量化模型与构建方式 1. 模型名称：中证500增强组合 - 模型构建思路：通过量化选股策略构建中证500指数的增强组合，旨在跑赢基准指数[48] - 模型具体构建过程： 1. 基于多因子模型筛选股票，因子包括市值、Beta、动量、残差波动率等[60] 2. 对股票进行加权配置，持仓权重根据因子暴露和优化算法确定[52] 3. 组合定期调整，保持与基准指数的风格一致性[48] - 模型评价：长期超额收益显著，但近期表现略逊于基准[48] 2. 模型名称：沪深300增强组合 - 模型构建思路：采用量化方法构建沪深300指数的增强组合[55] - 模型具体构建过程： 1. 使用BARRA风格因子（如市值、Beta、盈利等）进行选股[60] 2. 通过风险模型控制组合跟踪误差[55] 3. 动态调整持仓权重，优化组合表现[58] - 模型评价：历史超额收益稳定，但近期跑输基准[55] 3. 模型名称：A股情绪指数系统 - 模型构建思路：基于市场波动率和成交额变化构建情绪择时模型[38] - 模型具体构建过程： 1. 将市场划分为四个象限：波动上-成交下（显著负收益）、其他（显著正收益）[38] 2. 构建见底预警指数（价）和见顶预警指数（量）[42] 3. 综合信号生成多空观点[40] - 模型评价：对市场拐点有较好的预警作用[38] 模型的回测效果 1. 中证500增强组合： - 本周收益3.04%，跑输基准0.24%[48] - 2020年至今超额收益49.91%，最大回撤-4.99%[48] 2. 沪深300增强组合： - 本周收益1.33%，跑输基准0.36%[55] - 2020年至今超额收益33.78%，最大回撤-5.86%[55] 3. A股情绪指数系统： - 当前综合信号为"多"[42] - 历史择时表现见图表19[47] 量化因子与构建方式 1. 因子名称：BARRA十大类风格因子 - 因子构建思路：参照BARRA模型构建A股市场风格因子[60] - 因子具体构建过程： 1. 包括市值（SIZE）、Beta、动量（MOM）、残差波动率（RESVOL）等十大类因子[60] 2. 通过个股风险暴露计算因子收益[61] 3. 因子相关性分析见图表25[63] 2. 因子名称：行业纯因子 - 因子构建思路：衡量行业相对市场市值加权组合的超额收益[61] - 因子具体构建过程： 1. 按中信一级行业分类构建行业因子[61] 2. 计算行业纯因子收益率[67] 因子的回测效果 1. 风格因子表现： - 本周Beta因子超额收益较高，残差波动率呈负向超额收益[61] - 近期高Beta股表现优异，流动性、盈利因子表现不佳[61] 2. 行业因子表现： - 本周煤炭、有色金属、钢铁行业因子超额收益较高[61] - 银行、电力及公用事业行业因子回撤较多[61] 3. 指数收益归因： - 中证500、创业板指在Beta因子上暴露较大，表现较好[69] - 上证综指、上证50在Beta因子上暴露较小，表现不佳[69]