量化模型与构建方式 三维情绪雷达监测模型 1. **模型名称**：三维情绪雷达监测模型 2. **模型构建思路**：通过情绪预期、情绪温度和情绪浓度三个维度来观察市场情绪的不同频率波动[7] 3. **模型具体构建过程**： - **情绪预期**： - **指标意义**：股指期货价格和期权成交额PCR反映市场对未来短期的预期[8] - **公式**： $$ \text{沪深300股指期货升贴水率} = \frac{\text{沪深300股指期货主力价格} - \text{沪深300指数价格}}{\text{沪深300指数价格}} $$ $$ \text{成交额PCR} = \frac{\text{看跌期权成交额}}{\text{看涨期权成交额}} $$ - **构建方法**：通过取均值和主成分分析的方法合成情绪预期指标[8] - **情绪温度**： - **指标意义**：市场资金热度的量化，使用主力买入率来感知情绪温度[10] - **公式**： $$ \text{主力买入率} = \frac{\text{大单买入金额}}{\text{沪深成交总额}} $$ - **构建方法**：将主力买入率平滑处理后，计算三年滚动百分位的结果[10] - **情绪浓度**： - **指标意义**：衡量A股市场多资产的相关性，通过计算中信三级行业体系指数的第一主成分方差贡献率来反映市场情绪浓度[13] - **构建方法**：情绪浓度即为中信三级行业体系指数的第一主成分贡献率滚动窗口平滑处理后的结果[13] 4. **模型评价**：情绪预期上行代表市场短期情绪向好，情绪温度上行代表市场主力资金热度提升，情绪浓度高于警戒线的极值点具有长期牛熊转折的预示作用[8][10][13] 模型的回测效果 1. **三维情绪雷达监测模型**： - **Sharpe比率**：0.4067[18] - **最大回撤**：26.93%[18] - **年化收益**：6.12%[18] 量化因子与构建方式 换手率斜率因子 1. **因子名称**：换手率斜率因子 2. **因子的构建思路**：通过监测成交量的变化来提示行情机会，成交量的中枢上移预示供需关系的变化[20] 3. **因子具体构建过程**：运用换手率斜率来监测是否发生"放量"的情况，提示行情机会[20] 4. **因子评价**：成交量的放大往往代表市场观点分歧的扩大，有一定可能代表原有趋势的转折[20] 拥挤度因子 1. **因子名称**：拥挤度因子 2. **因子的构建思路**：反映交易活动的过热程度，起到对潜在风险的警示作用[21] 3. **因子具体构建过程**：根据拥挤发生时的表现，如内部高度协同、剧烈波动、价格偏离以及流动性枯竭等现象，制定拥挤度跟踪指标，包括行业成交集中度、行业内部关联度和行业价格乖离率[21] 4. **因子评价**：在多个指标监测下提示过度拥挤带来的风险[21] 因子的回测效果 1. **换手率斜率因子**： - **未来一个月更可能发生行情反转的行业**：建筑材料、传媒、煤炭、美容护理[21] - **未来一个月量能买入信号**：建筑材料、煤炭、美容护理、家用电器、纺织服饰、商贸零售、轻工制造、食品饮料、电力设备、基础化工等[21] - **未来一个月量能卖出信号**：无[21] 2. **拥挤度因子**： - **行业成交集中度风险提示行业**：家用电器、食品饮料、交通运输、建筑材料、国防军工、银行[21] - **行业内部关联度风险提示行业**：农林牧渔、纺织服饰、房地产、汽车、石油石化[21] - **行业价格乖离率风险提示行业**：无[21] - **未来一个月拥挤度卖出信号**：农林牧渔、家用电器、纺织服饰、交通运输、房地产、建筑材料、国防军工、银行、汽车、石油石化[21]

量化因子与构建方式 1. **全天候择时模型** - **因子构建思路**：全天候择时模型在上周四盘后发出国证2000指数的多头信号[8] - **文章对因子的评价**：对于短期交易者而言，这是一个非常积极的信号[8] 2. **四轮驱动行业轮动模型** - **因子构建思路**：四轮驱动模型信号整体偏向于低位成长，但前期发出的低位红利信号也处于有效期[8] - **文章对因子的评价**：该模型信号整体偏向于低位成长[8] 因子的回测效果 1. **全天候择时模型** - **多头信号**：国证2000指数[8] 2. **四轮驱动行业轮动模型** - **低位成长信号**：煤炭、通信、电子、有色金属、医药生物[8] - **低位红利信号**：环保、建筑装饰、美容护理、传媒、石油石化、计算机[8]

