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. **鑫选ETF绝对收益策略** - 模型构建思路：通过"抽屉法"在场内权益ETF池中进行测试，目标是跑出绝对收益和相对A股权益的长周期相对收益[11] - 具体构建过程： 1. 筛选鑫选ETF池中的标的（如黄金ETF、食品饮料ETF等） 2. 采用技术面量化方法进行组合优化 3. 动态调整持仓权重（各标的权重10%）[12] - 模型评价：样本外表现优异，风险收益比突出 2. **全天候多资产多策略ETF风险平价策略** - 模型构建思路：结合行业轮动、风格轮动等权益策略，使用风险平价方法分散资产和策略风险[17] - 具体构建过程： 1. 配置多资产类别（商品/美股/国内权益/债券） 2. 采用风险贡献均衡的权重分配方法 3. 具体持仓包括国债ETF（21.05%）、黄金ETF（9.12%）等[18] 3. **中美核心资产组合** - 模型构建思路：纳入白酒、红利、黄金、纳指四种强趋势标的，结合RSRS择时策略[21] - 具体构建过程： 1. 对每类资产应用RSRS趋势判断 2. 根据技术面反转信号调整仓位 3. 当前持仓为中证红利ETF和黄金ETF 4. **高景气/红利轮动策略** - 模型构建思路：构建高景气成长与红利策略的轮动模型[24] - 具体构建过程： 1. 信号为高景气时配置创业板ETF和科创50ETF（各50%） 2. 信号为红利时配置红利低波ETF与央企红利50ETF 3. 2024年2月后调整红利组合结构 5. **双债LOF增强策略** - 模型构建思路：通过波动率倒数归一化方法提升债券配置权重[27] - 具体构建过程： 1. 将标的分为双债LOF与其他三类资产 2. 计算各组收益率波动率 3. 按波动率倒数分配权重 6. **结构化风险平价（QDII）** - 模型构建思路：以国内债券ETF为主，QDII产品增强收益[30] - 具体构建过程： 1. 配置QDII权益（纳指ETF等）、黄金、国内红利ETF 2. 采用风险平价方法优化组合 模型的回测效果 | 策略名称 | 总收益率 | 年化收益率 | 最大回撤 | 波动率 | 夏普比率 | |---------|---------|-----------|---------|--------|----------| | 鑫选技术面量化策略 | 33.49% | 24.14% | -6.30% | 17.58% | 1.20 | [33] | 高景气红利轮动策略 | 48.99% | 34.78% | -22.04% | 34.79% | 0.96 | [33] | 中美核心资产组合 | 59.80% | 42.03% | -10.86% | 17.16% | 2.02 | [33] | 双债LOF增强 | 9.08% | 6.73% | -2.26% | 3.41% | 1.34 | [33] | 结构化风险平价(QDII) | 23.59% | 17.18% | -2.38% | 4.92% | 2.84 | [33] | 全天候多资产策略 | 19.69% | 14.40% | -3.62% | 4.48% | 2.58 | [15][33] 量化因子与构建方式 1. **红利因子** - 构建思路：通过股息率和低波动特征筛选标的[24] - 具体构建： 1. 计算标的股息率（$$ Dividend\ Yield = \frac{DPS}{Price} $$） 2. 结合波动率指标筛选 3. 应用于红利低波ETF等产品 2. **质量因子** - 构建思路：筛选自由现金流稳定的标的[24] - 具体构建： 1. 计算企业自由现金流（$$ FCF = CFO - CapEx $$） 2. 标准化处理后加权 3. **趋势因子(RSRS)** - 构建思路：捕捉资产价格趋势[21] - 具体构建： 1. 计算标的RSRS斜率 2. 设定阈值触发交易信号 因子的回测效果 | 因子类型 | 代表ETF | 年化超额收益 | IR | |---------|--------|-------------|----| | 红利因子 | 红利低波ETF | 2.31% | 0.88 | [59] | 质量因子 | 自由现金流ETF | 1.67% | 0.21 | [48] | 趋势因子 | 黄金ETF | 25.74% | 3.86 | [59] 注：所有策略测试结果均为2024年初至今数据[33]，因子表现取自周涨幅TOP35ETF数据[59]

