量化模型与构建方式 1. 模型名称：宏观资金面信号择时策略[66][67] * 模型构建思路：通过监测外部宏观与资金信号，构建一个综合择时模型，用于判断市场整体环境并指导投资决策[66]。 * 模型具体构建过程： 1. 信号源与指标：模型主要依赖两个外部信号源：美国长期利率和人民币汇率[66]。 2. 美债收益率信号（长期宏观信号）：计算10年期美债收益率的18个月均值，将当前收益率与均值比较。若当前收益率高于均值，则发出偏空信号（-1）；若低于均值，则发出偏多信号（+1）[72]。 3. 汇率信号（短期资金信号）：计算USDCNY汇率的4周涨跌幅。若涨跌幅为负（人民币升值），则发出偏多信号（+1）；若涨跌幅为正（人民币贬值），则发出偏空信号（-1）[73]。 4. 信号综合：将美债收益率信号和汇率信号进行综合。报告指出，当利率信号偏空而汇率信号偏多时，两者方向相反，综合信号为中性[74]。 量化因子与构建方式 1. 因子名称：基差比例[16][18] * 因子构建思路：通过计算股指期货价格与其对应现货指数价格的差异比例，来反映市场情绪和套利空间[24]。 * 因子具体构建过程：使用股指期货次月合约的结算价和对应现货指数的收盘价进行计算。公式为： $基差比例 = \frac{期货价格}{对应指数价格} - 1$[22] 计算结果为负值表示期货贴水，正值表示期货升水[24]。 2. 因子名称：期权持仓量PCR[58] * 因子构建思路：通过计算看跌期权与看涨期权的持仓量比值，来衡量市场情绪。PCR上升通常代表市场情绪相对谨慎或悲观[58]。 * 因子具体构建过程：分别计算特定标的（如50ETF、300ETF）期权所有合约的看跌期权总持仓量与看涨期权总持仓量，然后求比值。 $PCR = \frac{看跌期权总持仓量}{看涨期权总持仓量}$[58] 3. 因子名称：VIX指数[50] * 因子构建思路：通过期权市场价格反推得出的波动率指数，反映市场对未来30天股市波动性的预期[50]。 * 因子具体构建过程：该因子通常由交易所或数据供应商根据期权市场价格模型（如Black-Scholes模型）计算得出，代表市场隐含波动率。报告中直接引用了华泰柏瑞300ETF、华夏50ETF等主要期权的VIX数据[52][53]。 模型的回测效果 1. 宏观资金面信号择时策略[77] * 收益：7.91% * 最大回撤：36.49% * 年化波动率：11.42% * 胜率：51.12% * 卡尔玛比率：0.22 * 夏普比率：0.41 因子的回测效果 (注：报告未提供单个因子的独立回测绩效指标，仅展示了其历史数值和定性分析。)