量化模型与构建方式 1. 模型名称：A股赔率模型[7][9][12] * 模型构建思路：通过计算股权风险溢价（ERP）和股息风险溢价（DRP）的标准化数值，等权合成一个衡量A股市场估值吸引力的综合赔率指标[12]。 * 模型具体构建过程： 1. 分别计算股权风险溢价（ERP）和股息风险溢价（DRP）。ERP通常为股票市场收益率与无风险利率之差，DRP通常为股息率与无风险利率之差。 2. 对ERP和DRP的历史序列分别进行标准化处理，即计算其Z-Score：$Z = \frac{X - \mu}{\sigma}$，其中X为当期值，μ为历史均值，σ为历史标准差。 3. 将标准化后的ERP和DRP数值进行等权相加，得到A股综合赔率指标：$A股赔率 = Z_{ERP} + Z_{DRP}$[12]。 2. 模型名称：A股胜率模型[7][10][12] * 模型构建思路：基于货币、信用、增长、通胀与海外五个宏观因子构建评分卡，合成得到各资产的综合胜率，用以判断资产价格上涨的概率[12]。 * 模型具体构建过程：在专题报告中，设计了宏观胜率评分卡。报告提及中国主权CDS指标下行会提升A股胜率，表明CDS是胜率模型中的一个关键因子或信号[3][12]。具体合成方法未在本文中详述。 3. 模型名称：债券赔率模型[13][14][18] * 模型构建思路：根据长短债预期收益差构建债券资产的赔率指标，衡量债券的相对估值吸引力[18]。 * 模型具体构建过程：根据专题报告《利率债收益预测框架》中的收益预测模型，计算长债与短债的预期收益差，并可能对该差值进行标准化处理，以构建赔率指标[18]。具体公式未在本文中给出。 4. 模型名称：美联储流动性指数模型[16][17][19] * 模型构建思路：结合数量维度和价格维度，综合多个子指标来构建衡量美联储流动性状况的指数[19]。 * 模型具体构建过程：在专题报告《美联储流动性的量价解构与资产配置应用》中构建。本文提及该指数包含净流动性、联储信用支持、预期引导、市场隐含、公告意外等子指标[17]。各子指标通过一定方法合成得到最终的流动性指数[19]。 5. 模型名称：风格因子三标尺评价模型[20][21][22][23][25][26][27][28][29][30][34] * 模型构建思路：从赔率（估值）、趋势（动量）和拥挤度（交易风险）三个维度对风格因子进行综合评价和排名，以指导风格配置[20][34]。 * 模型具体构建过程： 1. 赔率：计算因子估值，数值越大代表因子越便宜。具体方法未详述，可能基于因子估值分位数或Z-Score[21][23]。 2. 趋势：计算因子动量，数值越大代表趋势越强。具体方法未详述[21][23]。 3. 拥挤度：衡量因子交易过热程度，数值越大代表越拥挤。具体方法未详述[21][23]。 4. 将三个维度的指标值进行标准化（例如转化为标准差倍数），然后通过一定的加权或打分规则合成每个风格因子的综合得分，并进行排名[20][32][34]。 6. 模型名称：行业轮动三维评价模型[36][37][38][40] * 模型构建思路：以行业景气度、趋势（动量）和拥挤度三个维度构建评价体系，进行行业轮动配置[36][38]。 * 模型具体构建过程： 1. 趋势：用行业过去12个月的信息比率（IR）来刻画行业动量和趋势[36]。 2. 拥挤度：用行业的换手率比率、波动率比率和beta比率来刻画行业的交易拥挤度[36]。 3. 景气度：在分析图谱中，用气泡的实心/空心以及大小来代表行业景气度高低，但具体构建方法未在本文中详述[40]。 4. 综合三个维度的信息，对行业进行评价和筛选[38][41]。 7. 模型名称：赔率增强型策略[42][43][45] * 模型构建思路：在目标波动率约束下，根据各资产的赔率指标，持续超配高赔率资产、低配低赔率资产，构建固收+增强策略[42]。 * 模型具体构建过程：结合各资产的赔率指标，在风险预算或目标波动率模型的框架下进行资产配置权重优化，以在控制风险的同时提升收益[42]。具体优化模型未在本文中给出。 8. 模型名称：胜率增强型策略[44][46][47] * 模型构建思路：从货币、信用、增长、通胀和海外五个宏观因素出发，获得各资产的宏观胜率评分，并以此为基础构建固收+增强策略[44]。 * 模型具体构建过程：与赔率增强型策略类似，但输入信号为宏观胜率评分。在风险预算或目标波动率模型框架下，根据胜率评分调整资产配置权重[44]。 9. 模型名称：赔率+胜率增强型策略[3][48][49][50] * 模型构建思路：将赔率策略和胜率策略的风险预算进行结合，构建综合性的资产配置策略[3][48]。 * 模型具体构建过程：将赔率策略计算出的风险预算和胜率策略计算出的风险预算进行简单相加，得到综合得分，据此调整各类资产（泛权益、黄金、债券）的配置权重[48]。 量化因子与构建方式 1. 因子名称：小盘因子[20][21] * 因子构建思路：捕捉市值较小公司的超额收益，常用中证2000与沪深300的比值来代表[21]。 * 因子评价：当前呈现“中等赔率-中高趋势-低拥挤”的特征，配置价值有所修复[20][35]。 