量化模型与构建方式 1. 择时框架2.0模型 * 模型名称：择时框架2.0[14] * 模型构建思路：构建一个综合性的择时模型，通过动态宏观、非线性情绪、价量趋势、估值回归四大维度的信号，综合判断市场趋势，为全A和创业板综提供择时建议[14]。 * 模型具体构建过程： 1. 信号维度：模型包含四个维度的子信号：动态宏观、非线性情绪、价量趋势、估值回归[14]。 2. 信号生成：每个维度下包含若干具体指标，每个指标根据其最新值或变化方向生成一个二值信号（例如，0代表看空/谨慎，1代表看多/乐观）或一个百分比信号[14]。 3. 综合信号计算：将四个维度的信号进行综合，生成一个日度综合择时信号。报告中展示了两种综合方式：直接综合和5日均匀建仓平滑[14]。 4. 具体指标构建： * 动态宏观指标：选取一系列对A股择时有效的宏观指标（如中长期信贷脉冲、M1、通胀剪刀差、社零增速、美国利率等），观察其滞后1个月的变化方向，并根据历史胜率（>54%）决定是否纳入观察。若指标变化方向对市场利空则信号为0，利多则为1[14]。 * 非线性情绪指标：包含融资余额较全市场市值比、20日收益换手比、涨停跌停剪刀差、创240日新高-新低股票数、期权成交量PCR等情绪指标。计算各指标在滚动多窗口（如12年）下的分位数，并将分位数映射为情绪信号值（例如，分位数高可能对应看多信号1）[14]。 * 价量趋势指标：核心包含两个指标： * PB离散度：计算公式为截面PB的MAD（平均绝对偏差）与MEDIAN（中位数）的比值，即 $$PB离散度 = \frac{MAD(PB)}{MEDIAN(PB)}$$。该指标用于衡量全市场估值是处于膨胀（比值高）还是收缩（比值低）区间[13][14]。 * 交易量能：构建方法为“截断±2×std的标准化交易量能”。具体步骤未完全披露，但核心思路是对交易量进行标准化处理，并剔除极端值，以衡量A股的买盘强度[13][14]。 这两个指标的最新值会与各自的20日均值比较，若大于均值则生成看多信号（1），否则为看空信号（0）[14]。 * 估值回归指标：主要观察PB中位数和ERP（股权风险溢价）的估值分位数。ERP计算公式为 $$ERP = \frac{1}{PE} - 3年存款利率$$。根据估值在滚动12年历史中的分位数水平，判断市场估值高低，并生成相应的信号（例如，分位数低可能对应看多信号）[14]。 2. 成长价值风格轮动模型 * 模型名称：成长价值风格轮动模型[18] * 模型构建思路：通过动态宏观、估值回归、短期动量、风格广度、风格拥挤度五个维度的信号，综合判断成长与价值风格的相对强弱，进行轮动配置[19]。 * 模型具体构建过程： 1. 信号维度：模型包含五个信号维度：动态宏观信号、估值回归信号、短期动量信号、风格广度信号、风格拥挤信号[19]。 2. 信号生成与综合：每个维度生成一个代表成长风格配置仓位的百分比信号（0%至100%）。报告展示了两种综合方式：一是直接使用各维度信号的某种组合（“无中性仓位”），二是对综合信号进行5日平均平滑处理（“5D平均仓位”）[19]。 3. 仓位确定：最终的成长风格仓位信号确定后，价值风格仓位即为（1 - 成长仓位）。例如，成长仓位为20%，则价值仓位为80%[19]。 3. 小盘大盘风格轮动模型 * 模型名称：小盘大盘风格轮动模型[21] * 模型构建思路：从流动性视角出发，选取11个有效的轮动指标，构建综合信号来判断小盘与大盘风格的相对强弱，进行轮动配置[21]。 * 模型具体构建过程： 1. 指标池：模型包含11个轮动指标，包括：A股龙虎榜买入强度、R007、融资买入余额变化、主题投资交易情绪、等级利差、期权波动率风险溢价、beta离散度、pb分化度、大宗交易折溢价率、中证1000 MACD(10,20,10)、中证1000交易量能[22]。 2. 信号生成：每个指标独立生成一个二值信号，代表看多小盘（100%）或看空小盘（0%）。例如，“A股龙虎榜买入强度”指标在某一日信号为0%，即表示该指标不看多小盘风格[22]。 3. 信号综合：将11个指标的二值信号进行综合，生成一个综合的小盘仓位信号。报告中展示的综合方式可能是投票制或等权平均，例如某日有3个指标看多小盘，则小盘得分为3/11，对应小盘仓位约为27%，大盘仓位约为73%[21][22]。 4. 