量化模型与构建方式 1. 模型名称：三维择时框架[8][12][14] * 模型构建思路：通过构建市场分歧度、流动性、景气度三个维度的指标，综合判断市场整体趋势。当三个维度指标趋势一致时，给出明确的上涨或下跌判断。[8][12] * 模型具体构建过程：报告未详细描述三个具体指标的构建公式，但说明了其来源和用途。分歧度、流动性、景气度均为独立的指数，通过观察其变化趋势（如回升、下行、上行）进行综合判断。[8][12][14][18][21][23] 2. 模型名称：热点趋势ETF策略[28] * 模型构建思路：基于技术形态和换手率筛选短期受市场关注的ETF。首先筛选出价格形态呈上涨趋势的ETF，再从中选择支撑阻力特征明显且短期市场关注度（换手率）提升的品种构建组合。[28] * 模型具体构建过程： 1. 形态筛选：选出最高价与最低价同时为上涨形态的ETF。[28] 2. 构建支撑阻力因子：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因子。[28] 3. 关注度筛选：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。[28] 4. 组合构建：对筛选出的10只ETF构建风险平价组合。[28] 3. 模型名称：ETF三策略融合轮动模型[31][32][33] * 模型构建思路：将基于基本面、质量低波风格、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。[31][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。[32] 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。[32] 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。[32] 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。[31] 4. 模型名称：资金流共振策略[42][44][46] * 模型构建思路：结合融资融券资金流和主动大单资金流，寻找两种资金流产生共振效应的行业进行推荐。[42][44] * 模型具体构建过程： 1. 构建行业融资融券资金因子：个股层面计算融资净买入-融券净卖出，加总到行业，进行Barra市值因子中性化，取最近50日均值后的两周环比变化率。[44] 2. 构建行业主动大单资金因子：行业层面计算净流入，进行最近一年成交量时序中性化后排序，取最近10日均值。[44] 3. 策略逻辑：根据市场状态，剔除融资融券因子多头端的负向行业，并剔除主动大单因子的极端多头行业，取两种资金流因子均表现较好的行业作为多头推荐。[44][46] 5. 模型名称：全天候配置策略（高波版与低波版）[50][54][56] * 模型构建思路：通过资产选择、风险调整和结构对冲，构建分散化的投资组合，旨在不依赖宏观预测和杠杆的情况下获取稳健绝对收益，并根据风险偏好区分高波动和低波动版本。[50] * 模型具体构建过程： 1. 高波版：采用“四层结构化-股债金风险平价”对冲构型。[54] 2. 低波版：采用“五层结构化-风险预算”对冲构型。[56] 3. 具体资产选择和权重配置未在报告中详细披露，但遵循循环对冲设计，直接针对资产波动进行平衡。[50] 模型的回测效果 1. 热点趋势ETF策略，2025年以来收益52.22%，相比沪深300指数的超额收益为28.36%。[28] 2. ETF三策略融合轮动模型，2017年4月10日至2026年1月16日，组合收益率12.18%，夏普率0.74，今年以来组合收益率0.53%。[36][37] 3. 全天候配置策略-高波版，截至2025年，年化收益率11.8%，年平均最大回撤3.6%，夏普比率2.3；2026年以来收益率0.4%。[60][61] 4. 全天候配置策略-低波版，截至2025年，年化收益率8.8%，年平均最大回撤2.0%，夏普比率3.4；2026年以来收益率0.2%。[60][61] 量化因子与构建方式 1. 因子名称：支撑阻力因子[28] * 因子构建思路：通过价格高点和低点的回归斜率来衡量价格趋势的陡峭程度，以判断支撑或阻力强度。