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：遗传规划行业轮动模型** - **模型构建思路**：直接对行业指数的量价、估值等数据进行因子挖掘，每季度末更新因子库，采用周频调仓[30][32] - **模型具体构建过程**： 1. 每周末计算多因子综合得分，选取得分最高的五个行业 2. 对选中的行业进行等权配置 3. 季度末更新因子库以保持模型适应性[30][32] - **模型评价**：能够紧跟市场主线，捕捉热点板块，如科技、消费和周期行业的轮动机会[32][33] 2. **模型名称：境内绝对收益ETF模拟组合** - **模型构建思路**：大类资产配置权重基于资产近期趋势计算，权益内部配置采用月频行业轮动模型观点[34][36] - **模型具体构建过程**： 1. 对趋势较强的资产赋予较高权重 2. 权益资产内部直接采用行业轮动模型的月度观点 3. 动态调整权益和商品仓位[34][36] 3. **模型名称：全球资产配置模拟组合** - **模型构建思路**：基于周期三因子定价模型预测全球大类资产收益率，采用"动量选资产，周期调权重"的风险预算框架[40][42] - **模型具体构建过程**： 1. 对资产未来收益率进行预测排序 2. 根据动量选择资产，周期调整权重 3. 目前超配债券和外汇[40][42] 模型的回测效果 1. **遗传规划行业轮动模型** - 年化收益：31.39% - 年化波动：18.12% - 夏普比率：1.73 - 最大回撤：-19.63% - 卡玛比率：1.60 - 上周表现：3.15% - YTD：28.79%[32] 2. **境内绝对收益ETF模拟组合** - 年化收益率：6.52% - 年化波动率：3.81% - 最大回撤：4.65% - 夏普比率：1.71 - Calmar比率：1.40 - 今年以来收益率：5.69% - 近一周收益率：0.34%[39] 3. **全球资产配置模拟组合** - 年化收益率：7.22% - 年化波动率：4.82% - 最大回撤：-6.44% - 夏普比率：1.50 - Calmar比率：1.12 - 今年以来收益率：-3.04% - 近一周收益率：0.61%[41] 情绪指标构建方式 1. **期权市场情绪指标** - **构建思路**：通过认购与认沽期权成交活跃程度表征投资者方向性观点[17][20] - **具体构建**： 1. 计算上证50ETF和沪500ETF期权的认购成交额与认沽成交额之比 2. 观察该比值是否突破布林带上轨判断过热信号[17][20] 2. **隐含波动率指标** - **构建思路**：通过认购与认沽期权隐含波动率比值衡量投资者情绪[20][25] - **具体构建**： 1. 计算认购期权隐含波动率与认沽期权隐含波动率比值 2. 比值高低反映市场乐观或悲观程度[20][25] 3. **股指期货基差指标** - **构建思路**：基差体现投资者对未来价格的预期，与市场情绪相关[26][29] - **具体构建**： 1. 对IC、IF、IH、IM四个品种计算持仓量加权年化基差率 2. 基差序列趋势反映期货市场情绪变化[26][29] 情绪指标近期表现 1. **期权成交额沽购比**：上周有所回升但仍低于7月极值水平[17][24] 2. **隐含波动率比值**：上周震荡下行[20][25] 3. **股指期货基差率**：上周维持波动向下趋势[26][29]

