国投期货 策略净值方面,需求因子走弱0.07%,库 存因子走高0.12%, 合成因子走强 0.05%,本周综合信号多头。基本面因子 上,进口甲醇到港量减少,供给端中性 偏多;甲醇制烯烃企业产能利用率下 降,酷酸装置开工有所提升,需求端中 性;上周甲醇港口以及内地均呈现去 库,库存端转为多头;甲醇区域价差因 子多头强度走弱,价差端中性。 | | | 动量时序 动量截面 期限结构 持仓量 | | | | --- | --- | --- | --- | --- | | 黑色板块 | 0 | 0. 09 | 0 | -0.08 | | 有色板駅 | 0. 05 | -0. 21 | 0. 52 | 1.13 | | 能化板块 | -0. 02 | 0.18 | 0. 37 | 0. 69 | | 农产品板块 | 0.13 | 0. 35 | 0. 41 | -0. 19 | | 股指板块 | -0. 71 | 0. 46 | -0. 63 | 1. 06 | | 员金屋板块 | 0.12 - | | | 0. 88 | 商品量化CTA周度跟踪 国投期货研究院 金融工程组 2025/12/16 农产品板块内部分化扩大 ...

量化模型与因子总结 量化因子与构建方式 1. 价格区间因子 * **因子名称**：价格区间因子 * **构建思路**：衡量股票在日内不同价格区间成交的活跃程度，以体现投资者对未来走势的预期[3]。具体而言，高价格区间成交越不活跃，或低价格区间大资金越活跃，股票未来上涨可能性越大[12]。 * **具体构建过程**： 1. 使用高频三秒快照数据[12]。 2. 构建三个细分因子： * **高价格80%区间成交量因子 (VH80TAW)**：衡量股票在日内高价格80%区间的成交量活跃度，与未来收益呈负相关[12]。 * **高价格80%区间成交笔数因子 (MIH80TAW)**：衡量股票在日内高价格80%区间的成交笔数活跃度，与未来收益呈负相关[12]。 * **低价格10%区间每笔成交量因子 (VPML10TAW)**：衡量股票在日内低价格10%区间的平均每笔成交量，与未来收益呈正相关[12]。 3. 以25%、25%和50%的权重对上述三个细分因子进行合成[14]。 4. 对合成后的因子进行行业和市值中性化处理[14]。 * **因子评价**：该因子展现出了较强的预测效果，在样本外表现出色，超额净值曲线稳定向上，今年以来表现比较稳定[3][16]。 2. 量价背离因子 * **因子名称**：量价背离因子 * **构建思路**：衡量股票价格与成交量的相关性，当量价出现背离时（相关性低），无论股价处于上升或下降通道，未来上涨的可能性均较高[20]。 * **具体构建过程**： 1. 利用高频快照数据[20]。 2. 分别计算快照成交价与快照成交量、成交笔数、每笔成交量的相关性[20]。 3. 选取在周频调仓下表现较好的两个细分因子： * **价格与成交笔数的相关性因子 (CorrPM)**[20] * **价格与成交量的相关性因子 (CorrPV)**[20] 4. 对上述两个细分因子进行等权合成[20]。 5. 对合成后的因子进行行业和市值中性化处理[20]。 * **因子评价**：该因子近几年表现不太稳定，多空净值曲线趋近走平，但去年超额收益处于历史较高水平，今年以来表现良好[3][22]。 3. 遗憾规避因子 * **因子名称**：遗憾规避因子 * **构建思路**：基于行为金融学的遗憾规避理论，考察投资者卖出股票后股价反弹的比例和程度。卖出后反弹占比越高或反弹程度越大，表明投资者遗憾情绪越强，股票未来预期收益更低[23]。 * **具体构建过程**： 1. 利用逐笔成交数据区分每笔交易的主动买卖方向[23]。 2. 在加入小单和尾盘交易限制后，因子表现有进一步提升[23]。 3. 选取在周频调仓下表现较好的两个细分因子： * **卖出反弹占比因子 (LCVOLESW)**[23] * **卖出反弹偏离因子 (LCPESW)**[23] 4. 对上述两个细分因子进行等权合成[28]。 5. 对合成后的因子进行行业和市值中性化处理[28]。 * **因子评价**：该因子展现了较好的预测效果，样本外超额收益稳定，表明A股投资者的遗憾规避情绪会显著影响股价预期收益[3][31]。 4. 斜率凸性因子 * **因子名称**：斜率凸性因子 * **构建思路**：从投资者耐心与供求关系弹性的角度出发，利用限价订单簿数据计算买卖双方的订单簿斜率。买方斜率越大（需求弹性小）或卖方斜率越小（供给弹性大），表明投资者对价格不敏感或不愿轻易降价，对应股票更高的预期收益[32]。 * **具体构建过程**： 1. 使用高频快照数据中的限价订单簿信息[32]。 2. 将委托量数据按照档位累加，用委托价和累计委托量计算买卖双方的订单簿斜率[32]。 3. 区分高档位和低档位投资者斜率因子，并根据两者的反向关系构建斜率凸性因子[32]。 4. 提取两个细分因子进行合成： * **低档斜率因子 (Slope_abl)**[32] * **高档位卖方凸性因子 (Slope_alh)**[32] 5. 对上述两个细分因子进行等权合成[35]。 6. 对合成后的因子进行行业和市值中性化处理[35]。 * **因子评价**：该因子自2016年以来收益保持平稳趋势，但在样本外整体表现比较平淡[35]。 5. 高频“金”组合合成因子 * **因子/模型名称**：高频“金”组合合成因子（用于构建中证1000指数增强策略） * **构建思路**：将多个有效的单一高频因子合成，以构建综合性的选股模型[3]。 * **具体构建过程**：将上述**价格区间因子**、**量价背离因子**、**遗憾规避因子**三类高频因子进行等权合成[3]。 6. 高频&基本面共振组合合成因子 * **因子/模型名称**：高频&基本面共振组合合成因子（用于构建中证1000指数增强策略） * **构建思路**：结合相关性较低的高频因子与基本面因子，以提升多因子投资组合的表现[44]。 * **具体构建过程**：将高频“金”组合合成因子（包含上述三类高频因子）与三个比较有效的基本面因子（一致预期、成长、技术因子）进行等权合成[44]。 量化模型的回测效果 1. 高频“金”组合中证1000指数增强策略 * **模型名称**：高频“金”组合中证1000指数增强策略 * **构建思路**：基于合成的高频“金”组合因子构建指数增强策略[39]。 * **具体构建过程**： 1. 使用高频“金”组合合成因子进行选股。 2. 策略调仓频率为周度，基准为中证1000指数[39]。 3. 手续费率为单边千分之二[39]。 4. 加入换手率缓冲机制以降低调仓成本[39]。 * **模型评价**：该策略在样本外表现出色，有着较强的超额收益水平[43]。 * **测试结果**： * 年化收益率：9.49%[40] * 年化波动率：23.87%[40] * Sharpe比率：0.40[40] * 最大回撤率：47.77%[40] * 双边换手率（周度）：14.66%[40] * 年化超额收益率：10.11%[40] * 跟踪误差：4.29%[40] * 信息比率(IR)：2.36[40] * 超额最大回撤：6.04%[40] * 上周超额收益：0.13%[3][43] * 本月以来超额收益：0.13%[3][43] * 今年以来超额收益：7.16%[3][43] 2. 