贴水大幅收敛，市场情绪全面升温 [Table_ReportTime] 2025 年 8 月 16 日 请阅读最后一页免责声明及信息披露 http://www.cindasc.com 1 [Table_FirstAuthor] 于明明 金融工程与金融产品首席分析师 执业编号：S1500521070001 联系电话：+86 18616021459 邮 箱：yumingming@cindasc.com 证券研究报告 金工研究 [T金工ableReportType] 点评报告 于明明 金融工程与金融产品 首席分析师 执业编号：S1500521070001 联系电话：+86 18616021459 邮 箱：yumingming@cindasc.com 崔诗笛 金融工程与金融产品 金融工程分析师 执业编号：S1500523080001 联系电话：+86 18516560686 邮 箱：cuishidi@cindasc.com 孙石 金融工程与金融产品 金融工程分析师 执业编号：S1500523080010 联系电话：+86 18817366228 邮 箱：sunshi@cindasc.com 信达证券股份有限公司 CIN ...

量化模型与构建方式 1. **模型名称：股指期货分红点位预测模型** - **模型构建思路**：基于历史数据和成分股分红信息，预测股指期货合约存续期内标的指数的分红点位[9] - **模型具体构建过程**： 1. 对中证500、沪深300、上证50、中证1000指数未来一年分红点位进行预测 2. 计算合约存续期内分红点位占比 3. 公式： $$年化基差 = \frac{实际基差 + 预期分红点位}{指数价格} \times \frac{360}{合约剩余天数}$$ 4. 示例：中证500指数在IC2508合约存续期内分红点位预估为2.12，年化基差计算中需叠加该调整项[9][21] 2. **模型名称：期现对冲策略（连续对冲/最低贴水策略）** - **模型构建思路**：通过动态调整期货合约持仓，优化基差收敛收益[44][46] - **模型具体构建过程**： - **连续对冲策略**： 1. 持有季月/当月合约至到期前2日平仓 2. 滚动卖空下一季月/当月合约 3. 现货端持有全收益指数，期货端占用30%资金[44] - **最低贴水策略**： 1. 每日计算所有可交易合约的年化基差 2. 选择贴水幅度最小的合约开仓 3. 持有8个交易日或到期前2日调仓[46] 3. **模型名称：信达波动率指数（Cinda-VIX/SKEW）** - **模型构建思路**：通过期权隐含波动率捕捉市场对波动和尾部风险的预期[61][67] - **模型具体构建过程**： - **Cinda-VIX**： 1. 基于不同期限期权价格计算隐含波动率 2. 反映未来30/60/90/120日的波动预期[61] - **Cinda-SKEW**： 1. 分析虚值看涨/看跌期权IV偏斜 2. 数值>100表明市场担忧尾部风险[67] --- 模型的回测效果 1. **IC对冲策略（2022/7/22-2025/8/8）** - 季月连续对冲：年化收益-1.87%，波动率4.72%，最大回撤-8.34%[48] - 最低贴水策略：年化收益-1.12%，年换手17.15次[48] 2. **IF对冲策略** - 最低贴水策略：年化收益1.36%，2025年以来收益0.80%[51] 3. **IH对冲策略** - 季月连续对冲：年化收益2.04%，净值1.0630[54] 4. **IM对冲策略** - 当月连续对冲：年化收益-6.07%，最大回撤-14.01%[59] --- 量化因子与构建方式 1. **因子名称：分红调整年化基差** - **因子构建思路**：剔除分红影响后的期货合约基差[21] - **因子具体构建过程**： 1. 计算实际基差：合约收盘价 - 指数收盘价 2. 叠加存续期内未实现预期分红 3. 年化处理： $$年化基差 = \frac{实际基差 + 预期分红点位}{指数价格} \times \frac{360}{合约剩余天数}$$[21] 2. **因子名称：VIX期限结构** - **因子构建思路**：反映不同期限波动率预期的斜率[61] - **因子具体构建过程**： 1. 分别计算30/60/90/120日VIX 2. 对比短期与长期VIX差值[61] 3. **因子名称：SKEW极端值** - **因子构建思路**：识别市场对黑天鹅事件的定价[67] - **因子具体构建过程**： 1. 当SKEW>100且处于历史99.7%分位时触发预警 2. 示例：中证1000SKEW达114.07点[68] --- 因子的回测效果 1. **分红调整年化基差（2025/8/8）** - IC当季合约：-10.79%（低于2022年以来中位数）[22] - IH当季合约：-0.12%（从升水转为贴水）[33] 2. **Cinda-VIX（30日）** - 中证500VIX：23.46（处于历史50%分位以下）[61] 3. **Cinda-SKEW** - 沪深300SKEW：109.58（历史99.7%分位）[68]

