量化模型与构建方式 1. 模型名称：股指期货期现套利模型[46] * 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（低买高卖），并持有至期货与现货价格在交割日收敛，从而获取无风险收益[46] * 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，并通过计算考虑交易成本后的套利收益率来判断是否存在套利机会[46] * 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[46]。其套利收益率计算公式为： $P={\frac{(F_{\mathrm{t}}-S_{\mathrm{t}})-(S_{\mathrm{t}}+F_{\mathrm{t}}M_{\mathrm{f}})(1+r_{\mathrm{f}})^{\frac{T-t}{360}}-S_{\mathrm{t}}C s-F_{\mathrm{t}}C f)}{S_{\mathrm{t}}+F_{\mathrm{t}}M_{\mathrm{f}}}}$ 其中，S_t和F_t分别为t时刻现货与期货的价格；M_f为期货保证金比率；r_f为无风险利率；C_s和C_f分别为现货与期货的交易费用比率；T-t为套利持有天数[46] * 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[46]。其套利收益率计算公式为： $P={\frac{(S_{t}-F_{t})-(S_{t}M l+F_{t}M_{t})(1+r_{t})^{\frac{T-t}{360}}-S_{t}C s-F_{t}C f-S_{t}r^{\frac{T-t}{360}})}{S_{t}M l+F_{t}M_{t}}}$ 其中，M_l为融券保证金比率；r_l为融券年利率[46] * 参数设定：计算中，股指期货单边交易费用取万分之零点二三，现货单边交易费用取千分之一；期货和融券保证金比率分别取20%和50%；融券利率为年化10.6%；暂时不考虑分红影响[46] 2. 模型名称：大语言模型（LLM）卖方观点汇总模型[41][42] * 模型构建思路：利用大语言模型（ChatGPT和KIMI）对大量卖方策略报告进行自动化处理，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[41][42] * 模型具体构建过程：通过设计多套提示词，让大语言模型完成从含观点研报筛选、市场与行业观点原文信息提取，到最终观点汇总的全流程[41]。具体工作流程参见报告中的流程图[43][45] 3. 因子名称：分红调整基差率[12][48] * 因子构建思路：指数成分股分红会导致现货指数点位直接回落，并在期货价格上形成“额外贴水”。通过预测未来分红对指数点位的影响，对原始基差率进行修正，以得到更真实反映市场情绪的基差率水平[48] * 因子具体构建过程：首先预测未来特定期间内成分股的分红总额，然后将其折算为对指数点位的影响值，最后用该值调整基差率计算[12][48] * 分红点位预测：核心是预测每只成分股在合约期内的每股分红[48][52]。预测方法基于历史分红规律，具体取决于公司是否已公布分红预案[48]： * 已实施/已公布分红预案：按照实际实施或预案方案计算[48] * 未公布分红预案：使用预测的每股收益（EPS）乘以预测的派息率进行估算[48] * EPS取值方法：根据预测时点不同，EPS取值来源不同[48][49]： * 若预测时点t在当年10月之前，预测的是本年度剩余分红，EPS取上一年度的年报EPS；若年报未披露，则取上一年度12月31日的EPS_TTM[48][49] * 若预测时点t在当年10月之后，预测的是下一年度的分红，EPS取当前时点t的EPS_TTM[48] * 预测派息率取值方法：根据公司历史分红稳定性分为三类[51][52]： * 稳定派息（过去三年稳定派息）：取过去三年派息率的均值[51][52] * 不稳定派息但盈利：取上一年度的派息率[51][52] * 未盈利、上市不足一年或发生其他重大变化：若无分红预告，则预测派息率为0[51][52] * 分红点位计算：将各成分股的预测分红汇总，计算其对指数点位的总影响[52]： $分红点位 = \sum (每股分红 * \frac{指数收盘价 * 成分股权重}{成分股收盘价}) = \sum (EPS * 预测派息率 * \frac{指数收盘价 * 成分股权重}{成分股收盘价})$ * 基差率调整：将原始基差率减去分红点位的影响，得到分红调整后的基差率[12] 模型的回测效果 （报告中未提供量化模型的回测绩效指标，如年化收益率、夏普比率、最大回撤等具体数值） 量化因子与构建方式 1. 因子名称：基差率[13][17] * 因子构建思路：衡量股指期货价格与标的指数现货价格之间的偏离程度，是市场情绪、资金成本和套利力量的综合体现[13] * 因子具体构建过程：使用期货合约价格减去现货指数价格，再除以现货指数价格[13][17] * 公式：$基差率 = \frac{期货合约价格 - 现货指数价格}{现货指数价格}$[13][17] * 年化基差率：对于非当月合约，常将基差率年化以便比较，公式为：$年化基差率 = \frac{期货合约价格 - 现货指数价格}{现货指数价格} / 剩余交易日天数 * 252$[17] 2. 因子名称：跨期价差率[13][26] * 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，反映市场对远期价格的预期以及合约间的流动性溢价等[13] * 因子具体构建过程：使用近月合约价格减去远月合约价格，再除以近月合约价格[13][26] * 公式：$跨期价差率 = \frac{当月合约价格 - 下月/当季/下季合约价格}{当月合约价格}$[13][26] * 历史分位数：将当前价差率置于历史数据（如2019年以来）的分布中，计算其所在的分位数位置，以判断当前价差所处的历史水平[12] 3. 因子名称：分红预测点数[12][39] * 因子构建思路：预测未来一年内，指数成分股分红合计将对现货指数点位造成的下降幅度，用于调整期货定价和套利计算[12] * 因子具体构建过程：如“分红调整基差率”因子构建过程中所述，汇总所有成分股的预测分红，并折算为对指数点位的具体影响值[12][39][52] 因子的回测效果 （报告中未提供量化因子在选股或多空组合中的测试结果，如IC值、IR、多空收益等具体数值）