量化模型与构建方式 1. 模型名称：A股景气度高频指数模型[34] * 模型构建思路：以上证指数归母净利润同比为Nowcasting目标，构建一个能够高频反映A股整体景气度变化的指数[34]。 * 模型具体构建过程：报告未详细描述该指数的具体计算步骤和公式，仅提及了构建目标和数据来源。构建详情需参考其提及的专题报告《视角透析：A股景气度高频指数构建与观察》[34]。 2. 模型名称：A股情绪指数择时模型[37] * 模型构建思路：通过刻画市场波动率和成交额的变化方向来构建情绪指数，用于判断市场见顶和见底的预警信号[37]。 * 模型具体构建过程： 1. 将市场状态根据波动率和成交额的变化方向划分为四个象限[37]。 2. 通过历史统计发现，仅“波动率上行-成交额下行”这一区间为显著负收益，其余三个区间均为显著正收益[37]。 3. 基于此规律，构造了包含见底预警与见顶预警的A股情绪指数系统[37]。 4. 根据当前市场波动率和成交额所处的象限（上行或下行区间）来生成看多或看空的综合信号[38]。 3. 模型名称：主题投资挖掘模型[50] * 模型构建思路：通过对新闻和研报文本进行多维度处理，挖掘近期热度异动较高的投资主题及关联个股[50]。 * 模型具体构建过程：模型涉及多个处理维度，包括文本处理、主题关键词提取、主题个股关系挖掘、主题活跃周期构建、主题影响力因子构建等[50]。报告未给出每个维度的具体计算方法和公式。 4. 模型名称：中证500指数增强模型[50] * 模型构建思路：通过量化策略模型构建投资组合，旨在持续稳定地跑赢中证500指数基准[50]。 * 模型具体构建过程：报告未披露该增强模型具体使用的因子、权重配置或组合优化方法。仅展示了根据该模型生成的当前持仓列表[53][55]。 5. 模型名称：沪深300指数增强模型[56] * 模型构建思路：通过量化策略模型构建投资组合，旨在持续稳定地跑赢沪深300指数基准[56]。 * 模型具体构建过程：报告未披露该增强模型具体使用的因子、权重配置或组合优化方法。仅展示了根据该模型生成的当前持仓列表[60]。 6. 模型名称：风格与行业收益归因模型[62][71] * 模型构建思路：参照BARRA因子模型框架，构建一系列风格因子和行业因子，用于解释和分解市场主要指数或投资组合的收益来源[62][71]。 * 模型具体构建过程： 1. 构建了十大类风格因子，包括：市值（SIZE）、BETA、动量（MOM）、残差波动率（RESVOL）、非线性市值（NLSIZE）、估值（BTOP）、流动性（LIQUIDITY）、盈利（EARNINGS_YIELD）、成长（GROWTH）和杠杆（LVRG）[62]。 2. 同时构建了行业因子[63]。 3. 通过多因子模型，将指数或组合相对于市值加权市场组合的超额收益分解为各风格因子和行业因子的贡献[71]。 量化因子与构建方式 1. 因子名称：十大类风格因子[62] * 因子构建思路：参照主流的风险模型框架，从不同维度刻画股票的特征，包括规模、风险、动量、波动、估值、流动性、基本面等[62]。 * 因子具体构建过程：报告列出了十大类风格因子的名称：市值（SIZE）、BETA、动量（MOM）、残差波动率（RESVOL）、非线性市值（NLSIZE）、估值（BTOP）、流动性（LIQUIDITY）、盈利（EARNINGS_YIELD）、成长（GROWTH）和杠杆（LVRG）[62]。但未提供每个因子的具体计算公式和定义。 2. 因子名称：行业因子[63] * 因子构建思路：用于捕捉不同行业板块相对于市场的收益特征[63]。 * 因子具体构建过程：报告未提供行业因子的具体构建方法，但在分析中提及了电子、通信、医药、农林牧渔、有色金属等行业因子[63]。 模型的回测效果 1. A股情绪指数择时模型，综合择时信号为“空”[41]。 2. 中证500指数增强模型，本周（4.6-4.10）收益为4.93%，跑输基准0.83%；2020年至今，累计超额收益为53.21%，最大回撤为-10.90%[50]。 3. 沪深300指数增强模型，本周（4.6-4.10）收益为4.53%，跑赢基准0.12%；2020年至今，累计超额收益为46.16%，最大回撤为-5.86%[56]。 因子的回测效果 1. 风格因子（近一周表现）：Beta因子超额收益较高；残差波动率因子呈较为显著的负向超额收益；高动量股表现优异；流动性、价值等因子表现不佳[63]。 2. 行业因子（近一周表现）：电子、通信等行业因子相对市场市值加权组合跑出较高超额收益；医药、农林牧渔、有色金属等行业因子回撤较多[63]。