核心观点 - 市场轮动速度显著加快，2025年轮动指标降至61.95%，热点持续性大多不超过20天 [3][8] - 轮动加速时融资余额与指数同步性高，轮动放缓时融资响应滞后 [3][14] - 指数轮动策略年化收益20.25%，近三年表现优于行业轮动的16.03%，热点轮动和行业轮动相对于等权基准的年化超额分别为9.72%和9.06% [3] - 龙头股映射策略年化收益达15.79%，近几年相对于沪深300表现稳健 [3] 轮动逻辑与因子框架 行业轮动有效因子 - 分位数因子(QTLU/QTUD)：支撑位动量(QTUD)在熊市更有效，压力位动量(QTLU)在牛市更有效 [3] - 波动占比因子(SUMN)：正向波动占比越高行业强度越强 [3] - 极值因子(RSV/MAX)：短期极值(RSV5)对热点敏感 [3] - 动量因子(ROC/MA)：MA10和ROC10分年度胜率突出 [3] 热点指数轮动优化 - 使用68个Wind热门指数作为数据源，剔除冗余项 [4] - 核心因子包括分位数因子(QTLU_20_95)、残差与排序因子(RESI30、RANK20) [4] - 采用T+1收盘换仓策略(周三执行)缓解因子衰减 [4] - 热点指数Top5成分股组合年化收益15.79%，显著跑赢沪深300 [4] 策略应用 行业轮动持仓 - 2025年高频持仓集中在银行、汽车、有色等行业 [4] - 2025年7月新增煤炭、基础化工行业持仓 [4] 热点指数持仓 - 2025年7月调入半导体、锂矿、能源设备指数 [4] - 调出汽车零部件、酒类指数 [4] 市场轮动特征分析 - 热点轮动动量持续性指标近几年持续下降，从2011年的81.52%降至2025年的61.95% [8] - 行业在主线上的持续程度一直低于热点轮动 [8] - 采用多窗口动态评估(20/60/120/240日)计算行业相对强度，避免单一周期偏差 [8] - 选取5日收益率TOP5行业计算多周期综合强度均值 [8] 资金结构与轮动关系 - 轮动快时融资响应迅速(如2024年9月)，轮动慢时融资响应滞后(如2019-2020年) [14] - 融资余额变化与指数涨幅高度同步时，显示游资散户参与度高 [14] - 热点轮动速度与融资融券余额存在明显相关性 [15][17] 因子表现分析 分位数因子 - QTUD_20_5因子年化超额达16.77%，QTLU_20_95因子年化超额14.19% [41][43] - 支撑位动量在21年后超额收益相对稳健 [55] - 期限越短支撑位相对更重要，期限越长压力位距离更重要 [55] 波动占比因子 - SUMN10因子第一组年化超额-1.73%，第五组达14.20% [68] - SUMN10_v4因子表现优于基础SUMN因子 [68] 均值极值类因子 - MA10因子年化超额6.70%，MA20因子7.75% [77] - MAX10因子年化超额5.95%，MIN10因子5.43% [77] RSV类因子 - RSV20因子年化超额8.83%，RSV5因子7.02%，RSV10因子8.57% [81] - RSV类因子近几年表现相对较好 [79] 综合因子表现 - 合成行业轮动因子近三年相对稳健，相对于行业等权基准年化超额9.06% [85][91] - 2025年最新持仓显示银行、汽车、有色持有频次较高 [92] - 2025年7月持仓调整新增煤炭、基础化工等行业 [92]

指数表现 - 中证高端装备细分50指数下跌0 80% [1] - 成分股涨跌互现 七一二领涨8 65% 航天智装上涨8 17% 高德红外上涨2 45% 国睿科技领跌 中光学 光电股份跟跌 [1] - 高端装备ETF(159638)下修调整 [1] 流动性及规模 - 高端装备ETF盘中换手4 57% 成交5432 06万元 [3] - 近1周日均成交6317 60万元 [3] - 最新规模达11 98亿元 [3] 收益表现 - 高端装备ETF近1年净值上涨33 28% [3] - 自成立以来最高单月回报19 30% 最长连涨月数3个月 最长连涨涨幅21 15% 上涨月份平均收益率6 36% [3] 行业分析 - 国内军队建设向"智能化+无人化"升级 叠加全球军贸需求扩张 军工行业有望进入长期增长周期 [3] - 十五五规划预期及军贸出口催化或进一步打开行业空间 具备技术优势且估值处于低位的标的潜力较大 [3] - 大国博弈加剧是长期趋势 加大国防投入是必选项 军工长期趋势向好 [3] - 航天技术成熟稳定 成功发射巴基斯坦遥感卫星01星 快舟一号甲运载火箭完成第29次成功飞行 [3] 指数权重 - 中证高端装备细分50指数前十大权重股合计占比46 