量化模型与构建方式 1. 模型名称：逻辑回归预测模型 - 模型构建思路：基于历史宏观真实周期和各类资产收益率，预测市场定价逻辑[1][8] - 模型具体构建过程： 1. 划分六种经济周期状态：信用扩张、经济复苏、货币退潮、信用退潮、经济放缓、货币扩张[10] 2. 使用逻辑回归模型将资产收益率与历史周期状态匹配，计算隐含概率 3. 输出当前市场定价的周期概率分布（如货币扩张概率44.0%，信用扩张概率15.2%）[13] - 模型评价：能够捕捉市场情绪转向，如2024年9月信用扩张预期衰减被准确预测[8] 量化因子与构建方式 1. 因子名称：贸易不确定指数（TPU Index） - 因子构建思路：通过主流媒体报道量化贸易不确定性[11] - 因子具体构建过程： 1. 收集七家全球主流媒体（如波士顿环球报、卫报）的新闻报道 2. 文本搜索"贸易不确定"相关关键词并计算占比 3. 标准化后生成指数，2015年前为月频，2015年后为日频[11] - 因子评价：对重大贸易事件敏感（如2025年美国对等关税政策导致指数新高）[18] 2. 因子名称：地缘政治风险指数（GPR Index） - 因子构建思路：通过媒体报道量化地缘政治风险[19] - 因子具体构建过程： 1. 收集十家全球主流媒体（如金融时报、环球邮报）的新闻报道 2. 统计负面地缘政治新闻数量并标准化[19] 3. 因子名称：美国经济政策不确定性指数（EPU Index） - 因子构建思路：通过媒体报道量化美国经济政策不确定性[22] - 因子具体构建过程： 1. 筛选十家主流媒体中"经济不确定性"相关文章 2. 结合文本分析与统计方法生成指数[23] 4. 因子名称：OFR金融压力指数（OFR FSI Index） - 因子构建思路：综合多维度指标监控全球金融系统稳定性[24] - 因子具体构建过程： 1. 包含五类子指标：信用利差、股票估值、安全资产估值、融资成本、资产波动 2. 加权合成综合指数[25] 5. 因子名称：花旗风险厌恶指数（Citi RAI Index） - 因子构建思路：综合六类市场指标反映美国市场风险偏好[27] - 因子具体构建过程： 1. 包含VIX、新兴市场与美国国债利差、银行间借贷成本等六类因子 2. 标准化后合成指数，阈值70%以上为极端风险厌恶[28] 6. 因子名称：中国主权CDS利差 - 因子构建思路：通过信用违约互换利差反映海外对中国经济风险的评估[29] - 因子具体构建过程：直接采用市场交易的5年期CDS利差数据[30] 模型与因子的回测效果 1. 逻辑回归预测模型： - 2025年4月3日周期概率分布：货币扩张44.0%、信用扩张15.2%、经济复苏15.3%等[13] 2. 贸易不确定指数（TPU Index）： - 2025年对美国对等关税政策的响应值达历史新高（图表显示数值突破800）[18] 3. 花旗风险厌恶指数（Citi RAI Index）： - 2025年4月3日读数跳升至92%，超过极端风险厌恶阈值[28] 4. 中国主权CDS利差： - 2025年4月4日读数65.7，位于近一年83%分位数[30]