核心观点 - 市场情绪指标数值为3.2，处于高位震荡状态，较上周五的2.9小幅上涨，但部分分项指标开始回落，短期观点偏中性[2][8] - 价量一致性得分快速下跌，行业交易波动率继续回落，资金活跃度和参与度出现降温，市场成交活跃度略有下降[2][10] - 全A成交额较上周大幅下降，周五日成交额为周内最低的23483.59亿人民币，日成交量为1460.90亿股[2][14] - PCR结合VIX指标由正转负，对冲需求下降，波动率压制下潜在风险累积，短期或暗含回调压力[2][10][26] - 行业拥挤度显示综合、电力设备板块资金拥挤度高且涨幅高，计算机、电子板块资金拥挤度高但涨幅偏低，国防军工、钢铁、建筑材料等低拥挤度板块可能迎来配置机会[2][39] - 均线排列模型显示电力设备、公用事业、美容护理、食品饮料等行业短期趋势得分上升趋势靠前，电力设备短期得分继续上升至100[2][31] - 当前模型维持提示大盘风格占优信号，且5日RSI相对20日进一步下降，信号提示强烈，成长风格占优但信号提示强度降低[2][43][45] 情绪模型观点 - 市场情绪结构指标采用行业间交易波动率、行业交易拥挤度、价量一致性、科创50成交占比、行业涨跌趋势性、RSI、主力买入力量、PCR结合VIX、融资余额占比等细分指标构建，指标分数等权求和后的20日均线作为情绪结构指标，近5年A股市场情绪波动较大，2024年10月市场情绪得分突破2[7] - 截至9月5日，市场情绪指标数值为3.2，较上周五的2.9小幅上涨，周内呈现震荡趋势，部分分项指标开始回落[8] - 价量一致性快速下跌，市场价量匹配程度出现回落，资金的活跃度和参与度出现降温，但周五有小幅反弹[10][11] - 科创50相对万得全A成交占比保持快速上升趋势，市场风险偏好出现明显上升[10][16] - 行业间交易波动率继续向下回落，资金切换活跃度下降，资金流动放慢，短期情绪出现波动[10][20] - 行业涨跌趋势周内快速下降，当前信号仍位于布林带之间，资金观点分歧进一步上升[10][21] - 融资融券占比回升至布林带区间内，市场杠杆资金情绪有所修复[10][25] - PCR方向指标由正转负，PCR指标继续保持下降趋势，对冲需求下降，VIX指标下穿20日均线，隐含波动率回落至低位[10][26] 其他择时模型观点 - 均线排列模型通过对N条均线的高低进行打分，短均线在长均线之上计1分，否则计0分，将所有组合得分值标准化后求平均得到趋势得分[31] - 截至2025/9/7，电力设备、公用事业、美容护理、食品饮料等行业短期趋势得分上升趋势靠前，电力设备、综合、有色金属是短期趋势最强的行业，电力设备短期得分继续上升至100[2][31] - 行业拥挤度通过行业指数的成交额与换手率按照过去20日均值与波动率进行标准化，得到行业的交易热度指标，最终定义为行业热度指标滚动60日的百分比排名[36] - 截至2025年9月7日，周平均拥挤度最高的行业分别为商贸零售、综合、电子、通信、有色金属，拥挤度最低的行业分别为医药生物、国防军工、美容护理、纺织服饰、基础化工[38] - 相对强弱指标（RSI）计算方式为N日内的RSI = 100 - 100 / (1 + Gain / Loss)，当20日RSI>60日RSI，则比值的分子端风格占优[43] - 当前模型维持提示大盘风格占优信号，且5日RSI相对20日进一步下降，信号提示强烈，RSI模型提示成长风格占优信号，但短期内5日RSI相对20日RSI大幅下滑，信号提示强度降低[2][43][45]

市场技术指标信号 - SAR指标出现向下突破反转 情绪模型发出负向信号（0分/5分） 均线强弱指数为211分（处于2023年以来77%分位点）且继续下行 [1][2] - 沪深300流动性冲击指标为0.77（低于前值1.26） 上证50ETF期权PUT-CALL比率升至0.80（前值0.66） 显示市场流动性高于一年均值0.77倍标准差但投资者谨慎情绪上升 [2] - 上证综指五日平均换手率1.47%（2005年以来79.9%分位） Wind全A换手率2.25%（87.15%分位） 交易活跃度较前期下降 [2] 宏观与海外市场动态 - 人民币在岸汇率周涨0.66% 离岸汇率周涨0.68% 呈现震荡态势 [2] - 8月官方制造业PMI为49.3（低于前值49.7但高于预期49.25） 标普全球中国制造业PMI为50.5（高于前值49.5） [2] - 