家族背景与历史 - 唐骝千出自无锡东林唐氏家族，该家族传承16代，明朝兵部侍郎唐荆川为家族先祖，主张"实学"并开设书院 [1] - 民国时期家族成员唐保谦创办江南最早机械纺织厂，将家族产业扩展至实业领域 [1] - 父亲唐炳源被誉为"毛纺织工业大王"，旗下工厂曾占据上海毛纺市场半壁江山 [3] 教育与早期经历 - 11岁赴美就读菲利普斯学院，该校培养了多位美国总统和银行家 [3] - 以优异成绩进入耶鲁大学并加入精英DKE兄弟会，该组织成员包括西奥多·罗斯福和布什家族 [4] - 在哈佛商学院首次接触投资理论，对金融工程、期货市场及企业并购产生浓厚兴趣 [6] 金融事业与投资 - 1970年成立投资公司，两年内募集12亿美元资金 [6] - 1978年收购美国最大露营地连锁KOA，该公司拥有超过500个营地覆盖50个州 [8][10] - 推动KOA数字化改造，从传统"预订电话簿"升级为"在线地图筛选与扫码入住" [12] - 1993年以3.5亿美元价格出售Reich & Tang公司 [16] 文化艺术事业 - 1990年与贝聿铭、马友友等联合发起"百人会"，建立中美精英文化对话平台 [14] - 向大都会艺术博物馆捐赠五幅宋元真迹，包括宋代董源《溪岸图》 [16] - 2021年捐赠1.25亿美元（约8.6亿人民币）重建大都会现代艺术展区，该展区命名为"唐骝千展厅" [16] - 先后捐赠19幅中国古画及多件国宝级藏品，包括北宋《罗汉图》、明代蓝瑛《秋山渔艇》等 [19] 慈善与教育 - 与妻子徐心眉设立"唐氏家族奖学金基金"，支持北美华裔青年攻读艺术与考古领域硕博课程 [25][27] - 基金要求申请者提交"跨文化交流研究计划"并附上"写给家族祖先的信" [27] - 2024年大都会艺术博物馆设立"唐骝千中国研究奖"，推动中国书画国际流通与学术研究 [27]

量化模型与构建方式 1. **模型名称：A股行业轮动模型** - **模型构建思路**：通过资金、估值、情绪、动量、超买超卖和盈利6个因子构建打分体系，综合评估行业表现[17] - **模型具体构建过程**： 1. **资金因子**：以行业主力资金净流入率计算 2. **估值因子**：行业当前估值在过去1年的分位数 3. **情绪因子**：行业成分股上涨比例 4. **动量因子**：MACD指标 5. **超买超卖因子**：RSI指标 6. **盈利因子**：行业一致预测EPS在过去1年的分位数 各因子标准化后加权求和得到综合评分[17] - **模型评价**：多维度捕捉行业轮动特征，但需注意因子权重设置的合理性[17] 2. **模型名称：共识度选股模型** - **模型构建思路**：结合行业动量、估值、高频资金流与价格走势相似度筛选个股[20] - **模型具体构建过程**： 1. 筛选过去30天涨幅前三的申万二级行业 2. 计算个股的月度动量因子、估值因子和上涨频率 3. 通过高频分钟数据计算资金流变化 4. 计算资金流与价格走势的相似度（具体算法未披露） 5. 按相似度排名选出各二级行业前5名股票[20] - **模型评价**：兼顾基本面与市场行为，但高频数据处理复杂度较高[20] --- 量化因子与构建方式 1. **因子名称：主力资金净流入率（资金因子）** - **因子构建思路**：统计大额交易单反映主力资金动向[12] - **因子具体构建过程**： 1. 定义主力资金单笔成交：≥10万股或≥20万元 2. 按申万一级行业汇总每日净流入额 3. 计算标准化净流入率： $$ \text{净流入率} = \frac{\text{行业净流入额}}{\text{行业总成交额}} $$ [12] 2. **因子名称：估值分位数（估值因子）** - **因子构建思路**：衡量行业当前估值的历史位置[17] - **因子具体构建过程**： 1. 选取行业PE/PB等指标 2. 