量化模型与构建方式 1. 行业分化度指标 - 指标构建思路：通过计算行业指数涨幅的离散程度来度量市场结构化特征，作为行业分化度的代理指标[1][12] - 具体构建过程：计算申万一级行业指数的平均涨幅与中位数涨幅的差异，再计算该差异的20日移动平均值[1][12] - 指标评价：该指标具有明显的均值回复特征，可用于判断市场极端分化后的反转时机[1][12] 2. 铜的宏观择时模型 - 模型构建思路：通过宏观打分卡形式构建对铜的择时模型，并应用于有色金属行业指数择时[2][19] - 具体构建过程：基于全球景气、全球通胀等宏观因子构建评分体系，当宏观评分大于0时，次月配置中证申万有色金属指数，否则配置Wind全A指数[2][19][20] $\text{信号} = \begin{cases} \text{配置有色金属指数} & \text{if 宏观评分} > 0 \\ \text{配置Wind全A指数} & \text{otherwise} \end{cases}$ - 模型评价：历史回测显示该模型能较好把握有色金属行业的强势行情，具备一定择时能力[20] 3. 行业拥挤度指标 - 指标构建思路：监测行业交易拥挤程度，识别过度拥挤的行业[3][32] - 具体构建过程：计算各行业拥挤度指标在滚动3年窗口内的分位数，设置95%作为预警阈值[2][3][32] - 指标评价：拥挤度指标可用于识别交易结构过度拥挤的风险，提示需要谨慎的行业[2][3][32] 4. 综合配置策略 - 策略构建思路：结合行业景气度信号和拥挤度指标，构建行业配置组合[4][35] - 具体构建过程：配置景气上行及景气持平、且拥挤度较低的行业，其中景气持平行业的权重设置为景气上行行业的一半[4][35] $w_i = \begin{cases} k & \text{if 景气上行且拥挤度低} \\ 0.5k & \text{if 景气持平且拥挤度低} \\ 0 & \text{otherwise} \end{cases}$ 其中k为权重调整系数，确保总权重为1 量化因子的回测效果 1. 铜的宏观择时模型 - 回测区间：2009年3月至2025年9月[20] - 相对Wind全A指数超额收益：245%[20] 2. 综合配置策略 - 最近1个月收益：4.6%[35][39] - 相对行业等权指数超额收益：-5.7%[4][35][39] - 相对中证800超额收益：-3.9%[4][35][39] - 最近3个月收益：14.4%[39] - 最近6个月收益：9.5%[39] - 2025年以来收益：12.6%[39] 行业拥挤度监测结果 截至2025年9月5日，拥挤度指标位于95%预警阈值以上的行业：[3][32][34] - 有色金属 - 电子 - 通信 - 机械设备 - 综合 过去1个月内拥挤度指标最大值曾突破95%预警阈值的行业：[3][32] - 美容护理 - 国防军工 - 医药生物