美股道指周跌0.32% 标普500涨0.33% 纳斯达克涨1.14% 美国8月非农新增就业2.2万人（远低于预期）失业率升至4.3% [2] - 美联储9月降息概率为89%（25bp）及11%（50bp） 10月再次降息25bp概率近80% [2] 市场表现与估值水平 - 上周上证50跌1.15% 沪深300跌0.81% 中证500跌1.85% 创业板指涨2.35% [3] - 全市场PE（TTM）为21.9倍 处于2005年以来73.9%分位点 [3] - 历史日历效应显示2005年以来除创业板指外 主要宽基指数在9月上半月表现较好 [3] 因子与行业拥挤度 - 小市值因子拥挤度0.68（保持平稳） 低估值因子-0.66 高盈利因子-0.23 高盈利增长因子0.25 [4] - 行业拥挤度较高板块为综合/有色金属/通信/电力设备/机械设备 其中电力设备和综合行业拥挤度上升幅度较大 [5]

核心观点 - 下周市场将延续涨势 [1][2] 量化指标分析 - 基于沪深300指数的流动性冲击指标周五为1.26，低于前一周的1.73，表明当前市场流动性高于过去一年平均水平1.26倍标准差 [2] - 上证50ETF期权成交量PUT-CALL比率周五为0.66，高于前一周的0.64，显示投资者对上证50ETF短期走势乐观程度下降 [2] - 上证综指和Wind全A五日平均换手率分别为1.67%和2.58%，处于2005年以来的83.35%和90.49%分位点，交易活跃度上升 [2] 技术分析信号 - SAR指标和情绪模型继续维持正向信号，均线强弱指数在经历下行后出现新的上行空间 [1][2] - Wind全A指数于8月6日向上突破翻转指标 [2] - 均线强弱指数当前得分为244，处于2023年以来的89.2%分位点 [2] - 情绪模型得分为3分（满分5分），趋势模型和加权模型信号均为正向 [2] 上周市场表现 - 上证50指数上涨1.63%，沪深300指数上涨2.71%，中证500指数上涨3.24%，创业板指上涨7.74% [3] - 当前全市场PE（TTM）为22.1倍，处于2005年以来的75.5%分位点 [3] 因子与行业拥挤度 - 小市值因子拥挤度为0.46，低估值因子拥挤度为-0.65，高盈利因子拥挤度为-0.18，高盈利增长因子拥挤度为0.40，其中小市值因子拥挤度大幅下降 [3] - 有色金属、综合、通信、机械设备和电子的行业拥挤度相对较高 [4] - 通信和有色金属的行业拥挤度上升幅度相对较大 [4] 事件驱动 - 上周美股市场震荡下行，道琼斯工业指数、标普500指数和纳斯达克指数周收益率分别为-0.19%、-0.1%、-0.19% [2] - 美国7月核心PCE物价指数同比升2.9%，为2025年2月以来新高，环比升0.3% [2] - 国务院发布深入实施"人工智能+"行动意见，目标到2027年人工智能与6大重点领域广泛深度融合，新一代智能终端等应用普及率超70%，到2030年普及率超90% [2] 日历效应 - 2005年以来，9月上半月各大宽基指数表现均较好 [2][3]

市场表现 - 最近5个交易日科创50指数涨13.31%，创业板指涨5.85%，大盘价值涨1.56%，大盘成长涨4.77%，上证50涨3.38%，国证2000涨3.47% [1] - 通信和电子行业表现靠前，房地产和煤炭行业表现靠后 [1] - 两市日均成交额达25463亿元 [3] 估值水平 - 截至2025/08/22中证全指PETTM分位数76%，上证50分位数72%，沪深300分位数68%，创业板指分位数39%，中证500分位数58%，中证1000分位数57% [2] - 创业板指估值处于历史相对较低水平 [2] 风险溢价 - 中证全指静态EP减十年期国债收益率，2022/04/26达4.17%，2022/10/28达4.08%，2024/01/19达4.11% [1] - 截至2025/08/22风险溢价指标为3.03%，两倍标准差边界为4.77% [1] 技术面分析 - 深100指数呈现3年周期熊牛交替特征，历史下行幅度40%-45%，本轮调整始于2021年一季度时间和空间较充分 [2] - 使用卷积神经网络对价量数据建模，最新配置主题为通信行业 [2][8] 资金流向 - 最近5个交易日ETF资金流入247亿元 [3] - 融资盘5个交易日增加约901亿元 [3] 行业主题指数 - AI模型重点关注通信设备指数(931160.CSI)、5G通信主题指数(931079.CSI)、人工智能产业指数(931071.CSI) [9] - 同时关注通信设备主题指数(931271.CSI)和新能源电池指数(980027.CNI) [9]

