量化模型与构建方式 1. 模型名称：逆周期配置模型 - 模型构建思路：通过信用利差和期限利差预测未来宏观环境（Growth、Inflation、Slowdown），并选择不同环境下表现最优的资产构建绝对收益组合[8] - 模型具体构建过程： 1. 使用信用利差预测经济增长方向，期限利差预测通货膨胀方向 2. 将宏观环境划分为Growth、Inflation、Slowdown三个阶段 3. 根据不同阶段配置资产： - Growth环境：超配股票资产10%（沪深300，30%） - Inflation环境：维持股票基准配置比例（沪深300，20%），并配置南华商品30% - Slowdown环境：低配股票资产10%（国证2000，10%）[9] 2. 模型名称：宏观动量模型 - 模型构建思路：通过经济增长、通货膨胀、汇率、利率、风险情绪等大类因子对股票、债券、黄金等资产进行月度择时[12] - 模型具体构建过程： 1. 对每类资产设置多个大类因子（如经济增长、通货膨胀等） 2. 每个大类因子下包含多个小类因子（如PMI、PPI等） 3. 根据小类因子的最新变化和影响方向计算分项信号 4. 汇总分项信号得到大类因子信号，最终汇总为总信号[13][14][16] 3. 模型名称：行业复合趋势因子模型 - 模型构建思路：从行业维度构建指标作为市场行情启动信号，因子绝对值超过阈值后触发多空信号[16] - 模型具体构建过程： 1. 计算行业维度的趋势指标 2. 因子绝对值超过一定水平后触发买入信号，绝对值突降时触发空仓信号[16] 量化因子与构建方式 1. 因子名称：行业复合趋势因子 - 因子构建思路：通过行业维度指标捕捉市场趋势变化[16] - 因子评价：能够有效识别市场行情启动和顶部信号[16] 2. 因子名称：经济增长因子 - 因子构建思路：包含PMI、财新PMI等小类因子，用于预测经济增长方向[13] 3. 因子名称：通货膨胀因子 - 因子构建思路：包含PPI当月同比、PPI预期误差等小类因子，用于预测通货膨胀方向[13] 4. 因子名称：汇率因子 - 因子构建思路：包含CFETS人民币汇率指数、美元中间价等小类因子，用于预测汇率变化[13] 5. 因子名称：利率因子 - 因子构建思路：包含中债企业债到期收益率、中债国开债到期收益率等小类因子，用于预测利率变化[13] 6. 因子名称：风险情绪因子 - 因子构建思路：包含Wind全A前一个月收益率、波动率变化等小类因子，用于预测市场风险情绪[13] 模型的回测效果 1. 逆周期配置模型 - 2025Q1累计净值表现：沪深300（-1.21%）、国证2000（6.03%）、南华商品（1.52%）、中债国债总财富指数（-0.90%）[8] - 长期表现：以股债20-80为基准的逆周期策略累计净值显著优于基准[11] 2. 行业复合趋势因子模型 - 累积收益（2015.1-2025.3）：79.47% - 超额收益（2015.1-2025.3）：39.0% - 最新信号（2025.3）：因子值为0.09，维持正向信号[17] 因子的回测效果 1. 行业复合趋势因子 - 2025年3月信号：正向 - Wind全A当月收益率：-0.004%[17] 2. 经济增长因子 - 2025年4月信号：正向（汇总信号为1）[13] 3. 通货膨胀因子 - 2025年4月信号：中性（汇总信号为0）[13] 4. 汇率因子 - 2025年4月信号：负向（汇总信号为-1）[13] 5. 利率因子 - 2025年4月信号：正向（汇总信号为1）[13] 6. 风险情绪因子 - 2025年4月信号：负向（汇总信号为-1）[13]