策略优化：报告提到了“综合信号3D平滑”，可能对原始综合信号进行了3日平滑处理以降低换手率[22]。 量化因子与构建方式 1. PB离散度因子 * 因子名称：PB离散度[13][14] * 因子构建思路：通过计算全市场股票市净率（PB）的截面离散程度，来衡量市场整体的估值是处于扩张（泡沫化）还是收缩（理性化）区间[13]。 * 因子具体构建过程： 1. 在每一个截面时点（如每日收盘），获取全市场所有股票的PB值。 2. 计算该截面所有PB值的中位数（MEDIAN）。 3. 计算该截面所有PB值相对于其中位数的平均绝对偏差（MAD）。 4. 将MAD除以MEDIAN，得到PB离散度。公式为：$$PB离散度 = \frac{MAD(PB)}{MEDIAN(PB)}$$[14]。 该比值越大，说明个股估值相对于市场中位数的偏离程度越高，市场估值结构越分散，可能处于情绪高涨的膨胀期；比值越小，则说明估值结构收敛[13]。 2. 交易量能因子 * 因子名称：交易量能[13][14] * 因子构建思路：构建一个经过标准化和去极值处理的交易量指标，用以衡量A股市场的真实买盘强度和活跃度[13]。 * 因子具体构建过程： 1. 报告描述其构建方法为“截断±2×std的标准化交易量能”[14]。 2. 推测其构建步骤可能包括：首先计算市场（如万得全A）的日度成交额，然后在一定时间窗口内（例如过去60日）计算成交额的均值和标准差。 3. 对日度成交额进行标准化处理：$$标准化值 = \frac{当日成交额 - 成交额均值}{成交额标准差}$$。 4. 对标准化后的值进行截断（Winsorize）处理，将超出均值±2倍标准差范围的值拉回到边界处，以剔除极端值的影响。 5. 最终得到的处理后的值即为“交易量能”因子。该因子值越高，代表市场交易活跃，买盘力量强劲[13]。 模型的回测效果 1. 择时框架2.0模型 * 测试标的：万得全A * 年化收益：19.03%（日度择时5日建仓）[17] * 年化波动率：17.19%[17] * 最大回撤：26.92%[17] * 夏普比率：0.9838[17] * 收益回撤比：0.7070[17] * 今年以来（至2026/7/17）择时收益率：2.09%[17] * 今年以来（至2026/7/17）超额收益（相对于满仓）：5.38%[17] * 测试标的：创业板综 * 年化收益：25.74%（日度择时5日建仓）[17] * 年化波动率：20.88%[17] * 最大回撤：24.40%[17] * 夏普比率：1.1065[17] * 收益回撤比：1.0551[17] * 今年以来（至2026/7/17）择时收益率：12.83%[17] * 今年以来（至2026/7/17）超额收益（相对于满仓）：13.43%[17] 2. 成长价值风格轮动模型 * 测试标的：成长价值代理ETF（等权基准） * 策略：综合信号2_5D平均仓位 * 累计收益：3000.66%[19] * 年化收益：26.34%[19] * 年化波动率：24.50%[19] * 最大回撤：45.62%[19] * 夏普比率：1.00[19] * 收益回撤比：0.58[19] * 年化超额收益率：15.23%[19] * 月度超额胜率：67.05%[19] * 年化跟踪误差：11.12%[19] * 年化信息比率（IR）：1.37[19] * 今年以来（至2026/7/17）绝对收益：17.49%[19] * 今年以来（至2026/7/17）超额收益：8.17%[19] 3. 小盘大盘风格轮动模型 * 测试标的：小盘（中证1000全收益） vs 大盘（沪深300全收益） * 策略：综合信号3D平滑 * 年化收益：19.24%[22] * 年化超额收益率：12.57%[22] * 最大回撤：40.70%[22] * 平均换手间隔（交易日）：19日[22] * 胜率（按交易）：50.61%[22] * 2026年以来（至报告期）超额收益：5.74%[22] * 部分子指标表现（年化超额收益率）： * 融资买入余额变化：5.67%[22] * 大宗交易折溢价率：9.42%[22] * A股龙虎榜买入强度：4.59%[22] * R007：3.65%[22] * pb分化度：9.10%[22] * 中证1000交易量能：9.27%[22]