量化模型与构建方式 1. 模型名称：股指期货期现套利模型[54] * 模型构建思路：当股指期货的市场价格偏离其理论价格时，通过在期货和现货市场进行反向操作，持有至基差收敛以获取无风险收益[54]。 * 模型具体构建过程：模型分为正向套利和反向套利两种策略[54]。 * 正向套利：当期货价格被高估、现货价格被低估时，执行卖出期货合约、买入现货组合的操作[54]。其套利收益率计算公式为： $P={\frac{(F_{\mathrm{t}}-S_{\mathrm{t}})-(S_{\mathrm{t}}+F_{\mathrm{t}}M_{\mathrm{t}})(1+r_{\mathrm{f}})^{\frac{T-t}{360}}-S_{\mathrm{t}}C s-F_{\mathrm{t}}C f)}{S_{\mathrm{t}}+F_{\mathrm{t}}M_{\mathrm{f}}}}$ 其中，$S_t$和$F_t$分别为t时刻现货与期货的价格；$M_f$和$M_l$分别为期货与融券的保证金比率；$C_s$和$C_f$分别为现货与期货的交易费用比率；$r_f$为无风险利率；$T-t$为剩余天数[54][55]。 * 反向套利：当期货价格被低估、现货价格被高估时，执行买入期货合约、卖出现货组合的操作[54]。其套利收益率计算公式为： $P={\frac{(S_{t}-F_{t})-(S_{t}M l+F_{t}M_{f})(1+r_{f})^{\frac{T-t}{360}}-S_{t}C s-F_{t}C f-S_{t}r^{\frac{T-t}{l360}})}{S_{t}M l+F_{t}M_{f}}}$ 其中，$r_l$为融券年利率[54][55]。 * 模型评价：该模型是经典的套利模型，其有效性依赖于期货价格在到期日与现货价格收敛的理论前提[54]。实际操作中需考虑交易成本、保证金、分红等因素，并面临基差不收敛、流动性等多种风险[54][56]。 2. 模型名称：大语言模型（LLM）卖方观点汇总模型[49] * 模型构建思路：利用大语言模型（如ChatGPT、Kimi）自动化处理大量卖方策略报告，提取并汇总市场及行业的共识与分歧观点，为投资者提供参考[49]。 * 模型具体构建过程：通过构建多套提示词（Prompt），让大语言模型完成从含观点研报的筛选、市场与行业观点的原文信息提取，到最终观点汇总的全流程[49]。具体步骤包括： 1. 输入近期发布的卖方策略报告。 2. 使用特定提示词引导大模型识别并提取报告中的市场观点和行业观点原文。 3. 使用另一套提示词引导大模型对提取出的观点进行分类、归并和统计，形成共识列表和分歧列表[49][51]。 * 模型评价：该方法大幅提升了处理非结构化文本信息的效率，能够快速梳理市场情绪和关注焦点[49]。但其输出结果存在一定的随机性和准确性风险，且可能随提示词的变化而发生变化[62]。 3. 模型名称：指数成分股分红预测模型[57] * 模型构建思路：基于上市公司分红计划的历史延续性，通过历史分红规律来预测未来分红对指数点位的影响，以修正股指期货的基差率[57][58]。 * 模型具体构建过程：预测分为两个核心部分：每股收益（EPS）的取值和预测派息率的确定[58][59]。 * EPS取值方法：根据预测时点不同动态调整。 * 若当前时间（t）小于10月，预测本年度剩余分红，EPS取公司上一年度的年报EPS；若年报未披露，则取上一年度12月31日的EPS_TTM[58]。 * 若当前时间（t）大于10月，预测下一年度分红，EPS取当前时点（t）的EPS_TTM[58]。 * 预测派息率取值方法：根据公司类型分类处理。 * 对于过去三年稳定派息的公司，取过去三年派息率的均值。 * 对于不稳定派息但持续盈利的公司，取上一年度的派息率。 * 对于过去一年未盈利、处于资产重组、上市不足一年等情况的公 司，若无分红预告，则预测派息率为0[59]。 * 分红点位计算：综合以上预测，计算每个合约期内分红对指数点位的具体影响，公式为： 分红点位 $= \sum (EPS * 预测派息率 * \frac{指数收盘价}{成分股收盘价} * 成分股权重)$[60] * 模型评价：该模型通过系统化的规则处理大量成分股的分红预测，有助于更准确地评估股指期货的真实基差水平[57]。但模型依赖历史规律，可能受到公司分红政策突变、成分股调整等因素的影响[61]。 量化因子与构建方式 1. 因子名称：基差率[11][13] * 因子构建思路：衡量股指期货价格与其标的指数价格之间的偏离程度，是进行期现套利和判断市场情绪的重要指标[11]。 * 因子具体构建过程：基差率 = (期货合约价格 - 标的指数价格) / 标的指数价格[13][16]。报告中分别计算了主力合约基差率和年化基差率[16][18]。 2. 因子名称：主力合约分红调整基差率[17] * 因子构建思路：在普通基差率的基础上，剔除未来预期分红对指数点位的下拉影响，从而反映更真实的期现价格关系[57]。 * 因子具体构建过程：使用前述“分红预测模型”计算出未来一年的预期分红点数，在计算基差率时，将标的指数价格加上该分红点数进行调整，然后重新计算基差率[17][57]。公式可理解为：调整后基差率 = (期货价格 - (指数价格 + 预期分红点数)) / 指数价格。 3. 因子名称：跨期价差率[12][34] * 因子构建思路：衡量同一标的、不同到期月份期货合约之间的价格差异，可用于判断市场期限结构和寻找跨期套利机会[12]。 * 因子具体构建过程：跨期价差率 = (近期合约价格 - 远期合约价格) / 近期合约价格[13][34]。报告中主要计算了当月合约与下月合约的价差率，并统计了其在历史数据中的分位数位置[12][34]。 4. 因子名称：20日基差率均值[17] * 因子构建思路：计算基差率在短期窗口内的移动平均值，用于平滑日度波动，观察基差水平的趋势性变化。 * 因子具体构建过程：取过去20个交易日的基差率数据，计算其算术平均值。 模型的回测效果 （报告未提供具体的模型回测绩效指标，如年化收益率、夏普比率、最大回撤等。） 因子的回测效果 （报告未提供因子在选股或多空组合上的具体测试结果，如IC值、IR、多空收益等。报告仅展示了因子在特定时点的截面取值或时间序列值。） 1. 基差率因子：截至报告期上周五，IF、IC、IM、IH主力合约的基差率分别为-0.183%、-0.271%、-0.650%、0.151%[11][17]。 2. 主力合约分红调整基差率因子：截至报告期上周五，IF、IC、IM、IH的主力合约分红调整基差率分别为0.445%、0.383%、-0.044%、0.669%[17]。 3. 20日基差率均值因子：截至报告期上周，IF、IC、IM、IH的20日基差率均值分别为-0.476%、-0.844%、-1.557%、0.018%[17]。 4. 跨期价差率因子：截至报告期上周五，IF、IC、IM、IH的跨期价差率分别处在2019年以来历史分位数的54.00%、9.70%、8.00%、41.50%[12][17]。