模型改进 - 提出了基于知识蒸馏的 alpha 因子挖掘模型，通过构建基于小单和盘口的因子对 l2 数据集进行信息补充，增加日内信息反映，提升模型效果[3] - 通过知识蒸馏方法集成树模型和神经网络，加入风险因子生成部分，改进了量价框架模型[17] - 新模型 KD-Ensemble 模型将教师模型和学生模型的输入均为相同的 alpha 因子，通过特定训练和推理过程进行加权[128] 因子表现 - 小单和盘口因子在各股票池上表现较好，小单早盘占比因子在大盘股上表现更强，可作为短期风险的风险因子[4] - 合成因子在中证全指上表现出色，年化超额收益率可达51.73%，各宽基指数股票池新模型生成因子选股能力明显提升[5] - 风险中性模型表现突出，多头组合年化超额收益率可达47.96%，稳定性较强[5] 组合表现 - KD-Ensemble模型下的指数增强组合在沪深300指数上表现良好，不同约束条件下的超额收益率分别为18.76%、19.87%和16.00%[158] - 中证500指增Barra风控组合在不同成分股约束条件下的年化超额收益率分别为22.81%、19.53%、18.26%、26.17%、24.02%、19.43%、28.32%、22.56%、20.23%[168] - 中证1000指增Barra风控组合在不同成分股约束条件下的年化超额收益率分别为50.56%、46.92%、42.58%、70.32%、68.35%、59.30%、88.74%、79.91%、65.85%[173]

