根据研报内容，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. 模型名称：人工智能全球大类资产配置模型 - 模型构建思路：基于机器学习模型和因子投资思路，对全球大类资产进行打分排序，构建月频量化等权配置策略[34] - 模型具体构建过程： 1. 使用历史数据训练机器学习模型，提取资产特征因子 2. 模型输出各资产的综合打分 3. 根据打分结果分配权重，构建等权组合 4. 每月定期调整组合权重[34] - 模型评价：该模型在长期表现上优于基准，具有较好的风险调整收益[34] 2. 模型名称：动态宏观事件因子的股债轮动策略 - 模型构建思路：基于宏观择时模块和风险预算模型框架，构建不同风险偏好的股债配置策略[40] - 模型具体构建过程： 1. 选取经济增长和货币流动性维度的宏观指标作为输入因子 2. 通过动态事件因子体系计算信号强度 3. 根据信号强度调整股票和债券的配置比例 4. 输出保守型、稳健型和进取型三种配置方案[40] - 模型评价：该策略在长期历史回测中表现优异，各风险等级策略均优于基准[40] 3. 模型名称：红利风格择时配置策略 - 模型构建思路：基于经济增长和货币流动性指标构建中证红利的择时策略[48] - 模型具体构建过程： 1. 选取10个宏观经济指标作为输入因子 2. 通过动态事件因子体系计算合成信号 3. 根据信号强度调整中证红利的配置仓位[48] - 模型评价：该策略相较于中证红利指数有显著的稳定性提升[48] 模型的回测效果 1. 人工智能全球大类资产配置模型 - 年化收益率：6.77% - 年化波动率：6.64% - 最大回撤：-6.66% - 夏普比率：1.02 - 年初至今收益率：3.87%[34] 2. 动态宏观事件因子的股债轮动策略 - 进取型年化收益率：20.00% - 稳健型年化收益率：10.97% - 保守型年化收益率：6.01% - 进取型最大回撤：-13.72% - 稳健型最大回撤：-6.77% - 保守型最大回撤：-3.55%[40] 3. 红利风格择时配置策略 - 年化收益率：16.62% - 年化波动率：17.47% - 最大回撤：-21.22% - 夏普比率：0.94[48] 量化因子与构建方式 1. 因子名称：经济增长维度因子 - 因子构建思路：反映宏观经济景气度的指标[40] - 因子具体构建过程： 1. 选取工业增加值同比、PPI同比等指标 2. 对指标进行标准化处理 3. 计算各指标的信号强度[40] 2. 因子名称：货币流动性维度因子 - 因子构建思路：反映市场流动性状况的指标[40] - 因子具体构建过程： 1. 选取M1-M2剪刀差、国债利差等指标 2. 对指标进行标准化处理 3. 计算各指标的信号强度[40] 因子的回测效果 1. 经济增长维度因子 - 8月份信号强度：100%[40] 2. 货币流动性维度因子 - 8月份信号强度：0%[40]