Workflow
择时雷达六面图:资金面中外资指标恢复
国盛证券· 2025-05-11 19:57
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**:从流动性、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]之间的择时分数,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个子因子[10][12] 2. **经济面维度**:包含增长方向、增长强度、通胀方向、通胀强度4个子因子[21][26] 3. **估值面维度**:包含席勒ERP、PB、AIAE 3个子因子[30][34][37] 4. **资金面维度**:包含内资(两融增量、成交额趋势)、外资(CDS利差、风险厌恶指数)4个子因子[39][45][47] 5. **技术面维度**:包含价格趋势、新高新低数2个子因子[49][51] 6. **拥挤度维度**:包含期权隐含升贴水、VIX、SKEW、可转债定价偏离度4个子因子[55][56][59][61] - **模型评价**:多维指标综合反映市场状态,但需注意不同维度信号可能冲突[1][6] 量化因子与构建方式 流动性维度 1. **因子名称**:货币方向因子 - **构建思路**:通过货币政策利率与短端市场利率变化判断政策方向[12] - **具体构建**:计算央行货币政策工具利率与短端利率90天前平均变化方向,>0为宽松(分数1),<0为收紧(分数-1)[12] 2. **因子名称**:货币强度因子 - **构建思路**:基于利率走廊概念衡量短端利率偏离政策利率程度[15] - **具体构建**: $$偏离度 = \frac{DR007}{7天逆回购利率}-1$$ 平滑后zscore,<-1.5σ为宽松(1分),>1.5σ为紧缩(-1分)[15] 3. **因子名称**:信用方向因子 - **构建思路**:通过中长期贷款同比变化判断信用环境[18] - **具体构建**:计算中长期贷款过去12个月增量同比,较3个月前上升为1分,下降为-1分[18] 4. **因子名称**:信用强度因子 - **构建思路**:捕捉信贷数据超预期程度[20] - **具体构建**: $$信用强度因子 = \frac{新增人民币贷款 - 预期中位数}{预期标准差}$$ >1.5σ为1分,<-1.5σ为-1分[20] 经济面维度 5. **因子名称**:增长方向因子 - **构建思路**:基于PMI同比变化判断经济趋势[21] - **具体构建**:计算PMI过去12月均值同比,较3个月前上升为1分,下降为-1分[21] 6. **因子名称**:增长强度因子 - **构建思路**:衡量PMI超预期幅度[25] - **具体构建**: $$增长强度因子 = \frac{PMI - 预期中位数}{预期标准差}$$ >1.5σ为1分,<-1.5σ为-1分[25] 7. **因子名称**:通胀方向因子 - **构建思路**:结合CPI与PPI判断通胀趋势[26] - **具体构建**: $$通胀方向因子 = 0.5 \times CPI平滑值 + 0.5 \times PPI原始值$$ 较3个月前下降为1分,上升为-1分[26] 8. **因子名称**:通胀强度因子 - **构建思路**:捕捉通胀数据超预期程度[29] - **具体构建**:计算CPI与PPI预期差均值,<-1.5σ为1分,>1.5σ为-1分[29] 估值面维度 9. **因子名称**:席勒ERP - **构建思路**:基于周期调整盈利衡量权益性价比[30] - **具体构建**: $$席勒ERP = \frac{1}{席勒PE} - 10年期国债收益率$$ 计算3年zscore并截尾标准化至±1[30] 10. **因子名称**:PB因子 - **构建思路**:传统估值指标逆向处理[34] - **具体构建**:PB×(-1)后计算3年zscore,1.5σ截尾标准化[34] 11. **因子名称**:AIAE因子 - **构建思路**:衡量全市场风险偏好[37] - **具体构建**: $$AIAE = \frac{中证全指流通市值}{中证全指流通市值 + 实体总债务}$$ 逆向处理后计算3年zscore[37] 资金面维度 12. **因子名称**:两融增量因子 - **构建思路**:跟踪杠杆资金变化[39] - **具体构建**:融资余额-融券余额的120日均增量>240日均量为1分,反之为-1分[39] 