计算过去1年滚动分位数 $$ \text{分位数} = \frac{\text{当前值 - 最小值}}{\text{最大值 - 最小值}} $$ [17] 3. **因子名称：MACD（动量因子）** - **因子构建过程**： 1. 计算行业指数12日/26日EMA $$ EMA_{12} = \text{前日EMA}_{12} \times \frac{11}{13} + \text{当日收盘价} \times \frac{2}{13} $$ $$ EMA_{26} = \text{前日EMA}_{26} \times \frac{25}{27} + \text{当日收盘价} \times \frac{2}{27} $$ 2. 计算DIF与DEA： $$ DIF = EMA_{12} - EMA_{26} $$ $$ DEA = \text{DIF的9日EMA} $$ 3. MACD柱 = (DIF - DEA) × 2[17] 4. **因子名称：RSI（超买超卖因子）** - **因子构建过程**： 1. 计算行业指数14日平均涨幅/跌幅 $$ RS = \frac{\text{平均涨幅}}{\text{平均跌幅}} $$ 2. 标准化： $$ RSI = 100 - \frac{100}{1+RS} $$ [17] --- 模型的回测效果 1. **A股行业轮动模型** - 综合评分最高行业：综合（10分）、有色金属（10分）[19] - 综合评分最低行业：银行（-15分）、石油石化（-9分）[19] - 因子贡献分布： - 综合行业：资金（++）、估值（+++）、动量（+++）[19] - 银行行业：资金（---）、情绪（--）、盈利（---）[19] 2. **共识度选股模型** - 本期选股行业：通信设备、地面兵装Ⅱ、元件[21] - 选股结果示例： - 通信设备：新易盛、移远通信[21] - 地面兵装Ⅱ：长城军工、光电股份[21] --- 因子的回测效果 1. **主力资金净流入因子** - 5日净流入前五行业：非银金融（94.57亿元）、建筑装饰（4.85亿元）[13] - 30日净流入前五行业：煤炭（-8.82亿元）、综合（-16.5亿元）[14] 2. **估值分位数因子** - 高分位行业：综合（+++）、有色金属（++）[19] - 低分位行业：银行（---）、石油石化（---）[19] 3. **动量因子（MACD）** - 强势行业：电子（+++）、综合（+++）[19] - 弱势行业：交通运输（---）、银行（--）[19] 4. **超买超卖因子（RSI）** - 超买行业：电子（+++）、通信（+++）[19] - 超卖行业：医药生物（---）、传媒（---）[19]

报告行业投资评级 - 中信五风格 - 成长★☆☆，一颗星代表偏多，判断趋势有上涨的驱动，但盘面可操作性不强 [4] 报告的核心观点 - 截至2025/06/27当周，通联全A（沪深京）、中证综合债与南华商品指数周度涨跌幅分别为3.35%、 - 0.10%、 - 2.00%；公募基金市场近一周增强指数策略领涨，权益策略中普通股票策略指数表现相对偏弱，债券方面中长期纯债小幅回撤，转债收益优于纯债，商品方面有色金属ETF净值反弹等 [4] - 中信五风格上周五风格指数均收涨，成长和金融风格领跑，消费与稳定处于截面偏低水平，五风格指标动量均走强，消费与稳定升幅较大；近一周周期与消费风格基金平均收益跑赢指数，部分成长风格基金向周期与消费风格偏移，消费拥挤度从偏高区间回落至中性区间，周期风格升幅显著，成长风格位于历史偏低拥挤区间 [4] - 近一周成长、流动性与动量因子收益表现较优，盈利因子超额压缩，周内波动率因子收益延续走低，分红因子胜率持续走弱，动量与残差波动率因子回升；本周因子截面轮动速度环比下降，当前位于历史低分位区间 [4] - 根据风格择时模型最新评分结果，本周金融风格小幅走弱，消费与成长回升，当前信号偏向成长风格；上周风格择时策略收益率为3.41%，对比基准均衡配置超额收益率为0.63% [4] 根据相关目录分别进行总结 基金市场回顾 - 