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. **模型名称**：分红预测模型 - **模型构建思路**：基于上市公司分红数据和历史分红模式，预测分红对股指期货合约的影响[3][6][7] - **模型具体构建过程**： 1. **预估成分股净利润**：以年报公布的净利润为准，结合快报、预警及分析师预测综合调整[19][21] 2. **计算税前分红总额**： - 若已公布分红预案，直接使用税前分红总额[25] - 未公布时，假设分红率（分红金额/净利润）不变，计算税后分红总额[21] 3. **计算分红对指数的影响**： - 股息率 = 税后分红总额 / 最新市值 - 股息点 = 股票权重 × 股息率 - 权重调整公式： $$\mathrm{w_{it}={\frac{w_{i0}\times\mathrm{\(\1+R\)}}{\sum_{1}^{n}w_{i0}\times\mathrm{\(\1+R\)}}}}$$ 其中 \(w_{i0}\) 为初始权重，\(R\) 为涨跌幅[22] 4. **预测分红对各合约的影响值**： - 参考历史除权除息日与股东大会时间差的中位数，预测当前除权除息日[24][26] - 累加交割日前所有分红，得到影响点数[24] - **模型评价**：依赖历史数据和假设，若分红率突变可能导致预测偏差[3][27] 2. **模型名称**：股指期货定价模型（理论模型） - **模型构建思路**：基于无套利条件，考虑分红现值和利率影响[27][28] - **模型具体构建过程**： - **离散红利分配**： $$\mathbf{D}=\sum_{\mathrm{i=1}}^{\mathrm{m}}\mathbf{D}_{\mathrm{i}}\,/(1+\phi)$$ 其中 \(\phi\) 为无风险利率，期货定价公式： $$F_t = (S_t - D)(1 + r)$$[27] - **连续红利分配**： 假设年化红利率为 \(d\)，无风险利率为 \(r\)，理论价格为： $$F_t = S_t e^{(r-d)(T-t)}$$[28] 模型的回测效果 1. **分红预测模型**： - 上证50、沪深300、中证500、中证1000的8月合约分红点数分别为3.62、7.76、9.18、6.25[3][8][9][10] - 年化对冲成本（剔除分红）：上证50（-3.44%）、沪深300（-1.03%）、中证500（7.79%）、中证1000（11.11%）[3][8][9][10] 2. **股指期货定价模型**： - 实际价差与含分红价差对比显示，IH2508升水7.30点，IC2508贴水-36.43点[8][10] 量化因子与构建方式 1. **因子名称**：分红剩余影响因子 - **因子构建思路**：衡量分红对合约剩余期限的影响比例[8][9][10] - **因子具体构建过程**： - 计算合约到期前的累计分红点数占指数比例[11] - 例如，上证50期货8月合约剩余影响为0.13%[8] 因子的回测效果 1. **分红剩余影响因子**： - 上证50、沪深300、中证500、中证1000的8月合约剩余影响分别为0.13%、0.19%、0.15%、0.10%[11] 其他关键数据 - **分红时间分布**：集中在5-7月，影响涵盖此期间的期指合约[7] - **成分股分红进度**：截至7月18日，上证50成分股中40家已实施分红，沪深300中230家实施[7]

