VIX指数计算调整 - VIX指数的计算新纳入三大风险事件：美联储FOMC会议、非农数据及关税截止日 [1]

VIX指数计算 - VIX指数的计算纳入三大风险事件：美联储FOMC会议、非农数据及关税截止日 [1]

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. **A股综合兵器V3模型** - 构建思路：多周期多策略耦合模型，结合防御型与进攻型信号实现攻守兼备[9][14] - 具体构建：整合短期（价量/低波）、中期（涨跌停/月历效应）、长期（动量）三类周期共8个子模型信号，通过加权耦合生成综合信号[9][11][12][13] - 评价：强调"大道至简"原则，历史回测显示攻守能力均衡[9] 2. **成交量模型（短期）** - 构建过程：基于宽基指数量价关系构建，当成交量突破阈值且价格同步突破时触发看多信号[11] - 测试结果：本周对上证指数、沪深300、中证500等宽基发出看多信号[11] 3. **低波动率模型（短期）** - 构建过程：计算指数滚动20日波动率，低于历史25%分位数时触发防御信号[11] - 测试结果：当前对全市场宽基指数保持中性[11] 4. **智能算法模型（短期）** - 子模型： - 沪深300智能模型：结合机器学习对300成分股量价特征分类，本周看多[11] - 中证500智能模型：同方法构建，本周中性[11] 5. **特征模型** - 龙虎榜机构模型：监控机构席位净买入比例，本周看空[11] - 成交量特征模型：监测异常放量个股分布，本周中性[11] 6. **港股成交额倒波幅模型（中期）** - 构建公式： $$ Signal = \frac{Turnover_{t}}{HV_{20}} $$ 其中HV为20日历史波动率，突破阈值时看多[15] - 测试结果：持续看多恒生指数[15] 形态学因子 1. **杯柄形态因子** - 构建过程： 1) 识别A点（前期高点）、B点（回调低点）、C点（二次突破点）[38] 2) 要求BC段成交量较AB段萎缩30%以上[38] - 评价：适用于趋势延续性选股[38] - 本周表现：组合跑赢基准0.65%，年内超额44.13%[38] 2. **双底形态因子** - 构建规则： 1) 两个低点（B1/B2）间隔不少于4周[45] 2) 突破颈线位时需放量150%[45] - 本周表现：组合超额-2.2%，年内超额32.58%[45] 回测效果指标 | 模型/因子 | 年化收益 | 最大回撤 | IR | 胜率 | |-------------------|----------|----------|-------|-------| | A股综合兵器V3模型 | 18.7% | 22.3% | 1.85 | 68.2% | | 杯柄形态组合 | 44.1% | 31.5% | 2.11 | 63.8% | | 双底形态组合 | 32.6% | 28.9% | 1.67 | 59.4% | 注：所有指标均为2020/12/31至2025/07/04回测数据[38][45]

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的分红点位[9] - **模型具体构建过程**： 1. 对标的指数（中证500、沪深300、上证50、中证1000）未来一年内成分股分红进行预估 2. 按合约存续期分段计算分红点位（如IC2507存续期内分红预估为9.0点）[9] 3. 计算公式： $$ \text{分红调整基差} = \text{实际基差} + \text{存续期内未实现预期分红} $$ $$ \text{年化基差} = \frac{\text{实际基差} + \text{预期分红点位}}{\text{指数价格}} \times \frac{360}{\text{合约剩余天数}} $$[20] - **模型评价**：有效分离分红对基差的影响，提升对冲策略精度 2. **模型名称：期现对冲策略（连续对冲/最低贴水）** - **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[44][46] - **模型具体构建过程**： - **连续对冲策略**： 1. 持有季月/当月合约至到期前2日平仓 2. 滚动卖空下一合约，占用30%资金[45] - **最低贴水策略**： 1. 每日计算所有可交易合约的年化基差 2. 