近一周增强指数策略领涨，周度收益率为3.18%；权益策略中普通股票策略指数表现相对偏弱，中性策略产品跌多涨少，债券方面中长期纯债小幅回撤，转债收益优于纯债，商品方面能源化工与豆粕ETF收益回调，有色金属ETF净值反弹，贵金属ETF走势分化，白银ETF小幅收涨，黄金ETF收益延续走弱 [4] 权益市场风格 中信五风格表现 - 上周五风格指数均收涨，成长和金融风格领跑，风格轮动图显示消费与稳定处于截面偏低水平，指标动量层面五风格均走强，消费与稳定升幅较大 [4] - 近一周周期与消费风格基金平均收益跑赢指数，超额收益率分别为0.60%与0.06%，部分成长风格基金向周期与消费风格偏移 [4] - 消费拥挤度从偏高拥挤区间回落至中性区间，周期风格升幅显著，成长风格位于历史偏低拥挤区间 [4] Barra因子表现 - 近一周成长、流动性与动量因子收益表现较优，盈利因子超额压缩，周内波动率因子收益延续走低，分红因子胜率持续走弱，动量与残差波动率因子回升 [4] - 本周因子截面轮动速度环比下降，当前位于历史低分位区间 [4] 风格择时模型结果 - 本周金融风格小幅走弱，消费与成长回升，当前信号偏向成长风格 [4] - 上周风格择时策略收益率为3.41%，对比基准均衡配置超额收益率为0.63% [4]

量化因子与构建方式 1. **因子名称：理想反转因子** - **构建思路**：通过每日平均单笔成交金额的大小切割出反转属性最强的交易日，认为A股反转之力的微观来源是大单成交[5][15] - **具体构建过程**： 1. 回溯股票过去20日数据 2. 计算每日平均单笔成交金额（成交金额/成交笔数） 3. 单笔成交金额高的10个交易日涨跌幅加总为M_high 4. 单笔成交金额低的10个交易日涨跌幅加总为M_low 5. 因子值M = M_high - M_low[43] - **因子评价**：逻辑清晰，聚焦大单交易的反转效应 2. **因子名称：聪明钱因子** - **构建思路**：从分钟行情价量信息中识别机构交易参与度，构造跟踪聪明钱的指标[5][15] - **具体构建过程**： 1. 回溯股票过去10日分钟行情数据 2. 计算每分钟指标 $$S_t = |R_t|/(V_t)^{0.25}$$，其中$R_t$为分钟涨跌幅，$V_t$为分钟成交量 3. 按$S_t$排序取成交量累积占比前20%的分钟作为聪明钱交易 4. 计算聪明钱交易VWAP（VWAPsmart）和全部交易VWAP（VWAPall） 5. 因子值Q = VWAPsmart/VWAPall[42][44] - **因子评价**：有效捕捉机构交易行为特征 3. **因子名称：APM因子** - **构建思路**：利用日内不同时段交易行为模式差异，衡量隔夜与下午残差差异[5][15] - **具体构建过程**： 1. 回溯20日数据，提取隔夜股票收益率$r_{night}$、指数收益率$R_{night}$，下午股票收益率$r_{afternoon}$、指数收益率$R_{afternoon}$ 2. 回归$r = \alpha + \beta R + \epsilon$得到40个残差（隔夜/下午各20个） 3. 计算每日隔夜与下午残差差值$\delta_t = \epsilon_{night} - \epsilon_{afternoon}$ 4. 构造统计量 $$\mathrm{stat}={\frac{\mu(\delta_{t})}{\sigma(\delta_{t})/{\sqrt{N}}}}$$ 5. 对动量因子横截面回归取残差作为APM因子[45][46] 4. **因子名称：理想振幅因子** - **构建思路**：基于股价维度切割振幅，挖掘不同价态下振幅信息差异[5][15] - **具体构建过程**： 1. 回溯20日数据计算每日振幅（最高价/最低价-1） 2. 选取收盘价较高的25%交易日计算高价振幅均值V_high 3. 选取收盘价较低的25%交易日计算低价振幅均值V_low 4. 