量化模型与构建方式 1. 宏观周期识别框架 1. **模型名称**：宏观周期识别框架[9] 2. **模型构建思路**：为改善单一维度判断不稳定的问题，同时考虑经济景气、通胀、利率、库存、信用五个维度的宏观指标，构建高维宏观周期识别框架[9]。 3. **模型具体构建过程**： * **宏观因子变量构建**：将宏观指数分别对宽基指数、代理宏观变量做回归，选取t值显著的细分宏观变量，用过去一年标准差倒数加权构建宏观因子变量[2]。 * **数据处理**：采用单边HP滤波器对宏观经济数据进行调整，以消除短期波动对长期趋势判断的影响[2]。 * **状态与趋势划分**：基于滤波后的变量，分别用因子动量划分宏观趋势（上行、下行）和用时序百分位划分宏观状态（高、中、低位）[2]。 2. 中证全指择时策略 1. **模型名称**：中证全指择时策略[28] 2. **模型构建思路**：基于宏观变量组合（流动性+库存、流动性+信用）对中证全指未来上涨概率的预测值进行择时[26]。 3. **模型具体构建过程**：统计“流动性+库存”和“流动性+信用”两个子策略对中证全指未来收益是否上涨的预测值，当任一子策略的预测值高于阈值（0.6）时，对中证全指做多，反之做空[26]。 3. 红利指数择时策略 1. **模型名称**：红利指数择时策略[35] 2. **模型构建思路**：基于宏观变量组合（通胀+库存、库存+信用）对红利指数未来上涨概率的预测值进行择时[35]。 3. **模型具体构建过程**：计算“通胀+库存”和“库存+信用”两个子策略对红利指数未来收益是否上涨的预测值的均值，当该均值高于阈值（0.6）时，对红利指数做多，反之做空[35]。 4. 风格轮动配置策略 1. **模型名称**：风格轮动配置策略[48] 2. **模型构建思路**：利用有效的宏观因子两两组合，滚动预测六大风格指数的远期收益率，并基于预测结果进行月度调仓配置[42]。 3. **模型具体构建过程**： * **因子组合筛选**：筛选出“通胀+库存”和“通胀+信用”两个有效的宏观因子组合[43]。 * **收益预测与排序**：将两个子策略对风格指数未来收益的预测值进行截面排序并求均值[48]。 * **配置规则**：每月等权配置预测值排名前二的风格指数[48]。 模型的回测效果 1. 中证全指择时策略 * **回测期**：2012年1月末至2026年1月31日[28] * **年化收益**：16.56%[28] * **年化波动**：21.98%[29] * **夏普比率**：75.33%[29] * **最大回撤**：-28.10%[29] * **超额收益（相对中证全指）**：10.19%[28] * **跟踪误差**：35.06%[29] * **信息比率(IR)**：29.07%[29] * **相对最大回撤**：-50.30%[29] 2. 红利指数择时策略 * **回测期**：2012年1月末至2026年1月31日[35] * **年化收益**：10.97%[35] * **年化波动**：14.91%[41] * **夏普比率**：0.74[41] * **最大回撤**：-19.92%[41] * **超额收益（相对红利指数）**：8.49%[35] * **跟踪误差**：9.63%[41] * **信息比率(IR)**：0.88[41] * **相对最大回撤**：-12.47%[41] 3. 风格轮动配置策略 * **回测期**：2014年9月30日至2026年1月31日[48] * **年化收益**：14.79%[48] * **年化波动**：23.46%[52] * **夏普比率**：0.63[52] * **最大回撤**：-45.93%[52] * **超额收益（相对风格等权）**：4.61%[48] * **跟踪误差**：10.56%[52] * **信息比率(IR)**：0.44[52] * **相对最大回撤**：-31.16%[52] 量化因子与构建方式 1. 宏观因子变量 1. **因子名称**：宏观因子变量[2] 2. **因子构建思路**：通过回归筛选出对市场有显著影响的细分宏观变量，并进行加权合成，以构建综合性的宏观因子[2]。 3. **因子具体构建过程**： * 将宏观指数分别对宽基指数、代理宏观变量做回归[2]。 * 选取回归结果中t值显著的细分宏观变量[2]。 * 使用过去一年历史数据的标准差倒数对选出的变量进行加权，构建最终的宏观因子变量[2]。 2. 宏观趋势（因子动量） 1. **因子名称**：宏观趋势（因子动量）[2] 2. **因子构建思路**：基于滤波后的宏观变量，通过其动量方向来判断宏观经济的趋势是上行还是下行[2]。 3. **因子具体构建过程**：对经过单边HP滤波器处理后的宏观变量，计算其动量，并根据动量方向划分为“上行”或“下行”趋势[2]。 3. 宏观状态（时序百分位） 1. **因子名称**：宏观状态（时序百分位）[2] 2. **因子构建思路**：根据宏观变量在历史序列中所处的位置，来判断当前宏观状态处于高位、中位还是低位[2]。 3. **因子具体构建过程**：计算滤波后的宏观变量在历史时间序列上的百分位，根据设定的分位数阈值（例如，前30%为高位，中间40%为中位，后30%为低位）划分状态[2]。 4. 有效宏观因子组合 1. **因子名称**：通胀+库存组合、通胀+信用组合[43] 2. **因子构建思路**：将两个不同的宏观维度（状态或趋势）进行组合，形成对风格轮动预测更有效的复合因子信号[42][43]。 3. **因子具体构建过程**：报告通过测试发现，“通胀”与“库存”的组合，以及“通胀”与“信用”的组合，在预测风格指数未来收益率方面具有较好的有效性和互补性[43]。

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**：属于短期择时模型，基于价量关系进行市场判断[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**：属于短期择时模型，基于龙虎榜机构买卖行为特征进行判断[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**：属于短期择时模型，基于特殊的成交量特征进行判断[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：智能算法沪深300模型 / 智能算法中证500模型**[12] * **模型构建思路**：属于短期择时模型，应用智能算法对特定宽基指数（沪深300、中证500）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。 5. **模型名称：涨跌停模型**[13] * **模型构建思路**：属于中期择时模型，从涨跌停角度构建择时策略[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**：属于中期择时模型，基于市场上涨和下跌收益的差异进行判断[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。 7. **模型名称：月历效应模型**[13] * **模型构建思路**：属于中期择时模型，基于日历效应进行市场择时[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**：属于长期择时模型，基于长期动量角度构建择时策略[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 / A股综合国证2000模型**[15] * **模型构建思路**：属于综合择时模型，通过耦合不同周期或同一周期下的多个模型信号，实现攻守兼备[9][15]。 * **模型具体构建过程**：报告未提供该模型的具体耦合方法与详细步骤。 10. **模型名称：成交额倒波幅模型**[16] * **模型构建思路**：属于港股中期择时模型[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。 11. **模型名称：恒生指数上下行收益差模型 / 上下行收益差相似模型**[16] * **模型构建思路**：属于港股中期择时模型，基于上下行收益差或其相似逻辑进行判断[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。 