量化模型与构建方式 1. 模型名称：行业景气度-趋势-拥挤度框架 模型构建思路：通过结合行业景气度、趋势强度和拥挤度三个维度，筛选出高景气、强趋势且拥挤度适中的行业进行配置[1][9] 模型具体构建过程： - 景气度：基于分析师盈利预测数据构建FAPI指数（Financial Analyst Pros Index），计算行业景气度z-score[89] - 趋势：采用动量指标衡量行业价格趋势强度，公式为： $趋势得分 = \frac{当前价格 - N日前价格}{N日前价格}$ - 拥挤度：通过换手率、波动率等指标计算行业交易拥挤程度，规避高拥挤行业[89] 模型评价：进攻性强，需依赖拥挤度指标控制风险，适合同步市场行情[91] 2. 模型名称：行业库存景气反转模型 模型构建思路：在困境行业中筛选库存压力小、具备补库条件的板块，捕捉反转机会[17][93] 模型具体构建过程： - 剔除库存历史分位数>80%或资本开支>80%的行业[17] - 筛选毛利率和自由现金流占比历史分位数>20%的行业[17] - 结合分析师长期景气预期进行加权[93] 模型评价：左侧布局型策略，对库存周期拐点敏感[93] 3. 模型名称：PB-ROE选股模型 模型构建思路：在行业配置基础上，选择估值性价比高的个股[102] 模型具体构建过程： - 按行业权重初筛股票池 - 计算个股PB-ROE分位数： $PB-ROE得分 = \frac{ROE - 行业ROE中位数}{行业ROE标准差} - \frac{PB - 行业PB中位数}{行业PB标准差}$ - 选取前40%个股按流通市值和PB-ROE打分加权[102] 模型的回测效果 1. 行业景气度-趋势-拥挤度模型： - 年化超额收益16.3%（基准wind全A）[91] - IR 1.74，最大回撤-7.4%[91] - 2025年超额2.7%[1][9] 2. 行业库存景气反转模型： - 年化超额收益16.5%（基准行业等权）[95] - IR 1.76，最大回撤-8.7%[95] - 2024年绝对收益25.6%[95] 3. PB-ROE选股组合： - 年化超额收益22.9%（基准wind全A）[101] - IR 2.02，最大回撤-8.0%[101] - 2025年超额3.3%[12] 量化因子与构建方式 1. 因子名称：分析师景气指数（FAPI） 因子构建思路：整合分析师盈利预测变化反映行业景气度[89] 因子具体构建过程： - 收集各行业分析师EPS预测调整数据 - 计算标准化z-score： $FAPI = \frac{上调EPS预测数 - 下调EPS预测数}{总覆盖分析师数}$ - 滚动3个月平滑处理[89] 2. 因子名称：库存周期因子 因子构建思路：通过库存同比变化判断行业所处库存阶段[23][26] 因子具体构建过程： - 计算库存同比： $库存同比 = \frac{当期库存 - 去年同期库存}{去年同期库存}$ - 结合营收同比判断主动/被动补去库存状态[25][27] 3. 因子名称：自由现金流因子 因子构建思路：衡量行业补库能力[33][35] 因子具体构建过程： - 计算自由现金流占比： $FCF/TA = \frac{自由现金流}{总资产}$ - 取历史分位数避免绝对值偏差[35] 因子的回测效果 1. FAPI因子： - 在电子、新能源等行业中IC均值0.15[89] - 月度胜率63%[89] 2. 库存周期因子： - 在有色、汽车等行业中IC均值0.12[26] - 触底信号后6个月超额收益8.2%[23] 3. 自由现金流因子： - 在家电、汽车等行业中IC均值0.18[35] - 分位数>20%组合年化超额9.7%[35]