模型框架与创新 - 构建"宏观-资金情绪-市场状态"三维分析框架，利用HMM模型将市场环境量化为4种隐藏状态（趋势上涨/震荡上涨/震荡下跌/趋势下跌）[5] - 引入基于宏观经济脉冲和资金情绪的双因子动态调制矩阵，提升模型对市场拐点的反应速度和预判能力[5] - 将HMM状态判断与凯利公式相结合，实现动态仓位优化和风险收益比最大化[6] 回测表现 - 优化后的完整策略(HMM Opt Kelly)年化收益率达20.9%，远超万得全A指数的16.8%[6] - 策略年化波动率16.2%显著低于指数的23.4%，夏普比率1.29与Calmar比率1.90均大幅领先[6] - 测试期内调制机制的7次主动干预中5次成功，成功率71.4%，净贡献超过2.1%的绝对收益[74][75] 状态特征分析 - 4种隐藏状态中，"趋势上涨"状态10日收益率平均值最高达4.2%，胜率99.6%[32] - "震荡下跌"状态出现次数最多达800次，平均持续时间5天；"趋势上涨"状态持续时间最长平均13.1天[39] - 宏观扩张状态下市场月收益率平均0.4%，显著高于收缩状态的-1.2%[42] 风险提示 - 主要风险包括经济数据不及预期、中美摩擦加剧、地缘冲突恶化等[8] - 全球金融环境不稳定和上市公司盈利不及预期可能影响策略表现[83]

市场情绪与交易活跃度 - 市场情绪指标数值为3.2，较上周五的3.25基本保持同一水平，市场情绪仍处于高位但开始有回落迹象[3][9] - 价量一致性指标周二小幅回落至布林带上界下方后再度突破，融资余额绝对值突破两万亿创历史新高[3][11] - 全A成交额连续三日突破两万亿，周四日成交额达23062.83亿人民币，日成交量1526.15亿股[3][15] 行业表现与资金动向 - 电子、计算机行业短期得分继续上升至100，成为短期趋势最强的前五个行业[3][30] - 电子、电力设备、非银金融等高涨幅板块伴随较高资金拥挤度，建筑装饰、国防军工等板块拥挤度高但涨幅偏低[3][35] - 科创50成交额占比指标有所上升但较年初仍处于较低水平，资金偏好未发生明显变化[3][17] 风格与模型信号 - 均线排列模型显示家用电器、汽车、食品饮料等行业短期趋势得分上升趋势靠前[3][30] - RSI模型提示成长风格占优信号，5日RSI较20日RSI呈现快速下降趋势[3][43] - 当前模型维持小盘风格占优信号，申万小盘/申万大盘RSI指标显示小盘风格占优[45][48] 行业拥挤度分析 - 机械设备、电子、建筑装饰为周平均拥挤度最高行业，石油石化、轻工制造等拥挤度最低[35][39] - 行业拥挤度与涨跌幅分布显示美容护理、公用事业等低涨幅低拥挤度板块可能迎来配置机会[3][39]

根据提供的研报内容，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. **模型名称**：三维复合不定期择时信号 **模型构建思路**：通过信贷脉冲（经济基本面）、Beta离散度（整体情绪）、交易量能（结构风险）三个核心维度构建择时体系，分别对应平衡指标、高赔率指标、高胜率指标[12] **模型具体构建过程**： - 信贷脉冲：采用信贷脉冲环比变化分位数，反映经济基本面边际变化 - Beta离散度：计算市场个股Beta值的离散程度，衡量情绪分化水平 - 交易量能：基于成交额分位数构建量能情绪指标 **模型评价**：样本内择时效果优秀，2025年6月样本外跟踪持续有效[12] 2. **模型名称**：周度择时策略（VERSION2） **模型构建思路**：优化基本面信号处理方式，替换PMI和中长期贷款余额指标[15] **模型具体构建过程**： - PMI信号改为直接判断是否大于50（原为分位数法） - 用信贷脉冲环比变化分位数替代中长期贷款余额同比增速 **模型评价**：新版本在信贷周期改善阶段表现更优，但2021-2023年信号稳定性略有下降[15] 3. **模型名称**：成长价值轮动模型 **模型构建思路**：基于盈利周期、利率周期、信贷周期三因素构建风格轮动框架[29] **模型具体构建过程**： - 