量化模型与构建方式 1. **模型名称：股指期货分红点位预测模型** - **模型构建思路**：基于历史分红数据和指数成分股的分红预测，对股指期货合约存续期内的分红点位进行预测[9] - **模型具体构建过程**： 1. 对中证500、沪深300、上证50、中证1000指数未来一年内的分红点位进行预测，分别预估为81.80、74.62、59.13、61.02[9] 2. 对当月、次月、当季、下季合约存续期内的分红点位进行细分预测，例如中证500指数在当月合约IC2508存续期内分红点位预估为3.73，次月合约IC2509为7.31，当季合约IC2512为7.31，下季合约IC2603为7.31[9] 3. 计算分红占比，例如中证500指数在下季合约存续期内分红占比预估为0.12%[9] 2. **模型名称：基差修正模型** - **模型构建思路**：剔除分红对期货合约基差的影响，计算调整后的年化基差[20] - **模型具体构建过程**： 1. 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. 年化基差计算公式： $$年化基差 = (实际基差 + (预期)分红点位)/指数价格 \times 360/合约剩余天数$$[20] 3. 例如，IC当季合约分红调整年化基差周内低点贴水8.57%，当前基差贴水7.79%[21] 3. **模型名称：期现对冲策略** - **模型构建思路**：基于基差收敛因素分析，优化对冲策略[46] - **模型具体构建过程**： 1. **连续对冲策略**： - 回测区间：2022年7月22日至2025年7月25日[47] - 现货端：持有对应标的指数的全收益指数[47] - 期货端：现货端使用70%资金，做空对冲端使用金额相同名义本金的股指期货合约[47] - 调仓规则：连续持有季月/当月合约，直至该合约离到期剩余不足2日，平仓并卖空下一季月/当月合约[47] 2. **最低贴水策略**： - 调仓规则：选择年化基差贴水幅度最小的合约开仓，同一合约持有8个交易日或离到期不足2日[48] 模型的回测效果 1. **IC对冲策略**（2022年7月22日至2025年7月25日）： - 当月连续对冲：年化收益-2.87%，波动率3.85%，最大回撤-8.65%，净值0.9167[50] - 季月连续对冲：年化收益-2.11%，波动率4.74%，最大回撤-8.34%，净值0.9383[50] - 最低贴水策略：年化收益-1.09%，波动率4.64%，最大回撤-7.97%，净值0.9677[50] 2. **IF对冲策略**（2022年7月22日至2025年7月25日）： - 当月连续对冲：年化收益0.52%，波动率2.99%，最大回撤-3.95%，净值1.0155[55] - 季月连续对冲：年化收益0.69%，波动率3.34%，最大回撤-4.03%，净值1.0207[55] - 最低贴水策略：年化收益1.33%，波动率3.12%，最大回撤-4.06%，净值1.0403[55] 3. **IH对冲策略**（2022年7月22日至2025年7月25日）： - 当月连续对冲：年化收益1.08%，波动率3.10%，最大回撤-4.22%，净值1.0326[59] - 季月连续对冲：年化收益2.00%，波动率3.52%，最大回撤-3.76%，净值1.0612[59] - 最低贴水策略：年化收益1.75%，波动率3.12%，最大回撤-3.91%，净值1.0533[59] 4. **IM对冲策略**（2022年7月22日至2025年7月25日）： - 当月连续对冲：年化收益-6.09%，波动率4.73%，最大回撤-14.01%，净值0.8426[61] - 季月连续对冲：年化收益-4.50%，波动率5.78%，最大回撤-12.63%，净值0.8744[61] - 最低贴水策略：年化收益-3.89%，波动率5.58%，最大回撤-11.11%，净值0.8851[61] 量化因子与构建方式 