量化周报 需求主导的高位再吸筹 2025 年 09 月 28 日 ➢ 择时观点：需求主导的高位再吸筹。当下流动性处于下行趋势，分歧度继续 扩大，景气度保持回升趋势，三维择时框架保持震荡下跌判断。从技术形态来看， 沪深 300 处上涨中继再吸筹阶段，高换手状态和多次 VSB（垂直供应柱）说明存 在较强派发力量，但每次供应都被需求吸收，需求仍掌控全局叠加回调大多较浅， 后市中期整体看涨。 ➢ 指数监测：恒生港股通新经济指数大幅流入。近 1 周上证 380、科创半导体 材料设备、恒生港股通汽车主题、半导体材料设备等大幅流入。近 1 周科创材料、 科创新能、创业软件、500 现金流、绿色能源指数份额流出最多。我们在报告《ETF 的聚类优选与热点趋势策略构建》中构建了 ETF 的热点趋势策略，本周策略中主 要包括半导体、有色、国企改革、碳中和等行业、以及成长风格等 ETF。 ➢ 资金共振：推荐通信、国防军工、交通运输、建筑。我们监控两融与大单资 金的共振情绪，选择两类资金都看好的行业。两融资金流上周在电子中净流入最 多，净流入 115.0 亿元；大单资金上周在银行中净流入最多，净流入 5.5 亿元。 根据融资融券净流入 ...

量化模型与构建方式 1. 三维择时框架 - 模型名称：三维择时框架[7] - 模型构建思路：通过分歧度、流动性和景气度三个维度对市场进行择时判断[7] - 模型具体构建过程：监控市场分歧度指数、市场流动性指数和A股景气度指数2.0的变化趋势，当分歧度上行、流动性下行、景气度保持回升时，给出震荡下跌判断[7][11][23] 2. ETF热点趋势策略 - 模型名称：ETF热点趋势策略[29] - 模型构建思路：根据K线形态和换手率变化选择短期市场关注度提升的ETF构建组合[29] - 模型具体构建过程：首先选出最高价与最低价同时为上涨形态的ETF；然后根据最高价与最低价近20日回归系数的相对陡峭程度构建支撑阻力因子；最后选择因子多头组中近5日换手率/近20日换手率最高的10只ETF构建风险平价组合[29] 3. 资金流共振策略 - 模型名称：融资-主动大单资金流共振策略[35] - 模型构建思路：通过融资融券资金流与主动大单资金流的共振效应选择行业[35] - 模型具体构建过程： 1) 定义行业融资融券资金因子：barra市值因子中性化后的融资净买入-融券净买入（个股加总），取最近50日均值后的两周环比变化率 2) 定义行业主动大单资金因子：行业最近一年成交量时序中性化后的净流入排序，取最近10日均值 3) 在主动大单因子的头部打分内做融资融券因子的剔除，提高策略稳定性 4) 进一步剔除大金融板块[35] 模型的回测效果 1. 三维择时框架 - 历史表现：提供市场择时判断，建议逐步谨慎[7] 2. ETF热点趋势策略 - 今年以来表现：相对沪深300累计超额收益表现良好[31] 3. 资金流共振策略 - 2018年以来费后年化超额收益：13.5%[35] - 信息比率(IR)：1.7[35] - 上周表现：实现0.9%的绝对收益与-1%的超额收益（相对行业等权）[35] 量化因子与构建方式 1. 风格因子 - 因子名称：size因子[39] - 因子构建思路：衡量市值风格的影响[39] - 因子具体构建过程：基于市值大小构建组合，大市值股票组合与小市值组合对比[39] - 因子名称：beta因子[40] - 因子构建思路：衡量贝塔风格的影响[40] - 因子具体构建过程：基于股票贝塔值构建组合，高贝塔组合与低贝塔组合对比[40] - 因子名称：growth因子[40] - 因子构建思路：衡量成长风格的影响[40] - 因子具体构建过程：基于成长性指标构建组合，高成长个股与低成长个股对比[40] 2. Alpha因子 - 因子名称：每股营业收入同比增长率(yoy_orps)[44] - 因子构建思路：衡量公司营收增长能力[44] - 因子名称：资产负债率同比变化率(debt_ratio_yoy)[44] - 因子构建思路：衡量公司负债结构变化[44] - 因子名称：总负债同比增长(tot_liab_yoy)[44] - 因子构建思路：衡量公司负债增长情况[44] - 因子名称：单季度营业收入同比增速(yoy_or_q)[44] - 因子构建思路：衡量公司单季度营收增长[44] - 因子名称：流动负债同比增长(cur_liab_yoy)[44] - 因子构建思路：衡量公司流动负债变化[44] - 因子名称：单季度ROE同比差值(roe_q_delta_report)[44] - 因子构建思路：衡量公司单季度ROE同比变化[44] - 因子名称：单季度ROE同比差值（考虑快报、预告）(roe_q_delta_adv)[47] - 因子构建思路：考虑快报预告的ROE同比变化[47] - 因子名称：分析师预测调整因子(mom3_np_fy1)[47] - 因子构建思路：衡量分析师预测净利润的变化[47] - 因子具体构建过程：$$mom3\_np\_fy1 = \frac{当前一致预测np\_FY1 - 3个月前一致预测np\_FY1}{|3个月前一致预测np\_FY1|}$$[47] 因子的回测效果 1. 