高频&基本面共振组合中证1000指数增强策略 * **模型名称**：高频&基本面共振组合中证1000指数增强策略 * **构建思路**：基于合成的高频&基本面共振组合因子构建指数增强策略[44]。 * **具体构建过程**： 1. 使用高频&基本面共振组合合成因子进行选股。 2. 策略基准为中证1000指数[44]。 * **模型评价**：加入基本面因子后的指数增强策略各项业绩指标均有一定程度提升，在样本外表现稳定，有着较强的超额收益水平[44][48]。 * **测试结果**： * 年化收益率：13.66%[47] * 年化波动率：23.49%[47] * Sharpe比率：0.58[47] * 最大回撤率：39.60%[47] * 双边换手率（周度）：22.54%[47] * 年化超额收益率：14.21%[47] * 跟踪误差：4.19%[47] * 信息比率(IR)：3.39[47] * 超额最大回撤：4.52%[47] * 上周超额收益：0.35%[4][48] * 本月以来超额收益：0.35%[4][48] * 今年以来超额收益：7.03%[4][48] 量化因子的回测效果 （注：以下因子表现均为在中证1000指数成分股内，经过行业市值中性化处理后的结果[11]） 1. 价格区间因子 * **多空收益率**： * 上周：-0.88%[13] * 本月以来：-0.88%[13] * 今年以来：12.91%[13] * **多头超额收益率**： * 上周：-0.51%[2][13] * 本月以来：-0.51%[2][13] * 今年以来：4.98%[2][13] 2. 量价背离因子 * **多空收益率**： * 上周：1.73%[11][13] * 本月以来：1.73%[13] * 今年以来：16.24%[13] * **多头超额收益率**： * 上周：0.37%[2][13] * 本月以来：0.37%[2][13] * 今年以来：4.93%[2][13] 3. 遗憾规避因子 * **多空收益率**： * 上周：-0.13%[11][13] * 本月以来：-0.13%[13] * 今年以来：14.72%[13] * **多头超额收益率**： * 上周：0.03%[2][13] * 本月以来：0.03%[2][13] * 今年以来：-1.00%[2][13] 4. 斜率凸性因子 * **多头超额收益率**： * 上周：-0.35%[2] * 本月以来：-0.35%[2] * 今年以来：-6.11%[2] 5. 价格区间细分因子 * **高价格80%区间成交量因子 (VH80TAW)**： * 多空收益率（今年以来）：17.55%[12] * 多头超额收益率（上周）：-0.52%[12] * 多头超额收益率（本月以来）：-0.52%[12] * 多头超额收益率（今年以来）：5.64%[12] * **高价格80%区间成交笔数因子 (MIH80TAW)**： * 多空收益率（今年以来）：20.58%[12] * 多头超额收益率（上周）：-0.39%[12] * 多头超额收益率（本月以来）：-0.39%[12] * 多头超额收益率（今年以来）：7.15%[12] * **低价格10%区间每笔成交量因子 (VPML10TAW)**： * 多空收益率（今年以来）：2.81%[12] * 多头超额收益率（上周）：0.08%[12] * 多头超额收益率（本月以来）：0.08%[12] * 多头超额收益率（今年以来）：0.36%[12] 6. 量价背离细分因子 * **价格与成交笔数相关性因子 (CorrPM)**： * 多空收益率（上周）：2.60%[20] * 多空收益率（本月以来）：2.60%[20] * 多空收益率（今年以来）：28.03%[20] * 多头超额收益率（上周）：0.50%[20] * 多头超额收益率（本月以来）：0.50%[20] * 多头超额收益率（今年以来）：8.80%[20] * **价格与成交量相关性因子 (CorrPV)**： * 多空收益率（上周）：2.92%[20] * 多空收益率（本月以来）：2.92%[20] * 多空收益率（今年以来）：24.47%[20] * 多头超额收益率（上周）：0.52%[20] * 多头超额收益率（本月以来）：0.52%[20] * 多头超额收益率（今年以来）：10.71%[20] 7. 遗憾规避细分因子 * **卖出反弹占比因子 (LCVOLESW)**： * 多空收益率（上周）：0.10%[23] * 多空收益率（本月以来）：0.10%[23] * 多空收益率（今年以来）：-1.16%[23] * 多头超额收益率（上周）：-0.08%[26] * 多头超额收益率（本月以来）：-0.08%[26] * 多头超额收益率（今年以来）：-4.73%[26] * **卖出反弹偏离因子 (LCPESW)**： * 多空收益率（上周）：1.10%[23] * 多空收益率（本月以来）：1.10%[23] * 多空收益率（今年以来）：21.87%[23] * 多头超额收益率（上周）：0.17%[26] * 多头超额收益率（本月以来）：0.17%[26] * 多头超额收益率（今年以来）：-1.88%[26] 8. 斜率凸性细分因子 * **低档斜率因子 (Slope_abl)**： * 多空收益率（上周）：-0.92%[34] * 多空收益率（本月以来）：-0.92%[34] * 多空收益率（今年以来）：-5.51%[34] * 多头超额收益率（上周）：-0.51%[34] * 多头超额收益率（本月以来）：-0.51%[34] * 多头超额收益率（今年以来）：-9.82%[34] * **高档位卖方凸性因子 (Slope_alh)**： * 多空收益率（上周）：0.25%[34] * 多空收益率（本月以来）：0.25%[34] * 多空收益率（今年以来）：-13.42%[34] * 多头超额收益率（上周）：0.64%[34] * 多头超额收益率（本月以来）：0.64%[34] * 多头超额收益率（今年以来）：-4.05%[34]

国技期货 商品量化CTA周度跟踪 国投期货研究院 金融工程组 2025/12/9 黑色板块短周期动量下降 商品本周多头占比小幅回落,主要表现 黑色和化工板块因子强度下降,有色板 块小幅上升。目前,截面偏强的板块是 有色,截面偏弱的是化工和农产品。具 体来看,黄金时序动量回落,白银的持 仓量维持高位,截面两端分化扩大。有 量 色板块短周期动量边际上升,截面动量 (2) 分化收窄,截面上铜和锌偏强、锡偏弱 CTA 。黑色板块,期限结构显示分化收窄, 焦煤焦炭持仓量维持低位,铁矿短周期 动量出现反转下降。能化板块长周期动 量因子下降,乙二醇处于截面偏空端。 农产品方面,油粕截面分化收窄,豆油 持仓量边际下降。 当月收益(%) 上周收益(%) 带导 0.00 0.73 需求 -0.01 -0.78 考 ने 库存 1.30 0.36 价差 0.00 0.00 大类累加 0.01 0.59 PSH ポ 用 策略净值方面,需求因子走弱0.01%,库 存因子走高0.36%, 合成因子走强 0.01%,本周综合信号空头。基本面因子 上,国内甲醇装置产能利用率环比持 平,供给端中性;甲醇制烯烃以及醋酸 装置开工负荷下降,需求端 ...