量化模型与因子分析总结 量化因子与构建方式 1. **市值因子** - 构建思路：通过线性关系描述股票市值大小对收益的影响[12] - 具体构建：将全市场股票按市值等分为10组(G01-G10)，计算各组超额收益。市值最小组(G01)超额收益最高达22.4%，随市值增加收益递减，最大值组(G10)为-5.6%[19][22] - 因子评价：2025H1表现最强的风格因子，分组效果显著且收益稳定[19] 2. **中盘因子** - 构建思路：通过三次函数刻画大盘/小盘之外的股票特征[24] - 具体构建：定义为非线性市值因子，中证1000和中证500为中盘集中域。中盘最小/次小组(G01/G02)收益显著高于其他组(21.6%/13.7%)，其余组收益分化较小(-2.7%~1.5%)[19][22] - 因子评价：与市值因子存在部分重叠但提供额外收益维度[24] 3. **规模因子(量价类)** - 构建结果：在中证1000指增测试中累计收益6.09%，自相关性21%，表现优于其他量价因子[63] 4. **分析师预期因子组合** - 包含细分：估值(3.51%)、成长(5.00%)、盈利调整(4.39%)等，其中盈利调整因子自相关性达-77%[63] 5. **基本面因子组合** - 包含细分：成长因子累计收益4.68%，盈利动量反转1.83%，波动率2.35%[63] 模型回测效果 1. **成分占比80%的指增模型** - 沪深300指增：超额7.97%，IR 5.38，最大回撤-1.16%(约束市值/中盘敞口0.4)[35] - 中证500指增：超额9.20%，IR 5.24，最大回撤-1.39%(含10%微盘占比)[35] - 中证1000指增：超额10.12%，IR 5.40，最大回撤-1.50%[35] 2. **放宽成分占比的指增模型** - 中证500指增(40%成分+20%微盘)：超额17.08%，IR 5.07，最大回撤-2.43%[40] - 中证1000指增(40%成分+20%微盘)：超额16.81%，IR 5.38，最大回撤-2.04%[40] 3. **多因子组合模型** - 中证1000指增精选3类因子：累计超额11.28%，规模因子单独贡献6.09%[63] 关键发现 1. 市值分组效应显著，最小市值组超额22.4%且随市值增加收益递减[19][22] 2. 中盘因子最小两组(G01/G02)市场权重仅3.1%但超额显著[19][23] 3. 银行行业是唯一能提供稳定超额的行业(累计收益5.0%，IR 4.0)[16][18] 4. 2025H1相较历史时期：正超额市值分组更多、收益分化更平滑[51][55] 5. 成分占比放宽至40%配合微盘暴露可提升超额收益3-5%[40]

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**：电子均衡配置增强组合 - **模型构建思路**：采用"自上而下"的选股逻辑，结合行业核心要点筛选电子板块内潜力标的[12] - **模型具体构建过程**： 1) 聚焦电子板块三级细分行业（如LED芯片、电子终端品）[24][29] 2) 通过基本面因子库筛选高契合度个股[12] 3) 采用月度调仓机制控制风险[36] 2. **模型名称**：电子板块优选增强组合 - **模型构建思路**：针对成熟期细分赛道，精选龙头企业构建组合[13] - **模型具体构建过程**： 1) 在电子二级行业中筛选涨幅前20%的子行业（如周度涨幅超2.5%的LED芯片）[24] 2) 结合财务数据滞后性调整持仓权重[36] 3. **模型名称**：攻守兼备红利50组合 - **模型构建思路**：平衡稳健与成长属性，在央国企红利资产中优选标的[13] - **模型具体构建过程**： 1) 跟踪中证中央企业红利指数(000825.CSI)等基准[17] 2) 结合拥挤度指标动态调整持仓[18] 4. **模型名称**：央国企高分红30组合 - **模型构建思路**：专注央国企高分红标的，强化防御属性[13] - **模型具体构建过程**： 1) 选取中证国有企业红利指数(000824.CSI)成分股[17] 2) 通过股息率与波动率双重筛选[20] 模型的回测效果 1. **电子均衡配置增强组合** - 2025年初至今超额收益：3.97% vs 电子行业指数[30] - 周度最大回撤：未披露 2. **电子板块优选增强组合** - 2025年初至今超额收益：5.78% vs 电子行业指数[30] - 