交易拥挤度模型。 拥挤度是一种顶部择时类避险因子，可以与估值流动性模型有效互补。我们从微观结构、波动率、流动性、相关性等多维度构建拥挤度因 子，应用动量均线系统改进后，相较常规拥挤度因子能够更好地规避风格指数交易拥挤下跌风险。2011年以来拥挤度复合模型超额年化收益率为4.87%。 风格指数量化择时研究框架。 风格指数包括大小盘、价值成长与红利类指数（沪深300、中证500、中证1000、中证红利、国证成长、国证价值）；大小盘与 价值成长混合风格指数（大盘成长、大盘价值、中盘成长、中盘价值、小盘成长、小盘价值）。我们从微观结构角度引入市场流动性与交易拥挤度指标，从指 数估值、市场流动性与交易拥挤度等维度识别指数底部与顶部特征，研究相关模型在风格指数择时中的作用。 风格指数估值模型。 指数估值因子包括指数PB、PE、PBPE以及股权风险溢价，我们通过计算估值因子所处历史分位数水平的方法来构建风格指数估值因子。 2011年以来大小盘、价值成长与红利类风格指数估值模型多头组合平均年化收益率为10.38%，平均超额年化收益率为8.30%。 市场流动性模型。 市场流动性因子包括买入冲击成本、卖出冲击成本、上涨流动性指数 ...

根据研报内容，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**：交易量能择时模型 - **模型构建思路**：通过规避缩量信号获取较高交易赔率，利用流动性即时反馈特性，尤其针对中小盘指数[3][8][22] - **具体构建过程**： 1. 计算指数成交额与换手率的60日滚动均值和标准差 2. 标准化处理：若当日值在±2倍标准差内，按线性映射到[-1,1]打分；超出则直接赋±1分 3. 等权合成成交额与换手率得分 4. 信号生成：得分>0时做多，≤0时空仓[23] - **模型评价**：赔率导向型策略，胜率一般但能有效规避市场大跌风险，对中小盘指数效果显著[3][22][29] 2. **模型名称**：复合择时信号模型（信贷脉冲+Beta离散度+交易量能） - **模型构建思路**：结合宏观信贷周期、市场波动分化与流动性指标构建不定期调仓信号[8][22] - **具体构建过程**： 1. 信贷脉冲：计算中长期贷款余额同比变化 2. Beta离散度：测算个股Beta系数的横截面标准差 3. 交易量能：同上文量能模型 4. 三指标等权合成综合信号[22][41] 3. **模型名称**：四风格轮动模型 - **模型构建思路**：整合成长价值与小盘大盘轮动逻辑，形成四象限配置建议[51][61] - **具体构建过程**： 1. 成长价值维度：基于盈利斜率、利率周期、信贷周期构建信号 2. 小盘大盘维度：同周期指标结合估值差、换手差分析 3. 交叉形成小盘成长/价值、大盘成长/价值四象限权重[52][57][61] 量化因子与构建方式 1. **因子名称**：量能情绪因子 - **构建思路**：反映市场流动性强弱，标准化处理避免极端值干扰[23] - **具体构建**： $$ \text{Score}_t = \frac{\min(\max(V_t, \mu_V - 2\sigma_V), \mu_V + 2\sigma_V) - (\mu_V - 2\sigma_V)}{4\sigma_V} \times 2 - 1 $$ 其中$V_t$为当日成交额，$\mu_V$、$\sigma_V$为60日均值和标准差[23] 2. **因子名称**：估值差分位数因子 - **构建思路**：捕捉风格间估值均值回归机会[52][57] - **具体构建**： 1. 计算成长价值PE差：$ \Delta PE = PE_{成长} - PE_{价值} $ 2. 计算5年滚动分位数：$ Rank(\Delta PE) = \frac{\text{当前值}-Min}{Max-Min} $[52][58] 模型的回测效果 | 模型名称 | 年化收益率 | 最大回撤 | 胜率 | 赔率 | IR | 测试区间 | |------------------------|------------|----------|--------|-------|-------|----------------| | 交易量能(中证500ETF) | 11.08% | 16.65% | 51.67% | 1.69 | 1.05 | 2017-2025[39] | | 交易量能(中证1000ETF) | 12.66% | 22.93% | 46.95% | 2.15 | 0.72 | 2017-2025[39] | | 短期择时策略 | 18.21% | 22.77% | 69.93% | - | 1.10 | 2013-2025[47] | | 四风格轮动模型 | 13.37% | 47.91% | 59.87% | - | 0.60 | 2013-2025[63] | 因子的回测效果 | 因子名称 | IC均值 | ICIR | 多空年化收益 | 最大回撤 | 测试标的 | |-------------------|--------|--------|--------------|----------|----------------| | 量能情绪因子 | 0.12 | 0.85 | 9.8% | 18.3% | 万得全A[23][34]| | 估值差分位数因子 | 0.09 | 0.62 | 7.2% | 15.6% | 成长价值指数[52]|

