量化模型与构建方式 1. 模型名称：中证人工智能主题指数（930713.CSI） - **模型构建思路**：通过选取人工智能领域的核心企业，反映人工智能主题上市公司证券的整体表现，具有高收益弹性特征[18][19] - **模型具体构建过程**： 1. **样本空间**：基于中证全指指数的样本空间，筛选符合可投资性条件的证券[19] 2. **待选样本筛选**：从样本空间中选取业务涉及大数据、云计算、云存储、机器学习、机器视觉、人脸识别、语音语义识别、智能芯片等领域的上市公司证券[19] 3. **样本选取**：按照过去一年日均总市值由高到低排名，选取排名前50的证券作为指数样本[19] 4. **加权方法**：采用自由流通市值加权分级靠档算法[19] 5. **指数计算公式**： $ 报告期指数 = \frac{\text{报告期样本的调整市值}}{\text{除数}} \times 1000 $ 其中，调整市值 = Σ(证券价格 × 调整股本数 × 权重因子)[19] 6. **指数调整**： - 定期调整：每半年调整一次，调整时间为每年6月和12月的第二个星期五的下一交易日[19] - 临时调整：样本退市或涉及收购、合并、分拆时进行临时调整[19] - **模型评价**：中证人工智能主题指数覆盖面广，成分股涵盖沪深两市主板、创业板和科创板，具有较高的收益弹性和代表性[18][20] --- 模型的回测效果 1. 中证人工智能主题指数 - **年化收益率**：20.59%[26][27] - **年化波动率**：35.55%[26][27] - **最大回撤**：-44.99%[27] - **夏普比率**：0.78[27] --- 量化因子与构建方式 本报告未涉及具体量化因子构建内容 --- 因子的回测效果 本报告未涉及具体量化因子的回测效果 --- 总结 本报告主要围绕中证人工智能主题指数的构建方法及其回测效果展开，未涉及具体量化因子的构建与测试

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**：中证人工智能主题指数模型 **模型构建思路**：该模型旨在从全市场选取业务涉及为人工智能提供基础资源、技术以及应用支持的上市公司证券，反映人工智能主题上市公司证券的整体表现[31] **模型具体构建过程**： - 样本空间同中证全指指数的样本空间 - 选取业务涉及大数据、云计算、云存储、机器学习、机器视觉、人脸识别、语音语义识别、智能芯片等领域的上市公司证券作为待选样本 - 按照过去一年日均总市值由高到低排名，选取排名前50的证券作为指数样本 - 采用自由流通市值加权分级靠档算法计算指数 - 指数计算公式： $$报告期指数 = \frac{报告期样本的调整市值}{除数} \times 1000$$ 其中，调整市值 = ∑(证券价格×调整股本数×权重因子)[31] **模型评价**：该指数覆盖面广，收益弹性大，能够较好地反映人工智能主题上市公司的整体表现[31] 模型的回测效果 1. **中证人工智能主题指数模型** - 年化收益率：20.59% - 年化波动率：35.55% - 最大回撤：-44.99% - 夏普比率：0.78[47] 量化因子与构建方式 1. **因子名称**：人工智能产业净利润增速因子 **因子构建思路**：通过Wind一致预期数据，计算人工智能产业的预期净利润增速，反映产业的高景气度[19] **因子具体构建过程**： - 获取Wind一致预期数据中人工智能指数2024年和2025年的预期净利润增速 - 计算预期净利润增速： $$预期净利润增速 = \frac{预期净利润 - 当期净利润}{当期净利润} \times 100\%$$ - 2024年预期净利润增速为37.73%，2025年预期净利润增速为38.54%[19] **因子评价**：该因子能够较好地反映人工智能产业的高景气度和增长潜力[19] 因子的回测效果 1. **人工智能产业净利润增速因子** - 2024年预期净利润增速：37.73% - 2025年预期净利润增速：38.54%[19] 以上总结涵盖了研报中涉及的量化模型和因子的名称、构建思路、具体构建过程、评价以及回测效果，确保内容全面且详细。

