量化模型与构建方式 1. 三维择时框架 * 模型名称：三维择时框架[8] * 模型构建思路：通过监测市场分歧度、流动性和景气度三个维度的变化趋势，综合判断市场整体走势[8] * 模型具体构建过程：模型基于三个独立的指数进行判断[12] 1. 市场分歧度指数：衡量市场参与者观点的离散程度，下行趋势表示市场观点趋于一致[12][17] 2. 市场流动性指数：衡量市场资金面的宽松程度，上行表示流动性改善[12][19] 3. A股景气度指数2.0：衡量上市公司整体盈利增长趋势，上行表示景气度提升[12][22] 当三个维度（分歧度下行、流动性上行、景气度上行）的趋势判断一致时，给出明确的看涨或看跌信号[8] 2. 热点趋势ETF策略 * 模型名称：热点趋势ETF策略[29] * 模型构建思路：结合价格形态（支撑阻力）与市场短期关注度（换手率变化）筛选ETF，构建组合[29] * 模型具体构建过程： 1. 初筛形态：根据K线的最高价与最低价的上涨或下跌形态，先选出最高价与最低价同时为上涨形态的ETF[29] 2. 计算支撑阻力因子：根据最高价与最低价近20日回归系数的相对陡峭程度，构建支撑阻力因子[29] 3. 筛选高关注度标的：在支撑阻力因子的多头组中，选择近5日换手率/近20日换手率最高的10只ETF，即短期市场关注度明显提升的标的[29] 4. 组合构建：对最终选出的10只ETF构建风险平价组合[29] 3. ETF三策略融合模型 * 模型名称：ETF三策略融合轮动模型[32] * 模型构建思路：将基于基本面、质量低波、困境反转三种不同逻辑的行业轮动策略进行等权融合，实现因子与风格互补，降低单一策略风险[32] * 模型具体构建过程： 1. 策略一：行业轮动策略：核心因子包括超预期景气度、行业龙头效应、行业动量、拥挤度、通胀beta，旨在覆盖行业多维度特性，宏观适配性强[33] 2. 策略二：个股风格驱动策略：核心因子包括个股动量、个股质量、个股波动率，聚焦个股质量与低波，防御性突出[33] 3. 策略三：困境反转策略：核心因子包括PB_zscore、分析师长期预期、短期筹码交换，旨在捕捉估值修复与业绩反转机会[33] 4. 策略融合：将上述三个策略的选股结果进行等权组合，形成最终的ETF轮动组合[32] 4. 资金流共振策略 * 模型名称：融资-主动大单资金流共振策略[44] * 模型构建思路：利用融资融券资金流与主动大单资金流两个维度，寻找资金形成共振效应的行业进行推荐[44][47] * 模型具体构建过程： 1. 构建行业融资融券资金因子：计算个股融资净买入-融券净卖出（即两融资金流）并在行业层面加总[41][44]。对该行业资金流进行barra市值因子中性化处理，然后计算其最近50日均值，最后计算该均值近两周的环比变化率[44] 2. 构建行业主动大单资金因子：计算行业主动大单资金净流入，并对其进行最近一年成交量的时序中性化处理，得到排序分位值，最后取最近10日均值[44] 3. 策略逻辑：研究发现，融资融券因子的多头端在不同市场状态下有稳定的负向超额收益，而主动大单因子剔除极端多头行业后有稳定正向超额收益[45]。因此，策略在主动大单因子的头部打分行业内，剔除融资融券因子得分也较高的行业，以提高策略稳定性[45]。进一步剔除大金融板块后构建最终组合[45] 5. 多风格增强策略 * 模型名称：多风格增强策略[59] * 模型构建思路：在基础的多风格策略之上，叠加额外的增强因子，以在其他风格端增厚收益，抑制单一风格波动，实现在不同市场周期下的稳定超额收益[59] * 模型具体构建过程：报告提及了多种具体的风格增强策略，包括质量增强、红利增强、长期成长增强、价值增强、低波增强、短期动量增强、长期动量增强策略[63]。这些策略均在对应的风格基准（如中证红利全收益、中证全指等）上，通过叠加增强因子进行优化[63] 量化因子与构建方式 1. 支撑阻力因子 * 因子名称：支撑阻力因子[29] * 因子构建思路：根据价格高点与低点的回归趋势陡峭程度，判断价格的支撑或阻力强度[29] * 因子具体构建过程：分别对ETF的最高价和最低价序列计算近20日的线性回归系数，根据这两个回归系数的相对陡峭程度构建因子[29] 2. 短期关注度因子 * 因子名称：短期关注度因子（换手率变化）[29] * 因子构建思路：用短期换手率相对于中长期换手率的提升幅度，衡量市场关注度的短期变化[29] * 因子具体构建过程：计算ETF的近5日平均换手率与近20日平均换手率的比值[29] 3. 行业融资融券资金因子 * 因子名称：行业融资融券资金因子[44] * 因子构建思路：衡量经市值调整后的行业层面两融资金流的近期变化趋势[44] * 因子具体构建过程： 1. 计算个股的两融资金流：融资净买入 - 融券净卖出[41][44] 2. 在行业层面将个股资金流加总[44] 3. 对行业资金流进行barra市值因子中性化处理[44] 4. 计算中性化后资金流的最近50日移动平均值[44] 5. 计算该50日均值近两周的环比变化率作为最终因子值[44] 4. 行业主动大单资金因子 * 因子名称：行业主动大单资金因子[44] * 因子构建思路：衡量经成交量调整后的行业大单资金净流入的近期强度[44] * 因子具体构建过程： 1. 计算行业的主动大单资金净流入[44] 2. 对该净流入进行最近一年成交量序列的时序中性化处理，并转换为排序分位值[44] 3. 取该分位值的最近10日移动平均值作为最终因子值[44] 5. 