13. **因子名称**:中国主权CDS利差因子 - **构建思路**:反映外资对中国信用风险定价[45] - **具体构建**:20日差分<0为1分(利差下降),反之为-1分[45] 技术面维度 14. **因子名称**:价格趋势因子 - **构建思路**:均线系统判断趋势强度[49] - **具体构建**: $$均线距离 = \frac{ma120}{ma240}-1$$ 方向与强度分数均值,范围±1[49] 拥挤度维度 15. **因子名称**:期权VIX因子 - **构建思路**:波动率情绪反转信号[56] - **具体构建**:50ETF近5日收益率<0且分位数>70%为1分,>0且>70%为-1分[56] 模型回测效果 1. **择时雷达六面图**: - 综合打分:0.33分(看多)[1] - 流动性得分:0.00(中性)[8] - 经济面得分:0.75(看多)[8] - 估值面得分:0.26(中性偏多)[8] - 资金面得分:0.25(中性偏多)[8] - 技术面得分:-0.25(中性偏空)[8] - 拥挤度得分:0.75(看多)[8] 因子回测效果 (注:当前报告未提供历史回测指标,仅展示最新信号状态) 1. **货币方向因子**:1分(看多)[12] 2. **货币强度因子**:-1分(看空)[16] 3. **信用方向因子**:-1分(看空)[18] 4. **增长方向因子**:1分(看多)[21] 5. **通胀强度因子**:1分(看多)[29] 6. **AIAE因子**:-0.11分(中性)[37] 7. **中国主权CDS利差因子**:1分(看多)[45] 8. **价格趋势因子**:0.5分(看多)[49] 9. **期权VIX因子**:1分(看多)[56]
量化周报:市场可逢低布局-20250511
国盛证券· 2025-05-11 19:57
根据提供的量化周报内容,以下是总结的量化模型和因子相关内容: 量化模型与构建方式 1. **模型名称:A股景气指数** - 模型构建思路:以上证指数归母净利润同比为Nowcasting目标构建高频指数,用于观测A股景气度变化[48] - 模型具体构建过程:通过历史下行周期持续天数与幅度对比,判断当前景气底部区域(2023年四季度为底部区间),指数呈现震荡上行趋势[48][51] - 模型评价:有效捕捉景气周期拐点,当前指数值为21.09(较2023年底上升15.66)[51] 2. **模型名称:A股情绪指数** - 模型构建思路:基于波动率与成交额变化方向划分四个象限,构造见底预警与见顶预警信号[52] - 模型具体构建过程: - 波动率上行+成交额下行区间为显著负收益 - 其他象限为显著正收益 当前信号:波动率上行(见底信号空)+成交额下行(见顶信号空),综合信号为"空"[55][59] 3. **模型名称:中证500/沪深300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[65][71] - 模型具体构建过程: - 中证500增强组合持仓包含长江证券(4.39%)、甘李药业(3.41%)等50只个股[66] - 沪深300增强组合持仓包含中远海控(8.23%)、贵州茅台(5.16%)等30只个股[74] 量化因子与构建方式 1. **因子名称:BARRA十大风格因子** - 因子构建思路:参照BARRA模型构建市值、Beta、动量等十大类风格因子[75] - 因子具体构建过程: - 包含市值(SIZE)、BETA、动量(MOM)、残差波动率(RESVOL)、非线性市值(NLSIZE)、估值(BTOP)、流动性(LIQUIDITY)、盈利(EARNINGS_YIELD)、成长(GROWTH)、杠杆(LVRG)[75] - 因子评价:近期Beta因子超额收益显著,市值因子呈负向收益[76] 2. **因子名称:行业因子** - 因子构建思路:通过行业相对市场市值加权组合计算超额收益[76] - 因子具体构建过程: - 国防军工、通信行业因子本周超额收益较高 - 消费者服务、商贸零售行业因子回撤明显[76] 模型的回测效果 1. **中证500增强组合** - 本周收益率1.58%,跑输基准0.02% - 2020年至今超额收益41.04%,最大回撤-4.99%[65] 2. **沪深300增强组合** - 本周收益率2.64%,跑赢基准0.64% - 2020年至今超额收益25.18%,最大回撤-5.86%[71] 因子的回测效果 1. **风格因子** - Beta因子:本周超额收益最高 - 市值因子:显著负向超额收益[76] - 动量因子:近期表现优异[76] 2. **行业因子** - 国防军工、通信:正向超额收益 - 消费者服务、商贸零售:负向超额收益[76] 注:报告中未提供因子构建的详细数学公式。情绪指数和景气指数的具体计算方法需参考关联研究报告《视角透析》系列[52][48]