03% [4] - 权重股包括中航沈飞(7 93%) 航发动力(6 30%) 中航光电(6 29%) 中航西飞(4 66%) 中航机载(3 58%) 中国长城(3 51%) 海格通信(3 39%) 航天电子(3 39%) 中航成飞(3 18%) 西部超导(2 89%) [4][6] 个股表现 - 中航沈飞下跌2 36% 航发动力下跌0 48% 中航光电下跌0 57% 中航西飞下跌2 34% 中航机载下跌0 78% [6] - 中国长城上涨0 13% 航天电子上涨2 08% 海格通信下跌1 00% 中航成飞下跌2 96% 西部超导下跌1 79% [6]

市场行情特征分析 - 当前市场呈现典型"水牛"特征 定义为基本面与流动性背离 [1] - 基本面下行期指数连续上涨需依赖重磅宏观政策或流动性全面改善拐点 持续时间通常不超过4个月 [1] - 本轮行情自6月从存量转为增量起点（机构票/量化票/保险票同步上涨为标志） 已持续不到2个月 [1] 流动性驱动牛市阶段特征 - 流动性驱动牛市分为快速轮动期和持续主线期两个阶段 [3] - 快速轮动期几乎所有风格均能轮动但持续性弱 例如2005-2006年及2014-2015年每月领涨行业均不同 [3] - 金融或周期板块常率先启动 因估值较低且对金融政策敏感 同时强指数拉动作用易强化牛市预期吸引增量资金 [3] - 持续主线期部分细分方向通过政策提振或产业周期支撑获基本面改善预期 成为市场持续性主线 [4] 行业轮动现状与投资策略 - 当前A股处于快速轮动期 热点从AI/创新药/新消费/大金融切换至反内卷/大基建 轮动速度极快 [4] - 行业配置难度大 选择宽基指数可避免单行业风险并确保市场上涨时不缺席 [5] 中证A500指数优势分析 - 行业配置更均衡：覆盖市值超千亿大盘蓝筹及200亿以下中小盘股 市值范围广于沪深300（仅覆盖200亿以上） [5] - 新质生产力含量更高：相比沪深300 在非银金融+银行+食品饮料权重减少11% 权重分配至新兴行业 [7] - 历史表现适应力强：2025年上半年金融板块上涨时 中证A500以0.47%收益率跑赢沪深300的0.03% 计算机/传媒/电子/军工超配比例较高 [9] - 长期收益领先：基日以来涨幅达363.05% 同期沪深300和中证800收益率分别为293.61%和326.30% [11] 投资组合构建建议 - 权益资产配置中证A500ETF（159338）及联接基金（A类022448/C类022449/I类022610）以跟踪市场趋势 [14] - 债券市场布局十年国债ETF（511260）兼顾防守与久期进攻属性 [15] - 商品配置黄金基金ETF（518800）及联接基金（A类000218/C类004253/E类022502）跟踪AU9999现货合约把握弱美元机遇 [16]

根据提供的研报内容，以下是量化模型与因子的总结： 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，选择扩散指数排名靠前的行业进行配置[26] - **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. 对扩散指数进行排名，选择排名前六的行业作为配置标的 3. 每月进行轮动调仓，保持组合与当前趋势一致 4. 扩散指数计算公式： $$DI_t = \frac{N_{up}}{N_{up}+N_{down}}$$ 其中$N_{up}$为行业成分股中上涨股票数量，$N_{down}$为下跌股票数量[27] - **模型评价**：在趋势行情中表现优异，但在市场反转时可能失效[26] 2. **模型名称：GRU因子行业轮动模型** - **模型构建思路**：基于GRU深度学习网络处理分钟频量价数据，生成行业因子进行轮动[33] - **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. 选择因子得分最高的六个行业进行配置 4. 