量化行业竞争格局与发展路径 - 量化行业准入门槛因算力成本下降、编程工具普及及数据获取便利而降低，策略同质化问题凸显 [2] - 行业策略分化为两类：一类是规模大、参与者众、模型因子高度拥挤导致边际收益下降的多因子模型“红海”格局；另一类是以专业金融认知为底座、通过独立逻辑寻找市场规律的小众策略 [2] - 行业正形成“工具驱动”与“认知驱动”两条不同发展路径，AI技术普及将放大分化，预计八成的传统量化基金经理和工具型策略机构可能被AI取代 [2] - 量化机构的核心竞争壁垒在于对市场风格、经济周期、资金行为等多维度的专业理解，而非模型工具本身 [1][2] 守正用奇私募基金的核心策略与定位 - 公司成立10年，在规模发展上保持克制，选择以风格择时为核心策略的差异化投资路径 [1] - 公司策略关注点从阿尔法（超额收益）转向因子的贝塔（系统收益），通过“风格估值-动量-有效资金流”三维框架捕捉因子贝塔 [1][3] - 特色策略为风格择时指增策略，通过识别风格趋势构建稳健的指数增强体系 [3] - 策略模型使用三类关键指标：最核心的风格估值（判断不同风格相对性价比）、动量指标（捕捉趋势变化速度与方向）、定价者的有效资金流（关注对价格产生决定性影响的核心资金行为） [3] - 模型结合三类指标，可在日频到周频的不同时间维度上预测风格变化，最短可预测一天半，最长延伸至数月 [3] 公司的风控实践与业绩表现 - 在2024年初小微盘品种出现流动性困境的极端行情中，公司模型提前识别风险，并将因子暴露迅速调整为均衡状态 [4] - 调整后，策略在市场调整期间的回撤幅度明显低于同类模型，并在反弹阶段实现了较快修复 [4] 对后市的展望与投资观点 - 公司认为当前市场上涨趋势远未结束，未来仍有较大上行空间 [5] - 当前市场处于多年难得的流动性宽裕阶段，是“流动性充分配合的最好时刻” [5] - 建议普通投资者关注风格的相对估值，避免一味追求热点，热点板块估值抬升后性价比下降应适当回避 [6] - 建议可在红利等具备更长期价值的板块中寻找机会 [6] - 科技板块内部存在轮动，细分方向性价比会围绕中枢波动，可进行高低切换 [6] - 长期来看，科技很多细分方向的需求规模和未来成长空间非常巨大 [6]

根据您提供的研报内容，以下是关于量化模型和因子的总结。 量化模型与构建方式 1. **模型名称**：基于微观特征的风格轮动模型[4][9] **模型构建思路**：从基础风格因子（估值、市值、波动率、动量）出发，通过构造大量微观特征，并使用常用指数作为风格股票池来定义风格收益标签，结合随机森林模型进行风格择时和打分，最终构建月频风格轮动策略[4][9] **模型具体构建过程**： 1. **底层因子选择**：基于东吴金工特色多因子划分标准，优选80个底层因子作为原始特征[9] 2. **微观特征构造**：基于80个基础微观指标，构造出640个微观特征[4][9] 3. **风格收益标签定义**：使用常用指数作为风格股票池，取代传统的按风格因子绝对比例划分的方法，构造新的风格收益作为模型训练的标签[4][9] 4. **模型训练与预测**：使用随机森林模型对单个风格进行择时预测；通过滚动训练的方式，以有效规避过拟合风险，并优选特征；模型输出每种风格的当期得分[4][9] 5. **策略构建**：综合模型的择时结果与打分结果，构建最终的月频风格轮动模型[4][9] 模型的回测效果 1. **基于微观的择时+打分风格轮动策略**[4][10][11] - 回测区间：2017/01/01 - 2025/11/30[4][10] - 年化收益率：16.52%[4][11] - 年化波动率：20.46%[4][11] - 信息比率(IR)：0.81[4][11] - 月度胜率：57.01%[4][11] - 历史最大回撤：25.68%[11] 2. **策略对冲市场基准（超额收益）**[4][10][11] - 回测区间：2017/01/01 - 2025/11/30[4][10] - 年化收益率：11.04%[4][11] - 年化波动率：11.08%[4][11] - 信息比率(IR)：1.00[4][11] - 月度胜率：55.14%[4][11] - 历史最大回撤：9.00%[11] 量化因子与构建方式 1. **因子名称**：估值因子[4][9] **因子的构建思路**：作为基础风格因子之一，用于构建风格轮动模型[4][9] 2. **因子名称**：市值因子[4][9] **因子的构建思路**：作为基础风格因子之一，用于构建风格轮动模型[4][9] 3. **因子名称**：波动率因子[4][9] **因子的构建思路**：作为基础风格因子之一，用于构建风格轮动模型[4][9] 4. **因子名称**：动量因子[4][9] **因子的构建思路**：作为基础风格因子之一，用于构建风格轮动模型[4][9] 因子的回测效果 （报告未提供单个因子的独立回测绩效指标，如年化收益率、信息比率等，仅提供了模型层面的综合表现，因此此部分内容省略）

