量化模型与因子总结 一、量化模型与构建方式 1. 模型名称：PCR指标择时模型 - **模型构建思路**：基于期权市场的认沽认购比率（PCR）指标进行择时判断，通过分析PCR指标的变化趋势来研判市场情绪和未来走势[2] - **模型具体构建过程**：报告引用了前期专题研究《期权PCR指标的择时效果探究》，该模型通过计算期权市场中认沽期权与认购期权的成交量或持仓量比值来构建PCR指标，并基于该指标的历史分位数或变化趋势进行择时信号判断[2] - **模型评价**：该模型是期权系列专题研究的第一篇，为后续期权量化研究奠定基础[2] 2. 模型名称：期权波动率偏斜交易模型 - **模型构建思路**：基于期权波动率偏斜（Volatility Skew）中隐藏的交易机会进行策略构建[2] - **模型具体构建过程**：报告引用了前期专题研究《期权波动率偏斜中隐藏的交易机会》，该模型通过分析不同行权价期权的隐含波动率差异，识别波动率偏斜中的交易机会[2] - **模型评价**：该模型是期权系列专题研究的第二篇，拓展了波动率维度的量化策略[2] 3. 模型名称：基于隐含波动率与标的价格反向变动的卖权策略 - **模型构建思路**：利用隐含波动率与标的价格之间的反向变动关系，构建卖出期权策略[2] - **模型具体构建过程**：报告引用了前期专题研究《基于隐含波动率与标的价格反向变动的卖权策略》，该模型通过捕捉隐含波动率与标的价格的反向变动规律，在特定市场条件下执行卖权操作[2] - **模型评价**：该模型是期权系列专题研究的第三篇，为波动率交易提供了策略框架[2] 4. 模型名称：基于日内趋势跟踪的期权买方策略 - **模型构建思路**：通过日内趋势跟踪方法构建期权买方策略[2] - **模型具体构建过程**：报告引用了前期专题研究《基于日内趋势跟踪的期权买方策略》，该模型通过识别日内价格趋势，在趋势形成时买入期权以获取收益[2] - **模型评价**：该模型是期权系列专题研究的第四篇，为日内交易提供了量化策略支持[2] 5. 模型名称：领口策略 - **模型构建思路**：通过同时持有标的资产、买入认沽期权和卖出认购期权来构建领口策略，用于对冲下行风险[5][41] - **模型具体构建过程**：持有现货的同时，买入认沽期权进行下行保护，同时卖出认购期权以降低对冲成本，形成领口组合[5][41] - **模型评价**：该策略适用于持有现货者进行风险对冲，可在市场调整时控制回撤[5][41] 6. 模型名称：价差策略 - **模型构建思路**：通过同时买入和卖出不同行权价或不同到期日的期权来构建价差组合[5][41] - **模型具体构建过程**：在500ETF波动加大的市场环境下，通过构建价差组合来捕捉波动率变化带来的收益，同时控制单边暴露风险[5][41] - **模型评价**：该策略适用于波动加大的市场环境，可避免单边暴露[5][41] 7. 模型名称：日内趋势策略 - **模型构建思路**：基于日内价格趋势进行期权交易[5][41] - **模型具体构建过程**：在500ETF波动加大的环境下，通过识别日内趋势方向进行期权操作，避免隔夜单边暴露风险[5][41] - **模型评价**：该策略适用于波动加大的市场环境，可捕捉日内交易机会[5][41] 二、量化因子与构建方式 1. 因子名称：总持仓量PCR - **因子构建思路**：通过计算认沽期权持仓量与认购期权持仓量的比值来构建总持仓量PCR因子，用于衡量市场情绪和避险倾向[4][12][14][18] - **因子具体构建过程**：总持仓量PCR = 认沽期权总持仓量 / 认购期权总持仓量。该因子通过统计期权市场中认沽期权和认购期权的持仓量数据，计算其比值作为市场情绪指标[4][12][14][18] - **因子评价**：PCR指标普遍回落显示避险情绪上升，该因子能够有效反映市场情绪变化[5][41] 2. 因子名称：成交量PCR - **因子构建思路**：通过计算认沽期权成交量与认购期权成交量的比值来构建成交量PCR因子[16][18][23] - **因子具体构建过程**：成交量PCR = 认沽期权总成交量 / 认购期权总成交量。该因子通过统计期权市场中认沽期权和认购期权的成交量数据，计算其比值作为市场交易情绪指标[16][18][23] - **因子评价**：成交量PCR与持仓量PCR结合使用，可更全面地反映市场情绪[16][18][23] 3. 因子名称：5日历史滚动波动率 - **因子构建思路**：通过计算标的资产过去5个交易日的滚动波动率来构建历史波动率因子[4][20][24][25] - **因子具体构建过程**：基于标的资产过去5个交易日的收益率数据，计算其标准差作为5日历史滚动波动率[4][20][24][25] - **因子评价**：该因子用于衡量短期市场波动水平，与隐含波动率对比可判断市场情绪[35][41] 4. 