量化模型与构建方式 1. 景气度边际改善+动量综合因子行业轮动模型 * 模型名称：景气度边际改善+动量综合因子行业轮动模型[45] * 模型构建思路：通过结合反映行业景气度边际变化的基本面因子和动量因子，构建行业轮动策略，以筛选出未来表现可能占优的行业[45]。 * 模型具体构建过程： 1. 因子选择：选取两个基本面因子作为“景气度边际改善”的代理指标： * 净利润增速环比变化 * ROA(TTM)同比增速环比变化[45] 2. 行业筛选：在每个调仓时点（如季报公布后），计算所有中信一级行业在上述两个因子上的数值并进行排名[45]。 3. 组合构建：根据因子排名筛选行业，构建多头组合。报告示例中，在估值分位数较高的行业中，选取两个景气度改善因子排名均靠前的行业进行配置[45]。 * 模型评价：该模型构建的行业轮动策略从2008年至今表现有效，且在2025年仍有较好表现[45]。 2. ROIC利率定价模型 * 模型名称：ROIC利率定价模型[51] * 模型构建思路：以权益市场的资本回报率(ROIC)为基准，通过观察其与债券市场隐含ROIC的匹配关系，并结合权益市场的盈利预期，来间接推断利率的中枢点位[51]。 * 模型具体构建过程： 1. 计算权益ROIC：采用两种口径计算。 * A股上市公司（除金融）口径：根据个股的利润和总资产数据，自下而上汇总计算全市场ROIC值[51]。 * 规模以上工业企业口径：根据披露的宏观经济数据计算权益ROIC值，以反映更广义的企业投资回报情况[56]。 2. 计算债市隐含ROIC：根据公式计算债券市场隐含的ROIC水平。公式为： [51] 其中，无风险利率为30年国债到期收益率，信用风险溢价为AAA级企业债信用利差，股权占比参考A股（除金融）数据进行合成[51][52]。 3. 推断利率中枢：由于2014年以来权益ROIC与债市隐含ROIC数据贴合度较高，且权益市场的盈利预期已知，因此可以权益市场ROIC数据为锚进行反向推算，结合利差数据，间接计算出市场利率的中枢值与预期上下界[60][61]。 3. 利率多周期择时策略（基于核回归的形态识别） * 模型名称：招商利率多周期择时策略（基于核回归的形态识别算法）[75] * 模型构建思路：通过核回归算法刻画利率市场交易过程中的支撑线和阻力线点位，来研判短、中、长周期下利率趋势的突破情况，从而给出复合择时观点，进行波段交易[75]。 * 模型具体构建过程： 1. 趋势形态识别：使用核回归算法对国债到期收益率(YTM)的价量数据进行平滑处理，识别出不同周期下的趋势线（支撑线与阻力线）[75]。 2. 突破信号生成：当利率价格突破识别出的关键趋势线时，生成相应的交易信号[75]。 3. 策略执行：基于生成的信号，对5年期、10年期、30年期国债YTM进行趋势交易[75][77]。 4. 纯债CARRY策略 * 模型名称：纯债CARRY策略[82] * 模型构建思路：通过动态调整债券组合的杠杆水平，在资金成本较低时加杠杆以获取更高的票息收益，从而增厚组合回报[82]。 * 模型具体构建过程： 1. 标的选择：以3-5年信用债作为投资标的[82]。 2. 杠杆决策规则：根据资金成本（R007）的高低动态调整杠杆仓位。 * 当资金借贷成本较贵（R007水平高于滚动5年历史80分位数）时，配置100%债券（不加杠杆）[82]。 * 在其余时段，均配置140%的债券（即加40%的杠杆）[82]。 5. 可转债期权定价模型 * 模型名称：可转债期权定价模型（基于二叉树定价法）[92] * 模型构建思路：以期权二叉树定价法为基础，结合可转债的条款、正股的退市风险等多方面因素，对可转债进行理论定价，并通过计算市场价与理论价的偏离度来评估估值高低[92]。 * 模型具体构建过程： 1. 理论定价：使用二叉树模型，输入正股价格、波动率、无风险利率、转股条款、赎回条款、回售条款、修正条款等参数，计算可转债的理论价值[92]。 2. 估值指标计算：计算“定价偏离度”，公式为： [92] 该值为正则表示低估，为负则表示高估[92]。 量化因子与构建方式 1. 景气度边际改善因子 * 因子名称：景气度边际改善因子[45] * 因子构建思路：用于捕捉行业盈利能力在边际上的变化趋势，以识别景气度正在提升的行业[45]。 * 因子具体构建过程：包含两个具体因子： 1. 净利润增速环比变化：计算行业最新报告期的净利润同比增速与前一个报告期净利润同比增速的差值（或变化率）[45]。 2. ROA(TTM)同比增速环比变化：计算行业最新报告期的ROA(TTM)同比增速与前一个报告期ROA(TTM)同比增速的差值（或变化率）[45]。 2. 定价偏离度因子 * 因子名称：定价偏离度因子[92] * 因子构建思路：衡量可转债市场价格相对于其理论内在价值的偏离程度，作为判断转债估值贵贱的指标[92]。 * 因子具体构建过程： 1. 如前述模型所述，首先利用二叉树模型计算每只可转债的理论定价[92]。 2. 对每只转债，计算其定价偏离度： [92] 该因子可直接用于横向比较不同转债的估值水平。 模型的回测效果 1. 景气度边际改善+动量综合因子行业轮动模型 * 测试区间：2009年至2025年[46] * 年化收益率：行业多头组合为18.60%，等权基准为10.12%，超额收益为8.49%[46] * 逐年收益率：2025年多头组合收益为33.53%，基准为23.19%，超额收益为10.34%[46] 2. 利率多周期择时策略（基于5年YTM） * 测试区间：2025年样本外表现[75] * 年化收益率：2.19%[77] * 最大回撤：0.72%[77] * 收益回撤比：3.72[77] * 超额收益率（相对基准）：0.78%[77] 3. 利率多周期择时策略（基于10年YTM） * 测试区间：2025年样本外表现[75] * 年化收益率：2.48%[77] * 最大回撤：0.97%[77] * 收益回撤比：4.29[77] * 超额收益率（相对基准）：1.26%[77] 4. 利率多周期择时策略（基于30年YTM） * 测试区间：2025年样本外表现[75] * 年化收益率：3.26%[77] * 最大回撤：1.71%[77] * 收益回撤比：3.56[77] * 超额收益率（相对基准）：2.79%[77] 5. 纯债CARRY策略 * 测试区间：2014年12月31日至2025年12月31日[86][88] * 年化收益率：CARRY组合为5.56%，基准（中债信用债3-5年）为4.89%[88] * 年化波动率：CARRY组合为1.47%，基准为1.13%[88] * 最大回撤：CARRY组合为6.07%，基准为4.46%[88] * 收益波动比：CARRY组合为3.77，基准为4.32[88] * 收益回撤比：CARRY组合为0.92，基准为1.10[88] * 逐年超额收益：2023年84BP，2024年121BP，2025年21BP[83]
2026年大类资产配置展望：守正出奇，于结构分化中掘金
招商证券·2026-01-06 20:46