根据提供的研报内容，以下是量化模型和因子的详细总结： 量化模型与构建方式 1. 模型名称：扩散指数行业轮动模型 - 模型构建思路：基于价格动量原理，通过行业扩散指数捕捉行业趋势，选择向上趋势的行业进行配置[24] - 模型具体构建过程： 1. 计算各中信一级行业的扩散指数，反映行业价格趋势强度 2. 选择扩散指数排名靠前的行业作为配置标的 3. 每月进行轮动调仓，配置扩散指数提升较大的行业[25][26] - 模型评价：在趋势性行情中表现较好，但在市场反转时可能失效[24] 2. 模型名称：GRU因子行业轮动模型 - 模型构建思路：基于GRU深度学习网络，利用分钟频量价数据生成行业因子，捕捉短期交易机会[30] - 模型具体构建过程： 1. 使用GRU网络处理行业分钟频量价数据 2. 输出行业因子得分，反映行业短期动量特征 3. 选择GRU因子得分较高的行业进行配置[31][32] - 模型评价：在短周期表现较好，但长周期表现一般，极端行情可能失效[30] 量化因子与构建方式 1. 因子名称：行业扩散指数 - 因子构建思路：衡量行业价格趋势强度，反映行业动量特征[25] - 因子具体构建过程： 1. 计算行业价格序列的扩散指标 2. 标准化处理得到扩散指数，取值范围0-1 3. 指数越高表示行业趋势越强[26] 2. 因子名称：GRU行业因子 - 因子构建思路：通过GRU网络提取行业量价特征，反映短期交易信号[31] - 因子具体构建过程： 1. 输入行业分钟频量价数据到GRU网络 2. 网络输出行业因子得分，得分越高表示短期动量越强[32] 模型的回测效果 1. 扩散指数行业轮动模型 - 2025年8月超额收益1.51%[28] - 2025年以来超额收益1.75%[28] 2. GRU因子行业轮动模型 - 2025年8月超额收益-1.78%[33] - 2025年以来超额收益-6.66%[33] 因子的回测效果 1. 行业扩散指数 - 截至2025年8月15日，排名前六的行业扩散指数值： - 综合金融1.0 - 钢铁1.0 - 非银行金融0.999 - 综合0.998 - 有色金属0.997 - 通信0.997[25] 2. GRU行业因子 - 截至2025年8月15日，排名前六的GRU因子值： - 有色金属5.67 - 非银行金融4.65 - 建材4.14 - 房地产4.08 - 钢铁3.64 - 基础化工2.71[31]