核心观点
　　针对十个风格因子，在全A股、沪深300、中证500、中证1000与创业板的股票池中分别统计因子的IC水平，以跟踪这些风格因子在不同区间内的表现。在全市场内，本周市值因子，非线性市值因子，贝塔因子表现较好。我们将十个风格因子进行标准化处理，分别选择在全A股、沪深300、中证500、中证1000与创业板五个股票池中因子多头排名前20%的股票，采用等权的方式构建多头组合并计算各自的收益率。从因子收益的表现来看，最近一周贝塔因子，盈利因子，杠杆因子等表现较好。
　　主要结论
　　因子库简介
　　中信建投因子库分为风格因子以及alpha因子库，其中风格因子有市值、非线性市值、贝塔、成长、盈利、价值、波动率、动量、流动性、杠杆10个因子，alpha因子主要是利用deepseek以及genetic program挖掘并经过严格筛选得到的12个FactorZoo基本面因子。本报告主要监控因子表现，通过多因子检验和单因子检验分别对风格因子和Alpha因子进行分析。多因子模型参考CNE5的风格因子模型对10个风格因子、国家因子以及行业因子进行时间序列回归。单因子检验通过IC和因子收益率两个维度对因子进行分析，观察因子之间的区别以及因子在时序上的变化。
　　风格因子表现
　　针对十个风格因子，在全A股、沪深300、中证500、中证1000与创业板的股票池中分别统计因子的IC水平，以跟踪这些风格因子在不同区间内的表现。在全市场内，本周市值因子，非线性市值因子，贝塔因子表现较好。
　　我们将十个风格因子进行标准化处理，分别选择在全A股、沪深300、中证500、中证1000与创业板五个股票池中因子多头排名前20%的股票，采用等权的方式构建多头组合并计算各自的收益率。从因子收益的表现来看，最近一周收益，贝塔因子，盈利因子，杠杆因子等表现较好。总结
　　结合
　　风格因子多因子模型以及单因子检验，在全市场内，风格因子中本周市值因子，非线性市值因子，贝塔因子表现较好。
　　风险分析
　　本报告中所有数据结果是基于历史统计结果的展示，未来有可能发生风格切换导致因子失效的风险。模型运行存在一定的随机性，初始化随机数种子会对结果产生影响，单次运行结果可能会有一定偏差。历史数据的区间选择会对结果产生一定的影响。模型参数的不同会影响最终结果。模型对计算资源要求较高，运算量不足会导致结果存在一定的欠拟合风险。本文所有模型结果均来自历史数据，模型存在统计误差，不保证模型未来的有效性，对投资不构成任何建议。