根据研报内容，以下是涉及的量化模型和因子的总结： 量化模型与构建方式 **1 模型名称：A股大盘择时模型[2][10]** - 模型构建思路：从估值、情绪、资金、技术四个维度对万得全A指数进行整体方向性判断[10] - 模型具体构建过程：各维度日频发出信号，每日信号取值为0、±1，分别代表看平、看多、看空三种观点[10] 估值和情绪采用反转逻辑，刻画A股市场均值回归特征；资金和技术采用趋势逻辑，刻画市场趋势延续特征[10] 以各维度得分之和的正负性作为大盘多空观点的依据[10] - 模型评价：左侧指标规避风险，右侧指标捕捉机会[10] **2 模型名称：红利风格择时模型[3][18]** - 模型构建思路：结合中证红利相对中证全指的动量、10Y-1Y期限利差和银行间质押式回购成交量三者的趋势进行择时[3][18] - 模型具体构建过程：三个指标从趋势维度日频发出信号，每日信号取值为0、+1、-1，分别代表看平、看多、看空三种观点[18] 以各维度得分之和的正负性作为红利风格多空观点的依据[18] 当模型看好红利风格时全仓持有中证红利，不看好时全仓持有中证全指[18] **3 模型名称：大小盘风格择时模型[3][23]** - 模型构建思路：采用基于拥挤度分域的趋势模型进行择时，其中拥挤度采用小盘和大盘的动量之差和成交额之比刻画[3][23] - 模型具体构建过程：首先从动量视角和成交视角计算大小盘风格拥挤度得分[23] 若最近20个交易日中曾触发过高拥挤，视为运行在高拥挤区间，否则为低拥挤区间[25] 在高拥挤区间采用参数值较小的双均线模型应对风格反转，在低拥挤区间采用参数值较大的双均线模型跟踪中长期趋势[25] **4 模型名称：遗传规划行业轮动模型[4][30]** - 模型构建思路：采用遗传规划技术直接对行业指数的量价、估值等特征进行因子挖掘，每季度末更新因子库[4][33] - 模型具体构建过程：底层资产为32个中信行业指数，因子更新频率为季频，调仓频率为周频[30] 使用|IC|和NDCG@5两个指标同时评价因子的分组单调性和多头组表现[33] 在NSGA-II算法加持下挖掘兼具分组表现单调、多头表现优秀的行业轮动因子[33] **5 模型名称：中国境内全天候增强组合[5][39]** - 模型构建思路：采用宏观因子风险预算框架，选取增长超预期/不及预期、通胀超预期/不及预期四种宏观风险源作为平价对象[5][39] - 模型具体构建过程：在四象限风险平价基础上，基于宏观预期动量的观点主动偏配看好象限[5] 构建分为三步：宏观象限划分与资产选择、象限组合构建与风险度量、风险预算模型确定象限权重[42] 每月底根据"象限观点"调整象限风险预算进行主动偏配[42] 模型的回测效果 **1 A股大盘择时模型[15]** - 年化收益：24.94% - 最大回撤：-28.46% - 夏普比率：1.16 - Calmar比率：0.88 - YTD：43.84% - 上周收益：5.28% **2 红利风格择时模型[21]** - 年化收益：15.67% - 最大回撤：-25.52% - 夏普比率：-0.26 - Calmar比率：0.85 - YTD：20.86% - 上周收益：-3.63% **3 大小盘风格择时模型[28]** - 年化收益：27.04% - 最大回撤：-32.05% - 夏普比率：1.13 - Calmar比率：0.84 - YTD：71.14% - 上周收益：-7.80% **4 遗传规划行业轮动模型[33]** - 年化收益：30.83% - 年化波动：17.74% - 夏普比率：1.74 - 最大回撤：-19.63% - 卡玛比率：1.57 - 上周表现：-4.39% - YTD：35.44% **5 中国境内全天候增强组合[43]** - 年化收益：11.51% - 年化波动：6.18% - 夏普比率：1.86 - 最大回撤：-6.30% - 卡玛比率：1.83 - 上周表现：-1.53% - YTD：10.75% 量化因子与构建方式 **1 因子名称：大小盘风格拥挤度因子[23][27]** - 因子构建思路：从动量视角和成交视角计算大小盘风格拥挤度得分[23] - 因子具体构建过程： 1) 动量之差：计算万得微盘股指数与沪深300指数的10/20/30/40/50/60日动量之差，计算各窗长动量之差的3.0/3.5/4.0/4.5/5.0年分位数的均值，对6个计算窗长下分位数最高的3个结果取均值作为小盘风格的动量得分；对分位数最低的3个结果取均值作为大盘风格的动量得分[27] 2) 成交额之比：计算万得微盘股指数与沪深300指数的10/20/30/40/50/60日成交额之比，计算各窗长成交额之比的3.0/3.5/4.0/4.5/5.0年分位数的均值，对6个计算窗长下分位数最高的3个结果取均值作为小盘风格的成交量得分；对分位数最低的3个结果取均值作为大盘风格的成交量得分[27] 3) 将小盘风格的动量得分和成交量得分取均值得到小盘风格的拥挤度得分，大于90%视为触发高拥挤；将大盘风格的动量得分和成交量得分取均值得到大盘风格的拥挤度得分，小于10%视为触发高拥挤[27] **2 