选择贴水幅度最小的合约开仓，持有8个交易日或到期前2日调仓[46] 模型的回测效果 | 模型类型 | 年化收益 | 波动率 | 最大回撤 | 净值 | 年换手次数 | 2025年收益 | |------------------------|----------|--------|----------|--------|------------|------------| | **IC当月连续对冲** | -2.73% | 3.88% | -8.15% | 0.9221 | 12 | -3.24% | | **IC季月连续对冲** | -1.93% | 4.77% | -8.34% | 0.9446 | 4 | -0.94% | | **IC最低贴水策略** | -0.95% | 4.68% | -7.97% | 0.9725 | 17.40 | -0.63% | | **IF最低贴水策略** | 1.37% | 3.15% | -4.06% | 1.0406 | 15.36 | 0.70% | | **IH季月连续对冲** | 2.04% | 3.56% | -3.75% | 1.0609 | 4 | 1.15% | | **IM最低贴水策略** | -3.76% | 5.60% | -11.11% | 0.9009 | 15.96 | -3.47% |[48][53][57][59] 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[62] - **因子具体构建过程**： 1. 基于不同期限期权合约隐含波动率计算 2. 编制30日/60日/90日/120日期限结构[62] - **因子评价**：专业投资者情绪的高效指标，预警市场风险 2. **因子名称：Cinda-SKEW偏斜指数** - **因子构建思路**：捕捉期权隐含波动率的偏斜特征，衡量尾部风险预期[70] - **因子具体构建过程**： 1. 分析虚值看涨/看跌期权波动率差异 2. 当SKEW>100时提示极端下跌风险[71] 因子的回测效果 | 因子类型 | 2025年7月4日取值 | 历史分位阈值 | |-------------------|------------------|--------------------| | **上证50VIX_30** | 17.29 | 30%分位低位区间 | | **沪深300SKEW** | 101.40 | 突破70%分位警戒线 | | **中证1000SKEW** | 102.73 | 反映尾部风险增强 |[62][71][76]

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**：成交量模型 - **构建思路**：基于市场成交量变化判断短期市场趋势[10] - **具体构建**：监测宽基指数成交量周度变化，结合历史分位数划分中性/多空信号[10] - **评价**：对流动性敏感但易受噪声干扰 2. **模型名称**：低波动率模型 - **构建思路**：利用波动率均值回归特性捕捉市场反转[10] - **具体构建**：计算指数20日波动率Z-score，阈值±1.5触发信号[10] 3. **模型名称**：特征龙虎榜机构模型 - **构建思路**：跟踪机构席位买卖净额判断资金动向[10] - **具体构建**：统计龙虎榜机构净买入占比，超5%看多、低-3%看空[10] 4. **模型名称**：智能沪深300/中证500模型 - **构建思路**：融合量价与技术指标的多因子决策树模型[10] - **具体构建**：输入变量包括RSI(14)、MACD(12,26)、布林带宽度，采用随机森林分类[10] 5. **模型名称**：涨跌停模型 - **构建思路**：通过涨停板数量反映市场情绪[11] - **具体构建**：全市场涨停家数占比超8%看多，跌停超5%看空[11] 6. **模型名称**：长期动量模型 - **构建思路**：跟踪指数250日收益率判断趋势延续性[12] - **具体构建**：$$ Momentum_{250} = \frac{P_t}{P_{t-250}} -1 $$ 超15%看多[12] 7. **模型名称**：成交额倒波幅模型（港股） - **构建思路**：量价背离识别港股趋势转折[14] - **具体构建**：$$ \frac{Volume_{10D}}{ATR_{10D}} $$ 突破2倍标准差看多[14] 8. **模型名称**：形态识别模型（杯柄/双底） - **构建思路**：技术形态突破策略[37] - **具体构建**： - 杯柄形态：A点回撤>30%，B点反弹<50%，C点突破颈线[40] - 双底形态：两低点间隔>8周，突破颈线幅度>3%[43] 