量化模型与构建方式 1. **模型名称：期现对冲策略（连续对冲与最低贴水策略）**[39][40][41] * **模型构建思路**：基于股指期货的基差（期货价格与现货指数价格之差）进行套利或对冲。核心是利用期货合约到期时基差必然收敛的特性，通过做空期货来对冲现货多头风险，并试图从持续的负基差（贴水）中获取收益或降低对冲成本。[39] * **模型具体构建过程**： * **现货端**：持有对应标的指数（中证500、沪深300、上证50、中证1000）的全收益指数。[40][41] * **期货端**：做空对应标的的股指期货合约，名义本金与现货端市值相等。[40][41] * **资金分配**：现货端占用70%资金，期货端占用剩余30%资金作为保证金。[40][41] * **调仓与合约选择规则（分为两种策略）**： * **连续对冲策略**：分为“当月连续”和“季月连续”。持续持有当月或季月合约，直至该合约距离到期剩余不足2日，则在当日以收盘价平仓，并同时以收盘价卖空下一份当月或季月合约。[40] * **最低贴水策略**：调仓时，计算当日所有可交易期货合约的**年化基差**，选择年化基差贴水幅度最小（即负值最小，最接近零）的合约进行开仓。同一合约至少持有8个交易日，或在该合约距离到期剩余不足2日时进行调仓（排除剩余到期日不足8日的合约）。[41] * **回测设置**：回测区间为2022年7月22日至2026年4月17日，不考虑手续费、冲击成本及合约不可无限细分。[40][41] 2. **因子名称：分红调整年化基差**[16][17][18] * **因子构建思路**：由于股指期货价格已提前反映了合约存续期内指数成分股的预期分红，直接使用期货与指数的价差（实际基差）会因分红影响而产生偏差。该因子旨在剔除预期分红的影响，得到反映市场真实情绪和供需关系的“纯净”基差。[8][16] * **因子具体构建过程**： 1. 计算**预期分红调整后的基差**：在实际基差的基础上，加上合约存续期内尚未实现的预期分红点位。[17] $$预期分红调整后的基差 = 实际基差 + 存续期内未实现的预期分红$$ 2. 将调整后的基差进行**年化处理**，以方便不同期限合约之间的比较。[17][18] $$年化基差 = \frac{(实际基差 + (预期)分红点位)}{指数价格} \times \frac{360}{合约剩余天数}$$ * **参数说明**：“存续期内未实现的预期分红”基于历史数据对指数未来一年的分红点位进行预测得出。[9][18] 3. **因子名称：波动率指数 (VIX)**[56] * **因子构建思路**：借鉴海外成熟经验，结合国内场内期权市场实际情况编制，用于反映期权投资者对标的资产未来30日波动水平的预期。[56] * **因子具体构建过程**：报告未详细披露具体的VIX计算公式，但指出其编制方法在海外成熟模型基础上进行了适应性调整，旨在构建更贴合我国市场特征的波动率指数体系。[56] 4. **因子名称：偏度指数 (SKEW)**[60] * **因子构建思路**：通过刻画不同行权价格下期权隐含波动率（IV）的偏斜形态，来衡量市场对标的资产未来收益率分布（尤其是尾部风险）的预期。该指数有助于洞察市场对潜在极端风险的担忧程度。[60] * **因子具体构建过程**：报告未详细披露具体的SKEW计算公式，但说明了其经济含义：当市场担忧下行风险时，看跌期权需求上升，会推高SKEW指数。通常SKEW高于100表明市场对大幅回调的担忧加剧。[60] 模型的回测效果 （回测区间：2022年7月22日至2026年4月17日）[40][41] 1. **IC（中证500）期现对冲模型**[43] * **当月连续对冲模型**：年化收益-3.42%，波动率3.80%，最大回撤-12.24%，净值0.8789，年换手次数12。[43] * **季月连续对冲模型**：年化收益-2.75%，波动率4.87%，最大回撤-10.94%，净值0.9019，年换手次数4。[43] * **最低贴水策略模型**：年化收益-1.89%，波动率4.55%，最大回撤-9.15%，净值0.9317，年换手次数17.26。[43] 2. **IF（沪深300）期现对冲模型**[48] * **当月连续对冲模型**：年化收益0.17%，波动率2.82%，最大回撤-3.95%，净值1.0065，年换手次数12。[48] * **季月连续对冲模型**：年化收益0.58%，波动率3.22%，最大回撤-4.03%，净值1.0217，年换手次数4。[48] * **最低贴水策略模型**：年化收益1.07%，波动率2.97%，最大回撤-4.06%，净值1.0403，年换手次数15.37。[48] 3. **IH（上证50）期现对冲模型**[51] * **当月连续对冲模型**：年化收益0.95%，波动率2.86%，最大回撤-4.22%，净值1.0357，年换手次数12。[51] * **季月连续对冲模型**：年化收益1.97%，波动率3.27%，最大回撤-3.75%，净值1.0749，年换手次数4。[51] * **最低贴水策略模型**：年化收益1.61%，波动率2.92%，最大回撤-3.91%，净值1.0611，年换手次数14.83。[51] 4. **IM（中证1000）期现对冲模型**[53] * **当月连续对冲模型**：年化收益-6.26%，波动率4.29%，最大回撤-21.31%，净值0.7869，年换手次数12。[53] * **季月连续对冲模型**：年化收益-5.04%，波动率5.39%，最大回撤-18.06%，净值0.8255，年换手次数4。[53] * **最低贴水策略模型**：年化收益-3.99%，波动率5.11%，最大回撤-14.41%，净值0.8599，年换手次数15.10。[53] 因子的回测效果 （截至2026年4月17日的截面数据） 1. **分红调整年化基差因子**[19][24][29][34] * **IC当季合约**：当前值-4.20%，周内低点-6.85%，低于2022年初以来中位数。