每周进行调仓，动态适应市场变化[34] - **模型评价**：在短周期表现较好，但对极端行情适应性有限[40] 量化因子与构建方式 1. **因子名称：行业扩散指数因子** - **因子构建思路**：通过行业成分股涨跌数量比衡量行业趋势强度[27] - **因子具体构建过程**： 1. 计算每个中信一级行业成分股当日涨跌数量 2. 计算扩散指数值： $$DI = \frac{\text{上涨股票数}}{\text{上涨股票数}+\text{下跌股票数}}$$ 3. 对DI值进行标准化处理，得到0-1区间因子值[28] 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[34] - **因子具体构建过程**： 1. 输入行业分钟频量价数据至GRU网络 2. 网络输出行业特征得分 3. 对得分进行标准化处理，生成可比因子值[36] 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：-0.44% - 2025年以来超额收益：-0.40%[30] - 本周超额收益：0.04%[30] 2. **GRU因子行业轮动模型** - 2025年8月超额收益：0.16% - 2025年以来超额收益：-2.35%[38] - 本周超额收益：1.70%[38] 因子的回测效果 1. **行业扩散指数因子** - 钢铁行业因子值：1.0 - 综合金融因子值：1.0 - 非银行金融因子值：0.999 - 综合因子值：0.998 - 有色金属因子值：0.997 - 建筑因子值：0.996[27] 2. **GRU行业因子** - 非银行金融因子值：-1.15 - 有色金属因子值：0.5 - 建材因子值：-2.63 - 汽车因子值：-2.81 - 钢铁因子值：0.7 - 家电因子值：-5.47[34]

全球核心风险 - 地缘政治冲突推高原油和黄金价格 增加全球供应链成本 对科技和航运板块可能造成冲击[2] - 美联储高利率环境持续将压制A股成长股估值 强美元压制人民币汇率影响外资流入 弱美元利好大宗商品[2] - 中国经济复苏受房地产与消费疲软影响 周期股面临压力 新兴产业如新能源和AI决定结构性机会[4] 安全资产配置 - 黄金作为终极避险工具 可通过黄金ETF如518880直接跟踪金价 黄金股如山东黄金和紫金矿业弹性较大但需注意矿业成本波动[5] - 高股息资产具有类债券防御属性 银行如工行和建行低估值稳定分红 公用事业如长江电力和中国核电现金流稳定抗周期性强 煤炭如中国神华兼具高分红和能源安全逻辑[6] - 国债与利率债是低风险避风港 可通过国债逆回购进行短期流动性管理 或通过债券ETF如511260长期持有对冲权益资产波动[7] - 必需消费与医药抗周期性强 食品饮料如茅台和伊利品牌壁垒高 医药如恒瑞医药和中药龙头受益于集采压力缓解和老龄化趋势[8] A股适配策略 - 核心-卫星策略中核心仓位60%配置高股息资产、黄金ETF和国债 卫星仓位40%灵活配置进攻型科技如半导体和AI或新能源如光伏和储能 事件驱动型军工和资源股[9] - 行业轮动需关注政策红利方向 设备更新和消费品以旧换新政策使机械和家电行业受益 新质生产力领域如人工智能和量子科技值得关注 需规避高负债地产链和出口依赖型板块[10] - 动态再平衡可根据市场情况调整 黄金或原油大涨后部分获利了结增配回调成长股 A股跌破关键点位如2800点加大高股息资产配置[11] 总结与实操建议 - 建议资产配置基础安全垫为黄金20%、高股息资产30%和国债10%[12] - 保守型投资者聚焦电力、煤炭和公用事业板块 进取型投资者逢低布局科技如国产替代和资源如铜铝工业金属[12] - 美联储降息落地可增配港股互联网和A股成长股 通胀反弹需强化黄金和能源配置[12]

公募机构后市观点 - 公募机构对后市持乐观态度 [1] - 建议采取均衡配置策略应对行业轮动 [1]