12. **模型名称：形态学监控模型（双底形态、杯柄形态）**[43] * **模型构建思路**：基于技术分析中的经典价格形态（如双底、杯柄形态）识别突破信号，构建选股组合[43]。 * **模型具体构建过程**：报告展示了形态识别的结果（如A点、B点、C点等关键时点），但未提供形态识别的具体量化规则和公式[48][49][54][55]。 13. **模型名称：大师策略监控模型**[38] * **模型构建思路**：监控经典量化选股策略（价值型、成长型、综合型），以发现当前收益靠前组合暴露的因子及因子标准[38]。 * **模型具体构建过程**：报告提及监控了33个大师系列策略，但未列出具体策略名称、构建思路及详细过程[38]。 14. **模型名称：VIX指数计算模型**[42] * **模型构建思路**：根据公开披露的VIX计算方法，复现国内市场的波动率指数，用于监控市场情绪[42]。 * **模型具体构建过程**：报告未提供具体的VIX计算公式，但提及复现的指数与中证指数公司历史发布的VIX指数相关系数达99.2%[42]。 模型的回测效果 1. **双底形态组合**，本周上涨3.75%，相对上证综指超额收益2.91%，自2020年12月31日至今累计上涨28.48%，相对上证综指累计超额收益9.38%[43]。 2. **杯柄形态组合**，本周上涨4.51%，相对上证综指超额收益3.67%，自2020年12月31日至今累计上涨23.66%，相对上证综指累计超额收益4.57%[43]。 3. **上周杯柄形态突破个股**（70只），上周平均相对上证综指超额收益1.11%[44]。 4. **上周双底形态突破个股**（102只），上周平均相对上证综指超额收益2.0%[51]。 量化因子与构建方式 1. **因子名称：分析师上调/下调个股比例**[20] * **因子构建思路**：从分析师一致预期角度观察行业，计算行业内获得分析师上调或下调评级的个股占比[20][21]。 * **因子具体构建过程**：对于每个行业，因子值为： * 分析师上调个股比例 = (行业内被上调评级的个股数量 / 行业内总样本股数量) * 100% * 分析师下调个股比例 = (行业内被下调评级的个股数量 / 行业内总样本股数量) * 100% 报告以表格形式展示了各行业的计算结果[20][23]。 2. **因子名称：基金仓位（绝对仓位）**[23][29] * **因子构建思路**：监控股票型基金和混合型基金在不同行业上的配置比例，反映机构资金的布局动向[23]。 * **因子具体构建过程**：基于基金持仓数据，汇总计算各类型基金在每个行业上的持仓市值占其总资产的比例，得到本周仓位及相较于上周、上月、上季的变化[29]。 3. **因子名称：基金超低配仓位**[24][32] * **因子构建思路**：衡量基金在行业上的主动配置倾向，即基金仓位与市场标准（如行业市值占比）的差异[24]。 * **因子具体构建过程**：对于每个行业和基金类型，计算： * 超/低配(%) = 基金本周仓位(%) - 行业市值占比(%) 同时，计算该超低配值在近两年历史中的分位数，以判断当前配置水平在历史上的位置[32][33]。 因子的回测效果 *(报告未提供上述因子的独立历史回测绩效指标，如IC、IR、多空收益等。)*

报告核心观点 - 报告提出一个高维宏观周期识别框架，通过将经济景气、通胀、利率、库存、信用五个维度的宏观变量进行升维处理，以更精准地驱动宽基指数择时、风格与行业轮动 [1][8][9] - 核心结论是，在当前经济景气下行、通胀细分项下行的宏观环境下，看好小盘和红利风格 [1][3] - 报告基于历史回测数据，为宽基指数择时、红利指数配置及风格轮动提供了具体的量化策略和配置建议 [3][27][37][50] 宏观周期识别框架构建 - 传统单一经济周期（如美林时钟）稳定性较差，对股市的短期预测效用有限，因此需要构建多维度框架 [8][9] - 报告同时考虑经济景气、通胀、利率、库存、信用五个维度的指标，以改善单一维度判断不稳定的问题 [9] - 宏观因子构建时，采用单边HP滤波器消除短期波动，并综合宏观变量的边际变化与其所处的时序百分位状态进行升维分析 [2] 当前宏观状态分析 - 截至2025年12月31日，宏观经济整体处于弱复苏态势，整体指标分位由72%降至61% [17] - 