量化市场追踪周报:证监会印发《推动公募基金高质量发展行动方案-20250511
信达证券· 2025-05-11 18:30
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. **信达金工行业轮动策略** - 构建思路:基于绩优基金持仓倾向的边际变化构建行业轮动信号,捕捉资金流向变化[37] - 构建过程: 1. 筛选绩优基金样本(成立期满两个季度、规模>5000万元、仓位>60%)[23] 2. 计算行业超配比例:$$超配比例 = \frac{基金行业持仓市值}{基金总市值} - \frac{行业流通市值}{全市场流通市值}$$ 3. 生成轮动信号:每周跟踪超配比例变化,排名前5的行业作为多头组合[41] - 模型评价:结合主动资金动向与基本面,对机构重仓行业具有较强解释力[37] 2. **公募基金仓位测算模型** - 构建思路:通过持股市值加权计算主动权益基金的整体仓位水平[23] - 构建过程: 1. 数据清洗:剔除QDII基金及非A股投资标的[24] 2. 加权计算:$$仓位 = \frac{\sum(样本基金持股市值 \times 仓位)}{\sum样本基金持股市值}$$ 3. 风格分解:按大盘/中盘/小盘、成长/价值六类风格划分仓位[29] - 模型评价:高频跟踪公募调仓行为,但对冲基金等非公开数据覆盖不足[23] 模型的回测效果 1. 信达金工行业轮动策略: - 2020年以来多头组合年化超额收益15.8%[39] - 最大回撤22.3%,信息比率(IR)1.72[39] 2. 公募仓位测算模型: - 主动权益基金平均仓位86.84%(2025/5/9)[22] - 风格仓位标准差4.2pct,行业仓位标准差1.8pct[29][33] 量化因子与构建方式 1. **绩优基金超配因子** - 构建思路:捕捉绩优基金相对基准的行业配置差异[37] - 构建过程: 1. 计算行业主动配置比例:$$主动配置 = \frac{基金行业持仓}{基金总资产} - 基准指数行业权重$$ 2. 标准化处理:按中信一级行业分组Z-score标准化[34] - 因子评价:对后续3个月行业收益具有显著预测能力[41] 2. **资金流因子** - 构建思路:划分主力/中小单资金流向,监测市场情绪[59] - 构建过程: 1. 按成交量划分资金类型(特大单>20万股/100万元,小单<1万股/5万元)[59] 2. 计算净流入:$$净流入 = \sum(主动买入金额) - \sum(主动卖出金额)$$ 3. 行业层面聚合计算[65] 因子的回测效果 1. 绩优基金超配因子: - 多头组合年化alpha 6.4%,IC均值0.21[39] - 国防军工、通信等行业RankIC达0.35[41] 2. 资金流因子: - 主力资金周净流入TOP5行业后续5日胜率62%[65] - 银行板块特大单净流入45.58亿元(2025W18)[67] 关键指标对比 | 模型/因子 | 年化收益 | 最大回撤 | 信息比率(IR) | 样本覆盖率 | |----------------|---------|---------|------------|-----------| | 行业轮动策略 | 15.8% | 22.3% | 1.72 | 85%[39] | | 绩优基金超配因子| 6.4% | 18.7% | 0.89 | 100%[41] | | 主力资金流因子 | 9.2% | 25.1% | 1.03 | 76%[65] |
东方因子周报:Liquidity风格登顶,单季ROE因子表现出色-20250511
东方证券· 2025-05-11 18:16
