量化模型与构建方式 1. 模型名称：主动风险预算模型 - 模型构建思路：结合风险平价模型与主动信号，通过动态调整资产波动贡献，确定股票与债券的配置权重，为投资者提供稳健的资产配置建议[9][10] - 模型具体构建过程： 1. 风险平价模型：核心是让各资产对组合的波动贡献相同，确定资产配置权重[10] 2. 主动信号调整：从以下三个维度动态调整资产波动贡献： - 股债横向比价：借鉴美联储FED模型，定义股权风险溢价（ERP）为： $ERP = \frac{1}{PE_{ttm}} - YTM_{TB}^{10Y}$ 其中，$PE_{ttm}$为中证800市盈率ttm，$YTM_{TB}^{10Y}$为10年期国债到期收益率。当ERP > 5%时超配权益资产，当ERP < 2%时低配权益资产[11][12] - 股票纵向估值水平：滚动窗口计算股票估值在近5年历史中的分位数。当估值分位数 < 25%时超配权益资产，当估值分位数 > 75%时低配权益资产[13] - 市场流动性：以M2-M1剪刀差为指标，反映可随时兑换成货币的资金边际变化。当$M2-M1 \geq 5\%$时，市场流动性宽松，超配权益资产；当$M2-M1 \leq -5\%$时，市场流动性收紧，低配权益资产[15] 3. 信号汇总与权重计算：将三个维度的信号（看多=1，看空=-1，中性=0）汇总后代入softmax函数，计算权益资产风险预算权重： $softmax(x) = \frac{\exp(\lambda x)}{\exp(\lambda x) + \exp(-\lambda x)}$ 其中，$x$为权益汇总信号，$\lambda$为风险调整系数[18][19] - 模型评价：通过多维度动态调整资产权重，模型能够更灵活地适应市场变化，提供稳健的资产配置建议[9][10] 2. 模型名称：行业轮动模型 - 模型构建思路：从交易行为、资金面、基本面三个维度出发，构建6个行业轮动子模型，对一级行业指数进行打分，优选行业[22][24] - 模型具体构建过程： 1. 交易行为维度： - 黄金率模型：捕捉行业日内动量与隔夜反转效应[24] - 龙头股模型：捕捉行业内龙头股领先、普通股滞后效应[24] 2. 资金面维度： - 北向双轮驱动模型：捕捉高活跃成交与高净流入特征的外资偏好[24] - 机构资金流模型：捕捉超大单抢筹与小单退出的供需特征[24] 3. 基本面维度： - 历史景气度模型：捕捉行业盈余动量效应[24] - 预期景气度模型：捕捉行业的戴维斯双击效应[24] - 模型评价：模型通过多维度信号综合打分，能够较全面地反映行业轮动特征，适用于行业优选[22][24] --- 模型的回测效果 主动风险预算模型 - 年化收益率：6.29%[20][21] - 最大回撤：4.89%[20][21] - 收益波动比：1.61[20][21] - 收益回撤比：1.29[20][21] - 近半年表现： - 2024年5月：组合收益0.27%，股票仓位17.14%，债券仓位82.86%[19][20] - 2024年6月：股票仓位17.51%，债券仓位82.49%[19][20] 行业轮动模型 - 2024年5月多头组合平均收益率：-1.73%[29] - 基准组合收益率：-2.37%[29] - 超额收益率：0.65%[29] --- 量化因子与构建方式 1. 因子名称：成长因子 - 因子构建思路：基于强动量特征，结合景气下行趋势，判断成长因子的表现[44] - 因子评价：在景气下行阶段，成长因子表现偏弱[44] 2. 因子名称：质量因子 - 因子构建思路：基于强动量特征，结合景气上行趋势，判断质量因子的表现[44] - 因子评价：在景气上行阶段，质量因子表现较强[44] 3. 因子名称：估值因子 - 因子构建思路：基于强动量特征，结合景气上行趋势，判断估值因子的表现[44] - 因子评价：估值因子在景气上行阶段表现稳定，但赔率较低[44] --- 因子的回测效果 成长因子 - 趋势：强动量[44] - 胜率：景气下行[44] - 赔率：中赔率[44] - 择时观点：看空[44] 质量因子 - 趋势：强动量[44] - 胜率：景气上行[44] - 赔率：中赔率[44] - 择时观点：看多[44] 估值因子 - 趋势：强动量[44] - 胜率：景气上行[44] - 赔率：低赔率[44] - 择时观点：看多[44]