报告行业投资评级 未提及 报告的核心观点 商品本周维持空头信号主导，能化板块因子强度下降，黑色和农产品板块有所回升，不同板块和品种的因子表现及综合信号存在差异 [4] 各品种情况总结 商品整体情况 - 截面偏强的板块是有色，偏弱的是能源；黄金时序动量下降，白银持仓量变化不大，截面两端分化收窄；有色板块持仓量因子边际上升，截面动量分化收窄，截面上锡偏强，氧化铝偏弱；黑色板块焦煤焦炭持仓量维持低位，但短周期动量时序回升；能源板块短周期动量因子回落，化工板块处于截面偏强端；农产品油粕截面分化收窄，豆油长周期动量低于豆粕 [4] 甲醇 - 上周供给因子走弱0.02%，需求因子走高0.03%，库存因子走强0.38%，合成因子上行0.26%，本周综合信号空头；甲醇进口到港量释放空头信号，供给端中性偏空；传统下游厂家原料采购量减少，需求端空头；港口库存环比减少，库存端转为中性；甲醇内蒙 - 鲁南区域价差因子释放多头信号，价差端中性偏多 [5][6] 浮法玻璃 - 上周库存因子上行0.16%，合成因子走强0.13%，本周综合信号中性；浮法玻璃企业产能利用率较上周持平，供给端中性；二线城市商品房成交面积增加，需求端中性偏多；中国浮法玻璃企业库存由降转升，库存端多头强度走弱，转为中性；动力煤制浮法玻璃亏损幅度小幅增加，利润端中性偏空 [9][10] 铁矿石 - 上周供给因子下行0.11%，库存因子走弱0.11%，综合因子下行0.06%，本周综合信号转为多头；澳大利亚和巴西的发运量以及天津港的到港量均有所下降，供给端信号由空头转为多头；钢厂进口烧结用矿粉消耗量以及块矿入炉比增加，需求端空头反馈减弱，信号转为中性；全国主要港口铁矿石库存累积，库存端多头反馈减弱，信号维持中性；运价及现货价格小幅抬升，价差端转为多头反馈，信号维持中性 [11][13] 沪铝 - 上周供给因子下行0.06%，需求因子走强0.76%，库存因子上行0.83%，价差因子走强0.7%，合成因子上行0.56%，本周综合信号转为中性；SMM国产铅精矿价格下降，废电瓶价格占再生精铅价格比例抬升，供给端信号转为多头；上期所期货注册加非注册仓单累积，库存端空头反馈进一步增强，信号维持空头；LME铅近远月价差扩大，价差端信号转为多头 [13]

报告行业投资评级 未提及 报告的核心观点 商品本周空头占比有所回升 主要因贵金属和有色板块因子强度下降 黑色板块有所回升 不同板块呈现不同表现 各品种策略净值及基本面因子也有相应变化 部分品种综合信号发生转变 [3] 各品种总结 商品整体情况 - 本周空头占比回升 截面偏强的板块是黑色 偏弱的是有色和农产品 [3] 各板块情况 - **有色板块**：短周期动量下降 持仓量因子边际下降 截面动量分化收窄 截面上铅偏弱 [2][3] - **黑色板块**：铁矿螺纹持仓量小幅下降 短周期动量时序回升 螺纹截面偏强 [3] - **能源板块**：短周期动量因子回落 [3] - **化工板块**：处于截面偏强端 [3] - **农产品板块**：油粕截面分化收窄 整体长周期动量小幅企稳 [3] - **贵金属板块**：黄金时序动量下降 白银持仓量降幅较大 截面两端分化扩大 [3] 各品种策略净值及基本面因子情况 - **甲醇**：上周供给因子走高0.57% 需求因子下行0.40% 库存因子走强0.58% 合成因子上行0.45% 本周综合信号转为多头 供给端转为中性 需求端转为中性 库存端多头 价差端中性偏空 [4][5] - **浮法玻璃**：上周拼得因子收益0.00% 需求因子收益0.00% 库存因子收益0.05% 价差因子收益 -0.36% 利润因子收益0.00% 合成因子下行0.26% 本周综合信号多头 供给端中性 需求端中性偏空 库存端多头 价差端转为中性 [8] - **铁矿**：上周供给因子下行0.2% 库存因子走强0.3% 综合因子上行0.06% 本周综合信号转为空头 供给端维持空头 需求端转为空头 库存端转为中性 价差端维持中性 [11] - **铅**：上周供给因子下行0.18% 需求因子走弱0.17% 库存因子下行0.16% 价差因子走弱0.07% 合成因子下行0.14% 本周综合信号维持空头 供给端转为中性 库存端维持空头 价差端维持空头 [11]

根据提供的研报内容，以下是关于量化因子和模型的总结。 量化因子与构建方式 1. **因子名称：价格区间因子**[11][12] * **因子构建思路**：该因子衡量股票在日内不同价格区间成交的活跃程度，能体现投资者对股票未来走势的预期[11]。具体地，股票在日内高价格区间投资行为聚集程度与成交活跃度越低，未来上涨可能性越大；低价格区间的平均每笔成交量越大，大资金活跃程度越高，股票未来上涨可能性越大[11]。 * **因子具体构建过程**：该因子是三个细分因子的合成因子。首先构建三个细分因子： * **高价格80%区间成交量因子 (VH80TAW)**：衡量在日内最高价80%及以上价格区间成交的活跃度。 * **高价格80%区间成交笔数因子 (MIH80TAW)**：衡量在日内最高价80%及以上价格区间成交的频繁程度。 * **低价格10%区间每笔成交量因子 (VPML10TAW)**：衡量在日内最低价10%及以下价格区间平均每笔成交的规模。 然后，以25%、25%和50%的权重对VH80TAW、MIH80TAW和VPML10TAW三个因子进行合成[14]。最后，对合成后的因子进行行业和市值中性化处理，得到最终的价格区间因子。 * **因子评价**：该因子展现出了较强的预测效果，在样本外表现出色，超额净值曲线稳定向上，今年以来表现比较稳定[11][17]。 2. **因子名称：量价背离因子**[22] * **因子构建思路**：该因子主要衡量股票价格与成交量的相关性。一般而言，相关性越低，未来上涨的可能性越高[3]。 * **因子具体构建过程**：该因子是两个细分因子的合成因子。首先构建两个细分因子： * **价格与成交笔数相关性因子 (CorrPM)**：计算高频快照数据中价格与成交笔数的相关性。 * **价格与成交量相关性因子 (CorrPV)**：计算高频快照数据中价格与成交量的相关性。 然后，对上述两个因子进行等权合成[22]。最后，对合成后的因子进行行业和市值中性化处理，得到最终的量价背离因子。 * **因子评价**：该因子近几年表现一直不太稳定，多空净值曲线趋近走平，但去年超额收益处于历史较高水平，今年以来表现良好[3][24]。 3. **因子名称：遗憾规避因子**[25] * **因子构建思路**：该因子基于行为金融学的遗憾规避理论，通过考察股票当天被投资者卖出后反弹的比例和程度来构建。