周度超额收益：0.52%[30] 3. **攻守兼备红利50组合** - 2025年初至今超额收益：3.71% vs 中证红利全收益[20] - 绝对收益分位数：37%（红利类基金）[20] 4. **央国企高分红30组合** - 周度绝对收益：0.76%[20] - 年初最大回撤：未披露 量化因子与构建方式 （注：报告中未明确披露具体因子构建细节，以下为隐含因子） 1. **因子名称**：红利质量因子 - **因子构建思路**：结合股息率与财务稳健性筛选标的[17] - **隐含构建过程**： $$ \text{红利质量得分} = \frac{\text{近3年股息支付率}}{\text{资产负债率}} $$ 2. **因子名称**：电子行业动量因子 - **因子构建思路**：捕捉细分赛道短期价格动能[24] - **隐含构建过程**： $$ \text{动量值} = \frac{\text{周度涨幅}}{\text{行业波动率}} $$ 因子的回测效果 1. **红利质量因子** - 央国企红利指数周度收益：0.81%（超额中证红利0.32%）[17] 2. **电子行业动量因子** - LED芯片子行业周度收益：2.5%+[24] 模型评价 1. 电子增强组合展现出稳定的超额获取能力，尤其在政策敏感期表现突出[5] 2. 红利组合防御属性显著，但在小微盘强势阶段相对收益弹性不足[14] 3. 主动量化框架有效结合了行业逻辑与量化筛选优势[12]

量化模型与因子分析总结 风格因子分析 1. **Trend风格因子** 构建思路：通过指数加权移动平均(EWMA)计算不同半衰期价格趋势的比值来衡量股票趋势强度[17] 具体构建： - Trend_120 = EWMA(halflife=20)/EWMA(halflife=120) - Trend_240 = EWMA(halflife=20)/EWMA(halflife=240) 评价：反映市场对趋势投资策略的持续偏好，近期表现突出[12][14] 2. **Beta风格因子** 构建思路：采用贝叶斯压缩方法计算个股对市场的敏感度[17] 评价：高Beta股票近期关注度回升[12][14] 3. **Growth风格因子** 构建思路：包含ROE变动、销售收入和净资产复合增速三个子因子[17] 具体构建： - Delta ROE = 过去3年ROE变动的平均值 - Sales_growth = 销售收入TTM的3年复合增速 - Na_growth = 净资产TTM的3年复合增速 评价：市场对成长型股票偏好增强[12][14] 4. **Size风格因子** 构建思路：采用总市值对数衡量[17] 评价：近期表现承压，市场对小盘股关注度减弱[12][14] 量化因子分析 估值类因子 1. **BP因子** 构建思路：账面市值比，计算为净资产/总市值[23] 评价：在多个样本空间中表现稳健[27][32][37][43][47][53][57] 2. **EP因子** 构建思路：盈利收益率，计算为归母净利润/总市值[23] 具体变体： - 单季EP = 单季度归母净利润/总市值 - TTM_EP = 滚动市盈率倒数[23] 成长类因子 1. **单季净利同比增速** 构建思路：单季度净利润同比增长率[23] 评价：在中证全指样本空间表现最佳[57] 2. **DELTAROE因子** 构建思路：单季净资产收益率同比变化[23] 评价：在中证1000样本空间表现突出[43] 3. **标准化预期外盈利(SUE)** 构建思路：(单季实际净利-预期净利)/预期净利标准差[23] 评价：在中证500样本空间表现最佳[32] 盈利类因子 1. **单季ROE** 构建思路：单季净利润*2/(期初净资产+期末净资产)[23] 评价：在创业板指样本空间表现分化[53] 2. **PB_ROE_排序差** 构建思路：全市场PB排序-单季ROE排序[23] 评价：在中证1000样本空间表现最佳[43] 流动性类因子 1. **特异度(IVR_1M)** 