根据研报内容，以下是关于量化模型和因子的详细总结： 量化模型与构建方式 大类资产配置模型 1. 模型名称：股票择时模型[18] * 模型构建思路：基于经济增长与流动性宽松两大核心维度，通过宏观因子判断股票市场的上涨或下跌周期，以抓住机会并规避风险[18] * 模型具体构建过程：从经济增长和流动性宽松两个维度构造四个因子[19]： * 经济增长维度因子：PMI同比平滑值环比上升、制造业固定资产投资完成额累计同比环比上升、CPI同比平滑值环比上升[19] * 流动性宽松维度因子：新增中长期贷款最近一年累计值同比环比上升[19] * 根据因子信号进行择时判断 2. 模型名称：债券择时模型[23] * 模型构建思路：从货币流动性供给（货币宽松）和需求（信贷需求疲软）的角度进行分析，捕捉债券市场的上涨趋势并尽量避免回撤[23] * 模型具体构建过程：从货币宽松和信贷需求疲软两个维度构造三个因子[24]： * 货币宽松维度因子：DR007短期均值低于长期均值、SHIBOR短期均值低于长期均值[24] * 信贷需求疲软维度因子：社会融资规模存量同比平滑值环比下降[24] * 根据因子信号进行择时判断 3. 模型名称：全天候策略（基于风险预算模型的增强版）[17][30] * 模型构建思路：以风险平价模型为基础，结合股票和债券的择时信号，动态调整不同资产的风险预算，在控制风险的前提下增厚投资收益[17][32] * 模型具体构建过程： * 基础模型：风险预算模型（风险平价）[30] * 假设资产组合中共有 N 种资产，权重为 $\omega = [\omega_1, \omega_2, …, \omega_N]$，则组合风险 $\sigma_p = \sqrt{\omega \Sigma \omega}$，其中 $\Sigma$ 为协方差矩阵[30] * 每种资产对组合的风险贡献 $RC_i = \omega_i * (\partial \sigma_p / \partial \omega_i)$[30] * 若给定的风险预算 $b = [b_1, b_2, …, b_N]$，则优化目标为最小化风险贡献与预算的偏差： $\begin{array}{c}{{min\sum_{i=1}^{N}\left(R C_{i}-b_{i}*\sigma_{p}\right)^{2}}}\\ {{s.t.\ \sum_{i=1}^{N}\omega_{i}\ =1}}\\ {{0\ \leq\omega_{i}\leq1}}\end{array}$[30] * 增强过程：根据股票和债券择时模型得到的信号，对股票和国债的风险预算进行调整（看多时提高，看空时降低），其他资产风险预算保持不变，形成全天候策略的资产权重[32] * 资产选择与配置上限：选择股票（中证800全收益，上限20%）、国债（中债国债总财富指数，上限80%）、转债（中证转债指数，上限10%）、美股（标普500ETF，上限5%）、信用债（信用债AAA，上限40%）五种资产，利用滚动6年窗口数据估算协方差矩阵[31][33] 风格轮动模型 1. 模型名称：价值成长风格轮动模型[47] * 模型构建思路：基于价值与成长风格的周期性轮动特征，从经济景气、宏观流动性、市场情绪三个维度构建综合打分体系，进行月度轮动[47] * 模型具体构建过程： * 因子构成：基于三个方面共8个因子进行打分，因子得分为1表示利好成长，得分为0表示利好价值[47][48]： * 经济景气：投资旺盛（制造业固定资产投资完成额累计同比高于移动平均）、消费强劲（PPI同比平滑值环比上升）[48] * 宏观流动性：货币宽松（M2同比平滑值环比上升）、社融增长（社融同比平滑值环比上升）、贷款增加（中长期贷款增速同比平滑值环比上升）[48] * 市场情绪：价值拥挤度高看好成长（成长拥挤度分位点低于价值拥挤度分位点）、市场换手高（大盘换手率短期均值高于长期均值）、两融分位点高（两融余额过去一年分位点高于50）[48] * 决策规则：每月将各因子分数累加，若总分超过半数（>4），则下月配置成长风格（国证成长指数），否则配置价值风格（国证价值指数）[47][48] 2. 