量化模型与构建方式 1. 模型名称：股指期货分红点位预测模型 - 模型构建思路：基于历史分红数据和指数成分股特征，预测未来一年内股指期货合约存续期内的分红点位[8] - 模型具体构建过程： 1. 收集标的指数（如中证500、沪深300等）成分股的历史分红数据 2. 结合公司财报、行业分红规律等，预测未来一年内各成分股的分红时点和金额 3. 汇总成分股分红数据，计算指数分红点位 4. 按合约存续期划分，输出各合约存续期内的分红点位预测值 - 示例（中证500）： - IC2504存续期内分红点位：0.4 - IC2505存续期内分红点位：5.18 - IC2506存续期内分红点位：46.02 - IC2509存续期内分红点位：79.61[8][9] 2. 模型名称：基差修正模型 - 模型构建思路：剔除分红对股指期货基差的影响，计算年化调整后的基差[19] - 模型具体构建过程： 1. 计算实际基差：合约收盘价 - 标的指数收盘价 2. 叠加存续期内未实现的预期分红： $预期分红调整后的基差 = 实际基差 + 存续期内未实现的预期分红$ 3. 年化处理： $年化基差 = \frac{实际基差 + 预期分红点位}{指数价格} \times \frac{360}{合约剩余天数}$[19] 3. 模型名称：期现对冲策略（连续对冲/最低贴水策略） - 模型构建思路：通过动态调整期货合约对冲现货风险，优化基差收敛收益[45][46] - 模型具体构建过程： - 连续对冲策略： 1. 现货端持有标的指数全收益指数（70%资金） 2. 期货端做空等额名义本金的股指期货合约（30%资金） 3. 调仓规则：持有季月/当月合约至到期前2日，切换至下一合约[44] - 最低贴水策略： 1. 调仓时计算所有可交易合约的年化基差 2. 选择贴水幅度最小的合约开仓 3. 持有8个交易日或到期前2日切换[45] 4. 模型名称：信达波动率指数（Cinda-VIX） - 模型构建思路：借鉴海外VIX编制方法，反映期权市场对标的资产未来波动的预期[60] - 模型具体构建过程： 1. 选取不同行权价的期权合约隐含波动率（IV） 2. 加权计算期限结构，输出30日/60日/90日/120日VIX值 - 示例（2025年3月28日）： - 上证50VIX_30：17.09 - 中证500VIX_30：24.95[60][61] 5. 模型名称：信达偏斜指数（Cinda-SKEW） - 模型构建思路：通过期权隐含波动率偏斜程度，衡量市场对尾部风险的预期[69] - 模型具体构建过程： 1. 分析虚值看涨/看跌期权的IV偏斜特征 2. 计算SKEW指数（>100表示市场担忧下跌风险） - 示例（2025年3月28日）： - 中证500SKEW：103.33（历史分位>90%）[70][74] --- 模型的回测效果 1. IC对冲策略（2022年7月22日-2025年3月28日） - 年化收益：最低贴水策略-0.84%，季月连续对冲-1.77% - 波动率：最低贴水策略4.82%，季月连续对冲4.91% - 最大回撤：最低贴水策略-7.97%，季月连续对冲-8.34%[47] 2. IF对冲策略（同区间） - 年化收益：最低贴水策略1.40%，季月连续对冲0.85% - 波动率：最低贴水策略3.01%，季月连续对冲3.22% - 最大回撤：最低贴水策略-4.06%，季月连续对冲-4.03%[52] 3. IH对冲策略（同区间） - 年化收益：最低贴水策略1.70%，季月连续对冲2.01% - 波动率：最低贴水策略3.04%，季月连续对冲3.48% - 最大回撤：最低贴水策略-3.91%，季月连续对冲-3.75%[54] 4. IM对冲策略（同区间） - 年化收益：最低贴水策略-3.48%，季月连续对冲-4.02% - 波动率：最低贴水策略5.16%，季月连续对冲5.29% - 最大回撤：最低贴水策略-11.11%，季月连续对冲-12.63%[57] --- 量化因子与构建方式 1. 因子名称：年化基差因子 - 因子构建思路：反映期货合约相对现货的溢价/折价水平，考虑分红调整[19] - 因子具体构建过程： $年化基差 = \frac{合约价格 - 指数价格 + 预期分红点位}{指数价格} \times \frac{360}{剩余天数}$ - 示例（2025年3月28日）： - IC2506年化基差：-7.39% - IH2506年化基差：2.64%[20][26][36] 2. 因子名称：VIX期限结构因子 - 因子构建思路：通过不同期限VIX差值捕捉波动率曲线形态[60] - 因子具体构建过程： - 计算30日/60日/90日VIX差值（如中证500VIX_30 - VIX_60） - 正向结构（近低远高）反映市场对远期波动担忧[61][64] 3. 因子名称：SKEW分位数因子 - 因子构建思路：标准化SKEW指数历史分位数，识别极端尾部风险[70] - 因子具体构建过程： - 中证500SKEW历史分位数>90%时触发预警[70][74] --- 因子的回测效果 1. 年化基差因子（IC合约） - 2025年3月28日值：-7.39%（低于2022年以来中位数）[20] - 与对冲策略收益显著负相关（贴水收窄导致策略回撤）[47][57] 2. VIX因子（中证500） - 30日VIX值：24.95（2025年3月28日）[60] - 期限结构平坦化反映短期波动预期降温[4] 3. SKEW因子（中证500） - 近月SKEW值：103.33（历史分位>90%）[70] - 高值持续预示衍生品市场对下跌风险的警惕[4][74]