构建思路：1-过去20日Fama-French三因子回归拟合度[23] 评价：在沪深300和中证800样本空间表现突出[27][37] 因子回测效果 风格因子表现 | 因子名称 | 近一周 | 近一月 | 今年以来 | 历史年化 | |---------|-------|-------|---------|---------| | Trend | 2.15% | 5.62% | -1.74% | 14.22% | | Beta | 1.53% | 6.78% | 15.11% | 0.66% | | Growth | 1.42% | 1.96% | 0.17% | 2.81% | | Size | -1.08% | -2.63% | -35.83% | -29.71% | [14] 量化因子表现（以中证全指为例） | 因子名称 | 近一周 | 近一月 | 今年以来 | 历史年化 | |---------|-------|-------|---------|---------| | 单季净利同比增速 | 1.69% | 3.19% | 8.08% | 3.20% | | 单季营利同比增速 | 1.49% | 3.18% | 6.66% | 0.69% | | DELTAROE | 1.27% | 3.64% | 9.97% | 3.68% | [57] 指数增强产品表现 沪深300增强 | 分位点 | 近一周 | 近一月 | 今年以来 | |-------|-------|-------|---------| | max | 0.93% | 1.90% | 8.86% | | 中位数 | 0.20% | 0.48% | 2.54% | [64][66] 中证500增强 | 分位点 | 近一周 | 近一月 | 今年以来 | |-------|-------|-------|---------| | max | 0.74% | 2.26% | 9.15% | | 中位数 | 0.15% | 0.86% | 3.88% | [68][70] 中证1000增强 | 分位点 | 近一周 | 近一月 | 今年以来 | |-------|-------|-------|---------| | max | 0.94% | 2.29% | 13.65% | | 中位数 | 0.17% | 0.98% | 5.82% | [72][74] 组合构建方法 **MFE组合构建模型**： $$\begin{array}{ll}max&f^{T}w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &0\leq w\leq l\\ &1^{T}w=1\\ &\Sigma|w-w_{0}|\leq to_{h}\end{array}$$ 该模型通过最大化单因子暴露(f^T w)构建组合，同时控制风格偏离(X)、行业偏离(H)、个股权重偏离等约束条件[75][76]

根据提供的研报内容，以下是量化模型与因子的系统总结： 量化模型与构建方式 1. **模型名称**：双峰扩散模型 **构建思路**：解析动量反转效应，生成单峰（均值回归）或双峰（动量）价格分布[13][15] **具体构建**：采用三参数扩散方程建模股价动态，通过调整参数控制分布形态（单峰/双峰） **评价**：有效捕捉市场异象，但需高频数据支持 2. **模型名称**：IPCA因子模型 **构建思路**：解释期权策略收益来源[21][22] **具体构建**： $$ r_{option} = \sum_{k=1}^K \beta_k F_k + \epsilon $$ 其中$F_k$为隐含主成分因子，$\beta_k$为因子载荷 **评价**：对46种期权策略收益解释力达80% 3. **模型名称**：多层矩阵因子模型 **构建思路**：整合全局与局部因子提升股票多指标分析精度[17] **具体构建**：采用层级矩阵分解： $$ X = L_1G_1 + L_2G_2 + E $$ $L_1$为全局因子载荷，$L_2$为行业局部因子 