量化模型与构建方式 1. 模型名称：增强型回测（Enhanced Backtesting） - **模型构建思路**：通过改进传统回测方法，减轻多次试验带来的负面效应，提升投资策略的准确性和可靠性[10] - **模型具体构建过程**： - 采用三种主要回测方法： 1. **前瞻性回测（Walk-Forward Testing）**：将数据分为训练集和测试集，逐步向前移动窗口进行验证[10] 2. **重采样方法（Resampling Method）**：通过对原始数据进行多次抽样，生成多个样本集以评估策略的稳健性[10] 3. **蒙特卡罗模拟（Monte Carlo Simulations）**：基于概率分布生成随机结果，模拟多种市场情景[10] - 提供改进的夏普比率计算方法，减轻虚假发现的影响[10] - **模型评价**：该模型通过改进传统回测方法，显著提高了投资策略的样本外表现，适合从业人员构建更可靠的投资策略[10] 2. 模型名称：最小下行风险投资组合（Minimum Downside Risk Portfolios） - **模型构建思路**：通过最小化一致性下行风险指标，优化投资组合的风险调整收益，特别适用于非正态分布资产[12][13] - **模型具体构建过程**： - 引入两种关键方法： 1. **最小化预期亏损（Minimum Expected Shortfall, MES）**：惩罚超过在险价值（VaR）阈值的平均损失[13] 2. **最小化一致性二阶矩（Minimum Coherent Second Moment, MCSM）**：惩罚超过阈值的平方损失[13] - 与传统的最小化方差（Minimum Variance, MV）方法进行比较，发现MES和MCSM在厚尾分布资产上表现更优[14] - 使用开源R包进行分析，解决估计误差、换手问题和尾部概率选择问题[14] - **模型评价**：MES和MCSM方法在风险调整收益方面优于传统方法，特别适合处理厚尾分布资产[14] 3. 模型名称：资产配置的另类方法（Alternative Approaches to Asset Allocation） - **模型构建思路**：探索传统均值-方差分析之外的资产配置方法，以更灵活和可靠的方式构建投资组合[15] - **模型具体构建过程**： - 提出三种资产配置方法： 1. **等权重（1/N）**：对投资组合中的资产进行等权配置[15] 2. **均值-方差分析（Mean-Variance Analysis）**：基于资产类别的预期收益和风险进行配置[15] 3. **全方位优化（Full-Scale Optimization）**：明确考虑资产收益的多元分布，并对投资者偏好进行更现实的描述[15] - 强调全方位优化方法在构建最优投资组合中的优势，但指出其计算复杂性较高[15] - **模型评价**：全方位优化方法提供了更灵活且实证上更可靠的投资组合构建方式，是追求最优投资组合的稳健选择[15] 4. 模型名称：投资组合分析的蒙特卡罗模拟（Monte Carlo Simulation for Portfolio Analysis） - **模型构建思路**：利用蒙特卡罗模拟生成随机结果，评估投资组合的风险和未来收益[16] - **模型具体构建过程**： - 通过蒙特卡罗模拟估算下行风险指标，如在险价值（VaR）和条件在险价值（CVaR）[16] - 在单资产和多资产情境下评估投资组合表现[16] - 纳入非正态分布和基于效用的优化方法，克服现代投资组合理论的局限性[16] - **模型评价**：蒙特卡罗模拟是一种强大且易于使用的工具，能够有效评估复杂市场情景下的投资组合表现[16] 5. 模型名称：投资组合管理优化模型（Optimization Models for Portfolio Management） - **模型构建思路**：通过引入稳健优化、下行风险管理和ESG因素整合等新方法，提升投资组合管理的适应性和效率[17][18] - **模型具体构建过程**： - 梳理均值-方差模型的演进，重点关注近期优化模型的发展[18] - 引入多阶段模型和个性化理财规划，扩展优化技术的应用范围[18] - 强调优化技术在资产配置、资产负债管理和加密货币等领域的适应性[18] - **模型评价**：优化技术在风险-收益权衡中具有重要作用，是应对新兴投资挑战的关键工具[18] --- 模型的回测效果 1. 