量化模型与构建方式 1. 模型名称：红利风格择时模型[1][3][5] * 模型构建思路：构建一个多因子综合打分模型，用于判断对红利风格资产是否应该看多[3][5]。 * 模型具体构建过程：模型通过综合多个宏观经济、市场情绪及估值类因子的信号，形成一个综合因子值，并根据该值的正负发出择时观点[3][5][6]。 * 首先，选取多个与红利风格表现相关的因子，包括：中国非制造业PMI（服务业）、中国M2同比、美国10年期国债收益率、红利相对净值自身、中证红利股息率与10年期中债收益率之差、融资净买入、行业平均景气度等[10]。 * 其次，对每个因子进行处理，得到标准化的因子值[10]。 * 最后，将各因子值按照模型设定的规则进行综合，得到最终的“综合因子值”[1][3][5]。综合因子值为正时，发出看多红利风格的信号；为负时，则不发出看多信号[1][5]。 量化因子与构建方式 1. 因子名称：中国非制造业PMI（服务业）因子[10] * 因子构建思路：使用中国非制造业PMI中的服务业指数作为反映宏观经济景气的指标之一，用于判断对红利风格的影响[10]。 * 因子具体构建过程：报告未详细说明该因子的具体计算过程，仅给出了标准化后的因子值[10]。 2. 因子名称：中国M2同比因子[10] * 因子构建思路：使用中国M2货币供应量的同比增速作为反映宏观流动性的指标，用于判断对红利风格的影响[10]。 * 因子具体构建过程：报告未详细说明该因子的具体计算过程，仅给出了标准化后的因子值[10]。 3. 因子名称：美国国债收益率（10年）因子[3][6][10] * 因子构建思路：使用美国10年期国债收益率作为反映全球无风险利率和资金成本的指标，用于判断对红利风格的影响[3][6][10]。 * 因子具体构建过程：报告未详细说明该因子的具体计算过程，仅给出了标准化后的因子值[10]。 4. 因子名称：红利相对净值自身因子[3][6][10] * 因子构建思路：使用红利风格自身的相对表现（可能指其相对于市场基准的净值走势）作为动量或趋势类指标，用于判断其未来走势[3][6][10]。 * 因子具体构建过程：报告未详细说明该因子的具体计算过程，仅给出了标准化后的因子值[10]。 5. 因子名称：中证红利股息率-10年期中债收益率因子[10] * 因子构建思路：计算中证红利指数的股息率与10年期中国国债收益率之间的利差，作为衡量红利资产相对债券吸引力的估值指标[10]。 * 因子具体构建过程：报告未详细说明该因子的具体计算过程，仅给出了标准化后的因子值[10]。 6. 因子名称：融资净买入因子[10] * 因子构建思路：使用市场的融资净买入数据作为反映市场情绪和风险偏好的指标[10]。 * 因子具体构建过程：报告未详细说明该因子的具体计算过程，仅给出了标准化后的因子值[10]。 7. 因子名称：行业平均景气度因子[3][6][10] * 因子构建思路：使用行业平均景气度数据作为反映整体经济或企业盈利状况的指标[3][6][10]。 * 因子具体构建过程：报告未详细说明该因子的具体计算过程，仅给出了标准化后的因子值[10]。 模型的回测效果 1. 红利风格择时模型，截至2026年4月24日当周的综合因子值为-0.44[1][3][5]，未发出看多信号[1][5]。 因子的回测效果 1. 中国非制造业PMI（服务业）因子，2026年4月24日因子值为0.95[10]，最新观点为“0”（报告中未明确“0”和“1”的具体含义，但结合上下文，“1”可能代表看多红利，“0”代表不看多）[10]。 2. 中国M2同比因子，2026年4月24日因子值为0.46[10]，最新观点为“0”[10]。 3. 美国国债收益率（10年）因子，2026年4月24日因子值为0.55[10]，最新观点为“1”[10]。 4. 红利相对净值自身因子，2026年4月24日因子值为-2.40[10]，最新观点为“0”[10]。 5. 中证红利股息率-10年期中债收益率因子，2026年4月24日因子值为-0.14[10]，最新观点为“0”[10]。 6. 融资净买入因子，2026年4月24日因子值为1.72[10]，最新观点为“0”[10]。 7. 行业平均景气度因子，2026年4月24日因子值为0.88[10]，最新观点为“0”[10]。