模型的回测效果 | 模型名称 | 年化收益 | 最大回撤 | IR | 胜率 | |------------------------|----------|----------|------|-------| | 成交量模型 | 12.3% | 22.1% | 0.82 | 58.7% | | 低波动率模型 | 9.8% | 18.5% | 0.65 | 61.2% | | 杯柄形态组合 | 39.98% | 15.2% | 1.21 | 67.4% | | 双底形态组合 | 28.21% | 19.8% | 0.97 | 63.1% | 量化因子与构建方式 1. **因子名称**：机构仓位因子 - **构建思路**：基金超配行业反映机构偏好[26] - **具体构建**：$$ OW_{it} = \frac{W_{it}}{MktCap_{it}} - \frac{\sum W_{it}}{\sum MktCap_{it}} $$ [26] 2. **因子名称**：分析师预期因子 - **构建思路**：盈利预测上调比例驱动超额收益[18] - **具体构建**：计算行业上调/下调评级个股占比差值[18] 因子的回测效果 | 因子名称 | IC均值 | IR | 多空收益差 | |------------------|--------|------|------------| | 机构仓位因子 | 0.15 | 2.1 | 8.7% | | 分析师预期因子 | 0.12 | 1.8 | 6.2% |

散户投资者资金轮换 - 散户投资者正将资金从"七大科技股"(苹果 微软 亚马逊 谷歌 Meta 英伟达 特斯拉)撤出 转向业绩良好但股价下跌的公司 [1] - 英伟达是散户抛售最多的股票 显示投资策略正在调整 [1] - 轮换受益者包括赛富时(CRMUS) Okta(OKTAUS) 迈威尔科技(MRVLUS)等表现不如科技巨头的股票 [1] 投资组合调整策略 - 散户会减持短期显著上涨的股票 转投价格较低的标的 类似投资组合经理的操作模式 [1] - 保持核心资产组合不变 同时根据市场状况和行业表现差异进行策略性调整 [1] 市场波动时期的投资行为 - 极端波动时期(VIX指数达60%) 客户从单只股票转向广泛标的的交易所交易基金 [2] - 单只股票与ETF比例从正常80:20调整为60:40 近期恢复至80:20 [2] 加密货币投资趋势 - 比特币是Robinhood平台近五年被购买次数最多的金融产品 [2] - 定期投资方式(固定金额+固定间隔)在平台年轻客户(平均年龄略高于30岁)中受欢迎 [2] - 成本平均购买策略在以年轻客户为主的平台中受青睐 [2]

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**：基于历史分红数据和指数成分股信息，预测股指期货合约存续期内标的指数的分红点位[9][11][16][18] - **模型具体构建过程**： 1. 收集标的指数（如中证500、沪深300等）成分股的历史分红数据 2. 根据合约存续期（次月、当季、下季）划分预测区间 3. 对每个区间内的预期分红点位进行加权汇总，公式为： $$ \text{分红点位} = \sum_{i=1}^{n} w_i \cdot d_i $$ 其中 \( w_i \) 为成分股权重，\( d_i \) 为预期分红金额[9][11][16][18] - **模型评价**：能够有效修正基差计算中的分红影响，提升对冲策略的准确性 2. **模型名称：期现对冲策略优化模型** - **模型构建思路**：通过动态调整期货合约选择规则（如连续持有或最低贴水），优化对冲组合的收益风险比[49][52][57][61] - **模型具体构建过程**： 1. **连续对冲策略**：持有季月/当月合约至到期前2日，滚动调仓[49] 2. **最低贴水策略**：每日计算所有可交易合约的年化基差，选择贴水幅度最小的合约，持有8个交易日或至到期前2日[49] 3. 现货端与期货端资金分配比例为70%:30%，净值动态再平衡[49] 3. **模型名称：信达波动率指数（Cinda-VIX）** - **模型构建思路**：基于期权市场价格反推标的资产未来波动率预期，反映市场情绪[65][69][71][73] - **模型具体构建过程**： 1. 选取不同期限（30/60/90/120日）的平值及虚值期权合约 2. 通过期权定价模型计算隐含波动率（IV），加权合成VIX值 3. 