[19] * **IF当季合约**：当前值-3.70%，周内低点-5.02%，低于2022年初以来中位数。[24] * **IH当季合约**：当前值-1.20%，周内低点-1.82%，低于2022年初以来中位数。[29] * **IM当季合约**：当前值-8.55%，周内低点-11.90%，低于2022年初以来中位数。[34] 2. **波动率指数 (VIX) 因子**[56] * **上证50VIX_30**：当前值17.93，处于2024年以来32%的历史分位数。[56] * **沪深300VIX_30**：当前值18.67，处于2024年以来41%的历史分位数。[56] * **中证500VIX_30**：当前值32.70，处于2024年以来86%的历史分位数。[56] * **中证1000VIX_30**：当前值25.62，处于2024年以来36%的历史分位数。[56] 3. **偏度指数 (SKEW) 因子**[61] * **上证50SKEW**：当前值103.21，处于2024年以来90.2%的历史分位数。[61] * **沪深300SKEW**：当前值106.66，处于2024年以来90.9%的历史分位数。[61] * **中证500SKEW**：当前值105.66，处于2024年以来94.7%的历史分位数。[61] * **中证1000SKEW**：当前值108.85，处于2024年以来93.4%的历史分位数。[61]

核心观点 若中东战争烈度下降，报告建议从短期和中长期两个维度进行行业布局[3]。短期策略聚焦于捕捉“超跌反弹”机会、利用VIX指数回落后的市场情绪改善，以及配置红利资产以应对市场波动[3]。中长期策略则关注油价下行带来的成本受益行业，以及潜在的地缘冲突缓解后相关地区（如伊朗）进口需求复苏带来的行业机遇[3]。 短期视角 超跌反弹机会 - 市场底部的第一波反弹通常源于“超跌反弹”，其持续性往往为5周左右[6] - 从历史经验看，市场企稳前2个月的跌幅对未来行情的预见性最好[6] - 2026年3月3日以来，市场出现明显回调，有色金属（-26%）、国防军工（-21%）、钢铁（-19%）等行业回调较多[13] - 结合估值和成交额占比，报告认为一级行业中，有色金属、钢铁、建筑材料、传媒和基础化工后续超跌反弹的概率较大[10] - 二级行业中，小金属、贵金属、工业金属、地面兵装等后续超跌反弹的概率较大[10] VIX指数相关性 - 历次中东区域冲突后，VIX指数往往快速冲高，其回落后权益资产表现通常更好[14][18] - 在VIX指数达到高点前，周期板块和红利行业（如煤炭、钢铁、石油石化、交通运输、银行和公用事业）表现相对较好[20] - 在VIX指数达到高点后，TMT板块（如传媒、计算机和电子）和消费板块（如食品饮料和汽车）修复较快[23] 红利资产配置 - 自2025年12月中下旬以来，市场风险偏好已从高景气、高ROE板块转向防御类板块[26] - 全A股相对红利风格已经持续占优12个月，且红利指数相对全A的估值并不昂贵，自2024年年底开始下行，处于历史相对低位[29] - 从各行业PB、PE水平看，高股息行业的估值水平不在绝对高位[32] 中长期视角 油价下行受益行业 - 若战争冲突减缓导致油价下行，成本与油价正相关且股价与油价负相关的行业将明显受益[36] - 报告通过筛选油价涨跌幅与行业股价相关性小于0%，以及油价与营业成本占比相关性大于0%的行业，识别出以下受益行业[44][45]： - **基础化工**：塑料（油价vs股价绝对涨跌幅相关性-27%）、橡胶（-15%） - **钢铁**：特钢Ⅱ（-24%） - **有色金属**：金属新材料（-30%） - **交通运输**：航空机场（-23%） - **国防军工**：航空装备Ⅱ（-24%） - **汽车**：汽车零部件（-27%） - **轻工制造**：包装印刷（-23%）、家居用品（-18%）、文娱用品（-19%） - **电子**：元件（-13%） - **公用事业**：燃气Ⅱ（-29%） 需求改善潜力行业 - 以伊拉克战后重建为参考，伊拉克从2017年开始加速进口，汽车、电子行业受益最为明显[46] - 如果伊朗进口复苏，其对中国汽车、家电等产品的依赖度可能更高[51]

量化模型与构建方式 1. **模型名称：期现对冲策略（连续对冲与最低贴水策略）**[41] * **模型构建思路**：通过构建现货多头（持有标的指数）与期货空头（做空股指期货合约）的组合，利用股指期货基差（期货价格与现货指数价格的差值）的收敛特性来获取收益或进行风险管理[41]。 * **模型具体构建过程**： * **现货端**：持有对应标的指数（如中证500、沪深300等）的全收益指数[42][43]。 * **期货端**：做空对应标的的股指期货合约，名义本金与现货端相等[42][43]。 * **资金分配**：总资金的70%用于现货端，剩余30%作为期货保证金[42][43]。 * **调仓规则**（分为两种策略）： * **连续对冲策略**：连续持有当月或季月合约，直至该合约距离到期日不足2日时，在收盘价平仓并同时卖空下一份当月或季月合约[42]。 * **最低贴水策略**：调仓时，计算所有可交易期货合约的年化基差，选择年化基差贴水幅度最小的合约开仓。同一合约持有8个交易日后，或距离到期日不足2日时，才可重新选择新合约（排除剩余到期日不足8日的合约）[43]。 2. **因子名称：分红调整年化基差**[18][19] * **因子构建思路**：为了准确衡量股指期货合约的真实溢价或折价水平，需要剔除标的指数成分股在合约存续期内预期分红对期货价格的影响[18]。 * **因子具体构建过程**： 1. **预测分红点位**：基于指数成分股历史分红情况，预测未来一年内各标的指数的分红总点数[9]。