量化模型与构建方式 1. **模型名称**：择时雷达六面图 - **模型构建思路**：基于流动性、经济面、估值面、资金面、技术面、拥挤度六个维度选取21个指标，综合生成[-1,1]区间的择时分数，划分为"估值性价比"、"宏观基本面"、"资金&趋势"、"拥挤度&反转"四大类[1][6] - **模型具体构建过程**： 1. **流动性维度**：包含货币方向、货币强度、信用方向、信用强度4个指标，通过政策利率与市场利率偏离度（货币强度因子=DR007/7天逆回购利率-1）、中长期贷款同比（信用方向因子）等计算[12][15][17][20] 2. **经济面维度**：基于PMI同比（增长方向因子）、CPI/PPI预期差（通胀强度因子）等构建[23][26][30][31] 3. **估值面维度**：席勒ERP=1/席勒PE-10年期国债收益率（6年通胀调整盈利均值），PB和AIAE（权益配置比例=流通市值/(流通市值+实体总债务)）的3年zscore标准化[35][37][41] 4. **资金面维度**：两融增量（120日vs240日均值）、成交额趋势（对数成交额ma120/ma240-1）、外资CDS利差20日差分[45][48][51][54] 5. **技术面维度**：价格趋势（ma120/ma240-1）、新高新低数（成分股年新高-新低的20日均）[58][61] 6. **拥挤度维度**：期权隐含升贴水分位数、VIX分位数、SKEW分位数、可转债定价偏离度（模型定价偏差的3年zscore）[64][65][70][72] 量化因子与构建方式 1. **因子名称**：货币方向因子 - **构建思路**：反映货币政策宽松/收紧方向[12] - **具体构建**：央行政策利率与短端市场利率的90天平均变化方向，>0为宽松信号[12] 2. **因子名称**：货币强度因子 - **构建思路**：量化短端利率偏离政策利率的程度[15] - **具体构建**：偏离度=DR007/7天逆回购利率-1，平滑后zscore，阈值±1.5倍标准差触发120日信号[15] 3. **因子名称**：信用方向因子 - **构建思路**：捕捉中长期贷款趋势[17] - **具体构建**：中长期贷款过去12个月增量的同比，与3个月前比较判断方向[17] 4. **因子名称**：增长方向因子 - **构建思路**：跟踪PMI趋势[23] - **具体构建**：中采与财新PMI的12月均值同比，与3个月前比较[23] 5. **因子名称**：席勒ERP - **构建思路**：剔除盈利周期干扰的估值指标[35] - **具体构建**：$$席勒ERP=\frac{1}{席勒PE}-10年期国债收益率$$，席勒PE为6年通胀调整盈利均值[35] 6. **因子名称**：可转债定价偏离度 - **构建思路**：衡量转债市场情绪[72] - **具体构建**：偏离度=转债价格/模型定价-1，反向zscore标准化[72] 模型回测效果 1. **择时雷达六面图**： - 综合打分0.07（中性）[6] - 细分维度得分：流动性0.00、经济面0.00、估值面0.09、资金面0.00、技术面-0.50、拥挤度0.48[8][10] 因子回测效果 1. **货币方向因子**：当前分数1.00（看多）[10][12] 2. **货币强度因子**：当前分数-1.00（看空）[10][15] 3. **席勒ERP**：当前分数0.30（较上周下降0.08）[10][39] 4. **期权SKEW**：当前分数1.00（看多）[10][70] （注：其他因子当前分数详见文档[10]表格）

根据提供的量化研报内容，以下是总结的量化模型、因子及相关内容： 量化模型与构建方式 1. **中证500增强组合** - 模型构建思路：通过多因子选股模型构建指数增强组合，旨在跑赢中证500指数[64] - 模型具体构建过程： 1. 基于BARRA风格因子框架，筛选市值、Beta、盈利等十大类风格因子暴露显著的个股[75] 2. 结合行业因子（如银行、电子）的超额收益动态调整权重[76] 3. 组合持仓分散化，单只个股权重不超过5%（如长江证券4.64%）[68] - 模型评价：兼顾风格因子稳定性和行业轮动捕捉能力 2. **沪深300增强组合** - 模型构建思路：类似中证500增强模型，但针对沪深300成分股优化因子暴露[70] - 模型具体构建过程： 1. 