30日以来连续7个交易日实现资金净申购，累计吸金1.75亿元，基金规模在连续5个交易日抬升后达23.88亿元，创2025年8月27日以来新高 [1] - 截至2025年11月7日，华泰柏瑞基金旗下5只"红利全家桶"管理规模达467.95亿元 [1] 红利资产配置价值动因 - 低利率环境推动红利类资产长期配置价值，截至2025年11月7日，10年期国债收益率已下行至1.81% [1] - 红利低波指数和港股通高股息（CNY）指数的股息率与10年期国债收益率存在2.28%、3.95%的利差，分别高于近十年（15/11/7~25/11/7）53.92%、51.07%的时间，股息率优势相对明显 [1] - 华泰证券表示，在政策和业绩空窗期，市场或仍以震荡为主，当前银行和部分周期型红利板块或仍有配置机会 [1] 华泰柏瑞基金红利产品布局 - 华泰柏瑞基金在红利主题指数投资领域拥有超过18年管理经验，打造了策略类型丰富的"红利全家桶"产品线 [1] - 产品线包括市场首只红利低波ETF（512890）、首只红利ETF（510880）、聚焦港股红利低波类资产的港股通红利低波ETF（520890）以及通过QDII模式投资港股的港股通红利ETF（513530）等5只产品 [1]

文章核心观点 - 哑铃型配置策略是当前A股市场平衡风险与收益的核心策略，多位均衡型基金经理在三季度持仓中已采用此策略[1] - 该策略通过同时配置低风险稳定资产和高风险高收益资产，形成“两头重、中间轻”的结构，以在极端市场环境下保持反脆弱性，并在平稳市场中争取收益[2][3] - 实际操作中需根据市场环境和个人风险偏好动态调整两端权重，并可利用ETF工具进行高效配置[10][11] 哑铃策略内核 - 策略核心是分散化的多资产配置，一端聚焦高成长性资产如科技股、新兴市场资产，另一端侧重防守型资产如高分红股票、债券[2] - 通过牺牲中间风险资产的潜在收益，换取组合在极端行情下应对黑天鹅事件的能力[3] - 策略结构类似哑铃，低风险与高风险资产为两端重头，中间轻，具有良好的平衡性[2] 资产配置选择 - 保守端（左端）应选择高股息、低波动的“压舱石”资产，如公用事业、能源行业，其中电力和煤炭可作为投资选项[5] - 进攻端（右端）应选择高成长、高弹性的“冲锋号”资产，如创新科技、新能源，其中创新药、人形机器人可作为选择[6] - 中间端需尽量回避，规避缺乏亮点的平庸行业，如传统消费电子、同质化制造业[7] 策略历史表现与调整 - 中证银行指数与科创50指数呈现负相关关系，可组成基础哑铃策略，在2020-2022年科技爆发期间进攻端表现突出，在2023-2025年初市场主线缺乏时防守端表现稳固[7][8] - 策略权重应动态调整：市场乐观时可提高进攻端比例至70%，市场悲观时可增加防御端权重至60%，平衡市可保持50%进攻端与50%防御端的均衡配置[10] - 历史数据显示，在2020-2023年的通胀与加息周期中，采用哑铃策略的投资者通过债券和黄金等避险资产的成功配置平衡了风险[10] ETF工具配置 - 可通过“股票ETF+债券ETF”搭配实现策略，利用股市与债市的“股债跷跷板”效应有效平衡组合风险[11] - 高风险资产端可选择近期表现优异的主题ETF，如国泰中证全指通信设备ETF（515880）和华泰柏瑞中证韩交所半导体ETF（513310）近一年均取得80%以上收益[11] - 防御端可选择红利ETF与债券型ETF，如易方达中证红利ETF（515180）规模超85亿元，在2024年“资产荒”时期表现与回撤控制优秀[11][12]

文章核心观点 - 在“十五五”规划开局之年及低利率环境下，红利投资策略因其稳健性和提供确定性现金流的特性，从市场边缘走向主流，成为攻守兼备的智慧之选 [1][2][3] 宏观经济与政策驱动 - 利率持续下行是核心驱动力，十年期国债收益率降至1.76%的历史新低，银行存款利率全面跌破1%，与中证红利6.37%的股息率形成超过4.77%的利差，引导低风险资金转向红利资产 [2] - 政策层面强调引入“耐心资本”，保险资金因追求稳定现金流而青睐红利资产，“国九条”等政策要求上市公司提高分红，央企分红规模已突破3700亿元，为红利资产提供制度保障 [3] - 