量化模型与构建方式 1. 公募实时持仓模型 - **模型名称**：公募实时持仓模型 - **模型构建思路**：基于基金净值、持仓披露、调研行为等市场公开信息，对公募基金持仓进行实时测算[4][21] - **模型具体构建过程**： 1. 收集基金净值数据 2. 获取基金持仓披露信息 3. 分析基金调研行为 4. 综合以上数据进行实时测算 - **模型评价**：该模型能够实时反映公募基金的持仓动态，具有较高的市场敏感度[4][21] 2. 北上资金行为模型 - **模型名称**：北上资金行为模型 - **模型构建思路**：按照托管机构划分为配置型外资和交易型外资，监测北上资金的动向[4][30] - **模型具体构建过程**： 1. 按托管机构划分北上资金为配置型外资和交易型外资 2. 收集北上资金的买入和卖出数据 3. 分析北上资金的净流入和净流出情况 - **模型评价**：该模型能够细分北上资金的类型，提供更为精细的资金流向分析[4][30] 3. ETF资金持仓模型 - **模型名称**：ETF资金持仓模型 - **模型构建思路**：通过监测ETF基金的持仓动态，反映市场资金的流向[4][35] - **模型具体构建过程**： 1. 收集ETF基金的持仓数据 2. 计算ETF持仓占流通市值的比重 3. 分析ETF持仓的变化趋势 - **模型评价**：该模型能够反映市场资金的动态，特别是指数投资产品的供需情况[4][35] 4. 两融余额动向模型 - **模型名称**：两融余额动向模型 - **模型构建思路**：通过监测融资余额和融券余额，分析市场投资者的多空情绪[4][39] - **模型具体构建过程**： 1. 收集融资余额和融券余额数据 2. 计算融资余额和融券余额的变化 3. 分析融资余额和融券余额的趋势 - **模型评价**：该模型能够反映市场投资者的多空情绪，具有较高的市场预警功能[4][39] 模型的回测效果 公募实时持仓模型 - **仓位变化**：近三个月仓位在底部震荡[4][21] 北上资金行为模型 - **净流入**：2024年7月以来北上资金买入达到21亿元[4][30] ETF资金持仓模型 - **持仓占比**：2024年3月以来维持历史高位，占比达到6.16%[4][35] 两融余额动向模型 - **融资余额**：2024年5月以来有所下滑，融券处于较低水平[4][39] 量化因子与构建方式 1. 主力资金因子 - **因子名称**：主力资金因子 - **因子的构建思路**：通过大单与超大单的加总，作为主力资金的代理变量[49] - **因子具体构建过程**： 1. 收集大单（挂单金额20-100万元）与超大单（挂单金额>100万元）的数据 2. 计算大单与超大单的加总 3. 分析主力资金的净流入和净流出情况 - **因子评价**：该因子能够反映市场上最活跃的资金动向，具有较高的市场敏感度[49] 2. 龙虎榜因子 - **因子名称**：龙虎榜因子 - **因子的构建思路**：通过交易所每日公开披露的"交易公开信息"栏目，分析当日买入与卖出金额最大的五个营业部的交易数据[51] - **因子具体构建过程**： 1. 收集交易所每日公开披露的"交易公开信息"数据 2. 统计当日买入与卖出金额最大的五个营业部的交易数据 3. 分析龙虎榜的交易动向 - **因子评价**：该因子能够反映当前市场最热点的交易动向，具有较高的市场预警功能[51] 3. 高频股东户数因子 - **因子名称**：高频股东户数因子 - **因子的构建思路**：通过交易所推出的投资者与上市公司的互动平台，监测股东户数的变化[54] - **因子具体构建过程**： 1. 收集高频股东户数数据 2. 计算股东户数的变化比例 3. 分析股东户数的变化趋势 - **因子评价**：该因子能够反映股东户数的变化，具有较高的市场预警功能[54] 因子的回测效果 主力资金因子 - **净流入**：7月15日以来主力资金净买入最多的个股为香雪制药，净流入12373.3万元[50] 龙虎榜因子 - **上榜个股**：2024年3月以来进入龙虎榜的个股包括首药控股-U、昭衍新药、泰格医药等[52] 高频股东户数因子 - **增幅最高**：股东户数增幅最高的个股为药康生物，增幅26.31%[55]