量化模型与构建方式 1. **模型名称**:东方A股因子风险模型(DFQ-2020) - **模型构建思路**:基于风格类风险因子构建多因子模型,用于解释股票收益的风险来源[14] - **模型具体构建过程**: - 包含10类风格因子(如Size、Beta、Trend等),每类因子由多个子因子合成[14] - 因子计算示例: - **Size因子**:总市值对数 - **Beta因子**:贝叶斯压缩后的市场Beta - **Trend因子**:通过指数加权移动平均比率计算,如 $$Trend\_120 = \frac{EWMA(halflife=20)}{EWMA(halflife=120)}$$ - **Volatility因子**:包含5个子因子,如过去243天的标准波动率、FF3特质波动率等[14] - **模型评价**:覆盖市场主要风险维度,因子定义清晰且具有经济逻辑 2. **MFE组合构建模型** - **构建思路**:通过组合优化最大化单因子暴露,同时控制行业、风格等约束[54] - **具体构建过程**: - 目标函数:最大化因子暴露 $$max\ f^{T}w$$ - 约束条件包括: - 风格暴露限制 $$s_{l}\leq X(w-w_{b})\leq s_{h}$$ - 行业偏离限制 $$h_{l}\leq H(w-w_{b})\leq h_{h}$$ - 换手率约束 $$\Sigma|w-w_{0}|\leq to_{h}$$[54] - **模型评价**:更贴近实际投资约束,能有效检验因子在复杂条件下的表现 --- 量化因子与构建方式 1. **因子名称**:单季ROE - **构建思路**:反映公司当期净资产收益率,属于盈利类因子[19] - **具体构建**: $$Quart\_ROE = \frac{单季净利润*2}{期初净资产+期末净资产}$$[19] 2. **因子名称**:一个月反转 - **构建思路**:捕捉短期价格反转效应[19] - **具体构建**:过去20个交易日涨跌幅的相反数 3. **因子名称**:标准化预期外盈利(SUE) - **构建思路**:衡量盈利超预期程度[19] - **具体构建**: $$SUE = \frac{单季实际净利-预期净利}{预期净利标准差}$$ 4. **因子名称**:特异度(IVR_1M) - **构建思路**:反映个股收益脱离市场共同因素的程度[19] - **具体构建**: $$IVR\_1M = 1 - R^2_{FF3}$$(Fama-French三因子回归拟合度) --- 模型回测效果 1. **DFQ-2020风格因子表现**(中证全指样本) - Liquidity因子:近一周收益5.44%,近一年年化33.79%[11] - Size因子:近一周收益-5.96%,历史年化-29.56%[11] 2. **MFE组合模型** - 沪深300增强产品:近一周超额收益中位数-0.07%,最高0.47%[47] - 中证1000增强产品:今年以来超额收益中位数3.28%,最高9.18%[53] --- 因子回测效果 1. **沪深300样本空间** - 预期PEG因子:近一周收益0.88%,近一年年化2.96%[22] - 单季ROE因子:近一周收益0.86%,历史年化4.25%[22] 2. **中证1000样本空间** - 一个月反转因子:近一周收益1.03%,近一年年化-10.62%[32] - 特异度因子:近一周收益0.76%,历史年化4.98%[32] 3. **创业板指样本空间** - 标准化预期外盈利:近一周收益16.09%,近一年年化32.15%[39] - 3个月盈利上下调:近一周收益-3.87%,历史年化-12.03%[39] --- 附录:MFE组合构建细节 - **优化变量**:$w$为股票权重向量,$w_b$为基准权重[54] - **行业约束**:$B_b$为成分股0-1矩阵,限制成分股权重占比[57] - **换仓频率**:月末调仓,双边交易成本0.3%[58]
量化择时周报:重大事件落地前维持中性仓位-20250511
天风证券· 2025-05-11 18:15
量化模型与构建方式 1. 模型名称:择时体系模型 - 模型构建思路:通过比较wind全A指数的长期均线(120日)和短期均线(20日)的距离来判断市场整体环境[2][9] - 模型具体构建过程:计算20日均线与120日均线的差值,公式为: $$\text{均线距离} = \frac{\text{20日均线值} - \text{120日均线值}}{\text{120日均线值}} \times 100\%$$ 当距离绝对值小于3%时,市场定义为震荡格局[2][9] 2. 模型名称:仓位管理模型 - 模型构建思路:结合wind全A指数的估值水平(PE、PB分位数)和短期趋势判断,给出仓位建议[3][10] - 模型具体构建过程: - PE分位数位于50%附近为中等水平,PB分位数位于10%附近为较低水平[3][10] - 根据估值与趋势综合判断,当前建议仓位为60%[3][10] 3. 