因子值V = V_high - V_low[48] 5. **因子名称：交易行为合成因子** - **构建思路**：加权合成上述四类交易行为因子[32] - **具体构建过程**： 1. 对单因子进行行业内去极值与标准化 2. 滚动12期ICIR作为权重加权合成 因子回测效果 1. **理想反转因子** - 全历史IC均值：-0.050 - 全历史rankIC均值：-0.061 - 全历史IR：2.53 - 全历史多空对冲胜率：78.1% - 2025年6月收益：1.09% - 近12月胜率：66.7%[16][7] 2. **聪明钱因子** - 全历史IC均值：-0.037 - 全历史rankIC均值：-0.061 - 全历史IR：2.74 - 全历史多空对冲胜率：82.1% - 2025年6月收益：0.91% - 近12月胜率：91.7%[19][7] 3. **APM因子** - 全历史IC均值：0.029 - 全历史rankIC均值：0.034 - 全历史IR：2.27 - 全历史多空对冲胜率：76.6% - 2025年6月收益：-0.11% - 近12月胜率：58.3%[23][7] 4. **理想振幅因子** - 全历史IC均值：-0.054 - 全历史rankIC均值：-0.073 - 全历史IR：3.01 - 全历史多空对冲胜率：83.5% - 2025年6月收益：2.43% - 近12月胜率：75.0%[27][7] 5. **交易行为合成因子** - 全历史IC均值：0.067 - 全历史rankIC均值：0.092 - 全历史IR：3.30 - 全历史多空对冲胜率：82.4% - 2025年6月收益：1.12% - 近12月胜率：83.3% - 多头对冲年化收益：8.64% - 收益波动比：2.75 - 国证2000/中证1000/中证800的IR：2.93/2.85/1.26[32][36][37] Barra风格因子表现（2025年6月） - 市值因子收益：-0.42% - 账面市值比因子收益：0.09% - 成长因子收益：-0.05% - 盈利预期因子收益：-0.11%[4][14]

量化模型与构建方式 1. **模型名称：A股行业轮动模型** - **模型构建思路**：通过资金、估值、情绪、动量、超买超卖和盈利6个因子构建综合打分体系，评估行业轮动机会[18] - **模型具体构建过程**： 1. **资金因子**：行业主力净流入率（过去N日主力资金净流入/行业市值） 2. **估值因子**：行业当前PE/PB位于过去1年的分位数 3. **情绪因子**：行业成分股上涨比例（上涨股票数/总股票数） 4. **动量因子**：行业MACD指标（DIF与DEA差值） 5. **超买超卖因子**：行业RSI指标（14日周期） 6. **盈利因子**：行业一致预测EPS过去1年分位数 各因子标准化后加权求和，权重未公开[18] - **模型评价**：多维度覆盖市场驱动因素，但未披露因子权重分配逻辑 2. **模型名称：共识度选股模型** - **模型构建思路**：结合行业动量、高频资金流与价格走势相似度筛选个股[21] - **模型具体构建过程**： 1. **行业筛选**：选取过去30天涨幅前三的申万二级行业 2. **股票池构建**：在目标行业中计算以下指标： - 月度动量因子（过去30日收益率） - 估值因子（如PE分位数） - 上涨频率（日内上涨分钟数占比） 3. **高频资金匹配**：计算股票分钟级资金流与价格走势的相关系数（如Pearson系数） 4. **最终筛选**：按相关系数排序，每个行业选取前5只股票[21] - **模型评价**：高频数据捕捉短期资金动向，但对交易成本敏感 --- 模型的回测效果 1. **A股行业轮动模型**： - 非银金融（得分6）、食品饮料（5）、电子（4）为当期高分行业[20] - 石油石化（-8）、轻工制造（-6）、银行（-6）为低分行业[20] 2. **共识度选股模型**： - 