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. 遗传规划行业轮动模型 - 模型构建思路：通过遗传规划算法直接挖掘行业指数的量价、估值等数据中的有效因子，构建多因子综合评分体系[33] - 模型具体构建过程： 1. 每季度末更新因子库，采用周频调仓机制 2. 对30个一级行业指数计算量价（20日波动率、动量突破）、估值（PE/PB分位数）、流动性（成交额占比）等150+原始特征 3. 通过双目标遗传规划（最大化ICIR+因子多样性）生成复合因子，例如： $因子_1 = \frac{20日动量}{PE分位数} \times 成交量变异系数$ $因子_2 = ln(市值) \times 相对强弱指标_{14日}$ 4. 对因子进行中性化处理后等权合成综合得分 5. 每周选取得分最高的5个行业等权配置[33][36] - 模型评价：能够动态捕捉市场风格切换，在成长/周期/金融板块间灵活轮动[34] 2. 绝对收益ETF模拟组合模型 - 模型构建思路：结合时序动量与行业轮动观点进行大类资产配置[37] - 模型具体构建过程： 1. 资产配置层：计算股/债/商品等资产的20日波动调整后动量： $动量_{adj} = \frac{20日收益率}{20日波动率+0.5\%}$ 2. 权益配置层：直接采用月频行业轮动模型的Top5行业观点 3. 权重分配采用风险预算框架，对动量排名前30%的资产赋予5-15%权重[39] 3. 市场内在动量指标组 - 因子构建思路：通过个股微观交易数据捕捉市场隐性趋势[18] - 因子具体构建过程： 1. 短期动量因子： - 指标1：$个股涨跌成交额占比差 = \frac{\sum上涨个股成交额 - \sum下跌个股成交额}{总成交额}$ - 指标2：$1个月新高新低成交额差 = \frac{\sum新高个股成交额 - \sum新低个股成交额}{总成交额}$ 2. 长期动量因子： - 指标3：$6个月新高新低成交额差$（同指标2构造方式） - 指标4：$1年新高新低成交额差$（同指标2构造方式） 3. 对原始指标进行20日移动平均处理[19] - 因子评价：领先指数3-5个交易日发出趋势信号[20] 模型回测效果 | 模型名称 | 年化收益 | 年化波动 | 夏普比率 | 最大回撤 | 今年以来收益 | |---------------------------|----------|----------|----------|----------|--------------| | 遗传规划行业轮动模型 | 31.87% | 18.18% | 1.75 | -19.63% | 28.68%[35] | | 绝对收益ETF模拟组合 | 6.53% | 3.82% | 1.71 | -4.65% | 5.58%[38] | | 全球资产配置模拟组合 | 7.19% | 4.83% | 1.49 | -6.44% | -3.59%[42] | 因子测试结果 | 因子名称 | IC均值 | IR | 多空收益差（年化） | |------------------------|--------|------|--------------------| | 个股涨跌成交额占比差 | 0.12 | 1.8 | 15.6%[21] | | 1个月新高新低成交额差 | 0.09 | 1.2 | 11.3%[21] | | 6个月新高新低成交额差 | 0.15 | 2.1 | 18.4%[23] | | 1年新高新低成交额差 | 0.18 | 2.4 | 21.7%[23] |