因子名称：遗传规划行业轮动因子[37]** - 因子构建思路：基于单行业阻力支撑位构建[37] - 因子具体构建过程： 1) 在过去25个交易日中，计算周度标准化最低价和月度标准化开盘价的协方差，记作变量A[38] 2) 在过去15个交易日中，对周度标准化最高价开展zscore标准化，取标准化后大于2.0的日期，对A进行反转即乘以-1后，计算这15个交易日A之和[38] 因子表达式：$$ts\_grouping\_deczscorecut\_torch(ts\_covariance\_torch(wlow\_st, mopen\_st, 25), whigh\_st, 15, 2.0, 2)$$[37]

核心观点 - 市场情绪指标数值为3，较上周五的27继续回升，市场情绪得到进一步修复，从情绪角度来看观点偏多 [7] - 行业间交易波动率快速上行并突破布林带上界，说明行业切换加速、短期情绪有所修复 [11] - 当前模型整体提示大盘与价值风格占优信号，且价值风格信号强度未来可能出现一定程度加强 [48] 市场情绪模型观点 - 市场情绪指标周内波动上升，市场活跃度不断上升，情绪指数综合得分从上周五的27升至11月7日的3 [7] - 价量一致性快速回落并于周五出现反弹，显示情绪在持续走弱后出现阶段性修复 [11] - 科创50相对全A成交占比继续下滑至布林带下界附近，反映风险偏好走弱 [11] - 行业涨跌趋势性明显上升，行业观点一致性提高、板块beta效应强化 [11] - 融资余额占比延续上升，杠杆资金风险偏好持续回暖 [11] - RSI小幅回落但仍处中性区间，市场上行动能偏弱 [11] - 主力资金净流入强度在高位震荡，机构买入力度保持韧性 [11] - 本周全A平均日成交额为2012350亿元，较上周小幅下降，其中11月3日成交额为近期最高的2132904亿元人民币，日成交量136822亿股 [14] 行业趋势与拥挤度分析 - 根据均线排列模型，银行、石油石化、轻工制造、电力设备、钢铁等行业短期趋势得分上升趋势靠前 [38] - 公用事业、电力设备、煤炭、环保、钢铁是短期趋势最强的行业，其中公用事业当前短期得分为100，为短期得分最高行业 [38] - 近期电力设备、钢铁、煤炭高涨幅同时伴随较高的资金拥挤度，短期需关注估值与情绪回落带来的波动风险 [44] - 农林牧渔、交通运输等行业资金拥挤度较高但涨幅偏低；计算机、食品饮料等低拥挤度板块涨幅较低，在风险偏好回升时迎来配置机会 [44] - 截至2025年11月7日，平均拥挤度最高的行业分别为电力设备、交通运输、农林牧渔、环保、煤炭，拥挤度最低的行业分别为家用电器、电子、通信、非银金融、计算机 [41] 风格择时模型观点 - 当前模型维持提示大盘风格占优信号，信号提示强度较弱，未来有待进一步观察 [48] - 模型维持提示价值风格占优信号，且5日RSI相对20日RSI迅速降低，未来信号强度可能出现一定程度加强 [48] - 国证成长/国证价值比值为07848，20日RSI为421896，60日RSI为625283，20日RSI低于60日RSI幅度为3253%，提示价值风格占优 [49] - 申万小盘/申万大盘比值为09371，20日RSI为435774，60日RSI为459197，20日RSI低于60日RSI幅度为51%，提示大盘风格占优 [49]

量化模型与构建方式 1. 风格轮动模型 **模型名称**：基于微观的择时+打分风格轮动模型[4][9] **模型构建思路**：从基础风格因子（估值、市值、波动率、动量）出发，通过微观个股层面构造特征，使用随机森林模型进行风格择时和打分，最终构建月频风格轮动框架[4][9] **模型具体构建过程**： 1. 优选80个底层微观因子作为原始特征[9] 2. 基于80个基础微观指标，构造640个微观特征[4][9] 3. 通过常用指数作为风格股票池取代风格因子的绝对比例划分，构造新的风格收益作为标签[4][9] 4. 使用随机森林模型对单个风格进行择时，并得到每种风格的当期得分[4][9] 5. 通过滚动训练随机森林模型，有效规避过拟合风险，优选特征并得到风格推荐[9] 6. 根据择时结果与打分结果，综合构造月频风格轮动模型[4] 模型的回测效果 1. 风格轮动模型 **回测区间**：2017/01/01-2025/10/31[4][10] **年化收益率**：16.18%[4][10][11] **年化波动率**：20.28%[4][10][11] **信息比率(IR)**：0.80[4][10][11] **月度胜率**：59.43%[4][10][11] **最大回撤**：25.20%[11] 2. 策略对冲市场基准 **回测区间**：2017/01/01-2025/10/31[4][10] **年化收益率**：10.36%[4][10][11] **年化波动率**：10.85%[4][10][11] **信息比率(IR)**：0.95[4][10][11] **月度胜率**：54.72%[4][10][11] **历史最大回撤**：8.53%[4][10][11] 量化因子与构建方式 1. 