量化模型与构建方式 1. 模型名称：可转债的赎回概率调整定价模型（CCBA） - 模型构建思路：通过计算转债价格与理论定价的偏离度，评估转债的期权估值水平[16][18] - 模型具体构建过程： - 计算信用债YTM与转债YTM的差值，作为价格水平类择时指标[17] - 使用CCBA模型计算转债的理论定价，并计算定价偏离度：$ \text{定价偏离度} = \frac{\text{转债价格}}{\text{CCBA模型定价}} - 1 $[18] - 模型评价：该模型能够较好地反映转债的期权估值水平，适用于评估转债的左侧配置价值[16][18] 2. 模型名称：中证转债与国债的择时策略 - 模型构建思路：基于信用指标的胜率择时策略，通过信用方向因子和信用强度因子进行择时[46][49] - 模型具体构建过程： - 计算中长期贷款脉冲，定义信用宽松或信用收紧环境，赋予因子分数[47] - 查看信用指标是否超预期或不及预期，赋予因子分数[48] - 将信用方向因子与信用强度因子求和得到信用综合分数，策略的中证转债权重=50%+信用综合分数×25%[49] - 模型评价：该策略能够实现相对于等权基准的稳定超额收益，波动与回撤明显降低[50][56] 3. 模型名称：低估值策略 - 模型构建思路：基于CCB_out模型的定价偏离度，构建低估值转债池，并进行分域择时[131] - 模型具体构建过程： - 使用CCB_out模型计算转债的定价偏离度：$ \text{定价偏离度} = \frac{\text{转债价格}}{\text{CCB_out模型定价}} - 1 $[131] - 在偏债、平衡、偏股中分别选取偏离度最低的转债，形成低估值转债池[131] - 根据分域市场的相对估值进行分域择时[131] - 模型评价：该策略稳定性强，能够实现较高的绝对收益和超额收益[131][138] 4. 模型名称：低估值+强动量策略 - 模型构建思路：在低估值策略的基础上，结合正股动量因子，形成弹性更强的策略[141] - 模型具体构建过程： - 使用CCB_out模型计算定价偏离度[144] - 结合正股过去1、3、6个月动量等权打分构建动量因子[145] - 选取低估值且动量强的转债进行配置[141] - 模型评价：该策略弹性强，能够实现较高的绝对收益和超额收益[141][148] 5. 模型名称：低估值+高换手策略 - 模型构建思路：在低估值转债池中，使用转债高换手因子选择成交热度较高的转债进行配置[151] - 模型具体构建过程： - 选择市场上较低估的50%转债[155] - 使用转债换手率因子选择成交热度较高的转债进行配置[156] - 模型评价：该策略能够实现较高的绝对收益和超额收益，超额收益稳定[151][159] 6. 模型名称：平衡增强策略 - 模型构建思路：在平衡转债中，选择低CCBA定价偏离度的转债进行配置[162] - 模型具体构建过程： - 使用CCBA模型计算定价偏离度[162] - 在平衡转债中选取偏离度最低的不超过30只转债进行配置[162] - 模型评价：该策略能够实现较高的年化绝对收益和超额收益，信息比率较高[162][169] 7. 模型名称：平衡偏债增强策略 - 模型构建思路：在低估转债池中，使用转债换手率因子和正股动量因子进行增强[171] - 模型具体构建过程： - 选择市场上较低估的50%转债，去掉偏股转债形成低估池[174] - 在偏债池中使用转债换手率因子和正股动量因子，在平衡转债中使用转债换手率因子[175][176] - 模型评价：该策略能够实现较高的年化绝对收益，波动与回撤较低[171][179] 8. 模型名称：信用债替代策略 - 模型构建思路：通过转债YTM+1%>3年期AA级信用债YTM筛选转债池，并结合正股动量因子进行配置[182] - 模型具体构建过程： - 筛选符合条件的转债池[182] - 在转债池中选出正股1个月动量最强的20只进行配置，个券最大权重不超过2%[182] - 通过波动率控制方法降低短期回撤，剩下仓位配置信用债[182] - 模型评价：该策略能够实现较高的绝对收益，波动和回撤较低[182][187] 9. 模型名称：波动率控制策略 - 模型构建思路：在偏债、平衡、偏股中分别选取低估值+强动量的打分最高的转债，通过波动率控制方式将组合波动控制在4%[189] - 模型具体构建过程： - 在偏债、平衡、偏股中分别选取低估值+强动量的打分最高的15只转债[189] - 通过波动率控制方式将组合波动控制在4%[189] - 模型评价：该策略能够实现较高的绝对收益，波动和回撤较低[189][195] 模型的回测效果 1. 可转债的赎回概率调整定价模型（CCBA） - 年化收益：8.98%[33] - 年化波动：6.76%[38] - 最大回撤：11.79%[38] 2. 中证转债与国债的择时策略 - 年化收益：7.67%[50] - 年化波动：7.89%[56] - 最大回撤：14.63%[56] 3. 低估值策略 - 区间收益：18.7%[138] - 年化波动：13.1%[138] - 最大回撤：12.6%[138] - 区间超额：11.2%[138] - 信息比率：1.93[138] 4. 低估值+强动量策略 - 区间收益：22.0%[148] - 年化波动：13.8%[148] - 最大回撤：11.9%[148] - 区间超额：14.3%[148] - 信息比率：2.32[148] 5. 低估值+高换手策略 - 区间收益：22.2%[159] - 年化波动：15.0%[159] - 最大回撤：13.3%[159] - 区间超额：14.5%[159] - 信息比率：2.25[159] 6. 平衡增强策略 - 区间收益：13.8%[169] - 年化波动：12.6%[169] - 最大回撤：14.2%[169] - 区间超额：6.9%[169] - 信息比率：1.70[169] 7. 平衡偏债增强策略 - 区间收益：20.7%[181] - 年化波动：11.6%[181] - 最大回撤：12.8%[181] 8. 信用债替代策略 - 区间收益：7.3%[187] - 年化波动：2.1%[187] - 最大回撤：2.8%[187] 9. 波动率控制策略 - 区间收益：9.7%[195] - 年化波动：4.4%[195] - 最大回撤：3.9%[195]

