量化模型与构建方式 1. 模型名称：三维择时框架 * 模型构建思路： 通过构建分歧度、流动性、景气度三个维度的指标，综合判断市场状态，进行择时判断[8]。 * 模型具体构建过程： 模型基于三个核心指标：市场分歧度指数、市场流动性指数、A股景气度指数2.0[13][26][24]。通过观察这三个指标的趋势（上行或下行）及其组合状态，形成对市场走势（如震荡下跌）的判断[8]。例如，当流动性保持下行趋势、分歧度保持上行趋势、景气度保持下行趋势时，框架判断市场为震荡下跌[8]。 2. 模型名称：热点趋势ETF策略 * 模型构建思路： 结合价格形态（支撑阻力）和市场关注度（换手率变化），筛选出具有短期趋势和热度的ETF构建组合[32]。 * 模型具体构建过程： 首先，根据K线形态，筛选出最高价与最低价同时呈现上涨形态的ETF[32]。其次，根据最高价与最低价近20日回归系数的相对陡峭程度，构建支撑阻力因子，并选择该因子得分处于多头组的ETF[32]。最后，在多头组中，选择近5日换手率与近20日换手率比值最高的10只ETF，即短期市场关注度明显提升的品种，构建风险平价组合[32]。 3. 模型名称：融资-主动大单资金流共振策略 * 模型构建思路： 结合融资融券资金流和主动大单资金流两种数据，寻找两种资金流产生共振效应的行业进行配置，以提高策略稳定性[40]。 * 模型具体构建过程： 1. 构建行业融资融券资金因子： 对个股的（融资净买入-融券净卖出）进行行业加总，然后进行Barra市值因子中性化处理，再计算其最近50日均值，最后计算该均值的两周环比变化率[40]。 2. 构建行业主动大单资金因子： 对行业的主动大单净流入数据进行最近一年成交量时序中性化处理，然后进行排序并计算最近10日均值[40]。 3. 策略逻辑： 研究发现，融资融券因子的多头端在不同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）有稳定的正向超额收益[40]。因此，策略在主动大单因子的头部打分行业内，剔除融资融券因子得分也处于头部的行业，以提高策略稳定性[40]。最后，再剔除大金融板块[40]。 4. 模型名称：全天候配置策略（高波版与低波版） * 模型构建思路： 通过循环对冲设计对冲构型，绕过对宏观因素的直接预测，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，不依赖杠杆、预测或宏观假设[44]。 * 模型具体构建过程： 策略遵循资产选择、风险调整、结构对冲三项基本原则[44]。具体采用循环对冲设计对冲构型[44]。根据风险水平不同，分为两个版本： * 高波版： 采用四层结构化-股债金风险平价模型[44][48]。 * 低波版： 采用五层结构化-风险预算模型[49][53]。 模型的回测效果 1. 三维择时框架，模型评价：用于判断市场整体状态，本周保持震荡下跌判断[8]。 2. 热点趋势ETF策略，2025年以来收益58.34%，相比沪深300指数的超额收益为38.80%[32]。 3. 融资-主动大单资金流共振策略，2018年以来费后年化超额收益14.3%，信息比率（IR）1.4[40]；策略上周实现-2.53%的绝对收益与1.88%的超额收益（相对行业等权）[40]；模型评价：相对北向-大单共振策略回撤更小[40]。 4. 全天候配置策略（高波版），截至2025年年化收益率11.8%，年平均最大回撤3.6%，夏普比率1.9[53]；2026年以来收益率1.9%[53]。 5. 全天候配置策略（低波版），截至2025年年化收益率6.7%，年平均最大回撤2.0%，夏普比率2.4[53]；2026年以来收益率1.1%[53]。 量化因子与构建方式 1. 因子名称：支撑阻力因子（属于热点趋势ETF策略） * 因子构建思路： 根据ETF价格最高价和最低价近期的回归趋势陡峭程度，判断其支撑或阻力强度[32]。 * 因子具体构建过程： 分别对ETF的最高价和最低价进行近20日的线性回归，根据回归系数的相对陡峭程度构建因子[32]。 2. 因子名称：行业融资融券资金因子 * 因子构建思路： 衡量经过市值调整后的行业层面融资资金净流入的近期变化趋势[40]。 * 因子具体构建过程： 因子 = 两周环比变化率( 最近50日均值( Barra市值中性化后的(行业∑(个股融资净买入-融券净卖出) ) ) )[40]。 3. 因子名称：行业主动大单资金因子 * 因子构建思路： 衡量经过成交量调整后的行业主动大单资金净流入的近期强度[40]。 * 因子具体构建过程： 因子 = 最近10日均值( 排序( 最近一年成交量时序中性化后的行业主动大单净流入 ) )[40]。 4. 风格因子组：报告跟踪了市值、贝塔、动量、波动率、非线性市值、价值、流动性、盈利收益率、成长、杠杆等风格因子[57]。 5. Alpha因子组：报告从多维度观察了不同Alpha因子的表现，包括过去1个月的收益率标准差(return std 1m)、近63交易日平均换手率的自然对数(swap 3m)、过去1个月的平均换手率(turnover mean 1m)等[61][62]。除规模因子仅进行行业中性化外，其他因子均进行了市值和行业中性化处理[60]。 因子的回测效果 1. 风格因子近期表现： * 市值因子，本周收益1.59%，最近一月收益2.88%，本年收益-2.92%[57]。 * 盈利收益率因子，本周收益0.76%，最近一月收益1.18%，本年收益-0.41%[57]。 * 成长因子，本周收益0.42%，最近一月收益1.18%，本年收益1.95%[57]。 * 贝塔因子，本周收益-2.34%，最近一月收益3.90%，本年收益7.91%[57]。 * 动量因子，本周收益-2.20%，最近一月收益0.37%，本年收益1.51%[57]。 * 波动率因子，本周收益-0.79%，最近一月收益-3.21%，本年收益-3.62%[57]。 * 流动性因子，本周收益-1.87%，最近一月收益0.36%，本年收益0.38%[57]。 2. Alpha因子近期表现（近一周多头超额）： * 过去1个月的收益率标准差(return std 1m)，近一周多头超额1.27%，近一个月多头超额1.14%[62]。 * 近63交易日平均换手率的自然对数(swap 3m)，近一周多头超额1.26%，近一个月多头超额0.83%[62]。 * 过去1个月的平均换手率(turnover mean 1m)，近一周多头超额1.26%，近一个月多头超额1.12%[62]。 3. Alpha因子分指数表现（最近一年多头超额）： * 评级上下调差/评级上下调和(est num diff)，在沪深300中多头超额33.24%，在中证500中多头超额6.99%，在中证800中多头超额22.93%，在中证1000中多头超额6.15%[64]。 * 十二个月残差动量(specific mom12)，在沪深300中多头超额32.93%，在中证500中多头超额10.27%，在中证800中多头超额24.75%，在中证1000中多头超额10.99%[64]。 * 单季度净利润同比增长 (yoy np q adv)，在沪深300中多头超额24.01%，在中证500中多头超额12.78%，在中证800中多头超额25.76%，在中证1000中多头超额22.83%[64]。 * 近一个月一致预期净利润变化（FY1）占比(mom1 np fy1)，在沪深300中多头超额16.99%，在中证500中多头超额16.98%，在中证800中多头超额25.58%，在中证1000中多头超额9.70%[64]。