2. 因子名称：价值因子[22][23] * 因子构建思路：捕捉低估值公司的超额收益，常用国证价值指数与国证1000指数的比值来代表[23]。 * 因子评价：当前呈现“高赔率-中等趋势-低拥挤”的特征，综合得分较高，建议重点关注[22][35]。 3. 因子名称：质量因子[25][26][27] * 因子构建思路：捕捉优质公司的超额收益，可能基于ROE、盈利稳定性等指标构建[27]。 * 因子评价：当前为“高赔率-中等趋势-中等拥挤”，趋势较弱，配置价值下降，需等待右侧趋势确认[25][35]。 4. 因子名称：成长因子[28][29][30] * 因子构建思路：捕捉高成长性公司的超额收益，常用国证成长指数与国证1000指数的比值来代表[29]。 * 因子评价：当前为“中低赔率-中高趋势-高拥挤”，交易风险较高，建议保持谨慎[28][35]。 5. 因子名称：低波因子[32][34] * 因子构建思路：捕捉低波动率公司的超额收益，报告中提到了3个月和12个月的低波因子[32]。 * 因子评价：当前低波风格三标尺综合排名位居前列[35]。 6. 因子名称：动量因子[32][34] * 因子构建思路：捕捉价格趋势延续的效应[32]。 * 因子评价：横截面来看拥挤度最高，交易风险较高[35]。 7. 因子名称：中国主权CDS指标[3][11][12] * 因子构建思路：信用违约互换（CDS）价格下行通常被视为信用风险降低、市场情绪向好的信号[3][11]。 * 因子具体构建过程：直接使用市场交易的中国主权CDS价格作为指标。当其进入“下行看多区间”时，发出看多信号[11]。 * 因子评价：是A股胜率模型的关键输入指标之一，其下行会提升A股胜率[12]。 8. 因子名称：美股AIAE指标[15][16][19] * 因子构建思路：该指标处于历史高位时，预示美股回撤风险较高[19]。 * 因子评价：是判断美股赔率（估值风险）的重要指标[15][19]。 模型的回测效果 1. 行业轮动三维评价模型[37] * 样本内年化超额收益：12.0% (2011年以来)， 11.6% (2014年以来)， 9.2% (2019年以来) * 跟踪误差：10.7% (2011年以来)， 11.5% (2014年以来)， 10.3% (2019年以来) * 最大回撤：25.4% (2011年以来)， 25.4% (2014年以来)， 12.3% (2019年以来) * 信息比率（IR）：1.12 (2011年以来)， 1.00 (2014年以来)， 0.89 (2019年以来) 2. 赔率增强型策略[42][45] * 年化收益：6.7% (2011年以来)， 7.4% (2014年以来)， 6.8% (2019年以来) * 年化波动：2.3% (2011年以来)， 2.2% (2014年以来)， 2.2% (2019年以来) * 最大回撤：3.1% (2011年以来)， 2.8% (2014年以来)， 2.8% (2019年以来) * 夏普比率：2.87 (2011年以来)， 3.34 (2014年以来)， 3.12 (2019年以来) 3. 胜率增强型策略[44][46] * 年化收益：7.1% (2011年以来)， 8.0% (2014年以来)， 6.8% (2019年以来) * 年化波动：2.4% (2011年以来)， 2.3% (2014年以来)， 2.2% (2019年以来) * 最大回撤：3.4% (2011年以来)， 2.2% (2014年以来)， 1.5% (2019年以来) * 夏普比率：3.01 (2011年以来)， 3.43 (2014年以来)， 3.14 (2019年以来) 4. 赔率+胜率增强型策略[3][48][50] * 年化收益：6.7% (2011年以来)， 7.3% (2014年以来)， 6.3% (2019年以来) * 年化波动：2.3% (2011年以来)， 2.2% (2014年以来)， 2.1% (2019年以来) * 最大回撤：2.9% (2011年以来)， 2.3% (2014年以来)， 2.3% (2019年以来) * 夏普比率：2.92 (2011年以来)， 3.31 (2014年以来)， 2.98 (2019年以来) 因子的回测效果 (注：本报告未提供因子IC、IR等传统因子测试结果数值，仅提供了截至报告期的最新状态评分) 1. 小盘因子[20] * 赔率（Z-Score）：0.3 * 趋势（Z-Score）：0.9 * 拥挤度（Z-Score）：-1.5 * 综合得分：3.6 2. 价值因子[22] * 赔率（Z-Score）：1.0 * 趋势（Z-Score）：0.3 * 拥挤度（Z-Score）：-1.3 * 综合得分：3.0 3. 质量因子[25] * 赔率（Z-Score）：1.3 * 趋势（Z-Score）：-0.2 * 拥挤度（Z-Score）：0.0 (近似) * 综合得分：0.8 4. 成长因子[28] * 赔率（Z-Score）：-0.6 * 趋势（Z-Score）：0.7 * 拥挤度（Z-Score）：1.0 * 综合得分：-1.5