新产品和新技术研发 - JPMorgan上周发行了基本面量化系列产品，包括大中小盘三只产品，采用复杂的量化方法处理基本面数据并进行选股[3] 市场趋势 - 美国股票ETF流入略有减少，债券ETF流入仍然较多，大盘宽基ETF仍以流入为主，小盘产品有所流出[4] - 地产相关产品近期表现较好，受降息预期影响，近一年板块产品涨幅普遍在10%以上，今年以来收益多数也超过3%[5] 未来展望 - 美国国内股票基金在7月24日至7月31日当周流出177亿美元，年内合计流出近3000亿美元[29] 其他新策略 - 2024年6月美国非货币公募基金总量为21万亿美元，较2024年5月增加0.29万亿[29]

量化模型与构建方式 1. 模型名称：EPFR基金流向模型 - **模型构建思路**：通过跟踪全球基金流向数据，分析资金流动对市场的影响，特别是新兴市场国家层面的资金流动[10][57] - **模型具体构建过程**： 1. 数据来源：EPFR基金流向数据库，包含资产类别聚合、基金组别、投资经理、单个基金和份额类别等数据[10] 2. 数据类型：包括基金流入流出金额、基金的地区和板块配置、国家和行业的资金流动等[47][48][49] 3. 数据频率：日度、周度、月度[67] 4. 数据处理：将基金流向数据与市场表现数据结合，构建多因素股权配置模型，利用动量信号进行市场择时和资产配置[58][59] - **模型评价**：该模型通过全球基金流向数据提供了市场拐点的额外洞察，特别是在新兴市场国家层面，具有较高的前瞻性[57][58] 模型的回测效果 1. EPFR基金流向模型 - **信息比率（IR）**：未提供具体数值 - **年化收益率**：未提供具体数值 - **最大回撤**：未提供具体数值 量化因子与构建方式 1. 因子名称：动量因子 - **因子的构建思路**：通过分析国家和行业的资金流动，利用资金流动的相对强度作为动量信号，帮助投资者决定何时进入或退出市场[59] - **因子具体构建过程**： 1. 数据来源：EPFR基金流向数据，包含国家和行业的资金流动数据[50][51][52] 2. 数据处理：计算资金流动的相对强度，对比热门国家/行业与不受欢迎国家/行业的资金流动[59] 3. 动量信号：将资金流动的相对强度作为动量信号，结合多因素股权配置模型进行市场择时[58][59] - **因子评价**：该因子通过资金流动的相对强度提供了市场方向的领先指标，具有较高的实用性和前瞻性[59] 因子的回测效果 1. 动量因子 - **信息比率（IR）**：未提供具体数值 - **年化收益率**：未提供具体数值 - **最大回撤**：未提供具体数值

qqqqqqqqqqqqqqqqqqq 金融工程组 分析师： 高智威（执业 S1130522110003）联系人： 聂博洋 gaozhiw@gizq.com.cn 从整体表现来看，上周四大期指全线收跌，中证 1000 期指跌幅最大，幅度为-2.31%，上证 50 期指跌幅最小，幅度 为-1.33%。上周四大期指主力合约除 IM 以外贴水幅度均加深，四大期指依然全为贴水状态。 本周周五为 2408 股指 期货合约交割日。全部合约角度看，较上上周而言，四大期指当月、下月、当季和下季合约的平均成交量均上升， 其中 IH 上升幅度最大，为 15.46%，IC 上升幅度最小，为 2.15%。四大期指上周五的合计持仓量均下降，其中 IH 下 降幅度最大，为-5.35%。 基差水平方面，截至上周五收盘，IF、IC、IM 和 IH 当季合约的年化基差率分别为-1.65%、-6.15%、-10.74%和- 0.72%，较上上周最后一个交易日，四大期指贴水幅度均有所加深。跨期价差方面，截至上周五收盘，IF、IC、IM 和 IH 当月合约与下月合约的跨期价差率分别处在 2019 年以来的 65.20%、60.30%、96.90%和 ...