采用相同的十大类风格因子（市值/Beta/盈利等）[75] 2. 侧重高Beta、高盈利因子暴露（如中远海控6.85%权重）[74] 3. 控制组合回撤（最大回撤-5.86%）[70] 模型的回测效果 1. **中证500增强组合** - 本周超额收益：0.06%[64] - 2020年至今累计超额：43.59%[64] - 最大回撤：-4.99%[64] 2. **沪深300增强组合** - 本周超额收益：0.48%[70] - 2020年至今累计超额：29.27%[70] - 最大回撤：-5.86%[70] 量化因子与构建方式 1. **BARRA风格因子体系** - 因子名称：市值(SIZE)/Beta/动量(MOM)/残差波动率(RESVOL)/盈利(EARNINGS_YIELD)等十大类[75] - 因子构建思路：通过横截面回归剥离行业影响，提取纯因子收益[75] - 因子具体构建过程： 1. 市值因子：$$ \text{SIZE} = \ln(\text{总市值}) $$[75] 2. Beta因子：通过过去252交易日个股对市场指数的回归系数计算[75] 3. 盈利因子：$$ \text{EARNINGS\_YIELD} = \frac{\text{归母净利润}}{\text{总市值}} $$[75] 2. **行业因子** - 因子构建思路：捕捉行业轮动效应（如银行/电子行业超额）[76] - 因子具体构建过程： 1. 按申万一级行业分类 2. 计算行业组合相对市值加权市场的超额收益[76] 因子的回测效果 1. **近期因子表现** - Beta因子：本周超额收益最高[76] - 动量因子：显著负超额[76] - 盈利因子：持续正向收益[76] 2. **因子相关性** - 流动性与残差波动率相关性：0.641[77] - 价值与Beta负相关性：-0.371[77] 注：报告中未提供因子IR等具体指标值，仅展示定性分析结论[75][76][77]

量化模型与构建方式 1. **模型名称：分红预测模型** - **模型构建思路**：基于上市公司分红预案、历史分红率及盈利预测，预测指数成分股分红对股指期货合约的影响[9][18][21] - **模型具体构建过程**： 1. **预估净利润**：优先采用年报、快报、预警或分析师预测数据[21][26] 2. **计算税前分红总额**： - 已公布预案的直接采用 - 未公布的按历史分红率推算（若净利润为正）[26] 3. **计算指数影响**： - 股息率 = 税后分红总额 / 最新市值 - 股息点 = 股票权重 × 股息率 - 权重调整公式： $$\mathrm{w_{it}={\frac{w_{i0}\times\mathrm{\scriptsize{\left(\mathrm{\scriptsize{\normalsize1+R\mathrm{\scriptsize{\normalsize1}}}\right)}}}{\sum_{1}^{n}w_{i0}\times\mathrm{\scriptsize{\left(\mathrm{\scriptsize{\normalsize1+R\mathrm{\scriptsize{\normalsize1}}}\right)}}}}}}$$ [23] 4. **预测合约影响值**： - 除权除息日参考历史时间差中位数[27][28] - 累加交割日前所有分红点数[28] - **模型评价**：依赖历史分红率假设，市场突变时预测可能偏差[17][29] 2. **模型名称：股指期货定价模型** - **模型构建思路**：基于无套利原理，考虑分红现值和利率影响[30][31] - **模型具体构建过程**： 1. **离散红利定价公式**： $$\mathbf{D}=\sum_{\mathrm{i=1}}^{\mathrm{m}}\mathbf{D}_{\mathrm{i}}\,/(1+\phi)$$ $$\mathrm{F_t=(S_t-D)(1+r)}$$ [30] 2. **连续红利定价公式**： $$\mathrm{F_t=S_t e^{(r-d)(T-t)}}$$ [31] --- 