模型名称:TWO BETA模型 - 模型构建思路:通过行业Beta分析推荐科技板块[2][8] - 模型具体构建过程:未披露具体计算过程,输出结果为推荐信创、通信/固态电池等科技子行业[2][8] 4. 模型名称:行业配置模型 - 模型构建思路:中期角度推荐困境反转型板块[2][8] - 模型具体构建过程:未披露具体因子,输出结果为推荐恒生医疗、轻工/家电等出口链行业[2][8] 模型的回测效果 1. 择时体系模型:最新均线距离为-2.80%,市场判定为震荡格局[2][9] 2. 仓位管理模型:当前建议仓位60%,基于PE分位数50%、PB分位数10%[3][10] 量化因子与构建方式 1. 因子名称:均线距离因子 - 因子构建思路:通过20日与120日均线差值捕捉市场趋势变化[2][9] - 因子具体构建过程:同择时体系模型的均线距离公式[2][9] - 因子评价:对震荡市和趋势市有区分能力[2][9] 2. 因子名称:估值分位数因子 - 因子构建思路:利用PE/PB历史分位数判断估值高低[3][10] - 因子具体构建过程: - PE分位数计算周期:2014年10月17日至2025年5月9日[12] - PB分位数计算周期:同上[16] 因子的回测效果 1. 均线距离因子:最新值为-2.80%,触发震荡市阈值(<3%)[2][9] 2. 估值分位数因子: - PE分位数50%(中等水平)[3][10] - PB分位数10%(较低水平)[3][10]
量化择时周报:风格切换到成长后模型对红利指数的观点如何?-20250511
申万宏源证券· 2025-05-11 18:15
根据研报内容,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:市场情绪结构指标模型** - **模型构建思路**:通过多个细分指标综合评估市场情绪状态,包括资金活跃度、风险偏好、量价关系等维度[7] - **模型具体构建过程**: 1. 选取9项分项指标(行业间交易波动率、行业交易拥挤度、价量一致性等),每项指标按布林轨道位置打分(-1/0/1)[8] 2. 对分项分数等权求和,计算20日均线作为最终情绪指标: $$ \text{情绪指标} = \frac{1}{20}\sum_{i=1}^{9} \text{Score}_i $$ 3. 指标在[-6,6]区间波动,当前值1.5提示情绪修复[9] - **模型评价**:能有效捕捉市场情绪拐点,2024年10月成功预警情绪突破[8] 2. **模型名称:MASS均线排列打分模型** - **模型构建思路**:通过均线排列关系判断指数/行业趋势强弱[20] - **模型具体构建过程**: 1. 对N日均线(长期N=360,短期N=60)计算相邻均线排列得分: $$ \text{Score}_k = \begin{cases} 1 & \text{if MA}_k > \text{MA}_{k+1} \\ 0 & \text{otherwise} \end{cases} $$ 2. 标准化所有组合得分后求平均,形成趋势得分[20] 3. 通过100/20日均线交叉生成多空信号[20] 3. **模型名称:RSI风格择时模型** - **模型构建思路**:利用相对强弱指标判断风格轮动[24] - **模型具体构建过程**: 1. 计算风格指数净值比值的RSI: $$ \text{RSI} = 100 - \frac{100}{1+\frac{\text{Gain}}{\text{Loss}}} $$ 2. 比较20日/60日RSI,当20日RSI>60日RSI时判定分子端风格占优[24] 模型的回测效果 1. **市场情绪结构指标模型** - 当前指标值:1.5(偏多信号)[9] - 分项指标得分:价量一致性1分,主力买入力量1分[12] 2. **MASS均线排列模型** - 沪深300:短期得分33.9(多),长期得分74.37(多)[36] - 创业板指:短期得分33.9(多),长期得分66.57(多)[36] - 红利指数:短期得分47.46(空),长期得分48.75(空)[38] 3. **RSI风格择时模型** - 国证成长/价值:20日RSI 57.91 > 60日RSI 55.24(成长占优)[27] - 创业板指/沪深300:20日RSI 78.73 > 60日RSI 64.69(成长占优)[27] 量化因子与构建方式 1. **因子名称:价量一致性因子** - **因子构建思路**:衡量行业涨跌幅与成交额排序的匹配度[16] - **因子具体构建过程**: 1. 