量化模型与构建方式 1. 模型名称：大小盘轮动模型 - 模型构建思路：基于宏观经济指标、市场状态和微观特征构建多维度信号，综合判断大小盘风格轮动方向[27][34] - 模型具体构建过程： 1. 宏观经济维度：筛选固定资产投资、PMI、信用利差等12项指标，定义事件模式（如历史高位、边际变化）并计算信号得分[27][34] 2. 市场状态维度：使用中证全指的波动率、BP、DRP等代理变量，结合事件研究法生成信号[27][34] 3. 微观特征维度：通过大单买入强度、改进反转、换手率等量价因子捕捉资金流向和交易情绪[27][34] 4. 综合加权：各子模型信号加权平均，最终输出大小盘风格观点[27] 2. 模型名称：价值成长轮动模型 - 模型构建思路：从盈利预期、贴现率和投资者情绪角度构建多因子信号，判断价值与成长风格轮动[31][34] - 模型具体构建过程： 1. 宏观经济维度：选取PPI-CPI、M1/M2同比、国债收益率等9项指标，定义事件触发条件[30][34] 2. 市场状态维度：基于中证全指换手率、波动率、红利超额收益等计算动量信号[30][34] 3. 微观特征维度：结合未预期毛利、换手率标准差等因子反映业绩和交易差异[30][34] 4. 综合决策：各子模型一致看多成长风格时输出强信号[23][30] --- 模型的回测效果 1. 大小盘轮动模型 - 年化超额收益：10.93%[16] - IR：1.38[16] - 超额月胜率：64.19%[16] - 最大相对回撤：-19.15%[19] 2. 价值成长轮动模型 - 年化超额收益：19.02%[21] - IR：2.05[21] - 超额月胜率：70.95%[25] - 最大相对回撤：-14.17%[25] --- 量化因子与构建方式 1. 因子名称：改进反转因子 - 因子构建思路：捕捉20日股价反转效应，调整后增强小盘股信号[27] - 因子具体构建过程： $改进反转 = \frac{P_{t-20}}{P_t} - 1$ 其中$P_t$为当日价格，$P_{t-20}$为20日前价格[27] 2. 因子名称：换手率标准差因子 - 因子构建思路：通过60日换手率波动衡量交易情绪分化[27][30] - 因子具体构建过程： $换手率标准差 = \sqrt{\frac{1}{60}\sum_{i=1}^{60}(Turn_i - \overline{Turn})^2}$ 其中$Turn_i$为第i日换手率，$\overline{Turn}$为60日均值[27][30] --- 因子的回测效果 1. 改进反转因子 - 小盘风格组合年化超额：11.99%（2013年）[19] - 月胜率：66.67%（2013年）[19] 2. 换手率标准差因子 - 成长风格组合年化超额：47.65%（2021年）[25] - IR：3.96（2021年）[25]