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. **鑫选ETF绝对收益策略** - **模型构建思路**：通过"抽屉法"在场内权益ETF池中进行测试，目标是跑出绝对收益和相对A股权益的长周期相对收益[11] - **具体构建过程**： 1. 筛选ETF池（黄金、食品饮料、医疗、豆粕、芯片、半导体、港股创新药等） 2. 采用等权重分配（各10%）[12] 3. 动态调整持仓基于技术面量化信号 - **模型评价**：样本外表现优异，超额收益显著 2. **全天候多资产多策略ETF风险平价策略** - **模型构建思路**：结合行业/风格轮动等权益策略，通过风险平价降低波动性[16] - **具体构建过程**： 1. 资产分类：商品（黄金）、美股（标普500）、国内权益（行业/风格轮动）、国内债（10/30年国债） 2. 风险平价权重分配（如30年国债21.15%，黄金7.71%）[17] - **模型评价**：精细化分散风险，收益稳定性强 3. **中美核心资产组合** - **模型构建思路**：纳入白酒、红利、黄金、纳指等强趋势标的，结合RSRS择时与技术面反转策略[20] - **具体构建过程**： 1. 信号生成：RSRS指标判断趋势强度 2. 动态调仓（最新持仓为中证红利ETF、黄金ETF） - **模型评价**：长期超额收益显著 4. **高景气/红利轮动策略** - **模型构建思路**：构建高景气成长与红利的轮动模型[23] - **具体构建过程**： 1. 信号触发时调入创业板ETF/科创50ETF（高景气）或红利低波ETF/央企红利50ETF（红利） 2. 权重分配：60%红利类+40%成长类 5. **双债LOF增强策略** - **模型构建思路**：通过波动率倒数归一化调整债券与其他资产权重[26] - **具体构建过程**： 1. 分组计算收益率波动率 2. 权重公式：$$w_i = \frac{1/\sigma_i}{\sum(1/\sigma_i)}$$ 3. 优先分配至低波动债券标的 6. **结构化风险平价策略(QDII)** - **模型构建思路**：以国内债券ETF为主，QDII权益/黄金/红利ETF增强[27][29] - **具体构建过程**： 1. 资产池扩展至纳指ETF、日经ETF、恒生医疗ETF等 2. 风险平价优化权重 --- 模型回测效果（2024年初至今） | 模型名称 | 总收益率 | 最大回撤 | 波动率 | 夏普比率 | |------------------------------|----------|----------|--------|----------| | 鑫选技术面量化策略 | 32.01% | -6.30% | 17.70% | 1.16 | | 高景气红利轮动策略 | 47.70% | -22.04% | 35.04% | 0.95 | | 中美核心资产组合 | 57.80% | -10.86% | 17.25% | 1.98 | | 双债LOF增强 | 9.08% | -2.26% | 3.43% | 1.36 | | 结构化风险平价策略(QDII) | 22.52% | -2.38% | 4.94% | 2.75 | | 全天候多资产风险平价策略 | 18.81% | -3.62% | 4.49% | 2.49 | [32] --- 关键因子应用 - **RSRS择时因子**：用于中美核心资产组合的趋势判断，通过斜率指标捕捉市场拐点[20] - **波动率倒数加权因子**：在双债LOF增强策略中实现债券权重的动态优化[26] - **行业轮动因子**：结合基本面景气度与动量信号，驱动全天候策略中的权益配置[16] 注：报告中未单独列出因子构建公式，主要因子逻辑嵌入在各模型流程中。