业绩总结 - DTW择时模型在2022年11月以来的样本外表现表现出色，绝对收益达11.49%[2] - DTW择时模型最新信号显示，各常见宽基指数均为空仓状态，预测涨跌幅较低[12] - DTW择时模型基于相似性思路和DTW算法，通过计算历史行情片段的未来涨跌幅和标准差来得出交易信号[10] - DTW择时模型采用DTW距离算法，相比欧氏距离更适用于时间序列问题，提高了模型效果[35]

- 2024年8月9日市场震荡回落，成交量创下新低，上证指数下跌0.27%，深证成指下跌0.62%，创业板指下跌0.98%[2][10] - 风格上，稳定、周期、消费和成长风格都出现下跌，基金重仓股指数表现劣于基金非重仓股，成长股表现劣于价值股[2][15] - 分行业看，30个中信一级行业普遍下跌，表现相对靠前的是房地产（1.39%），石油石化（0.66%），银行（0.45%），表现相对靠后的是消费者服务（-2.33%），传媒（-2.13%），医药（-1.66%）[2][15] - 资金筹码方面，主力资金8月9日净流出87.00亿元，其中超大单净流出14.16亿元，大单净流出72.84亿元，中单资金净流入3.59亿元，小单持续净流入83.41亿元[2][17] - 北向资金8月9日大幅净流出，合计77.65亿元，其中沪股通当日净流出31.35亿元，深股通当日净流出46.30亿元[2][17] - 南向资金8月9日净流入，合计22.78亿港元，其中沪市港股通当日净流入13.29亿港元，深市港股通当日净流入9.49亿港元[2][17] - 8月9日，上证50、沪深300、中证500以及中证1000等ETF中大部分成交额较上一交易日减少，华夏上证50ETF、华泰柏瑞沪深300ETF、嘉实沪深300ETF、易方达沪深300ETF、南方中证500ETF、南方中证1000ETF和华夏中证1000ETF成交额分别为17.15亿元、20.60亿元、4.04亿元、5.06亿元、10.46亿元、7.64亿元和5.33亿元[2][20] - 8月8日欧洲三大股指涨跌互现，德国DAX指数上涨0.37%，英国富时100指数下跌0.27%，法国CAC40指数下跌0.26%[3][23] - 美股三大指数普遍上涨，道琼斯工业指数上涨1.76%，标普500指数上涨2.30%，纳斯达克综合指数上涨2.87%[3][23] - 8月9日，亚太主要股指收盘普遍上涨，恒生指数上涨1.17%，恒生科技指数上涨2.08%，韩国综合指数上涨1.24%，日经225指数上涨0.56%，印度SENSEX30指数上涨1.04%，澳洲标普200指数上涨1.25%[3][23]

