量化模型与构建方式 1. 三维择时模型 - 模型名称：三维择时模型 - 模型构建思路：通过市场分歧度、流动性和景气度三个维度来判断市场走势 - 模型具体构建过程： - 市场分歧度：衡量市场参与者对未来走势的分歧程度 - 流动性：衡量市场的资金流动情况 - 景气度：衡量经济的整体健康状况 - 公式： $\text{择时信号} = f(\text{分歧度}, \text{流动性}, \text{景气度})$ - 模型评价：在高波动环境下，流动性仍在下行趋势，模型偏向于震荡下跌[9][11][12] 2. 资金流共振策略 - 模型名称：资金流共振策略 - 模型构建思路：通过监控融资融券和大单资金的流动，选择资金流入共振的行业 - 模型具体构建过程： - 融资融券资金因子：barra市值因子中性化后的融资净买入-融券净买入，取最近10日均值后的环比变化率 - 主动大单资金因子：行业最近一年成交量时序中性化后的净流入排序，并取最近10日均值 - 公式： $\text{资金流共振因子} = \text{融资融券因子} + \text{主动大单因子}$ - 模型评价：策略2018年以来费后年化超额收益14.5%，信息比率1.4，相对北向-大单共振策略回撤更小[21][23][25] 模型的回测效果 - 三维择时模型： - 上周回报：1.03%（沪深300增强组合），1.87%（中证500增强组合），2.77%（中证1000增强组合）[40][41] - 上周超额：-0.29%（沪深300增强组合），0.10%（中证500增强组合），0.14%（中证1000增强组合）[40][41] - 本月回报：0.84%（沪深300增强组合），-0.87%（中证500增强组合），1.98%（中证1000增强组合）[40][41] - 本月超额：0.18%（沪深300增强组合），-0.03%（中证500增强组合），0.80%（中证1000增强组合）[40][41] - 本年回报：20.97%（沪深300增强组合），16.42%（中证500增强组合），7.08%（中证1000增强组合）[40][41] - 本年超额：6.82%（沪深300增强组合），8.63%（中证500增强组合），1.95%（中证1000增强组合）[40][41] - 超额年化收益率：11.20%（沪深300增强组合），13.47%（中证500增强组合），14.36%（中证1000增强组合）[40][41] - 超额Sharpe：1.97（沪深300增强组合），2.81（中证500增强组合），2.30（中证1000增强组合）[40][41] 量化因子与构建方式 1. 动量因子 - 因子名称：动量因子 - 因子的构建思路：通过股票的历史收益率来预测未来收益 - 因子具体构建过程： - 1年收益率：过去1年的收益率 - 公式： $\text{动量因子} = \text{过去1年收益率}$ - 因子评价：表现较好，最近一周相对于中证全指的超额收益达到2%以上[32][33][34] 2. 波动率因子 - 因子名称：波动率因子 - 因子的构建思路：通过股票的历史波动率来预测未来波动 - 因子具体构建过程： - 60日上行波动率/下行波动率：过去60天的上行波动率与下行波动率的比值 - 公式： $\text{波动率因子} = \frac{\text{60日上行波动率}}{\text{60日下行波动率}}$ - 因子评价：表现较好，最近一周相对于中证全指的超额收益达到2%以上[32][33][34] 3. 估值因子 - 因子名称：估值因子 - 因子的构建思路：通过股票的估值水平来预测未来收益 - 因子具体构建过程： - 总市值的对数对账面价值对数，净利润对数以及负债合计对数做横截面回归的取残差：估值因子的计算方法 - 公式： $\text{估值因子} = \text{总市值的对数} - \text{账面价值对数} - \text{净利润对数} - \text{负债合计对数}$ - 因子评价：表现较好，最近一周相对于中证全指的超额收益达到2%以上[32][33][34] 因子的回测效果 - 动量因子： - 近一周多头超额：3.00%[34] - 近一个月多头超额：9.01%[34] - 近一年多头超额：28.92%[34] - 波动率因子： - 近一周多头超额：2.50%[34] - 近一个月多头超额：7.22%[34] - 近一年多头超额：18.39%[34] - 估值因子： - 近一周多头超额：2.55%[34] - 近一个月多头超额：8.47%[34] - 近一年多头超额：19.44%[34]