量化模型与构建方式 1. 模型名称：经济六周期模型与宏观偏离度配置模型[48] * 模型构建思路：从国内货币传导流程出发，搭建“货币-信用-增长”六周期框架，并通过资产价格倒推市场隐含的周期阶段来刻画市场情绪，构建宏观偏离度指标[48] * 模型具体构建过程： 1. 定义真实经济周期为六个阶段：阶段1-货币收缩、阶段2-经济复苏、阶段3-增长过热、阶段4-信用收缩、阶段5-增长衰退、阶段6-货币扩张[48] 2. 利用资产价格数据（如股票、债券、商品等）通过模型（如马尔可夫机制转换模型）倒推出市场当前隐含的周期阶段概率分布[48] 3. 计算宏观偏离度：比较资产隐含周期与真实周期的差异。当偏离度较低时，跟随市场情绪做动量交易；当偏离度过高时，做反转交易以博取反弹收益或规避急剧回撤[48] * 模型评价：该模型结合了宏观经济状态与市场情绪，旨在通过捕捉两者之间的偏离来获取配置信号[48] 2. 模型名称：美元流动性指数[49][52] * 模型构建思路：通过量价两个维度解构美联储的流动性，构建综合指数以跟踪全球美元流动性的宽松或收紧状态[49] * 模型具体构建过程： 1. 数量维度：包含“净流动性投放”和“联储信用支持”等指标，衡量央行资产负债表提供的流动性数量[52] 2. 价格维度：包含“预期引导”、“市场隐含”、“公告意外”等指标，衡量市场利率和预期所反映的流动性价格[52] 3. 对各细分指标进行方向判断（正为宽松，负为收紧）和标准化处理，最后合成得到总体的美元流动性指数得分[52] 3. 模型名称：A股景气度高频指数[55] * 模型构建思路：以上证指数归母净利润同比为Nowcasting（即时预测）目标，利用高频宏观和金融市场数据构建一个能够实时反映A股盈利景气变化的指数[55] * 模型具体构建过程：报告未披露具体构建公式，但指出其核心是使用高频数据（如工业增加值、PMI、价格指数、金融数据等）通过计量模型（如混频数据模型、动态因子模型等）对低频的上市公司盈利增速进行实时预测和指数化[55] 4. 模型名称：A股情绪指数系统（波动-成交情绪时钟）[61] * 模型构建思路：基于市场波动率和成交额的变化方向划分市场状态，构造用于预警市场顶部和底部的情绪指数[61] * 模型具体构建过程： 1. 将市场状态按波动率变化（上行/下行）和成交额变化（上行/下行）划分为四个象限[61] 2. 通过历史回测发现，只有“波动率上行、成交额下行”的区间表现为显著负收益，其余三个象限均为显著正收益[61][62] 3. 基于此规律，分别构建“见底预警指数”（主要关注价格/波动维度）和“见顶预警指数”（主要关注成交量维度）[61][66][68] 4. 综合两个指数的信号（如“多”或“空”）得出对后市的整体观点[67] 5. 模型名称：国盛特色量价指增组合模型[94] * 模型构建思路：基于国盛特色量价因子库，使用树模型（如梯度提升树GBDT）将多个因子合成为一个综合Alpha因子，并以此构建跟踪不同宽基指数的增强组合[94] * 模型具体构建过程： 1. 拥有一个特色的量价因子库[94] 2. 使用树模型对库中的因子进行非线性融合，得到一个合成因子[94] 3. 以合成因子作为选股和加权依据，在目标指数（如沪深300、中证500、中证1000）成分股内构建投资组合[94] 4. 设置组合约束条件：行业偏离不超过±1%、个股权重上下限偏离基准不超过±1%、指数成分股权重之和不低于85%[94] 5. 组合采用月度调仓频率[94] 6. 模型名称：国盛金工多因子选基模型[109] * 模型构建思路：从基金业绩、基金经理能力、内部管理人认可程度、负向规模等多个维度对主动权益型基金进行综合打分，选取高分基金构建组合[109] * 模型具体构建过程： 1. 确定多个评价维度，如历史业绩、风险调整后收益、基金经理投资能力、公司内部跟投情况、基金规模变动等[109] 2. 在每个维度下选取或构建具体的量化指标[109] 3. 将各维度指标标准化并合成一个综合得分[109] 4. 每季度选取综合得分TOP20的基金，等权构建“多因子选基组合”[109] 7. 