量化模型与构建方式 1. 模型名称：二维择时模型 - 模型构建思路：融合宏观趋势洞察与板块风险控制，捕捉计算机板块的利好信号，实现“攻守兼备”的策略目标[7][37] - 模型具体构建过程： - 宏观维度：当10年期美债收益率近1年历史分位回落至10%时，提示积极信号，增配进攻组合至75%[42] - 风险维度：当计算机指数近1年半衰加权波动率分位回落至20%时，提示双重积极信号，增配进攻组合至100%[42] - 反向信号：当美债收益率分位升至60%或波动率分位升至80%时，增配防御组合以控制下行风险[43] - 加权方式：进攻组合和防御组合内部按自由流通市值加权[43] - 调仓频率：月度调仓[43] - 比较基准：计算机行业指数[43] - 模型评价：通过宏观和风险信号的结合，模型在行业上涨阶段具备更强弹性，在下行阶段具备更好的防御能力[44] 2. 模型名称：进阶风险控制下的攻守兼备策略 - 模型构建思路：在二维择时模型的基础上引入止损机制，进一步优化风险管理[49] - 模型具体构建过程： - 止损机制：当个股跌幅达到或超过20%时，触发止损操作，将对应个股仓位减半[49] - 目标：限制潜在损失，同时保留部分反弹获利机会[49] - 模型评价：止损机制显著提升了策略的稳健性，降低了整体波动和回撤[49] --- 模型的回测效果 1. 二维择时模型 - 年化收益：14.90%[47] - 年化波动：31.30%[47] - 最大回撤：72.82%[47] - 夏普比：0.60[47] - 超额年化：7.40%[47] - 胜率：49.28%[47] 2. 进阶风险控制下的攻守兼备策略 - 年化收益：16.45%[50] - 年化波动：30.60%[50] - 最大回撤：68.71%[50] - 夏普比：0.65[50] - 超额年化：8.85%[50] - 胜率：16.45%[50] --- 量化因子与构建方式 1. 因子名称：防御属性因子 - 因子构建思路：通过低波动、低拥挤、筹码分散和高股息等特征筛选出防御属性领先的个股[6][18][19] - 因子具体构建过程： - 第一层筛选：按日收益率标准差从小到大排列，选择前50%股票作为基础池[18] - 第二层筛选：从低拥挤、筹码分散和高股息三个维度筛选得分领先的Top10%个股[19] - 因子评价：在行业Beta下行阶段表现出较强的抗跌能力，为投资组合提供稳健支撑[19] 2. 因子名称：进攻属性因子 - 因子构建思路：通过高波动、重创新和高成长等特征筛选出进攻属性领先的个股[6][27][29] - 因子具体构建过程： - 第一层筛选：按日标准差从大到小排列，选择前50%股票作为基础池[27] - 第二层筛选：从重创新和高成长两个维度筛选得分领先的Top15%个股[29] - 因子评价：在行业Beta上行阶段表现出较强的收益弹性，为投资组合注入短期动能[30] --- 因子的回测效果 1. 防御属性因子 - 年化收益：16.10%[26] - 年化波动：28.03%[26] - 最大回撤：67.76%[26] - 夏普比：0.68[26] - 超额年化：8.52%[26] - 胜率：52.17%[26] 2. 进攻属性因子 - 年化收益：7.25%[35] - 年化波动：38.06%[35] - 最大回撤：79.54%[35] - 夏普比：0.38[35] - 超额年化：0.25%[35] - 胜率：47.83%[35]