量化模型与构建方式 1. 模型名称：投资者情绪指数 - 模型构建思路：通过主成分分析法提取市场情绪的核心变量，形成可持续更新的情绪指数，用于监控投资者情绪水平及其变动[27][29] - 模型具体构建过程： 1. 数据来源：Wind、中信数量化投资分析系统、中登等，数据频率为周频[26][30] 2. 选取变量：包括市场整体市盈率（P/E）、市净率（P/B）、换手率（TURNOVER），以及市场结构类指标（如ADV/DEC、ARMS等）[26] 3. 数据标准化处理，消除量纲影响[28] 4. 采用主成分分析法提取第一主成分（投资者情绪水平指数）和第二主成分（投资者情绪变动指数）[29] 5. 滚动计算，头尾相连形成指数[28] - 模型评价：情绪指数能够提前1-2个月预测股市的大顶和大底，具有较强的前瞻性[33] 2. 模型名称：大小盘风格指针 - 模型构建思路：通过多项指标加权计算，形成风格指针值，用于判断大小盘风格轮动趋势[52][54] - 模型具体构建过程： 1. 指标选取：包括技术指标（如12月RSI）、波动性（如上证指数波动率）、盈利状况（如工业增加值）、通货膨胀（如CPI）、货币环境（如M1增速、流动比率、短期利率）[53] 2. 计算公式： $ 风格指针_t = \sum_{i=1}^{n} W_{i,t} \cdot Factor_{i,t} $ 其中，$W_{i,t}$ 为权重，$Factor_{i,t}$ 为各指标值[53] 3. 风格指针值大于5时，倾向于大盘股；小于-5时，倾向于小盘股[53] - 模型评价：风格指针在大趋势判断上准确率接近60%，并能通过调整投资组合超越全市场约80%[55][56] 3. 模型名称：价值动量模型 - 模型构建思路：结合价值因子和动量因子，捕捉高E/P和高B/P股票的超额收益机会，同时利用动量信号捕捉强势行业和个股的惯性[88][91] - 模型具体构建过程： 1. 基础股票池：沪深300[92] 2. 交易成本：0.3%[92] 3. 因子选取： - 价值因子：高E/P（盈利角度看估值安全）、高B/P（净资本角度看估值安全）[90] - 动量因子：长期动量信号捕捉强势行业和个股惯性，短期反转因子修正[91] 4. 模型回测：2003-2009年，月平均收益率为0.95%，超额收益标准差为0.0262，每期换手率平均为52.07%，入选股票数量为31.46支[92] - 模型评价：价值动量模型在上涨和下跌市场中均表现出较强的抗跌性和超额收益能力[90][92] 4. 模型名称：GARP选股策略 - 模型构建思路：兼顾成长与价值，通过价值成长矩阵打分，筛选出具有持续性表现的股票[77][83] - 模型具体构建过程： 1. 数据来源：财务指标和价格数据来自中信证券数量化分析系统，预测数据来自一致预期[81] 2. 指标选取： - 成长指标：预测EPS增长率、上年销售净利率、净利润增长率、ROE、ROE标准差[81] - 价值指标：预测P/E、预测P/E/G、历史市净率（P/B）、历史市销率（P/S）、历史EV/EBITDA[81] 3. 打分方法： - 成长指标按顺序排序打分，价值指标按倒序排序打分[84] - 总分为各指标秩值得分加总，分别得出价值度和成长性[84] 4. 筛选股票：根据价值成长矩阵得分，选择高分股票构建组合[83] - 模型评价：GARP策略兼顾成长与价值，能够平滑不同市场阶段的表现，更适合量化投资[77] --- 模型的回测效果 投资者情绪指数 - 情绪水平指数：在±2之间波动，能够提前1-2个月预测股市的大顶和大底[33] - 情绪变动指数：值突破5时，后续铁定出现跌幅超过6%的调整；从负值上升到3附近时，可能出现调整，幅度在1%-5%之间[33] 大小盘风格指针 - Hit Ratio：接近60%[56] - 投资组合调整后超越全市场：约80%[56] 价值动量模型 - 月平均收益率：0.95%[92] - 超额收益标准差：0.0262[92] - 平均换手率：52.07%[92] - 入选股票数量：31.46支[92] - 历年超额收益： - 2003年：市值加权12.92%，等权重7.44% - 2004年：市值加权-0.08%，等权重-2.19% - 2005年：市值加权5.46%，等权重-0.06% - 2006年：市值加权10.28%，等权重9.03% - 2007年：市值加权10.62%，等权重20.86% - 2008年：市值加权33.97%，等权重32.72% - 2009年：市值加权0.06%，等权重11.50%[92] GARP选股策略 - 无具体回测数据披露，仅提到其持续增强效果[85]