风格因子近期表现 - size因子：最近一周收益1.57%[43] - beta因子：最近一周收益1.08%[43] - growth因子：最近一周收益0.42%[43] - momentum因子：最近一周收益0.39%[43] - nlsize因子：最近一周收益1.31%[43] - value因子：最近一周收益-0.13%[43] - liquidity因子：最近一周收益0.96%[43] - earnings_yield因子：最近一周收益-0.67%[43] - leverage因子：最近一周收益0.48%[43] - volatility因子：最近一周收益0.20%[43] 2. Alpha因子近期表现 不同时间维度表现（近一周多头超额）： - 每股营业收入同比增长率(yoy_orps)：2.62%[44] - 资产负债率同比变化率(debt_ratio_yoy)：2.57%[44] - 总负债同比增长(tot_liab_yoy)：2.53%[44] - 单季度营业收入同比增速(yoy_or_q)：2.51%[44] - 流动负债同比增长(cur_liab_yoy)：2.49%[44] - 速动比率同比变化(quick_ratio_yoy)：2.25%[44] - 营业收入同比增速(yoy_or)：2.14%[44] - 总资产同比增长(yoy_total_assets)：2.12%[44] - 销售现金流变化指标(delta_cashflow_goodsales_ic)：2.03%[44] - 应付账款同比变化(yoy_accpayable)：1.94%[44] 不同指数下的表现（上周多头超额）： - 单季度ROE同比差值（考虑快报、预告）(roe_q_delta_adv)： - 沪深300：8.23% - 中证500：4.55% - 中证1000：9.38% - 国证2000：4.96%[47] - 分析师预测净利润变化(mom3_np_fy1)： - 沪深300：7.14% - 中证500：5.60% - 中证1000：9.54% - 国证2000：4.19%[47] - 评级调整因子(est_num_diff)： - 沪深300：7.73% - 中证500：4.86% - 中证1000：8.72% - 国证2000：4.60%[47]

量化模型与构建方式 1. **模型名称：三维择时框架** - **模型构建思路**：通过分歧度、流动性、景气度三个维度综合判断市场趋势，动态调整仓位[7][11][12] - **模型具体构建过程**： 1. **分歧度指标**：计算市场观点分歧指数（如卖方分析师预测离散度）[16] 2. **流动性指标**：跟踪市场成交额、资金净流入等数据构建指数[19] 3. **景气度指标**：结合行业盈利增速、宏观经济数据合成A股景气度指数2.0[23] 4. 综合三项指标方向（上行/下行）决定仓位，三项均上行时满仓[7] - **模型评价**：历史回测显示对市场拐点捕捉能力较强，但需警惕极端市场环境下的失效风险[14] 2. **模型名称：资金流共振策略** - **模型构建思路**：结合融资融券资金与主动大单资金流向，筛选两类资金共同看好的行业[31] - **模型具体构建过程**： 1. **融资融券因子**： $$ \text{融资因子} = \text{Barra市值中性化后的（融资净买入-融券净卖出）} $$ 取50日均值后计算两周环比变化率[31] 2. **主动大单因子**： 对行业年成交量时序中性化后的净流入排序，取10日均值[31] 3. 策略组合：在主动大单因子头部行业中剔除融资因子多头极端行业[31] - **模型评价**：相比单一资金流策略回撤更小，2018年以来年化超额收益13.5%，IR 1.7[31] --- 量化因子与构建方式 1. **因子名称：风格因子（Barra体系）** - **因子构建思路**：通过市值、波动率、流动性等风格维度解释股票收益差异[35][36] - **因子具体构建过程**： - **Size因子**：$$ \ln(\text{市值}) $$ 行业中性化处理[37] - **Volatility因子**：过去252日收益波动率[36] - **Liquidity因子**：换手率标准差[36] 2. **因子名称：Alpha因子** - **因子构建思路**：通过多维度因子挖掘超额收益来源[38][40] - **代表性因子构建过程**： - **mom_1y**：$$ \text{1年收益率} = \frac{P_t}{P_{t-252}} - 1 $$ [40] - **turnover_stdrate_3m**：3个月换手率标准差变化率[40] - **pe_g**：市盈率排名与预期净利润增长排名的差值[42] --- 模型的回测效果 1. **三维择时框架**： - 历史年化超额收益：未披露具体数值（图表显示显著跑赢基准）[14] - 当前信号：满仓（分歧度↓、流动性↑、景气度↑）[7] 2. **资金流共振策略**： - 年化超额收益：13.5% - 信息比率（IR）：1.7 - 上周超额收益：0.2%（相对行业等权）[31] --- 因子的回测效果 1. **风格因子（近一周）**： - Size因子收益：-0.21% - Volatility因子收益：-2.38% - Liquidity因子收益：-2.23% - Value因子收益：+0.92% [36] 2. **Alpha因子（近一周多头超额）**： - mom_1y：+1.58% - turnover_stdrate_3m：+1.56% - pe_g（沪深300内）：+4.97% - sue1（沪深300内）：+4.09% [40][42] 3. **分指数因子表现**： - **沪深300最佳因子**：turnover_stdrate_1m（+6.99%） - **中证500最佳因子**：pe_g（+5.60%） - **国证2000最佳因子**：gaexp_sales（+2.35%）[42]