[28] * 因子具体构建过程：根据ETF的最高价与最低价近20日回归系数的相对陡峭程度构建。具体公式未给出。[28] 2. 因子名称：行业融资融券资金因子[44] * 因子构建思路：衡量行业层面融资客的净买入力度，并经过市值和时序平滑处理。[44] * 因子具体构建过程： 1. 个股层面：融资净买入 - 融券净卖出。 2. 行业层面：将个股因子值按行业加总。 3. 中性化：对加总后的行业值进行Barra市值因子中性化。 4. 平滑与变化率：取最近50日的均值，然后计算其两周环比变化率。[44] 3. 因子名称：行业主动大单资金因子[44] * 因子构建思路：衡量行业层面机构或大资金的净流入情况，并经过成交量时序中性化处理。[44] * 因子具体构建过程： 1. 计算行业最近一年的成交量时序序列。 2. 对行业的净流入数据进行上述成交量序列的时序中性化处理。 3. 将中性化后的值进行排序（分位）。 4. 平滑：取最近10日的均值。[44] 4. 风格因子组：报告提及了市值、贝塔、动量、波动率、非线性市值、价值、流动性、盈利收益率、成长、杠杆等风格因子，并进行了跟踪。[62][63][66] 5. Alpha因子组：报告列出了大量Alpha因子，并进行了多维度绩效分析。所有因子（除规模因子）均进行了市值、行业中性化处理；规模因子仅进行行业中性化处理。[64] * 交易量类因子：如1个月交易量均值(ln_volume_mean_1m)、3个月交易量均值(ln_volume_mean_3m)等，计算相应时间窗口内成交量的均值或标准差。[65][67] * 盈利质量类因子：如单季度ROA同比差值(roa_q_delta_adv)、单季度ROE同比差值(roe_q_delta_adv)等。[68] * 研发类因子：如研发总资产占比(tot_rd_ttm_to_assets)、研发销售收入占比(tot_rd_ttm_to_sales)、研发净资产占比(tot_rd_ttm_to_equity)等。[67][68] * 动量类因子：如1年-1个月的收益率(mom_1y_1m)、残差动量(specific_mom12)等。[68] * 预期调整类因子：如分析师预测EPS的1个月动量(mom1_eps_fy1)、3个月动量(mom3_eps_fy1)等。[67][68] * 资金流类因子：如基金持股变动(delta_io_to_float_share)、基金前十大重仓股变动(delta_top_ten_io)等。[67] 因子的回测效果 1. 风格因子近期表现（最近一周）：贝塔因子收益3.33%，成长因子收益1.97%，动量因子收益0.45%，市值因子收益-1.11%，波动率因子收益-1.72%，价值因子收益-1.17%。[62][66] 2. Alpha因子近期表现（近一周多头超额）：1个月交易量均值因子1.69%，3个月交易量均值因子1.66%，6个月交易量均值因子1.65%。[65][67] 3. Alpha因子分指数表现（最近一年多头超额）： * 沪深300中：单季度ROA同比差值(考虑快报、预告)因子36.35%，单季度ROA同比差值因子33.10%。[68] * 中证500中：研发净资产占比因子25.74%。[68] * 中证800中：研发总资产占比因子35.64%。[68] * 中证1000中：研发销售收入占比因子29.45%。[68] 4. 多风格增强策略表现（截至2026年1月16日）： * 长期成长增强策略：本周超额收益0.63%，最近一年年化收益率40.20%，年化超额收益5.45%，夏普率2.44。[72][73] * 红利增强策略：最近一年年化收益率23.10%，年化超额收益14.89%，夏普率2.02。[72][73] * 质量增强策略：最近一年年化收益率21.23%，年化超额收益-4.14%，夏普率1.84。[73] * 价值增强策略：最近一年年化收益率16.91%，年化超额收益-17.84%，夏普率1.10。[73] * 低波增强策略：最近一年年化收益率31.10%，年化超额收益-3.65%，夏普率2.52。[73] * 短期动量增强策略：最近一年年化收益率12.39%，年化超额收益-22.35%，夏普率0.93。[73] * 长期动量增强策略：最近一年年化收益率14.75%，年化超额收益-19.99%，夏普率1.14。[73]