4. **模型名称**：神经函数生成组合(NFGP) **构建思路**：融合Transformer与扩散模型优化资产配置[34][35] **具体构建**：通过注意力机制提取时序特征，联合优化收益预测与风险控制模块 **评价**：概率时序预测误差较基准降低42% 量化因子与构建方式 1. **因子名称**：对抗坏贝塔(BABB) **构建思路**：改进BAB策略的低风险投资效果[13][15] **具体构建**：双重排序剔除高特质波动股票，保留低系统风险组合 **评价**：需管理交易成本，熊市表现优异 2. **因子名称**：纯净价值因子 **构建思路**：机器学习构建控制风险后的价值指标[24][25] **具体构建**：XGBoost筛选与估值相关但与其他风险因子正交的特征 3. **因子名称**：情绪敏感度溢价 **构建思路**：捕捉独立于传统情绪指标的超额收益[15] **具体构建**：通过新闻情感分析构建情绪冲击响应系数 4. **因子名称**：高铁网络中心性因子 **构建思路**：量化交通网络对企业融资成本的影响[24][25] **具体构建**：基于图算法计算企业所在地高铁节点PageRank值 模型回测效果 1. **IPCA因子模型**：月均异常收益趋近零，期权策略收益解释力80%[22] 2. **NFGP模型**：年化夏普比率1.74，最大回撤较基准降低15%[35] 3. **端到端网络动量框架(L2GMOM)**：20年回测夏普比率1.74[33] 因子回测效果 1. **BABB因子**：年化超额收益6%，最大单月回撤8.2%[15] 2. **纯净价值因子**：信用债年化超额3-4%，错误定价收益占比提升23%[25] 3. **账面市值比因子**：公司债年化超额3-4%，预测力随延迟衰减[25] 注：部分模型/因子因研报未提供完整测试参数（如IC、IR等）暂缺对应指标[17][21]

基金市场与ESG产品周报 - 国内权益市场涨势延续，各类基金指数均实现正收益，权益类基金净值表现占优 [3] - 医药主题基金净值涨幅居首位，TMT、国防军工主题基金表现较弱 [3] - 股票型ETF资金净流出208.17亿元，主要减仓大盘宽基ETF [3] - 港股ETF资金持续显著流入，净流入78.21亿元 [3] 金融工程市场跟踪周报 - A股震荡上涨，上证50量能择时指标维持看多信号 [3] - 股票型ETF整体延续止盈状态维持净流出 [3] - 市场催化"反内卷"主题，光伏、大宗商品表现强势但延续性不佳 [3] - 短期市场或转向风格均衡表现，金融地产主题占优 [3] 6月金融数据前瞻 - 预计6月人民币贷款增量2.3-2.5万亿，同比多增2000-4000亿 [4] - 社融增量稳定，信贷与政府债增发支撑，社融增速有望抬高 [4] - 低基数下预计6月M1、M2增速环比上修 [4] 基础化工行业周报 - 中央财经委员会会议强调治理企业低价无序竞争，引导企业提升产品品质 [5] - 会议指出强化市场优胜劣汰机制，畅通落后低效产能退出渠道 [5] - 光伏材料行业格局将迎优化 [5] 医药生物行业跨市场周报 - 国家药监局发布支持高端医疗器械创新发展举措 [5] - 创新医疗器械产品有望更快实现商业化落地 [5] - 政策支持高端医疗器械企业"出海"发展，推动行业国际化 [5] - 研发实力强劲、产品规模化领先、出海战略领先的龙头企业有望获益 [5] 中国宏桥动态跟踪 - 2025年上半年净利润预计增加35%至约123.6亿元 [6] - 成本端下滑叠加铝价坚挺支撑业绩高增 [6] - 西芒杜铁矿项目未来有望提供新的增长点 [6] - 一体化全产业链布局，高股息持续强化股东回报 [6] 燕京啤酒业绩预告 - 25H1预计归母净利润10.62-11.37亿元，同比增长40%-50% [6] - 25Q2利润维持高增，降本增效持续推进 [6] - 以U8为抓手拓展新市场、新渠道 [6] - 25年实施"啤酒+饮料"营销策略 [6]