模型名称：大小盘风格轮动模型[55][56] * 模型构建思路：基于大小盘风格的周期性轮动特征，从经济景气、宏观流动性、市场情绪三个维度构建综合打分体系，进行月度轮动[55][57] * 模型具体构建过程： * 因子构成：基于三个方面共9个因子进行打分，因子得分为1表示利好大盘，得分为0表示利好小盘[56][57]： * 经济景气：投资旺盛（制造业固定资产投资完成额累计同比环比上升）、消费强劲（PPI同比平滑值环比上升）、黄金走弱（黄金日收益率短期均线低于长期均线）[56] * 宏观流动性：国债收益率上行（国债收益率短期均线高于长期均线）、信用利差上行（信用利差短期均线高于长期均线）、货币收紧（M1同比平滑值环比下降）[56] * 市场情绪：大盘动量强于小盘（大盘价格分位点高于小盘）、市场换手低（大盘换手率短期均值低于长期均值）、两融分位点高（两融余额过去一年分位点高于50）[56] * 决策规则：每月将各因子分数累加，若总分超过半数（>4.5），则下月配置大盘风格（沪深300指数），否则配置小盘风格（中证1000指数）[57] 行业轮动模型 1. 模型名称：行业轮动综合解决方案（四维引擎）[65] * 模型构建思路：从宏观经济指标、中观基本面指标、微观技术面指标以及交易拥挤度指标四个维度构建综合打分体系，捕捉行业轮动机会[65] * 模型具体构建过程：综合四个维度的得分，每期选择综合得分排名前七的行业进行配置[5] 量化因子与构建方式 行业轮动因子 1. 因子名称：宏观因子（用于行业板块轮动）[67][70] * 因子构建思路：基于宏观增长与流动性的二阶差分进行象限划分，识别宏观趋势的边际拐点，对应配置不同景气环境下的优势行业板块[67][70] * 因子具体构建过程： * 经济增长二阶判断：选取PMI、社会融资规模、制造业固定投资完成额、CPI四个指标的同比数据，计算其环比变化。任一指标环比上升，则判定为"扩张强化/衰退缓解"[70] * 流动性二阶判断：依据M2增速、10年期国债收益率、信用利差三个指标的二阶差分（环比变化）进行判断。任一指标触发宽松趋势（如M2增速环比上升、收益率或利差环比下降），则判定为"宽松加码/紧缩放缓"[70] * 板块配置逻辑：根据两个维度的组合（四象限），配置对应受益板块（大金融、中游制造、下游消费、TMT、上游周期）[71][72] 2. 因子名称：基本面因子[79] * 因子构建思路：从历史景气、景气变化与景气预期三个部分，基于企业财务信息刻画行业的盈利能力和景气程度[78][79] * 因子具体构建过程： * 历史景气因子：使用行业成分股盈利指标的中位数衡量，刻画行业当前盈利水平[79] * 景气变化因子：使用行业成分股盈利指标中位数的变化（如环比或同比）衡量，刻画行业当前盈利变化情况[79] * 景气预期因子：使用"行业一致预期利润环比变化"衡量，刻画行业未来盈利预期的变动[79] * 合成方式：将三个因子合成行业基本面得分[82] 3. 因子名称：技术面因子[87][89] * 因子构建思路：使用指数动量、龙头股动量与K线形态三类技术信号，刻画行业的趋势强弱和技术形态[87][89] * 因子具体构建过程： * 指数动量因子：使用过去1年行业指数相对全行业均值的超额收益信息比率（IR）衡量，刻画行业指数长期趋势强弱[89] * 龙头股动量因子：首先定义行业龙头（行业内市值及日均成交额综合排名前10%的股票），然后使用行业龙头股票过去1年收益的夏普比率衡量，刻画行业龙头股票趋势强弱[89][90] * K线形态因子： * 单根K线划分：根据实体宽度（日内涨跌幅）和影线长度，将单根K线划分为24种类型（阳线、阴线各12种）[90][91][92] * K线聚合：以日线为基础，连续多根日线聚合成更长期的K线（如周线）[93][94] * 组合形态：结合3根K线形成关于"价"的组合形态[93][94] * 成交量信息：考虑"量"的信息，按"最新成交额/成交额均值"将成交量分为放量、正常、缩量三种类型[95] * 形态收益预测：结合"价"和"量"的信息得到所有可能形态，每月滚动计算每个形态最近3年的信息比率（IR），作为该形态的未来收益预测[95] * 行业得分：将股票形态得分汇总到对应行业，得到行业K线形态因子得分[95] * 合成方式：将三个因子合成行业技术面得分[96] 4. 