量化因子与构建方式 1. **因子名称：含分红价差因子** - **因子构建思路**：衡量实际价差与分红调整后价差的差异[10][11][12][13] - **因子具体构建过程**： - 实际价差 = 期货收盘价 - 现货价格 - 含分红价差 = 实际价差 + 分红点数[10] 2. **因子名称：年化对冲成本因子** - **因子构建思路**：反映持有期货至到期的成本/收益[10][14] - **因子具体构建过程**： - 年化对冲成本 = (含分红价差 / 现货价格) × (365 / 剩余天数)[10] --- 模型的回测效果 1. **分红预测模型**： - 上证50 7月合约分红点数预测：40.84点[10] - 沪深300 7月合约分红点数预测：38.26点[10] - 中证500 7月合约分红点数预测：19.23点[10] - 中证1000 7月合约分红点数预测：17.88点[10] 2. **股指期货定价模型**： - 理论定价与实际价差对比（见各合约实际价差列）[10][11][12][13] --- 因子的回测效果 1. **含分红价差因子**： - IH2507：3.92点[10] - IF2507：-3.99点[10] - IC2507：-31.88点[10] - IM2507：-46.91点[10] 2. **年化对冲成本因子**： - IH2507：-1.91%（365天）[10] - IF2507：1.35%（365天）[10] - IC2507：7.37%（365天）[10] - IM2507：10.19%（365天）[10]

量化模型与构建方式 1. **模型名称**：DFQ-2020风险因子模型 - **模型构建思路**：基于多因子风险模型框架，通过控制行业暴露、风格暴露等约束条件构建最大化单因子暴露组合（MFE组合）[16][56] - **模型具体构建过程**： - 目标函数：最大化单因子暴露 $$max\ f^{T}w$$ - 约束条件： 1. 风格因子偏离约束 $$s_{l}\leq X(w-w_{b})\leq s_{h}$$ 2. 行业偏离约束 $$h_{l}\leq H(w-w_{b})\leq h_{h}$$ 3. 个股权重偏离约束 $$w_{l}\leq w-w_{b}\leq w_{h}$$ 4. 成分股权重占比约束 $$b_{l}\leq B_{b}w\leq b_{h}$$ 5. 换手率约束 $$\Sigma|w-w_{0}|\leq to_{h}$$[56][59] - **模型评价**：通过线性规划高效求解，适用于沪深300、中证500等指数的增强组合构建[56][60] 量化因子与构建方式 1. **因子名称**：Trend风格因子 - **因子构建思路**：捕捉股票价格趋势延续性，通过指数加权移动平均（EWMA）比率计算[14] - **因子具体构建过程**： - Trend_120：$$EWMA(halflife=20)/EWMA(halflife=120)$$ - Trend_240：$$EWMA(halflife=20)/EWMA(halflife=240)$$[14] - **因子评价**：在震荡市场中表现突出，反映市场对趋势延续性资产的偏好[11][8] 2. **因子名称**：UMR动量因子（风险调整后） - **因子构建思路**：基于不同时间窗口（1/3/6/12个月）的收益风险调整动量[19] - **因子具体构建过程**： - 一个月UMR：过去20个交易日风险调整收益 - 三个月UMR：过去60个交易日风险调整收益 - 六个月UMR：过去120个交易日风险调整收益[19] - **因子评价**：在中证全指和中证500样本中表现优异，但动量类因子近期普遍承压[8][25] 3. **因子名称**：估值类因子（EPTTM、BP） - **因子构建思路**：衡量盈利与市值比率（EPTTM）或账面市值比（BP）[19] - **因子具体构建过程**： - EPTTM：$$归母净利润TTM/总市值$$ - BP：$$净资产/总市值$$[19] - **因子评价**：在沪深300样本中近期表现强劲，反映市场对低估值的关注[21][24] 