红利资产被赋予新的防御属性，在低利率背景下成为稀缺资产，各大券商2025年配置策略普遍建议一手科技一手红利 [3] 红利ETF产品家族分析 - 中证红利ETF是经典代表，选取A股持续高分红的100只股票，行业以银行、煤炭和交通运输为主，合计占比53%，股息率常年维持在6%左右，追求稳定股息收入 [4] - 红利低波ETF在“高股息”基础上叠加“低波动”筛选，银行股含量高，走势与银行股高度相关，旨在降低组合净值波动，吸引风险敏感型投资者 [4] - 红利质量ETF是相对较新的品种，在传统高股息筛选基础上增加持续盈利和成长性因子考量，成分股不含银行股，包含贵州茅台等优质白马企业，以消费、医药等行业为主，股息率在红利指数中最低但成长性更好 [5] - 港股红利ETF聚焦港股市场，由于同一中资企业每股分红相同但港股股价通常低于A股，港股通高股息指数股息率可达8%以上，扣除20%红利税后仍高于6.4% [5] 投资策略与定位 - 红利ETF定位为优秀的“防守型队员”或“压舱石”，在震荡市和下跌市中具备良好抗跌属性，但在牛市或风险偏好高时期可能跑输成长型指数 [6] - 长期投资的最佳策略是将分红进行再投资，实现“利滚利”的复利增长，也可构建分红节奏不同的红利ETF组合以实现更平滑的月度现金流 [6] - 核心投资逻辑是“以合理价格买入优质资产并获取稳定现金流”，时机选择重点在于“避免买在泡沫顶”和“在价值区域持续积累” [7] 当前估值与市场表现 - 截至11月5日，红利指数估值过高，PE为8.4倍，PB为0.8倍，PB百分位达98.59%；中证红利PE为8.58倍，PB为0.82倍，PB百分位达84.99%；红利低波指数PE为8.48倍，PE百分位高达99.75% [7] - 尽管估值处于历史高位，近期市场波动中红利相关板块表现亮眼，相关红利ETF当日仍有0.27%至0.5%不等的涨幅，体现其防御属性 [7] 投资前提与进阶策略 - 投资红利ETF需接受长期持有（3年以上）、能够承受15%甚至更大回撤、预期年化收益8%以上、定位吃股息等前提 [8] - 可采用估值增强定投法，高估时暂停定投或分批卖出；或采用分批买入法，将资金分多等份在市场下跌后逐步投入以平滑成本 [8] - 进阶策略可将网格交易与定投结合，形成“底仓定投＋网格增厚收益”的组合，在震荡市中利用网格交易低买高卖，在牛市中依靠定投增值，并动态平衡仓位（如仓位大于60%时降低定投频率，大于80%时暂停定投） [9]

融资活动 - 11月4日融资买入2296.99万元，融资偿还2444.48万元，融资净卖出147.49万元 [1] - 融资余额为1.06亿元，较前一交易日减少 [1] - 近五个交易日融资余额波动显著，10月29日融资净买入2606.24万元，余额达1.25亿元，而10月30日则出现2178.02万元的净卖出 [2] 融券活动 - 11月4日融券净卖出2.54万股，融券余量为63.13万股，融券余额为209.15万元 [3] - 近3个交易日融券连续净卖出，累计达8.93万股 [2] - 近20个交易日中有11个交易日出现融券净卖出 [2] 融资融券总览 - 11月4日融资融券总余额为1.08亿元，较昨日下滑1.25%，减少137.26万元 [4] - 两融余额近期波动较大，10月29日余额为1.27亿元，单日增长25.67%，而10月30日则大幅下降17.10% [4]

根据提供的研报内容，以下是关于量化模型和因子的总结。 量化模型与构建方式 1. **模型名称：价格分段体系**[16] * **模型构建思路**：通过分析价格在不同时间尺度（如日线、周线）上的走势，对市场状态进行划分和识别[16] * **模型具体构建过程**：模型通过计算不同时间周期的价格走势（如上证综指的日线和周线）并进行比较，以识别趋势的共振或分化。报告中提到了“dea”指标，该指标通常是技术分析中MACD（指数平滑异同移动平均线）的组成部分。MACD的计算过程一般包含以下步骤： 1. 计算短期（如12日）和长期（如26日）的指数移动平均线（EMA）： $$EMA(close, N) = close_t * \frac{2}{N+1} + EMA_{t-1} * (1 - \frac{2}{N+1})$$ 其中，`close`为收盘价，`N`为时间周期。 