量化模型与构建方式 1. **模型名称**：煤炭指数趋势跟踪模型 - **模型构建思路**：基于标的价格走势的局部延续性假设，通过观察窗口内的价格变动与波动率关系判断趋势方向[3] - **模型具体构建过程**： 1. 计算T日收盘价与T-20日收盘价的差值： $$ del = P_T - P_{T-20} $$ 2. 计算T-20日至T日（不含）的波动率（Vol），采用标准差或ATR等指标[3] 3. 趋势判断规则： - 若$|del| > N \times Vol$，则趋势方向为del的正负符号（N=1）[3] - 否则延续T-1日的趋势方向[3] - **模型评价**：在窄幅盘整或剧烈反转行情中表现较差，年化收益为负且回撤较大[4] --- 模型的回测效果 1. **煤炭指数趋势跟踪模型**： - 区间年化收益：-8.01%[3] - 波动率（年化）：22.67%[3] - 夏普比率：-0.35[3] - 最大回撤：22.79%[3] - 指数期间总回报率：-8.75%[3] --- 量化因子与构建方式 （报告中未提及独立因子构建） --- 因子的回测效果 （报告中未提及独立因子测试结果） --- 其他关键信息 - **作用标的**：申万一级煤炭指数[3] - **数据预处理**：保留原值[3] - **跟踪区间**：2023年3月7日-2025年3月18日[3] - **策略适用性**：不适用于煤炭指数直接交易，因净值下降期占比高且回撤显著[4]

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：全天候模型** - **模型构建思路**：通过技术面信号识别市场风险，预测震荡整理期[7] - **模型具体构建过程**：未披露具体公式，但基于多维度技术指标（如趋势线、波动率等）综合判断市场状态[7] - **模型评价**：对短期市场调整的预警效果较好，历史回测符合预期[7] 2. **模型名称：周期分析模型** - **模型构建思路**：监控不同级别趋势（如周线、日线）以区分短期调整与中长期趋势[7] - **模型具体构建过程**：未披露具体公式，但通过分解价格序列的周期成分（如傅里叶变换或小波分析）判断趋势持续性[7][8] - **模型评价**：有效区分短期波动与趋势反转，辅助判断市场蓄势阶段[7] 3. **模型名称：四轮驱动行业轮动模型** - **模型构建思路**：结合行业动量、拥挤度、止损信号等动态筛选优势行业[7][16] - **模型具体构建过程**： - **信号类型**：包括“强势上涨中继”“赚钱效应异动”等，触发条件未公开[16] - **止损规则**：基于顶背驰、死叉等技术信号动态出局[16] - **排序逻辑**：综合过去1年Sharpe比率、拥挤度等指标排序行业[16] - **模型评价**：多因子复合框架，兼顾进攻与防御性[16] --- 模型的回测效果 1. **全天候模型**：未披露具体指标值[7] 2. **周期分析模型**：未披露具体指标值[7][8] 3. **四轮驱动行业轮动模型**： - **行业推荐结果**：军工（Sharpe排序10）、家电（-12）、农林牧渔（28）等[16] --- 量化因子与构建方式 1. **因子名称：行业动量因子** - **因子构建思路**：捕捉行业短期赚钱效应异动信号[16] - **因子具体构建过程**：未披露公式，但涉及价格突破、成交量配合等条件[16] 2. **因子名称：拥挤度因子** - **因子构建思路**：监测行业交易过热风险（如0表示未拥挤）[16] - **因子具体构建过程**：可能基于换手率、资金流入等标准化指标[16] 3. **因子名称：Sharpe比率排序因子** - **因子构建思路**：按过去1年风险调整收益（Sharpe）排名行业[16] - **因子具体构建过程**： $$Sharpe = \frac{E[R_p - R_f]}{\sigma_p}$$ 其中 \(R_p\) 为行业收益，\(R_f\) 为无风险利率，\(\sigma_p\) 为收益波动率[16] --- 因子的回测效果 1. **行业动量因子**：未披露独立指标值[16] 2. **拥挤度因子**：家电、农林牧渔等拥挤度为0[16] 3. **Sharpe比率排序因子**：军工（10）、电子（3）、传媒（无数据）等[16] --- 注：未提及的模型/因子细节（如公式、指标口径）均因原文未披露而省略[7][16]

