量化模型与构建方式 1. 模型名称：代表性分层抽样复制策略 模型构建思路：通过分层抽样方法构建与标的指数特征相似的债券投资组合，以最小化跟踪误差[5] 模型具体构建过程： - 首先对标的指数成分券按久期、剩余期限和到期收益率等特征进行分层 - 然后在每层中选取具有代表性的债券 - 对于无法直接投资的成分券，选择非成分券作为替代，确保组合整体特征与指数相似 - 最终构建的投资组合需满足：债券资产比例≥80%，指数成分券及备选成分券≥90%[5] 模型评价：该方法在保证跟踪精度的同时提高了操作灵活性，适合流动性受限的信用债市场[5] 量化因子与构建方式 1. 因子名称：深证基准做市信用债指数 因子构建思路：选取深交所流动性最优、信用等级最高的公司债构建分散化指数[3] 因子具体构建过程： - 备选范围：深交所上市流通的信用债 - 样本筛选标准： * 必须进入深交所基准做市债券清单 * 主体或债项评级AAA * 存续规模≥10亿元[3] - 权重设置：单券平均权重0.47%，最大权重0.88%[3] 因子评价：权重分散有效降低了信用风险，成分券高流动性保障了指数的可投资性[3] 2. 因子名称：沪做市公司债指数 因子构建思路：构建与深做市信用债指数对应的上交所版本，提供市场间比较基准[28] 因子具体构建过程： - 样本选取标准与深做市信用债指数类似 - 但久期更长（3.95年vs3.14年），静态收益率略高（2.06%vs2.04%）[28] 因子评价：与深市指数形成互补，但波动率和回撤相对较大[28] 模型的回测效果 1. 代表性分层抽样复制策略 - 年化跟踪误差：≤2%[5] - 日均偏离度：≤0.2%[5] - 实际表现：大成深证基准做市信用债ETF年化收益率1.9%，最大回撤0.75%[4] 因子的回测效果 1. 深证基准做市信用债指数 - 年化收益率：2023年4.11%，2024年5.24%，2025年0.46%[25] - 年化波动率：2023年0.40%，2024年0.46%[28] - 最大回撤：2023年-0.20%，2024年-0.42%[25] - 卡玛比率：2023年20.79，2024年12.53[28] - 久期：3.14年[28] 2. 沪做市公司债指数 - 年化收益率：2023年4.25%，2024年5.72%[28] - 年化波动率：2023年0.46%，2024年1.20%[28] - 最大回撤：2023年-0.39%，2024年-1.30%[28] - 卡玛比率：2023年10.80，2024年4.40[28] - 久期：3.95年[28] 3. 万得中长期纯债型指数 - 年化收益率：2023年3.61%，2024年4.59%[25] - 最大回撤：2023年-0.32%，2024年-0.67%[25]