例如，2026年4月3日预测中证500、沪深300、上证50、中证1000指数分红点位分别为83.85、72.11、51.65、63.46[9]。 2. **计算预期分红调整后的基差**：在期货实际基差的基础上，加上存续期内尚未实现的预期分红点数[19]。 $$预期分红调整后的基差 = 实际基差 + 存续期内未实现的预期分红$$[19] 3. **年化处理**：将调整后的基差转化为年化形式，便于不同期限合约间的比较[19]。 $$年化基差 = \frac{(实际基差 + (预期)分红点位)}{指数价格} \times \frac{360}{合约剩余天数}$$[20] 3. **因子名称：波动率指数 (VIX)**[59] * **因子构建思路**：借鉴成熟市场经验，结合国内期权市场实际，构建反映市场对未来30日标的资产波动率预期的指数[59]。 * **因子具体构建过程**：报告未详细描述具体计算公式，但指出其编制方法进行了适应性调整，旨在构建更贴合我国市场特征的波动率指数体系[59]。该指数基于期权价格计算，反映了期权投资者对标的资产未来波动水平的预期[59]。 4. **因子名称：偏度指数 (SKEW)**[63] * **因子构建思路**：通过衡量不同行权价格下期权隐含波动率（IV）的偏斜形态，来刻画市场对标的资产未来收益率分布（尤其是尾部风险）的预期[63]。 * **因子具体构建过程**：报告未给出具体计算公式，但阐述了其原理。当投资者担忧下行风险时，看跌期权需求上升，会推高虚值看跌期权的隐含波动率，导致波动率曲线向左倾斜（负偏），SKEW指数升高。该指数常被视为“黑天鹅指数”，用于反映市场对潜在极端下跌风险的担忧程度[63]。 模型的回测效果 *回测区间：2022年7月22日至2026年4月3日[42][43]* 1. **IC（中证500）期现对冲模型**[45] * **当月连续对冲策略**：年化收益-3.34%，波动率3.81%，最大回撤-12.10%，净值0.8828，年换手次数12次，2026年以来收益-0.19%[45]。 * **季月连续对冲策略**：年化收益-2.61%，波动率4.88%，最大回撤-10.94%，净值0.9076，年换手次数4次，2026年以来收益-0.13%[45]。 * **最低贴水策略**：年化收益-1.69%，波动率4.55%，最大回撤-8.56%，净值0.9392，年换手次数17.43次，2026年以来收益-0.23%[45]。 * **指数表现（基准）**：年化收益5.04%，波动率21.25%，最大回撤-31.46%，净值1.1980，2026年以来收益-1.52%[45]。 2. **IF（沪深300）期现对冲模型**[50] * **当月连续对冲策略**：年化收益0.20%，波动率2.83%，最大回撤-3.95%，净值1.0074，年换手次数12次，2026年以来收益-0.21%[50]。 * **季月连续对冲策略**：年化收益0.65%，波动率3.22%，最大回撤-4.03%，净值1.0241，年换手次数4次，2026年以来收益0.35%[50]。 * **最低贴水策略**：年化收益1.15%，波动率2.98%，最大回撤-4.06%，净值1.0429，年换手次数15.52次，2026年以来收益0.46%[50]。 * **指数表现（基准）**：年化收益1.28%，波动率16.81%，最大回撤-25.59%，净值1.0478，2026年以来收益-5.87%[50]。 3. **IH（上证50）期现对冲模型**[54] * **当月连续对冲策略**：年化收益0.99%，波动率2.88%，最大回撤-4.22%，净值1.0369，年换手次数12次，2026年以来收益0.04%[54]。 * **季月连续对冲策略**：年化收益2.01%，波动率3.28%，最大回撤-3.75%，净值1.0756，年换手次数4次，2026年以来收益0.65%[54]。 * **最低贴水策略**：年化收益1.65%，波动率2.93%，最大回撤-3.91%，净值1.0618，年换手次数14.98次，2026年以来收益0.54%[54]。 * **指数表现（基准）**：年化收益-0.17%，波动率15.86%，最大回撤-22.96%，净值0.9937，2026年以来收益-8.68%[54]。 4. **IM（中证1000）期现对冲模型**[56] * **当月连续对冲策略**：年化收益-6.18%，波动率4.30%，最大回撤-21.04%，净值0.7913，年换手次数12次，2026年以来收益-0.54%[56]。 * **季月连续对冲策略**：年化收益-4.95%，波动率5.40%，最大回撤-18.06%，净值0.8298，年换手次数4次，2026年以来收益-0.76%[56]。 * **最低贴水策略**：年化收益-3.90%，波动率5.12%，最大回撤-14.41%，净值0.8640，年换手次数15.25次，2026年以来收益0.05%[56]。 * **指数表现（基准）**：年化收益1.89%，波动率24.02%，最大回撤-41.60%，净值1.0714，2026年以来收益-2.80%[56]。 因子的回测效果 *截至2026年4月3日数据* 1. **分红调整年化基差因子**[21][26][31][36] * **IC当季合约**：当前值-7.81%，周内高点-7.49%，低于2022年初以来中位数[21]。 * **IF当季合约**：当前值-4.92%，周内高点-4.32%，低于2022年初以来中位数[26]。 * **IH当季合约**：当前值-1.57%，周内高点-0.69%，低于2022年初以来中位数[31]。 * **IM当季合约**：当前值-10.99%，周内低点-12.15%，低于2022年初以来中位数[36]。 2. **波动率指数 (VIX) 因子**[59] * **上证50VIX (30日)**：当前值21.27，在2024年以来的分位数为71%[59]。 * **沪深300VIX (30日)**：当前值20.98，在2024年以来的分位数为69%[59]。 * **中证500VIX (30日)**：当前值33.68，在2024年以来的分位数为90%[59]。 * **中证1000VIX (30日)**：当前值29.68，在2024年以来的分位数为73%[59]。 3. **偏度指数 (SKEW) 因子**[64] * **上证50SKEW**：当前值102.87，在2024年以来的分位数为87.6%[64]。 * **沪深300SKEW**：当前值105.17，在2024年以来的分位数为85.2%[64]。 * **中证500SKEW**：当前值104.75，在2024年以来的分位数为91.1%[64]。 * **中证1000SKEW**：当前值102.88，在2024年以来的分位数为56.1%[64]。