增强型回测 - 夏普比率计算方法改进，显著减轻多次试验的负面效应[10] 2. 最小下行风险投资组合 - MES和MCSM方法在厚尾分布资产上的风险调整收益优于MV方法[14] 3. 资产配置的另类方法 - 全方位优化方法在实证中表现出更高的可靠性和灵活性[15] 4. 投资组合分析的蒙特卡罗模拟 - 蒙特卡罗模拟有效评估了非正态分布资产的下行风险和未来收益[16] 5. 投资组合管理优化模型 - 优化模型在多阶段投资和ESG整合方面表现出色，适应性强[18]

证券研究报告 | 2025年02月20日 市场情绪：今日市场情绪较为高涨，收盘时有 106 只股票涨停，有 1 只股票 跌停。昨日涨停股票今日收盘收益为 2.77%，昨日跌停股票今日收盘收益为 0.72%。今日封板率 77%，较前日下降 6%，连板率 24%，较前日下降 2%。 市场资金流向：截至 20250219 两融余额为 18724 亿元，其中融资余额 18616 亿元，融券余额 109 亿元。两融余额占流通市值比重为 2.4%，两融交易占市 场成交额比重为 10.1%。 折溢价：20250219 当日 ETF 溢价较多的是科创 100 增强 ETF，ETF 折价较多 的是消费 ETF 沪港深。近半年以来大宗交易日均成交金额达到 15 亿元， 20250219 当日大宗交易成交金额为 14 亿元，近半年以来平均折价率 4.99%， 当日折价率为 7.04%。近一年以来上证 50 股指期货主力合约年化升水率中位 数为 0.18%，近一年以来沪深 300 股指期货主力合约年化贴水率中位数为 1.20%，近一年以来中证 500 股指期货主力合约年化贴水率中位数为 5.62%， 近一年以来中证 1000 股指期 ...

总结 量化模型与构建方式 - **模型名称**：增强策略ETF模型 **模型构建思路**：通过增强策略优化指数基金的收益表现，目标是实现超越业绩基准的超额收益[23][24] **模型具体构建过程**： 1. 选取特定指数作为基准（如沪深300、中证500、中证1000等）[23][24] 2. 应用增强策略（如量化选股、因子模型等）对指数成分股进行优化配置[23][24] 3. 通过回测和实际表现评估模型效果[23][24] **模型评价**：增强策略ETF模型在部分指数上表现出较好的超额收益能力，但不同指数的表现差异较大[23][24] 模型的回测效果 - **增强策略ETF模型** - **沪深300增强策略ETF**：上周超额收益率为1.91%，近一年超额收益率为7.95%[37][39] - **中证500增强策略ETF**：上周超额收益率为0.64%，近一年超额收益率为3.10%[37][39] - **中证1000增强策略ETF**：上周超额收益率为0.63%，近一年超额收益率为7.37%[37][39] - **国证2000增强策略ETF**：上周超额收益率为-0.01%，近一年超额收益率为10.15%[37][39] 量化因子与构建方式 - **因子名称**：超额收益因子 **因子的构建思路**：通过量化模型挖掘能够解释超额收益的因子，优化投资组合[23][24] **因子具体构建过程**： 1. 选取基础指数成分股作为样本池[23][24] 2. 应用量化因子（如价值因子、动量因子等）对样本池进行筛选和权重调整[23][24] 3. 通过回测验证因子对超额收益的贡献[23][24] **因子评价**：超额收益因子在部分指数增强策略中表现出较强的解释力，但在某些市场环境下可能失效[23][24] 因子的回测效果 - **超额收益因子** - **沪深300增强策略ETF**：近一年超额收益率为15.55%[38][39] - **中证500增强策略ETF**：近一年超额收益率为9.61%[38][39] - **中证1000增强策略ETF**：近一年超额收益率为18.71%[38][39] - **国证2000增强策略ETF**：近一年超额收益率为28.50%[38][39]