报告行业投资评级 未提及 报告的核心观点 - 非银金融指数趋势跟踪模型在 2023 年 3 月 7 日至 2024 年 9 月 12 日期间净值整体缓慢上升，除 2024 年 9 月 12 日至 10 月 8 日受市场行情及宏观政策影响净值急剧上升，年化收益表现较好且未出现长时间大幅回撤，适合用于申万一级非银金融指数 [5] 根据相关目录分别进行总结 模型概述 - 设计原理：假定标的价格走势有局部延续性，永远处于某一趋势中，反转行情持续时间小于趋势延续时间，窄幅盘整时延续之前趋势，大级别趋势中给定短观察窗口走势延续局部趋势，趋势反转时观察窗口始末价格变动方向会超出随机波动造成的趋势背离范围以排除随机波动影响，为严谨评估默认可对标的进行多空操作 [4] - 作用标的：申万一级非银金融指数 [4] - 标的的数据预处理规则：保留原值 [4] - 模型信号维度：多空 [4] - 具体算法：计算 T 日收盘价与 T - 20 日收盘价的差 del，计算 T - 20 日至 T 日（不含）时间段的波动率 Vol，若 del 的绝对值大于 N 倍的 Vol 则认为当前价格脱离原有振荡区间形成趋势，趋势多空方向与 del 的正负情况对应，若小于等于 N 倍的 Vol 则认为当前走势延续，趋势方向同 T - 1 日，取 N = 1 进行跟踪，非银金融考虑多空两个方向的回报并合并结果作为最终评估依据 [4] - 跟踪区间：2023 年 3 月 7 日 - 2025 年 3 月 18 日 [4] 结果评估 - 区间年化收益：24.17% [4] - 波动率（年化）：26.54% [4] - 夏普率：0.91 [4] - 最大回撤：14.04% [4] - 指数期间总回报率：19.46% [4]

报告行业投资评级 报告未提及行业投资评级相关内容 报告的核心观点 - 国防军工指数趋势跟踪模型不适合直接用于申万一级国防军工指数 ，该模型在2023年3月7日至2024年1月2日及2024年2月5日至2024年9月6日期间净值下降陷入长期回撤无法取得较好累计收益，此后净值围绕原值波动并最终回归原值附近，且模型区间收益为负、年化收益回撤比较低、前期和中期处于较长时间回撤 [5] 根据相关目录分别进行总结 模型概述 - 设计原理：假定标的价格走势有局部延续性，永远处于某一趋势中，反转行情持续时间小于趋势延续时间，窄幅盘整时延续之前趋势；大级别趋势中，给定短观察窗口走势延续局部趋势，趋势反转时观察窗口始末价格变动方向会超出随机波动造成的趋势背离范围以排除随机波动影响；为严谨评估模型效果默认可对标的进行多空操作 [4] - 作用标的：申万一级国防军工指数 [4] - 标的的数据预处理规则：保留原值 [4] - 模型信号维度：多空 [4] - 具体算法：计算T日收盘价与T - 20日收盘价的差del，计算T - 20日至T日（不含）时间段的波动率Vol；若del绝对值大于N倍的Vol则认为形成趋势，趋势多空方向与del正负对应，若小于等于N倍的Vol则认为走势延续，趋势方向同T - 1日；取N = 1进行跟踪；考虑多空两个方向的回报并合并结果作为最终评估依据 [4] - 跟踪区间：2023年3月7日 - 2025年3月18日 [4] 结果评估 - 区间年化收益： - 0.37% [4] - 波动率（年化）：29.80% [4] - 夏普率： - 0.01 [4] - 最大回撤：29.79% [4] - 指数期间总回报率： - 3.81% [4]

量化模型与构建方式 1. **模型名称：建筑材料指数趋势跟踪模型**[2] * **模型构建思路**：模型基于价格走势的局部延续性假设，认为标的价格大部分时间处于趋势中，反转行情持续时间较短。通过观察窗口内的价格变动与波动率的关系，来判断趋势的形成与延续，并据此生成多空信号。[3] * **模型具体构建过程**： 1. 计算T日收盘价与T-20日收盘价的差值：$$del = Price_T - Price_{T-20}$$[3] 2. 计算T-20日至T日（不含T日）时间段内的价格波动率：$$Vol = \text{标准差}(Price_{T-20} \text{ 至 } Price_{T-1})$$[3] 3. 生成交易信号： * 若 $$|del| > N \times Vol$$，则认为形成新趋势，做多（当del>0）或做空（当del<0）。[3] * 若 $$|del| \leq N \times Vol$$，则认为趋势延续，信号方向与T-1日相同。[3] 4. 参数设置：对于股票市场，取N=1。[3] * **模型评价**：该模型在特定时间段内能捕捉上升趋势，但年化收益回撤比较低，且前期和中期处于较长时间回撤，不适合直接用于申万一级建筑材料指数。[4] 模型的回测效果 1. **建筑材料指数趋势跟踪模型**[3] * 区间年化收益：1.98%[3] * 波动率（年化）：24.36%[3] * 夏普率：0.08[3] * 最大回撤：25.11%[3] * 指数期间总回报率：-29.59%[3]