风格因子 报告跟踪了多种市场风格因子，包括： * 市值因子[51] * 贝塔因子[50][51] * 动量因子[51] * 波动率因子[51] * 非线性市值因子[51] * 价值因子[55] * 流动性因子[50][55] * 盈利收益率因子[55] * 成长因子[50][55] * 杠杆因子[55] 6. Alpha因子（选股因子） 报告从不同维度列举了多个Alpha因子，部分因子构建过程如下： * 3个月成交量均值因子 (ln_volume_mean_3m)：过去3个月成交量的自然对数均值[56] * 3个月成交量标准差因子 (ln_volume_std_3m)：过去3个月成交量的自然对数的标准差[56] * 单季度净利润同比增长（考虑快报、预告）因子 (yoy_np_q_adv)：，其中NP为单季度净利润，考虑快报和预告数据[58] * 单季度ROA同比差值（考虑快报、预告）因子 (roa_q_delta_adv)：，其中ROA为单季度总资产收益率，考虑快报和预告数据[58] * 一致预期净利润变化（FY1）因子 (mom1_np_fy1)：，其中NP_FY1为未来一年一致预测净利润[58] * 研发总资产占比因子 (tot_rd_ttm_to_assets)：[58] * SUE因子 (sue1)：，其中NI为净利润，计算过去八个季度的标准化未预期盈余[58] 模型的回测效果 1. 热点趋势ETF策略 * 测试周期：2025年以来[29] * 组合收益率：43.6%[29] * 超额收益率（相对沪深300）：22.4%[29] 2. ETF三策略融合轮动模型 * 测试周期：2017年4月10日至2025年12月31日[34][37] * 全周期表现[38]： * 组合收益率：12.18% * 基准收益率：2.08% * 超额收益率：10.10% * 组合波动率：16.54% * 信息比率(IR)：1.07 * 最大回撤：-24.55% * 夏普比率：0.74 * 2025年表现[38]： * 组合收益率：27.29% * 基准收益率：24.60% * 超额收益率：2.69% 3. 融资-主动大单资金流共振策略 * 测试周期：2018年以来[45] * 年化超额收益（费后）：14.3%[45] * 信息比率(IR)：1.4[45] * 近期表现（上周）[45]： * 绝对收益率：-0.94% * 超额收益率（相对行业等权）：-0.95% 因子的回测效果 1. 风格因子近期表现（截至2025年12月31日） * 测试周期：最近一周[51][55] * 市值因子收益：-0.09%[51] * 贝塔因子收益：1.47%[51] * 动量因子收益：0.12%[51] * 波动率因子收益：-0.71%[51] * 非线性市值因子收益：0.01%[51] * 价值因子收益：-0.89%[55] * 流动性因子收益：0.16%[55] * 盈利收益率因子收益：-0.78%[55] * 成长因子收益：0.26%[55] * 杠杆因子收益：-1.30%[55] 2. Alpha因子多头超额收益（截至2025年12月31日） * 测试周期：近一周[56] * 3个月成交量均值因子 (ln_volume_mean_3m)：0.68%[56] * 3个月成交量标准差因子 (ln_volume_std_3m)：0.65%[56] * 6个月成交量均值因子 (ln_volume_mean_6m)：0.61%[56] * 1个月与12个月成交量差值因子 (volume_1m_minus_12m)：0.57%[56] * 1个月与12个月成交量比值因子 (volume_1m_div_12m)：0.56%[56] * 3个月动量因子 (mom_3m)：0.56%[56] 3. 分指数Alpha因子多头超额收益（上周，截至2025年12月31日） * 单季度ROA同比差值（考虑快报、预告）因子 (roa_q_delta_adv)[58]： * 沪深300中超额：28.46% * 中证500中超额：5.09% * 中证800中超额：18.15% * 中证1000中超额：18.69% * 单季度净利润同比增长（考虑快报、预告）因子 (yoy_np_q_adv)[58]： * 沪深300中超额：24.46% * 中证500中超额：8.23% * 中证800中超额：17.73% * 中证1000中超额：20.81% * 一致预期净利润变化（FY1）因子 (mom1_np_fy1)[58]： * 沪深300中超额：13.97% * 中证500中超额：17.03% * 中证800中超额：21.95% * 中证1000中超额：9.30% * 研发总资产占比因子 (tot_rd_ttm_to_assets)[58]： * 沪深300中超额：11.80% * 中证500中超额：18.21% * 中证800中超额：20.87% * 中证1000中超额：16.47% 4. 风格增强策略绩效（截至2025年12月31日） * 红利增强策略 (GL888002)[63]： * 本周超额收益率（相对中证红利全收益）：0.68% * 本年超额收益率：14.44% * 最近一年年化收益率：22.12% * 最近一年年化超额收益：15.35% * 夏普比率：1.92 * 区间最大回撤：-5.40% * 低波增强策略 (GL888005)[63]： * 本周超额收益率（相对中证全指）：0.65% * 本年超额收益率：4.37% * 最近一年年化收益率：33.57% * 最近一年年化超额收益：2.70% * 夏普比率：2.67 * 区间最大回撤：-8.73% * 长期成长增强策略 (GL888003)[63]： * 本周超额收益率（相对中证全指）：-0.13% * 本年超额收益率：3.47% * 最近一年年化收益率：34.66% * 最近一年年化超额收益：3.80% * 夏普比率：2.09 * 区间最大回撤：-11.44%
市场进入上涨趋势
民生证券·2026-01-04 17:39