模型名称：国盛金工沪深300增强模型[111] * 模型构建思路：以优化复合多因子Alpha为目标，在控制组合风格暴露的前提下，构建相对于沪深300指数的增强组合[111] * 模型具体构建过程： 1. 使用多因子模型（可能基于BARRA框架）识别Alpha来源[111] 2. 以最大化复合多因子Alpha为目标函数进行组合优化[111] 3. 在优化过程中，使用“穿透+测算”的方式严格控制组合相对于基准的风格暴露（如市值、估值、动量等），以保持风格中性[111] 4. 生成最终的投资组合[111] 量化因子与构建方式 1. 因子名称：十大类风格因子[71] * 因子构建思路：参照BARRA因子模型体系，针对A股市场构建一套标准的风格因子，用于描述股票在市值、风险、动量、估值、盈利、成长等方面的特征[71] * 因子具体构建过程：报告未给出每个因子的具体计算公式，但列出了因子名称，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）[71]。这些因子的构建通常涉及以下步骤： * 原始指标计算：基于财务报表和市场交易数据计算基础指标，如总市值、过去收益、波动率、BP（账面市值比）、换手率、ROE、营收增长率、资产负债率等。 * 因子值计算：对基础指标进行标准化、行业中性化、去极值等处理，得到单因子暴露度。 * 纯因子组合：通过回归分析构建在其它风格因子上暴露为0的纯因子组合，其收益即为纯因子收益率，用于分析因子表现。 2. 因子名称：行业因子[72] * 因子构建思路：构建代表不同中信一级行业的因子，用于分析行业层面的超额收益来源[72] * 因子具体构建过程：通常采用虚拟变量法，将股票按所属行业分类，并通过回归模型得到各行业的因子收益率，代表该行业相对市场市值加权组合的超额收益[72][33] 模型的回测效果 1. 国盛特色量价沪深300增强组合[97] * 近一周超额收益：1.66%[96] * 今年以来超额收益：15.56%[96] * 2018年至今年化超额收益：15.88%[97] * 2018年至今超额信息比率(IR)：2.58[97] * 2018年至今超额最大回撤：10.26%[97] 2. 国盛特色量价中证500增强组合[99] * 近一周超额收益：0.60%[96] * 今年以来超额收益：12.34%[96] * 2018年至今年化超额收益：18.55%[99] * 2018年至今超额信息比率(IR)：2.64[99] * 2018年至今超额最大回撤：9.91%[99] 3. 国盛特色量价中证1000增强组合[102] * 近一周超额收益：0.98%[96] * 今年以来超额收益：11.73%[96] * 2018年至今年化超额收益：26.66%[102] * 2018年至今超额信息比率(IR)：3.15[102] * 2018年至今超额最大回撤：12.01%[102] 4. 国盛金工多因子选基组合[109] * 年初以来收益率：29.51%[109] * 年初以来相对偏股混合型基金指数超额收益：13.79%[109] * 2018年至今年化收益率：16.91%[109] * 2018年至今年化超额收益（相对偏股混基指数）：7.91%[109] * 2018年至今信息比率(IR)：1.63[109] 5. 国盛金工沪深300增强组合[111] * 年初以来收益率：14.45%[111] * 年初以来相对沪深300指数超额收益：7.72%[111] * 2018年至今年化收益率：13.41%[111] * 2018年至今年化超额收益（相对沪深300）：8.07%[111] * 2018年至今信息比率(IR)：2.04[111] 因子的回测效果 注：报告未提供各个风格因子和行业因子长期历史回测的定量指标（如IC、IR、多空收益等），仅提供了近期的表现分析。 1. 近期风格因子表现（截至报告周）[72][74] * 表现较优的因子：Beta因子（超额收益较高）[72]，动量因子（高动量股表现优异）[74] * 表现不佳的因子：杠杆因子（呈较为显著的负向超额收益）[72][74]，残差波动率因子（表现不佳）[74] 2. 近期行业因子表现（截至报告周）[72] * 超额收益较高的行业因子：电子、证券、建材[72] * 回撤较多的行业因子：煤炭、电力设备、传媒[72]