量化模型与构建方式 1. 微盘股轮动与择时模型 1. 模型名称：微盘股轮动与择时模型 2. 模型构建思路：通过构建相对净值、动量斜率及宏观指标（M1）的复合信号，在微盘股指数与茅指数之间进行轮动配置，并结合择时风控指标控制中期风险[18][27]。 3. 模型具体构建过程： * 轮动子策略1（相对净值与年均线）：计算微盘股指数与茅指数的相对净值（微盘股/茅指数）。当相对净值高于其243日移动平均线时，倾向于投资微盘股；反之则投资茅指数[27]。 * 轮动子策略2（20日收盘价斜率）：分别计算微盘股指数与茅指数的20日收盘价斜率。当二者斜率方向相反且一方为正时，选择投资斜率为正的指数[27]。 * 轮动子策略3（M1高点轮动）：监控M1同比指标的6个月移动平均值。当该平均值下行时，中期配置从微盘股切换至茅指数[18]。 * 综合轮动信号：综合上述两个子策略（相对净值/斜率轮动与M1轮动）的信号，决定最终的配置方向（微盘股、茅指数或均衡配置）[18]。 * 择时风控指标：设置两个风控阈值，任一指标触发则发出平仓信号[27]。 * 十年期国债到期收益率同比：阈值设为0.3（即30%）[27]。 * 微盘股波动率拥挤度同比：阈值设为0.55（即55%）[27]。 4. 模型评价：该模型旨在捕捉大小盘风格切换机会，并通过宏观与市场情绪指标控制下行风险[18][19]。 2. 宏观择时模型 1. 模型名称：宏观择时模型 2. 模型构建思路：基于经济增长和货币流动性两个宏观维度构建信号，动态调整权益资产（股票）的配置仓位[47][48]。 3. 模型具体构建过程：模型对经济增长和货币流动性层面分别给出信号强度（百分比形式），并综合生成最终的股票仓位建议[48]。 * 经济增长信号：截至1月31日，信号强度为40%[48]。 * 货币流动性信号：截至1月31日，信号强度为100%[48]。 * 股票仓位：根据上述信号综合计算，2月份推荐的股票仓位为70%[47][48]。 4. 模型评价：该模型为中期权益配置提供量化信号，旨在根据宏观环境变化调整风险暴露[47]。 3. 可转债择券模型 1. 模型名称：可转债择券模型 2. 模型构建思路：从正股基本面因子和转债估值因子两个维度构建量化因子，用于可转债的筛选与配置[57]。 3. 模型具体构建过程： * 正股因子：从预测正股表现的因子出发，构建适用于可转债的因子，主要包括正股一致预期、正股成长、正股财务质量、正股价值等[57]。 * 转债估值因子：选取平价底价溢价率作为衡量转债估值水平的因子[57]。 * 因子应用：通过跟踪这些因子的IC均值和多空组合净值表现，指导可转债的择券[57][58]。 量化因子与构建方式 1. 大类选股因子（国金证券分类） 报告跟踪了八大类选股因子，其定义如下[60][62]： 1. 因子名称：市值因子 (排序方向：↓) * 因子构建思路：捕捉规模效应，通常小市值股票具有更高的预期收益。 * 因子具体构建过程：使用流通市值的自然对数。 $LN\_MktCap = ln(流通市值)$ * 细分因子：LN_MktCap[60]。 2. 因子名称：价值因子 (排序方向：↑) * 因子构建思路：寻找估值相对较低的股票。 * 因子具体构建过程：采用多种估值比率。 $BP\_LR = \frac{最新年报账面净资产}{最新市值}$ $EP\_FTTM = \frac{未来12个月一致预期净利润}{最新市值}$ $SP\_TTM = \frac{过去12个月营业收入}{最新市值}$ $EP\_FY0 = \frac{当期年报一致预期净利润}{最新市值}$ $Sales2EV = \frac{过去12个月营业收入}{企业价值}$ * 细分因子：BP_LR, EP_FTTM, SP_TTM, EP_FY0, Sales2EV[60]。 3. 因子名称：成长因子 (排序方向：↑) * 因子构建思路：寻找盈利或收入增长较快的公司。 * 因子具体构建过程：采用单季度财务数据的同比增速。 $NetIncome\_SQ\_Chg1Y = \frac{单季度净利润_{当期} - 单季度净利润_{去年同期}}{|单季度净利润_{去年同期}|}$ （OperatingIncome_SQ_Chg1Y, Revenues_SQ_Chg1Y 构建方式类似） * 细分因子：NetIncome_SQ_Chg1Y, OperatingIncome_SQ_Chg1Y, Revenues_SQ_Chg1Y[60]。 4. 因子名称：质量因子 (排序方向：↑) * 因子构建思路：寻找盈利能力、运营效率或财务稳健性高的公司。 * 因子具体构建过程：采用多种盈利和效率指标。 $ROE\_FTTM = \frac{未来12个月一致预期净利润}{股东权益均值}$ $OCF2CurrentDebt = \frac{过去12个月经营现金流净额}{流动负债均值}$ $GrossMargin\_TTM = \frac{过去12个月毛利润}{过去12个月营业收入}$ $Revenues2Asset\_TTM = \frac{过去12个月营业收入}{总资产均值}$ * 细分因子：ROE_FTTM, OCF2CurrentDebt, GrossMargin_TTM, Revenues2Asset_TTM[60]。 5. 因子名称：一致预期因子 (排序方向：↑) * 因子构建思路：捕捉分析师预期上调带来的正向股价反应。 * 因子具体构建过程：衡量一致预期的变化幅度或潜在上涨空间。 $EPS\_FTTM\_Chg3M = \frac{EPS_{一致预期, 当前} - EPS_{一致预期, 3个月前}}{|EPS_{一致预期, 3个月前}|}$ （ROE_FTTM_Chg3M构建方式类似） $TargetReturn\_180D = \frac{一致预期目标价 - 当前股价}{当前股价}$ * 细分因子：EPS_FTTM_Chg3M, ROE_FTTM_Chg3M, TargetReturn_180D[60]。 6. 因子名称：技术因子 (排序方向：↓) * 因子构建思路：捕捉量价行为中的特定模式，如成交量活跃度、分布特征等。 * 因子具体构建过程： $Volume\_Mean\_20D\_240D = \frac{20日成交量均值}{240日成交量均值}$ $Skewness\_240D = 240日收益率分布的偏度$ $Volume\_CV\_20D = \frac{20日成交量标准差}{20日成交量均值}$ $Turnover\_Mean\_20D = 20日换手率均值$ * 细分因子：Volume_Mean_20D_240D, Skewness_240D, Volume_CV_20D, Turnover_Mean_20D[60]。 7. 因子名称：波动率因子 (排序方向：↓) * 因子构建思路：寻找股价波动率较低（低波）的股票，这类股票可能风险调整后收益更佳。 * 因子具体构建过程：采用历史收益率标准差或因子模型残差波动率。 $Volatility\_60D = 60日收益率的标准差$ $IV\_CAPM = CAPM模型残差的标准差$ （IV_FF, IV_Carhart 构建方式类似，分别基于Fama-French三因子和Carhart四因子模型） * 细分因子：Volatility_60D, IV_CAPM, IV_FF, IV_Carhart[60]。 8. 因子名称：反转因子 (排序方向：↓) * 因子构建思路：捕捉股价短期反转效应，即过去一段时间跌幅较大的股票未来可能反弹，涨幅较大的可能回调。 * 因子具体构建过程：直接使用过去一段时间的收益率。 $Price\_Chg20D = \frac{收盘价_{当前} - 收盘价_{20个交易日前}}{收盘价_{20个交易日前}}$ （Price_Chg40D, Price_Chg60D, Price_Chg120D 构建方式类似） * 细分因子：Price_Chg20D, Price_Chg40D, Price_Chg60D, Price_Chg120D[62]。 2. 可转债择券因子 1. 因子名称：正股一致预期因子 * 因子构建思路：将适用于股票的一致预期因子迁移至可转债择券，通过正股基本面预测转债表现[57]。 2. 因子名称：正股成长因子 * 因子构建思路：将适用于股票的成长因子迁移至可转债择券[57]。 3. 因子名称：正股财务质量因子 * 因子构建思路：将适用于股票的质量因子迁移至可转债择券[57]。 4. 因子名称：正股价值因子 * 因子构建思路：将适用于股票的价值因子迁移至可转债择券[57]。 5. 因子名称：转债估值因子（平价底价溢价率） * 因子构建思路：直接衡量可转债自身的估值水平，溢价率越低可能投资价值越高[57]。 模型的回测效果 1. 宏观择时模型：2025年年初至今收益率为14.59%，同期Wind全A收益率为26.87%[47]。 因子的回测效果 (全部A股，近期表现) 1. 反转因子，IC均值 18.93%[52] 2. 市值因子，IC均值 14.79%[52] 3. 价值因子，近期表现强劲[5][52] 4. 技术因子，近期表现强劲[5][52] 5. 波动率因子，近期表现强劲[5][52] 6. 成长因子，近期表现相对较弱，有所回调[5][52] 7. 一致预期因子，近期表现相对较弱，有所回调[5][52] 可转债择券因子的回测效果 (近期表现) 1. 正股价值因子，取得了较高的IC均值[57] 2. 转债估值因子，取得了较高的IC均值[57]