计算行业相对成交额排名与涨跌幅排名的Spearman相关系数[16] 2. 当前值处于布林上轨附近,提示资金观点一致[16] 2. **因子名称:科创50成交占比因子** - **因子构建思路**:反映资金风险偏好水平[14] - **因子具体构建过程**: $$ \text{成交占比} = \frac{\text{科创50成交额}}{\text{万得全A成交额}} $$ 当前边际下降但主力资金净流入修复[14] 因子的回测效果 1. **价量一致性因子** - 当前得分:1分(最高档)[12] - 显著行业:纺织服饰、国防军工、计算机等[16] 2. **科创50成交占比因子** - 当前得分:-1分[12] - 主力资金净流入:5月9日3.84亿元[14]
基金风格配置监控周报:权益基金本周下调大盘股票仓位-20250511
天风证券· 2025-05-11 15:43
量化模型与构建方式 1. **模型名称**:公募基金仓位估计模型 - **模型构建思路**:基于基金季报披露的前十大重仓股、上市公司十大股东信息及行业配置,结合历史非重仓股持仓比例,模拟补全基金全部股票持仓[8][9] - **模型具体构建过程**: 1. 从基金季报(T期)获取前十大重仓股及证监会行业配置比例[9] 2. 结合上市公司1/3季度十大股东信息,补充重仓股细节[9] 3. 假设非重仓股在行业内的持股种类不变,按T-1期(半年报/年报)非重仓股持仓比例放缩权重,生成T期模拟持仓[10] 4. 将持仓拆分为大、小盘组合,通过加权最小二乘法拟合基金日收益率与大小盘指数日收益率,估计每日仓位配置[12] - **模型评价**:解决了基金持仓披露滞后性问题,实现了日度仓位监控 2. **模型名称**:基金风格分析模型 - **模型构建思路**:基于模拟持仓数据,从市值暴露、行业配置等维度刻画基金风格[12] - **模型具体构建过程**: 1. 使用中信一级行业分类划分持仓股票[14] 2. 计算基金在大盘(沪深300成分)和小盘(非成分股)的仓位占比[11] 3. 统计行业配置权重及历史分位点[19][20] --- 模型的回测效果 1. **公募基金仓位估计模型** - 普通股票型基金仓位中位数:88.30%(周环比-1.15%)[14] - 偏股混合型基金仓位中位数:85.28%(周环比-1.80%)[14] - 大盘仓位变动:普通股票型-0.67%,偏股混合型-2.01%[15] - 小盘仓位变动:普通股票型-0.48%,偏股混合型+0.21%[15] 2. **基金风格分析模型** - 当前仓位历史分位点:普通股票型49.38%,偏股混合型52.69%[15] - 行业配置权重最高:电子(14.96%)、电力设备(9.29%)、医药(10.68%)[19] --- 量化因子与构建方式 1. **因子名称**:市值暴露因子 - **因子构建思路**:通过基金持仓在大、小盘组合的配置差异捕捉市值风格[11] - **因子具体构建过程**: $$ \text{市值暴露} = \frac{\text{小盘组合仓位}}{\text{小盘组合仓位} + \text{大盘组合仓位}} $$ 使用加权最小二乘法拟合基金日收益与大小盘指数收益计算[12] 2. **因子名称**:行业动量因子 - **因子构建思路**:跟踪基金行业配置周度变动方向[22] - **因子具体构建过程**: 1. 计算中信一级行业本周仓位变动比例[22] 2. 标准化变动值并排序(如机械行业本周增仓幅度最大)[23] --- 因子的回测效果 1. **市值暴露因子** - 普通股票型基金小盘仓位:46.9%,大盘仓位41.4%[14] - 偏股混合型基金小盘仓位:50.9%,大盘仓位34.3%[14] 2. **行业动量因子** - 本周增仓行业:机械(+0.5%)、基础化工(+0.3%)、计算机(+0.2%)[22] - 本周减仓行业:医药(-0.4%)、食品饮料(-0.3%)[22]
本期结构重于仓位,继续关注先进制造
国投证券· 2025-05-11 13:05