市场趋势 - 美股中期趋势或仍向上[8][14] - 美股中期趋势或仍向上，当前或主要为资金面扰动带来的调整[140] 套息交易 - 美股存量套息交易规模约为3000亿美元，已平仓比例达76%，潜在下跌空间约为5.5%[2][6] - 典型套息交易规模约为1万亿美元，外汇衍生品市场规模无法准确测算[5] - 套息交易原理是利用日本长期低利率和日元贬值预期，通过借入日元买入高息美元资产获取收益，但近期日元升值导致套息交易反转，加剧了美股的波动[26] - 美股套息交易存量规模或已平仓76%[56] - 根据测算，套息交易平仓带动资金净流出，对标普500的潜在下跌压力幅度在5.5%左右[61] 经济展望 - 美国经济仍有韧性，就业市场仍维持较强韧性，消费表现稳健[67][72][91] - 美国居民部门杠杆率较低，降息周期开启后地产景气有望持续回升[102] - 美国政府财政扩张是支撑加息周期中经济韧性的核心因素之一[120] - 美国滚动12个月赤字率在2023年7月达到高点8.5%后，2024年以来持续回落[120] - 三季度财政扩张有望加速，进一步支撑经济韧性[132] - 美国财政部融资需求预测值历史上与该季度最终实现的财政赤字相关性较强[132] - 美国财政扩张力度走弱使得近期美国经济表现整体偏弱[120] - 美国经济腰斩风险较低，但市场已定价了年内美联储超100bp的降息幅度[140] 资金流向 - A股资金外流压制A股表现，套息交易反转有望缓解资金压力[15] - A股资金外流是2023年至今压制A股表现的重要因素之一，未来有望缓解[167] - 中美利差持续扩大，人民币汇率出现贬值趋势[167] - 存量外资出现外流趋势，国内投资者通过QDII额度购买海外资产[167] - 2021年以来，中美利差扩大，导致人民币汇率贬值，外资出现流出趋势[175] - 2021年以来，国内投资者对海外投资热情持续提升，资金从A股向海外资产流出[182] - 2023年第四季度以来，QDII ETF溢价持续走宽[188]

量化模型与构建方式 1. 模型名称：Alpha 动量组合 - 模型构建思路：通过选择一组股票，利用动量效应进行投资[3] - 模型具体构建过程：选择一组股票，计算其过去一段时间的收益率，选择收益率较高的股票构建组合，定期调整持仓[3][4] - 模型评价：在本周内，Alpha 动量组合表现不佳，相对于 HS300 的超额收益为-0.37%[3][4] 2. 模型名称：Alpha 反转组合 - 模型构建思路：通过选择一组股票，利用反转效应进行投资[3] - 模型具体构建过程：选择一组股票，计算其过去一段时间的收益率，选择收益率较低的股票构建组合，定期调整持仓[3][7] - 模型评价：在本周内，Alpha 反转组合表现较好，相对于 HS300 的超额收益为0.73%[3][7] 3. 模型名称：行业 Alpha 组合 - 模型构建思路：通过对不同历史周期的行业 Alpha 值进行分析，选择表现较好的行业进行投资[16] - 模型具体构建过程：对各行业的 Alpha 值进行排序，选择排名前 5 名的行业作为动量组合，排名最后 5 名的行业作为反转组合，每月进行滚动投资[16] - 模型评价：行业 Alpha 动量组合表现好于行业 Alpha 反转组合，特别是一个月的行业 Alpha 动量组合表现最佳[16][18] 模型的回测效果 1. Alpha 动量组合 - 累计收益率：-1.93%[4] - 超额收益：-0.37%[4] 2. Alpha 反转组合 - 累计收益率：-0.82%[7] - 超额收益：0.73%[7] 3. 行业 Alpha 组合 - 累计收益率：-2.77%[20] - 超额收益：0.44%[20] 量化因子与构建方式 1. 因子名称：Alpha 动量因子 - 因子的构建思路：通过选择一组股票，利用动量效应进行投资[3] - 因子具体构建过程：选择一组股票，计算其过去一段时间的收益率，选择收益率较高的股票构建组合，定期调整持仓[3][4] 2. 因子名称：Alpha 反转因子 - 因子的构建思路：通过选择一组股票，利用反转效应进行投资[3] - 因子具体构建过程：选择一组股票，计算其过去一段时间的收益率，选择收益率较低的股票构建组合，定期调整持仓[3][7] 3. 因子名称：行业 Alpha 因子 - 因子的构建思路：通过对不同历史周期的行业 Alpha 值进行分析，选择表现较好的行业进行投资[16] - 因子具体构建过程：对各行业的 Alpha 值进行排序，选择排名前 5 名的行业作为动量组合，排名最后 5 名的行业作为反转组合，每月进行滚动投资[16] 因子的回测效果 1. Alpha 动量因子 - 累计收益率：-1.93%[4] - 超额收益：-0.37%[4] 2. Alpha 反转因子 - 累计收益率：-0.82%[7] - 超额收益：0.73%[7] 3. 行业 Alpha 因子 - 累计收益率：-2.77%[20] - 超额收益：0.44%[20]