2. 计算离差值（DIF）： $$DIF = EMA(close, 12) - EMA(close, 26)$$ 3. 计算离差平均值（DEA，即MACD的信号线），通常为DIF的9日EMA： $$DEA = EMA(DIF, 9)$$ 模型通过观察不同周期（日线、周线）的DEA指标与价格走势的关系，来判断市场的分段状态[16][19] 2. **模型名称：微观市场结构择时模型**[17] * **模型构建思路**：通过监测市场中“知情交易者”的活跃度变化，来判断市场未来的走势[17] * **模型具体构建过程**：该模型构建了一个“知情交易者活跃度指标”。虽然报告未详细说明其具体计算方法，但通常这类模型会基于高频交易数据、订单簿信息或特定的大单交易行为来识别和追踪可能拥有信息优势的交易者的活动，并据此合成一个综合指标来反映其交易意愿和活跃程度[17][20] 3. **因子名称：分析师行业景气预期因子**[21] * **因子构建思路**：利用分析师对上市公司未来业绩的一致预测数据，构建反映行业景气度变化的因子[21] * **因子具体构建过程**：因子具体包含两个维度： 1. **一致预期ROE变化**：计算申万一级行业成分股的分析师一致预测滚动未来12个月ROE（ROEFTTM）的环比变化率[21][22] 2. **一致预期净利润增速变化**：计算申万一级行业成分股的分析师一致预测滚动未来12个月净利润（FTTM）增速的环比变化率[21][22] 通过监测这些指标的变化，来捕捉行业基本面的预期变动[21] 4. **因子名称：融资融券净流入因子**[23] * **因子构建思路**：通过分析两融资金在不同行业间的净流入/流出情况，来捕捉资金的短期偏好和动向[23] * **因子具体构建过程**：计算特定时间段内（如本周）各行业的融资净买入额与融券净卖出额的差值，作为该行业的融资融券净流入额。公式可表示为： $$行业融资融券净流入额 = \sum(融资买入额 - 融资偿还额) - \sum(融券卖出额 - 融券偿还额)$$ 该因子反映了杠杆资金对行业的看法和配置行为[23][28] 5. **因子名称：BARRA风格因子**[24] * **因子构建思路**：采用经典的BARRA风险模型框架，从多个维度（如价值、成长、动量、质量等）刻画股票的风格特征，并分析其收益表现[24] * **因子具体构建过程**：报告提及了多个BARRA风格因子，包括： * **价值类因子**：如EP（盈利价格比）价值、BP（账面价格比）价值[24][25] * **成长类因子**[24][25] * **动量类因子**：如短期动量[24][25] * **质量类因子**：如盈利质量、盈利能力、投资质量[24][25] * **交易类因子**：如换手率、波动率、流动性（“近释”可能指近期解禁或流动性指标）[24][25] * **规模类因子**：如市值、非线性市值[24][25] * **杠杆类因子**：如财务杠杆[24][25] 这些因子均按照BARRA模型的标准方法构建，用于解释股票的超额收益[24] 模型的回测效果 *报告未提供具体量化模型的回测效果指标取值。* 因子的回测效果 1. **BARRA风格因子**[24][25] * **本周收益**：换手因子 -0.5%，财务杠杆因子 0.1%，盈利波动因子 0.0%，盈利质量因子 0.3%，盈利能力因子 0.3%，投资质量因子 0.4%，长期反转因子 -0.5%，EP价值因子 -0.3%，BP价值因子 0.2%，成长因子 0.1%，动量因子 1.2%，非线性市值因子 -0.6%，市值因子 -0.3%，波动率因子 -0.5%，流动性因子 1.3%，股息率因子 -0.1%[25] * **上周收益**：换手因子 -0.6%，财务杠杆因子 -0.1%，盈利波动因子 0.2%，盈利质量因子 -0.1%，盈利能力因子 -0.5%，投资质量因子 0.2%，长期反转因子 0.0%，EP价值因子 0.0%，BP价值因子 -0.1%，成长因子 0.0%，动量因子 -0.4%，非线性市值因子 -0.6%，市值因子 -0.5%，波动率因子 0.7%，流动性因子 -1.0%，股息率因子 0.3%[25]