根据研报内容，总结如下： 量化模型与构建方式 1. 模型名称：短期择时模型 - 模型构建思路：从宏观基本面、估值面、情绪面、流动性四个维度选取多个指标，通过各指标在历史数据中的分位数位置判断其信号方向（乐观/谨慎/中性），再综合形成最终的仓位建议[7][19][20][21] - 模型具体构建过程： 1. 指标选取与信号生成：选取四个维度共9个二级指标，计算每个指标当前值在过去5年历史中的分位数[22] 2. 信号映射规则： - 基本面维度：包含制造业PMI、信贷脉冲环比变化分位数、M1同比增速（HP滤波去趋势）分位数三个指标[22] - 估值面维度：包含A股整体PE分位数、A股整体PB分位数两个指标[22] - 情绪面维度：包含A股整体Beta离散度分位数、A股整体量能情绪分位数、A股整体波动率分位数三个指标[22] - 流动性维度：包含货币利率指标分位数、汇率预期指标分位数、沪深净融资额5日均值分位数三个指标[22] 3. 综合判断：将各维度下的二级指标信号汇总，得到该维度的一级信号，最终综合四个一级信号得出总仓位信号（例如，乐观对应高仓位，谨慎对应低仓位或空仓）[7][19][20][21] 2. 模型名称：成长价值风格轮动模型 - 模型构建思路：从基本面、估值面、情绪面三个维度分析当前市场环境对成长风格和价值风格的相对利好程度，从而给出风格配置建议[29] - 模型具体构建过程： 1. 基本面维度：基于盈利周期斜率、利率综合周期水平、信贷综合周期变化三个指标判断[31] - 盈利周期斜率大，利好成长[31] - 利率周期水平偏高，利好价值[31] - 信贷周期走强，利好成长[31] 2. 估值面维度：基于成长价值PE差分位数、成长价值PB差分位数两个指标判断[31] - PE/PB估值差均值回归上行中，利好成长[31] 3. 情绪面维度：基于成长价值换手差分位数、成长价值波动差分位数两个指标判断[31] - 换手差偏低，利好价值[31] - 波动差反弹至偏高位置，利好均衡[31] 4. 综合判断：汇总三个维度的信号，得出超配成长或超配价值的建议[29][31] 3. 模型名称：小盘大盘风格轮动模型 - 模型构建思路：基于专题报告《流动性视角下的市值风格轮动和择时策略》，从11个有效的日频轮动指标出发，通过综合判断构建大小盘轮动信号[14][33] - 模型具体构建过程： 1. 指标选取：模型包含11个轮动指标，例如A股龙虎榜买入强度、R007、融资买入余额变化、主题投资交易情绪、等级利差、期权波动率风险溢价、beta离散度、pb分化度、大宗交易折溢价率、中证1000MACD(10,20,10)、中证1000交易量能等[16][34] 2. 信号生成：每个指标独立产生支持小盘或大盘的信号（例如，100%代表支持小盘，0%代表支持大盘）[16] 3. 综合信号：对11个指标的信号进行综合（例如，计算支持小盘/大盘的指标数量或比例），形成最终的综合轮动信号[14][33][34] 4. 策略执行：根据综合信号决定超配小盘或超配大盘[5][33] 模型的回测效果 1. 短期择时模型 - 回测期：2012年底至今[21][24] - 年化收益率：16.52%[21][24] - 基准年化收益率：4.73%[21][24] - 年化超额收益率：11.79%[21][24] - 年化波动率：14.79%[24] - 最大回撤：15.49%[21][24] - 夏普比率：0.9727[24] - 收益回撤比：1.0660[24] - 月度胜率：65.81%[24] - 季度胜率：60.38%[24] - 年度胜率：71.43%[24] - 2024年以来年化收益率：32.27%[27] - 2024年以来最大回撤：11.04%[21][27] - 2025年以来收益率：23.22%[21][24] 2. 成长价值风格轮动模型 - 回测期：2012年底至今[30][32] - 年化收益率：13.10%[30][32] - 基准年化收益率：7.77%[30][32] - 年化超额收益率：5.33%[30][32] - 年化波动率：20.83%[32] - 最大回撤：43.07%[32] - 夏普比率：0.5998[32] - 收益回撤比：0.3041[32] - 月度胜率：58.44%[32] - 季度胜率：59.62%[32] - 2025年以来收益率：28.07%[30][32] - 2025年以来超额收益率：6.50%[30][32] 3. 小盘大盘风格轮动模型 - 回测期：2014年以来[34] - 综合信号年化收益率：19.87%[34] - 综合信号年化超额收益率：12.91%[34] - 综合信号最大回撤：40.70%[34] - 2025年以来超额收益率：9.91%[14][18][34] - 部分指标年化超额示例如下[34]： - 中证1000交易量能指标：年化超额收益9.64% - 大宗交易折溢价率指标：年化超额收益9.33% - pb分化度指标：年化超额收益9.33% - 中证1000MACD(10,20,10)指标：年化超额收益8.30% - 融资买入余额变化指标：年化超额收益5.95% 量化因子与构建方式 1. 因子名称：交易量能指标 - 因子构建思路：结合全A成交量和换手率构建，用于衡量市场交易活跃度和情绪[7][13] - 因子具体构建过程：报告未给出具体构建公式，但提及该指标可计算其历史分位数，例如回落至过去5年42.18%分位数被视为谨慎区间[7][13][20] 2. 因子名称：估值分位数因子（PE/PB） - 因子构建思路：计算主要宽基指数或风格指数估值（PE_TTM中位数或PB_LF中位数）在滚动窗口（如1年、3年、5年）内的历史分位数，用于评估估值水平高低[10][11][12] - 因子具体构建过程：对于特定指数，其估值分位数 = （当前估值在指定回顾期历史数据中的排名 - 1） / （回顾期总数据点数 - 1）[11][12] 例如，万得全A的PE中位数滚动5年分位数为96.69%[10][11] 3. 因子名称：流动性视角下的市值风格轮动指标 - 因子构建思路：从不同流动性维度构建11个指标，用于判断小盘或大盘风格的占优情况[14][33][34] - 因子具体构建过程：报告列出了11个指标的名称，如A股龙虎榜买入强度、R007、融资买入余额变化等，但未详细描述每个因子的具体计算公式[16][34] 因子的回测效果 （报告未单独提供上述因子的IC值、IR等传统因子测试结果，而是将其作为模型的输入，展示了模型的综合回测效果）