1. **因子名称：Cinda-VIX** - **因子构建思路**：反映期权市场对标的资产未来波动的预期，具有期限结构[64] - **因子具体构建过程**：基于期权定价模型，计算不同期限的波动率指数[64] - **因子评价**：能够准确反映市场波动性预期[64] 2. **因子名称：Cinda-SKEW** - **因子构建思路**：捕捉不同行权价格期权隐含波动率的偏斜特征，衡量市场对尾部风险的预期[74] - **因子具体构建过程**：分析看涨和看跌期权的波动率偏斜，计算SKEW指数[74] - **因子评价**：能够洞察市场对极端负面事件的预期[74] 因子的回测效果 1. **Cinda-VIX**（截至2025年7月25日）： - 上证50VIX_30：21.24[64] - 沪深300VIX_30：20.56[64] - 中证500VIX_30：28.18[64] - 中证1000VIX_30：25.00[64] 2. **Cinda-SKEW**（截至2025年7月25日）： - 上证50SKEW：97.47[75] - 沪深300SKEW：98.01[75] - 中证500SKEW：100.61[75] - 中证1000SKEW：102.81[75]

量化模型与构建方式 1. **模型名称：股指期货分红点位预测模型** - **模型构建思路**：基于历史数据和成分股分红信息，预测股指期货合约存续期内标的指数的分红点位[9][11][16][18] - **模型具体构建过程**： 1. 收集标的指数成分股的历史分红数据及公告信息 2. 按合约存续期划分未来一年内的分红实施时间段 3. 汇总各时间段内成分股的预期分红金额，折算为指数点位影响 公式： $$分红点位 = \sum_{i=1}^{n} (成分股i分红金额 \times 权重_i) / 指数除数$$ 其中权重_i为成分股在指数中的权重[9][11][16][18] 2. **模型名称：基差修正模型** - **模型构建思路**：剔除分红对期货合约基差的影响，计算真实反映市场情绪的调整后基差[21] - **模型具体构建过程**： 1. 计算实际基差：期货价格 - 指数价格 2. 叠加存续期内未实现的预期分红点位 3. 年化处理以统一比较标准 公式： $$年化基差 = \frac{实际基差 + 预期分红点位}{指数价格} \times \frac{360}{合约剩余天数}$$[21] 3. **模型名称：期现对冲策略（连续对冲/最低贴水）** - **模型构建思路**：通过动态调整期货合约对冲现货风险，利用基差收敛特性优化收益[47][49] - **模型具体构建过程**： - **连续对冲**：持有季月/当月合约至到期前2日平仓并切换下一合约[48] - **最低贴水策略**：每8个交易日选择年化基差贴水最小的合约开仓，排除剩余期限不足8日的合约[49] - 资金分配：70%配置现货全收益指数，30%用于期货保证金[48][49] 4. **模型名称：Cinda-VIX/SKEW指数模型** - **模型构建思路**：通过期权隐含波动率捕捉市场波动预期与尾部风险[66][71] - **模型具体构建过程**： 1. 计算不同行权价期权的隐含波动率（IV） 2. VIX反映波动率期限结构，SKEW衡量IV偏斜程度 3. 当SKEW>100时提示市场对极端下跌风险的担忧[71][72] --- 量化因子与构建方式 1. **因子名称：分红调整年化基差因子** - **因子构建思路**：反映期货合约相对现货的溢价/折价水平，剔除分红干扰[21] - **因子具体构建过程**： 1. 按基差修正模型计算年化基差 2. 跟踪IC/IF/IH/IM四大期指品种的季月合约基差[22][28][32][38][46] 2. **因子名称：VIX期限结构因子** - **因子构建思路**：通过不同期限VIX比值反映市场短期与长期波动预期差异[66] - **因子具体构建过程**： 1. 计算30/60/90/120日VIX值 2. 构建期限结构斜率（如VIX_30/VIX_120）[70][73][74][75] 3. **因子名称：SKEW警戒因子** - **因子构建思路**：识别市场对尾部风险的定价异常[71][72] - **因子具体构建过程**： 1. 监测SKEW指数是否持续高于历史80%分位 2. 