核心观点 - 国防军工指数偏离修复模型对国防军工指数配置价值判断无参考价值，在跟踪区间不适用 [5] 模型概述 设计原理 - 假定标的价格走势相对参考标的存在反复偏离 - 回归循环，偏离程度有极限，不要求单次偏离 - 回归时间周期有明显规律，是单纯空间型策略；通过对已有数据统计和测试找合理阈值，价格低于该值时买入建仓等待回归；选择相对指数回撤值处理获取阈值 [4] 作用标的 - 申万一级国防军工指数相对值（基准为沪深 300 指数） [4] 标的的数据预处理规则 - 归一化 [4] 模型信号维度 - 多 [4] 具体算法 - 计算区间内申万一级国防军工指数收盘价相对沪深 300 指数的值 cl；计算 cl 在区间内的回撤序列 W；计算 W 中单次回撤期间的最大值；对所有单次回撤最大幅度降序排列得序列 S 并求和得 T；对 S 逐步累加，累加和达或超 T 的 80% 时停止，去除未参与累加值得 S1；用迭代法对 S1 元素进一步筛选，直至迭代结果不变得有效回撤集合 C；将 C 中最大值的 80% 作为阈值，W 大于该阈值时信号为 1（买入），W 为 0 时信号为 0（平仓），其余情况信号为前值 [4] 跟踪区间 - 2010 年 1 月 4 日 - 2025 年 3 月 18 日 [4] 结果评估 - 区间策略总收益 159.57%，标的买入并持有收益 42.53%，总超额 117.05%，最大回撤 50.87%，最长回撤时间 2108 交易日 [4] 模型策略适用情况总结 - 策略用统计回溯方式，样本内有优势，但当前价格走势出现统计样本外情况，策略对国防军工指数未达目标效果 [5]

报告核心观点 - 对ETF轮动策略、高频因子进行跟踪测试，发现表现出色，还构建了高频“金”组合和高频&基本面共振组合中证1000指数增强策略，后者业绩指标更优 [2][3][53][58] 一、ETF轮动策略跟踪 1. ETF轮动因子及策略近期表现 - 使用GBDT+NN机器学习因子构建周度调仓的ETF轮动策略，样本外整体表现良好 [12] - 上周因子IC值20.91%，多头超额收益率0.61% [13] - 策略年化超额收益率11.91%，信息比率0.69，超额最大回撤17.31% [16] - 上周超额收益率0.88%，本月以来1.44%，今年以来0.15%，近期表现优异 [18] 2. 本周建议关注ETF - 本周ETF持仓包含创中盘88ETF、红利国企ETF等多只ETF [21][22] 二、高频因子超额收益概览 - 过去一周，各类高频因子多头组合在中证1000指数成分股中表现稳定 [22] - 价格区间类因子多空收益率0.45%，多头超额收益率1.01%；量价背离因子多空收益率 -0.16%，多头超额收益率0.04%；遗憾规避因子多空收益率1.28%，多头超额收益率0.26% [22] 三、各类高频因子近期表现跟踪 1. 高频价格区间因子 - 高价格区间成交笔数与成交量因子与股票未来收益负相关，低价格区间平均每笔成交量因子与股票未来收益正相关 [25] - 高价格80%区间成交量因子、高价格80%区间成交笔数因子和低价格10%区间每笔成交量因子周频调仓表现较好 [25] - 合成后的价格区间因子样本外表现出色，超额净值曲线稳定向上 [29] 2. 高频量价背离因子 - 量价背离时，股价未来上涨可能性高；量价趋同时，股价未来下跌可能性高 [30] - 价格与成交笔数的相关性和价格与成交量的相关性周频调仓表现较好 [30] - 合成后的量价背离因子自2020年以来收益呈下降趋势，今年以来表现良好 [37] 3. 遗憾规避因子 - 利用投资者遗憾规避情绪可构造有效选股因子 [38] - 卖出反弹占比因子和卖出反弹偏离因子周频表现较好 [38] - 合成后的遗憾规避因子收益表现整体平稳向上，今年以来表现一般 [45] 4. 斜率凸性因子 - 构建斜率凸性因子，提取低档斜率因子和高档位卖方凸性因子合成 [46] - 两个细分因子周频调仓近期表现有波动 [46] - 合成后的斜率凸性因子自2016年以来收益平稳，样本外整体表现平淡 [51] 四、基于基本面因子与高频因子构建的中证1000指数增强策略表现 1. 高频“金”组合中证1000指数增强策略 - 三类高频因子等权合成构建策略，调仓频率周度，加入换手率缓冲机制 [53] - 策略年化超额收益率10.68%，超额最大回撤6.04% [55] - 上周超额收益0.14%，本月以来1.68%，今年以来5.98% [57] 2. 高频&基本面共振组合中证1000指数增强策略 - 结合基本面因子和高频因子构建策略，基本面因子包括一致预期、成长和技术因子 [58] - 策略年化超额收益率14.98%，超额最大回撤4.52% [60] - 上周超额收益0.28%，本月以来2.29%，今年以来4.99% [62] 附录 附录一：高频“金”组合中证1000指数增强策略本周持仓列表 - 包含盐津铺子、光峰科技等多只股票 [65][66] 附录二：高频&基本面共振组合中证1000指数增强策略本周持仓列表 - 包含盐津铺子、塔牌集团等多只股票 [68][69][70]