根据提供的研报内容，以下是量化模型与因子的详细总结： 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 - 构建思路：基于历史数据和成分股分红信息，预测股指期货合约存续期内标的指数的分红点位[9] - 具体构建过程： 1. 对中证500、沪深300、上证50、中证1000指数未来一年分红点位进行预测 2. 按合约存续期（当月/次月/当季/下季）拆分预测结果 3. 计算公式： $分红占比 = \frac{下季合约存续期内分红点位}{未来一年总分红点位} \times 100\%$ 示例：中证500下季合约IC2509分红占比1.51%[9] 2. 模型名称：基差修正模型 - 构建思路：剔除分红影响后计算年化基差，反映期货合约真实定价偏差[22] - 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. 调整预期分红： $调整后基差 = 实际基差 + 存续期内未实现预期分红$ 3. 年化处理： $年化基差 = \frac{调整后基差}{指数价格} \times \frac{360}{合约剩余天数}$ 示例：IC2506合约年化基差-11.21%[23] 3. 模型名称：期现对冲策略 - 构建思路：通过做空股指期货对冲现货风险，包含连续对冲和最低贴水两种策略[46][48] - 具体构建过程： - 连续对冲策略： 1. 持有季月/当月合约至到期前2日平仓 2. 同步开仓下一季月/当月合约 - 最低贴水策略： 1. 每日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个交易日或至到期前2日 量化因子与构建方式 1. 因子名称：Cinda-VIX波动率指数 - 构建思路：反映期权市场对标的资产未来波动率的预期[64] - 具体构建过程： 1. 基于不同期限（30/60/90/120日）期权隐含波动率计算 2. 示例：中证1000VIX_30取值为28.63[64] 2. 因子名称：Cinda-SKEW偏斜指数 - 构建思路：衡量期权市场对极端风险的定价，>100预示市场担忧下跌风险[70] - 具体构建过程： 1. 分析虚值看涨/看跌期权隐含波动率差异 2. 示例：沪深300SKEW取值为102.42[71] 模型的回测效果 | 策略类型 | 年化收益 | 波动率 | 最大回撤 | 净值 | 年换手次数 | |------------------|----------|--------|----------|--------|------------| | IC季月连续对冲 | -1.68% | 4.89% | -8.34% | 0.9549 | 4 | | IC最低贴水策略 | -0.77% | 4.80% | -7.97% | 0.9791 | 18.01 | | IF季月连续对冲 | 1.06% | 3.45% | -4.03% | 1.0290 | 4 | | IF最低贴水策略 | 1.65% | 3.24% | -4.06% | 1.0454 | 15.43 | | IH季月连续对冲 | 2.20% | 3.66% | -3.75% | 1.0609 | 4 | | IM最低贴水策略 | -3.40% | 5.35% | -11.11% | 0.9102 | 16.54 | [50][55][59][61] 因子的回测效果 | 因子名称 | 当前值 | |------------------|----------| | 上证50VIX_30 | 19.27 | | 沪深300VIX_30 | 20.0 | | 中证500VIX_30 | 32.09 | | 中证1000VIX_30 | 28.63 | | 上证50SKEW | 101.91 | | 沪深300SKEW | 102.42 | | 中证1000SKEW | 102.36 | [64][71] 模型评价 - 分红预测模型：有效捕捉成分股分红对期货定价的影响，但依赖历史分红数据的稳定性[9] - 最低贴水策略：在多数指数上表现优于连续对冲策略，但换手成本较高[50][55][59] - Cinda-VIX：能灵敏反映市场波动预期变化，尤其对中小盘波动预警效果显著[64]