结合VIX上升形成"风险高地"信号[72][78] --- 模型的回测效果 | 模型名称 | 年化收益 | 波动率 | 最大回撤 | 净值 | 年换手次数 | |------------------------|------------|--------|----------|----------|------------| | IC连续对冲(当月) | -2.86% | 3.86% | -8.40% | 0.9173 | 12 |[51]| | IC连续对冲(季月) | -2.06% | 4.75% | -8.34% | 0.9400 | 4 |[51]| | IC最低贴水策略 | -1.08% | 4.65% | -7.97% | 0.9683 | 17.5 |[51]| | IF连续对冲(当月) | 0.50% | 3.00% | -3.95% | 1.0149 | 12 |[56]| | IF连续对冲(季月) | 0.75% | 3.35% | -4.03% | 1.0225 | 4 |[56]| | IF最低贴水策略 | 1.32% | 3.13% | -4.06% | 1.0397 | 15.48 |[56]| | IH连续对冲(当月) | 1.04% | 3.11% | -4.22% | 1.0314 | 12 |[60]| | IH连续对冲(季月) | 1.99% | 3.53% | -3.76% | 1.0603 | 4 |[60]| | IH最低贴水策略 | 1.72% | 3.13% | -3.91% | 1.0521 | 16.15 |[60]| | IM连续对冲(当月) | -6.06% | 4.73% | -14.01% | 0.8411 | 12 |[64]| | IM连续对冲(季月) | -4.43% | 5.78% | -12.63% | 0.8718 | 4 |[64]| | IM最低贴水策略 | -3.85% | 5.58% | -11.11% | 0.8839 | 16.02 |[64]| --- 因子的回测效果 | 因子名称 | 当前值 | 历史分位 | |------------------------|---------------------|--------------------| | IC年化基差 | -8.25% | 低于2022年中位数 |[22]| | IF年化基差 | -0.64% | 低于2022年中位数 |[28]| | IH年化基差 | 1.46%（升水） | 低于2022年中位数 |[32]| | IM年化基差 | -11.48% | 低于2022年中位数 |[46]| | 中证500SKEW | 102.11 | 超80%分位警戒线 |[72][78]| | 30日VIX（中证500） | 27.44 | 短期快速上涨 |[66][72]|

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：股指期货分红点位预测模型** - **模型构建思路**：基于历史数据和成分股分红信息，预测股指期货合约存续期内标的指数的分红点位[9] - **模型具体构建过程**： 1. 对中证500、沪深300、上证50、中证1000指数未来一年分红点位进行预测 2. 计算各合约存续期内分红点位占比 3. 公式： $$年化基差 = \frac{(实际基差 + 预期分红点位)}{指数价格} \times \frac{360}{合约剩余天数}$$ 4. 2025年7月11日预测值：中证500(79.05)、沪深300(68.57)、上证50(50.38)、中证1000(58.71)[9][10][12][14][16][18] 2. **模型名称：期现对冲策略** - **模型构建思路**：通过期货端对冲现货风险，利用基差收敛特性优化收益[44][46] - **模型具体构建过程**： - **连续对冲策略**： 1. 现货端持有全收益指数（70%资金） 2. 期货端做空等额名义本金的股指期货合约（30%资金） 3. 调仓规则：季月/当月合约持有至到期前2日切换 - **最低贴水策略**： 1. 选择年化基差贴水幅度最小的合约开仓 2. 同一合约持有8个交易日或到期前2日切换[46] 3. **模型名称：信达波动率指数（Cinda-VIX）** - **模型构建思路**：反映期权市场对标的资产未来波动率的预期[61] - **模型评价**：能有效捕捉市场恐慌情绪，期限结构可反映不同时间维度的风险预期[61] 4. **模型名称：信达偏度指数（Cinda-SKEW）** - **模型构建思路**：通过期权隐含波动率偏斜特征衡量市场尾部风险[69] - **模型评价**：SKEW>100表明市场对下跌风险担忧加剧，与VIX结合可增强预警效果[70] 模型的回测效果 1. **IC对冲策略（2022/7/22-2025/7/11）** - 