根据研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **高频宏观因子模型** - 构建思路：通过资产组合模拟构建高频宏观因子体系，观察市场交易的宏观预期变化[12] - 具体构建过程： 1. 对利率、汇率、信用等因子直接通过相关指数多空组合构建 2. 对高频经济增长和通胀因子： - 合成低频宏观指标（如工业增加值同比、CPI同比等） - 筛选领先于低频指标的资产（如恒生指数、CRB金属现货等） - 通过滚动多元回归确定资产权重，构建投资组合模拟宏观因子走势[12][13] - 评价：高频指标对低频宏观数据具有领先性，能有效捕捉市场预期变化[13] 2. **债券久期择时模型** - 构建思路：基于改进的Diebold2006模型预测收益率曲线变化[20] - 具体构建过程： - 水平因子预测：结合宏观变量预判和政策利率跟随 - 斜率/曲率因子预测：采用AR(1)模型 - 映射不同久期债券的预期收益[20] - 评价：能动态捕捉利率曲线形态变化 3. **黄金预期收益模型** - 构建思路：将黄金与TIPS实际回报关联[32] - 具体公式： $$E[Real\_Return^{gold}]=k\times E[Real\_Return^{Tips}]$$ $$E[R^{gold}]=\pi^{e}+k\times E[Real\_Return^{Tips}]$$ 其中k通过扩展窗口OLS估计，π^e取美联储2%通胀目标[32] - 评价：模型对黄金长期趋势有较强解释力 4. **主动风险预算模型** - 构建思路：将风险平价与主动信号结合动态调整股债配置[37][38] - 具体构建过程： 1. 多维度信号生成： - 股债比价（ERP）：$$ERP=\frac{1}{PE_{ttm}}-YTM_{TB}^{10Y}$$[39] - 股票估值分位数 - 市场流动性（M2-M1剪刀差）[42] 2. 信号通过softmax函数转化为风险预算权重： $$softmax(x)=\frac{\exp(\lambda x)}{\exp(\lambda x)+\exp(-\lambda x)}$$[47] - 评价：相比传统风险平价模型具有更好的动态适应性 5. **行业轮动3.0模型** - 构建思路：从交易行为、景气度等6维度构建子模型并动态合成[53] - 具体构建过程： - 交易行为模型：捕捉日内动量+隔夜反转效应 - 景气度模型：捕捉盈余动量 - 资金流模型：识别主动抢筹行为 - 其他维度包括筹码结构、宏观驱动、技术分析[53][55] - 评价：多维度合成有效提升行业轮动胜率 量化因子与构建方式 1. **转债估值因子** - 百元转股溢价率：衡量转债与正股相对估值[25] - 修正YTM-信用债YTM：剥离转股条款影响，比较偏债转债与信用债价值[25] 2. **转债风格因子** - 转股溢价率偏离度：识别高估值转债 - 理论价值偏离度：结合定价模型识别定价偏差[27] - 20日动量+波动率偏离度：捕捉市场情绪[27] 3. **基金选基因子** - 高质量因子：基于财务质量指标 - 高成长因子：基于盈利增长指标 - 低估值因子：基于估值分位数[86] 模型回测效果 1. **高频宏观因子** - 高频经济增长因子：7月同比上行[13] - 高频消费通胀因子：7月同比下行[17] - 高频生产通胀因子：7月同比上行[17] 2. **债券久期择时** - 7月策略超额收益32.4bp[21][24] - 近一年超额收益-2.11%[21] 3. **黄金预期模型** - 未来一年预期收益率22.4%[32][33] - 过去一年策略绝对回报39.77%[34][35] 4. **主动风险预算** - 全样本年化收益6.54%，收益波动比1.64[52][54] - 8月股票仓位7.44%，债券仓位92.56%[51] 5. **行业轮动3.0** - 7月多空收益3.07%[61][64] - 动态合成模型中景气度/资金流模型权重较高[67] 6. **转债风格轮动** - 2018-2025年化收益24.54%，IR 1.47[29] - 2025年收益35.17%[29] 7. **ETF轮动组合** - 7月超额收益1.83%[71][74] 8. **FOF组合** - 7月收益5.45%，超额-1.81%[83][84]