基础风格因子 **因子名称**：估值、市值、波动率、动量[4][9] **因子的构建思路**：从微观个股层面出发，作为风格轮动模型的基础风格因子[9] 因子的回测效果 1. 2025年风格因子实际收益率（多空对冲） **动量因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[13] **波动率因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[13] **估值因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[13] **市值因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[13] 2. 2025年风格因子择时后收益率（多空对冲） **动量因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[18] **波动率因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[18] **估值因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[18] **市值因子收益率**：图中显示在2025年1月至10月期间有正有负，具体数值需从图表中读取[18]

报告行业投资评级 - 中信五风格-金融★☆☆，一颗星代表偏多，判断趋势有上涨的驱动，但盘面可操作性不强 [3][19] 报告的核心观点 - 截至2025/10/24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3.42%、-0.03%、0.94% [3] - 公募基金市场近一周增强指数策略领涨，周度涨跌幅为3.89%，中性策略涨多跌少，商品方面贵金属ETF回调，豆粕与有色金属ETF收益小幅反弹，能源化工ETF有所企稳 [3] - 中信五风格上周五风格均收涨，成长风格收益领跑；风格轮动图显示相对强弱层面周期与消费风格环比走弱，指标动量层面成长风格升幅较大 [3] - 公募基金池近一周金融与周期风格基金超额表现较优，产品对消费风格偏移度边际提升，本周市场整体指标延续上升趋势，当前成长与金融风格位于历史偏高拥挤区间 [3] - 中性策略方面，截至上周股指基差周内呈边际回升态势，IC合约回升至近三月均值上方0.5倍标准差附近水平；IC，IM对应现货指数ETF平均溢价率偏高，位于近三月80%以上分位区间 [3] - 近一周中长期动量因子收益表现较优，周度超额收益率为1.70%，残差波动率与ALPHA因子有所回撤，胜率方面分红与杠杆因子有所修复；本周因子截面轮动速度继续走高，当前位于近一年80%分位以上区间 [3] - 根据风格择时模型最新评分结果，本周成长与金融风格边际回升，周期与稳定风格回落，当前信号偏向金融风格。上周风格择时策略收益率为1.45%，对比基准均衡配置超额收益率为 -0.98% [3] 相关目录总结 近期市场收益 - 展示了通联全A（沪深京）、中证综合债（净）、南华商品的周度、月度、季度、半年度收益率 [6] - 展示了近一年公募基金产品成立规模（QDII） [6] - 展示了公募基金主要策略指数近三月最大回撤和周度收益率 [6] 中信风格指数净值走势 - 展示了2025/9/24 - 2025/10/23金融、周期、消费、成长、稳定风格指数净值走势 [8][9] 中信风格指数相对轮动图 - 展示了金融、周期、消费、成长、稳定风格近一周、上一周、近一月、近三月、近六月、近一年的相对强弱和相对强弱动量数据 [10][11] 基金风格指数超额收益表现 - 展示了金融、周期、消费、成长风格基金近一周、上一周、近一月、近三月、近六月、近一年的超额收益表现 [12] 基金风格拥挤度 - 展示了2025/9/28 - 2025/10/26周期、成长、消费、金融风格基金拥挤度情况 [13] 本周Barra单因子风格偏好 - 展示了金融、周期、消费、成长、稳定风格Barra单因子风格偏好情况 [14] Barra单因子风格策略超额收益表现 - 展示了估值、成长、盈利、流动性、分红、规模、杠杆、动量反转、动量、BETA、ALPHA、残差波动率、残差动量、周内波动率等因子的超额收益表现 [15][16] 今年以来Barra单因子风格超额净值走势 - 展示了估值、成长、盈利、流动性、分红、规模、杠杆、动量、BETA、ALPHA、残差波动率等因子近一周、上一周、近一月的超额净值走势 [18]