当月连续对冲：年化收益-2.83%，波动率3.87%，最大回撤-8.26% - 季月连续对冲：年化收益-2.06%，波动率4.77%，最大回撤-8.34% - 最低贴水策略：年化收益-1.06%，波动率4.67%，最大回撤-7.97%[48] 2. **IF对冲策略** - 最低贴水策略表现最优：年化收益1.31%，波动率3.14%，净值1.0392[51] 3. **IH对冲策略** - 季月连续对冲表现最优：年化收益1.97%，净值1.0593[54] 4. **IM对冲策略** - 最低贴水策略：年化收益-3.83%，但最大回撤(-11.11%)显著优于指数(-41.60%)[59] 量化因子与构建方式 1. **因子名称：年化基差因子** - **因子构建思路**：反映期货合约相对现货的溢价/折价水平[20] - **因子具体构建过程**： $$年化基差 = \frac{期货价格 - 指数价格 + 预期分红}{指数价格} \times \frac{360}{剩余天数}$$ - **因子评价**：小盘股指(IC/IM)基差贴水更显著，对对冲策略收益影响较大[21][39] 2. **因子名称：VIX期限结构因子** - **因子构建思路**：通过不同期限VIX差值反映市场短期/长期风险预期差异[61] - **因子取值**： - 上证50VIX(30日):19.77 - 中证500VIX(30日):25.01（显著高于其他指数）[61][63] 3. **因子名称：SKEW因子** - **因子构建思路**：虚值看跌期权隐含波动率溢价程度[69] - **因子取值**： - 中证500SKEW:102.27（突破80%历史分位警戒线）[70][75] 因子的回测效果 1. **年化基差因子** - IC当季合约：当前贴水7.95%，较前周上行[21] - IM当季合约：贴水10.46%，2022年以来中位数下方[39] 2. **VIX因子** - 中证500VIX(25.01)持续高于沪深300VIX(18.92)，反映小盘股波动风险溢价[61] 3. **SKEW因子** - 中证500SKEW(102.27)与高VIX形成共振，提示尾部风险[70]

量化模型与构建方式 1. **模型名称：股指期货分红点位预测模型** - **模型构建思路**：基于历史数据和成分股分红信息预测股指期货合约存续期内的分红点位[9] - **模型具体构建过程**： 1. 对标的指数（中证500、沪深300、上证50、中证1000）未来一年内成分股分红进行预估 2. 按合约存续期分段计算分红点位（如IC2507存续期内分红预估为9.0点）[9] 3. 计算公式： $$ \text{分红调整基差} = \text{实际基差} + \text{存续期内未实现预期分红} $$ $$ \text{年化基差} = \frac{\text{实际基差} + \text{预期分红点位}}{\text{指数价格}} \times \frac{360}{\text{合约剩余天数}} $$[20] - **模型评价**：有效分离分红对基差的影响，提升对冲策略精度 2. **模型名称：期现对冲策略（连续对冲/最低贴水）** - **模型构建思路**：通过动态调整期货合约对冲现货风险，利用基差收敛特性优化收益[44][46] - **模型具体构建过程**： - **连续对冲策略**： 1. 持有季月/当月合约至到期前2日平仓 2. 滚动卖空下一合约，占用30%资金[45] - **最低贴水策略**： 1. 每日计算所有可交易合约的年化基差 2. 选择贴水幅度最小的合约开仓，持有8个交易日或到期前2日调仓[46] 模型的回测效果 | 模型类型 | 年化收益 | 波动率 | 最大回撤 | 净值 | 年换手次数 | 2025年收益 | |------------------------|----------|--------|----------|--------|------------|------------| | **IC当月连续对冲** | -2.73% | 3.88% | -8.15% | 0.9221 | 12 | -3.24% | | **IC季月连续对冲** | -1.93% | 4.77% | -8.34% | 0.9446 | 4 | -0.94% | | **IC最低贴水策略** | -0.95% | 4.68% | -7.97% | 0.9725 | 17.40 | -0.63% | | **IF最低贴水策略** | 1.37% | 3.15% | -4.06% | 1.0406 | 15.36 | 0.70% | | **IH季月连续对冲** | 2.04% | 3.56% | -3.75% | 1.0609 | 4 | 1.15% | | **IM最低贴水策略** | -3.76% | 5.60% | -11.11% | 0.9009 | 15.96 | -3.47% |[48][53][57][59] 量化因子与构建方式 1. **因子名称：Cinda-VIX波动率指数** - **因子构建思路**：反映期权市场对标的资产未来波动率的预期[62] - **因子具体构建过程**： 1. 