4. **因子名称**：波动率因子（Stdvol、Ivff） - **因子构建思路**：衡量股票历史波动率[14] - **因子具体构建过程**： - Stdvol：过去243天的标准差波动率 - Ivff：过去243天的Fama-French三因子特质波动率[14] - **因子评价**：近期表现疲软，反映市场对高波动资产的规避[12][13] --- 模型的回测效果 1. **DFQ-2020风险因子模型**： - Trend风格近一周多空收益2.92%，近一年年化14.11%[13] - Volatility风格近一周收益-1.98%，历史年化-13.23%[13] --- 因子的回测效果 1. **六个月UMR因子**： - 中证全指：近一周收益1.23%，近一年年化7.43%[44] - 中证500：近一周收益0.99%，近一年年化-4.07%[26] 2. **单季EP因子**： - 沪深300：近一周收益1.02%，历史年化5.59%[22] - 中证800：近一周收益1.40%，历史年化7.77%[30] 3. **三个月反转因子**： - 国证2000：近一周收益2.78%，近一年年化10.61%[36] - 创业板指：近一周收益2.52%，历史年化1.54%[39] 4. **BP因子**： - 中证全指：近一周收益0.69%，历史年化4.65%[44] - 沪深300：近一周收益0.44%，历史年化2.93%[22] 5. **分析师认可度因子**： - 沪深300：近一周收益0.81%，历史年化3.46%[22] - 中证1000：近一周收益-0.35%，历史年化7.55%[33] 6. **非流动性冲击因子**： - 国证2000：近一周收益1.42%，近一年年化14.67%[36] - 中证全指：近一周收益-0.14%，历史年化0.18%[44] --- 附录：MFE组合构建细节 - **行业约束**：控制中信一级行业暴露为0[60] - **市值约束**：控制市值风格因子暴露为0[60] - **个股权重偏离**：最大偏离基准权重1%[60]

根据研报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. **主动权益基金仓位测算模型** - 模型构建思路：通过持股市值加权计算主动权益型基金的平均仓位，反映市场整体风险偏好[23] - 具体构建过程： - 筛选标准：成立期满两个季度、规模>5000万元、过去四期平均仓位>60%（权益类）或10%-30%（固收+）[26] - 分类计算：普通股票型（88.89%）、偏股混合型（85.55%）、配置型（83.15%）[23] - 模型评价：连续四周下行显示市场观望情绪浓厚，对短期趋势有预警作用[23] 2. **风格仓位暴露模型** - 模型构建思路：按市值-成长性矩阵划分六类风格，跟踪基金配置动态[31] - 具体构建过程： - 风格分类：大盘成长/价值、中盘成长/价值、小盘成长/价值[31] - 权重计算：持股市值加权暴露度（如中盘价值仓位16.79%，周升2.18pct）[31] 量化因子与构建方式 1. **行业配置因子** - 构建思路：监测主动权益基金在中信一级行业的超配/低配变化[35] - 具体构建： - 计算行业配置比例变动（如电新+0.29pct、计算机-0.25pct）[35] - 趋势标记：连续上涨（农林牧渔）、连续下跌（非银金融）[36] 2. **资金流向因子** - 构建思路：划分主力/中小单资金流，捕捉市场博弈信号[50] - 具体构建： - 分层标准：特大单（成交额>100万）、大单（30-100万）、中单（5-30万）、小单（<5万）[50] - 净流入计算：行业层面银行主力净流入41.97亿元，医药净流出74.95亿元[59] 模型回测效果 1. **仓位测算模型** - 当前仓位值：主动权益型85.36%（年内最低）、固收+24.35%[23] - 周变动：偏股混合型-0.16pct，配置型-0.13pct[23] 2. **风格暴露模型** - 最新暴露值：小盘成长45.39%（+0.43pct）、大盘价值9.03%（-0.75pct）[31] 因子回测效果 1. **行业配置因子** - 超配行业：电力设备及新能源（7.02%）、电子（17.07%）[36] - 低配行业：商贸零售（1.50%）、钢铁（0.80%）[36] 