理财产品权益配置策略 - 理财公司入市需将客户画像、产品定位和投资运作相匹配，但当前存在短期制约 [3] - 纯固收理财难以分享企业资产增值红利，需引入股东权益如可转债对冲信用债风险 [3] - 权益投资需关注三点：保持安全边际、选择优质企业现金流、高频再平衡以应对负债久期短的特点 [4] 多资产多策略投资逻辑 - 绝对收益目标需构建风险中性组合，单一线性资产易受贴现率波动影响 [4] - 多资产本质是多因子组合，需通过风险平价策略和smart beta挖掘低波动因子实现长期复利优势 [5] - 多策略灵活性类似烹饪方法多样化，需根据市场环境调整策略组合 [5] 全球市场环境与投资应对 - 年初全球市场震荡加剧，美国股债商汇齐跌，中国资产稳健，"东升西落"叙事主导市场 [6] - 黄金表现突出，反映全球债务扩张乏力与企业盈利稀缺，地缘政治风险上升 [6] - 建议在不确定性中捕捉反脆弱性交易机会，但需警惕宏观叙事转变带来的反身性效应 [6] 理财公司产品设计与投资者建议 - 高波动环境下需结合线性与非线性工具改造投资组合现金流，依赖衍生工具进行风险再配置 [7] - 理财产品需严格匹配客户需求，制定合理业绩基准和风险偏好以稳定参照系 [7] - 投资者应根据风险偏好配置产品：低风险客户选择固收类或现金管理类，高风险客户可通过长期限"固收+"布局含权资产 [7]

全球资产避险性能分析 - 近期市场动荡幅度显著大于前几年，A股表现相对稳健，而美股近2个月最大回撤超20% [4][6] - 中国利率债今年波动加大，1月入场的稳健投资者面临2.6%+回撤 [6] - 研究聚焦长期视角下全球各类资产（股市、债市、商品、现金）的避险能力 [8] 避险资产评估框架 - 核心指标包括：最大回撤及修复天数、持有期正收益概率（季度/年度/3年/5年）、风险调整收益指标（夏普比率、卡玛比率） [11][12][13] - 覆盖资产范围：全球主要股市（A股、港股、美股等）、中债/美债、黄金/原油、货币基金/超短期国债 [14][15] - 数据区间为2005/1/1-2025/5/7 [16] 单一资产避险表现 **最优资产：中国货币基金** - 最大回撤仅-0.03%，季度/年度正收益概率100%，夏普比率12.17 [19][21] - 美国超短期国债表现逊色，季度正收益概率仅40% [21] **债券与黄金局限性** - 中债最大回撤-14.52%（2016-2017年），修复需409天，但5年正收益概率98.95% [24] - 美债最大回撤-51.76%（2020-2023年），年度正收益概率不足50% [24][25] - 黄金最大回撤-44.49%（2011-2016年），修复耗时5年，近期领涨但波动风险需警惕 [25] **全球股市对比** - 印度股市风险收益比最优：年化收益10.01%，5年正收益概率97.89%，夏普比率0.575 [27] - 美股（年化6.5%）、台股（88.87%正收益概率）、A股（年化6.73%）次之 [27] - 越南股（最大回撤-79.35%）和原油（最大回撤-84.26%）为风险最高资产 [29][30] 多元配置策略优势 - 组合（A股/美股/中债/黄金/货币基金等）夏普比率1.134，3年/5年正收益概率100%，最大回撤-16.71% [34] - 风险平价策略通过季度再平衡控制单一资产风险暴露（上限30%），长期稳定性优于单一资产 [35] - 雪球三分法强调资产、市场、时机三重分散，实现收益多元化和风险对冲 [36]