如某只股票买入浮亏占比较高或程度较大时，预期收益更高；卖出后股价反弹的占比越高或程度越大时，预期收益更低[25]。 * **因子具体构建过程**：该因子是两个细分因子的合成因子。首先利用逐笔成交数据区分每笔交易的主动买卖方向，并加入小单和尾盘的限制来构建细分因子： * **卖出反弹占比因子 (LCVOLESW)**。 * **卖出反弹偏离因子 (LCPESW)**。 然后，对上述两个因子进行等权合成[31]。最后，对合成后的因子进行行业和市值中性化处理，得到最终的遗憾规避因子。 * **因子评价**：该因子样本外超额收益稳定，表明A股投资者的遗憾规避情绪依然会显著影响股价的预期收益，但今年以来表现一般[3][34]。 4. **因子名称：斜率凸性因子**[36] * **因子构建思路**：该因子从投资者耐心与供求关系弹性的角度出发，利用限价订单簿的委托量和委托价信息，刻画订单簿的斜率和凸性对预期收益的影响。买方斜率越大（需求弹性小）或卖方斜率越小（供给弹性大），对应股票更高的预期收益[36]。 * **因子具体构建过程**：该因子是两个细分因子的合成因子。首先将委托量数据按档位累加，用委托价和累计委托量计算买卖方的订单簿斜率，并区分为： * **低档斜率因子 (Slope_ablW)**。 * **高档位卖方凸性因子 (Slope_alhW)**。 然后，对上述两个因子进行等权合成[39]。最后，对合成后的因子进行行业和市值中性化处理，得到最终的斜率凸性因子。 * **因子评价**：该因子自2016年以来收益保持平稳，但在样本外整体表现也比较平淡，年度表现欠佳[3][41]。 5. **因子名称：高频“金”组合合成因子**[3][43] * **因子构建思路**：将上述表现较好的高频因子（价格区间因子、量价背离因子、遗憾规避因子）进行合成，构建用于中证1000指数增强的策略因子[3]。 * **因子具体构建过程**：将价格区间因子、量价背离因子、遗憾规避因子这三类高频因子进行等权合成[3][43]。 6. **因子名称：高频&基本面共振组合合成因子**[4][47] * **因子构建思路**：将高频因子与基本面因子结合，利用其低相关性以提升多因子投资组合的表现[47]。 * **因子具体构建过程**：将高频“金”组合合成因子（基于价格区间、量价背离、遗憾规避因子）与三个比较有效的基本面因子（一致预期、成长和技术因子）进行等权合成[4][47]。 因子的回测效果 1. **价格区间因子**[13] * 多空收益率（上周）：-2.20% * 多空收益率（本月以来）：-2.20% * 多空收益率（今年以来）：12.72% * 多头超额收益率（上周）：-0.05% * 多头超额收益率（本月以来）：-0.05% * 多头超额收益率（今年以来）：5.08% 2. **量价背离因子**[13][22] * 多空收益率（上周）：0.77% * 多空收益率（本月以来）：0.77% * 多空收益率（今年以来）：17.97% * 多头超额收益率（上周）：0.21% * 多头超额收益率（本月以来）：0.21% * 多头超额收益率（今年以来）：5.97% 3. **遗憾规避因子**[13] * 多空收益率（上周）：-0.20% * 多空收益率（本月以来）：-0.20% * 多空收益率（今年以来）：17.27% * 多头超额收益率（上周）：-0.47% * 多头超额收益率（本月以来）：-0.47% * 多头超额收益率（今年以来）：0.34% 4. **斜率凸性因子**[3][38] * 多空收益率（上周）：-1.67% (基于中证800指数) * 多空收益率（本月以来）：-1.67% (基于中证800指数) * 多空收益率（今年以来）：-13.85% (基于中证800指数) * 多头超额收益率（上周）：-0.66% (基于中证800指数) * 多头超额收益率（本月以来）：-0.66% (基于中证800指数) * 多头超额收益率（今年以来）：-4.58% (基于中证800指数) 量化模型与构建方式 1. **模型名称：高频“金”组合中证1000指数增强策略**[3][43] * **模型构建思路**：基于合成的高频“金”组合因子，构建中证1000指数增强策略[3]。 * **模型具体构建过程**：使用高频“金”组合合成因子进行选股。策略调仓频率为周度，手续费率为单边千分之二，基准为中证1000指数。为降低调仓成本，加入了换手率缓冲机制[43]。 2. **模型名称：高频&基本面共振组合中证1000指数增强策略**[4][47] * **模型构建思路**：基于合成的高频&基本面共振组合因子，构建中证1000指数增强策略，旨在结合高频因子和基本面因子的优势[4][47]。 * **模型具体构建过程**：使用高频&基本面共振组合合成因子进行选股。策略调仓频率为周度，手续费率为单边千分之二，基准为中证1000指数[47]。 模型的回测效果 1. **高频“金”组合中证1000指数增强策略**[43][46][48] * 年化收益率：9.75% * 年化波动率：23.92% * Sharpe比率：0.41 * 最大回撤率：47.77% * 双边换手率（周度）：14.66% * 年化超额收益率：10.09% * 跟踪误差：4.28% * 信息比率(IR)：2.36 * 超额最大回撤：6.04% * 超额收益率（上周）：0.12% * 超额收益率（本月以来）：0.12% * 超额收益率（今年以来）：6.15% 2. **高频&基本面共振组合中证1000指数增强策略**[47][50][52] * 年化收益率：14.04% * 年化波动率：23.54% * Sharpe比率：0.60 * 最大回撤率：39.60% * 双边换手率（周度）：22.54% * 年化超额收益率：14.28% * 跟踪误差：4.18% * 信息比率(IR)：3.41 * 超额最大回撤：4.52% * 超额收益率（上周）：-0.45% * 超额收益率（本月以来）：-0.45% * 超额收益率（今年以来）：6.60%

