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 - 模型构建思路：基于历史分红数据和指数成分股信息，预测股指期货合约存续期内标的指数的分红点位[9][11][16][18] - 模型具体构建过程： 1. 收集标的指数（如中证500、沪深300等）成分股的历史分红数据 2. 根据合约存续期（次月、当季、下季）划分预测区间 3. 对每个区间内的预期分红点位进行加权汇总，公式为： $\text{分红点位} = \sum_{i=1}^{n} w_i \cdot d_i$ 其中 ( w_i ) 为成分股权重，( d_i ) 为预期分红金额[9][11][16][18] - 模型评价：能够有效修正基差计算中的分红影响，提升对冲策略的准确性 2. 模型名称：期现对冲策略优化模型 - 模型构建思路：通过动态调整期货合约选择规则（如连续持有或最低贴水），优化对冲组合的收益风险比[49][52][57][61] - 模型具体构建过程： 1. 连续对冲策略：持有季月/当月合约至到期前2日，滚动调仓[49] 2. 最低贴水策略：每日计算所有可交易合约的年化基差，选择贴水幅度最小的合约，持有8个交易日或至到期前2日[49] 3. 现货端与期货端资金分配比例为70%:30%，净值动态再平衡[49] 3. 模型名称：信达波动率指数（Cinda-VIX） - 模型构建思路：基于期权市场价格反推标的资产未来波动率预期，反映市场情绪[65][69][71][73] - 模型具体构建过程： 1. 选取不同期限（30/60/90/120日）的平值及虚值期权合约 2. 通过期权定价模型计算隐含波动率（IV），加权合成VIX值 3. 期限结构展示不同时间维度的波动率预期[65][69][71][73] 4. 模型名称：信达偏斜指数（Cinda-SKEW） - 模型构建思路：捕捉期权隐含波动率的偏斜特征，衡量市场对极端尾部风险的预期[74][75][77] - 模型具体构建过程： 1. 计算不同行权价期权的IV偏斜度 2. 标准化处理得到SKEW值，阈值100为分界线（>100表示担忧下跌风险）[75][77] --- 量化因子与构建方式 1. 因子名称：分红调整年化基差因子 - 因子构建思路：剔除分红影响后，衡量期货合约价格与标的指数的偏离程度[20][27][32][38][40] - 因子具体构建过程： 1. 计算实际基差：$\text{基差} = \text{期货价格} - \text{指数价格}$ 2. 叠加预期分红调整：$\text{调整后基差} = \text{基差} + \text{存续期内未实现分红}$ 3. 年化处理：$\text{年化基差} = \frac{\text{调整后基差}}{\text{指数价格}} \times \frac{360}{\text{合约剩余天数}}$[20] 2. 因子名称：波动率期限结构因子 - 因子构建思路：通过不同期限VIX的比值（如近端/远端）反映市场波动预期变化[65][69][71][73] - 因子具体构建过程： 1. 计算30日与120日VIX的比值：$\text{期限结构斜率} = \frac{\text{VIX}_{30}}{\text{VIX}_{120}}$ 2. 比值>1表示近端波动预期更高（"近端陡峭化"）[4][65] --- 模型的回测效果 1. IC对冲策略（2022/7/22-2025/5/16） - 年化收益：最低贴水策略-0.66%，季月连续-1.66%，当月连续-2.45% - 波动率：最低贴水策略4.76%，季月连续4.85% - 最大回撤：最低贴水策略-7.97%，季月连续-8.34%[51] 2. IF对冲策略（同区间） - 年化收益：最低贴水策略1.59%，季月连续1.01% - 波动率：最低贴水策略3.21%，季月连续3.42% - 最大回撤：最低贴水策略-4.06%，季月连续-4.03%[56] 3. Cinda-VIX指数（2025/5/16取值） - 上证50VIX_30：19.24 - 中证1000VIX_30：26.89[65][73] --- 因子的回测效果 1. 分红调整年化基差因子（2025/5/16） - IC当季合约：-10.17%（前值-9.05%） - IH当季合约：0.42%（前值1.25%）[20][27][32][38] 2. SKEW因子（2025/5/16） - 中证1000SKEW：107.96（反映尾部风险担忧） - 上证50SKEW：100.71（接近中性）[75][77]