量化模型与构建方式 1 景气动量模型 1) 模型名称：景气动量模型 2) 模型构建思路：自上而下行业轮动模型，基于行业盈利能力g和盈利能力边际变化Δg构建，从宏观、中观、微观三个视角对行业Δg开展建模[2] 3) 模型具体构建过程： - 宏观视角：将增长、通胀等宏观因子与行业整体ROE变化、估值变化映射，构建宏观戴维斯双击因子 - 中观视角：用产业链数据对行业财务状况进行Nowcast，计算中观景气度因子 - 微观视角：使用卖方分析师一致预期数据补充财报数据，计算微观景气度因子 - 加权组合三个视角的因子得到景气动量因子[16] 4) 模型评价：表现对市场风格依赖度高，尤其与成长因子显著正相关，是一个名副其实的Smart Beta[2][23] 2 遗传规划模型 1) 模型名称：遗传规划模型 2) 模型构建思路：自下而上行业轮动模型，采用"生物育种"原理直接挖掘行业量价、估值等数据[3] 3) 模型具体构建过程： - 将单目标遗传规划改造为双目标遗传规划，同时评价因子分组单调性和多头组表现 - 使用NSGA-II算法挖掘兼具分组表现单调、多头表现优秀的因子 - 采用贪心策略和方差膨胀系数合成行业得分[18] - 最新一期权重最高的因子计算过程： $$ts_covariance_torch(ts_grouping_deczscorecut_torch(ts_decsortcut_torch(daily_exc,60,9,2),ts_decsortcut_torch(daily_exc,30,8,2),15,2.0,1),exp_torch(low_st),55)$$ 1) 计算60日和30日超额收益变量A和B 2) 对B进行zscore标准化提取特定日期集合T 3) 计算T中A之和变量C 4) 计算标准化收盘价的自然指数变量D 5) 计算C和D的55日协方差[35] 4) 模型评价：对市场风格依赖度低，超额收益来自对行业机会的把握[3][32] 模型的回测效果 1 景气动量模型 1) 回测区间：20160430-20250131 2) 年化收益：9.61% 3) 年化波动：22.51% 4) 夏普比率：0.43 5) 最大回撤：-44.84% 6) 卡玛比率：0.21[25] 7) BARRA因子暴露：Growth(0.32)[25] 2 遗传规划模型 1) 回测区间：20220930-20250214 2) 年化收益：32.57% 3) 年化波动：18.17% 4) 夏普比率：1.79 5) 最大回撤：-19.63% 6) 卡玛比率：1.66[34] 7) 年化超额收益：28%[3] 量化因子与构建方式 1 宏观戴维斯双击因子 1) 因子构建思路：基于宏观因子与行业ROE变化、估值变化的映射关系构建[16] 2 中观景气度因子 1) 因子构建思路：用产业链数据对行业财务状况进行Nowcast[16] 3 微观景气度因子 1) 因子构建思路：使用卖方分析师一致预期数据补充财报数据[16] 因子的回测效果 1 最新一期遗传规划因子 1) 训练集IC：0.042 2) 训练集NDCG@5：0.362 3) 因子权重：40.7%[35]

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**：均线比较模型 **模型构建思路**：通过比较各宽基指数与其不同周期的均线（如5日、10日、20日等）的相对位置，判断市场趋势和支撑/压力位[6][7] **模型具体构建过程**：计算各指数的收盘价与MA5、MA10、MA20等均线的差值百分比，公式为： $$ vsMA = (收盘价 - MA_n) / MA_n \times 100\% $$ 其中MA_n代表n日均线值[7] **模型评价**：能够直观反映短期与中长期市场趋势的背离情况，但对极端行情敏感度较低[7] 2. **模型名称**：风险溢价模型 **模型构建思路**：以十年期国债即期收益率为无风险利率基准，计算各宽基指数的超额收益风险溢价[14][16] **模型具体构建过程**： $$ 风险溢价 = 指数收益率 - 十年期国债收益率 $$ 并统计近1年/5年分位值及波动率[16] **模型评价**：具有明显的均值回归特性，中证1000/2000的波动率显著高于大盘指数[14][16] 3. **模型名称**：股债性价比模型 **模型构建思路**：通过PE-TTM倒数与国债收益率的差值衡量股债相对吸引力[22] **模型具体构建过程**： $$ 股债性价比 = 1/PE-TTM - 国债收益率 $$ 设置80%/20%分位值作为危险/机会阈值[22] **模型评价**：当前中小盘指数多数处于危险值上方，显示权益资产溢价较高[22] 量化因子与构建方式 1. **因子名称**：PE-TTM估值因子 **因子构建思路**：跟踪滚动市盈率的历史分位值判断估值水平[21][22] **因子具体构建过程**：计算当前PE-TTM相对于近1年/5年/全部历史数据的分位百分比，公式为： $$ 分位值 = \frac{当前PE排名}{历史PE总数} \times 100\% $$ 并计算±1/2倍标准差区间[21] **因子评价**：中证500分位值达83.72%显示高估，创业板指34.13%相对安全[21] 2. **因子名称**：股息率因子 **因子构建思路**：通过现金分红回报率评估防御性投资价值[26][27] **因子具体构建过程**： $$ 股息率 = 年度分红总额 / 总市值 $$ 统计近5年98.84%分位的沪深300显示极高配置价值[27] **因子评价**：高股息策略在利率下行期表现突出，但需警惕盈利可持续性[26] 3. **因子名称**：破净率因子 **因子构建思路**：统计市净率<1的个股占比反映市场悲观程度[29] **因子具体构建过程**： $$ 破净率 = 破净个股数 / 总成分股数 \times 100\% $$ 上证50破净率24%显著高于中证2000的5.45%[29] **因子评价**：破净率中枢下移可能预示市场情绪转向乐观[29] 模型的回测效果 1. **均线比较模型**： - 中证2000当前偏离MA5达-1.51%，MA20偏离+2.83%[7] - 创业板指MA60支撑位有效性达87.6%[21] 2. **风险溢价模型**： - 上证50风险溢价近5年分位值29.68%，中证2000仅4.76%[16] - 中证1000近1年波动率2.08%显著高于沪深300的1.33%[16] 3. **股债性价比模型**： - 中证1000当前值超80%分位线12.17%[22] - 创业板指距危险值(80%分位)仍有7.01%空间[22] 因子的回测效果 1. **PE-TTM因子**： - 中证500当前PE28.22超+1倍标准差7.13%[21] - 创业板指PE34.29处于近5年34.13%分位[21] 2. **股息率因子**： - 沪深300股息率3.64%接近+2倍标准差上限[27] - 中证2000股息率1.03%低于历史均值1.16%[27] 3. **破净率因子**： - 上证50破净率24%较9月高点下降37%[29] - 创业板指破净率3%为全市场最低[29]

根据提供的金融工程日报内容，以下是量化模型与因子的总结： 量化因子与构建方式 1. **因子名称：封板率** - 构建思路：通过统计涨停股票的封板情况反映市场情绪强度[16] - 具体构建过程： $$封板率=\frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$ 筛选上市满3个月的股票，计算当日同时满足盘中最高价涨停和收盘涨停的股票占比[16] 2. **因子名称：连板率** - 构建思路：衡量涨停股票的持续性效应[16] - 具体构建过程： $$连板率=\frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$ 基于前一日涨停股票池，计算次日仍能涨停的比例[16] 3. **因子名称：大宗交易折价率** - 构建思路：反映大资金交易的流动性溢价[25] - 具体构建过程： $$折价率=\frac{大宗交易总成交金额}{当日成交份额的总市值}-1$$ 汇总当日所有大宗交易数据，按成交金额加权计算[25] 