基本面：盈利斜率（成长）、利率水平（价值）、信贷变化（价值） - 估值面：PE/PB估值差分位数均值回归效应 - 情绪面：换手差和波动差分位数分析 **模型评价**：2012年以来年化超额收益4.73%，但2025年暂时跑输基准[32] 4. **模型名称**：小盘大盘轮动模型 **模型构建思路**：与成长价值模型共享经济周期框架，侧重市值风格切换[33] **模型具体构建过程**： - 估值差分析：小盘大盘PE/PB分位数（93.88%/97.67%） - 情绪指标：换手差（81.01%分位数利好小盘）[35] 5. **模型名称**：四风格轮动模型 **模型构建思路**：整合成长价值和小盘大盘模型，形成小盘成长/价值+大盘成长/价值四象限配置[37] **模型具体构建过程**： - 当前配置比例：小盘成长37.5%+小盘价值12.5%+大盘成长37.5%+大盘价值12.5% **模型评价**：2012年以来年化超额5.72%，但2025年超额-3.26%[38] 模型的回测效果 1. **三维复合择时模型**： - 年化收益21.26% | 年化波动14.46% | 最大回撤12.80% | 夏普比率126.76 | 年化超额13.39%[14] 2. **周度择时策略（VERSION2）**： - 2025年样本外收益22.82% | 最大回撤11.74% | 夏普比率1.5273[25] - 全区间年化收益17.83% | 超额13.24% | 最大回撤22.44%[27] 3. **成长价值轮动模型**： - 全区间年化收益11.76% | 超额4.73% | 最大回撤43.07%[32] 4. **小盘大盘轮动模型**： - 全区间年化收益12.45% | 超额5.21% | 最大回撤50.65%[36] 5. **四风格轮动模型**： - 全区间年化收益13.37% | 超额5.72% | 最大回撤47.91%[38] 量化因子与构建方式 1. **因子名称**：信贷脉冲环比变化 **因子构建思路**：反映经济基本面边际变化的领先指标[15] **因子具体构建过程**： $$ \text{信贷脉冲}_t = \frac{\Delta \text{信贷余额}_t}{\text{GDP}_t} - \text{移动平均}(\frac{\Delta \text{信贷余额}}{\text{GDP}}, n) $$ 取环比变化分位数作为标准化信号 2. **因子名称**：Beta离散度 **因子构建思路**：衡量市场情绪分化程度[12] **因子具体构建过程**： $$ \text{离散度} = \sqrt{\frac{1}{N}\sum_{i=1}^N (\beta_i - \bar{\beta})^2} $$ 其中$\beta_i$为个股相对市场Beta值 3. **因子名称**：量能情绪得分 **因子构建过程**： - 计算成交额60日均值 - 当前成交额/60日均值分位数作为标准化信号[21] 因子的回测效果 1. **信贷脉冲因子**： - 年化收益11.36% | IR 3.49 | 最大回撤16.75%[14] 2. **Beta离散度因子**： - 年化收益13.08% | IR 5.21 | 最大回撤33.64%[14] 3. **交易量能因子**： - 年化收益15.58% | IR 7.71 | 最大回撤26.19%[14]

市场表现 - 最近5个交易日科创50指数涨5.53%，创业板指涨8.48%，大盘价值跌0.76%，大盘成长涨3.63%，上证50涨1.57%，国证2000代表的小盘涨3.86% [1] - 通信、电子行业表现靠前，银行、钢铁行业表现靠后 [1] - 中证全指风险溢价指标在2024/01/19达到4.11%，为2016年以来第五次超过4%，截至2025/08/15该指标回落至3.23% [1] 估值水平 - 截至2025/08/15中证全指PETTM分位数72%，上证50与沪深300分位数分别为69%、63%，创业板指分位数接近33%，中证500与中证1000分位数分别为54%、52% [2] - 创业板指估值处于历史相对较低水平 [2] - 深100指数技术面呈现3年周期规律，2012/2015/2018/2021年下行幅度40%-45%，2021年一季度开始的调整时间与空间较充分 [2] 资金交易 - 最近5个交易日ETF资金流出104亿元，融资盘增加约418亿元，两市日均成交20767亿元 [3] 量化模型应用 - 采用卷积神经网络对价量数据建模，将学习特征映射至行业主题板块，最新配置主题为通信等 [2][8] - 模型涉及中证全指通信设备指数(931160.CSI)、中证钢铁指数(930606.CSI)、中证通信设备主题指数(931271.CSI)等标的 [9] 市场情绪与技术指标 - 权益资产风险溢价跟踪显示历史极端底部通常出现在均值上两倍标准差区域，如2012/2018/2020年 [1] - 深100指数技术面周期显示当前调整或接近尾声 [2]