核心观点 - 截至2025年10月24日，市场情绪指标数值为2.2，较上周五的1.9出现小幅回升，市场情绪得到一定程度修复，从情绪角度观察偏多 [1][6] - 本周市场情绪整体呈现分化加剧态势，多项分项指标出现背离，整体或维持震荡偏稳格局 [1][8] - 当前模型整体提示大盘风格与价值风格占优信号，其中大盘风格信号提示强度较强 [1] 市场情绪模型观点 - 情绪结构指标围绕0轴在[-6.6, 6.6]的范围内上下波动，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 [5] - 本周情绪指数综合得分周内快速上升，但当前市场整体情绪波动水平较高 [6] - 价量一致性继续回落，表明市场当前价量匹配程度出现明显下降，资金活跃度再度下降 [1][12] - 行业间交易波动率快速回升，表明资金在行业间切换频率提升，短期情绪有所修复 [1][8][20] - 行业涨跌趋势性继续回落，显示市场分歧加剧、主线不突出，行业轮动加快 [1][8][22] - 融资余额占比保持上升，反映杠杆资金情绪持续回暖、风险偏好边际改善 [1][8][24] - RSI指标回落显示市场上行动能偏弱、追涨意愿下降 [1][8][26] - 主力资金流入力量改善，说明机构买入力度提升，市场情绪阶段性回暖 [1][8][28] - 本周全A成交额较上周再度大幅下降，市场成交活跃度出现一定水平回落，其中10月24日成交额为近期最高的19916.17亿人民币，日成交量1227.47亿股 [1][14][16] - 科创50相对万得全A成交占比基本保持不变，风险偏好水平暂未出现明显变化 [1][8][17] 行业趋势与拥挤度 - 根据均线排列模型，截至2025年10月24日，银行、石油石化、交通运输、公用事业、建筑装饰等行业短期趋势得分上升趋势靠前 [1][33] - 从行业短期得分数值上看，煤炭、建筑装饰、公用事业、有色金属、电力设备是短期趋势最强的行业，其中煤炭当前短期得分为93.22，为短期得分最高行业 [1][33] - 近期电子、电力设备高涨幅同时伴随较高的资金拥挤度，短期需关注估值与情绪回落带来的波动风险 [1][40] - 有色金属、环保、纺织服饰等行业资金拥挤度较高但涨幅偏低 [1][40] - 食品饮料、美容护理等低拥挤度板块涨幅较低 [1][40] - 截至2025年10月24日，本阶段平均拥挤度最高的行业分别为电力设备、环保、有色金属、纺织服饰、煤炭，拥挤度最低的行业分别为非银金融、美容护理、传媒、计算机、食品饮料 [37][40] 风格配置观点 - 当前模型维持提示大盘风格占优信号，信号提示强度较强 [1][43] - 模型维持提示价值风格占优信号，但5日RSI相对20日RSI迅速提升，未来信号强度可能出现一定程度减弱 [1][43] - 根据RSI风格择时模型，国证成长/国证价值比值为0.7962，短期观点为价值风格占优，其5日RSI为75.57，20日RSI为50.52，60日RSI为64.79 [44] - 申万小盘/申万大盘比值为0.9178，短期观点为大盘风格占优，其5日RSI为39.69，20日RSI为27.40，60日RSI为46.91 [44]

根据研报内容，现对其中涉及的量化模型与因子总结如下： 量化模型与构建方式 **1 模型名称：A股大盘择时模型** - **模型构建思路**：从估值、情绪、资金、技术四个维度对万得全A指数进行整体方向性判断，各维度日频发出信号，综合判断多空观点[9] - **模型具体构建过程**：四个维度每日信号取值为0、±1，分别代表看平、看多、看空[9]；估值和情绪维度采用反转逻辑，刻画市场均值回归特征；资金和技术维度采用趋势逻辑，刻画市场趋势延续特征[9]；以各维度得分之和的正负性作为大盘多空观点依据[9]；具体指标包括：估值维度-股权风险溢价(ERP)[15]；技术维度-布林带、个股涨跌成交额占比差[15]；资金维度-融资买入额[15]；情绪维度-期权期货指标(期权沽购比、期权隐含波动率、期货会员持仓比)[15] **2 模型名称：红利风格择时模型** - **模型构建思路**：结合中证红利相对中证全指的动量、10Y-1Y期限利差和银行间质押式回购成交量三者的趋势进行择时[17] - **模型具体构建过程**：三个指标从趋势维度日频发出信号，每日信号取值为0、+1、-1[17]；以各维度得分之和的正负性作为红利风格多空观点依据[17]；当模型看好红利风格时全仓持有中证红利，不看好时全仓持有中证全指[17]；具体指标逻辑：中证红利相对中证全指的动量为红利风格正向指标[21]；10Y-1Y期限利差为红利风格负向指标[21]；银行间质押式回购成交量为红利风格正向指标[21] **3 