通胀整体保持低位下行，能源价格环比下跌2.8% [19] - 流动性条件维持中位上行，资金面延续宽松 [19] - 信用环境维持中位下行，综合指标由50%下降至47.22%，但M2同比增速与社会融资规模存量同比微升 [19] - 库存指标分位由41.67%上升至57.28%，转为中位上行，显示企业去库存周期可能即将结束 [19] 宽基指数择时策略 - 构建了基于流动性+库存、流动性+信用子策略的中证全指择时策略，当任一子策略预测值高于阈值0.6时做多 [27] - 策略自2012年1月末至2025年12月31日，年化收益达16.20%，相对中证全指超额收益10.26% [3][30] - 当前库存指标转为中位上行，流动性维持中位上行，报告建议对中证全指的配置可提升至中性偏积极 [30] - 历史数据显示，当库存处于中等向上水平时，中证全指上涨概率最高，达73.83% [3][34] 红利指数择时策略 - 构建了基于通胀+库存、库存+信用子策略的红利指数择时策略，当预测均值高于阈值0.6时做多 [37] - 策略自2012年1月末至2025年12月31日，年化收益为10.78%，相对红利指数超额收益8.42% [3][37] - 当前通胀指标转为低位下行，库存指标转为中位上行，考虑到通胀指标的衰减，报告将红利指数配置建议下调为中性观察 [37] 风格轮动策略 - 筛选出通胀+库存、通胀+信用两个有效的宏观因子组合用于风格轮动预测，每月等权配置预测值排名前二的风格指数 [44][50] - 策略自2014年9月30日至2025年12月31日，年化收益为14.15%，相对风格等权组合超额收益6.08% [3][50][58] - 根据最新数据，在当前通胀低位下行、库存中位上行、信用高位下行的阶段，策略推荐配置红利与绩优风格 [3][60] - 敏感性分析显示，在通胀低位下行状态下，对小盘和红利风格更为有利 [24]

量化模型与构建方式 1. **模型名称**：成交量模型 - **模型构建思路**：基于宽基指数的成交量变化判断市场短期走势[12] - **模型具体构建过程**：监测宽基指数（如上证指数、沪深300等）的成交量突破阈值，结合价格趋势确认信号。当成交量显著放大且价格突破关键位时触发看多信号[12] 2. **模型名称**：低波动率模型 - **模型构建思路**：通过计算宽基指数的历史波动率判断市场风险偏好[12] - **模型具体构建过程**：采用20日波动率标准差，当波动率低于历史中位数时输出中性信号[12] 3. **模型名称**：特征龙虎榜机构模型 - **模型构建思路**：跟踪龙虎榜机构资金流向构建看空/看多信号[12] - **模型具体构建过程**：统计机构席位净卖出金额占比，超过阈值时触发看空信号[12] 4. **模型名称**：智能沪深300/中证500模型 - **模型构建思路**：结合机器学习和价量因子对指数进行择时[12] - **模型评价**：在趋势行情中表现优异，震荡市易产生误判[12] 5. **模型名称**：涨跌停模型 - **模型构建思路**：通过市场涨跌停家数比判断中期情绪[13] - **模型具体构建过程**：计算涨停/跌停股票数量比值，5日均值高于1.5时看多，低于0.8时看空[13] 6. **模型名称**：长期动量模型 - **模型构建思路**：基于250日收益率排序判断长期趋势[14] - **模型具体构建过程**：$$ Momentum_{250} = \frac{P_t}{P_{t-250}} - 1 $$，数值处于历史前30%分位时看多[14] 7. **复合模型**：A股综合兵器V3模型 - **模型构建思路**：耦合短期成交量、中期涨跌停和长期动量信号[15] - **模型评价**：多周期信号互补，稳定性优于单一模型[15] 8. **港股模型**：成交额倒波幅模型 - **模型构建思路**：结合港股成交额与波动率异常检测[16] - **模型具体构建过程**：$$ Signal = \frac{Turnover_{10D}}{VIX_{10D}} $$，突破布林带上轨时看多[16] 模型的回测效果 1. 成交量模型：上证指数看多信号周胜率62%[12] 2. 低波动率模型：沪深300中性信号年化波动率18%[12] 3. 