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. **Black-Litterman模型** - 模型构建思路：结合市场均衡收益和投资者主观观点，优化资产配置[17][20] - 模型具体构建过程： 1. 计算市场均衡收益（逆向优化） 2. 整合投资者主观观点（通过观点矩阵和信心水平） 3. 使用贝叶斯方法调整预期收益 4. 通过均值-方差优化得到最终权重[20] - 模型评价：有效平衡市场均衡与主观观点，降低极端配置风险[20] 2. **风险平价模型** - 模型构建思路：使每类资产对组合风险的贡献相等[27][30] - 模型具体构建过程： 1. 选择底层资产（有效性、分散性、流动性）[30] 2. 计算资产风险贡献： $$TRC_i(w) = w_i \frac{\partial \sigma(w)}{\partial w_i}$$ 3. 优化目标： $$\min \sum_{i=1}^{n}\sum_{j=1}^{n}(TRC_i(w)-TRC_j(w))^2$$ $$s.t. \sum w_i=1, 0\leq w_i\leq1$$[28] 4. 转化为凸优化问题求解[29] - 模型评价：改进传统均值-方差模型，提升风险分散性[30] 3. **逆周期配置模型** - 模型构建思路：基于宏观经济周期调整股债配置比例[43] - 模型评价：在衰退期增加债券配置，扩张期增加权益配置[43] 4. **宏观动量择时模型** - 模型构建思路：利用经济增长、通胀、利率等宏观指标预测资产走势[58][60] - 模型评价：对经济周期转折点敏感，但存在滞后性[60] 5. **情绪择时模型** - 模型构建思路：通过涨跌停板、流动性等指标捕捉投资者情绪极端变化[65][67] - 模型评价：在市场情绪极端时效果显著，但需结合其他信号过滤噪音[67] --- 量化因子与构建方式 1. **ETF轮动因子** - 因子构建思路：结合宏观与量价指标选择风格ETF[71][73] - 因子具体构建过程： - 宏观层面：经济增长、社融、利差等指标 - 量价层面：动量、波动率、拥挤度[71] - 综合打分决定配置权重[73] 2. **行业轮动因子** - 因子构建思路：四象限模型（景气度/情绪/技术/宏观）[82][83] - 因子具体构建过程： - 景气度：行业ROE分位数 - 情绪：分析师评级上调比例 - 技术：动量+换手率+波动率加权 - 宏观：PMI/PPI等指标的行业敏感性[83] 3. **高频量价因子** - 因子类型： - 日内偏度、下行波动占比 - 盘后大单净买入强度 - 改进反转因子[93] - 因子评价：短周期有效性显著，但需控制交易成本[93] 4. **ST预警因子** - 因子构建思路：财务指标预测ST风险[101][104] - 因子具体构建过程： - 利润为负且营收低于阈值 - 净资产为负 - 审计报告异常[101] --- 模型的回测效果 | 模型名称 | 年化收益 | 最大回撤 | 年化波动 | 夏普比率 | 卡玛比率 | 数据来源 | |--------------------|----------|----------|----------|-----------|-----------|----------------| | BL策略1 | 6.58% | 3.18% | 2.15% | 1.86 | 2.07 | [22][24] | | 风险平价策略 | 6.56% | 3.15% | 1.91% | 2.08 | 2.08 | [31] | | 逆周期配置模型 | 7.36% | 5.02% | 6.06% | 1.13 | 1.97 | [43] | | 宏观动量择时模型 | 7.06% | 8.85% | 