2. **资金流向因子** - 主力净流入TOP3：银行（41.97亿）、电子（41.47亿）、综合金融（5.54亿）[59] - 主动卖出TOP3：医药（-74.95亿）、有色金属（-46.83亿）、非银金融（-46.55亿）[59] ETF资金流模型 1. **债券ETF吸引力因子** - 构建思路：跟踪质押回购政策对资金流入的影响[14] - 测试结果：债券ETF周净流入297亿，总规模突破2500亿[39] 2. **宽基ETF择时因子** - 构建思路：根据指数回调幅度与资金流入背离捕捉机会[40] - 测试结果：科创50ETF净流入31.54亿，中证1000ETF净流入23.23亿[40]

根据提供的研报内容，以下是关于量化模型和因子的总结： 量化模型与构建方式 1. **模型名称**：中证香港创新药指数模型 **模型构建思路**：通过选取香港市场中主营业务涉及创新药研发的上市公司证券，构建反映香港市场创新药主题上市公司证券整体表现的指数[37] **模型具体构建过程**： - 样本空间：中证香港300指数与中证港股通综合指数的样本空间并集[38] - 选样方法： 1. 流动性筛选：过去一年日均成交金额不低于1000万港元[38] 2. 行业筛选：选取业务涉及创新药研发及为制药企业提供药物研发服务的上市公司证券[38] 3. 市值排序：按过去一年日均总市值由高到低选取前50只证券[38] - 加权方式：自由流通市值加权，个股权重不超过10%[38] - 定期调整：每半年调整一次（6月和12月）[38] **模型评价**：该指数集中反映港股创新药龙头企业表现，具有行业纯度高、成分股集中度高的特点[42][44] 2. **模型名称**：广发中证香港创新药ETF跟踪模型 **模型构建思路**：通过完全复制法紧密跟踪中证香港创新药指数[54] **模型具体构建过程**： - 投资标的：指数成分股及备选成分股[54] - 跟踪误差控制：日均跟踪偏离度≤0.35%，年化跟踪误差≤4%[54] - 运作方式：采用实物申赎机制，最小申赎单位100万份[54] 模型的回测效果 1. **中证香港创新药指数模型** - 年化收益率：8.54%（2019/1/1-2025/5/31）[50] - 年化夏普比：0.41[50] - 年化波动率：35.93%[50] - 最大回撤：-68.18%[50] - 市盈率TTM：27.16倍（历史分位数19.42%）[45] - 市净率LF：2.60倍（历史分位数38.94%）[45] 2. **广发中证香港创新药ETF** - 规模：101亿元（截至2025/5/31）[53] - 日均成交额：27.51亿元（近1个月）[53] - 跟踪误差：未披露具体数值但符合合同约定[54] 量化因子与构建方式 （注：报告中未明确提及单独的量化因子构建，主要采用指数成分股的基本面因子） 1. **隐含因子**：创新药研发能力因子 **构建思路**：通过成分股的License-out交易数量/金额反映研发成果转化能力[26][29] **数据来源**： - 2024年License-out交易100起，总金额518亿美元[26] - 2025Q1交易金额已达去年70%[29] 2. **隐含因子**：商业化潜力因子 **构建思路**：通过FDA获批药品数量衡量国际化能力[36] **具体表现**： - 截至2025年4月共有8个国产创新药获FDA批准[36] - 百济神州泽布替尼2024年全球销售额26亿美元[33] 因子的回测效果 1. **创新药研发能力因子** - 头部成分股2025年平均收益：59.44%[42] - 最佳个股收益：三生制药209.54%[42] 2. **商业化潜力因子** - 创新药指数年化收益显著高于恒生医疗保健指数（8.54% vs -1.49%）[50] - 指数前十大权重股平均市值超1100亿港元[42] 注：本报告为ETF投资价值分析，未涉及传统多因子模型的详细构建，主要采用指数编制规则和成分股基本面数据作为量化依据[37][54]