因子名称：拥挤度因子[100] * 因子构建思路：从资金和交易角度刻画行业的拥挤度水平，作为左侧逃顶信号，均基于行业最新指标值在历史上的时序分位值度量[100] * 因子具体构建过程： * 融资流入因子：基于行业融资流入情况的时序分位值[100] * 换手率因子：基于行业换手率的时序分位值[100] * 成交占比因子：基于行业成交占比的时序分位值[100] * 合成方式：将三个因子取均值，得到行业拥挤度得分[100] 模型的回测效果 大类资产配置模型 1. 股票择时模型（回测标的：中证800全收益）[21][22] * 全样本年化收益：14.1% * 基准年化收益：5.4% * 超额年化收益：8.7% * 月度胜率：56.7% 2. 债券择时模型（回测标的：中债国债总净价指数）[25][26] * 全样本年化收益：2.3% * 基准年化收益：1.1% * 超额年化收益：1.1% * 月度胜率：68.3% 3. 全天候策略[38][39] * 全样本年化收益：6.1% * 风险平价策略年化收益：5.1% * 超额年化收益：1.0% * 最大回撤：2.6% * 夏普比率：2.04 * 月度胜率：51.2% 风格轮动模型 1. 价值成长轮动策略（基准：国证成长与国证价值指数平均收益）[51][52] * 策略年化收益：9.2% * 基准年化收益：1.7% * 超额年化收益：7.5% * 月度胜率：60.2% 2. 大小盘轮动策略（基准：沪深300与中证1000指数平均收益）[59][60] * 策略年化收益：9.2% * 基准年化收益：0.1% * 超额年化收益：9.0% * 月度胜率：58.3% 行业轮动模型 1. 行业轮动综合策略（基准：所有行业等权组合）[5][86] * 策略年化收益：16.0% * 基准年化收益：2.8% * 超额年化收益：13.2% * IC均值：12.3% 因子的回测效果 行业轮动因子（单因子绩效） 1. 宏观因子（行业板块轮动）[73][74] * 多头组合累计超额收益（2017年以来）：42.9% * 空头组合累计超额收益（2017年以来）：-22.8% * 多空收益差（2017年以来）：65.7% 2. 基本面单因子（基准：所有行业等权收益）[79][80] * 历史景气因子：全样本多头组合超额收益5.4%，IC均值6.8% * 景气变化因子：全样本多头组合超额收益5.8%，IC均值4.1% * 景气预期因子：全样本多头组合超额收益4.8%，IC均值5.1% 3. 技术面单因子（基准：所有行业等权收益）[88][89] * 指数动量因子：全样本多头组合超额收益3.8%，IC均值7.0% * 龙头股动量因子：全样本多头组合超额收益7.2%，IC均值7.6% * K线形态因子：全样本多头组合超额收益6.8%，IC均值5.8% 4. 拥挤度单因子（基准：所有行业等权收益）[100] * 融资流入因子：全样本多头组合超额收益-8.1%，IC均值-5.0% * 换手率因子：全样本多头组合超额收益-8.8%，IC均值-5.8% * 成交占比因子：全样本多头组合超额收益-8.3%，IC均值-5.9% 行业轮动因子（合成因子策略绩效） 1. 基本面因子行业轮动策略（选取得分前5行业）[85][86] * 策略年化收益：11.3% * 基准年化收益：2.8% * 超额年化收益：8.5% * IC均值：8.2% * 月度胜率：62.1% 2. 技术面因子行业轮动策略（选取得分前5行业）[97][99] * 策略年化收益：9.7% * 基准年化收益：2.8% * 超额年化收益：6.9% * IC均值：8.2% * 月度胜率：57.3% 3. 拥挤度因子行业轮动策略（选取得分前5行业）[100] * （注：研报未直接提供拥挤度合成因子的策略年化收益等综合绩效指标，仅提供了单因子绩效）