量化模型与构建方式 1. A股景气指数模型 模型名称：A股景气指数[33] 模型构建思路：以上证指数归母净利润同比为Nowcasting目标构建高频景气指数，用于追踪A股景气周期[33] 模型具体构建过程： 1. 选取上证指数归母净利润同比作为核心观测目标 2. 采用Nowcasting方法构建高频指数 3. 通过时间序列分析识别景气周期转折点 4. 指数数值反映景气度水平，上升表示景气改善[33] 2. A股情绪指数模型 模型名称：A股情绪指数[37] 模型构建思路：基于市场波动率和成交额变化方向构造情绪指数，包含见底预警与见顶预警功能[37] 模型具体构建过程： 1. 将市场按波动率和成交额变化方向划分为四个象限： - 波动上-成交下：显著负收益 - 其他三个象限：显著正收益 2. 根据象限划分构造情绪指数 3. 见底预警指数基于价格信号（波动率） 4. 见顶预警指数基于成交量信号（成交额） 5. 综合信号由两个子信号组合生成[37][40][42] 3. 风格因子模型 模型名称：BARRA风格因子模型[60] 模型构建思路：参照BARRA因子模型框架，构建十大类风格因子描述市场风险特征[60] 模型具体构建过程： 1. 构建十大类风格因子包括： - 市值（SIZE） - BETA - 动量（MOM） - 残差波动率（RESVOL） - 非线性市值（NLSIZE） - 估值（BTOP） - 流动性（LIQUIDITY） - 盈利（EARNINGS_YIELD） - 成长（GROWTH） - 杠杆（LVRG） 2. 计算各因子暴露度和纯因子收益 3. 用于组合绩效归因分析和风格暴露监控[60] 4. 指数增强模型 模型名称：中证500增强组合[48] 模型构建思路：通过量化模型构建超越中证500指数的投资组合[48] 模型具体构建过程： 1. 基于多因子模型选股 2. 优化组合权重 3. 控制跟踪误差 4. 定期调整持仓[48][50] 模型名称：沪深300增强组合[55] 模型构建思路：通过量化模型构建超越沪深300指数的投资组合[55] 模型具体构建过程： 1. 基于多因子模型选股 2. 优化组合权重 3. 控制跟踪误差 4. 定期调整持仓[55][56] 模型的回测效果 1. 中证500增强组合 - 本周收益：-1.96%[48] - 本周超额收益：-0.11%（跑输基准）[48] - 2020年至今超额收益：50.56%[48] - 最大回撤：-4.99%[48] 2. 沪深300增强组合 - 本周收益：-0.38%[55] - 本周超额收益：+0.43%（跑赢基准）[55] - 2020年至今超额收益：38.85%[55] - 最大回撤：-5.86%[55] 量化因子与构建方式 1. 风格因子体系 因子名称：十大类风格因子[60] 因子构建思路：基于BARRA框架构建全面描述市场风险特征的因子体系[60] 因子具体构建过程： 1. 市值因子（SIZE）：基于总市值的规模因子 2. BETA因子：衡量个股相对于市场的系统性风险 3. 动量因子（MOM）：基于历史价格表现的动量效应 4. 残差波动率因子（RESVOL）：剔除市场影响后的特异波动率 5. 非线性市值因子（NLSIZE）：市值因子的非线性变换 6. 估值因子（BTOP）：基于账面市值比的价值因子 7. 流动性因子（LIQUIDITY）：衡量股票流动性的指标 8. 盈利因子（EARNINGS_YIELD）：衡量公司盈利能力的指标 9. 成长因子（GROWTH）：衡量公司成长性的指标 10. 杠杆因子（LVRG）：衡量公司财务杠杆水平的指标[60] 2. 行业因子 因子构建思路：构建行业纯因子收益，衡量各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. 按行业分类计算纯因子收益 2. 相对市场市值加权组合计算超额收益 3. 监控各行业因子表现[61][66] 因子的回测效果 1. 近期风格因子表现 - Beta因子：超额收益较高[61] - 动量因子：呈较为显著的负向超额收益[61] - 非线性市值因子：呈较为显著的负向超额收益[61] - 价值因子：表现不佳[61] - 盈利因子：表现不佳[61] 2. 风格因子相关性 从因子暴露相关性来看（近一周）：[62] - 流动性因子与Beta、动量、残差波动率呈现明显正相关性 - 价值因子与Beta、残差波动率、流动性等因子呈现明显负相关性 - 市值因子与非线性市值因子相关性为0.515 - Beta因子与流动性因子相关性为0.523 - 动量因子与残差波动率因子相关性为0.630 - 价值因子与盈利因子相关性为0.521 3. 行业因子表现 - 表现较好行业因子：电力设备、有色金属[61] - 回撤较多行业因子：国防军工、保险、计算机[61]