根据提供的研报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. **模型名称**：沪深300上涨家数占比情绪指标 **模型构建思路**：通过计算指数成分股的近期正收益个数来判断市场情绪，正收益股票增多时可能处于行情底部，大部分股票正收益时可能情绪过热[23] **模型具体构建过程**： - 计算沪深300指数成分股过去N日收益大于0的个股数占比 - 公式：$$沪深300指数N日上涨家数占比 = \frac{沪深300指数成分股过去N日收益>0的个股数}{总成分股数}$$[23] **模型评价**：能较快捕捉上涨机会，但在市场过热阶段会提前止盈离场，难以有效规避下跌风险[24] 2. **模型名称**：动量情绪指标 **模型构建思路**：通过对上涨家数占比指标进行不同窗口期的平滑来捕捉情绪变动[27] **模型具体构建过程**： - 对上涨家数占比指标进行两次平滑（N1=50，N2=35） - 当短期平滑线>长期平滑线时看多市场[27] **模型评价**：当前快线位于慢线之下，显示市场将维持谨慎态度[27] 3. **模型名称**：均线情绪指标 **模型构建思路**：通过八均线体系判断指数趋势状态[30] **模型具体构建过程**： - 计算沪深300收盘价的8条均线（参数：8,13,21,34,55,89,144,233） - 当前价格大于某均线时赋值为1，否则为0 - 当超过5条均线被突破时看多市场[33] **模型评价**：短期内沪深300处于情绪非景气区间[35] 量化因子与构建方式 1. **因子名称**：横截面波动率 **因子构建思路**：衡量指数成分股间的收益离散程度，反映Alpha环境[36] **因子具体构建过程**： - 计算指数成分股日收益率的横截面标准差 - 统计不同时间窗口（周/季/年）的波动率分位数[36] **因子评价**：中证1000近期波动率上升显示Alpha环境改善[36] 2. **因子名称**：时间序列波动率 **因子构建思路**：衡量指数成分股自身收益波动性[39] **因子具体构建过程**： - 计算成分股加权时间序列波动率（20日年化标准差） - 统计不同时间窗口的分位数水平[39] **因子评价**：近期三大指数波动率均下降，Alpha环境变差[39] 模型的回测效果 1. **沪深300上涨家数占比情绪指标**： - 当前上涨家数占比约64%[23] - 近一周震荡幅度较大[24] 2. **动量情绪指标**： - 快线（35日）与慢线（50日）呈现空头排列[27] - 策略净值近期表现平稳[28] 3. **均线情绪指标**： - 当前仅突破3条均线（低于看多阈值5条）[33] - 策略净值近期小幅回落[34] 因子的回测效果 1. **横截面波动率**： - 沪深300近一季度平均值1.65%（近两年分位32.22%）[39] - 中证1000近一季度平均值2.24%（近半年分位50.60%）[39] 2. **时间序列波动率**： - 沪深300近一季度平均值0.52%（近半年分位60.29%）[42] - 中证500近一季度平均值0.44%（近一年分位53.97%）[42]

根据提供的研报内容，以下是量化模型与因子的详细总结： --- 量化模型与构建方式 1. **模型名称：港股精选组合** - **模型构建思路**：基于分析师推荐事件（盈利预测上调、首次关注、研报标题超预期）构建股票池，再通过基本面和技术面双重筛选选出优质股票[14][15] - **模型具体构建过程**： 1. **事件筛选**：捕捉分析师上调盈利预测、首次覆盖、标题含“超预期”的研报事件 2. **基本面筛选**：从事件池中选取财务指标（如ROE、营收增速）排名前50%的股票 3. **技术面筛选**：结合股价动量（过去250日涨跌幅前20%）和趋势稳定性（位移路程比、新高距离均值）[15][22] - **模型评价**：通过双重筛选平衡了基本面质量与市场趋势，长期超额收益显著[15] 2. **因子名称：250日新高距离因子** - **因子构建思路**：量化股价接近历史高点的程度，捕捉动量效应[19][21] - **因子具体构建过程**： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 其中： - \(Closet\)为最新收盘价 - \(ts\_max(Close, 250)\)为过去250日收盘价最大值[21] - **因子评价**：有效识别趋势延续性强的股票，但需结合其他指标避免追高风险[19] 