量化模型与构建方式 1. 模型名称：时间序列PB-ROE模型[1][8][14] * 模型构建思路：基于公司基本面（ROE）与市场估值（PB）的理论线性关系，引入实际利率和通胀等宏观变量，构建时间序列回归模型，以衡量市场整体估值相对于其基本面合理水平的偏离程度[1][8][14]。 * 模型具体构建过程：采用Wilcox & Philips(2005)提出的时间序列模型，对全市场指数（或代表性指数）的周度数据进行回归分析。模型的具体形式为： $Ln(P/B)=a+b\cdot ROE+C\cdot RealInterest+d\cdot Inflation$[8][14][15] 其中，P/B 代表市场指数的市净率，ROE 代表市场指数的净资产收益率，RealInterest 代表实际利率，Inflation 代表通胀率。a, b, c, d 为回归系数。通过该模型计算得到的回归残差，即为“PB-ROE估值偏离度”[1][8][15]。 * 模型评价：该模型能够有效刻画市场情绪和风险偏好的变化。当估值偏离度为正时，表明市场情绪高涨；为负时，表明市场情绪低迷[1][9][15]。在A股市场的实证检验表明，该估值偏离度与未来短期（如下一周）的市场指数涨幅存在显著正相关性[2][9][15]。 2. 模型名称：基于PB-ROE估值偏离度的周度仓位择时模型[2][10][19] * 模型构建思路：利用时间序列PB-ROE模型计算出的估值偏离度，根据其相对于历史统计分布的位置，生成周度的战术仓位配置信号[2][10][19]。 * 模型具体构建过程： 1. 首先，计算“PB-ROE估值偏离度”的历史均值和标准差[2][10]。 2. 然后，以“历史均值 ± 1倍标准差”作为阈值，将估值偏离度划分为四个区间，并对应四档仓位建议[10][19]： * 当 估值偏离度 > 均值 + 1倍标准差 时，发出 高仓位（80%-100%） 信号[3][10][19]。 * 当 均值 < 估值偏离度 ≤ 均值 + 1倍标准差 时，发出 低仓位 信号[19]。 * 当 均值 - 1倍标准差 < 估值偏离度 ≤ 均值 时，发出 中等仓位 信号[19]。 * 当 估值偏离度 ≤ 均值 - 1倍标准差 时，发出 中高仓位 信号[19]。 * 模型评价：该模型旨在捕捉市场情绪高涨带来的动量效应，同时在估值较低时利用安全边际。历史回测显示，该仓位择时策略能够有效降低回撤、提高收益[18][19]。 模型的回测效果 1. 时间序列PB-ROE模型，PB-ROE估值偏离度与未来第1周指数涨幅正相关且统计显著[9][15] 2. 基于PB-ROE估值偏离度的周度仓位择时模型，历史回测显示能够有效降低回撤、提高收益[19] 量化因子与构建方式 1. 因子名称：PB-ROE估值偏离度[1][8][15] * 因子构建思路：作为时间序列PB-ROE模型的输出，该因子代表了市场整体实际估值（PB）与由基本面（ROE）及宏观变量（实际利率、通胀）所决定的合理估值之间的差异，即估值偏离[1][8][15]。 * 因子具体构建过程：通过对市场指数应用时间序列PB-ROE模型进行回归，将实际观测到的 Ln(P/B) 与模型拟合值相减，所得残差即为该因子[8][15]。公式表示为： PB-ROE估值偏离度 = 实际 Ln(P/B) - 模型预测的 Ln(P/B)[1][8] 其中模型预测的 Ln(P/B) 由公式 $Ln(P/B)=a+b\cdot ROE+C\cdot RealInterest+d\cdot Inflation$ 计算得出[8][14][15]。 * 因子评价：该因子是市场情绪和风险偏好的量化指标。正值表示市场情绪高涨，负值表示市场情绪低迷[1][9][15]。其与未来市场短期表现存在非线性但显著的正向关系，高偏离度组合有显著动量效应，低偏离度组合则体现安全边际[18]。 因子的回测效果 1. PB-ROE估值偏离度因子，与未来第1周指数涨幅总体显著正相关[2][9][15] 2. PB-ROE估值偏离度因子，按升序分为4组后，估值偏离度最高的第4组未来涨幅显著最高[18][21]