量化模型与构建方式 1. 模型名称：行业盈利景气度追踪策略 - 模型构建思路：通过Wind分析师一致预期滚动行业数据，建立多因子模型，旨在挑选出当前盈利预期向上的行业[14] - 模型具体构建过程： - 使用Wind分析师一致预期数据 - 通过多因子模型对行业盈利预期进行滚动分析 - 按照盈利预期向上程度对行业进行排序[14] - 模型评价：该模型能够有效捕捉行业盈利预期的变化，尤其是近期景气度显著提升的行业[14][15] 2. 模型名称：未证伪情绪追踪策略 - 模型构建思路：针对市场估值常跑在盈利预期数据公布之前的现象，构建情绪动量策略，提前捕捉市场隐含情绪[17] - 模型具体构建过程： - 基于市场估值与卖方盈利预期的时间差 - 构建情绪动量因子，测算行业隐含情绪 - 按照情绪动量强度对行业进行排序[17] - 模型评价：该策略能够在盈利预期数据公布之前，提前捕捉市场情绪变化，具有一定的前瞻性[17][20] 3. 模型名称：宏观风格行业轮动策略 - 模型构建思路：通过宏观指标与行业风格（高beta、高估值、12个月动量、高波动率）的相关性，预判行业风格多空情况，并对行业契合度进行排序[22] - 模型具体构建过程： - 收集当前宏观指标数据 - 计算宏观指标与四种行业风格的相关性 - 根据行业在四种风格上的暴露程度，计算行业与宏观风格的契合度 - 按契合度对行业进行排序[22] - 模型评价：该策略能够结合宏观经济背景，动态调整行业配置，适应不同市场环境[22][24] 4. 模型名称：综合策略 - 模型构建思路：综合考虑“景气度指标”、“未证伪情绪指标”和“行业与未来预测风格契合度指标”，对未来各行业进行综合排名[26] - 模型具体构建过程： - 将“景气度指标”、“未证伪情绪指标”和“行业契合度指标”进行加权整合 - 对各行业进行综合评分和排名 - 根据排名结果确定行业配置比例[26] - 模型评价：综合策略能够平衡多种因子，提升行业轮动策略的稳定性和收益潜力[26] --- 模型的回测效果 1. 行业盈利景气度追踪策略 - 累计超额收益：年初至今较中信一级行业等权基准实现超额收益10.00%[33] 2. 未证伪情绪追踪策略 - 累计超额收益：年初至今较中信一级行业等权基准实现超额收益6.22%[33] 3. 宏观风格行业轮动策略 - 累计超额收益：年初至今较中信一级行业等权基准实现超额收益-9.45%[33] 4. 综合策略 - 累计收益：截至2024/8/8，累计收益为-9.04%，较中信一级行业等权基准（-11.00%）实现超额收益1.96%[31] - 本周收益：2024/8/1-2024/8/8期间，收益为-3.52%，较中信一级行业等权基准（-1.74%）实现超额收益-1.78%[31] --- 量化因子与构建方式 1. 因子名称：行业景气度因子 - 因子构建思路：基于盈利预期数据，捕捉行业景气度变化[14] - 因子具体构建过程： - 使用Wind分析师一致预期数据 - 对行业盈利预期进行滚动分析 - 计算行业景气度得分并排序[14] - 因子评价：能够有效反映行业盈利预期的变化趋势[14][15] 2. 因子名称：未证伪情绪因子 - 因子构建思路：基于市场估值与盈利预期的时间差，提前捕捉市场隐含情绪[17] - 因子具体构建过程： - 构建情绪动量因子 - 测算行业隐含情绪强度 - 按情绪强度对行业进行排序[17] - 因子评价：具有一定的前瞻性，能够在盈利预期数据公布之前捕捉市场情绪变化[17][20] 3. 因子名称：宏观风格契合度因子 - 因子构建思路：通过宏观指标与行业风格的相关性，评估行业与宏观风格的契合度[22] - 因子具体构建过程： - 收集宏观指标数据 - 计算宏观指标与行业风格的相关性 - 根据行业在风格上的暴露程度，计算契合度得分并排序[22] - 因子评价：能够动态反映行业与宏观经济背景的匹配程度[22][24] --- 因子的回测效果 1. 行业景气度因子 - 累计超额收益：年初至今较中信一级行业等权基准实现超额收益10.00%[33] 2. 未证伪情绪因子 - 累计超额收益：年初至今较中信一级行业等权基准实现超额收益6.22%[33] 3. 宏观风格契合度因子 - 累计超额收益：年初至今较中信一级行业等权基准实现超额收益-9.45%[33]