量化模型与构建方式 1. 模型名称：GDPNOW模型 - 模型构建思路：基于高频经济数据，实时预测宏观经济指标（如GDP增速），以捕捉短期内宏观经济的边际变化[25] - 模型具体构建过程：通过收集高频经济数据（如PMI、经济意外指数等），结合统计和机器学习方法，动态更新对GDP增速的预测值[25] - 模型评价：短期内宏观经济预测边际变化趋于平稳，略微向下，模型对经济走势的预测具有一定参考价值[25] 2. 模型名称：AI价量模型 - 模型构建思路：从日频价量数据中提取行业指数的趋势、波动和价量形态特征，利用深度神经网络对行业配置价值进行预测[17] - 模型具体构建过程： 1. 提取日频价量数据，计算行业指数的趋势、波动和价量形态特征 2. 使用深度神经网络对行业配置价值进行预测 3. 将预测结果标准化至[-1,1]区间，得出各行业的配置得分[17] - 模型评价：模型能够动态反映行业配置价值的变化，提供短期行业配置建议[17] 3. 模型名称：风险预算模型 - 模型构建思路：基于风险预算的资产配置方法，结合市场信号动态调整大类资产的配置权重[13] - 模型具体构建过程： 1. 确定基准权重，作为资产配置的初始参考 2. 根据市场信号（如宏观经济、流动性等）调整主动权重 3. 计算均衡配置比例，形成最终的资产配置方案[13] - 模型评价：模型能够结合市场信号动态调整资产配置，适应市场变化[13] --- 模型的回测效果 1. GDPNOW模型 - 预测GDP增速：2024年四季度预测值为5.0%，相较于上周无变化[25] 2. AI价量模型 - 行业配置得分： - 建筑材料：0.40 - 银行：0.36 - 机械设备：0.32 - 交通运输：0.28 - 非银金融：0.23[17] 3. 风险预算模型 - 资产配置权重： - 股票：基准权重7.2%，主动权重9.7% - 美股：基准权重7.6%，主动权重10.1% - 债券：基准权重66.5%，主动权重60.9% - CRB商品：基准权重3.8%，主动权重3.5% - 黄金：基准权重11.9%，主动权重11.2% - 原油：基准权重2.9%，主动权重4.6%[13] --- 量化因子与构建方式 1. 因子名称：BARRA风格因子 - 因子的构建思路：通过多因子模型分解股票收益，分析不同风格因子（如价值、成长、动量等）对市场表现的影响[35] - 因子具体构建过程： 1. 收集股票的基本面和市场数据 2. 计算各风格因子（如换手率、财务杠杆、盈利能力等）的收益表现 3. 分析因子收益的变化趋势，评估市场风格偏好[35] - 因子评价：本周资金对价值和成长的偏好无明显差异，市场调整期间短期动量强的股票表现较好，小盘风格相对占优[35] --- 因子的回测效果 1. BARRA风格因子 - 因子收益表现： - 换手：-0.5% - 财务杠杆：0.1% - 盈利波动：0.2% - 盈利质量：-0.2% - 盈利能力：-0.3% - 投资质量：0.1% - 长期反转：-0.1% - EP价值：0.2% - BP价值：-0.1% - 成长：0.0% - 动量：0.2% - 非线性市值：-0.6% - 市值：-1.0% - 波动率：-0.4% - 股息率：-0.1%[36]