市场恐慌情绪与美股前景 - VIX指数未突破30，未出现真正的市场“出清信号”，表明市场恐慌情绪未全面爆发 [3][4] - 真正的市场底部往往伴随极度恐慌，VIX指数需飙升至40左右才被视为市场彻底出清和买入信号 [1][4] - 美股可能仍有下行空间，投资者在当前阶段应保持谨慎，不宜盲目抄底 [5] 美联储货币政策与通胀前景 - 美联储今年降息的理由正在瓦解，通胀居高不下是最大阻碍 [1][6] - 若大宗商品特别是能源价格保持当前水平，通胀率可能维持在3%以上，远超美联储2%的目标 [6] - 美联储主席鲍威尔表示，若看不到通胀进展就不会降息，市场定价甚至暗示加息概率略高于降息 [1][6] 黄金与大宗商品投资机会 - 当前是增持黄金和大宗商品的绝佳时机，黄金被认为处于牛市之中 [7] - 黄金价格在经历从2000美元飙升至近5500美元后出现回调，当前水平被视为非常好的买入机会 [7] - 大宗商品指数在跌破50日和100日均线后，预计200日均线将提供有力支撑 [7] 私募信贷市场风险 - 私募信贷市场因缺乏透明度，被类比为“西部狂野”，正成为市场巨大隐患 [10] - 近期一家极其受人尊敬的机构将其私募信贷基金估值在一天内下调了19%，表明资产质量出现严重问题 [10] - CCC级（垃圾级）银行贷款的信用利差已飙升至近1900个基点 [10] - 若私募信贷组合违约率达8%且回收率仅50%，投资者将面临4%的直接本金损失，远超其提供的额外利差补偿 [10]

文章核心观点 - 芝加哥期权交易所波动率指数是衡量市场未来30天波动率预期的关键情绪指标，其水平与市场风险偏好和流动性周期密切相关 [1][2] - 一套基于VIX指数的简单交易纪律在机构投资者中广泛流传：VIX低于17时做多高风险资产，升至20以上时降低仓位，突破40时被视为长期抄底信号 [2] - VIX指数的波动中枢正在发生结构性上移，从2017-2019年的10-15区间，到2020年后的15-20区间，再到今年初的18-24区间，这预示着市场风险偏好下降，牛市基础可能变得脆弱 [7][8][9] - VIX中枢上移通常伴随资金杠杆下降、行业轮动加速和闪崩风险上升，表明市场表面平静但内部结构已趋脆弱，需警惕流动性瞬间枯竭的风险 [11][12] - 大型机构更关注波动率而非单纯指数涨跌，指数创新高而VIX同步上升可能意味着上涨基础不牢，是资金在为潜在下跌做准备的风险信号 [15] VIX指数的性质与作用 - VIX指数本质上是市场对标普500指数未来30天波动率的预期，通过标普500期权的隐含波动率加权计算得出，是反映市场情绪和资金行为的“温度计” [2][4] - VIX指数并非单纯技术指标，而是由真金白银交易堆出的资金行为指标，直接反映市场参与者为对冲风险而购买期权“保险”的意愿和成本 [4] - 该指数与市场状态强相关：低于15时市场风险偏好极高，流动性充裕；20-30区间市场进入震荡期；突破40以上则通常对应历史性的市场底部和系统性恐慌时刻 [5] VIX中枢上移的现象与含义 - 2017年至2019年的“低波动时代”，VIX长期运行在10-15区间，甚至多次跌破10，对应全球流动性充裕的“安静牛市” [7] - 2020年疫情后市场结构变化，VIX大部分时间在15-20区间震荡，显示投资者即使在大牛市中也开始习惯性保留对冲 [7] - 今年初以来，VIX震荡区间上移至18-24附近，表明尽管市场指数上涨，但投资者仍在持续买入对冲期权，不愿裸露风险敞口，风险偏好显著下降 [8][9] - VIX中枢上移是一个关键变化，意味着市场上涨可能由更少资金推动，投资者不再相信这是低风险牛市，市场脆弱性无形中增加 [9][15] VIX中枢上移引发的市场结构变化 - 资金杠杆下降：波动率抬高导致风险价值模型显示的亏损概率增加，迫使机构强制降低仓位，市场买盘力量减弱，流动性变薄 [11] - 行业轮动加速：高波动环境下资金从高估值成长股转向能源、公用事业、高股息股票等防御性资产，市场风格由“进攻”转向“防守” [11] - 闪崩风险上升：高杠杆与高波动环境叠加，外部冲击可能被迅速放大，触发算法交易的连锁止损，导致流动性瞬间枯竭，类似2018年波动率飙升事件和2020年疫情崩盘 [11][12] 对投资者的启示 - 指数上涨并不等同于风险下降，当指数创新高而VIX同步上升时，往往意味着上涨基础不牢，是资金在悄悄购买保险的警示信号 [15] - 最危险的时刻可能是恐慌尚未爆发但保险已开始涨价的时候，此时市场表面平静但内部结构已趋脆弱 [15] - 当“恐慌指数”不再平静时，应对不确定性的策略包括降低杠杆、增加现金储备以及回归防御性资产 [15] - 在金融市场中，生存比盈利更重要，关注波动率变化有助于识别潜在风险 [16]

