量化模型与构建方式 1. 模型名称：风格轮动模型 - 模型构建思路：基于东吴金工特色选股多因子体系，从微观个股层面出发，结合基础风格因子（估值、市值、波动率、动量），逐步构造风格择时与打分体系[1][8] - 模型具体构建过程： 1. 优选80个底层因子作为原始特征[8] 2. 基于这些因子构造640个微观特征[8] 3. 使用常用指数作为风格股票池，取代风格因子的绝对比例划分，构造新的风格收益作为标签[8] 4. 通过滚动训练随机森林模型，优选特征并规避过拟合风险，得到风格推荐[8] 5. 构建从风格择时到风格评分，再到实际投资的风格轮动框架[8] - 模型评价：通过随机森林模型的滚动训练，有效规避了过拟合风险，模型能够从风格择时到实际投资形成完整的风格轮动框架[8] --- 模型的回测效果 1. 风格轮动模型 - 年化收益率：22.97%[9][10] - 年化波动率：24.55%[9][10] - 信息比率（IR）：0.94[9][10] - 月度胜率：60.31%[9][10] - 历史最大回撤：28.33%[10] 2. 风格轮动模型（对冲市场基准） - 年化收益率：14.07%[9][10] - 年化波动率：11.62%[9][10] - 信息比率（IR）：1.21[9][10] - 月度胜率：67.94%[9][10] - 历史最大回撤：8.98%[10] --- 量化因子与构建方式 1. 因子名称：估值因子 - 因子的构建思路：基于个股的估值水平，作为风格因子之一参与风格轮动模型的构建[8] - 因子具体构建过程：通过东吴金工多因子体系，结合估值相关的底层因子，构造估值因子[8] 2. 因子名称：市值因子 - 因子的构建思路：基于个股市值大小，作为风格因子之一参与风格轮动模型的构建[8] - 因子具体构建过程：通过东吴金工多因子体系，结合市值相关的底层因子，构造市值因子[8] 3. 因子名称：波动率因子 - 因子的构建思路：基于个股的波动率水平，作为风格因子之一参与风格轮动模型的构建[8] - 因子具体构建过程：通过东吴金工多因子体系，结合波动率相关的底层因子，构造波动率因子[8] 4. 因子名称：动量因子 - 因子的构建思路：基于个股的动量特征，作为风格因子之一参与风格轮动模型的构建[8] - 因子具体构建过程：通过东吴金工多因子体系，结合动量相关的底层因子，构造动量因子[8] --- 因子的回测效果 1. 估值因子 - 今年来实际收益率（多空对冲）：约5%[14][20] - 今年来择时后收益率（多空对冲）：显著提升，择时正确率超过70%[12][15] 2. 市值因子 - 今年来实际收益率（多空对冲）：约10%[14][20] - 今年来择时后收益率（多空对冲）：显著提升，择时正确率超过70%[12][15] 3. 波动率因子 - 今年来实际收益率（多空对冲）：约20%[14][20] - 今年来择时后收益率（多空对冲）：显著提升，择时正确率超过70%[12][15] 4. 动量因子 - 今年来实际收益率（多空对冲）：约15%[14][20] - 今年来择时后收益率（多空对冲）：显著提升，择时正确率超过70%[12][15]