交易策略与业绩 - 在实盘交易大赛中获得量化组第八名，实现2646.3万元净利润 [1] - 以套利和日内短线交易为主要策略 [2] - 策略核心是稳健，注重资金的平稳增长，无法接受大幅回撤 [3] - 策略不仅依赖量价指标，还加入了基本面因子和“奇异因子”，以增强在复杂市场中的适应性和竞争力 [3] - 交易系统强调多策略、多周期的组合构建，通过策略间的低相关性来控制整体回撤 [3] 从业背景与历程 - 具有计算机专业背景，因受林志颖介绍程序化交易的启发，于2013年开始量化交易 [1] - 初期测试一个简单策略，在2014-2015年A股大牛市期间年化收益率超过300% [1] - 2018年因策略单一遭遇较大回撤，成为交易生涯重要转折点，此后开始重视资金管理和分散投资 [3] 对行业与未来的看法 - 认为量化交易者需具备扎实的编程、数据处理能力，并理解市场基本运行机制 [4] - 建议新人从小资金实盘开始，避免盲目追求高收益，并警惕过度拟合和策略单一等误区 [4] - 展望未来，看好结合基本面因子的中低频策略发展潜力，并期待CTA策略可能迎来大行情 [4] - 认为期货交易是一项事业和生活方式，核心收获是认识到“纪律比聪明更重要” [4]

报告行业投资评级 未提及 报告的核心观点 商品本周空头占比回升，黑色板块因子强度下降、农产品有所回升，有色和农产品截面偏强，黑色和能源截面偏弱，不同板块各因子表现不同，不同品种综合信号有多头和空头之分，且基本面因子情况各异 [3] 根据相关目录分别进行总结 各板块因子表现 - 黄金时序动量边际回升，白银持仓量降幅小，截面两端分化收窄，有色板块持仓量因子边际回升、长周期动量上行，铜偏强、氧化铝偏弱 [3] - 黑色板块铁矿螺纹持仓量下降，焦煤截面偏强，短周期动量下降 [2][3] - 能源化板块短周期动量截面分化扩大，化工板块处于截面偏空端 [3] - 农产品截面反转，豆油短周期动量边际小幅下降，豆粕上升，短期豆粕截面偏强 [3] 策略净值及综合信号 - 上周供给因子走高0.98%，需求因子下行0.64%，库存因子走低0.48%，合成因子走弱0.62%，本周综合信号空头 [4] - 上周库存因子下行0.05%，价差因子走弱0.05%，合成因子下行0.04%，本周综合信号多头 [15] - 上周供给因子上行0.49%，需求因子走强0.47%，价差因子下行0.09%，合成因子走强0.2%，本周综合信号维持空头 [13] - 上周供给因子上行0.72%，综合因子走强0.15%，本周综合信号转为多头 [13] 基本面因子情况 - 进口甲醇到港量持续偏高，国内装置开工负荷提升，供给端空头强度增加；江浙地区MTO装置产能利用率下降，需求端中性偏空；上周甲醇港口库存小幅减少，内地小幅累库，库存端中性；甲醇1 - 5月差释放空头信号，5 - 9月差释放多头信号，价差端中性 [4] - 来自BHP和力拓的发货量小幅抬升，北方港口到港量增加，供给端多头反馈减弱，信号维持多头；港口日均疏港量增加，需求端转为多头反馈，信号转为中性；钢厂烧结用矿粉库存去库，库存端转为多头反馈，信号维持中性；现货价格中枢回落，价差端多头反馈减弱，信号维持中性 [13] - 废电瓶价格占再生精铅价格比中枢小幅下降，供给端信号维持空头；LME铅库存和上期所仓单库存去库，库存端信号维持中性；沪铅主力持仓量下降，现货价格回落，价差端空头反馈增强，信号转为空头 [13] - 浮法玻璃产能利用率小幅提升，供给端中性偏空；二线城市商品房成交套数增加，需求端多头；中国浮法玻璃企业库存持续释放空头信号，库存端空头延续；国内玻璃现货市场价释放多头信号，价差端多头 [15]

根据研报内容，以下是关于量化模型和因子的总结： 量化因子与构建方式 1. Barra风格因子 **因子名称**：Beta[15] **因子构建思路**：衡量股票相对于市场的系统性风险[15] **因子具体构建过程**：使用历史beta值[15] **因子名称**：市值[15] **因子构建思路**：衡量公司规模大小[15] **因子具体构建过程**：总市值取自然对数[15] **因子名称**：动量[15] **因子构建思路**：衡量股票价格趋势[15] **因子具体构建过程**：使用历史超额收益率序列均值[15] **因子名称**：波动[15] **因子构建思路**：衡量股票价格波动性[15] **因子具体构建过程**：采用复合波动率计算方式： $$0.74 \times 历史超额收益率序列波动率 + 0.16 \times 累积超额收益率离差 + 0.1 \times 历史残差收益率序列波动率$$[15] **因子名称**：非线性市值[15] **因子构建思路**：捕捉市值风格的非线性效应[15] **因子具体构建过程**：市值风格的三次方[15] **因子名称**：估值[15] **因子构建思路**：衡量股票估值水平[15] **因子具体构建过程**：使用市净率倒数[15] **因子名称**：流动性[15] **因子构建思路**：衡量股票交易活跃度[15] **因子具体构建过程**：采用复合换手率计算方式： $$0.35 \times 月换手率 + 0.35 \times 季换手率 + 0.3 \times 年换手率$$[15] **因子名称**：盈利[15] **因子构建思路**：衡量公司盈利能力[15] **因子具体构建过程**：采用复合盈利指标计算方式： $$0.68 \times 分析师预测盈利价格比 + 0.21 \times 市现率倒数 + 0.11 \times 市盈率ttm倒数$$[15] **因子名称**：成长[15] **因子构建思路**：衡量公司成长性[15] **因子具体构建过程**：采用复合增长指标计算方式： $$0.18 \times 分析师预测长期盈利增长率 + 0.11 \times 分析师预测短期利率增长率 + 0.24 \times 盈利增长率 + 0.47 \times 营业收入增长率$$[15] **因子名称**：杠杆[15] **因子构建思路**：衡量公司财务杠杆水平[15] **因子具体构建过程**：采用复合杠杆指标计算方式： $$0.38 \times 市场杠杆率 + 0.35 \times 账面杠杆 + 0.27 \times 资产负债率$$[15] 2. GRU模型因子 **因子名称**：open1d模型[31] **因子构建思路**：基于GRU神经网络模型构建的预测因子[31] **因子具体构建过程**：使用开盘价相关数据训练的GRU模型[31] **因子名称**：close1d模型[31] **因子构建思路**：基于GRU神经网络模型构建的预测因子[31] **因子具体构建过程**：使用收盘价相关数据训练的GRU模型[31] **因子名称**：barra1d模型[31] **因子构建思路**：基于GRU神经网络模型构建的预测因子[31] **因子具体构建过程**：结合Barra因子体系训练的GRU模型[31] **因子名称**：barra5d模型[31] **因子构建思路**：基于GRU神经网络模型构建的预测因子[31] **因子具体构建过程**：使用5日Barra因子数据训练的GRU模型[31] 3. 