因子名称：10日历史波动率 - **因子构建思路**：通过计算标的资产过去10个交易日的滚动波动率来构建历史波动率因子[20][24][25] - **因子具体构建过程**：基于标的资产过去10个交易日的收益率数据，计算其标准差作为10日历史波动率[20][24][25] - **因子评价**：该因子用于衡量中期市场波动水平[20][24][25] 5. 因子名称：20日历史波动率 - **因子构建思路**：通过计算标的资产过去20个交易日的滚动波动率来构建历史波动率因子[20][24][25] - **因子具体构建过程**：基于标的资产过去20个交易日的收益率数据，计算其标准差作为20日历史波动率[20][24][25] - **因子评价**：该因子用于衡量中长期市场波动水平[20][24][25] 6. 因子名称：40日历史波动率 - **因子构建思路**：通过计算标的资产过去40个交易日的滚动波动率来构建历史波动率因子[20][24][25] - **因子具体构建过程**：基于标的资产过去40个交易日的收益率数据，计算其标准差作为40日历史波动率[20][24][25] - **因子评价**：该因子用于衡量较长周期市场波动水平[20][24][25] 7. 因子名称：隐含波动率（IV） - **因子构建思路**：通过期权市场价格反推得到的隐含波动率，用于衡量市场对未来波动的预期[4][29][35] - **因子具体构建过程**：基于期权定价模型（如Black-Scholes模型），通过期权市场价格反推得到隐含波动率。报告分析了各期权品种2026-10和2026-11合约的隐含波动率结构分布[29][30][31][32][33][34] - **因子评价**：隐波较上周普遍回落但仍高于历史波动率约2-3个百分点，认购端仍偏贵，显示市场对后市上涨仍有一定预期[4][29] 8. 因子名称：隐含波动率与历史波动率差值 - **因子构建思路**：通过计算隐含波动率与历史波动率之间的差值来构建波动率溢价因子[35][41] - **因子具体构建过程**：IV - HV20，即隐含波动率减去20日历史波动率。该因子用于衡量期权市场的波动率溢价水平[35][41] - **因子评价**：隐波与历史波动率差值收窄至约3个百分点，当前市场情绪较前期有所降温[35] 9. 因子名称：收盘价升贴水率 - **因子构建思路**：通过计算股指期货收盘价与标的指数之间的升贴水率来构建基差因子[9][10][11] - **因子具体构建过程**：收盘价升贴水率 = (期货收盘价 - 标的指数收盘价) / 标的指数收盘价。该因子用于衡量期货市场相对于现货市场的溢价或折价程度[9][10][11] - **因子评价**：各合约升贴水率反映了市场对未来走势的预期[9][10][11] 三、模型与因子的回测效果 模型回测效果 1. **PCR指标择时模型**：报告未披露具体回测指标值[2] 2. **期权波动率偏斜交易模型**：报告未披露具体回测指标值[2] 3. **基于隐含波动率与标的价格反向变动的卖权策略**：报告未披露具体回测指标值[2] 4. **基于日内趋势跟踪的期权买方策略**：报告未披露具体回测指标值[2] 5. **领口策略**：报告未披露具体回测指标值[5][41] 6. **价差策略**：报告未披露具体回测指标值[5][41] 7. **日内趋势策略**：报告未披露具体回测指标值[5][41] 因子回测效果 1. **总持仓量PCR因子**： - 50ETF期权总持仓量PCR为0.69，较上周末降0.05[4][12] - 华泰柏瑞沪深300ETF期权总持仓量PCR为0.86，较上周末降0.03[4][14] - 南方中证500ETF期权总持仓量PCR为0.69，较上周末降0.12[4][18] 2. **成交量PCR因子**：报告未披露具体取值[16][18][23] 3. **5日历史滚动波动率因子**： - 50ETF：10.90%，位于五年历史25%分位附近[4][20] - 华泰柏瑞沪深300ETF：15.79%，位于五年历史50%分位附近[4][24] - 南方中证500ETF：24.26%，位于五年历史75%分位附近[4][25] 4. **10日历史波动率因子**： - 50ETF：12.29%[20] - 华泰柏瑞沪深300ETF：15.74%[24] - 南方中证500ETF：23.56%[25] 5. **20日历史波动率因子**： - 50ETF：10.35%[20] - 华泰柏瑞沪深300ETF：12.02%[24] - 南方中证500ETF：19.81%[25] 