量化因子与构建方式 防御属性因子 1. **因子名称**: 防御属性因子 2. **因子构建思路**: - **第一层筛选**: 寻找股价稳健个股，按日收益率标准差从小到大排列，选择前50%股票作为基础池[55] - **第二层筛选**: 溯源个股防御属性，从低拥挤、筹码分散和高股息三个维度筛选得分领先的Top10%个股，构建防御属性股票池[55][56] 3. **文章对因子的评价**: 防御属性个股在市场动荡时能够保持相对稳定的表现，为投资组合的长期增长提供稳健的支撑[116] 4. **因子的公式**: 无 进攻属性因子 1. **因子名称**: 进攻属性因子 2. **因子构建思路**: - **第一层筛选**: 寻找股价高弹性个股，按日标准差从大到小排列，选择前50%股票作为基础池[209] - **第二层筛选**: 溯源个股进攻属性，从重创新和高成长两个维度筛选得分领先的Top15%个股，构建进攻属性股票池[211] 3. **文章对因子的评价**: 进攻属性个股在趋势行情下表现出更强的收益弹性，为投资组合的短期表现注入动能[267] 4. **因子的公式**: 无 二维择时模型 1. **因子名称**: 二维择时模型 2. **因子构建思路**: - **宏观维度**: 计算机指数与美债收益率呈负相关关系，美债收益率下行时，计算机指数通常走强[331] - **风险维度**: 当计算机指数波动率处于近一年高位时，指数通常面临下行风险[331] - **策略构建**: 当宏观维度提示积极信号时，增配进攻组合至75%；当风险维度带来双重积极信号时，增配进攻组合至100%；反之则增配防御组合以控制下行风险[404] 3. **文章对因子的评价**: 计算机综合增强策略相对计算机行业指标超额表现较为稳健，全区间年化收益近15%，超额行业指数7.4%，分年胜率逾83%[405] 4. **因子的公式**: 无 因子的具体指标值 防御属性因子 - **年化收益**: - 2013: 109.08%[409] - 2014: 70.28%[409] - 2015: 120.43%[409] - 2016: -39.85%[409] - 2017: -13.68%[409] - 2018: -15.59%[409] - 2019: 55.44%[409] - 2020: 5.26%[409] - 2021: 6.79%[409] - 2022: -14.50%[409] - 2023: 19.92%[409] - 20240628: -24.52%[409] - 全区间: 14.90%[409] 进攻属性因子 - **年化收益**: - 2013: 89.97%[330] - 2014: 53.81%[330] - 2015: 118.85%[330] - 2016: -42.49%[330] - 2017: -21.77%[330] - 2018: -18.18%[330] - 2019: 67.39%[330] - 2020: 10.22%[330] - 2021: -8.97%[330] - 2022: -21.50%[330] - 2023: 1.51%[330] - 20240628: -31.11%[330] - 全区间: 7.25%[330] 二维择时模型 - **年化收益**: - 2013: 108.53%[416] - 2014: 72.17%[416] - 2015: 132.82%[416] - 2016: -34.77%[416] - 2017: -13.83%[416] - 2018: -15.56%[416] - 2019: 54.88%[416] - 2020: 5.34%[416] - 2021: 6.95%[416] - 2022: -14.91%[416] - 2023: 19.72%[416] - 20240628: -23.48%[416] - 全区间: 16.45%[416]