基本面因子 **因子名称**：EOI、营业利润率、roc增长、净利润超预期增长、营业周转率、roc、营业利润率超预期增长、roa增长、市盈率、市销率、roa超预期增长、营业利润率增长、roc超预期增长等[22][27] **因子构建思路**：基于公司财务数据构建的基本面分析因子[22][27] **因子具体构建过程**：使用TTM方式计算的财务指标，包括盈利能力、成长性、估值等多个维度[18][22][27] 4. 技术类因子 **因子名称**：中位数离差、20日波动、60日波动、120日波动、20日动量、60日动量、120日动量等[23][30] **因子构建思路**：基于价格和成交量数据构建的技术分析因子[23][30] **因子具体构建过程**：包括波动率指标、动量指标等技术分析工具[23][30] 因子的回测效果 Barra风格因子多空收益表现[17] | 因子名称 | 近一周 | 近一月 | 最近半年 | 今年以来 | 三年年化 | 五年年化 | |---------|--------|--------|----------|----------|----------|----------| | 估值 | -1.53% | 2.56% | 6.97% | 7.62% | 4.47% | 15.96% | | 盈利 | -1.31% | 1.21% | -12.53% | 15.60% | 4.49% | - | | 杠杆 | -0.83% | 0.41% | 8.61% | -18.33% | 7.88% | 2.32% | | 成长 | 0.21% | 2.10% | 1.90% | 1.10% | 9.48% | 4.22% | | 动量 | 0.11% | 3.42% | -17.53% | 11.80% | -17.59% | 16.54% | | beta | 0.32% | -5.29% | 16.73% | 31.34% | 12.64% | 10.65% | | 市值 | 0.64% | 5.55% | -16.22% | -39.20% | 41.75% | -34.68% | | 非线性市值 | 0.74% | 5.34% | 15.45% | -34.19% | -39.26% | -30.81% | | 波动 | 0.92% | 1.81% | 8.30% | 4.26% | 7.81% | -11.12% | | 流动性 | 1.39% | -3.93% | 1.89% | -7.22% | -18.82% | - | GRU因子多空收益表现[31] | 因子名称 | 近一周 | 近一月 | 最近半年 | 今年以来 | 三年年化 | 五年年化 | |---------|--------|--------|----------|----------|----------|----------| | open1d | -0.82% | 2.91% | -1.74% | 1.97% | 28.99% | 32.74% | | barra1d | -0.45% | 1.01% | -3.63% | -5.48% | 23.03% | 29.56% | | barra5d | 1.23% | 2.17% | -2.41% | 1.92% | 24.96% | 34.35% | | close1d | 2.88% | 5.96% | 12.45% | 23.23% | 47.28% | 49.47% | 多头组合超额收益表现[34] | 策略因子名称 | 近一周 | 近一月 | 近三月 | 近六月 | 今年以来 | |-------------|--------|--------|--------|--------|----------| | open1d | -0.44% | 1.49% | -1.50% | 1.39% | 5.69% | | close1d | -0.04% | 2.72% | -3.57% | 1.21% | 2.88% | | barra1d | -0.28% | -0.31% | 1.62% | 2.28% | 5.07% | | barra5d | -0.09% | 3.93% | -2.10% | 1.82% | 5.81% | | 多因子 | -0.95% | 1.83% | -1.83% | -0.19% | 0.91% | 模型测试参数[32] **选股池**：万得全A，剔除st、*st、停牌不可交易、以及上市不满180日的股票 **业绩比较基准**：中证1000指数 **调仓频率**：月度 **手续费**：双边千3 **权重配置**：个股权重上限千2 **风格偏离**：0.5标准差 **行业偏离**：0.01

根据研报内容，以下是关于量化模型和因子的总结： 量化因子与构建方式 Barra风格因子 1. **因子名称**：Beta[15] * **因子构建思路**：衡量股票相对于市场的系统性风险[15] * **因子具体构建过程**：使用历史数据计算股票的历史Beta值[15] 2. **因子名称**：市值[15] * **因子构建思路**：反映公司规模大小[15] * **因子具体构建过程**：对公司的总市值取自然对数[15] $$因子值 = \ln(总市值)$$ 3. **因子名称**：动量[15] * **因子构建思路**：捕捉股票价格的趋势效应[15] * **因子具体构建过程**：计算股票历史超额收益率序列的均值[15] 4. **因子名称**：波动[15] * **因子构建思路**：衡量股票价格的历史波动程度[15] * **因子具体构建过程**：通过加权组合三种不同的波动率指标来构建[15] $$因子值 = 0.74 \times 历史超额收益率序列波动率 + 0.16 \times 累积超额收益率离差 + 0.1 \times 历史残差收益率序列波动率$$ 5. **因子名称**：非线性市值[15] * **因子构建思路**：捕捉市值因子的非线性效应[15] * **因子具体构建过程**：对市值风格因子进行三次方运算[15] $$因子值 = (市值因子)^3$$ 6. **因子名称**：估值[15] * **因子构建思路**：衡量股票的估值水平[15] * **因子具体构建过程**：使用市净率的倒数作为估值因子[15] $$因子值 = \frac{1}{市净率}$$ 7. **因子名称**：流动性[15] * **因子构建思路**：反映股票的换手活跃度，即交易流动性[15] * **因子具体构建过程**：通过加权不同时间窗口的换手率来构建[15] $$因子值 = 0.35 \times 