量化模型与构建方式 1. 模型名称：行业主线模型（相对强弱RSI指标） - 构建思路：通过计算行业指数的相对强弱指标，识别年度领涨行业[11] - 具体构建过程： 1. 选取29个一级行业指数作为标的 2. 计算过去20、40、60个交易日的行业涨跌幅横截面排名，归一化得到RS_20、RS_40、RS_60 3. 计算综合相对强弱指数：$RS = \frac{RS_{20} + RS_{40} + RS_{60}}{3}$ 4. 若行业在每年4月底前出现RS>90%的信号，则判定为潜在领涨行业[11][12] - 模型评价：历史验证有效，2024年成功捕捉高股息、资源品、出海和AI主线[11][13] 2. 模型名称：行业轮动模型（景气度-趋势-拥挤度框架） - 构建思路：结合景气度、趋势强度和拥挤度三维指标，动态配置行业[16] - 具体构建过程： 1. 景气度：横轴量化行业基本面强度（如盈利增速） 2. 趋势：纵轴量化价格动量（如过去60日收益率） 3. 拥挤度：气泡大小和颜色表示交易拥挤程度（蓝色低拥挤/红色高拥挤）[16][21] 4. 筛选"高景气+强趋势+低拥挤"行业，规避"低景气+弱趋势+高拥挤"行业[16] - 模型评价：进攻性与防御性结合，年化超额14.4%，IR达1.56[16][18] 3. 模型名称：左侧库存反转模型 - 构建思路：挖掘库存周期底部且分析师看好的困境反转行业[28] - 具体构建过程： 1. 识别库存压力较小的行业（如存货周转率改善） 2. 结合分析师预期（如盈利预测上调） 3. 筛选补库条件成熟的行业（如普钢、光学光电等）[28][29] - 模型评价：2024年相对行业等权超额14.8%，但2025年阶段性失效[28][30] 4. 模型名称：PB-ROE选股模型 - 构建思路：在行业配置基础上，选取估值性价比高的个股[23] - 具体构建过程： 1. 按行业权重筛选股票池 2. 计算PB-ROE分位数，选取前40%个股 3. 按流通市值和PB-ROE打分加权[23] - 模型评价：年化超额20.0%，重仓股如国泰君安、牧原股份等[23][26] --- 模型的回测效果 1. 行业主线模型 - 2024年命中率：煤炭、银行等9个RS>90%行业成为年度主线[11][12] - 2025年信号：14个行业出现RS>90%，以TMT、银行为主[13][14] 2. 行业轮动模型 - 年化超额：14.4%（基准Wind全A），IR 1.56，最大回撤-7.4%[16] - 2025年超额：相对Wind全A超额3.9%，ETF组合超额7.7%[3][18] 3. 左侧库存反转模型 - 2024年绝对收益：25.9%，超额行业等权14.8%[28][30] - 2025年收益：1.3%，跑输基准2.1%[28] 4. PB-ROE选股模型 - 年化收益：25.4%，超额Wind全A 20.0%，IR 1.72[23] - 2025年超额：3.8%（截至6月底）[23] --- 量化因子与构建方式 1. 因子名称：相对强弱因子（RS） - 构建过程：同行业主线模型，综合多周期排名归一化[11] 2. 因子名称：行业景气度因子 - 构建过程：基于财务指标（如ROE、营收增速）合成景气度评分[16][21] 3. 因子名称：趋势动量因子 - 构建过程：计算行业指数过去60日收益率标准化[16][21] 4. 因子名称：拥挤度因子 - 构建过程：结合换手率、融资余额等指标量化交易热度[16][21] --- 因子的回测效果 1. 相对强弱因子 - 有效窗口：4月底前RS>90%的行业后续平均超额7.6%[12][14] 2. 景气度-趋势-拥挤度组合因子 - 多头组合月胜率：68%（2013-2025年）[16][18] （注：部分因子未单独披露测试结果，仅作为模型输入组件）