市场趋势 - 美国7月失业率上升至4.3%，引发市场对经济衰退的担忧[2] - 美国就业市场仍保持较强韧性，供给端和恶劣天气导致失业率上升[2] - 市场高估了美国的衰退风险，过度担忧外需下滑的风险[2] 投资机会 - 看好家电、光伏行业的投资机会，建议关注农林牧渔、半导体、建筑材料等行业[2] - 猪周期步入右侧，市场可能低估了猪价维持高位的持续时间[3] - 消费电子、半导体景气度持续回升，需要关注主动权益基金筹码过度拥挤的影响[3] - 数据中心景气度大幅提升，通信设备景气有望上行[3] - 地产周期逐步企稳，建材行业或存估值修复机会[3] 风险提示 - 交通运输、国防军工、银行行业拥挤度较高，需注意后续股价可能的波动风险[4] 绩效评估 - 综合策略最近一个月收益为1.2%，相对行业等权排数及中证800的超额收益分别为2.4%、2.7%[5]

- 国泰君安量化配置团队开发了Black-Litterman、风险平价、宏观因子3个基础资产配置模型，并在国内股票、债券、商品、黄金4大类资产上开发了大类资产配置策略[5] - 2024年7月，黄金资产表现亮眼，SHFE黄金涨幅为2.26%，中债-国债总财富指数涨幅为0.87%，中债-企业债总财富指数涨幅为0.61%[5] - 2024年以来，国内资产BL策略1收益为5.1%，7月收益为0.84%，最大回撤为0.78%，年化波动为1.25%[5] - 国内资产BL策略2收益为4.72%，7月收益为0.73%，最大回撤为0.65%，年化波动为1.12%[5] - 国内资产风险平价策略收益为4.55%，7月收益为0.46%，最大回撤为0.23%，年化波动为0.89%[5] - 基于宏观因子的资产配置策略收益为3.76%，7月收益为0.44%，最大回撤为0.27%，年化波动为0.92%[5]

- 本报告中没有涉及具体的量化模型或因子的名称、构建思路、构建过程、评价或测试结果[1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18][19][20][21][22][23][24][25][26][27][28][29][30][31][32][33][34][35][36]

宽基指数涨跌情况 - 本周涨跌幅排名前五的宽基指数分别为中证 2000(3.6%)[2]，中证 1000(2.3%)[2]，小盘价值(1.3%)[2]，中证 500(1.1%)[2]，中证 REITs(收盘)(0.8%)[2] - 本月涨跌幅排名前五的宽基指数分别为中证 REITs(收盘)(0.4%)[2]，大盘价值(-0.6%)[2]，中证 2000(-1.0%)[2]，胡志明股市指数(-1.2%)[2]，上证 50(-1.3%)[2] 行业指数涨跌情况 - 本周涨跌幅排名前五的行业指数分别为综合(6.2%)[2]，社会服务(5.5%)[2]，建筑装饰(3.3%)[2]，医药生物(3.2%)[2]，农林牧渔(2.8%)[2] - 本月涨跌幅排名前五的行业指数分别为农林牧渔(0.3%)[2]，建筑装饰(0.2%)[2]，医药生物(0.1%)[2]，社会服务(0.1%)[2]，交通运输(-0.1%)[2] 宏观因子策略配置 - 宏观因子 S1 策略本月配置比例为:股票(2.63%)[3]，债券(94.74%)[3]，商品(2.63%)[3] - 宏观因子 S2 策略配置比例为:沪深 300(16.29%)[3]，中证 500(0.0%)[3]，中证 1000(0.79%)[3]，利率债(15.35%)[3]，金融债(14.34%)[3]，信用债(46.79%)[3]，农产品(4.84%)[3]，黄金(1.6%)[3] 公司业务和联系方式 - 公司主要从事商品期货经纪、金融期货经纪、资产管理等业务[195] - 报告仅供公司客户使用，不构成对任何人的投资建议[196] - 联系方式为电话8621-63325888-1592，Email为research(@orientfutures.com[197]