期限结构展示不同时间维度的波动率预期[65][69][71][73] 4. **模型名称：信达偏斜指数（Cinda-SKEW）** - **模型构建思路**：捕捉期权隐含波动率的偏斜特征，衡量市场对极端尾部风险的预期[74][75][77] - **模型具体构建过程**： 1. 计算不同行权价期权的IV偏斜度 2. 标准化处理得到SKEW值，阈值100为分界线（>100表示担忧下跌风险）[75][77] --- 量化因子与构建方式 1. **因子名称：分红调整年化基差因子** - **因子构建思路**：剔除分红影响后，衡量期货合约价格与标的指数的偏离程度[20][27][32][38][40] - **因子具体构建过程**： 1. 计算实际基差：$$ \text{基差} = \text{期货价格} - \text{指数价格} $$ 2. 叠加预期分红调整：$$ \text{调整后基差} = \text{基差} + \text{存续期内未实现分红} $$ 3. 年化处理：$$ \text{年化基差} = \frac{\text{调整后基差}}{\text{指数价格}} \times \frac{360}{\text{合约剩余天数}} $$[20] 2. **因子名称：波动率期限结构因子** - **因子构建思路**：通过不同期限VIX的比值（如近端/远端）反映市场波动预期变化[65][69][71][73] - **因子具体构建过程**： 1. 计算30日与120日VIX的比值：$$ \text{期限结构斜率} = \frac{\text{VIX}_{30}}{\text{VIX}_{120}} $$ 2. 比值>1表示近端波动预期更高（"近端陡峭化"）[4][65] --- 模型的回测效果 1. **IC对冲策略（2022/7/22-2025/5/16）** - 年化收益：最低贴水策略-0.66%，季月连续-1.66%，当月连续-2.45% - 波动率：最低贴水策略4.76%，季月连续4.85% - 最大回撤：最低贴水策略-7.97%，季月连续-8.34%[51] 2. **IF对冲策略（同区间）** - 年化收益：最低贴水策略1.59%，季月连续1.01% - 波动率：最低贴水策略3.21%，季月连续3.42% - 最大回撤：最低贴水策略-4.06%，季月连续-4.03%[56] 3. **Cinda-VIX指数（2025/5/16取值）** - 上证50VIX_30：19.24 - 中证1000VIX_30：26.89[65][73] --- 因子的回测效果 1. **分红调整年化基差因子（2025/5/16）** - IC当季合约：-10.17%（前值-9.05%） - IH当季合约：0.42%（前值1.25%）[20][27][32][38] 2. **SKEW因子（2025/5/16）** - 中证1000SKEW：107.96（反映尾部风险担忧） - 上证50SKEW：100.71（接近中性）[75][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：股指期货分红点位预测模型** - **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的分红点位[10] - **具体构建过程**： 1. 收集标的指数（中证500、沪深300等）成分股的历史分红数据 2. 根据上市公司公告和股息率预测未来一年分红点位 3. 按合约存续期划分分红实现时间区间 4. 计算公式： $$预期分红调整后的基差 = 实际基差 + 存续期内未实现的预期分红$$ $$年化基差 = \frac{(实际基差 + 预期分红点位)}{指数价格} \times \frac{360}{合约剩余天数}$$[20] - **模型评价**：有效修正基差计算中的分红干扰，提升对冲策略精度 2. **模型名称：期现对冲策略（连续对冲/最低贴水）** - **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] - **具体构建过程**： - **连续对冲**：持有季月/当月合约至到期前2日滚动换仓 - **最低贴水策略**：每日计算各合约年化基差，选择贴水幅度最小的合约持有8天 - 参数设置： - 现货端70%资金配置全收益指数 - 期货端30%资金等额对冲 - 排除剩余到期日不足8日的合约[47] 3. **模型名称：Cinda-VIX/SKEW指数** - **构建思路**：通过期权隐含波动率捕捉市场波动预期和尾部风险溢价[63][71] - **具体构建过程**： 1. 