月换手率 + 0.35 \times 季换手率 + 0.3 \times 年换手率$$ 8. **因子名称**：盈利[15] * **因子构建思路**：衡量公司的盈利能力[15] * **因子具体构建过程**：综合多种盈利相关指标进行加权计算[15] $$因子值 = 0.68 \times 分析师预测盈利价格比 + 0.21 \times 市现率倒数 + 0.11 \times 市盈率TTM倒数$$ 9. **因子名称**：成长[15] * **因子构建思路**：评估公司的成长性[15] * **因子具体构建过程**：综合多种增长类指标进行加权计算[15] $$因子值 = 0.18 \times 分析师预测长期盈利增长率 + 0.11 \times 分析师预测短期利率增长率 + 0.24 \times 盈利增长率 + 0.47 \times 营业收入增长率$$ 10. **因子名称**：杠杆[15] * **因子构建思路**：衡量公司的财务杠杆水平[15] * **因子具体构建过程**：综合多种杠杆率指标进行加权计算[15] $$因子值 = 0.38 \times 市场杠杆率 + 0.35 \times 账面杠杆 + 0.27 \times 资产负债率$$ 技术类因子 1. **因子名称**：120日波动[21][24][27][31] * **因子构建思路**：衡量股票基于120日历史数据的波动率，通常作为反向因子[21][24][27][31] * **因子具体构建过程**：计算过去120个交易日的价格波动率[21][24][27][31] 2. **因子名称**：60日波动[21][24][27][31] * **因子构建思路**：衡量股票基于60日历史数据的波动率，通常作为反向因子[21][24][27][31] * **因子具体构建过程**：计算过去60个交易日的价格波动率[21][24][27][31] 3. **因子名称**：20日波动[21][24][27][31] * **因子构建思路**：衡量股票基于20日历史数据的波动率，通常作为反向因子[21][24][27][31] * **因子具体构建过程**：计算过去20个交易日的价格波动率[21][24][27][31] 4. **因子名称**：20日动量[21][24][27][31] * **因子构建思路**：捕捉股票基于20日历史数据的价格趋势，在不同股池中方向不同（全市场、中证1000为反向；沪深300、中证500为正向）[21][24][27][31] * **因子具体构建过程**：计算过去20个交易日的价格动量[21][24][27][31] 5. **因子名称**：60日动量[21][24][27][31] * **因子构建思路**：捕捉股票基于60日历史数据的价格趋势，通常作为反向因子[21][24][27][31] * **因子具体构建过程**：计算过去60个交易日的价格动量[21][24][27][31] 6. **因子名称**：120日动量[21][24][27][31] * **因子构建思路**：捕捉股票基于120日历史数据的价格趋势，在不同股池中方向不同（全市场为反向；沪深300、中证500为正向）[21][24][27][31] * **因子具体构建过程**：计算过去120个交易日的价格动量[21][24][27][31] 7. **因子名称**：中位数离差[21][24][27][31] * **因子构建思路**：衡量股票价格相对于市场中位数的偏离程度，通常作为反向因子[21][24][27][31] * **因子具体构建过程**：计算股票价格与市场整体价格中位数的偏离度[21][24][27][31] 基本面因子（列举自不同股池） 1. **因子名称**：ROC增长[23] * **因子构建思路**：衡量公司的资本回报率增长情况，作为正向因子[23] * **因子具体构建过程**：计算资本回报率（ROC）的增长指标[23] 2. **因子名称**：市销率[23] * **因子构建思路**：衡量股票的估值水平，作为反向因子[23] * **因子具体构建过程**：使用市销率指标[23] 3. **因子名称**：ROA超预期增长[23] * **因子构建思路**：衡量公司总资产回报率（ROA）的超预期增长情况，作为正向因子[23] * **因子具体构建过程**：计算ROA的超预期增长指标[23] 4. **因子名称**：营业利润超预期增长[23] * **因子构建思路**：衡量公司营业利润的超预期增长情况，作为正向因子[23] * **因子具体构建过程**：计算营业利润的超预期增长指标[23] 5. **因子名称**：ROC[23] * **因子构建思路**：衡量公司的资本回报率水平，作为反向因子[23] * **因子具体构建过程**：计算资本回报率（ROC）指标[23] 6. **因子名称**：营业周转率[23] * **因子构建思路**：衡量公司的营运效率，作为反向因子[23] * **因子具体构建过程**：计算营业周转率指标[23] 7. **因子名称**：ROC超预期增长[23] * **因子构建思路**：衡量公司资本回报率（ROC）的超预期增长情况，作为正向因子[23] * **因子具体构建过程**：计算ROC的超预期增长指标[23] 8. **因子名称**：市盈率[23] * **因子构建思路**：衡量股票的估值水平，作为反向因子[23] * **因子具体构建过程**：使用市盈率指标[23] 9. **因子名称**：ROA增长[23] * **因子构建思路**：衡量公司总资产回报率（ROA）的增长情况，作为正向因子[23] * **因子具体构建过程**：计算ROA的增长指标[23] 10. **因子名称**：营业利润增长[23] * **因子构建思路**：衡量公司营业利润的增长情况，作为正向因子[23] * **因子具体构建过程**：计算营业利润的增长指标[23] 11. **因子名称**：净利润超预期增长[23] * **因子构建思路**：衡量公司净利润的超预期增长情况，作为正向因子[23] * **因子具体构建过程**：计算净利润的超预期增长指标[23] 12. **因子名称**：ROA[23] * **因子构建思路**：衡量公司的总资产回报率水平，作为反向因子[23] * **因子具体构建过程**：计算总资产回报率（ROA）指标[23] 13. **因子名称**：营业利润率[23] * **因子构建思路**：衡量公司的盈利能力，作为反向因子[23] * **因子具体构建过程**：计算营业利润率指标[23] GRU模型因子 