行业轮动特征 - 港股通高股息行业呈现显著行业轮动特征 大众消费品板块处于低估位置且具备补涨潜力 [1] - 年初至今港股通文娱用品、饰品和化妆品行业涨幅显著 [1] - 2025年医药行业率先反弹 后续大众消费在政策催化下或迎来重估 [1] - 行业轮动顺序为周期股上涨后大众消费品成为当前重点 未来可能逐步转向"好房子"相关产业链 [1] 指数产品特性 - 红利港股ETF（159331）跟踪港股通高股息指数（930914） 该指数从港股通标的筛选稳定高股息上市公司证券 [1] - 指数覆盖金融、工业、能源等传统高分红领域 反映通过港股通机制可投资的优质高股息企业证券整体表现 [1] - 指数突出长期价值回报的投资特性 [1] 投资渠道 - 无股票账户投资者可关注国泰中证港股通高股息投资ETF发起联接A（022274）和联接C（022275） [1]

报告行业投资评级 未提及 报告的核心观点 2025年7月30日转债缩量下跌，估值环比抬升；大盘价值相对占优，转债市场成交情绪减弱；正股行业指数下降占比过半 [1] 各部分总结 市场概况 - 中证转债指数环比降0.08%，上证综指环比涨0.17%，深证成指环比降0.77%，创业板指环比降1.62%，上证50指数环比涨0.38%，中证1000指数环比降0.82% [1] - 大盘成长环比降0.48%，大盘价值环比涨0.84%，中盘成长环比降0.17%，中盘价值环比涨0.51%，小盘成长环比降0.76%，小盘价值环比降0.27% [1] - 可转债市场成交额761.34亿元，环比减2.88%；万得全A总成交额18709.76亿元，环比增2.28%；沪深两市主力净流出529.00亿元，十年国债收益率环比降2.86bp至1.72% [1] 转债价格 - 转债整体收盘价加权平均值126.79元，环比降0.05%；偏股型转债收盘价167.54元，环比降0.24%；偏债型转债收盘价117.04元，环比升0.22%；平衡型转债收盘价124.96元，环比升0.08% [2] - 130元以上高价券个数占比43.84%，较昨日环比持平；占比变化最大区间为110 - 120（含120），占比20.95%，较昨日降0.65pct；收盘价在100元以下个券有2只；价格中位数128.43元，环比升0.19% [2] 转债估值 - 百元平价拟合转股溢价率27.74%，环比升0.18pct；整体加权平价96.98元，环比降0.30% [2] - 偏股型转债溢价率6.82%，环比升0.29pct；偏债型转债溢价率85.62%，环比升0.25pct；平衡型转债溢价率22.17%，环比升0.05pct [2] 行业表现 - A股市场中，跌幅前三位行业为电力设备（-2.22%）、计算机（-1.59%）、汽车（-1.27%）；涨幅前三位行业为钢铁（+2.05%）、石油石化（+1.84%）、传媒（+1.00%） [3] - 转债市场共计18个行业下跌，跌幅前三位行业为通信（-2.25%）、汽车（-1.07%）、家用电器（-0.96%）；涨幅前三位行业为建筑材料（+0.82%）、纺织服饰（+0.79%）、建筑装饰（+0.42%） [3] - 收盘价方面，大周期环比-0.04%、制造环比-0.57%、科技环比-0.81%、大消费环比+0.04%、大金融环比-0.18% [3] - 转股溢价率方面，大周期环比+0.063pct、制造环比+1.1pct、科技环比+0.87pct、大消费环比+0.68pct、大金融环比+0.14pct [3] - 转换价值方面，大周期环比-0.14%、制造环比-1.22%、科技环比-1.37%、大消费环比-0.00%、大金融环比-0.71% [3] - 纯债溢价率方面，大周期环比-0.062pct、制造环比-0.72pct、科技环比-1.2pct、大消费环比+0.054pct、大金融环比-0.22pct [4] 行业轮动 - 钢铁、石油石化、传媒领涨；通信、汽车、电力设备等行业表现不佳 [54]