量化模型与构建方式 1. 短期择时模型 1. 模型名称：短期择时模型[3][4][15] 2. 模型构建思路：构建一个多维度、多指标的量化择时体系，综合评估市场在基本面、估值面、情绪面和流动性四个维度的状态，以生成总体的仓位信号[15][16][19]。 3. 模型具体构建过程： * 一级指标与信号：模型包含四个一级指标：基本面、估值面、情绪面、流动性。每个一级指标下包含若干二级具体指标[15][16][19]。 * 二级指标信号生成：每个二级指标根据其当前值在过去5年历史数据中的分位数位置，被赋予一个定性信号（乐观、中性或谨慎）[15][16][19]。例如： * 基本面指标：制造业PMI > 50时给出乐观信号；人民币中长期贷款脉冲同比增速分位数处于中性区间时给出中性信号；M1同比增速（HP滤波去趋势）分位数高时给出乐观信号[15][19]。 * 估值面指标：A股整体PE和PB中位数的5年分位数处于高位（如100%）时，给出谨慎信号[15][19]。 * 情绪面指标：A股整体Beta离散度分位数高时给出谨慎信号；量能情绪分位数高时给出乐观信号；波动率分位数中性时给出中性信号[16][19]。 * 流动性指标：货币利率指标分位数低时给出乐观信号；汇率预期指标分位数低时给出乐观信号；两市5日平均新增融资额分位数高时给出中性信号[16][19]。 * 一级指标信号合成：综合其下所有二级指标的信号，得出该一级指标的总体信号（乐观、中性或谨慎）[15][16][19]。 * 总仓位信号生成：综合四个一级指标的信号，最终得出总的仓位配置建议（如乐观、震荡偏乐观等）[4][15]。 2. 成长价值风格轮动模型 1. 模型名称：成长价值风格轮动模型[3][27] 2. 模型构建思路：从基本面、估值面和情绪面三个维度构建量化指标，判断成长与价值风格的相对强弱，以进行风格轮动配置[27][29]。 3. 模型具体构建过程： * 基本面维度：基于量化经济中周期分析框架，考察三个周期指标[27]： * 盈利周期斜率：斜率大时利好成长风格。 * 利率综合周期水平：水平偏低时利好成长风格。 * 信贷综合周期变化：上行时利好成长风格。 综合三个指标信号，得出基本面维度的风格配置建议（如100%成长，0%价值）[27][29]。 * 估值面维度：考察成长与价值风格的估值差[27]： * 成长价值PE差分位数：估值差均值回归上行中，利好成长。 * 成长价值PB差分位数：估值差反弹至偏高位置，利好均衡配置。 综合两个指标信号，得出估值面维度的风格配置建议[27][29]。 * 情绪面维度：考察市场交易情绪在风格间的差异[27]： * 成长价值换手差分位数：换手差中性，利好均衡配置。 * 成长价值波动差分位数：波动差反弹至偏高位置，利好均衡配置。 综合两个指标信号，得出情绪面维度的风格配置建议[27][29]。 * 综合信号：结合基本面、估值面、情绪面三个维度的配置建议，生成最终的成长与价值风格仓位比例[27][29]。 3. 小盘大盘风格轮动模型 1. 模型名称：小盘大盘风格轮动模型[3][31] 2. 模型构建思路：从流动性等视角出发，构建包含11个有效轮动指标的综合模型，以判断小盘与大盘风格的相对强弱[31]。 3. 模型具体构建过程： * 指标池：模型共使用11个轮动指标，包括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1000 MACD、中证1000交易量能等[31][33]。 * 信号生成：每个指标独立生成看多小盘（仓位100%）或看多大盘（仓位0%）的信号[33]。 * 信号综合：将所有11个指标的信号进行综合（具体综合方法未在本文中详述，但提及“构建综合大小盘轮动信号”），得出最终的综合轮动信号，即小盘与大盘的配置仓位比例[31][33]。 量化因子与构建方式 1. 5日均标准化交易量能指标 1. 因子名称：5日均标准化交易量能指标[4][13] 2. 因子构建思路：通过标准化处理近期市场的成交额，构建一个衡量市场交易活跃度与情绪强弱的指标[4][13]。 3. 因子具体构建过程：报告未给出具体计算公式，但描述了其构建逻辑。