量化模型与构建方式 1. 债券久期择时模型 * 模型名称：改进的Diebold2006模型[10] * 模型构建思路：利用改进的Diebold-Li模型，通过预测即期收益率曲线的水平、斜率、曲率三个因子，来映射不同久期债券的预期收益，从而实现久期择时[10]。 * 模型具体构建过程： 1. 使用改进的Diebold2006模型对即期收益率曲线进行建模和预测[10]。 2. 将收益率曲线分解为水平、斜率、曲率三个因子[10]。 3. 对三个因子分别进行预测： * 水平因子：基于宏观变量预判和政策利率跟随两个视角进行预测[10]。 * 斜率因子与曲率因子：基于AR(1)模型进行预测[10]。 4. 将预测出的未来三个因子状态（上升/下降、陡峭/平坦、凸/凹）映射到不同久期债券的预期收益上，选择预期收益最高的久期进行配置[10][12]。 2. 黄金预期收益模型 * 模型名称：基于TIPS收益率的黄金预期收益模型[22] * 模型构建思路：将黄金的远期实际回报与美国抗通胀债券(TIPS)的远期实际回报相关联，通过估计两者之间的弹性系数k，并结合通胀预期，来预测黄金的名义预期收益率[22]。 * 模型具体构建过程： 1. 建立黄金实际回报与TIPS实际回报之间的线性关系模型： [22] 其中，k为弹性系数，通过扩展窗口OLS进行估计[22]。 2. 在黄金实际预期收益的基础上，加上预期通胀率，得到黄金的名义预期收益率： [22] 其中，为预期通胀率，以美联储长期通胀目标2%作为代理[22]。 3. 当模型测算出的未来一年黄金预期收益率大于10%时，择时模型发出为期一年的看多信号[24]。 3. A股权益择时框架（多策略合成模型） * 模型名称：A股权益择时多策略框架[29] * 模型构建思路：从宏观流动性、信贷预期、跨境资金流、衍生品预期、市场资金流、技术分析六个维度分别构建子择时策略，然后通过动态调整各子策略权重合成综合择时信号，并基于此信号通过风险预算模型构建股债轮动组合[29]。 * 模型具体构建过程： 1. 构建子策略：在六个维度（宏观流动性、信贷预期、跨境资金流、衍生品预期、市场资金流、技术分析）下分别构建独立的择时子模型[29]。 2. 动态合成综合信号：为使模型灵活适应市场环境，采用动态调整的方法为各子策略赋予权重，加权得到综合择时信号[31]。信号值越接近1表示越看多，越接近-1表示越看空[33]。 3. 构建股债轮动组合：基于综合择时信号，运用风险预算模型动态分配股票和债券的仓位，构建股债轮动投资组合[29]。 4. 行业轮动体系3.0（多模型合成框架） * 模型名称：行业轮动体系3.0[35] * 模型构建思路：从交易行为、景气度、资金面、筹码结构、宏观驱动、技术分析六个维度出发，分别构建行业轮动子模型，然后对子模型的信号进行动态合成，以双周频优选行业[35]。 * 模型具体构建过程： 1. 构建六个维度的子模型： * 交易行为模型：捕捉行业的日内动量与隔夜反转效应[35]。 * 景气度模型：捕捉行业的盈余动量效应[35]。 * 资金流模型：捕捉主动抢筹与被动派发行为[35]。 * 筹码结构模型：捕捉持仓收益与阻力支撑效应[35]。 * 宏观驱动模型：捕捉高频宏观预期在行业层面的映射[35]。 * 技术分析模型：捕捉行业成分股在趋势、振荡、量能指标上的交易信号[35]。 2. 动态合成行业信号：对上述六个子模型产生的信号进行动态加权合成，得到每个行业的最终得分[35][42]。权重根据模型近期的表现动态调整[42]。 3. 行业选择：根据行业得分进行排序，选择得分高的行业作为看多方向[41]。 5. 转债风格轮动模型 * 模型名称：转债风格轮动模型[16] * 模型构建思路：在剔除高估值转债的基础上，选择能够捕捉市场情绪的指标，在转债的股性和债性两种主要风格之间进行轮动配置[16]。 * 模型具体构建过程： 1. 剔除高估值转债：构建转股溢价率偏离度因子和理论价值偏离度因子，综合筛选并剔除高估值转债[16]。 2. 构建风格轮动指标：选择转债20日动量与转债波动率偏离度作为捕捉市场情绪的指标[16]。 3. 组合构建与调仓：基于上述指标，构建转债风格轮动组合，每两周调仓一次[16]。根据信号在偏债低估转债指数和偏股型转债指数之间进行切换配置[16]。 6. ETF轮动组合构建模型 * 模型名称：ETF轮动组合构建模型[46] * 模型构建思路：利用行业轮动体系3.0产生的行业信号，选择对应的行业ETF构建投资组合，并通过分资金、分批次调仓的方式平滑调仓冲击[46]。 * 模型具体构建过程： 1. 信号来源：直接使用行业轮动体系3.0生成的行业得分作为ETF选择的依据[47]。 2. 组合构建：每周选择得分最高的4个行业，并调入其对应的代表性ETF，每只ETF配置25%的权重[47]。 3. 调仓方式：为平滑单双周调仓时点的扰动，将资金分为两份，每周对其中一份资金进行调仓。调入的ETF持有周期为两周[46]。 量化因子与构建方式 1. 百元转股溢价率因子 * 因子名称：百元转股溢价率[13] * 因子构建思路：构建一个在时间序列上可比的估值指标，用于衡量可转债与其正股之间的相对配置价值[13]。 * 因子具体构建过程：计算每只可转债的转股溢价率，并以“百元”为单位进行标准化或调整，使得该指标在不同时期具有可比性。通过计算该指标在滚动历史窗口（如三年、五年）内的分位数，来判断当前转债相对于正股的估值高低[13]。 2. 修正YTM-信用债YTM因子 * 因子名称：修正YTM–信用债YTM[15] * 因子构建思路：通过剥离转股条款对转债到期收益率(YTM)的影响，得到“修正YTM”，再与同等级、同期限的信用债YTM比较，以衡量偏债型转债与信用债之间的相对配置价值[15]。 * 因子具体构建过程： 1. 对偏债型转债的YTM进行修正，剔除转股期权价值的影响，得到纯债部分的收益率，即“修正YTM”[15]。 2. 计算“修正YTM”与同等级、同期限信用债YTM的差值[15]。 3. 计算全市场该差值的中位数，作为整体偏债型转债配置性价比的衡量指标。差值越低（或为负），说明偏债型转债相对于信用债的配置价值越低[15]。 3. 转股溢价率偏离度因子 * 因子名称：转股溢价率偏离度因子[16] * 因子构建思路：用于识别并剔除转股溢价率过高的可转债，即估值过高的转债[16]。 * 因子具体构建过程：报告未给出具体公式，但思路是计算单只转债的转股溢价率与其自身历史均值或行业均值的偏离程度，偏离过大的被视为高估值标的[16]。 4. 理论价值偏离度因子 * 因子名称：理论价值偏离度因子[16] * 因子构建思路：用于识别并剔除市场价格严重偏离理论估值（如通过B-S模型计算）的可转债，即估值不合理的转债[16]。 * 因子具体构建过程：报告未给出具体公式，但思路是计算转债市价与其通过模型计算出的理论价值之间的偏离度，偏离度过大的被视为估值不合理的标的[16]。 5. 转债20日动量因子 * 因子名称：转债20日动量[16] * 因子构建思路：作为捕捉市场情绪的指标之一，用于转债的风格轮动[16]。 * 因子具体构建过程：计算可转债过去20个交易日的价格收益率，作为动量因子[16]。 6. 转债波动率偏离度因子 * 因子名称：转债波动率偏离度[16] * 因子构建思路：作为捕捉市场情绪的指标之一，用于转债的风格轮动[16]。 * 因子具体构建过程：报告未给出具体公式，但思路是计算转债当前波动率与其历史波动率均值的偏离程度[16]。 模型的回测效果 1. 债券久期择时模型：2026年3月，策略回报18.3bp，等权基准收益率6.4bp，超额收益11.9bp[12]。最近一年，策略回报1.57%，等权基准收益率-0.12%，超额收益1.69%[12]。 2. 黄金预期收益择时模型：基于TIPS收益率的择时策略，在过去一年的绝对回报为62.0%[24]。 3. A股权益择时框架（股债轮动组合）：在全样本区间内，股债轮动组合（风险预算）年化收益率8.16%，最大回撤3.74%，收益波动比2.76，收益回撤比2.19[33]。2026年3月，组合收益为-0.44%[33]。 4. 行业轮动体系3.0：2026年3月，行业多头组合收益为-6.42%，空头组合收益为-7.73%，行业等权基准收益为-7.23%，多头超额收益0.81%，空头超额收益0.5%，五分组多空组合收益为1.65%[38]。 5. 转债风格轮动模型：2018年2月14日至2026年3月13日，策略年化收益为25.60%，最大回撤15.89%，信息比率(IR)1.51[16]。2026年以来收益为9.34%[16]。 6. ETF轮动组合构建模型：2026年3月，组合收益率为-5.69%，有ETF跟踪的行业平均收益率为-6.84%，超额收益率为1.14%[50]。 因子的回测效果 （报告中未提供单个因子的独立回测绩效指标，仅将其作为模型的一部分呈现结果。）
金融工程定期：资产配置月报（2026年4月）-20260330
开源证券·2026-03-30 14:16