量化模型与构建方式 1. **模型名称**：利率价量多周期择时策略 - **模型构建思路**：通过核回归算法捕捉利率趋势形态，识别不同周期（长、中、短）下的支撑线与阻力线突破信号，结合投票机制生成综合择时信号[10] - **模型具体构建过程**： 1. **周期划分**：长周期（月度切换）、中周期（双周度切换）、短周期（周度切换）[10] 2. **信号生成规则**： - 若至少2个周期出现向下突破支撑线且趋势非向上，满配长久期债券 - 若至少2个周期出现向下突破支撑线但趋势向上，配置50%中久期+50%长久期 - 若至少2个周期出现向上突破阻力线且趋势非向下，满配短久期债券 - 若至少2个周期出现向上突破阻力线但趋势向下，配置50%中久期+50%短久期 - 其余情况等权配置短、中、长久期债券[23] 3. **止损机制**：单日超额收益<-0.5%时切换为等权配置[23] - **模型评价**：通过多周期共振降低噪声干扰，但依赖历史形态识别的稳定性[10] 2. **模型名称**：公募债基久期测算模型 - **模型构建思路**：基于改进的回归模型动态跟踪公募基金久期及分歧水平，反映机构行为[13] - **模型具体构建过程**： 1. **数据输入**：全市场中长期纯债基金持仓数据（含杠杆调整）[13] 2. **指标计算**： - 久期中位数：$$ \text{Median}(D_i) $$，其中$D_i$为第$i$只基金久期 - 久期分歧：截面标准差$$ \sigma_D = \sqrt{\frac{1}{N}\sum_{i=1}^N (D_i - \bar{D})^2} $$[14] 3. **平滑处理**：采用4周移动平均消除短期波动[14] 模型的回测效果 1. **利率价量多周期择时策略**： - 长期年化收益率6.17%，最大回撤1.52%，收益回撤比2.26[24] - 短期年化收益率7.24%，最大回撤1.55%，收益回撤比6.21[4] - 长期超额收益率1.65%，短期超额收益率2.14%[24] - 逐年绝对收益胜率100%，超额收益胜率100%[24] 量化因子与构建方式 1. **因子名称**：利率水平结构因子 - **因子构建思路**：反映利率绝对水平偏离历史均值的程度[7] - **因子具体构建过程**： 1. 计算1-10年期国债到期收益率均值$$ \text{Level} = \frac{1}{10}\sum_{t=1}^{10} YTM_t $$ 2. 标准化为历史分位数（3/5/10年滚动窗口）[9] 2. **因子名称**：利率期限结构因子 - **因子构建思路**：刻画长短期利差变化[7] - **因子具体构建过程**： 1. 计算期限利差$$ \text{Term} = YTM_{10y} - YTM_{1y} $$ 2. 标准化为历史分位数[9] 3. **因子名称**：利率凸性结构因子 - **因子构建思路**：衡量收益率曲线弯曲程度[7] - **因子具体构建过程**： 1. 计算凸性指标$$ \text{Convexity} = YTM_{5y} - \frac{YTM_{1y} + YTM_{10y}}{2} $$ 2. 标准化为历史分位数[9] 因子的回测效果 1. **利率水平结构因子**： - 当前读数1.51%，处于3/5/10年分位数6%/4%/2%[9] 2. **利率期限结构因子**： - 当前读数0.31%，处于3/5/10年分位数14%/8%/11%[9] 3. **利率凸性结构因子**： - 当前读数0.01%，处于3/5/10年分位数16%/9%/9%[9] 其他关键指标 1. **公募债基久期指标**： - 久期中位数3.51年（历史5年分位数96.53%）[6] - 久期分歧1.55年（历史5年分位数59.07%）[14] 2. **公募债基YTM指标**： - YTM中位数1.7%，4周移动平均1.74%[18]