基于不同期限期权合约隐含波动率计算 2. 编制30日/60日/90日/120日期限结构[62] - **因子评价**：专业投资者情绪的高效指标，预警市场风险 2. **因子名称：Cinda-SKEW偏斜指数** - **因子构建思路**：捕捉期权隐含波动率的偏斜特征，衡量尾部风险预期[70] - **因子具体构建过程**： 1. 分析虚值看涨/看跌期权波动率差异 2. 当SKEW>100时提示极端下跌风险[71] 因子的回测效果 | 因子类型 | 2025年7月4日取值 | 历史分位阈值 | |-------------------|------------------|--------------------| | **上证50VIX_30** | 17.29 | 30%分位低位区间 | | **沪深300SKEW** | 101.40 | 突破70%分位警戒线 | | **中证1000SKEW** | 102.73 | 反映尾部风险增强 |[62][71][76]

量化模型与构建方式 1. **模型名称：股指期货分红点位预测模型** - **模型构建思路**：基于历史数据预测股指期货合约存续期内标的指数的分红点位，用于修正基差计算[9] - **模型具体构建过程**： 1. 对中证500、沪深300、上证50、中证1000指数未来一年分红点位进行预测，公式为： $$ \text{预期分红调整后的基差} = \text{实际基差} + \text{存续期内未实现的预期分红} $$ 2. 年化基差计算： $$ \text{年化基差} = \frac{(\text{实际基差} + \text{预期分红点位})}{\text{指数价格}} \times \frac{360}{\text{合约剩余天数}} $$ 3. 具体预测值（2025年6月27日）： - 中证500：78.03点 - 沪深300：69.93点 - 上证50：55.49点 - 中证1000：69.32点[9][10][12][14][16][18] 2. **模型名称：期现对冲策略（连续对冲与最低贴水策略）** - **模型构建思路**：通过动态调整期货合约对冲现货风险，利用基差收敛特性优化收益[43][45] - **模型具体构建过程**： - **连续对冲策略**： 1. 持有季月/当月合约至到期前2日平仓，切换至下一合约 2. 现货端使用70%资金，期货端做空等额名义本金合约 - **最低贴水策略**： 1. 调仓时选择年化基差贴水幅度最小的合约 2. 同一合约至少持有8个交易日或到期前2日切换[45] - **模型评价**：最低贴水策略通过主动选择贴水较小的合约，降低对冲成本[47][52][56][58] --- 量化因子与构建方式 1. **因子名称：Cinda-VIX（波动率指数）** - **因子构建思路**：反映期权市场对标的资产未来波动率的预期[61] - **因子具体构建过程**： 1. 基于不同期限期权隐含波动率编制 2. 计算30日、60日、90日、120日VIX期限结构[61][62][65][67] - **因子评价**：VIX期限结构平坦化表明短期风险预期弱化[61] 2. **因子名称：Cinda-SKEW（风险偏度指数）** - **因子构建思路**：衡量市场对极端下跌风险的担忧程度[69] - **因子具体构建过程**： 1. 分析虚值看跌期权与看涨期权的隐含波动率偏斜 2. SKEW>100表示市场担忧尾部风险[69][70] - **因子评价**：SKEW跌破100阈值显示市场风险偏好回升[70] --- 模型的回测效果 1. **IC对冲策略（2022年7月22日至2025年6月27日）** - 最低贴水策略：年化收益-0.98%，最大回撤-7.97%，年换手17.53次[47] - 季月连续对冲：年化收益-2.08%，最大回撤-8.34%[47] 2. **IF对冲策略** - 最低贴水策略：年化收益1.42%，波动率3.16%[52] 3. **IH对冲策略** - 最低贴水策略：年化收益1.76%，净值1.0521[56] 4. **IM对冲策略** - 最低贴水策略：年化收益-3.79%，最大回撤-11.11%[58] --- 因子的回测效果 1. **Cinda-VIX（2025年6月27日）** - 上证50VIX_30：17.47 - 中证500VIX_30：23.84[61][62] 2. **Cinda-SKEW** - 中证500SKEW：93.74（低于100安全阈值）[70][76]

