根据提供的研报内容,以下是量化模型与因子的详细总结: --- 量化模型与构建方式 1. 高频宏观因子模型 - 构建思路:通过资产组合模拟构建高频宏观因子体系,用于观察市场交易的宏观预期变化[11] - 具体构建过程: 1. 低频宏观因子合成:工业增加值同比、PMI同比等指标合成低频因子 2. 领先资产筛选:筛选恒生指数、CRB金属现货等领先资产 3. 滚动回归拟合:以资产同比收益率为自变量,低频宏观因子同比为因变量,通过滚动多元回归确定权重 公式: 其中k通过扩展窗口OLS估计,为美联储长期通胀目标2%[30] - 评价:高频指标对低频宏观因子具有领先性,但可能出现方向背离(如高频经济增长与低频指标反向变动)[12][16] 2. 债券久期择时模型 - 构建思路:基于改进的Diebold2006模型预测收益率曲线,映射不同久期债券的预期收益[18] - 具体构建过程: 1. 因子预测:水平因子(宏观变量+政策利率)、斜率与曲率因子(AR(1)模型) 2. 收益映射:计算各久期债券预期收益,选择最高收益久期 - 评价:模型在2025年6月超额收益-2.1bp,近一年表现弱于等权基准[19][22] 3. 转债估值与风格轮动模型 - 构建思路:通过转股溢价率、修正YTM等指标比较转债与正股/信用债的估值,结合动量信号进行风格轮动[23][25] - 具体构建过程: 1. 估值指标: - 百元转股溢价率: - 修正YTM:剥离转股条款影响后与信用债YTM比较 2. 风格轮动: - 剔除高估值转债(转股溢价率偏离度因子) - 双周频调仓,基于20日动量与波动率偏离度选择风格(偏股/偏债)[25] - 评价:2018-2025年轮动组合年化收益23.87%,IR 1.43,但2025年6月配置性价比偏低(百元转股溢价率29.47%)[23][27] 4. 黄金预期收益模型 - 构建思路:将黄金收益与TIPS实际回报关联,通过历史参数估计未来收益[30] - 具体构建过程: 1. 参数k通过扩展窗口OLS估计 2. 使用美联储2%通胀目标作为代理 3. 输出未来一年预期收益率(2025年6月为23.0%) - 评价:过去一年策略绝对回报40.72%,模型持续看多黄金[32][34] 5. 主动风险预算模型 - 构建思路:结合风险平价与主动信号动态调整股债权重[35][36] - 具体构建过程: 1. 信号维度: - 股债比价(ERP): - 估值分位数(中证800近5年PE分位点) - 流动性(M2-M1剪刀差) 2. 权重计算:信号得分通过softmax函数转化为风险预算权重 其中为风险调整系数[45] - 评价:全样本年化收益6.51%,收益波动比1.64,2025年7月权益仓位18.72%[48][49] 6. 行业轮动3.0模型 - 构建思路:六维度动态合成行业信号(交易行为、景气度、资金面、筹码结构、宏观驱动、技术分析)[50] - 具体构建过程: 1. 子模型构建: - 交易行为:捕捉日内动量+隔夜反转效应 - 景气度:盈余动量因子 - 资金流:主动抢筹+被动派发行为 2. 动态合成:近12周模型权重贡献分析(筹码结构模型权重最高)[53][63] - 评价:2025年6月多空收益-1.45%,最新推荐非银/有色/通信等行业[56][59] --- 模型与因子的回测效果 1. 高频宏观因子 - 高频经济增长:同比上行(2025/6/27)[12] - 高频消费通胀:同比上行(2025/6/27)[16] - 高频生产通胀:同比上行(2025/6/27)[16] 2. 债券久期择时 - 2025年6月超额收益:-2.1bp[22] - 近一年超额收益:-2.96%[19] 3. 转债风格轮动 - 年化收益:23.87% - 最大回撤:16.67% - IR:1.43[27] 4. 黄金预期收益 - 未来一年预期收益率:23.0%(2025/6/30)[30] - 过去一年策略回报:40.72%[32] 5. 主动风险预算 - 年化收益:6.51% - 收益波动比:1.64 - 2025年7月权益仓位:18.72%[49] 6. 行业轮动3.0 - 2025年6月多空收益:-1.45%[56] - ETF轮动组合6月超额:-2.93%[67] --- 关键公式汇总 1. 黄金收益模型: [30] 2. 股权风险溢价: [37] 3. 风险预算权重: [45] --- 注:所有数据与结论均基于研报披露的历史回测,未涉及未来预测或投资建议。
金融工程定期:资产配置月报(2025年7月)-20250630
开源证券·2025-06-30 21:12