量化模型与构建方式 1. 模型名称：EMDT策略（股指期货日内趋势策略） * 模型构建思路： 该策略是一种日内趋势策略，在每天开盘后的一段时间内，通过分析早盘价格数据来识别当天市场的主要模式（趋势或震荡），并据此决定是否进行趋势交易[40][43]。 * 模型具体构建过程： 1. 在每个交易日股指期货开盘后的41分钟，截取早盘价格数据[43]。 2. 对早盘价格数据进行信号分解，计算代表趋势和震荡的信号能量[43]。 3. 根据计算出的信号能量进行判断：当早盘趋势信号较强时，认为当天市场以趋势为主，进行趋势交易；否则，认为当天市场以震荡为主，不进行交易[43]。 2. 模型名称：风格套利策略（股指期货跨品种套利） * 模型构建思路： 该策略通过捕捉大盘股（上证50）与小盘股（中证500）之间的相对强弱轮动来获利，是一种跨品种套利策略[40][44]。 * 模型具体构建过程： 1. 在每个交易日收盘前，比较当日上证50指数与中证500指数的表现，判断大小盘风格强弱[44]。 2. 如果当日大盘风格强于小盘风格，则在收盘前执行“做多IH合约 + 做空等合约价值IC合约”的组合[44]。 3. 如果当日小盘风格强于大盘风格，则在收盘前执行“做多IC合约 + 做空等合约价值IH合约”的组合[44]。 3. 模型名称：SMT策略（股指期货日内模式识别策略） * 模型构建思路： 该策略是一种基于模式匹配的日内交易策略，核心思想是“历史会重演”，通过寻找与当前上午走势最相似的历史交易日，来预测当天下午的走势[40][45]。 * 模型具体构建过程： 1. 在每个交易日，获取股指期货上午的走势图（价格序列）[45]。 2. 将当前交易日上午的走势与历史数据库中所有交易日上午的走势进行相似度匹配，找出最相似的一个或几个历史交易日[45]。 3. 根据这些最相似的历史交易日在对应日期午后的涨跌情况，综合判断当前交易日午后的涨跌方向[45]。 4. 根据预测的涨跌方向，在相应方向上开仓进行日内交易[45]。 4. 模型名称：SLM策略（股指期货隔夜统计语言模型策略） * 模型构建思路： 该策略采用统计语言模型算法，将价格涨跌序列视为“语言”，通过分析历史序列模式来预测下一个交易日的涨跌，是一种T+1隔夜交易策略[40][49]。 * 模型具体构建过程： 1. 将股指期货的历史价格数据转化为涨跌序列（例如，用“1”代表上涨，“0”代表下跌）[49]。 2. 运用统计语言模型（如N-gram模型）对历史涨跌序列进行训练，学习不同长度序列后出现涨或跌的概率[49]。 3. 在每个交易日收盘前，根据最新的价格涨跌序列，使用训练好的模型预测下一个交易日的涨跌概率[49]。 4. 根据预测结果，在收盘前进行建仓，持有至下一个交易日收盘或达到止损条件时平仓[49]。 5. 模型名称：国债期货日内趋势策略（开盘区间突破） * 模型构建思路： 这是一种经典的日内趋势跟踪策略，当价格突破基于开盘价设定的区间时，认为趋势形成并开仓，在价格反向突破止损位时平仓[55]。 * 模型具体构建过程： 1. 使用分钟级交易数据进行回测[56]。 2. 设定两个关键参数：突破区间宽度（2a，向上向下对称）和止损阈值（b%）[56]。 3. 在交易日开始时，以开盘价P_open为基准，计算突破区间上轨和下轨： $上轨 = P_{open} \times (1 + a)$ $下轨 = P_{open} \times (1 - a)$ 4. 当盘中价格向上突破上轨时，开仓做多；当盘中价格向下跌破下轨时，开仓做空[55]。 5. 开仓后，设置动态止损位。例如，做多后止损价为 开仓价 × (1 - b)；做空后止损价为 开仓价 × (1 + b)[55]。 6. 如果价格触及止损位，则平仓离场，并且当日不再进行新的交易[55]。 6. 模型名称：国债期货日间趋势策略（EMA均线交叉） * 模型构建思路： 该策略基于国债期货指数（如TF指数、T指数）的日收盘价，使用指数移动平均线（EMA）的金叉和死叉作为交易信号，进行日间趋势跟踪[60]。 * 模型具体构建过程： 1. 选取标的：为避免期货合约交割的影响，使用TF指数和T指数（由各期限合约按持仓量加权计算）[60]。 2. 计算两条EMA均线：一条短周期均线（如快线），一条长周期均线（如慢线）[60]。 3. 生成交易信号：当短周期EMA线上穿长周期EMA线时，产生多头信号，做多指数；当短周期EMA线下穿长周期EMA线时，产生空头信号，做空指数[60]。 7. 模型名称：国债期货跨品种套利策略（统计套利） * 模型构建思路： 该策略基于5年期与10年期国债期货价格差具有均值回复特性的假设，当价差偏离历史均值过远时，通过反向建仓来博取价差回归的收益[64]。 * 模型具体构建过程： 1. 选取标的：5年期（TF）和10年期（T）国债期货的主力合约[64]。 2. 使用分钟级数据，以固定窗口（如5分钟或10分钟）计算两个合约价差（例如，TF价格 - T价格）的移动平均值（Mean）和标准差（Std）[64]。 3. 设定交易阈值：当实时价差 > Mean + 1 × Std 时，认为价差过大，执行“做空TF + 做多T”来“做空价差”[64]。 4. 当实时价差 < Mean - 1 × Std 时，认为价差过小，执行“做多TF + 做空T”来“做多价差”[64]。 5. 当价差回复到均值（Mean）水平时，平仓了结，获取利润[64]。 8. 模型名称：商品期货中长线趋势跟踪策略 * 模型构建思路： 对多个大宗商品品种分别进行中长线趋势跟踪，通过多品种配置来分散风险，旨在捕捉商品市场的主要趋势行情[88]。 * 模型具体构建过程： 报告未详细描述具体构建过程，但提及该策略基于广发金融工程团队早期研报《全球商品期货量化交易策略初探》，属于经典的趋势跟踪策略，可能涉及均线、通道突破等趋势判定方法[88]。 模型的回测效果 以下回测结果均为2026年第一季度（Q1）数据。 1. EMDT策略，总体收益率-3.92%，交易次数31次，盈利次数12次，成功率38.71%，平均盈利率0.44%，平均亏损率-0.48%，最大回撤-5.70%[47]。 2. 风格套利策略，总体收益率3.91%，交易次数56次，盈利次数31次，成功率55.36%，平均盈利率0.56%，平均亏损率-0.53%，最大回撤-3.61%[47]。 3. SMT策略，总体收益率1.95%，交易次数56次，盈利次数17次，成功率30.36%，平均盈利率0.50%[46]。 4. SLM策略，总体收益率-0.86%，交易次数54次，盈利次数32次，成功率59.26%，平均盈利率0.65%，平均亏损率-0.97%，最大回撤-8.45%[50]。 5. 国债期货日内趋势策略（5年期），累积收益率-0.39%，最大回撤-0.39%[59][60]。 6. 国债期货日内趋势策略（10年期），累积收益率-0.39%，最大回撤-0.40%[59][60]。 7. 国债期货日间趋势策略（5年期指数），累积收益率-0.22%，最大回撤-0.47%[64]。 8. 国债期货日间趋势策略（10年期指数），累积收益率-0.55%，最大回撤-1.03%[64]。 9. 国债期货跨品种套利策略，累积收益率1.78%，最大回撤-0.27%[67][68]。 10. 商品期货中长线趋势跟踪策略（多品种平均），季度平均收益率4.2%[92][94]。部分品种季度收益率：棉花4.7%，豆粕0.4%，铝-11.7%，螺纹-7.8%，焦炭-27.1%，铁矿6.1%，沥青42.9%，白糖-0.4%，棕榈油10.7%，塑料11.6%，甲醇19.3%，PTA28.8%，豆油4.3%，玉米5.3%，铜5.5%，锌5.3%，玻璃-19.2%，大豆10.0%，鸡蛋4.2%，PVC5.5%，苹果-9.9%[92][94]。 量化因子与构建方式 本报告中未明确阐述独立的量化因子构建，所有内容均以完整的交易策略模型形式呈现。 因子的回测效果 本报告中未提供独立于模型的量化因子测试结果。