6. **40日历史波动率因子**： - 50ETF：10.90%[20] - 华泰柏瑞沪深300ETF：13.25%[24] - 南方中证500ETF：22.27%[25] 7. **隐含波动率（IV）因子**： - 隐波较上周普遍回落，但当前隐波仍高于历史波动率约2-3个百分点[4] - 各品种IV较上周回落，认购端仍偏贵[4] - 500ETF隐波水平远高于50ETF、300ETF[4] 8. **隐含波动率与历史波动率差值因子**： - 隐波与历史波动率差值收窄至约3个百分点[35] 9. **收盘价升贴水率因子**： - IH2610：-0.17%[9] - IH2611：-0.94%[9] - IH2612：-1.55%[9] - IH2703：-2.74%[9] - IF2610：-0.22%[10] - IF2611：-1.03%[10] - IF2612：-1.68%[10] - IF2703：-3.19%[10] - IC2610：-0.24%[11] - IC2611：-1.27%[11] - IC2612：-1.93%[11] - IC2703：-4.16%[11]

报告行业投资评级 - 对股指期货基差持中性偏空观点 [3] 报告核心观点 - 本周由日收益率算得的历史波动率无明显变化 10月9日市场出现V型反转 日内波动较大 VIX有所抬升 伴随市场升波 基差有所走低 [3] - 当前历史波动率和VIX均处于历史相对低位 具备上行空间 [3] - 建议使用近月合约作多头替代 使用远月合约作空头对冲 [3] - 上周报告维持基差中性观点 同样建议使用近月合约作多头替代 使用远月合约作空头对冲 [3] 最新基差和市场有关数据 - IH系列合约数据 IH2610到期天数7天 成交量14519 持仓量21533 分红调整基差-4.67 分红调整基差率-0.17% 年化基差率-8.68% IH2611到期天数42天 成交量4534 持仓量5724 分红调整基差-20.48 分红调整基差率-0.73% 年化基差率-6.34% IH2612到期天数70天 成交量35916 持仓量70141 分红调整基差-33.79 分红调整基差率-1.20% 年化基差率-6.28% IH2703到期天数161天 成交量4875 持仓量18280 分红调整基差-53.21 分红调整基差率-1.90% 年化基差率-4.30% [5] - IF系列合约数据 IF2610到期天数7天 成交量36158 持仓量50002 分红调整基差-7.89 分红调整基差率-0.18% 年化基差率-9.53% IF2611到期天数42天 成交量10333 持仓量19533 分红调整基差-36.88 分红调整基差率-0.85% 年化基差率-7.42% IF2612到期天数70天 成交量72931 持仓量177999 分红调整基差-58.68 分红调整基差率-1.36% 年化基差率-7.09% IF2703到期天数161天 成交量10118 持仓量62477 分红调整基差-112.87 分红调整基差率-2.61% 年化基差率-5.93% [5] - IC系列合约数据 IC2610到期天数7天 成交量50264 持仓量59280 分红调整基差-14.29 分红调整基差率-0.20% 年化基差率-10.28% IC2611到期天数42天 成交量14864 持仓量21234 分红调整基差-85.66 分红调整基差率-1.18% 年化基差率-10.27% IC2612到期天数70天 成交量116126 持仓量176072 分红调整基差-130.75 分红调整基差率-1.80% 年化基差率-9.40% IC2703到期天数161天 成交量19007 持仓量57449 分红调整基差-285.36 分红调整基差率-3.94% 年化基差率-8.92% [5] - IM系列合约数据 IM2610到期天数7天 成交量83273 持仓量99255 分红调整基差-12.05 分红调整基差率-0.17% 年化基差率-8.78% IM2611到期天数42天 成交量24567 持仓量34574 分红调整基差-78.21 分红调整基差率-1.09% 年化基差率-9.50% IM2612到期天数70天 成交量204532 持仓量284098 分红调整基差-135.39 分红调整基差率-1.89% 年化基差率-9.87% IM2703到期天数161天 成交量31350 持仓量98243 分红调整基差-309.51 分红调整基差率-4.33% 年化基差率-9.81% [5] - 相关配套图表包含股指期货期限结构 近期市场数据-有关指数收益和波动 近期市场数据-有关因子收益和波动 近期市场数据-有关期货成交持仓 数据来源均为米筐科技 国泰君安期货 [6][8][10][12]