模型名称：大小盘风格择时模型** - **模型构建思路**：采用基于拥挤度分域的趋势模型进行择时，根据拥挤度状态选择不同参数的双均线模型判断趋势[22] - **模型具体构建过程**：以沪深300指数和万得微盘股指数为大小盘风格代表[22]；首先计算大小盘风格拥挤度得分：动量之差-计算万得微盘股指数与沪深300指数的10/20/30/40/50/60日动量之差，进一步计算各窗长动量之差的3.0/3.5/4.0/4.5/5.0年分位数的均值，对6个计算窗长下分位数最高的3个结果取均值作为小盘风格的动量得分，对分位数最低的3个结果取均值作为大盘风格的动量得分[26]；成交额之比-计算万得微盘股指数与沪深300指数的10/20/30/40/50/60日成交额之比，进一步计算各窗长成交额之比的3.0/3.5/4.0/4.5/5.0年分位数的均值，对6个计算窗长下分位数最高的3个结果取均值作为小盘风格的成交量得分，对分位数最低的3个结果取均值作为大盘风格的成交量得分[26]；将小盘风格的动量得分和成交量得分取均值得到小盘风格拥挤度得分，大于90%视为触发高拥挤；将大盘风格的动量得分和成交量得分取均值得到大盘风格拥挤度得分，小于10%视为触发高拥挤[26]；若最近20个交易日中曾触发过高拥挤，视为运行在高拥挤区间，采用小参数双均线模型；否则运行在低拥挤区间，采用大参数双均线模型[24] **4 模型名称：遗传规划行业轮动模型** - **模型构建思路**：采用遗传规划技术直接对行业指数的量价、估值等特征进行因子挖掘，每季度末更新因子库，周频调仓选出多因子综合得分最高的五个行业进行等权配置[29] - **模型具体构建过程**：底层资产为32个中信行业指数[29]；采用双目标遗传规划，使用|IC|和NDCG@5两个指标同时评价因子的分组单调性和多头组表现[32]；在NSGA-II算法加持下挖掘兼具分组表现单调、多头表现优秀的行业轮动因子[32]；对于挖掘得到的备选因子，结合贪心策略和方差膨胀系数，将共线性较弱的多个因子合成为行业得分[33]；最新一期权重最高的因子基于单行业阻力支撑位构建，具体计算过程：在过去25个交易日中，计算周度标准化最低价和月度标准化开盘价的协方差，记作变量A[37]；在过去15个交易日中，对周度标准化最高价开展zscore标准化，取标准化后大于2.0的日期，对A进行反转即乘以-1后，计算这15个交易日A之和[37] **5 模型名称：中国境内全天候增强组合** - **模型构建思路**：采用宏观因子风险预算框架，选取增长超预期/不及预期、通胀超预期/不及预期四种宏观风险源作为平价对象，在四象限风险平价基础上基于宏观预期动量的观点主动偏配看好象限[38] - **模型具体构建过程**：构建分为三步：宏观象限划分与资产选择-选择增长和通胀维度，根据是否超预期划分为四象限，结合"定量+定性"方式确定各象限适配资产[41]；象限组合构建与风险度量-象限内资产等权构建子组合，注重刻画象限的下行风险[41]；风险预算模型确定象限权重-每月底根据"象限观点"调整象限风险预算进行主动偏配，"象限观点"由宏观预期动量指标给出，该指标综合考虑资产价格交易的"买方预期动量"和经济指标预期差体现的"卖方预期差动量"[41]；模型月频调仓，10月配置观点为超配"增长超预期"象限和"通胀超预期"象限[5] 模型的回测效果 **1 A股大盘择时模型** - 今年以来扣费后收益：37.73%[2] - 同期万得全A涨跌幅：21.64%[2] - 超额收益：16.10%[2] - 上周超额收益：3.45%[2] - 回测区间年化收益：24.97%[14] - 最大回撤：-28.46%[14] - 夏普比率：1.16[14] - Calmar比率：0.88[14] **2 红利风格择时模型** - 今年以来收益：19.53%[17] - 同期基准收益：12.94%[17] - 超额收益：6.59%[17] - 回测区间年化收益：15.71%[20] - 最大回撤：-25.52%[20] - 夏普比率：0.85[20] - Calmar比率：0.62[20] **3 大小盘风格择时模型** - 今年以来收益：64.58%[24] - 同期基准收益：38.08%[24] - 超额收益：26.50%[24] - 回测区间年化收益：26.01%[27] - 最大回撤：-30.86%[27] - 夏普比率：1.08[27] - Calmar比率：0.84[27] **4 遗传规划行业轮动模型** - 今年以来绝对收益：39.41%[4] - 跑赢行业等权基准：19.56pct[4] - 回测区间年化收益：33.33%[32] - 年化波动：17.89%[32] - 夏普比率：1.86[32] - 最大回撤：-19.63%[32] - 卡玛比率：1.70[32] **5 中国境内全天候增强组合** - 今年以来绝对收益：10.74%[5] - 夏普比率：2.33[5] - 最大回撤：2.67%[5] - 卡玛比率：5.38[5] - 月度胜率：100%[5] - 回测区间年化收益：11.66%[42] - 年化波动：6.18%[42] - 夏普比率：1.89[42] - 最大回撤：-6.30%[42] - 卡玛比率：1.85[42] 量化因子与构建方式 **1 因子名称：遗传规划挖掘的行业轮动因子** - **因子构建思路**：采用遗传规划技术直接从行业指数的量价、估值等数据挖掘因子，不再依托逻辑设计行业打分规则[32] - **因子具体构建过程**：底层输入变量包括收盘价原始值、开盘价原始值、最高价原始值、最低价原始值、成交额原始值、换手率原始值等原始数据，以及标准化处理后的各类技术指标[36]；最新一期权重最高的因子表达式为：ts_grouping_deczscorecut_torch(ts_covariance_torch(wlow_st, mopen_st, 25), whigh_st, 15, 2.0, 2)，训练集IC为0.081，训练集NDCG@5为0.350，因子权重29.4%[36]

