量化模型与因子总结 量化模型与构建方式 1. 模型名称：宏观指标趋势模型[12] * 模型构建思路： 通过统计检验，筛选出对大类资产未来1个月收益有显著影响的宏观指标，并根据其趋势方向对资产进行打分[8][12] * 模型具体构建过程： * 步骤1： 为每个宏观指标计算其历史月度均线，并根据均线判断指标在每月末处于“趋势上行”或“趋势下行”状态[12][13] * 步骤2： 对于某个大类资产，统计在某个宏观指标处于“趋势上行”和“趋势下行”两种状态下，该资产未来1个月收益率的分布情况[12] * 步骤3： 使用T检验判断两种状态下收益率的均值是否存在显著差异。T值计算公式如下： $$t=(\overline{{{R_{1}}}}-\overline{{{R_{2}}}})\Bigg/\left[\sqrt{\frac{(n_{1}-1){S_{1}}^{2}+(n_{2}-1){S_{2}}^{2}}{n_{1}+n_{2}-2}\bigg(\frac{1}{n_{1}}+\frac{1}{n_{2}}\bigg)}\right]\sim!t_{n_{1}+n_{2}-2}$$ 其中，$$\overline{R_{1}}$$ 和 $$\overline{R_{2}}$$ 分别代表宏观指标在趋势上行和趋势下行的不同情况下，某个大类资产未来1个自然月的平均月度收益率；$$S_{1}$$ 和 $$S_{2}$$ 代表对应情况下收益率的标准差；$$n_{1}$$ 和 $$n_{2}$$ 分别代表宏观指标处于趋势上行或趋势下行的月份数量[12] * 步骤4： 若t值较大，则认为该宏观指标的趋势对资产未来表现有显著影响，将其纳入打分体系。根据指标的最新趋势方向（上行或下行）及其对资产的影响方向（正向或负向），给出相应的得分（如+1或-1）[12][28][47] 2. 模型名称：技术视角打分模型[17][20][24] * 模型构建思路： 从趋势、估值、资金流三个技术维度，分别构建指标对大类资产或风格进行月度打分[17][20][24] * 模型具体构建过程： * 趋势指标： 基于资产收盘价或LLT指标，计算特定历史窗口的平均月度涨跌幅。若指标值为正，则认为趋势向上，记+1分；若为负，则认为趋势向下，记-1分。不同资产采用的计算窗口可能不同[17][30] * 估值指标（仅用于权益资产）： 计算股权风险溢价（ERP），即中证800指数PE(TTM)的倒数减去10年期国债到期收益率。然后计算当前ERP在过去5年历史中的分位数[20] $$分位数 = (当前 ERP - 历史5年 ERP最低值) / (历史5年 ERP最高值 - 历史5年 ERP最低值)$$ 根据分位数所在区间赋予估值得分：高于90%为+2分，70%-90%为+1分，30%-70%为0分，10%-30%为-1分，低于10%为-2分[20][21] * 资金流指标（主要用于权益资产）： 以日度频率计算个股主动净流入额，加总得到指数月度主动净流入额，并计算其边际变化。若指标为正，认为资金面边际改善（资金流入），记+1分；若为负，则认为资金面边际恶化（资金流出），记-1分[24][30] 3. 模型名称：综合观点生成模型[31][51] * 模型构建思路： 将宏观视角和技术视角的得分加总，得到对某一大类资产或权益风格的综合总得分，并根据总得分形成“看好”或“看空”的最终观点[31][51] * 模型具体构建过程： * 步骤1： 对每个资产或风格，分别加总其下所有宏观指标得分，得到“宏观视角最新得分”[31] * 步骤2： 对每个资产或风格，分别加总其下所有技术指标（趋势、估值、资金流）得分，得到“技术视角最新得分”[31] * 步骤3： 将宏观得分与技术得分相加，得到“最新总得分”[31] * 步骤4： 根据总得分的正负形成最终观点。通常总得分为正表示“看好”，为负表示“看空”[31][51] 4. 模型名称：资产配置轮动模型[32][40][52] * 模型构建思路： 在基准配置权重的基础上，根据宏观指标和技术指标产生的月度信号，动态调整各类资产的配置权重，实现资产配置的轮动[32][40][52] * 模型具体构建过程： * 步骤1： 设定基准组合及各类资产的基准配置权重。例如，大类资产配置组合包括权益、债券、商品、货币等资产，并设定固定比例权重[32] * 步骤2： 根据每月末生成的宏观指标和技术指标信号（即对各类资产的“看好”或“看空”观点），对非货币资产的权重进行调整。通常，“看好”则在其基准权重上增加一定比例（“调整权重”），“看空”则减少，并相应调整货币资产的配置比例以保持总权重为100%[32] * 步骤3（衍生模型）： 除了固定比例基准，还采用了其他经典配置模型作为基准，如“控制年化波动率不超过6%”和“风险平价”模型，并在其基础上进行相同的信号权重调整[40] 5. 模型名称：风格轮动模型[52] * 模型构建思路： 与资产配置轮动模型类似，但应用于权益风格（如大盘/小盘、成长/价值）的轮动。根据月度信号调整两种对立风格的配置权重[52] * 模型具体构建过程： * 步骤1： 设定风格对（如大盘和小盘）的基准权重各为50%[53] * 步骤2： 根据每月末生成的宏观和技术视角对风格的综合观点（如“看好大盘”），调整权重。例如，若看好大盘，则增加大盘权重、减少小盘权重[52][53] 量化因子与构建方式 注： 本报告未明确构建独立于上述模型的、可供截面选股使用的传统量化因子。报告中的“因子”更接近于用于资产或风格打分的“指标”，其构建过程已包含在上述模型的描述中。主要涉及的指标类型包括： 1. 宏观趋势指标： 如PMI、CPI同比、社融存量同比、利率等宏观指标的均线趋势信号[28][47] 2. 技术趋势指标： 基于价格或LLT计算的历史平均月度涨跌幅[17][30] 3. 估值指标： 股权风险溢价（ERP）的历史分位数[20] 4. 资金流指标： 指数月度主动净流入额的边际变化[24][30] 模型的回测效果 1. 固定比例+宏观指标+技术指标组合[35][36] * 年化收益率： 10.02%[35] * 最大回撤： 9.27%[35] * 年化波动率： 6.17%[35] 2. 控制年化波动率6%+宏观指标+技术指标组合[43] * 年化收益率： 10.25%[43] * 最大回撤： 7.37%[43] * 年化波动率： 5.60%[43] 3. 风险平价+宏观指标+技术指标组合[43] * 年化收益率： 8.15%[43] * 最大回撤： 4.58%[43] * 年化波动率： 3.39%[43] 4. 大小盘轮动组合[57] * 年化收益率： 13.96%[57] * 最大回撤： 49.10%[57] * 年化波动率： 22.34%[57] * 累计年化超额收益率（相对基准）： 5.08%[53] 5. 成长价值轮动组合[60] * 年化收益率： 13.36%[60] * 最大回撤： 45.18%[60] * 年化波动率： 21.44%[60] * 累计年化超额收益率（相对基准）： 5.05%[57]