当期输出标的：元件（满坤科技、沪电股份等）、油服工程（通源石油、中海油服等）、饰品（明牌珠宝、周大生等）[22] --- 量化因子与构建方式 1. **因子名称：主力资金净流入率** - **构建思路**：通过大单交易识别主力资金动向[13] - **具体构建过程**： - 定义主力交易单：单笔成交≥10万股或金额≥20万元 - 计算每日行业净流入额：主力买入额-主力卖出额 - 标准化处理：净流入额/行业流通市值[13] 2. **因子名称：MACD动量因子** - **构建思路**：捕捉行业价格趋势变化[18] - **具体构建过程**： - 计算行业指数12日EMA（快线）与26日EMA（慢线）： $$EMA_{12} = \frac{2}{13} \times (今日收盘价 - 昨日EMA_{12}) + 昨日EMA_{12}$$ $$EMA_{26} = \frac{2}{27} \times (今日收盘价 - 昨日EMA_{26}) + 昨日EMA_{26}$$ - DIF = EMA_{12} - EMA_{26} - DEA = DIF的9日EMA[18] 3. **因子名称：RSI超买超卖因子** - **构建思路**：衡量行业短期超买超卖状态[18] - **具体构建过程**： - 计算14日行业指数涨跌幅： $$RS = \frac{14日平均涨幅}{14日平均跌幅}$$ - $$RSI = 100 - \frac{100}{1+RS}$$[18] --- 因子的回测效果 （注：报告中未披露单一因子的独立测试结果）

根据研报内容，以下是量化模型与因子的详细总结： 量化因子与构建方式 1. **因子名称**：转股溢价率偏离度 - **构建思路**：衡量转股溢价率相对于拟合值的偏离度，使不同平价的转债可比[21] - **具体构建过程**： $$y_{i}=\alpha_{0}+\,\alpha_{1}\cdot\,{\frac{1}{x_{i}}}+\epsilon_{i}$$ 其中，$y_i$为第$i$只转债的转股溢价率，$x_i$为转股价值。通过截面数据拟合转股溢价率与转股价值的关系曲线，计算偏离度[21][44] 2. **因子名称**：理论价值偏离度（蒙特卡洛模型） - **构建思路**：通过蒙特卡洛模拟计算转债理论价值，衡量价格与理论价值的偏离[21] - **具体构建过程**： 1. 模拟10000条路径，考虑转股、赎回、下修、回售条款 2. 以同信用同期限利率为贴现率计算理论价值 3. 因子值=转债收盘价/理论价值-1[21] 3. **因子名称**：转债综合估值因子 - **构建思路**：融合转股溢价率偏离度和理论价值偏离度，提升因子稳定性[21] - **具体构建过程**： $$综合估值因子 = Rank（转股溢价率偏离度） + Rank（理论价值偏离度）$$ 对两个因子分别排名后相加[21] 4. **因子名称**：修正YTM - 信用债YTM - **构建思路**：剥离转股条款影响，比较偏债型转债与信用债的配置价值[4][45] - **具体构建过程**： $$修正YTM = 转债YTM \times (1-转股概率) + 预期转股收益率 \times 转股概率$$ 转股概率通过BS模型计算，最终取截面中位数[4][45][46] 5. **因子名称**：转债市场情绪捕捉指标 - **构建思路**：结合动量和波动率识别市场情绪[29] - **具体构建过程**： $$市场情绪指标 = Rank（20日动量） + Rank（波动率偏离度）$$ 在风格指数内部取因子中位数[29][30] 量化模型与构建方式 1. **模型名称**：转债低估指数构建模型 - **构建思路**：通过估值因子筛选低估转债，分风格构建指数[21][22] - **具体构建过程**： 1. 按平底溢价率划分风格（偏股>15%，偏债<-15%，其余为平衡型） 2. 偏股型使用理论价值偏离度因子，其他风格用综合估值因子 3. 