根据研报内容，总结如下： 量化模型与构建方式 1. **模型名称：基于微观的择时+打分风格轮动模型**[4][9] * **模型构建思路**：从基础风格因子（估值、市值、波动率、动量）出发，通过构造大量微观特征，并使用随机森林模型对单个风格进行择时和打分，最终综合构建月频风格轮动模型[4][9] * **模型具体构建过程**： 1. 以80个底层微观因子作为原始特征[9] 2. 基于80个基础微观指标，构造640个微观特征[4][9] 3. 通过常用指数作为风格股票池取代风格因子的绝对比例划分，构造新的风格收益作为标签[4][9] 4. 使用随机森林模型对单个风格进行择时，并得到每种风格的当期得分[4][9] 5. 根据择时结果与打分结果，综合构造月频风格轮动模型[4][9] 模型的回测效果 1. **基于微观的择时+打分风格轮动策略**[10][11] * 年化收益率：16.41%[10][11] * 年化波动率：20.43%[10][11] * 信息比率(IR)：0.80[10][11] * 月度胜率：58.49%[10][11] * 历史最大回撤：25.54%[11] 2. **策略对冲市场基准（超额收益）**[10][11] * 年化收益率：10.54%[10][11] * 年化波动率：10.85%[10][11] * 信息比率(IR)：0.97[10][11] * 月度胜率：55.66%[10][11] * 历史最大回撤：8.79%[10][11] 量化因子与构建方式 1. **因子名称：估值因子**[4][9] * **因子构建思路**：作为基础风格因子之一，用于构建风格轮动模型[4][9] 2. **因子名称：市值因子**[4][9] * **因子构建思路**：作为基础风格因子之一，用于构建风格轮动模型[4][9] 3. **因子名称：动量因子**[4][9] * **因子构建思路**：作为基础风格因子之一，用于构建风格轮动模型[4][9] 4. **因子名称：波动率因子**[4][9] * **因子构建思路**：作为基础风格因子之一，用于构建风格轮动模型[4][9] 最新模型应用与持仓 * **2025年10月最新风格择时方向**：价值、大市值、动量、低波[2][19] * **2025年10月风格轮动模型最新持仓**：通过配置相关指数ETF实现风格暴露，具体包括中证央企红利、中证银行、中证影视、CS电池、中证全指房地产等指数对应的ETF[3][19]

量化模型与构建方式 1. A股大盘择时模型 - **模型名称**：A股多维择时模型[2][9] - **模型构建思路**：从估值、情绪、资金、技术四个维度对万得全A指数进行整体方向性判断，左侧指标（估值、情绪）采用反转逻辑规避风险，右侧指标（资金、技术）采用趋势逻辑捕捉机会[9] - **模型具体构建过程**： - 选取四个维度的具体指标： - 估值维度：股权风险溢价（ERP）[9][15] - 情绪维度：期权沽购比、期权隐含波动率、期货会员持仓比[9][15] - 资金维度：融资买入额[9][15] - 技术维度：布林带、个股涨跌成交额占比差[9][15] - 各维度日频发出信号，每日信号取值为0（看平）、+1（看多）、-1（看空）[9] - 以各维度得分之和的正负性作为大盘多空观点的依据[9] 2. 红利风格择时模型 - **模型名称**：红利风格择时模型[3][17] - **模型构建思路**：结合中证红利相对中证全指的动量、10Y-1Y期限利差和银行间质押式回购成交量三者的趋势进行择时[3][17] - **模型具体构建过程**： - 选取三个维度的指标： - 中证红利相对中证全指的动量：红利风格正向指标[21] - 10Y-1Y期限利差：红利风格负向指标[21] - 银行间质押式回购成交量：红利风格正向指标[21] - 三个指标从趋势维度日频发出信号，每日信号取值为0（看平）、+1（看多）、-1（看空）[17] - 以各维度得分之和的正负性作为红利风格多空观点的依据[17] - 当模型看好红利风格时全仓持有中证红利，不看好时全仓持有中证全指[17] 3. 