量化模型与构建方式 1. 模型名称：动态宏观事件股债配置策略模型 - 模型构建思路：基于动态宏观事件因子，通过收益率胜率筛选宏观指标，构建择时净值曲线，并结合开仓波动调整收益率来评估择时效果，最终形成宏观择时模块[50][42][52] - 模型具体构建过程： 1. 使用收益率胜率对宏观指标每期因子事件进行筛选，构建每个宏观指标的择时净值曲线[50] 2. 通过开仓波动调整收益率，确定宏观指标择时效果，结合滚动时间窗口和数据处理方式进行评价[50] 3. 构建宏观择时模块后，衍生出三类不同风险等级的股债轮动模型： - 进取型：股票仓位变动范围为0%-100%，根据股指择时模型的股票仓位分配，剩余仓位分配给债券[52] - 稳健型：基于风险预算模型，权益风险贡献度为90%-100%，具体变动数值为90%+(100%-90%)*股指择时模型的股票仓位[52] - 保守型：基于风险预算模型，权益风险贡献度为60%-90%，具体变动数值为60%+(90%-60%)*股指择时模型的股票仓位[52] - 模型评价：模型通过动态宏观因子择时，能够适应不同风险偏好的投资者需求，且历史表现优于基准[44][49] --- 模型的回测效果 1. 进取型模型 - 年化收益率：20.54%[49] - 年化波动率：14.54%[49] - 最大回撤：-13.72%[49] - 夏普比率：1.29[49] - 收益回撤比：1.50[49] - 年初至今收益率：1.63%[49] 2. 稳健型模型 - 年化收益率：11.19%[49] - 年化波动率：8.43%[49] - 最大回撤：-6.77%[49] - 夏普比率：1.17[49] - 收益回撤比：1.65[49] - 年初至今收益率：2.16%[49] 3. 保守型模型 - 年化收益率：6.08%[49] - 年化波动率：3.27%[49] - 最大回撤：-3.55%[49] - 夏普比率：1.49[49] - 收益回撤比：1.71[49] - 年初至今收益率：2.04%[49] --- 量化因子与构建方式 1. 因子名称：经济增长因子 - 因子的构建思路：通过多个经济增长相关指标的信号强度综合打分，形成经济增长因子[42][46] - 因子具体构建过程： 1. 选取经济增长相关指标，包括M1同比、工业增加值同比、国债利差10Y-1M、发电量环比等[42][53] 2. 对每个指标进行数据处理（如原始数据、X13季调、HP滤波等）[53] 3. 滚动窗口长度根据指标特性设定（如M1同比为84个月，工业增加值同比为72个月）[53] 4. 综合各指标信号，形成经济增长因子[42][46] - 因子评价：经济增长因子能够较好地反映宏观经济的扩张或收缩趋势，为资产配置提供有效参考[42][46] 2. 因子名称：货币流动性因子 - 因子的构建思路：通过货币流动性相关指标的信号强度综合打分，形成货币流动性因子[42][46] - 因子具体构建过程： 1. 选取货币流动性相关指标，包括M1-M2剪刀差、中美国债利差10Y、中国国债与美国TIPs利差10年、银行间质押利率7天等[42][53] 2. 对每个指标进行数据处理（如原始数据、X13季调、HP滤波等）[53] 3. 滚动窗口长度根据指标特性设定（如M1-M2剪刀差为72个月，中国国债与美国TIPs利差10年为96个月）[53] 4. 综合各指标信号，形成货币流动性因子[42][46] - 因子评价：货币流动性因子能够有效捕捉市场流动性变化，为资产配置提供重要参考[42][46] --- 因子的回测效果 1. 经济增长因子 - 信号强度：50%（6月）[42][45] - 细分指标信号： - M1同比：看多[42][46] - 发电量环比：看多[42][46] - 工业增加值同比：看空[42][46] - 国债利差10Y-1M：看空[42][46] 2. 货币流动性因子 - 信号强度：0%（6月）[42][45] - 细分指标信号： - M1-M2剪刀差：看空[42][46] - 中美国债利差10Y：看空[42][46] - 中国国债与美国TIPs利差10年：看空[42][46] - 银行间质押利率7天：看空[42][46]