量化模型与构建方式 1. 模型名称：五维行业轮动模型 - 模型构建思路：基于行业内部风格差异，通过划分行业内部股票风格并构建离散指标与牵引指标，合成五大类行业因子（波动率、基本面、成交量、情绪、动量），形成行业轮动策略[6] - 模型具体构建过程： 1. 因子划分：按东吴金工多因子体系将微观因子分为五类（波动率、基本面、成交量、情绪、动量）[6] 2. 行业内部指标构建： - 离散指标：衡量行业内部股票风格分化程度 - 牵引指标：反映行业内部领先股票对整体的带动作用 3. 合成因子：结合离散指标与牵引指标生成五类行业因子，加权得到综合评分[6] - 模型评价：通过多维度因子合成提升稳定性，近期波动率与成交量因子表现突出[8][9] 2. 指数增强策略模型 - 模型构建思路：基于五维行业轮动模型筛选增强/剔除行业，调整沪深300成分股权重[21] - 模型具体构建过程： 1. 每月末取五维模型第一组（多头）5个行业作为增强行业，最后一组（空头）5个行业作为剔除行业 2. 剔除沪深300中属于剔除行业的股票，将其权重按比例分配给增强行业股票[21] --- 量化因子与构建方式 1. 因子名称：波动率因子 - 因子构建思路：反映行业内部波动率风格分化与牵引效应[6] - 因子评价：近期收益能力与稳定性评分最高[8][9] 2. 因子名称：基本面因子 - 因子构建思路：基于行业内部基本面指标（如估值、盈利）的离散与牵引效应[6] 3. 因子名称：成交量因子 - 因子构建思路：捕捉行业内部成交量活跃度的分化特征[6] - 因子评价：近期表现仅次于波动率因子[8][9] 4. 因子名称：情绪因子 - 因子构建思路：衡量市场情绪对行业内部股票的差异化影响[6] 5. 因子名称：动量因子 - 因子构建思路：反映行业内部动量效应的扩散与收敛[6] --- 模型的回测效果 1. 五维行业轮动模型（多空对冲） - 年化收益率：21.64% - 年化波动率：10.82% - IR：2.00 - 月度胜率：73.11% - 最大回撤：13.30%[10][13] 2. 五维行业轮动模型（多头超额） - 年化收益率：10.43% - 年化波动率：6.62% - IR：1.58 - 月度胜率：70.59% - 最大回撤：9.36%[15][16] 3. 沪深300指数增强策略 - 年化超额收益率：8.81% - 超额波动率：7.52% - IR：1.17 - 月胜率：69.17% - 最大回撤：12.74%[22] --- 因子的回测效果 1. 波动率因子 - 年化收益率：11.56% - 波动率：10.20% - IR：1.13 - 胜率：59.68% - 最大回撤：14.27%[14] 2. 基本面因子 - 年化收益率：6.07% - 波动率：9.89% - IR：0.61 - 胜率：56.45% - 最大回撤：21.50%[14] 3. 成交量因子 - 年化收益率：7.81% - 波动率：12.14% - IR：0.64 - 胜率：58.87% - 最大回撤：18.51%[14] 4. 情绪因子 - 年化收益率：7.42% - 波动率：12.89% - IR：0.58 - 胜率：63.71% - 最大回撤：14.79%[14] 5. 动量因子 - 年化收益率：11.62% - 波动率：10.75% - IR：1.08 - 胜率：60.98% - 最大回撤：13.52%[14]