量化模型与构建方式 1 模型名称:全天候模型 模型构建思路:用于监测市场技术面风险并发出提示信号[8] 模型具体构建过程:未披露具体构建细节,但通过技术指标(如高开低走、阴线形态等)判断市场反弹阶段是否接近尾声[8] 2 模型名称:四轮驱动行业轮动模型 模型构建思路:通过多维度信号识别行业潜在机会[8][18] 模型具体构建过程: - 信号类型包括赚钱效应异动、强势上涨中继等[18] - 动态跟踪行业是否出局(如止损、顶肩形态出局)[18] - 结合拥挤度指标(0表示未拥挤)和Sharpe比率排序[18] 量化因子与构建方式 1 因子名称:军工行业相对性价比因子 因子构建思路:评估军工板块相对于市场的估值低位特征[9] 因子具体构建过程: $$ \text{相对性价比} = \frac{\text{军工指数收盘价}}{\text{Wind偏股混合型基金指数收盘价}} $$ 通过历史分位数判断当前比值处于10年底部[9] 2 因子名称:先进制造成交占比因子 因子构建思路:监测成交金额占比的企稳回升迹象[8] 因子具体构建过程:统计行业成交额占全市场比例,判断是否脱离低点但未进入过热区间[8] 模型的回测效果 1 全天候模型:成功捕捉到市场反弹尾声的技术面风险信号[8] 2 四轮驱动行业轮动模型:最新信号推荐通信、机械设备、国防军工等行业[18] 因子的回测效果 1 军工相对性价比因子:当前比值处于历史10%分位数以下[9] 2 先进制造成交占比因子:比例从两年低点回升且未超阈值[8]
可转债市场趋势定量跟踪:转债估值性价比提升,正股盈利预期强度与分歧双升
招商证券· 2025-05-09 22:45
量化模型与构建方式 1. **模型名称:转债CRR定价组合** - **模型构建思路**:通过CRR二叉树定价模型计算转债理论价值,筛选市场价格相对理论定价偏离度最大的转债进行配置,博弈定价误差回归收益[45] - **模型具体构建过程**: 1. **样本初筛**:剔除债项评级低于AA-、余额小于2亿元、正股ST历史、评级下调、大股东质押比例≥90%、10日无成交、强赎进度≥5日或跌破债底的转债[45] 2. **风格划分**:按平价分为债性(<90)、平衡(90-110)、股性(>110)三类[45] 3. **择券标准**:每类风格中选取CRR定价/市价比值最高的10只转债,共30只等权配置[45] 4. **再平衡**:月度调仓[45] - **模型评价**:长期年化收益显著高于市场基准,但需高频交易环境适配[44] 2. **模型名称:转债低估值动量组合** - **模型构建思路**:结合转股溢价率低位(估值因子)与正股短期动量(价量因子)的多因子策略[51] - **模型具体构建过程**: 1. **样本初筛**:同CRR组合的初筛条件[51] 2. **风格划分**:按平价分为债性、平衡、股性三类[51] 3. **因子合成**: - 估值因子:转债绝对定价及相对定价分位数 - 动量因子:正股短期价格趋势 4. **择券标准**:每类风格中综合打分最高的10只转债,共30只等权配置[51] 5. **再平衡**:月度调仓[51] - **模型评价**:风险调整后收益优于CRR组合,胜率更高[49] --- 量化因子与构建方式 1. **因子名称:定价偏离度因子** - **因子构建思路**:衡量转债市场价格与CRR理论定价的偏离程度,反映估值性价比[16] - **因子具体构建过程**: $$定价偏离度 = CRR定价 - 转债市价$$ 其中CRR定价通过二叉树模型计算,考虑内嵌条款、信用利差等因素[16] - **因子评价**:偏离度越高表明转债越低估,但需结合信用风险筛选[16] 2. **因子名称:短久期隐含预期因子** - **因子构建思路**:利用短久期转债的转股溢价率反推市场对正股的短期收益预期[37] - **因子具体构建过程**: 1. 筛选剩余期限最短的1/3转债 2. 以到期日倒数加权转股溢价率,构建隐含预期指数[37] 3. **因子名称:盈利预期分歧因子** - **因子构建思路**:通过分析师预测标准差度量盈利预期分歧度,反映市场观点分化[29] - **因子具体构建过程**: 1. 计算未来12个月营收/净利润预测标准差 2. 同比处理以消除周期影响[29] --- 模型的回测效果 1. **转债CRR定价组合** - 年化收益率:15.17% - 最大回撤:12.08% - 收益回撤比:1.26 - 月度胜率:61.36%[44] 2. **转债低估值动量组合** - 年化收益率:15.16% - 最大回撤:11.26% - 收益回撤比:1.35 - 月度胜率:64.77%[49] --- 因子的回测效果 1. **定价偏离度因子** - 全市场偏离度中位数:1.09元(偏低估) - 风格分项:债性1.23元、平衡0.29元、股性1.42元[18] 2. **短久期隐含预期因子** - 最新指数读数:52.07(中性区间)[37] 3. **盈利预期分歧因子** - 营收分歧同比:-0.15%(较上月+0.51%) - 利润分歧同比:-0.15%(较上月+1.48%)[29]
