量化模型与构建方式 1. 模型名称：基于景气度、超预期和动量的行业轮动复合模型 - 模型构建思路：综合考虑行业景气度、业绩超预期和动量因子，通过边际思维筛选出表现优异的行业板块[29][30] - 模型具体构建过程： 1. 从景气度、超预期和动量因子中筛选出13个备选因子，包括公告后1日异常收益、过去91天预测净利率-FY2环比3月变动、行业残差动量等[29] 2. 通过因子IC值和分组测试，选择因子间相关性较低的因子进行复合模型合成[30] 3. 复合模型因子包括：客户议价力环比增量、过去91天预测净利率-FY2环比3月变动、公告后1日异常收益、公告后跳空幅度和行业残差动量[30] 4. 模型回测时间为2011年以来，测试多头组合的收益表现[30] - 模型评价：该模型通过边际思维策略，能够有效捕捉行业轮动机会，但在指数估值较高或微观结构恶化时可能出现较大回撤[30] 2. 模型名称：应用估值和拥挤度的行业轮动复合模型 - 模型构建思路：在行业轮动复合模型的基础上，加入估值趋势和交易拥挤度因子，规避指数下行风险[29][30] - 模型具体构建过程： 1. 在景气度、超预期和动量模型优选行业板块的基础上，加入估值趋势和交易拥挤度因子[30] 2. 估值趋势因子包括PBPE与PB估值因子，交易拥挤度因子包括收益率波动率、量价相关系数等6类因子[29] 3. 通过因子测试和复合模型合成，优化多头组合的收益表现[30] 4. 模型回测时间为2011年以来，测试多头组合的收益表现[30] - 模型评价：该模型在规避指数下行风险方面表现优异，能够显著提升收益率和降低回撤[30] --- 模型的回测效果 1. 基于景气度、超预期和动量的行业轮动复合模型 - 年化收益率：16.68%[30] - 超额年化收益率：11.36%[30] - SHARP比率：0.65[30] - 最大回撤：51.13%[30] 2. 应用估值和拥挤度的行业轮动复合模型 - 年化收益率：30.72%[30] - 超额年化收益率：26.64%[30] - SHARP比率：1.74[30] - 最大回撤：19.16%[30]