量化模型与构建方式 1. 模型名称：国联行业轮动策略2.0 - 模型构建思路：通过信用及企业盈利构建经济四象限，并在每个象限中对多维度行业风格因子进行有效性检验，最终基于因子轮动配置高预期收益行业[20] - 模型具体构建过程： 1. 经济四象限构建：基于企业盈利和信用两个维度，划分为四个象限： - 企业盈利上行，信用上行 - 企业盈利上行，信用下行 - 企业盈利下行，信用上行 - 企业盈利下行，信用下行 2. 因子构建：在每个象限中，构建并测试以下行业风格因子： - 一致预期景气 - 超越预期盈利 - 龙头效应 - 行业估值泡沫 - 反转因子 - 动量因子 - 拥挤度 - 通胀beta 3. 策略构建：基于上述因子在四个象限中的表现，进行因子轮动并配置高预期收益行业[20] - 模型评价：该模型通过多维度因子结合经济象限，能够较好地捕捉行业轮动机会，具有一定的实用性[20] --- 模型的回测效果 1. 无剔除版因子轮动策略 - 年化超额收益：9.49%[23] - 分年度绩效： - 2017年：超额收益14.23%，IR为2.09，波动率14.02%[27] - 2018年：超额收益11.45%，IR为2.18，波动率22.35%[27] - 2019年：超额收益-4.32%，IR为-0.42，波动率21.07%[27] - 2020年：超额收益0.85%，IR为0.10，波动率24.86%[27] - 2021年：超额收益2.98%，IR为0.29，波动率21.17%[27] - 2022年：超额收益8.48%，IR为1.09，波动率22.41%[27] - 2023年：超额收益11.93%，IR为0.93，波动率21.04%[27] - 2024年：超额收益6.38%，IR为1.13，波动率19.43%[27] - 全部：超额收益8.05%，IR为0.81，波动率21.28%[27] 2. 双剔除版因子轮动策略 - 年化超额收益：11.82%[23] - 分年度绩效： - 2017年：超额收益16.39%，IR为1.77，波动率15.37%[31] - 2018年：超额收益31.24%，IR为1.63，波动率30.62%[31] - 2019年：超额收益6.24%，IR为0.44，波动率21.37%[31] - 2020年：超额收益2.61%，IR为0.24，波动率23.31%[31] - 2021年：超额收益4.25%，IR为0.38，波动率17.66%[31] - 2022年：超额收益7.90%，IR为0.80，波动率23.19%[31] - 2023年：超额收益13.95%，IR为1.14，波动率18.94%[31] - 2024年：超额收益2.74%，IR为0.51，波动率17.86%[31] - 全部：超额收益12.63%，IR为0.94，波动率21.87%[31] 3. 当月和当年组合绩效 - 2024年7月： - 基准收益率：-3.37% - 无剔除版收益：-3.43%，超额收益-0.06% - 双剔除版收益：-5.83%，超额收益-2.47%[33] - 2023年以来： - 基准收益率：-19.47% - 无剔除版收益：-2.71%，超额收益16.76% - 双剔除版收益：-7.88%，超额收益11.59%[33] --- 量化因子与构建方式 1. 因子名称：一致预期景气因子 - 因子构建思路：衡量市场对行业未来景气度的一致预期[20] - 因子具体构建过程：基于分析师一致预期数据，提取行业未来景气度的预期值，作为因子得分[20] 2. 因子名称：超越预期盈利因子 - 因子构建思路：衡量行业实际盈利是否超越市场预期[20] - 因子具体构建过程：对比行业实际盈利数据与分析师一致预期，计算超越预期的幅度，作为因子得分[20] 3. 因子名称：龙头效应因子 - 因子构建思路：衡量行业内龙头企业的表现对行业整体的影响[20] - 因子具体构建过程：提取行业内市值排名前列企业的盈利和估值数据，计算其对行业整体的贡献度，作为因子得分[20] 4. 因子名称：行业估值泡沫因子 - 因子构建思路：衡量行业估值是否存在泡沫化倾向[20] - 因子具体构建过程：基于行业市盈率、市净率等估值指标，计算其相对历史均值的偏离程度，作为因子得分[20] 5. 因子名称：反转因子 - 因子构建思路：捕捉行业内短期超跌后的反弹机会[20] - 因子具体构建过程：基于行业过去一段时间的收益率，计算其反转幅度，作为因子得分[20] 6. 因子名称：动量因子 - 因子构建思路：捕捉行业内持续上涨的趋势[20] - 因子具体构建过程：基于行业过去一段时间的收益率，计算其动量强度，作为因子得分[20] 7. 因子名称：拥挤度因子 - 因子构建思路：衡量行业内资金流动的集中程度[20] - 因子具体构建过程：基于行业内资金流入流出数据，计算其集中度，作为因子得分[20] 8. 因子名称：通胀beta因子 - 因子构建思路：衡量行业对通胀变化的敏感性[20] - 因子具体构建过程：基于行业收益率与通胀率的历史相关性，计算其beta值，作为因子得分[20] --- 因子的回测效果 1. 因子轮动策略整体表现 - 无剔除版年化超额收益：9.49%[23] - 双剔除版年化超额收益：11.82%[23] 2. 分年度因子轮动策略表现 - 无剔除版： - 2017年：超额收益14.23%，IR为2.09[27] - 2023年：超额收益11.93%，IR为0.93[27] - 双剔除版： - 2018年：超额收益31.24%，IR为1.63[31] - 2023年：超额收益13.95%，IR为1.14[31]