计算不同行权价期权的隐含波动率（IV） 2. VIX反映30/60/90/120日波动率预期 3. SKEW衡量波动率偏斜： $$SKEW > 100$$ 表示市场担忧极端下跌风险[72] 模型的回测效果 | 模型类型 | 年化收益 | 波动率 | 最大回撤 | 净值 | 年换手次数 | |--------------------|------------|--------|----------|----------|------------| | IC当月连续对冲 | -2.34% | 3.97% | -7.51% | 0.9371 | 12 | | IC季月连续对冲 | -1.82% | 4.88% | -8.34% | 0.9509 | 4 | | IC最低贴水策略 | -0.91% | 4.78% | -7.97% | 0.9753 | 17.87 | | IF最低贴水策略 | 1.57% | 3.23% | -4.06% | 1.0436 | 15.32 | | IH最低贴水策略 | 1.84% | 3.22% | -3.91% | 1.0514 | 16.78 | | IM最低贴水策略 | -3.54% | 5.34% | -11.11% | 0.9058 | 16.41 |[49][54][58][60] 量化因子与构建方式 1. **因子名称：年化基差因子** - **构建思路**：反映期货合约相对现货的溢价/折价水平，剔除分红影响[20] - **具体构建过程**： 1. 计算原始基差：合约收盘价 - 指数收盘价 2. 叠加存续期内预期分红点位 3. 年化处理： $$年化基差 = \frac{调整后基差}{指数价格} \times \frac{360}{剩余天数}$$ 2. **因子名称：VIX期限结构因子** - **构建思路**：不同期限波动率差异反映市场预期变化[63] - **具体构建过程**： 1. 分别计算30/60/90/120日VIX 2. 监控期限曲线斜率变化（如中证500VIX_30=29.03）[63][68] 3. **因子名称：SKEW尾部风险因子** - **构建思路**：量化市场对极端事件的担忧程度[71] - **具体构建过程**： 1. 计算虚值看跌/看涨期权IV偏斜 2. 标准化为指数形式（沪深300SKEW=104.47）[72] 因子的回测效果 | 因子类型 | 当前值（2025/4/25） | 历史分位 | |----------------|---------------------|------------| | 中证500年化基差 | -7.58% | 低于中位数 | | 沪深300VIX_30 | 19.66 | 50%分位 | | 中证500SKEW | 102.76 | 90%分位 |[21][27][63][72] 注：所有数据引用自原文标注的文档ID，未包含风险提示等非核心内容。

黄金与白银市场分析 核心观点 - 黄金市场从"大妈专属"转向"年轻人战场"，出现贷款、抵押房产等激进投资行为，金价2023年涨28%、2024年涨30% [5][7] - 白银作为黄金的"备胎"，存在滞后上涨特性，2024年4月启动行情后最高涨幅55%，较黄金2月启动的85%涨幅有明显时间差 [22][23] - 金银比（黄金/白银价格比）长期均值60，当前103处于极端高位，理论显示白银有20%以上补涨空间 [28][73][88] 市场动态 - 黄金牛市驱动因素：全球央行持续购金、货币信用下降、VIX恐慌指数波动（2020年达129历史峰值） [12][47][76] - 白银牛市特性：滞后黄金1-2个月启动，2020年涨幅仅26%远低于黄金50%，因工业属性主导缺乏货币价值支撑 [33][96][97] 价格机制 - 金银比规律：突破70预示白银低估需回归，2020年曾从129回落至60，当前103偏离均值区间（70-80） [29][36][86] - 套利机会：黄金突破2000美元/盎司后，白银在4月初跟进，两者涨幅差形成套利窗口 [22][24] 未来展望 - 短期：高盛预测2025年金价3700美元，对应白银理论价40美元（现价33美元），存在21%上涨空间 [91][87] - 长期风险：白银投机属性显著，1980年亨特兄弟操纵致价格飙至50美元后崩盘，需警惕历史重演 [101][104][106] 数据对比 - 周期差异：2018-2020年黄金涨50%而白银仅26%，金银比极端值129；2024年黄金涨85%白银55%，金银比103 [33][22] - 波动关联：VIX指数2024年4月单周涨118%至60，同期银价暴跌20%而金价仅跌6%，加剧金银比扭曲 [70][71]