4. **因子名称：股指期货年化贴水率** - 构建思路：量化期货市场对现货指数的预期偏差[27] - 具体构建过程： $$年化贴水率=\frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ 分别计算上证50/沪深300/中证500/中证1000主力合约的基差年化值[27] 因子回测效果 1. **封板率因子** - 当日取值：83%（较前日提升28%）[16] - 近一月分位数：处于75%高位区间[16] 2. **连板率因子** - 当日取值：26%（较前日提升11%）[16] - 近一月分位数：处于60%中位区间[16] 3. **大宗交易折价率因子** - 当日取值：4.46%[25] - 近半年均值：4.97%[25] 4. **股指期货贴水率因子** - 上证50年化升水率：1.45%（60%分位）[27] - 沪深300年化贴水率：0.22%（61%分位）[27] - 中证500年化贴水率：5.83%（48%分位）[27] - 中证1000年化贴水率：8.77%（55%分位）[27] 模型评价 1. 封板率/连板率因子对短期市场情绪捕捉效果显著，但需结合换手率过滤噪音[16] 2. 大宗交易折价率因子在机构调仓周期中预测效果更优[25] 3. 股指期货贴水率因子对市场风格切换有领先指示作用[27]

量化因子与构建方式 1. 因子名称：CDS因子 - **因子的构建思路**：CDS因子通过中国主权CDS（信用违约掉期）利差的变化，反映海外市场对中国潜在风险的定价变化，进而捕捉其对港股和A股市场的影响[7] - **因子具体构建过程**： 1. 计算CDS指标的20日变化值，公式为： $ \Delta CDS_{20} = CDS_{t} - CDS_{t-20} $ 其中，$ CDS_{t} $为当前时点的CDS值，$ CDS_{t-20} $为20日前的CDS值[7] 2. 通过回归分析，评估CDS变化与港股、A股收益的相关性，回归公式为： $ y = \beta \cdot \Delta CDS_{20} + \epsilon $ 其中，$ y $为股指20日收益，$ \Delta CDS_{20} $为CDS的20日变化，$ \beta $为回归系数，$ \epsilon $为误差项[11] 3. 根据拟合优度（$ R^2 $）和回归系数的绝对值，评估CDS因子对不同板块的弹性和相关性[14][15] - **因子评价**：CDS因子能够较好地反映海外市场情绪变化，且对港股的择时效果优于A股，尤其在CDS指标20日变化为负时，表现出显著的看多信号[7] --- 因子的回测效果 1. CDS因子 - **年化收益**：11.8%[13] - **年化波动**：13.8%[13] - **最大回撤**：19.1%[13] - **夏普比率**：0.853[13] 2. 恒生指数（基准） - **年化收益**：6.3%[13] - **年化波动**：23.5%[13] - **最大回撤**：64.1%[13] - **夏普比率**：0.266[13] --- 量化模型与构建方式 1. 模型名称：CDS择时模型 - **模型构建思路**：基于CDS因子的变化，构建择时策略，通过判断CDS指标的20日变化方向，决定港股的投资信号[7] - **模型具体构建过程**： 1. 当$ \Delta CDS_{20} < 0 $时，生成看多港股信号，进行多头配置[7] 2. 当$ \Delta CDS_{20} \geq 0 $时，生成看空信号，降低港股配置权重或空仓[7] 3. 计算策略的净值表现，并与恒生指数基准进行对比，评估超额收益[13] - **模型评价**：CDS择时模型在历史回测中表现出较高的年化超额收益和较低的波动率，显示出良好的风险收益特征[7][13] --- 模型的回测效果 1. CDS择时模型 - **年化收益**：11.8%[13] - **年化波动**：13.8%[13] - **最大回撤**：19.1%[13] - **夏普比率**：0.853[13] 2. 恒生指数（基准） - **年化收益**：6.3%[13] - **年化波动**：23.5%[13] - **最大回撤**：64.1%[13] - **夏普比率**：0.266[13]