收益表现 - 多资产配置组合自2024年4月3日至2025年4月18日累计收益8.11%，2025年收益2.07%，最大回撤-1.99% [5] - 同期中证800收益5.15%，标普500收益1.37%，中债新综合收益4.97% [5] - 组合在13个月中仅有2个月出现负收益（-0.3%和-0.09%），胜率极高 [9] 资产配置权重 - A股占比9.00%（红利低波资产为主），美股9.47%（纳斯达克100+标普500），商品15.59%（黄金占11.80%） [10][13] - 美债占比22.33%（中长债+短债），中债43.61%（7-10年国开债+政金债） [13] 策略目标与原则 - 目标为替代固收+组合（年化4-5%），构建家庭资产底仓（目标占可投资资产60%） [11] - 采用风险平价策略实现大类资产（权益/债券/商品）风险分散，二级子资产使用均值方差模型 [11] - 核心原理为选择低相关性且长期收益向上的资产，基本不择时，实际业绩基准为中债新综合指数 [11] 组合运营细节 - 美债因QDII额度限制超配7个百分点（标配15%），在十年国债收益率接近5%时主动超配 [14] - 资产再平衡基于1年/3年/5年数据评估，但实际调整频率较低以避免过度干预 [14] - 主要使用指数基金降低对基金经理依赖，仅美债因无指数基金采用"拼大饼"方式配置 [14] 未来优化方向 - 计划将组合权重提升至家庭可投资资产的60%，作为现金管理升级版 [16] - 探索A股Reits等低相关性资产，但排除原油等博弈性过强的品种 [17] - 持续优化夏普比率，减少人工干预，强化数据驱动决策 [17][18] 策略核心理念 - 通过跨市场配置实现"地球上总有一处是牛市"的风险对冲效果 [18] - 基于雪球三分法理念（资产分散/市场分散/时机分散）构建长期投资框架 [19]

量化模型与构建方式 1. **模型名称：鑫选ETF绝对收益策略（基于技术面量化的“抽屉法”）[12]** * **模型构建思路**：通过“抽屉法”在场内权益ETF池中进行测试和筛选，目标是跑出绝对收益和相对于A股权益的长期相对收益[12]。 * **模型具体构建过程**：报告未详细描述“抽屉法”的具体技术面量化规则和选样过程，仅提及该方法在前期报告《基于技术面量化的指数基金绝对收益策略》中有所阐述[12]。模型在“鑫选ETF池”中通过择时交易构建组合[12]。 2. **模型名称：全天候多资产多策略ETF风险平价策略[17]** * **模型构建思路**：结合行业轮动、风格轮动等主动权益策略提高收益，同时使用风险平价策略（Risk Parity）来分配资产权重，以降低组合整体波动性，实现资产和策略的分散化配置[17]。 * **模型具体构建过程**：1）资产与策略配置：将资产分散于商品（黄金ETF）、美股（标普500ETF）、国内权益（行业轮动、风格轮动、大小盘轮动策略）和国内债券（10年国债ETF、30年国债ETF）[17]。2）风险平价：使用风险平价模型计算各资产或策略子组合的权重，使得各组成部分对组合整体风险（通常以波动率衡量）的贡献相等，从而降低组合波动[17]。 3. **模型名称：中美核心资产组合[21]** * **模型构建思路**：纳入白酒、红利、黄金、纳指四种强趋势标的，结合对趋势行情有效的RSRS策略以及对技术面反转有效的策略，针对不同标的采用不同策略进行有效结合[21]。 * **模型具体构建过程**：1）标的选取：选择白酒、红利、黄金、纳斯达克指数四种具有强趋势特征的资产[21]。2）策略结合：对不同的资产应用不同的择时策略，趋势性强的资产（如纳指）主要应用RSRS择时策略，其他资产可能结合技术面反转策略。具体细节详见前期报告《基于RSRS择时的中美核心资产配置组合》[21]。 4. **模型名称：高景气/红利轮动策略[23]** * **模型构建思路**：构建一个信号模型，用于判断市场风格是偏向高景气成长还是红利，然后根据信号在对应的ETF组合之间进行轮动配置[23]。 * **模型具体构建过程**：1）信号生成：模型会发出“高景气成长”或“红利”信号（信号生成逻辑在前期报告《系统化定量投资视角下的策略配置》中阐述）[23]。2）资产配置：当信号为“高景气成长”时，组合配置为创业板ETF和科创50ETF，各占50%权重；当信号为“红利”时，组合配置有所调整，2024年2月前为红利低波ETF（100%），2024年2月后调整为红利低波ETF与央企红利50ETF，各占50%权重[23]。 5. **模型名称：双债LOF增强策略[25]** * **模型构建思路**：在拥有部分权益资产（如纳指、白酒、红利）的买卖信号后，通过动态调整权重，使债券（双债LOF）在组合中占据较大份额，权益资产占据较小份额，形成一种“固收+”增强策略[25]。 * **模型具体构建过程**：1）分组：将4支标的分为两组，一组为双债LOF（跟踪中证综合债），另一组为其他三个权益产品[25]。2）计算波动率：分别计算两组指数每周的收益率波动率[25]。3）确定权重：计算各波动率的倒数，并进行归一化处理，以此确定两组的配置权重。由于债券波动率通常低于权益资产，此方法会天然提升债券部分的权重[25]。 * **模型评价**：该方法能有效提升债券部分的权重，实现基于债券的增强[25]。 6. **模型名称：结构化风险平价策略（QDII）[26]** * **模型构建思路**：在风险平价框架下，将资产池扩展至包含QDII产品、国内红利ETF、国内债券ETF和商品ETF，构建一个以国内中长期债券为主，其他资产增强的分散化策略[26]。 * **模型具体构建过程**：1）资产池构建：商品（黄金ETF）、QDII权益（纳指ETF、日经ETF等）、国内红利（银行ETF、电力ETF等）、国内债券（5年地方债ETF、10年地方债ETF、30年国债ETF）[26]。2）风险平价：应用风险平价模型，根据各资产的风险贡献度来分配权重，以实现组合风险分散[26]。 模型的回测效果 （所有回测结果均为截至报告时点的最新数据，具体回测区间见各模型描述） 1. **鑫选ETF绝对收益策略**，总收益率32.62%，年化收益率27.77%，最大回撤-6.30%，波动率18.35%，夏普比率1.31[28] 2. **高景气/红利轮动策略**，总收益率42.52%，年化收益率36.01%，最大回撤-22.04%，波动率36.91%，夏普比率0.95[28] 3. **中美核心资产组合**，总收益率50.37%，年化收益率42.49%，最大回撤-10.86%，波动率15.88%，夏普比率2.18[28] 4. **双债LOF增强策略**，总收益率8.98%，年化收益率7.75%，最大回撤-1.63%，波动率2.82%，夏普比率1.95[28] 5. **结构化风险平价策略(QDII)**，总收益率19.53%，年化收益率16.75%，最大回撤-2.34%，波动率4.60%，夏普比率2.95[28] 6. **全天候多资产风险平价策略**，总收益率18.74%，年化收益率16.08%，最大回撤-1.35%，波动率3.67%，夏普比率3.54[28] 量化因子与构建方式 （本报告未详细阐述底层因子（如价值、成长、质量等）的构建方法，主要提及了基于这些因子构建的ETF产品标签。） 1. **因子/标签名称：红利低波因子[43][46]** * **因子的构建思路**：作为ETF标签体系中的一类因子标签，代表同时具备高股息（红利）和低波动特征的股票组合[43][46]。 * **因子具体构建过程**：报告未给出具体计算公式。通常，该因子通过筛选股息率高且股价历史波动率低的股票来构建[46]。 2. **因子/标签名称：自由现金流因子[31]** * **因子的构建思路**：作为ETF跟踪的指数主题，代表上市公司创造自由现金流的能力，是质量因子的一种[31]。 * **因子具体构建过程**：报告未给出具体计算公式。通常基于公司的自由现金流指标（如自由现金流/市值）来筛选股票[31]。 因子的回测效果 （本报告未提供单因子的独立回测绩效指标，如IC、IR等。）