市场情绪与国债表现 - 美国早盘避险情绪冲击股市，推动短期和中期国债价格周四小幅上涨，长期国债价格基本持平 [1][4] - 市场避险情绪增强源于大宗商品抹去涨势以及VIX指数跃升，这加强了对短期国债的避险需求 [1][4] 关键国债收益率变动 - 2年期国债收益率日间走低约2个基点，报3.557% [1][5] - 5年期国债收益率日间走低约2个基点，报3.8123% [1][6] - 10年期国债收益率日间下跌不到2个基点，报4.2313% [1][7] - 30年期国债收益率报4.853% [2][8] 国债收益率曲线变化 - 2年期与10年期国债收益率利差（2s10s）走阔约1个基点，报67.228个基点 [1][2][8] - 5年期与30年期国债收益率利差（5s30s）走阔约2个基点，报103.888个基点 [1][3][9] 7年期国债标售结果 - 440亿美元7年期国债标售需求接近预期，中标收益率较发行前交易水平仅高0.4个基点，对市场影响甚微 [1][4] - 一级交易商获配比例为10.9%，高于近期平均水平10.2% [1][4] - 直接竞标人获配比例为22.2%，低于前六次平均水平28% [1][4] - 间接竞标人获配比例为66.9%，高于前六次平均水平61.8% [1][4]

VIX指数与市场风险 - VIX指数在2026年1月初一度跌至13.6，创下近五年新低，通常这被解读为市场风平浪静、投资者信心高涨[3] - 然而，现实情况是AI股估值极高、美债规模突破38万亿美元、财政赤字巨大以及美联储重启扩表，这些均构成潜在风险[5] - 大量机构通过做空波动率和高频交易超短期期权人为压制市场波动，使VIX从“恐慌指数”转变为“控盘指数”，风险被机械性隐藏而非消失[7] - 这种人为压制的平静极其脆弱，例如2024年12月VIX在历史低位时，曾在不到三小时内翻倍，毫无征兆[9] - 一旦技术阈值被突破，做市商将从市场“稳定器”瞬间转变为“放大器”，引发连锁反应[11] - 当前美股市场被形容为一根绷到极限的橡皮筋，表面光滑但内里随时可能崩断[12] 黄金价格飙升的驱动因素 - 黄金价格一路冲高至4533美元以上，与低位的VIX指数形成鲜明背离[1][12] - 黄金价格上涨反映的是对真实世界“资产负债表”的担忧，包括美国国债利息支出占财政收入比重已超20%、美联储资产负债表再度膨胀、关键经济数据延迟发布及就业数据偏差等系统性风险积聚的信号[14] - 黄金作为资产没有时间价值损耗，与看跌期权等对冲工具相比，持有黄金越久越安心，这吸引了全球央行、主权基金和散户在2025年以来抢购黄金ETF和实物金[16][18] - 桥水达利欧等市场参与者强调必须配置黄金，是基于对VIX失真本质的认知[18] - 黄金与VIX的背离实质上是“AI驱动、科技永续”的华尔街叙事与“债务不可持续、货币信用动摇”的现实警钟两种叙事之间的对决[20] 2026年金融市场潜在风险与展望 - 2026年表面看地缘冲突可能缓和，例如中美关系因美国中期选举需要而维稳，俄乌战争或进入尾声，中东暂无大战，但这不等于安全[20][22] - 真正的风险埋在金融系统内部，包括AI泡沫若破裂将使美股失去唯一支柱、美债收益率一旦失控可能引发全球长债市场连环爆雷，以及被压抑的波动性可能以更猛烈的方式释放[22] - 低VIX指数构成一种迷惑，当所有人都觉得“不会出事”时恰恰最危险，黄金的疯狂上涨被视为一场针对被掩盖风险的集体自救而非投机[24] - 在规则被改写、信号被扭曲的时代，黄金作为历史验证过的硬通货，被视为真正的价值锚点和保险[24][26] - 2026年被描述为可能不是风暴之年，但一定是觉醒之年，投资者需要认清风险被掩盖的真相[26]

量化模型与构建方式 1. 股指期货分红点位预测模型 * **模型名称**：股指期货合约存续期内分红预测模型[9] * **模型构建思路**：基于信达金工衍生品研究报告系列二《股指期货分红点位预测》中的方法，对股指期货标的指数未来一年及具体合约存续期内的分红点位进行预测[9]。 * **模型具体构建过程**：报告未详细描述该模型的构建过程，但指出其方法基于系列研究报告。模型最终输出对中证500、沪深300、上证50、中证1000指数未来一年分红点位的预测值，以及对各期货合约（次月、当季、下季）存续期内分红点位的预测值[9][10][11][12][13][14][15][16][17][18]。 2. 基差修正模型 * **模型/因子名称**：分红调整后的年化基差[19][20] * **模型/因子构建思路**：由于指数成分股分红会提前反映在期货价格中并拉低基差，为准确分析合约基差，需要剔除分红影响，计算经预期分红调整后的年化基差[19]。 * **模型具体构建过程**： 1. 计算预期分红调整后的基差： $$预期分红调整后的基差 = 实际基差 + 存续期内未实现的预期分红$$[20] 2. 将调整后的基差进行年化处理： $$年化基差 = \frac{(实际基差 + (预期)分红点位)}{指数价格} \times \frac{360}{合约剩余天数}$$[20] 报告中后续提及的基差均为按此公式计算的分红调整后的年化基差[20]。 3. 期现对冲策略模型 * **模型名称**：期现对冲策略（包括连续对冲策略与最低贴水策略）[44][45][46] * **模型构建思路**：策略原理基于信达金工衍生品研究报告系列三《股指期货基差收敛研究与对冲优化策略》中的基差收敛因素分析与优化策略[44]。通过做空股指期货对冲持有现货指数的风险，并利用不同的合约选择和调仓规则来优化对冲效果。 * **模型具体构建过程**： * **通用参数设置**： * **回测区间**：2022年7月22日至2025年12月19日[45][46]。 * **现货端**：持有对应标的指数（中证500、沪深300、上证50、中证1000）的全收益指数[45][46]。 * **期货端**：使用与现货端等额名义本金的股指期货合约进行做空对冲[45][46]。 * **资金分配**：现货端使用70%资金，期货端占用剩余30%资金[45][46]。 * **调仓再平衡**：每次调仓后根据产品净值重新计算现货及期货端数量[45][46]。 * **备注**：不考虑手续费、冲击成本及合约不可无限细分性质[45][46]。 * **策略一：连续对冲策略**[45] * **调仓规则**：连续持有季月或当月合约，直至该合约离到期剩余不足2日，在当日以收盘价平仓，并同时以收盘价卖空下一季月或当月合约[45]。 * **策略二：最低贴水策略**[46] * **调仓规则**：调仓时，计算当日所有可交易期货合约的年化基差，选择年化基差贴水幅度最小的合约开仓[46]。同一合约持有8个交易日后或该合约离到期剩余不足2日时，才可进行新合约选择（排除剩余到期日不足8日的合约）[46]。每次选择后，无论结果是否更换合约，都继续持有8个交易日[46]。 4. 信达期权系列指数模型 * **模型名称**：信达波动率指数 (Cinda-VIX) 与信达偏度指数 (Cinda-SKEW)[62][63][69] * **模型构建思路**：借鉴海外经验并结合中国场内期权市场实际情况，编制能够准确反映市场波动性预期和尾部风险预期的指数，以挖掘期权市场中隐含的市场情绪[62][63]。 * **模型具体构建过程**：报告未给出具体的计算公式，但指出具体算法基于信达金工衍生品研究报告系列四《挖掘期权市场中隐含的市场情绪》[63]。 * **Cinda-VIX**：反映期权市场投资者对标的资产未来波动率的预期，并具有期限结构，可反映不同期限内的波动预期[63]。 * **Cinda-SKEW**：通过捕捉不同行权价格期权隐含波动率(IV)的偏斜特征，来衡量市场对标的资产未来收益分布（尤其是尾部风险）的预期[69]。当SKEW指数超过100时，通常意味着投资者对市场未来可能出现大幅下跌风险的担忧加剧[70]。 模型的回测效果 （注：以下回测结果均基于**2022年7月22日至2025年12月19日**的回测区间[45][46]） 1. 中证500 (IC) 对冲策略表现[47][48] | 指标 | 当月连续对冲 | 季月连续对冲 | 最低贴水策略 | 指数表现 | | :--- | :--- | :--- | :--- | :--- | | 年化收益 | -3.42% | -2.58% | -1.93% | 3.93% | | 波动率 | 3.79% | 4.69% | 4.49% | 20.95% | | 最大回撤 | -11.27% | -8.74% | -8.75% | -31.46% | | 净值 | 0.8886 | 0.9149 | 0.9361 | 1.1399 | | 年换手次数 | 12 | 4 | 16.78 | —— | | 2025年以来收益 | -6.60% | -3.91% | -4.27% | 29.28% | 2. 沪深300 (IF) 对冲策略表现[49][53] | 指标 | 当月连续对冲 | 季月连续对冲 | 最低贴水策略 | 指数表现 | | :--- | :--- | :--- | :--- | :--- | | 年化收益 | 0.33% | 0.69% | 1.09% | 2.23% | | 波动率 | 2.89% | 3.23% | 3.00% | 16.98% | | 最大回撤 | -3.95% | -4.03% | -4.06% | -25.59% | | 净值 | 1.0112 | 1.0236 | 1.0376 | 1.0778 | | 年换手次数 | 12 | 4 | 15.01 | —— | | 2025年以来收益 | -1.21% | 0.37% | 0.40% | 19.57% | 3. 上证50 (IH) 对冲策略表现[54][57] | 指标 | 当月连续对冲 | 季月连续对冲 | 最低贴水策略 | 指数表现 | | :--- | :--- | :--- | :--- | :--- | | 年化收益 | 1.02% | 1.95% | 1.58% | 1.58% | | 波动率 | 2.96% | 3.36% | 2.97% | 15.96% | | 最大回撤 | -4.22% | -3.75% | -3.91% | -22.96% | | 净值 | 1.0350 | 1.0679 | 1.0548 | 1.0547 | | 年换手次数 | 12 | 4 | 15.60 | —— | | 2025年以来收益 | 0.42% | 1.85% | 1.36% | 15.09% | 4. 中证1000 (IM) 对冲策略表现[58][61] | 指标 | 当月连续对冲 | 季月连续对冲 | 最低贴水策略 | 指数表现 | | :--- | :--- | :--- | :--- | :--- | | 年化收益 | -6.48% | -4.82% | -4.42% | 0.67% | | 波动率 | 4.73% | 5.75% | 5.50% | 25.40% | | 最大回撤 | -14.00% | -12.63% | -11.11% | -41.60% | | 净值 | 0.8319 | 0.8498 | 0.8693 | 0.9799 | | 年换手次数 | 12 | 4 | 15.73 | —— | | 2025年以来收益 | -12.98% | -7.87% | -8.19% | 26.44% | 量化因子与构建方式 （本报告未涉及独立的量化因子构建，主要围绕模型展开） 因子的回测效果 （本报告未涉及独立的量化因子回测）