3. **复合因子：平稳创新高筛选因子** - **因子构建思路**：综合分析师关注度、股价强度、路径平滑性等筛选持续创新高股票[21][22] - **因子具体构建过程**： 1. **样本池**：剔除上市不足15个月的港股 2. **分析师关注度**：过去6个月买入/增持评级研报≥5份 3. **股价强度**：过去250日涨跌幅前20% 4. **路径平滑性**： - 位移路程比（价格波动平滑性） - 过去120日新高距离的时间序列均值（创新高持续性）[22] --- 模型的回测效果 1. **港股精选组合** - 年化收益：17.02%（全样本） - 超额收益（vs恒生指数）：17.60% - 最大回撤：23.73%（20221025-20230616） - IR：1.19 - 跟踪误差：14.45%[18] 2. **平稳创新高股票组合** - 典型个股表现（如安徽皖通高速公路）： - 过去250日涨跌幅：55.9% - 过去20日涨跌幅：22.7% - 新高距离：0.0%（当前创新高）[27] --- 因子的回测效果 1. **250日新高距离因子** - 创新高股票平均超额收益： - 医药板块（如信达生物）：114.3%（过去250日） - 科技板块（如网易-S）：44.8%（过去250日）[27] 2. **平稳创新高筛选因子** - 筛选股票行业分布： - 大金融板块：12只 - 医药板块：12只 - 周期板块：9只[21][27] --- 关键公式说明 - **位移路程比**：衡量股价路径平滑性，计算公式为价格位移（终点-起点）与价格波动路程（每日涨跌幅绝对值之和）的比值[22] - **趋势延续性指标**：过去5日新高距离的均值，负值表示趋势加速[22] 注：部分绩效数据（如分年度IR、跟踪误差）详见文档[18]的表格，创新高个股列表见[27]。

量化模型与构建方式 1. **模型名称：股指期货分红点位预测模型** - **模型构建思路**：基于历史数据和成分股分红信息，预测股指期货合约存续期内标的指数的分红点位[9] - **模型具体构建过程**： 1. 对中证500、沪深300、上证50、中证1000指数未来一年分红点位进行预测，公式为： $$ \text{分红调整基差} = \text{实际基差} + \text{存续期内未实现的预期分红} $$ 年化处理公式： $$ \text{年化基差} = \frac{\text{实际基差} + \text{预期分红点位}}{\text{指数价格}} \times \frac{360}{\text{合约剩余天数}} $$ 2. 按合约期限（次月、当季、下季）分别计算分红点位占比[9][20] - **模型评价**：有效剔除分红对基差的干扰，提升基差分析的准确性 2. **模型名称：期现对冲策略（连续对冲与最低贴水策略）** - **模型构建思路**：通过动态调整期货合约对冲现货风险，利用基差收敛特性优化收益[45][47] - **模型具体构建过程**： - **连续对冲策略**： 1. 现货端持有标的指数全收益指数（70%资金），期货端做空等额名义本金合约（30%资金） 2. 调仓规则：持有季月/当月合约至到期前2日，平仓并开仓下一合约[46] - **最低贴水策略**： 1. 调仓时选择年化基差贴水幅度最小的合约，持有8个交易日或到期前2日调仓[47] - **模型评价**：最低贴水策略通过主动选择合约降低对冲成本，但换手率较高 --- 模型的回测效果 1. **IC对冲策略（中证500）** - 年化收益：当月连续-2.75%，季月连续-1.97%，最低贴水-0.95% - 波动率：3.89%~4.70% - 最大回撤：-7.89%~-8.34% - 2025年收益：最低贴水策略-0.60%[49] 2. **IF对冲策略（沪深300）** - 年化收益：最低贴水策略1.44% - 波动率：3.03%~3.38% - 最大回撤：-3.95%~-4.06%[54] 3. **IH对冲策略（上证50）** - 年化收益：季月连续2.04% - 波动率：3.15%~3.58% - 2025年收益：1.07%[58] 4. **IM对冲策略（中证1000）** - 年化收益：最低贴水策略-3.68% - 波动率：4.74%~5.78% - 最大回撤：-11.11%~-14.00%[60] --- 量化因子与构建方式 1. **因子名称：Cinda-VIX波动率指数** - **因子构建思路**：反映期权市场对标的资产未来波动率的预期，含期限结构[63] - **因子具体构建过程**： 1. 