智能沪深300模型：年化超额收益9.8%，IR 1.2[12] 4. 长期动量模型：国证2000指数年化收益差3.5%[14] 5. 成交额倒波幅模型：恒生指数看多信号月胜率58%[16] 量化因子与构建方式 1. **因子名称**：杯柄形态因子 - **因子构建思路**：识别价格走势中的杯柄突破形态[44] - **因子具体构建过程**： 1. 定义A点（左杯沿）、B点（杯底）、C点（右杯沿）[44] 2. 计算形态长度（A到C周数）[44] 3. 突破条件：$$ P_{break} = C_{high} + 0.5 \times (A_{high} - B_{low}) $$[44] 2. **因子名称**：双底形态因子 - **因子构建思路**：捕捉W形底部反转信号[49] - **因子具体构建过程**： 1. 识别A（左底）、B（颈线）、C（右底）三点[49] 2. 突破条件：$$ P_{break} = B_{high} + 0.618 \times (B_{high} - A_{low}) $$[49] 因子的回测效果 1. 杯柄形态因子：2020年至今累计超额收益45.93%，周胜率53%[43] 2. 双底形态因子：同期累计超额收益34.82%，周胜率48%[43]

量化模型与构建方式 1. **模型名称**：成交量模型 - **模型构建思路**：通过监测市场成交量变化判断短期市场情绪[10] - **模型评价**：信号偏中性，适用于宽基指数短期择时[10] 2. **模型名称**：低波动率模型 - **模型构建思路**：基于历史波动率筛选低风险资产[10] - **模型评价**：防御性策略，当前信号中性[10] 3. **模型名称**：特征龙虎榜机构模型 - **模型构建思路**：追踪机构资金在龙虎榜的买卖行为[10] - **模型评价**：反映机构动向，当前信号中性[10] 4. **模型名称**：智能沪深300/中证500模型 - **模型构建思路**：结合量价与机器学习对特定指数择时[10] - **模型评价**：沪深300看多，中证500看空，分化明显[10] 5. **模型名称**：涨跌停模型 - **模型构建思路**：统计涨跌停股票数量判断市场热度[11] - **模型评价**：中期信号中性[11] 6. **模型名称**：长期动量模型 - **模型构建思路**：计算宽基指数长期趋势强度[12] - **模型评价**：全市场宽基指数信号中性[12] 7. **模型名称**：A股综合兵器V3/国证2000模型 - **模型构建思路**：多因子耦合的复合择时模型[13] - **模型评价**：当前均看空，风险偏好较低[13] 8. **模型名称**：成交额倒波幅模型（港股） - **模型构建思路**：结合成交额与波动率反转信号[14] - **模型评价**：中期看多恒生指数[14] 模型的回测效果 （注：报告中未提供具体回测指标如IR、胜率等，仅展示信号方向） 量化因子与构建方式 1. **因子名称**：杯柄形态因子 - **因子构建思路**：识别价格走势中的杯柄形态突破[42][56] - **因子具体构建过程**： - 定义A点（左杯沿）、B点（杯底）、C点（右杯沿） - 突破条件：价格突破C点且成交量放大[56] - **因子评价**：2020年12月以来超额收益达39.13%[42] 2. **因子名称**：双底形态因子 - **因子构建思路**：捕捉W形底部反转信号[49][54] - **因子具体构建过程**： - 定义A点（第一底）、B点（颈线）、C点（第二底） - 突破条件：价格突破颈线位[54] - **因子评价**：2020年12月以来超额收益22.48%[42] 因子的回测效果 1. **杯柄形态因子**： - 本周超额收益0.19%（相对上证指数）[42] - 历史累计超额收益35.54%[42] 2. **双底形态因子**： - 本周超额收益-0.83%（相对上证指数）[42] - 历史累计超额收益16.9%[42] 其他量化工具 1. **VIX指数**： - 构建方法：复现中证指数公司VIX计算，相关系数99.2%[40] - 当前值：16.12（50ETF期权）[41] 2. **大师策略监控**： - 覆盖33个经典量化选股策略（价值型19/成长型6/综合型8）[37]