量化模型与构建方式 1. **模型名称：成交量模型**[9][12] * **模型构建思路**：基于价量关系进行市场择时，认为成交量变化蕴含市场情绪和趋势信息[9]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 2. **模型名称：特征龙虎榜机构模型**[12] * **模型构建思路**：利用龙虎榜中机构投资者的买卖行为特征来构建择时信号[12]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 3. **模型名称：特征成交量模型**[12] * **模型构建思路**：基于更精细或具有特定特征的成交量数据（可能与普通成交量不同）进行择时[12]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 4. **模型名称：智能算法模型（沪深300/中证500）**[12] * **模型构建思路**：运用智能算法（如机器学习）对市场数据进行建模，以生成择时信号[12]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 5. **模型名称：涨跌停模型**[13] * **模型构建思路**：通过分析市场中涨停和跌停股票的数量或比例等特征来研判市场情绪和强度[9][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 6. **模型名称：上下行收益差模型**[13] * **模型构建思路**：通过计算市场上涨阶段与下跌阶段的收益差异，来衡量市场的内在动能和趋势[9][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 7. **模型名称：月历效应模型**[13] * **模型构建思路**：基于历史数据中存在的特定月份或时间窗口的规律性收益模式进行择时[13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 8. **模型名称：长期动量模型**[14] * **模型构建思路**：利用长期的价格动量效应，即过去表现较好的资产未来继续表现较好的趋势，进行择时[9][14]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 9. **模型名称：A股综合兵器V3模型**[15] * **模型构建思路**：这是一个综合性的择时模型，可能耦合了多个周期、多个策略的信号，以达到攻守兼备的效果[9][15]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 10. **模型名称：A股综合国证2000模型**[15] * **模型构建思路**：针对国证2000指数构建的综合择时模型[15]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 11. **模型名称：成交额倒波幅模型（港股）**[16] * **模型构建思路**：结合成交额和波动率（波幅）的倒数关系来对港股市场进行择时[16]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 12. **模型名称：恒生指数上下行收益差模型（港股）**[16] * **模型构建思路**：针对恒生指数，计算其上行与下行的收益差来构建择时信号[16]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 13. **模型名称：双底形态选股策略**[42][51] * **模型构建思路**：基于技术分析中的“双底”形态进行选股，该形态通常被视为看涨反转信号[42]。 * **模型具体构建过程**：识别股价走势中形成的两个近似低点（A点和C点）及之间的反弹高点（B点），当股价突破B点与A点连线构成的颈线位时，视为形态突破，产生买入信号[51]。报告展示了具体个股的A、B、C点日期及突破时点[51][54]。 14. **模型名称：杯柄形态选股策略**[42][45] * **模型构建思路**：基于技术分析中的“杯柄”形态进行选股，该形态是持续看涨的整理形态[42]。 * **模型具体构建过程**：识别股价先下跌后回升形成的“U”形杯状区域（A点到B点），随后在一段较小的回调整理（柄部，B点到C点）后，股价放量突破柄部高点，视为形态突破，产生买入信号[45]。报告展示了具体个股的A、B、C点日期及突破时点[45][55]。 15. **模型名称：倒杯子形态风险监控**[60] * **模型构建思路**：识别技术分析中的“倒杯子”形态，该形态被视为典型的负向形态，预示股价可能延续下跌趋势[60]。 * **模型具体构建过程**：在一波下跌后的反弹筑顶过程中，识别顶部形态，当股价再次下跌并实现向下突破时，确认该负面形态[60]。报告展示了具体个股的形态关键点（A、C、E点）[60]。 模型的回测效果 1. **双底形态组合**，本周收益0.13%，同期上证综指涨跌幅0.37%，本周相对收益-0.23%，自2020年12月31日至今累计收益14.14%，累计超额收益1.77%[42]。 2. **杯柄形态组合**，本周收益-0.23%，同期上证综指涨跌幅0.37%，本周相对收益-0.59%，自2020年12月31日至今累计收益10.57%，累计超额收益-1.8%[42]。 3. **上周杯柄形态突破个股**（30只），上周平均超额收益0.09%[43]。 4. **上周双底形态突破个股**（17只），上周平均超额收益1.17%[49]。 量化因子与构建方式 * 报告提及监控了33个“大师系列”量化选股策略，涉及价值型、成长型、综合型，但未详细阐述具体因子的构建方式[35]。 因子的回测效果 * 报告未提供具体因子的测试结果取值。

