量化模型与构建方式 1. 模型名称：短期量化择时模型 - 模型构建思路：基于基本面、估值面、情绪面、流动性四个维度的指标进行综合判断，生成周度择时信号[17][18][19] - 模型具体构建过程： 1. 基本面指标： - 制造业PMI分位数（中性信号阈值59.32%） - 中长期贷款余额同比增速分位数（谨慎信号阈值0%） - M1同比增速HP滤波分位数（中性信号阈值42.37%） 2. 估值面指标： - A股整体PE分位数（中性信号阈值76.26%） - PB分位数（乐观信号阈值17.62%） 3. 情绪面指标： - Beta离散度分位数（乐观信号阈值35.59%） - 量能情绪分位数（60日成交量与换手率布林带合成，乐观信号阈值81.80%） - 波动率分位数（中性信号阈值97.68%） 4. 流动性指标： - 货币利率分位数（乐观信号阈值15.25%） - 汇率预期分位数（谨慎信号阈值70.34%） - 融资额分位数（中性信号阈值1.57%） - 模型评价：多维度动态加权，历史回测显示对市场拐点敏感[19] 2. 模型名称：成长价值轮动模型 - 模型构建思路：通过盈利周期、利率周期、信贷周期判断基本面，结合估值差（PE/PB）和情绪指标（换手率、波动率）进行风格配置[27][28][29] - 模型具体构建过程： 1. 基本面信号： - 盈利斜率周期水平（>0利好成长） - 利率综合周期水平（<0利好成长） - 信贷综合周期变化（<0利好价值） 2. 估值信号： - 成长价值PE差分位数（均值回归策略，11.94%分位时超配成长） - PB差分位数（7.63%分位时超配成长） 3. 情绪信号： - 换手差分位数（23.49%分位时超配价值） - 波动差分位数（67.76%分位时均衡配置） - 模型评价：周期敏感性较强，但需警惕信贷数据滞后性[29] 3. 模型名称：小盘大盘轮动模型 - 模型构建思路：与成长价值模型类似，但指标替换为小盘大盘相对指标[33][34] - 模型具体构建过程： 1. 基本面信号：盈利斜率、利率水平、信贷周期方向判断（逻辑同成长价值模型） 2. 估值信号： - 小盘大盘PE差分位数（65.76%分位时超配大盘） - PB差分位数（95.15%分位时超配大盘） 3. 情绪信号： - 换手差分位数（77.09%分位时超配小盘） - 波动差分位数（94.24%分位时超配大盘） 4. 模型名称：四风格轮动模型 - 模型构建思路：整合成长价值和小盘大盘模型输出，生成小盘成长/价值、大盘成长/价值的四象限配置比例[38][39] - 模型具体构建过程： - 将成长价值和小盘大盘模型的仓位信号等权合成，例如： $小盘成长仓位 = 小盘信号权重 \times 成长信号权重$ - 模型评价：分散化效果显著，但组合波动率较高[39] --- 量化因子与构建方式 1. 因子名称：量能情绪因子 - 因子构建思路：通过成交量与换手率的布林带指标合成市场情绪代理变量[11][12] - 因子具体构建过程： 1. 计算60日成交量与换手率的均值($\mu$)和标准差($\sigma$) 2. 对当前值进行标准化： $得分 = \frac{当前值 - \mu}{2\sigma}$ 3. 限制得分在[-1,1]区间，极值取-1或+1 4. 将成交量与换手率得分等权合成最终指标 - 因子评价：对短期市场反转有较强预测力[12] 2. 因子名称：估值差分因子 - 因子构建思路：计算成长价值或小盘大盘风格的PE/PB差值分位数，用于均值回归策略[27][33] - 因子具体构建过程： - 计算风格间估值差： $PE_{差} = PE_{成长} - PE_{价值}$ - 计算当前差值在5年历史分位数 --- 模型的回测效果 1. 短期量化择时模型 - 年化收益率16.16%（基准3.96%） - 最大回撤27.70%（基准31.41%） - 夏普比率0.9509（基准0.2191）[19][22] 2. 成长价值轮动模型 - 年化收益率11.06%（基准6.25%） - 年化超额收益4.81% - 月度胜率57.43%[29][31] 3. 小盘大盘轮动模型 - 年化收益率11.84%（基准6.39%） - 收益回撤比0.2338（基准0.1190）[34][35] 4. 四风格轮动模型 - 年化收益率12.65%（基准6.78%） - 年度胜率61.54%[39] --- 因子的回测效果 1. 量能情绪因子 - 分位数>60%时，未来1周平均收益率0.46%（基准0.09%） - 周度胜率56.08%（基准50.91%）[12] 2. 估值差分因子 - PE差分位数<20%时超配成长，历史年化超额收益7.68%[27][29]