选取因子前1/3且满足：正股市值>5亿、非ST、评级≥AA-等8项风控条件[21][22] 2. **模型名称**：转债风格轮动模型 - **构建思路**：根据市场情绪指标动态配置低估风格[29][30] - **具体构建过程**： 1. 计算各风格指数的市场情绪指标排名 2. 优先配置排名低的风格，若排名相同则等权配置 3. 双周频调仓，全仓投资单一风格[29][30][35] 因子回测效果 | 因子/模型 | 年化收益 | 年化波动 | IR | 最大回撤 | 测试周期 | |--------------------------|----------|----------|-------|----------|-------------------| | 偏股转债低估指数 | 24.91% | 20.39% | 1.22 | -22.83% | 2018-2025[24] | | 平衡转债低估指数 | 13.77% | 11.87% | 1.16 | -16.04% | 2018-2025[24] | | 偏债转债低估指数 | 12.21% | 9.45% | 1.29 | -17.59% | 2018-2025[24] | | 转债风格轮动模型 | 24.23% | 16.54% | 1.47 | -15.54% | 2018-2025[35] | | 低估值因子（偏股） | - | - | - | - | 近4周超额1.33%[23]| 模型评价 - **估值因子**：理论价值偏离度在偏股型转债上表现优异，综合估值因子对平衡/偏债型更有效[21] - **风格轮动**：通过动量+波动率捕捉市场情绪，历史信息比率达1.47显著优于基准[35] - **风控设计**：通过正股市值、盈利等条件有效控制信用风险[22]

报告行业投资评级 - 中信五风格-金融★☆☆，一颗星代表偏多，判断趋势有上涨驱动，但盘面可操作性不强 [3] 报告的核心观点 - 截至2025/06/13当周，通联全A（沪深京）、中证综合债与南华商品指数周度涨跌幅分别为-0.41%、0.17%、2.14%；近一周股债策略收益呈现小幅分化，能化ETF净值升幅显著；金融与周期风格录得正收益，成长风格基金平均收益跑赢指数；残差波动率因子表现较优；本周金融风格回升，当前信号偏向金融风格，上周风格择时策略有超额收益 [3] 根据相关目录分别进行总结 近期市场收益 - 通联全A（沪深京）、中证综合债与南华商品指数周度涨跌幅分别为-0.41%、0.17%、2.14% [3] 公募基金市场 - 权益策略中指数增强策略小幅回调，市场中性策略收益小幅承压，普通股票策略指数连续两周收涨；债券策略中长期纯债表现优于短期纯债，可转债指数小幅走弱；商品策略中能化ETF周涨3.09%，豆粕ETF上涨1.91%，有色金属ETF小幅回撤，贵金属ETF收益延续上升趋势 [3] 中信五风格 - 上周五风格指数收益分化，金融与周期风格录得正收益，消费与稳定小幅回落，周期风格边际走强；近一周仅成长风格基金平均收益跑赢指数，超额收益率为0.15%，部分金融风格基金向消费与周期风格偏移；成长与周期拥挤度回落，消费风格升至历史偏高拥挤区间 [3] Barra因子 - 近一周残差波动率因子表现较优，周度超额收益率为0.82%，规模因子超额持续压缩，杠杆与成长因子收益小幅走强；中长期动量与成长因子胜率表现较优，流动性与动量反转因子处于偏弱状态；本周因子截面轮动速度小幅回升，位于历史中低分位区间 [3] 风格择时模型 - 本周金融风格回升，消费与周期下降，当前信号偏向金融风格；上周风格择时策略收益率为0.44%，对比基准均衡配置超额收益率为0.66% [3]

