量化模型与构建方式 1. 模型名称：三维择时框架[8][12] * 模型构建思路：通过构建市场分歧度、流动性、景气度三个维度的指标，综合判断市场整体趋势[8]。 * 模型具体构建过程：模型基于三个独立的指数进行判断。分歧度指数用于衡量市场参与者观点的离散程度[18]。流动性指数用于衡量市场资金面的松紧状况[23]。景气度指数（A股景气度指数2.0）用于衡量上市公司整体的经营状况和盈利趋势[20]。通过观察这三个指标的变化趋势（上行或下行），形成对市场（如震荡下跌）的综合判断[8]。 2. 模型名称：热点趋势ETF策略[28] * 模型构建思路：结合价格形态（支撑阻力）和短期市场关注度（换手率变化）来筛选ETF，构建组合[28]。 * 模型具体构建过程： 1. 首先筛选出K线最高价与最低价同时呈现上涨形态的ETF[28]。 2. 计算支撑阻力因子：基于最高价与最低价近20日的回归系数，衡量价格趋势的陡峭程度[28]。 3. 在支撑阻力因子的多头组中，进一步选择近5日换手率与近20日换手率比值最高的ETF，即短期市场关注度明显提升的品种[28]。 4. 最终选取10只ETF，采用风险平价方法构建投资组合[28]。 3. 模型名称：ETF三策略融合轮动模型[32][34] * 模型构建思路：将基于基本面、质量低波、困境反转三种不同逻辑的行业轮动策略进行等权融合，以实现因子与风格的互补，降低单一策略风险[32]。 * 模型具体构建过程： 1. 分别构建三个子策略： * 行业轮动策略：核心因子包括超预期景气度、行业龙头效应、行业动量、拥挤度、通胀beta等，旨在覆盖行业多维度特性[33]。 * 个股风格驱动策略：核心因子包括个股动量、个股质量、个股波动率，聚焦于个股质量与低波，防御性突出[33]。 * 困境反转策略：核心因子包括PB_zscore、分析师长期预期、短期筹码交换，旨在捕捉估值修复与业绩反转机会[33]。 2. 将三个策略选出的行业或标的进行等权合并，形成最终的ETF轮动组合[32]。 4. 模型名称：资金流共振策略[43][46] * 模型构建思路：结合融资融券资金流和主动大单资金流，通过剔除极端值来提高策略稳定性，筛选出两类资金流产生共振的行业[43][46]。 * 模型具体构建过程： 1. 构建行业融资融券资金因子：计算行业内个股的融资净买入减去融券净卖出并加总，然后进行Barra市值因子中性化处理，再取最近50日均值，最后计算其两周环比变化率[43]。 2. 构建行业主动大单资金因子：计算行业净流入资金，并进行最近一年成交量时序中性化处理，然后排序并取最近10日均值[43]。 3. 策略逻辑：研究发现融资融券因子的多头端在某些市场状态下有稳定的负向超额收益，而主动大单因子剔除极端多头行业后有稳定正向超额收益。因此，策略在主动大单因子的头部打分行业内，剔除融资融券因子也处于头部的行业[43]。 4. 进一步剔除大金融板块，得到最终推荐的行业组合[43]。 5. 模型名称：全天候配置策略[49] * 模型构建思路：通过资产选择、风险调整和结构对冲三项原则，绕过宏观预测，直接针对资产波动进行长期收益平衡，旨在获取稳健的绝对收益[49]。 * 模型具体构建过程：采用循环对冲设计对冲构型。根据风险水平分为两个版本： * 高波版：采用“四层结构化-股债金风险平价”构型[53][54]。 * 低波版：采用“五层结构化-风险预算”构型[55][57]。 模型的回测效果 1. 热点趋势ETF策略[28][29] * 2025年以来收益率：59.92%[28] * 2025年以来相对沪深300的超额收益率：36.61%[28] 2. ETF三策略融合轮动模型[34][37][38] * 总回测期（2017/4/10 - 2026/2/27）组合收益率：12.16%[37] * 总回测期（2017/4/10 - 2026/2/27）夏普比率：0.74[37] * 2026年以来收益率：1.47%[37] * 总回测期（2017/4/10 - 2026/2/27）信息比率(IR)：0.96[38] * 总回测期（2017/4/10 - 2026/2/27）最大回撤：-24.55%[38] 3. 资金流共振策略[43][44] * 2018年以来费后年化超额收益：14.3%[43] * 2018年以来信息比率(IR)：1.4[43] * 上周（报告期）绝对收益：-0.92%[44] * 上周（报告期）相对行业等权的超额收益：-3.63%[44] 4. 