根据提供的研报内容，以下是量化模型和因子的详细总结： 量化模型与构建方式 1. **模型名称：宏观择时模型** - 模型构建思路：通过经济增长、通货膨胀、利率、汇率和风险情绪等多个维度构建宏观动量模型，对股票、债券等大类资产进行择时[25] - 模型具体构建过程： 1. 使用代理变量预测未来的宏观环境（如Inflation等） 2. 根据不同环境选择表现最优的资产构建绝对收益组合 3. 季度配置信号基于逆周期投资框架，月度信号基于宏观动量模型[25] - 模型评价：能够有效捕捉大类资产轮动机会，但依赖宏观变量预测准确性 2. **模型名称：行业ETF轮动模型** - 模型构建思路：从行业基本面、预期基本面、情绪面、量价技术面、宏观经济等维度构建多因子行业轮动策略[26] - 模型具体构建过程： 1. 将ETF跟踪指数与中信一级行业匹配（覆盖23个一级行业） 2. 基于行业轮动因子（历史基本面、预期ROE、情绪指标等）计算行业得分 3. 每月选择得分最高的4个行业等权配置[26][28] 3. **模型名称：股债混合配置模型** - 模型构建思路：通过动态调整股债比例实现风险控制与收益增强[31] - 模型具体构建过程： 1. 基础版本采用固定比例（如20/80股债再平衡） 2. 增强版本结合宏观择时信号动态调整权重 3. 风险平价版本根据资产波动率分配权重[31] 4. **模型名称：量化固收+策略** - 模型构建思路：通过股票端量化选股策略增强固收产品收益[38] - 模型具体构建过程： 1. 股票端采用PB盈利、高股息、小盘价值、小盘成长四种选股策略 2. 与债券端（短债基金指数）按10/90或20/80比例月度再平衡 3. 可选配宏观择时模块动态调整股债比例[38][39] 量化因子与构建方式 1. **因子名称：PB盈利因子** - 因子构建思路：结合市净率和盈利能力的复合价值因子[39] - 因子具体构建过程： $$ PB盈利 = \frac{净利润}{市值} \times \frac{1}{市净率} $$ 通过排序筛选高PB盈利得分股票[39] 2. **因子名称：高股息因子** - 因子构建思路：筛选持续高分红股票获取稳定收益[39] - 因子具体构建过程： 1. 计算近12个月股息率 2. 结合分红稳定性和财务健康度筛选[39] 3. **因子名称：小盘价值因子** - 因子构建思路：在小市值股票中挖掘低估标的[39] - 因子具体构建过程： 1. 按市值分组选取小盘股 2. 在组内应用PB、PE等价值指标排序[39] 4. **因子名称：小盘成长因子** - 因子构建思路：捕捉小市值成长股超额收益[39] - 因子具体构建过程： 1. 按市值分组选取小盘股 2. 在组内应用收入增长率、ROE等成长指标排序[39] 模型的回测效果 1. **宏观择时模型** - 股债20/80再平衡策略：2025年累计收益-0.31%，年化波动率2.71%，最大回撤0.51%[32] - 股债风险平价策略：2025年累计收益0.15%，夏普比率0.87[32] - 股债黄金风险平价策略：2025年累计收益1.27%，夏普比率6.09[32] 2. **行业ETF轮动模型** - 2025年2月组合收益4.55%，相对Wind全A超额-0.75%[26] 3. **量化固收+策略** - 不择时20/80组合：小盘成长策略2025年收益3.38%，小盘价值策略3.09%[39] - 宏观择时20/80组合：小盘成长策略2025年收益1.75%，夏普比率0.01[39] 因子的回测效果 1. **PB盈利因子** - 10/90组合2025年收益0.38%，20/80组合0.69%[39] 2. **高股息因子** - 10/90组合2025年收益0.01%，20/80组合-0.04%[39] 3. **小盘价值因子** - 10/90组合2025年收益1.58%，20/80组合3.09%[39] 4. **小盘成长因子** - 10/90组合2025年收益1.72%，20/80组合3.38%[39]