量化模型与构建方式 1. 多维度择时模型 - 模型名称：多维度择时模型 - 模型构建思路：通过宏观、中观、微观信号结合股指期货基差信号，形成四维度非线性择时模型[24] - 模型具体构建过程： 1. 根据宏观、微观、中观信号将A股划分为9个状态，分别对应多空信号，形成三维大周期择时信号[24][25] 2. 在三维信号基础上，叠加股指期货基差信号，合成四维度择时模型[24] 3. 当前信号状态为宏观环境下行、中观景气度低位震荡，对应三维度择时模型的4-2状态；叠加中证500股指期货基差信号（0.25），最终合成信号为增配少量仓位（0.25）[25][26] - 模型评价：通过多维度信号的综合分析，模型能够捕捉市场多空信号，具有较强的适应性[24] 2. 遗传规划选股模型（沪深300、中证500、中证1000、中证全指） - 模型名称：遗传规划选股模型 - 模型构建思路：通过遗传规划因子挖掘模型，生成大量初始因子种群，经过多轮迭代优化，筛选出有效因子并加权复合，构建选股模型[77][81][85][90] - 模型具体构建过程： 1. 股票池：分别为沪深300、中证500、中证1000和中证全指成分股[77][81][85][90] 2. 训练集：样本内数据为2016年1月1日至2020年12月31日[77][81][85][90] 3. 因子挖掘：通过遗传规划模型挖掘2000个初始种群，经过多轮迭代（沪深300为5代7轮，中证500为5代8轮，中证1000为5代4轮，中证全指为5代10轮），筛选出有效因子（沪深300为102个，中证500为189个，中证1000为564个，中证全指为709个）[77][81][85][90] 4. 策略构建：每周最后一个交易日选择模型得分最高的每个行业内前10%的股票构建多头组合，以下周第一个交易日开盘价买入，周频调仓，交易成本为双边千三[77][81][85][90] - 模型评价：模型通过遗传规划挖掘因子，能够动态适应市场变化，选股能力较强[77][81][85][90] 3. 行业轮动策略 - 模型名称：行业轮动策略 - 模型构建思路：通过信用及企业盈利构建经济四象限，结合多维度行业风格因子，进行行业轮动配置[23][67] - 模型具体构建过程： 1. 构建经济四象限：分别为[企业盈利上行，信用上行]、[企业盈利上行，信用下行]、[企业盈利下行，信用上行]、[企业盈利下行，信用下行][67] 2. 构建多维度行业风格因子：包括一致预期景气、超越预期盈利、龙头效应、行业估值泡沫、反转因子、动量因子、拥挤度、通胀beta等[23][67] 3. 在四个象限分别对各因子进行有效性检验，基于因子轮动配置高预期收益行业[67] - 模型评价：策略通过多维度因子结合经济象限，能够较好地捕捉行业轮动机会[67] --- 模型的回测效果 1. 多维度择时模型 - 基准：中证500指数 - 本周表现：模型信号为增配少量仓位（0.25）[25][26] 2. 遗传规划选股模型 - 沪深300： - 年化超额收益率：19.59% - 夏普率：1.02 - 本周超额收益率：1.32%[78][79] - 中证500： - 年化超额收益率：12.97% - 夏普率：0.74 - 本周超额收益率：-0.17%[82][84] - 中证1000： - 年化超额收益率：19.60% - 夏普率：0.82 - 本周超额收益率：-0.62%[86][87] - 中证全指： - 年化超额收益率：25.25% - 夏普率：1.21 - 本周超额收益率：0.62%[92][94] 3. 行业轮动策略 - 无剔除版： - 年化超额收益率：12.39% - 信息比率（IR）：1.06 - 超额最大回撤：-17.53%[74] - 双剔除版： - 年化超额收益率：12.65% - 信息比率（IR）：1.08 - 超额最大回撤：-18.54%[75]