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：股指期货分红点位预测模型** - **模型构建思路**：基于历史分红数据和指数成分股信息，预测股指期货合约存续期内的分红点位[9] - **模型具体构建过程**： 1. 对标的指数（如中证500、沪深300等）未来一年的成分股分红进行预估 2. 按合约存续期分段计算分红点位（如当月、次月、当季、下季合约） 3. 计算公式： $$ \text{分红调整后基差} = \text{实际基差} + \text{存续期内未实现的预期分红} $$ $$ \text{年化基差} = \frac{\text{实际基差} + \text{预期分红点位}}{\text{指数价格}} \times \frac{360}{\text{合约剩余天数}} $$ 4. 输出各合约存续期内的分红点位占比（如中证500下季合约分红占比1.21%）[9][20] 2. **模型名称：期现对冲策略（连续对冲/最低贴水策略）** - **模型构建思路**：通过动态调整期货合约对冲现货风险，优化基差收敛收益[48][49] - **模型具体构建过程**： - **连续对冲策略**： 1. 现货端持有标的指数全收益指数（70%资金） 2. 期货端做空等额名义本金的股指期货合约（30%资金） 3. 调仓规则：持有季月/当月合约至到期前2日，切换至下一合约[48] - **最低贴水策略**： 1. 调仓时选择年化基差贴水幅度最小的合约 2. 同一合约至少持有8个交易日或到期前2日切换[49] 3. **因子名称：Cinda-VIX（波动率指数）** - **因子构建思路**：反映期权市场对标的资产未来波动率的预期[65] - **因子具体构建过程**： 1. 基于不同期限（30/60/90/120日）期权隐含波动率计算 2. 输出主要指数VIX值（如上证50VIX_30为18.91）[65][66] 4. **因子名称：Cinda-SKEW（偏斜指数）** - **因子构建思路**：衡量市场对极端下跌风险的担忧程度[72] - **因子具体构建过程**： 1. 分析虚值看跌期权与看涨期权的隐含波动率偏斜 2. 数值超过100表示市场担忧尾部风险（如沪深300SKEW达108.2）[73][79] --- 模型的回测效果 1. **IC对冲策略（中证500）** - 年化收益：-1.64%（季月连续对冲） - 波动率：4.83% - 最大回撤：-8.34% - 2025年以来收益：0.05%[51] 2. **IF对冲策略（沪深300）** - 年化收益：0.99%（季月连续对冲） - 波动率：3.41% - 最大回撤：-4.03% - 2025年以来收益：0.83%[56] 3. **IH对冲策略（上证50）** - 年化收益：2.14%（季月连续对冲） - 波动率：3.61% - 最大回撤：-3.75% - 2025年以来收益：1.18%[60] 4. **IM对冲策略（中证1000）** - 年化收益：-4.12%（季月连续对冲） - 波动率：5.81% - 最大回撤：-12.63% - 2025年以来收益：-2.55%[62] --- 因子的回测效果 1. **Cinda-VIX（30日）** - 上证50VIX：18.91 - 沪深300VIX：17.52 - 中证500VIX：24.78 - 中证1000VIX：26.65[65][66] 2. **Cinda-SKEW（30日）** - 上证50SKEW：107.30 - 沪深300SKEW：108.20 - 中证500SKEW：101.41 - 中证1000SKEW：110.79[73][79] --- 模型与因子评价 1. **分红点位预测模型**：有效修正基差计算，提升对冲策略准确性[20] 2. **最低贴水策略**：通过动态选择贴水最小合约，显著降低对冲成本（如IC最低贴水策略年化收益-0.61% vs 指数-3.72%）[51] 3. **Cinda-SKEW**：对市场极端风险预警效果显著（如SKEW突破99%分位预示权重股下跌风险）[73]