量化模型与构建方式 1. **模型名称**："时钟+拐点改善法"大类资产轮动模型 **模型构建思路**：结合宏观风险因子状态（经济增长、通胀、利率、信用、汇率、期限利差）与投资时钟规律，通过相位判断法优化拐点识别，动态调整资产配置[8][9][12][16][24] **模型具体构建过程**： - **宏观因子构建**： - 经济增长因子：工业增加值同比、PMI、社会消费品零售总额同比，经HP滤波处理后波动率倒数加权合成[8] - 通胀因子：PPI同比、CPI同比，HP滤波后波动率倒数加权[8] - 利率因子：中债-国债总财富指数与中证货币基金指数等权组合，计算净值同比收益率[8] - 汇率因子：上海金与伦敦金现多空组合净值同比收益率[8] - 信用因子：中债-企业债AAA指数与中债-国债总指数久期中性组合净值同比收益率[8] - 期限利差因子：中短期债券与长期债券久期中性组合净值同比收益率[8] - **状态判断规则**： - 因子动量法：$$Momentum_{t}=X_{t}-\frac{1}{3}(X_{t-1}+X_{t-2}+X_{t-3})$$，连续两期同向判定状态[16] - 相位判断法：38个月周期正弦波拟合，划分上行/下行/顶部/底部区域，结合动量法优化拐点识别[21][22] - **资产配置规则**： - 初始风险配比1:1:1:0.5:0.5（大盘股:小盘股:债券:商品:黄金），根据宏观因子得分调整（正分翻倍，负分减半）[24] **模型评价**：融合多维度宏观因子与周期规律，在控制风险前提下实现稳定收益[26][27] 2. **因子名称**：宏观风险因子体系（经济增长、通胀、利率、信用、汇率、期限利差） **因子构建思路**：通过宏观经济指标与资产组合构建多维度风险因子[8] **因子具体构建过程**： - **合成方法**： - 经济增长/通胀因子：HP滤波后波动率倒数加权[8] - 利率/信用/汇率/期限利差因子：构造多空或中性组合计算净值同比收益率[8] **因子评价**：全面刻画宏观经济状态，为资产配置提供量化依据[8][12] --- 模型的回测效果 1. **"时钟+拐点改善法"模型**： - 总收益率242.45%，年化收益率9.93%，年化波动率6.83%[27] - 夏普比率1.45，最大回撤6.31%，胜率73.08%[27] - 2025年6月收益率0.72%（基准2.76%），配置比例债券88.54%、黄金5.81%[31][32] --- 量化因子与构建方式 1. **因子名称**：投资时钟状态得分因子 **因子构建思路**：根据增长-通胀时钟、利率-信用时钟等宏观状态对资产打分（-2至2分）[14][15] **因子具体构建过程**： - 复苏期：大盘股+2、小盘股+2、债券-2、商品+2、黄金+1[15] - 紧利率宽信用：大盘股+2、小盘股+2、债券-2、商品+2、黄金+2[15] **因子评价**：量化历史规律，指导资产配置方向[12][15] --- 因子的回测效果 1. **宏观风险因子状态（2025年6月）**： - 经济增长↑、通胀↓、利率↓、信用↓、汇率↓、期限利差↓[36] - 对应配置观点：看多债券/黄金，谨慎权益/商品[33]

物业应收账款研究 - 行业应收账款规模从2021年开始步入增长，2020-2024年30家上市物企应收账款合计规模分别为291.8亿元、483.2亿元、683.4亿元、742.5亿元和753.7亿元，增速分别为+42.6%、+65.6%、+41.4%、+8.7%和+1.5%，2023年起增速收窄明显 [3] - 关联方应收占比由47%降至39%，第三方应收占比由53%上升至61%，母公司出险企业关联方应收占比由2019年91%下降至2024年44% [4] - 样本企业账期拉长，1年以内应收账款占比由2019年89%降至2024年58%，应收账款计提比例由4%跃升至26%，综合回款率从90%下降至78% [4] - 母公司背景优秀及商管类企业的应收/营收占比较低，商管类企业商户缴费较好收回，不存在长期欠费情况 [3][5] 投资建议 - 具备独立业务竞争能力、能合理减少关联交易的企业是重要衡量标准 [5] - 推荐关联母公司背景优秀、历史问题逐步出清且应收账款风险可控、商业模式具有天然优势的企业 [5] 大小盘风格轮动 - 月度量 化模型信号为0.83，历史7月小盘略占优，建议7月超配小盘风格，中长期更看好小盘风格 [10] - 市值因子最新估值价差为1.15，相对历史高点区域1.7~2.6，估值价差当前位置不高 [10] - 本年大小盘风格轮动月度策略相对于等权基准超额收益3.3% [10] 价值成长风格轮动 - 月度量化模型信号为0.33，指向成长风格，历史7月成长相对占优，建议7月超配成长风格 [11] - 本年价值成长风格轮动策略超额收益6.2% [11] 风格因子表现 - 8个大类因子中，本月波动率、价值因子正向收益较高，大市值、流动性因子负向收益较高 [11] - 24个风格因子中，本月贝塔、行业动量、短期反转因子正向收益较高，大市值、中市值、流动性因子负向收益较高 [11] 因子协方差矩阵 - 利用多因子模型将股票协方差矩阵拆解为因子协方差矩阵和股票特质风险矩阵的结合，完成较为准确的估计 [12]

报告核心观点 - 7月建议不轻易低配A股，关注中报业绩定价线索，积极参与市场突破，重视业绩确定性线索指引；探索利用DeepSeek辅助降低基金跟踪误差；创新药领域需求驱动、政策赋能，华夏中证生物科技主题ETF有投资价值；看好容知日新发展并给予买入评级；美股代币化推进提速；国产光模块迎业绩收获期；关注镇痛机制多元化药品临床进展 [1][2][3][6][12][13][15][16] 各报告总结 【策略】7月市场观点：积极参与突破，重视业绩定价线索 - 中报业绩边际改善多为结构性机会，涉及大消费、上游涨价、中游放量等领域 [2] - 6月权益资产普遍修复，A股多个宽基指数向上突破，通信、军工、有色领涨，食饮、美护、家电跌幅居多 [2] - 7月大势积极参与突破，交易层面增加仓位博弈弹性，配置层面关注业绩确定性线索 [2] 【金融工程】"薪火"量化分析系列研究（五）如何利用DeepSeek辅助降低跟踪误差 - 结合热点探索DeepSeek能否辅助基金管理者降低产品相对于基准的跟踪误差，按其方案设计策略落地方法及组合构建代码 [3] - DeepSeek给出方案与团队方案吻合度高，还能拓展构建最优方案 [4] 【金融工程】需求驱动叠加政策赋能——华夏中证生物科技主题ETF基金投资价值分析 - 创新药领域需求端结构升级、政策支持完善、估值处于底部，具备系统性反弹基础 [6][7] - 中证生物科技主题指数反映生物科技类股票表现，前十大成分股集中度高，聚焦医药行业，成分股在多概念上暴露高 [8] - 华夏中证生物科技主题ETF紧密跟踪标的指数，追求跟踪偏离度和跟踪误差最小化 [9] 【金融工程】七月配置建议：不轻易低配A股 - A股是高赔率 - 中等胜率品种，债券是极低赔率 - 高胜率品种，美股是极低赔率 - 中高胜率品种 [10] 【机械设备】容知日新（688768.SH）-蓝海市场渗透率提升，预测性维护让工业更美好 - 预测性维护符合行业趋势，公司毛利率和净利率水平高，战略转型展开，推出工业大模型PHMGPT [12] - 预计2025 - 2027年营收和归母净利润增长，给予2025年35倍PE，首次覆盖给予“买入”评级 [12] 【区块链】Robinhood入局，美股代币化再提速 - Robinhood在欧洲推出代币化美股与ETF交易，美股代币化推进将提速，有望倒逼监管跟进 [13][14] - 机构积极游说监管，股票代币化有望加速落地，建议关注相关美股、港股、A股 [14][15] 【通信】国产光模块迎来业绩收获期 - 光模块持续放量，全产业链有望受益，华工科技、中际旭创等企业有望受益 [15] 【医药生物】【创新药大牛市】分支思路（三）中小市值管线爆款：镇痛机制趋向多元化，关注相关药品临床进展 - 镇痛市场前景可期，镇痛机制趋向多元化，KOR激动剂为术后镇痛新方向 [16] - 阳光诺和的STC007注射液II期临床试验达成预设目标，疗效明确，安全性优异 [16]