量化模型与构建方式 1. 模型名称：行业景气趋势配置模型 - 模型构建思路：通过高景气、强趋势和低拥挤度的行业筛选，构建右侧行业配置模型，适用于市场趋势明确的环境[4][98] - 模型具体构建过程： 1. 选取景气度高、趋势强、拥挤度低的行业 2. 景气度为核心指标，结合拥挤度提示风险 3. 历史回测基准为Wind全A指数，模型多头年化收益22.7%，超额年化收益16.3%，信息比率1.74，超额最大回撤-7.4%，月度胜率71%[98][99][102] - 模型评价：该模型进攻性强，适合右侧市场环境，持有体验感较好[98] 2. 模型名称：行业困境反转配置模型 - 模型构建思路：基于赔率-胜率框架，挖掘当前困境或过去困境有所反弹的行业，结合库存周期信息，筛选长期景气有望改善的行业[18][100] - 模型具体构建过程： 1. 剔除库存和资本开支历史分位数>80%、毛利率和自由现金流占比历史分位数<20%的行业 2. 重点关注库存压力较小且具备补库条件的行业 3. 历史回测基准为行业等权，模型多头年化收益13.4%，超额年化收益16.5%，信息比率1.76，超额最大回撤-8.7%[18][100][102] - 模型评价：该模型在景气和动量因子效果衰退时表现优异，适合捕捉补库周期中的困境反转机会[100] 3. 模型名称：行业景气度选股模型 - 模型构建思路：结合行业配置模型和PB-ROE选股模型，筛选估值性价比高的股票，按流通市值和PB-ROE打分加权[14][110] - 模型具体构建过程： 1. 根据行业配置模型确定行业权重 2. 在行业内选取估值性价比高的股票（前40%） 3. 历史回测基准为Wind全A指数，模型多头年化收益29.9%，超额年化收益22.9%，信息比率2.02，超额最大回撤-8.0%，月度胜率74%[14][110][112] - 模型评价：该模型结合行业配置与个股筛选，策略表现优异，但近期超额回撤较大[110] --- 模型的回测效果 1. 行业景气趋势配置模型 - 年化收益：22.7% - 超额年化收益：16.3% - 信息比率：1.74 - 超额最大回撤：-7.4% - 月度胜率：71%[98][99][102] 2. 行业困境反转配置模型 - 年化收益：13.4% - 超额年化收益：16.5% - 信息比率：1.76 - 超额最大回撤：-8.7%[18][100][102] 3. 行业景气度选股模型 - 年化收益：29.9% - 超额年化收益：22.9% - 信息比率：2.02 - 超额最大回撤：-8.0% - 月度胜率：74%[14][110][112]