基于不同期限（30/60/90/120日）期权隐含波动率计算 2. 截至2025年6月20日，中证1000VIX_30为22.92，上证50VIX_30为16.54[63][73] 2. **因子名称：Cinda-SKEW偏度指数** - **因子构建思路**：衡量市场对尾部风险的预期，数值>100预示下跌担忧加剧[71][72] - **因子具体构建过程**： 1. 分析虚值看涨/看跌期权隐含波动率偏斜 2. 截至2025年6月20日，沪深300SKEW达106.09，突破历史90%分位警戒线[72] --- 因子的回测效果 1. **Cinda-VIX** - 中证500VIX_30：25.03 - 中证1000VIX_30：22.92（触及历史5%分位）[63][64] 2. **Cinda-SKEW** - 上证50SKEW：101.73 - 中证1000SKEW：105.04（与VIX同步高位预示风险）[72][77]

根据提供的研报内容，以下是量化模型与因子的详细总结： --- 量化模型与构建方式 1. **模型名称：四轮驱动模型** - **模型构建思路**：通过多维度信号捕捉行业轮动机会，结合动量、趋势、温度计等指标识别潜在交易机会[12] - **模型具体构建过程**： 1. **信号生成逻辑**： - **动量因子（Mom）**：计算短期（6日）相对强弱（RS6），阈值设定为0.5分位 $$ RS6 = \frac{P_t}{P_{t-6}} $$ - **趋势因子（TendS）**：结合均线系统（如5日、20日）判断多头排列状态[6][12] - **温度计指标（Tempe）**：监测市场情绪，低于15时触发防守信号[6][12] 2. **复合信号规则**： - 弱势行业反弹信号需满足：RS6 < 1且Mom反转（如白酒案例中RS6=0.96）[12] - 胖绿效应异动信号需满足：Tempe < 50且Newhigh比例下降（如电子行业案例中Tempe=44.4）[12] - **模型评价**：综合性强，但依赖历史均线系统假设，在极端市场环境下可能失效[6][12] --- 模型的回测效果 1. **四轮驱动模型**： - **胜率**：62%（基于2025年6月信号统计）[12] - **平均持仓周期**：7天（信号触发至平仓）[12] - **最大回撤**：-8.3%（在通信行业信号中观测到）[12] --- 量化因子与构建方式 1. **因子名称：高频温度计因子** - **因子构建思路**：通过市场波动率和情绪指标量化短期风险[6] - **因子具体构建过程**： - 计算过去5日波动率与市场涨跌家数比值的标准化值： $$ Tempe = \frac{\sigma_{5d}}{\text{Adv/Dec Ratio}} \times 100 $$ - 阈值设定：低于10为超卖，高于50为超买[6][12] - **因子评价**：对短期反转信号敏感，但需结合趋势因子过滤噪音[6] 2. **因子名称：趋势强度因子（TendS）** - **因子构建思路**：通过均线交叉和斜率判断趋势持续性[12] - **因子具体构建过程**： - 计算短期（5日）与长期（20日）均线斜率差值： $$ TendS = \text{Slope}_{5d} - \text{Slope}_{20d} $$ - 信号阈值：TendS > 0.2为多头趋势（如白酒案例中TendS=0.55）[12] --- 因子的回测效果 1. **高频温度计因子**： - **IC（信息系数）**：0.15（2025年6月数据）[6][12] - **IR（信息比率）**：1.2[12] 2. **趋势强度因子（TendS）**： - **IC**：0.18（多头组合）[12] - **IR**：1.5[12] --- 注：以上内容未包含风险提示、免责声明等非核心信息[2][13][14][15][16][17]