根据提供的华创证券金工周报（20251124-20251128），以下是关于报告中涉及的量化模型与因子的总结。 量化模型与构建方式 1. **模型名称：成交量模型**[11][12] * **模型构建思路**：基于市场成交量的变化来判断短期市场情绪和趋势[11][12]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[11][12]。 2. **模型名称：特征龙虎榜机构模型**[11][12] * **模型构建思路**：利用龙虎榜中机构投资者的买卖行为数据构建特征，用于市场短期择时[11][12]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[11][12]。 3. **模型名称：特征成交量模型**[11][12] * **模型构建思路**：基于特定的成交量特征（可能与龙虎榜相关）进行短期市场判断[11][12]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[11][12]。 4. **模型名称：智能算法沪深300模型 / 智能算法中证500模型**[11][12] * **模型构建思路**：应用智能算法（如机器学习等）对特定宽基指数（沪深300、中证500）进行择时判断[11][12]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[11][12]。 5. **模型名称：涨跌停模型**[13] * **模型构建思路**：通过分析市场中涨停和跌停股票的数量或比例来判断中期市场情绪[13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[13]。 6. **模型名称：上下行收益差模型**[11][13] * **模型构建思路**：通过计算市场上行收益与下行收益的差异来判断市场动能和趋势[11][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[11][13]。 7. **模型名称：月历效应模型**[13] * **模型构建思路**：基于历史数据中存在的特定月份或时间段的规律性表现进行中期市场判断[13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[13]。 8. **模型名称：长期动量模型**[14] * **模型构建思路**：基于资产的长期价格动量（趋势）进行判断，认为过去表现好的资产未来仍可能表现良好[14]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[14]。 9. **模型名称：A股综合兵器V3模型 / A股综合国证2000模型**[15] * **模型构建思路**：将短期、中期、长期等多个单一模型或因子信号进行综合耦合，形成最终的复合判断模型，旨在攻守兼备[9][15]。 * **模型具体构建过程**：报告提及了模型耦合的思想，但未提供V3或国证2000综合模型的具体耦合公式和权重分配细节[9][15]。 10. **模型名称：成交额倒波幅模型**[16] * **模型构建思路**：结合成交额和波动率（倒波幅）指标对港股市场进行中期判断[16]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[16]。 11. **模型名称：恒生指数上下行收益差模型**[16] * **模型构建思路**：原理同A股的上下行收益差模型，应用于恒生指数进行中期判断[16]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[16]。 12. **因子/策略名称：杯柄形态**[44][45][46] * **因子/策略构建思路**：识别股价走势中类似于“杯子和杯柄”的图表形态，该形态被认为是看涨 continuation 模式，当股价突破杯柄区域的阻力位时产生买入信号[44][45][46]。 * **因子/策略具体构建过程**：通过识别三个关键点来定义形态：A点（杯左缘高点）、B点（杯底低点）、C点（杯右缘/柄部高点），当价格突破C点水平时视为形态突破，产生信号[46][48][49]。 * **因子/策略评价**：是一种经典的技术分析形态识别策略。 13. **因子/策略名称：双底形态**[44][50][51] * **因子/策略构建思路**：识别股价走势中形成两个近似低点（底部）的W形图表形态，该形态被认为是看涨 reversal 模式，当股价突破两个底部之间的颈线位时产生买入信号[44][50][51]。 * **因子/策略具体构建过程**：通过识别三个关键点来定义形态：A点（第一个底部）、B点（两个底部之间的反弹高点，即颈线位）、C点（第二个底部），当价格突破B点水平时视为形态突破，产生信号[50][54]。 * **因子/策略评价**：是一种经典的技术分析形态识别策略。 14. **因子/策略名称：倒杯子形态**[64][66] * **因子/策略构建思路**：识别股价走势中类似于倒置的“杯子和杯柄”的图表形态，该形态被认为是看跌 reversal 模式，当股价跌破形态支撑位时产生风险警示信号[64][66]。 * **因子/策略具体构建过程**：通过识别三个关键点来定义形态：A点（杯左缘低点）、C点（杯右缘/柄部低点）、E点（杯口高点），当价格跌破A-C点形成的支撑区域时视为形态突破，产生风险信号[64][66]。 * **因子/策略评价**：是一种用于识别潜在下跌风险的技术分析形态。 模型的回测效果 1. **杯柄形态组合**[44] * 本周收益：3.9%[44] * 本周相对上证综指超额收益：2.5%[44] * 2020年12月31日至今累计收益：10.82%[44] * 2020年12月31日至今相对上证综指超额收益：-1.14%[44] 2. **双底形态组合**[44] * 本周收益：3.33%[44] * 本周相对上证综指超额收益：1.93%[44] * 2020年12月31日至今累计收益：13.99%[44] * 2020年12月31日至今相对上证综指超额收益：2.02%[44] 量化因子与构建方式 （报告主要描述了择时模型和技术形态策略，未详细阐述用于选股或阿尔法策略的独立量化因子及其构建方式。） 因子的回测效果 （报告主要描述了择时模型和技术形态策略的回测效果，未提供独立量化因子的IC值、IR、多空收益等传统因子测试指标。）