大小盘风格择时模型 - **模型名称**：大小盘风格择时模型[3][22] - **模型构建思路**：采用基于拥挤度分域的趋势模型进行择时，在不同拥挤度区间采用不同参数的双均线模型判断趋势[3][22][24] - **模型具体构建过程**： - 以沪深300指数和万得微盘股指数为大小盘风格代表[22] - 从动量视角和成交视角计算大小盘风格拥挤度得分[22][26]： - 动量之差：计算万得微盘股指数与沪深300指数的多窗长（10/20/30/40/50/60日）动量之差，进一步计算各窗长动量之分的3.0/3.5/4.0/4.5/5.0年分位数的均值，对6个计算窗长下分位数最高的3个结果取均值作为小盘风格的动量得分，最低的3个结果取均值作为大盘风格的动量得分[26] - 成交额之比：计算万得微盘股指数与沪深300指数的多窗长（10/20/30/40/50/60日）成交额之比，进一步计算各窗长成交额之比的3.0/3.5/4.0/4.5/5.0年分位数的均值，对6个计算窗长下分位数最高的3个结果取均值作为小盘风格的成交量得分，最低的3个结果取均值作为大盘风格的成交量得分[26] - 将小盘风格的动量得分和成交量得分取均值得到小盘风格的拥挤度得分，大于90%视为触发高拥挤；将大盘风格的动量得分和成交量得分取均值得到大盘风格的拥挤度得分，小于10%视为触发高拥挤[26] - 若最近20个交易日中曾触发过高拥挤，视为运行在高拥挤区间，否则为低拥挤区间[24] - 在高拥挤区间采用小参数双均线模型应对风格反转，在低拥挤区间采用大参数双均线模型跟踪中长期趋势[24] 4. 行业轮动模型 - **模型名称**：遗传规划行业轮动模型[4][29][32] - **模型构建思路**：采用双目标遗传规划技术直接对行业指数的量价、估值等特征进行因子挖掘，每季度末更新因子库，周频调仓[4][29][32] - **模型具体构建过程**： - 底层资产为32个中信行业指数[29] - 使用双目标遗传规划，以|IC|和NDCG@5两个指标同时评价因子的分组单调性和多头组表现[32] - 采用NSGA-II算法提升因子多样性、降低过拟合风险[33] - 结合贪心策略和方差膨胀系数，将共线性较弱的多个因子合成为行业得分[33] - 每周末选出多因子综合得分最高的五个行业进行等权配置[4][29] - 最新一期权重最大的因子基于单行业流动性中性化后的估值水平构建[36]： - 在截面上，用全体行业市净率滚动4年分位数对标准化月度成交额开展带有常数项的一元线性回归，取残差，记作变量A[37] - 在过去15个交易日中，取A最小的9个交易日，取其之和，记作变量B[37] - 在过去15个交易日中，对B开展zscore标准化；对于大于2.5的数值，进行反转即乘以-1；最后计算这15个交易日之和[37] 5. 中国境内全天候增强组合 - **模型名称**：中国境内全天候增强组合[5][38] - **模型构建思路**：采用宏观因子风险预算框架，选取增长超预期/不及预期、通胀超预期/不及预期四种宏观风险源作为平价对象，在四象限风险平价的基础上基于宏观预期动量的观点主动偏配看好象限[5][38] - **模型具体构建过程**： - 宏观象限划分与资产选择：选择增长和通胀维度，根据是否超预期划分为四象限，结合"定量+定性"的方式确定各象限适配的资产[41] - 象限组合构建与风险度量：象限内资产等权构建子组合，注重刻画象限的下行风险[41] - 风险预算模型确定象限权重：每月底根据"象限观点"调整象限风险预算，进行主动偏配[41] - "象限观点"由宏观预期动量指标给出，该指标综合考虑资产价格交易的"买方预期动量"和经济指标预期差体现的"卖方预期差动量"[41] - 模型月频调仓，9月配置观点为超配"增长超预期"象限和"通胀超预期"象限[5] 模型的回测效果 1. A股多维择时模型 - 回测区间：2010-01-05至2025-09-26[14] - 年化收益：25.23%[14] - 最大回撤：-28.46%[14] - 夏普比率：1.17[14] - Calmar比率：0.89[14] - YTD收益：40.98%[14] - 上周收益：0.15%[14] 2. 红利风格择时模型 - 回测区间：2017-01-03至2025-09-26[20] - 年化收益：16.04%[20] - 最大回撤：-25.52%[20] - 夏普比率：0.87[20] - Calmar比率：0.63[20] - YTD收益：21.75%[20] - 上周收益：0.23%[20] 3. 大小盘风格择时模型 - 回测区间：2017-01-03至2025-09-26[27] - 年化收益：26.25%[27] - 最大回撤：-30.86%[27] - 夏普比率：1.09[27] - Calmar比率：0.85[27] - YTD收益：65.89%[27] - 上周收益：1.07%[27] 4. 遗传规划行业轮动模型 - 回测区间：2022-09-30至2025-09-26[32] - 年化收益：32.60%[32] - 年化波动：17.95%[32] - 夏普比率：1.82[32] - 最大回撤：-19.63%[32] - 卡玛比率：1.66[32] - 上周表现：0.27%[32] - YTD收益：36.44%[32] 5. 中国境内全天候增强组合 - 回测区间：2013-12-31至2025-09-26[42] - 年化收益：11.53%[42] - 年化波动：6.16%[42] - 夏普比率：1.87[42] - 最大回撤：-6.30%[42] - 卡玛比率：1.83[42] - 上周表现：0.66%[42] - YTD收益：9.02%[42]