大 类 资 产 配 置 大类资产配置 /[Table_Date] 2024.08.12 主 动 资 产 配 置 周 报 证 券 研 究 报 告 风暴之后：资产定价重归基本维度主线 [Table_Authors] 王子翌(分析师) 021-38038293 wangziyi027313@gtjas.com 登记编号 S0880523050004 ——大类资产配置周度点评（20240812） 本报告导读： 我们维持此前的战术性大类资产配置观点。上周，基于主动观点的境内主动资产配 置组合收益率为-0.61%，基准指数收益率为-1.09%，超额收益率为 0.48%；基于主 动观点的全球主动资产配置组合收益率为-0.44%，基准指数收益率为 0.08%，超额 收益率为-0.52%。 投资要点： [Table_Summary] 我们对于国债仍维持超配观点，利率中枢下行的趋势与确定性较 强，短期利率的波动虽然放大，但调整后债券配置的性价比将进一 步提升。一方面，央行多次提醒长端利率风险并进行严格监管，旨 在控制过分投机交易导致的风险，而非盲目地抬升市场利率，在整 体宏观经济修复斜率偏平缓的态势下，央行的一项重要工作任务仍 ...

- 2024年8月12日，三大指数窄幅整理，市场量能萎缩[2][10] - 上证指数下跌0.14%，深证成指下跌0.24%，创业板指下跌0.20%[2][10] - 市场成交额4986.57亿元，较上一交易日减少672.68亿元[2][10] - 全市场1510只个股上涨，3647只个股下跌[2][10] - 风格上，稳定、周期、金融和成长风格都出现下跌，消费风格有所上涨[2][15] - 基金重仓股指数表现优于基金非重仓股，成长股表现劣于价值股[2][15] - 分行业看，医药、煤炭、农林牧渔表现相对靠前，房地产、消费者服务、商贸零售表现相对靠后[2][15] - 概念板块方面，多数概念板块下跌，新冠特效药、新冠肺炎检测、体外诊断等大幅上涨，射频及天线、城中村改造、房地产精选等大幅走低[2][15] - 资金筹码方面，主力资金8月12日净流出162.80亿元，其中超大单净流出59.80亿元，大单净流出103.00亿元，中单资金净流出2.48亿元，小单持续净流入165.28亿元[2][17] - 北向资金8月12日净流出7.73亿元，其中沪股通当日净流出2.89亿元，深股通当日净流出4.84亿元[2][17] - 南向资金8月12日净流入43.46亿港元，其中沪市港股通当日净流入26.91亿港元，深市港股通当日净流入16.55亿港元[2][17] - 8月12日，上证50、沪深300、中证500以及中证1000等ETF成交额较上一交易日减少[3][20] - 主要宽基ETF资金流向显示资金主要流入创业板指ETF，流入金额为3.00亿元[3][20] - 8月9日欧洲三大股指普遍上涨，德国DAX指数上涨0.24%，英国富时100指数上涨0.28%，法国CAC40指数上涨0.31%[3][23] - 美股三大指数普遍上涨，道琼斯工业指数上涨0.13%，标普500指数上涨0.47%，纳斯达克综合指数上涨0.51%[3][23] - 8月12日，亚太主要股指收盘涨跌不一，恒生指数上涨0.13%，恒生科技指数下跌0.20%，韩国综合指数上涨1.15%，日经225指数上涨0.56%，印度SENSEX30指数下跌0.07%，澳洲标普200指数上涨0.46%[3][23]

证券研究报告 金工 公募基金和 ETF 投资者均加仓电子 2024 年 8 月 12 日│中国内地 量化投资周报 华泰研究 研究员 林晓明 SAC No. S0570516010001 SFC No. BPY421 linxiaoming@htsc.com +(86) 755 8208 0134 研究员 刘依苇 SAC No. S0570521090002 SFC No. BSU078 liuyiwei@htsc.com +(86) 755 2395 0493 研究员 张泽 SAC No. S0570524020002 SFC No. BRB322 zhangze@htsc.com +(86) 755 8249 3656 权益类基金指数小幅下跌，医药基金上涨，中长期债基发行份额排名靠前 近两周（2024.7.29-2024.8.9）权益类基金指数下跌，股票指数型基金指数 跌幅与普通股票型基金指数相近，QDII 基金指数跌幅超过 1%。从行业板块 基金表现来看，近两周医药板块基金上涨，金融和消费板块基金跌幅较小。 从行业配置特征来看，近两周稳定型基金表现较好，2024 年初至今均衡型 基金整体表现优于集中型基金 ...