根据提供的研报内容，以下是关于量化模型和因子的详细总结： 量化模型与构建方式 1. 扩散指数行业轮动模型 - 模型名称：扩散指数行业轮动模型[3][5][23] - 模型构建思路：基于价格动量原理，通过计算行业的扩散指数来捕捉行业趋势，选择向上趋势的行业进行配置[24][36] - 模型具体构建过程： 1. 计算每个中信一级行业的扩散指数，该指数反映了行业价格动量的强度[25][26] 2. 扩散指数的计算涉及行业内部成分股的表现，具体公式未在报告中明确给出，但通常扩散指数可表示为： $DI_t = \frac{N_{up,t}}{N_t}$ 其中，$DI_t$为t时刻的扩散指数，$N_{up,t}$为t时刻行业成分股中上涨的股票数量，$N_t$为行业成分股总数[25][26] 3. 根据扩散指数排名，选择排名前六的行业作为月度配置建议[24][28] - 模型评价：在趋势行情中表现较好，但在市场反转时可能面临失效风险[24][36] 2. GRU因子行业轮动模型 - 模型名称：GRU因子行业轮动模型[3][6][31] - 模型构建思路：基于分钟频量价数据，通过GRU（门控循环单元）深度学习网络生成行业因子，捕捉交易信息以进行行业轮动[31][37] - 模型具体构建过程： 1. 使用GRU神经网络处理分钟频量价数据，提取能够预测行业表现的因子[31][37] 2. GRU因子的计算涉及深度学习网络，具体网络结构和输入输出未在报告中明确给出 3. 根据GRU因子数值排名，选择排名前六的行业作为周度配置建议[32][34] - 模型评价：在短周期表现较好，长周期表现一般，极端行情下可能失效[31][37] 模型的回测效果 1. 扩散指数行业轮动模型 - 2025年8月平均收益：4.18%[28] - 2025年8月超额收益（相对中信一级行业等权）：0.78%[28] - 2025年8月以来累计超额收益：2.38%[28] - 2025年以来累计超额收益：2.71%[23][28] 2. GRU因子行业轮动模型 - 2025年8月平均收益：1.80%[34] - 2025年8月超额收益（相对中信一级行业等权）：-1.58%[34] - 2025年8月以来累计超额收益：-3.46%[34] - 2025年以来累计超额收益：-8.59%[31][34] 量化因子与构建方式 1. 行业扩散指数因子 - 因子名称：行业扩散指数[25][26] - 因子构建思路：通过计算行业内部成分股上涨比例来度量行业动量强度[25][26] - 因子具体构建过程： 1. 对于每个中信一级行业，计算t时刻行业成分股中上涨股票数量与总股票数量的比值[25][26] 2. 因子计算公式为： $DI_{i,t} = \frac{N_{up,i,t}}{N_{i,t}}$ 其中，$DI_{i,t}$为行业i在t时刻的扩散指数，$N_{up,i,t}$为行业i在t时刻上涨的股票数量，$N_{i,t}$为行业i的成分股总数[25][26] 3. 因子值范围在0到1之间，值越大表示行业动量越强[25][26] 2. GRU行业因子 - 因子名称：GRU行业因子[6][32] - 因子构建思路：基于分钟频量价数据，通过GRU深度学习网络生成预测行业表现的因子[31][37] - 因子具体构建过程： 1. 使用GRU神经网络处理历史分钟频量价数据[31][37] 2. 网络输出为每个行业的因子值，具体网络架构和训练过程未在报告中明确给出 3. 因子值可正可负，值越大表示行业预期表现越好[32] 因子的回测效果 1. 行业扩散指数因子 - 截至2025年8月22日，排名前六的行业因子值： - 综合金融：1.0[25] - 综合：1.0[25] - 钢铁：1.0[25] - 非银行金融：0.999[25] - 有色金属：0.997[25] - 通信：0.995[25] 2. GRU行业因子 - 截至2025年8月22日，排名前六的行业因子值： - 建材：3.32[6][32] - 电子：2.36[6][32] - 非银行金融：1.97[6][32] - 综合：-0.28[6][32] - 建筑：-1.49[6][32] - 通信：-3.22[6][32]