量化模型与构建方式 1 模型名称：社会服务相对指数趋势跟踪模型 模型构建思路：基于价格走势的局部延续性假设，通过观察窗口内的价格变动与波动率的关系判断趋势方向[3] 模型具体构建过程： - 计算T日收盘价与T-20日收盘价的差值del：$$del = P_T - P_{T-20}$$ - 计算T-20日至T日（不含）的波动率Vol（标准差） - 趋势判断规则：若|del| > N×Vol（N=1），则形成新趋势，方向与del符号一致；否则延续T-1日趋势方向[3] 模型评价：在窄幅震荡行情中易产生连续回撤，大级别趋势中表现较好但持续时间不足[4] 模型的回测效果 1 社会服务相对指数趋势跟踪模型： - 年化收益：-2.87% - 年化波动率：21.22% - 夏普比率：-0.14 - 最大回撤：23.32% - 相对指数超额收益：-20.18%[3] （注：报告未涉及量化因子相关内容，故跳过该部分）

报告行业投资评级 未提及 报告的核心观点 - 上周市场继续震荡，除科创等偏成长型宽基指数下跌外，其他主流宽基指数平稳，偏小盘型宽基指数小幅上涨，下行风险有限 [1][8] - 虽市场担心未来出现类似2024年6月后的阴跌情形，但技术细节差异显示无需过度担心，可持震荡整理心态应对 [1][8] - 四轮驱动模型新增行业多头信号少，短期建议行业均衡配置；震荡格局下，科技型板块有小级别底背离迹象，高频温度计未到舒适位置，适合逢低关注 [2][9] 根据相关目录分别进行总结 本期市场要点：震荡有支撑，多看少动 - 上周市场震荡，偏成长型宽基指数下跌，其他主流宽基指数平稳，小盘型宽基指数小幅上涨，符合下行风险有限预期 [1][8] - 从周期分析模型看，4月初以来的上行趋势未结束；当前均线系统多头排列，好于2024年6月；大部分宽基指数未跌破4月底支撑区域，技术形态不弱，可继续观察走势再做判断 [1][8] - 行业上，四轮驱动模型新增多头信号少，短期建议均衡配置；科技型板块有小级别底背离迹象，适合逢低关注 [2][9] 市场判断相关逻辑 - 展示上证综指周期分析、缠论分析、主题指数相对强弱比较、四轮驱动模型等图表 [10][12][14][16] - 四轮驱动模型显示，2025年5月29日计算机行业有赚钱效应异动（潜在机会），区间涨幅 -1.69%；5月14日非银金融行业有腰纹效应异动（潜在机会），区间涨幅 -1.78%；部分日期提示市场整体存在调整风险 [16]

报告行业投资评级 未提及 报告的核心观点 - 该模型不适合直接用于申万一级轻工制造指数相对值 [4] 根据相关目录分别进行总结 模型概述 - 设计原理：假定标的价格走势具局部延续性，永远处于某一趋势中，反转行情持续时间小于趋势延续时间，窄幅盘整时延续之前趋势；大级别趋势中，给定短观察窗口，走势延续局部趋势；趋势反转时，观察窗口始末价格变动方向超出随机波动造成的趋势背离范围，排除随机波动影响；为严谨评估模型效果，默认可对标的进行多空操作 [3] - 作用标的：申万一级轻工制造指数相对值（相对沪深 300） [3] - 标的的数据预处理规则：相对值 [3] - 模型信号维度：多空 [3] - 具体算法：计算 T 日收盘价与 T - 20 日收盘价的差 del；计算 T - 20 日至 T 日（不含）时间段的波动率 Vol；若 del 绝对值大于 N 倍的 Vol，认为价格脱离振荡区间形成趋势，趋势多空方向与 del 正负对应；若小于等于 N 倍的 Vol，认为走势延续，趋势方向同 T - 1 日；取 N = 1 进行跟踪；考虑多空两个方向回报，合并结果作为最终评估依据 [3] - 跟踪区间：2023 年 3 月 7 日 - 2025 年 3 月 18 日 [3] 结果评估 - 区间年化收益：-7.36% [3] - 波动率（年化）：16.87% [3] - 夏普率：-0.44 [3] - 最大回撤：27.58% [3] - 指数期间总回报率：-15.60% [3] 模型策略适用情况总结 - 2023 年 3 月 7 日至 2024 年 1 月 26 日，模型净值围绕原值波动，无法取得较好累计收益 [4] - 2024 年 1 月 26 日至 2024 年 2 月 6 日，模型净值短期急剧上升，表现较好 [4] - 此后行情，模型净值下行，陷入长时间回撤；模型年化收益回撤比较低，中后期处于较长时间回撤中 [4]