全天候配置策略[57][59][60] * 高波版（截至2025年）： * 年化收益率：11.8%[57] * 年平均最大回撤：3.6%[57] * 夏普比率：2.3[57] * 低波版（截至2025年）： * 年化收益率：8.8%[59] * 年平均最大回撤：2.0%[59] * 夏普比率：3.4[59] * 2026年以来收益率： * 高波版：2.7%[59] * 低波版：1.1%[59] 量化因子与构建方式 1. 因子名称：支撑阻力因子[28] * 因子构建思路：通过计算ETF价格最高价与最低价近20日回归系数的相对陡峭程度，来衡量价格趋势的强度[28]。 * 因子具体构建过程：分别对ETF的最高价序列和最低价序列进行近20日的线性回归，比较两个回归系数的陡峭程度，具体公式未在报告中给出[28]。 2. 因子名称：行业融资融券资金因子[43] * 因子构建思路：衡量经过市值调整后的行业层面融资融券资金流的近期变化趋势[43]。 * 因子具体构建过程： 1. 计算行业内个股的融资净买入减去融券净卖出并加总。 2. 对加总后的值进行Barra市值因子中性化处理。 3. 取最近50日的均值。 4. 计算该均值的两周环比变化率作为最终因子值[43]。 3. 因子名称：行业主动大单资金因子[43] * 因子构建思路：衡量经过成交量调整后的行业层面主动大单资金流的近期强度[43]。 * 因子具体构建过程： 1. 计算行业净流入资金。 2. 进行最近一年成交量时序中性化处理。 3. 将处理后的值进行排序（分位化）。 4. 取最近10日的均值作为最终因子值[43]。 4. 风格因子组[62] * 因子构建思路：报告提及了贝塔因子、动量因子、流动性因子，用于描述市场的风格特征[62]。 * 因子具体构建过程：报告未详细描述具体构建过程，仅展示了其本周收益[62]。 5. Alpha因子组[65][66][67][70] * 因子构建思路：从多维度（时间、指数、行业）构建并测试了大量选股因子，以观察其选股能力[65]。 * 因子具体构建过程：因子均进行了市值和行业中性化处理（规模因子仅进行行业中性化）。通过计算因子多头组（前1/5）相对基准的收益来评估因子表现[65]。报告列举了多个因子，例如： * 1年-1个月的收益率 (non ly 1n)：过去1年收益率减去过去1个月收益率[67]。 * 营业利润占销售费用比 (oper salesexp)：营业利润TTM / 销售费用TTM[67]。 * 研发销售收入占比 (tot rd ttm to sales)：研发费用TTM / 营业收入TTM[70]。 * 单季度ROA同比差值(考虑快报、预告) (roa q delta adv)：单季度ROA与去年同期的差值，并考虑快报和预告数据[70]。 * 一致预期净利润变化 (mom1 np fy1)：$(当前一致预测净利润FY1 - 1个月前一致预测净利润FY1) / |1个月前一致预测净利润FY1|$[70]。 因子的回测效果 1. 风格因子（本周表现）[62] * 贝塔因子周收益：3.26%[62] * 动量因子周收益：2.37%[62] * 流动性因子周收益：2.21%[62] 2. Alpha因子（近一周多头超额收益）[66][67] * 1年-1个月的收益率因子：1.18%[66][67] * 营业利润占销售费用比因子：1.13%[66][67] * 涨幅排行榜因子：0.77%[67] 3. Alpha因子（最近一年在不同指数中的多头超额收益前例）[69][70] * 在沪深300中表现突出的因子： * 单季度ROA同比差值(考虑快报、预告)：33.90%[69][70] * 单季度ROA同比差值：32.59%[69][70] * 评级上下调差/评级上下调和：30.37%[70] * 在中证500中表现突出的因子： * 一致预期净利润变化：19.23%[69][70] * 研发净资产占比：18.63%[70] * 在中证800中表现突出的因子： * 一致预期净利润变化：31.20%[69][70] * est eps动量：30.74%[70] * 在中证1000中表现突出的因子： * 单季度净利润同比增长(考虑快报、预告)：23.24%[69][70] * 研发销售收入占比：22.12%[70]