量化模型与构建方式 1. 模型名称：基本面量化模型 - 模型构建思路：通过行业景气度信号，结合拥挤度指标，筛选景气上行或持平且拥挤度较低的行业，进行行业配置[9][37] - 模型具体构建过程： 1. 计算各行业的景气度指标，分为“景气上行”、“景气持平”和“景气下行”三类[10] 2. 监测行业拥挤度，剔除拥挤度较高的行业（如达到滚动3年的95%分位阈值以上）[33] 3. 在每月调仓时，优先配置景气上行行业，并将景气持平行业的权重设置为景气上行行业的一半[37] 4. 最终形成综合配置策略[37] - 模型评价：模型通过结合景气度和拥挤度信号，能够动态调整行业配置，适应市场变化[37] --- 模型的回测效果 1. 基本面量化模型 - 最近1个月（2024/9/9-2024/9/30）：收益27.1%，相对行业等权指数和中证800的超额收益分别为0.3%和2.2%[37][40] - 最近3个月（2024/7/8-2024/9/30）：收益21.4%，相对行业等权指数和中证800的超额收益分别为1.3%和2.8%[40] - 最近6个月（2024/4/8-2024/9/30）：收益16.7%，相对行业等权指数和中证800的超额收益分别为5.3%和4.4%[40] --- 量化因子与构建方式 1. 因子名称：景气度因子 - 因子的构建思路：通过行业的基本面数据，提取反映行业景气变化的指标，判断行业景气趋势[9][10] - 因子具体构建过程： 1. 收集行业相关的基本面数据，如出口量增速、营收增速、价格指数等[14][24][27] 2. 计算综合景气度指标，反映行业的整体景气变化趋势[15][24][32] 3. 根据景气度指标的变化，将行业划分为“景气上行”、“景气持平”和“景气下行”三类[10][20][24] - 因子评价：景气度因子能够较好地捕捉行业基本面变化趋势，为行业配置提供有效参考[9][10] 2. 因子名称：拥挤度因子 - 因子的构建思路：通过监测行业资金流入情况，判断行业是否存在过度拥挤的风险[33] - 因子具体构建过程： 1. 计算行业的拥挤度指标，基于过去3年的滚动分位值进行分位数划分[33] 2. 当拥挤度达到95%分位阈值以上时，触发拥挤信号[33] 3. 剔除拥挤度较高的行业，降低配置风险[33] - 因子评价：拥挤度因子能够有效识别行业的资金拥挤情况，避免潜在的回撤风险[33] --- 因子的回测效果 1. 景气度因子 - 券商行业：景气度指标显著上行，市场活跃度大幅提升[11] - 光伏行业：景气度指标边际上行，太阳能电池出口量增速达47%，逆变器出口量增速达32%[14][15] - 家电行业：景气度指标小幅回落，主要受PPI向0轴回归影响[17][19] - 建材行业：景气度指标边际上行，水泥价格逐渐回升[20][21] - 半导体行业：景气度指标边际上行，台积电营收增速等核心指标维持高位[24][28] - 通信行业：景气度指标大幅上行，服务器相关企业营收增速显著改善[27][30] - 农林牧渔行业：景气度指标边际上行，猪周期步入右侧，生猪屠宰量增速维持低位[31][35] 2. 拥挤度因子 - 家电、银行、交通运输、非银金融：拥挤度达到滚动3年的95%分位阈值以上，但在增量市场中预警效果减弱[33][36] --- 总结 本报告通过基本面量化模型，结合景气度因子和拥挤度因子，动态调整行业配置策略。模型在回测中表现出较好的收益能力，尤其在景气上行行业中具有显著的超额收益。同时，拥挤度因子有效规避了部分行业的潜在风险，为投资者提供了更为稳健的配置参考。