6.12% | 1.24 | 0.85 | [60] | | 情绪择时模型 | 7.74% | 40.52% | 24.91% | 1.01 | 0.62 | [67][87] | --- 因子的回测效果 | 因子类型 | IC均值 | 多空收益 | 年化超额 | 数据来源 | |--------------------|----------|----------|----------|----------------| | 改进反转因子 | 0.031 | 17.44% | 6.14% | [93] | | 多颗粒度模型(5日) | 0.081 | 44.62% | 16.41% | [93] | | ST预警因子 | - | - | 12-4月跑输市场 | [104][107] | （注：部分因子测试结果因文档格式限制未完全列出，详见原文引用处）

量化模型与构建方式 1. 模型名称：基于动态宏观事件因子的中证港股通大消费指数择时策略 模型构建思路：通过经济、通胀、货币和信用四维度的20余个宏观数据指标构建事件因子，筛选出对指数择时效果较好的5个宏观因子，根据因子信号确定仓位[4][21] 模型具体构建过程： - 宏观数据预处理： - 对齐数据频率至月频 - 缺失值填充公式：$$X_{t}=X_{t-1}+Median_{diff12}$$[28] - 滤波处理使用单向HP滤波公式：$${\hat{t}}_{t|t,\lambda}=\sum\nolimits_{s=1}^{t}\omega_{t|t,s,\lambda}\cdot y_{s}=W_{t|t,\lambda}(L)\cdot y_{t}$$[29] - 衍生数据结构（同比/环比/移动平均）[30] - 事件因子构建： - 确定突破方向（与收益率相关性）[31] - 确定领先滞后性（测试0-4期）[31] - 生成三类事件因子（突破均线/中位数/同向变化）[31][33] - 筛选标准：t检验显著、收益率胜率>55%、发生次数>窗口期/6[33] - 因子叠加优化（相关系数<0.85）[34] - 动态确定最优滚动窗口（48-96个月）[34] - 仓位确定规则： - 看多信号>2/3则仓位100% - 看多信号<1/3则仓位0% - 中间比例则按比例确定仓位[36] 模型评价：在基准回撤阶段能有效控制下行风险，多数年份取得正超额收益[12] 量化因子与构建方式 1. 因子名称：PMI原材料价格因子 因子构建思路：使用原始PMI原材料价格数据，构建突破类事件因子[36] 因子具体构建过程： - 数据处理：原始数据直接使用 - 滚动窗口：96个月 - 事件类型：突破均线/中位数/同向变化[33] 2. 因子名称：中美国债利差10Y因子 因子构建思路：利用中美10年期国债利差原始数据构建事件因子[36] 因子具体构建过程： - 数据处理：原始数据直接使用 - 滚动窗口：72个月 3. 因子名称：金融机构中长期贷款余额因子 因子构建思路：基于12个月滚动求和同比数据构建信用类事件因子[36] 因子具体构建过程： - 数据处理：原始数据直接使用 - 滚动窗口：48个月 4. 因子名称：M1同比因子 因子构建思路：利用货币供应量M1同比数据构建货币类事件因子[36] 因子具体构建过程： - 数据处理：原始数据直接使用 - 滚动窗口：48个月 5. 因子名称：新增社融滚动求和同比因子 因子构建思路：基于12个月滚动求和同比数据构建信用类事件因子[36] 因子具体构建过程： - 数据处理：原始数据直接使用 - 滚动窗口：96个月 模型的回测效果 1. 基于动态宏观事件因子的择时策略（2018/11-2025/7）： - 年化收益率：9.31% - 最大回撤：-29.72% - 夏普比率：0.54 - 收益回撤比：0.31[3][11] - 2025年7月收益率：2.79%（基准2.48%）[11] - 平均仓位：约43%[11] 2. 细分因子信号表现（2025年2-7月）： - PMI原材料价格因子：连续6个月发出信号（5次看多）[14] - 新增社融因子：2025年6月看多信号[14] 因子的回测效果 1. 最终筛选的5个宏观因子（2014/11起测试）： - PMI原材料价格因子：开仓波动调整收益率最优（96个月窗口）[36] - 中美国债利差10Y因子：开仓波动调整收益率次优（72个月窗口）[36] - 其他三个因子均通过55%胜率筛选标准[34]