分红对期指的影响20250509
东方证券· 2025-05-09 22:45
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**:分红预测模型 - **模型构建思路**:基于上市公司分红公告、历史分红率及盈利预测数据,预测指数成分股分红对股指期货合约的影响[9][11][12] - **模型具体构建过程**: 1. **净利润预估**:优先采用年报、快报、预警及分析师预测数据,未公布数据则使用TTM或历史分红率推算[26][27][31] 2. **分红总额计算**: - 已公布预案的公司直接采用税前分红总额 - 未公布预案的公司按历史分红率推算:$$\text{预估分红总额} = \text{预估净利润} \times \text{历史分红率}$$[31] 3. **指数影响计算**: - 股息率 = 税后分红总额 / 最新市值 - 股息点 = 股票权重 × 股息率,权重通过动态调整公式计算: $$\mathrm{w_{it}={\frac{w_{i0}\times\mathrm{\scriptsize{\boldmath~(~1+R~)}~}}{\sum_{1}^{n}w_{i0}\times\mathrm{\scriptsize{\boldmath~(~1+R~)}~}}}}$$[29] 4. **合约影响值预测**:根据除权除息日历史规律,叠加分红时间分布计算各合约交割前的累计影响[30][32][33] - **模型评价**:依赖历史分红率和盈利预测假设,对市场环境变化敏感[6][35] 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,考虑分红现值和无风险利率对期货定价的影响[35][36] - **模型具体构建过程**: - **离散红利模型**: $$\mathbf{F_t} = (\mathbf{S_t} - \mathbf{D})(1 + r)$$ 其中,$\mathbf{D}$为红利现值,$r$为无风险利率[35] - **连续红利模型**: $$\mathbf{F_t} = \mathbf{S_t} e^{(r-d)(T-t)}$$ 其中,$d$为年化红利率[36] --- 模型的回测效果 1. **分红预测模型** - **上证50期货**: - IH2505合约:分红点数0.27,年化对冲成本0.27%(365天)[13] - IH2509合约:含分红价差7.91,剩余影响2.23%[13] - **沪深300期货**: - IF2505合约:分红点数0.74,年化对冲成本7.07%[14] - IF2512合约:含分红价差-69.86,剩余影响1.81%[14] - **中证500期货**: - IC2505合约:分红点数2.21,年化对冲成本15.59%[15] - **中证1000期货**: - IM2505合约:分红点数3.86,年化对冲成本18.88%[16] 2. **股指期货定价模型** - 理论价差与实际价差对比显示,IH2506合约含分红价差0.16,接近无套利均衡[13] --- 关键因子与构建方式 1. **因子名称**:分红点数因子 - **因子构建思路**:反映分红对期货合约价格的直接影响[12][13][14] - **因子具体构建过程**: - 单合约分红点数 = 各成分股分红点数的交割前累计和[33] 2. **因子名称**:年化对冲成本因子 - **因子构建思路**:衡量剔除分红后的持有成本[12][13][14] - **因子具体构建过程**: - 年化对冲成本 = (实际价差 - 分红点数) / 合约价格 × 年化天数[13][14] --- 因子的回测效果 1. **分红点数因子**: - IH2509合约:59.91点[13] - IC2512合约:75.31点[15] 2. **年化对冲成本因子**: - IF2506合约:3.05%(365天)[14] - IM2509合约:11.84%(365天)[16] --- 以上内容严格依据研报中的模型、因子及测试结果整理,未包含免责声明等无关信息。