1. **因子名称**：GRU因子（barra1d模型）[4][20][22][25][26][28][29] * **因子构建思路**：使用GRU神经网络模型，结合Barra风格因子及短期（1天）市场数据构建的合成因子[4][20][22][25][26][28][29] * **因子具体构建过程**：报告未详细描述GRU模型的具体网络结构、输入特征和训练过程，但指出其基于Barra因子和日频数据（1d）[4][20][22][25][26][28][29] 2. **因子名称**：GRU因子（barra5d模型）[4][8][20][22][25][26][28][29][33] * **因子构建思路**：使用GRU神经网络模型，结合Barra风格因子及稍长周期（5天）市场数据构建的合成因子[4][8][20][22][25][26][28][29][33] * **因子具体构建过程**：报告未详细描述GRU模型的具体网络结构、输入特征和训练过程，但指出其基于Barra因子和5天数据（5d）[4][8][20][22][25][26][28][29][33] 3. **因子名称**：GRU因子（open1d模型）[4][20][22][25][26][28][29][34] * **因子构建思路**：使用GRU神经网络模型，结合开盘价等短期（1天）市场数据构建的合成因子[4][20][22][25][26][28][29][34] * **因子具体构建过程**：报告未详细描述GRU模型的具体网络结构、输入特征和训练过程，但指出其基于开盘价（open）和日频数据（1d）[4][20][22][25][26][28][29][34] 4. **因子名称**：GRU因子（close1d模型）[4][20][22][25][26][28][29][34] * **因子构建思路**：使用GRU神经网络模型，结合收盘价等短期（1天）市场数据构建的合成因子[4][20][22][25][26][28][29][34] * **因子具体构建过程**：报告未详细描述GRU模型的具体网络结构、输入特征和训练过程，但指出其基于收盘价（close）和日频数据（1d）[4][20][22][25][26][28][29][34] 多因子组合 1. **模型/因子名称**：多因子组合[8][33][34] * **模型/因子构建思路**：将多个因子进行组合，构建综合选股模型[8][33][34] * **模型/因子具体构建过程**：报告未详细说明具体包含哪些因子以及组合权重确定方法[8][33][34] 因子的回测效果 Barra风格因子多空收益表现（全市场股池）[17] | 因子名称 | 最近一周 | 最近一月 | 最近半年 | 今年以来 | 三年年化 | 五年年化 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 市值 | -3.55% | -5.76% | -15.19% | -39.59% | -41.82% | -34.39% | | 非线性市值 | 3.47% | -6.71% | -15.01% | -34.67% | -39.36% | -30.87% | | 估值 | 2.62% | 5.07% | 3.99% | 6.18% | 14.66% | 15.43% | | 盈利 | 1.99% | 2.35% | -10.59% | 14.48% | 4.57% | 1.20% | | 杠杆 | -1.04% | 3.55% | -7.04% | 17.65% | 8.42% | 2.62% | | 波动 | 1.03% | 4.94% | -11.49% | 5.13% | 8.33% | -11.03% | | 成长 | 0.08% | 0.53% | 2.20% | 0.89% | 19.14% | 4.10% | | 动量 | 1.01% | -5.58% | -17.92% | 11.71% | 17.92% | 15.59% | | 流动性 | 2.40% | -7.26% | -4.57% | 8.50% | -19.41% | -25.17% | | beta | 4.58% | -6.52% | 13.16% | 30.92% | 12.22% | 10.49% | 技术类因子多空收益表现（全市场股池）[21] | 因子名称 | 最近一周 | 最近一月 | 最近半年 | 今年以来 | 三年年化 | 五年年化 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 120日波动 | 0.47% | -5.55% | -2.67% | 14.03% | -4.62% | 9.26% | | 60日波动 | 1.02% | -5.14% | 0.02% | 9.74% | -8.22% | -11.84% | | 20日动量 | 1.22% | -4.96% | -1.05% | -11.47% | -12.50% | -12.68% | | 60日动量 | 1.30% | -5.34% | -6.33% | -6.59% | -13.41% | -15.85% | | 20日波动 | 1.32% | -6.19% | 2.22% | 10.11% | -6.85% | -11.77% | | 中位数离差 | 1.64% | -5.89% | -5.51% | 5.44% | -13.85% | -14.17% | | 120日动量 | 1.81% | -2.83% | -11.64% | 3.84% | -15.76% | -13.79% | 多头组合近期超额收益（相对中证1000指数）[34] | 策略/因子名称 | 近一周 | 近一月 | 近三月 | 近六月 | 今年以来 | | :--- | :--- | :--- | :--- | :--- | :--- | | open1d (GRU) | -0.02% | 1.65% | -1.43% | 1.74% | 6.16% | | close1d (GRU) | -0.07% | 2.18% | -3.97% | 0.79% | 2.92% | | barra1d (GRU) | -0.08% | -0.18% | 1.90% | 2.76% | 5.37% | | barra5d (GRU) | 0.27% | 3.14% | -2.73% | 1.68% | 5.91% | | 多因子组合 | 0.04% | 3.19% | -1.74% | -0.47% | 1.71% |