量化模型与因子总结 量化模型与构建方式 1. 风格轮动综合打分模型 * 模型名称：风格轮动综合打分模型[6][9] * 模型构建思路：基于宏观数据构建市场风格轮动解决方案，通过三维度多因子打分，判断价值/成长风格与大盘/小盘风格的占优方向[6][9] * 模型具体构建过程： 1. 价值成长轮动策略：结合经济增长、流动性以及市场情绪指标，对价值与成长风格进行综合打分[6][9] 2. 大小盘轮动策略：结合经济增长、流动性以及市场情绪指标，对大盘与小盘风格进行综合打分[6][9] 3. 最终输出一个综合分数，分数高低代表某种风格的得分高低，用于判断风格配置方向[9][11] 2. 行业轮动综合打分模型 * 模型名称：行业轮动综合打分模型[6][14] * 模型构建思路：构造宏观经济、中观基本面、微观技术面以及交易拥挤度四个维度的指标，通过综合打分对行业进行排序，选取排名靠前的行业进行配置[6][14] * 模型具体构建过程： 1. 宏观指标构建：将一级行业划分为上游周期、中游制造、下游消费、TMT、大金融五个板块，构建基于宏观增长与流动性二阶差分的象限划分体系，根据宏观状态推荐配置板块[18] 2. 基本面指标构建：包含历史景气、景气变化与景气预期三个部分，对行业进行打分[21] 3. 技术面指标构建：包含指数动量、龙头股动量与K线形态三个部分，对行业进行打分[25] 4. 拥挤度指标构建：包含融资流入、换手率与成交占比三个部分，对行业进行打分[26] 5. 综合信号合成：结合宏观、基本面和技术面三个维度的正向得分，同时负向配置拥挤度因子，构建行业轮动综合评价体系，得到每个行业的综合得分[30] * 模型评价：该四维度行业轮动策略在历史上超额收益稳健[15] 3. ETF轮动映射模型 * 模型名称：ETF轮动映射模型[32] * 模型构建思路：将行业轮动模型产生的行业信号，通过一套规则映射到具体的ETF产品上，形成可交易的ETF轮动解决方案[32] * 模型具体构建过程： 1. ETF筛选：整理ETF跟踪指数清单，每个指数仅保留规模最大的ETF，并根据规模和流动性进行筛选[32] 2. 行业映射：对于有ETF跟踪的指数，统计指数成分股的行业权重，选择行业权重最大且行业成分股权重超过50%的行业作为指数对应的行业[32] 3. 指数选择：对于每一个行业，若存在3个以上指数在该行业上成分股权重最高，则在这些指数中选择过去60天收益率相关性最低的3个指数作为行业对应的指数；若仅有3个及以内指数，则全部映射[32] 4. 最终映射：计算每一个行业与指数的过去60天收益率的相关系数，选择相关性最强的一个指数对应的ETF作为该行业的最终映射标的[32] 量化因子与构建方式 1. 行业轮动宏观因子 * 因子构建思路：基于宏观经济增长与流动性的二阶差分变化，划分宏观状态象限，从而推荐受益的行业板块[18] * 因子具体构建过程： 1. 计算宏观经济增长指标的二阶差分（加速度）。 2. 计算流动性指标的二阶差分（加速度）。 3. 根据两个二阶差分的正负，将宏观状态划分为四个象限（例如：“扩张强化/衰退缓解”、“宽松加码/紧缩放缓”等）[18]。 4. 根据不同象限，给出对上游周期、中游制造、下游消费、大金融、TMT五大板块的配置建议[18]。 2. 行业轮动基本面因子 * 因子名称：行业轮动基本面因子[21] * 因子构建思路：从历史景气、景气变化与景气预期三个部分评估行业的基本面状况[21] * 因子具体构建过程：报告未提供三个部分（历史景气、景气变化、景气预期）的具体计算方法和合成方式。 3. 行业轮动技术面因子 * 因子名称：行业轮动技术面因子[25] * 因子构建思路：从指数动量、龙头股动量与K线形态三个部分评估行业的技术面状况[25] * 因子具体构建过程：报告未提供三个部分（指数动量、龙头股动量、K线形态）的具体计算方法和合成方式。 4. 行业轮动拥挤度因子 * 因子名称：行业轮动拥挤度因子[26] * 因子构建思路：从融资流入、换手率与成交占比三个部分评估行业的交易拥挤程度[26] * 因子具体构建过程：报告未提供三个部分（融资流入、换手率、成交占比）的具体计算方法和合成方式。 模型的回测效果 1. 行业轮动综合打分模型 * 回测期：2017年以来（至2026年1月30日）[16] * 年化收益：18.4%[16] * 基准年化收益（行业等权）：4.7%[16] * 超额年化收益：13.7%[16] * 月度IC均值：12.3%[16] * 月度ICIR：1.41[16] * 分年度表现：详见报告表1[16] 因子的回测效果 （报告中未提供单个因子的独立测试结果，如IC、IR等）