量化模型与构建方式 1. 模型名称：美元流动性扩散指数 - 模型构建思路：结合数量维度和价格维度构建全面美元流动性刻画体系，通过五个指标（净流动性、联储信用支持、预期引导、市场隐含、公告意外）的等权平均得分反映流动性状态[4][6]。 - 模型具体构建过程： 1. 数量维度： - 净流动性 = 总资产 - TGA - 逆回购，反映市场真实可用资金[2][12]。 - 联储信用支持 = (中长期国债 + 联邦机构债券 + MBS) / (流通现金 + 准备金 + 逆回购)，基于抵押品质量衡量信用支持强度[15][17]。 2. 价格维度： - 预期引导：基于彭博Fed Sentiment指数，通过NLP分析联储官员新闻情绪，计算平滑后季度差分方向[21][25]。 - 市场隐含：从联邦基金利率期货价格推算隐含加息幅度，公式为 $隐含利率 = 100 - 期货价格$，再计算季度差分方向[28][29]。 - 公告意外：使用3个月后到期的联邦基金利率期货在会议前后30分钟价格变化，识别超预期宽松或收紧信号[30][32]。 3. 综合得分：每个指标方向（宽松+1，收紧-1）等权平均，得到美元流动性指数[33][34]。 - 模型评价：对多数资产具有显著区分效果，尤其在极端收紧时能预警风险，美股择时策略年化超额收益达5.1%~7.2%[37][38]。 --- 量化因子与构建方式 1. 因子名称：净流动性 - 因子构建思路：剔除TGA和逆回购干扰，直接反映市场可用资金量[2][7]。 - 因子具体构建过程： - 计算 $净流动性 = 总资产 - TGA - 逆回购$，对应负债端的流通现金和准备金[5][9]。 - 通过平滑后的季度差分方向判断扩张（+1）或收缩（-1）[12][13]。 2. 因子名称：联储信用支持 - 因子构建思路：通过抵押品等级划分（D/C1/C2）衡量联储对信用风险的干预[14][16]。 - 因子具体构建过程： - 计算 $联储信用支持 = \frac{中长期国债 + 联邦机构债 + MBS}{流通现金 + 准备金 + 逆回购}$[15][17]。 - 平滑后同比差分方向为正表示信用支持增强[17][18]。 3. 因子名称：Fed Sentiment指数 - 因子构建思路：捕捉联储官员高频言论中的政策倾向[21][22]。 - 因子具体构建过程： - 基于NLP对新闻文本打分（极度鸽派至极度鹰派5档），计算每日情绪总分[22][23]。 - 平滑后季度差分方向反映边际变化[25][26]。 4. 因子名称：联邦基金期货隐含利率 - 因子构建思路：通过期货价格反推市场对加息的隐含预期[28][29]。 - 因子具体构建过程： - 公式 $隐含利率 = 100 - 期货价格$，关注下一次会议预期变化[28][29]。 5. 因子名称：公告意外 - 因子构建思路：捕捉会议决策中未被定价的意外冲击[30][32]。 - 因子具体构建过程： - 计算3个月后到期的联邦基金利率期货在会议前后30分钟价格变化[30][31]。 --- 模型的回测效果 1. 美元流动性扩散指数 - 年化超额收益（标普500）：5.1%[37]。 - 最大回撤降低：15%（标普500）、31%（纳指100）[37][38]。 - 夏普比率提升：0.65（标普500择时） vs. 0.39（基准）[37]。 --- 因子的回测效果 1. 净流动性 - 扩张区间资产超额收益：标普500年化超额6.8%[13]。 2. 联储信用支持 - 增强区间夏普比率：标普500为1.25 vs. 减弱区间0.75[18]。 3. Fed Sentiment指数 - 鸽派区间标普500收益：年化15.5% vs. 鹰派区间5.2%[24]。 4. 公告意外 - 超预期宽松后60日美债收益：1.2% vs. 收紧区间-0.4%[31]。 5. 市场隐含利率 - 宽松区间标普500超额：25% vs. 收紧区间5%[27]。