该指标很可能是计算市场（如全A）最近5个交易日的平均成交额，然后通过Z-Score或分位数排名等方法，将其标准化至历史区间（如过去5年）内，以判断当前量能所处的相对水平[4][13]。 2. 两市5日新增融资买入余额 1. 因子名称：两市5日新增融资买入余额[4][13] 2. 因子构建思路：监测融资买入资金的短期变化，作为衡量市场杠杆情绪和过热风险的指标[4][13]。 3. 因子具体构建过程：报告未给出具体计算公式。该因子可能是指沪深两市最近5个交易日的融资买入额每日新增部分的均值或总和，用于观察杠杆资金入场的速度和强度[4][13]。 3. 交易拥挤度 1. 因子名称：交易拥挤度[13] 2. 因子构建思路：通过测量市场交易行为的集中程度，来判断行情是否过热或健康[13]。 3. 因子具体构建过程：报告未给出具体计算公式，但通过两个子维度进行观察： * 主题交易集中度：集中度走低表明市场呈现多点开花、主题轮动的健康行情[13]。 * PB分化度：分化度上行也支持市场行情健康扩散的观点[13]。 4. A股整体Beta离散度 1. 因子名称：A股整体Beta离散度[16][19] 2. 因子构建思路：衡量市场上个股收益率与市场收益率关联性（Beta）的离散程度，作为市场情绪和分歧度的指标[16][19]。 3. 因子具体构建过程：报告未给出具体计算公式。该因子可能通过计算全市场个股Beta值的标准差或其他离散统计量来构建，离散度高通常意味着市场分歧大[16][19]。 5. 成长价值PE/PB估值差 1. 因子名称：成长价值PE估值差、成长价值PB估值差[27][29] 2. 因子构建思路：计算成长风格与价值风格在估值水平上的差异，作为风格间估值性价比的衡量指标，用于均值回归分析[27][29]。 3. 因子具体构建过程：报告未给出具体计算公式。该因子可能通过计算代表成长风格的指数（如国证成长）与代表价值风格的指数（如国证价值）的PE（或PB）中位数之差来构建，并计算该差值在历史（如5年）上的分位数[27][29]。 模型的回测效果 1. 短期择时模型 * 回测区间：2012年底至今（全区间）及2024年以来[18][24] * 基准策略：月度中性持仓再平衡[18] * 年化收益率：16.64%（全区间）， 30.85%（2024年以来）[18][24] * 基准年化收益率：5.04%（全区间）， 10.73%（2024年以来）[18][24] * 年化超额收益率：11.60%（全区间）[18] * 年化波动率：14.80%（全区间）， 16.59%（2024年以来）[18][24] * 最大回撤：15.05%（全区间）， 11.04%（2024年以来）[18][24] * 夏普比率：0.9793（全区间）， 1.5837（2024年以来）[18][24] * 收益回撤比：1.1058（全区间）， 2.7946（2024年以来）[18][24] * 月度胜率：66.46%（全区间）， 73.08%（2024年以来）[18][24] * 季度胜率：61.11%（全区间）[18] * 年度胜率：80.00%（全区间）[18] 2. 成长价值风格轮动模型 * 回测区间：2012年底至今[28][30] * 基准策略：月度风格均衡配置（成长价值等权）[28][30] * 年化收益率：13.21%[30] * 基准年化收益率：8.31%[30] * 年化超额收益率：4.90%[28] * 年化波动率：20.77%[30] * 最大回撤：43.07%[30] * 夏普比率：0.6058[30] * 收益回撤比：0.3067[30] * 月度胜率：58.60%[30] * 季度胜率：60.38%[30] 3. 小盘大盘风格轮动模型 * 回测区间：2014年以来[32][33] * 基准收益：未明确说明基准构成，但对比了策略收益与基准收益[33] * 年化收益率：综合信号3D平滑策略为20.51%[33] * 年化超额收益率：综合信号3D平滑策略为12.89%[33] * 最大回撤：综合信号3D平滑策略为40.70%[33] * 年度超额收益：自2014年至2026年（年初至今），每年均产生正向超额收益[32][33]