根据研报内容，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. **短期量化择时模型** - 模型构建思路：通过基本面、估值面、情绪面、流动性四个维度的指标综合判断市场短期走势[5][24][25][26] - 具体构建过程： 1. **基本面指标**：制造业PMI分位数（中性信号）、中长期贷款增速（谨慎信号）、M1增速（乐观信号）[24] 2. **估值面指标**：A股整体PE/PB分位数（均中性信号）[25] 3. **情绪面指标**：Beta离散度（中性）、量能情绪（乐观）、波动率（乐观）[25] 4. **流动性指标**：货币利率（乐观）、汇率预期（中性）、融资额（中性）[26] 5. 信号合成：各维度信号等权加权，总仓位信号分为乐观/中性/谨慎三档[27] - 模型评价：在牛市环境中表现优异，但对熊市适应性有限[26][30] 2. **成长价值轮动模型** - 模型构建思路：基于盈利周期、利率周期、信贷周期划分成长/价值风格偏好[35] - 具体构建过程： 1. **基本面指标**：盈利斜率（成长）、利率水平（价值）、信贷变化（价值）[35] 2. **估值面指标**：成长价值PE/PB差分位数（均利好成长）[35] 3. **情绪面指标**：换手差（价值）、波动差（均衡）[35] 4. 信号输出：超配价值（当前配置比例0%成长/100%价值）[35] 3. **小盘大盘轮动模型** - 模型构建思路：与成长价值模型类似，但针对市值风格[40] - 具体构建过程： 1. **基本面指标**：盈利斜率（小盘）、利率水平（大盘）、信贷变化（大盘）[40] 2. **估值面指标**：小盘大盘PE/PB差分位数（均利好大盘）[40] 3. **情绪面指标**：换手差（小盘）、波动差（大盘）[40] 4. 信号输出：均衡配置（当前50%小盘/50%大盘）[40] 4. **四风格轮动模型** - 模型构建思路：结合成长价值和小盘大盘模型的结论进行矩阵组合[45] - 具体构建过程：将两个子模型的信号按权重分配至小盘成长/小盘价值/大盘成长/大盘价值四个象限[45] - 当前配置：小盘成长12.5%、小盘价值37.5%、大盘成长12.5%、大盘价值37.5%[45] --- 量化因子与构建方式 1. **行业拥挤度因子** - 构建思路：衡量行业交易过热程度[19] - 具体构建： 1. 成交额占比：行业成交额/全A成交额的5年分位数 2. Beta差异：行业内个股242日Beta的75%与25%分位数差 - 因子评价：牛市环境下失效，熊市时惩罚效果显著[21][23] 2. **行业估值因子** - 构建思路：评估行业估值历史分位[19] - 具体构建： 1. PE分位数：行业PE_TTM中位数的5年分位数 2. PB分位数：行业PB_LF中位数的5年分位数 - 因子评价：与拥挤度因子类似，呈现强周期性特征[21][23] --- 模型回测效果 1. **短期择时模型** - 年化收益率：16.98%（基准4.46%）[26] - 最大回撤：27.70%（基准31.41%）[30] - 夏普比率：1.0138（基准0.2607）[30] 2. **成长价值轮动模型** - 年化收益率：11.82%（基准7.08%）[36] - 超额收益：4.74%[36] 3. **小盘大盘轮动模型** - 年化收益率：12.38%（基准7.07%）[41] - 超额收益：5.31%[41] 4. **四风格轮动模型** - 年化收益率：13.29%（基准7.47%）[45] - 超额收益：5.82%[45] --- 因子回测效果 1. **行业拥挤度因子** - 熊市Rank IC：-6.85%[23] - 牛市Rank IC：+1.50%[23] 2. **行业估值因子** - 熊市Rank IC：-4.05%[23] - 牛市Rank IC：+2.79%[23]

股指期货与期权市场表现 - 近期期指市场呈现比往年同期更大的贴水，期权市场看跌期权隐含波动率远高于看涨期权隐含波动率 [1] - 这种看跌期权更贵的情形引发市场对未来行情的担忧，但研究通过量化择时策略回测发现这可能反而是做多机会 [1] 升贴水概念及联系 - 股指期货升贴水定义为期货价格与现货价格之差，正值代表升水，负值代表贴水 [2] - 由于分红因素影响，5月至9月股指期货常出现季节性贴水，需参考剔除分红后的年化升贴水率判断真实贴水水平 [2] - ETF期权合成标的价格升贴水通过期权平价公式计算，年化升贴水率更贴近真实市场预期，因其不受分红调整影响 [3] 期权与期指升贴水相关性 - 中证500ETF期权合成标的年化升贴水率与IC当季合约剔除分红后年化升贴水率相关系数高达0.97 [3] - ETF期权合成升贴水可作为股指期货升贴水的有效替代指标，因后者分红预测存在实践难度 [3] 量化择时策略逻辑 - 当ETF合成标的期货升贴水处于历史低位时，市场可能过度悲观，贴水修复趋势下可开仓做多 [4] - 升贴水回归至历史中位数以上且回落趋势时，平仓多单 [4] 策略回测绩效 - 2018年以来对300ETF择时策略年化收益率13.87%，最大回撤-10.82%，显著优于标的指数 [6] - 对IC当月合约择时策略累计收益率142.9%，年化收益率19.05%，最大回撤-17.83%，优于滚动持有策略（年化6.9%，最大回撤-36.56%）[6][11] - 2025年上半年策略绝对收益12.87%，最大回撤仅3.25%，远胜同期中证500指数及股指期货表现 [11] 当前市场应用 - 当前IC和IM当季合约剔除分红后年化升贴水率分别为-8.36%和-11.65%，历史回测显示多头仍具优势 [12]

根据提供的证券研究报告内容，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. 短期量化择时模型 - **模型构建思路**：通过基本面、估值面、情绪面、流动性四个维度的指标综合判断市场短期走势[17][20][22] - **具体构建过程**： 1. **基本面指标**：制造业PMI分位数（44.92%）、中长期贷款余额同比增速分位数（0.00%）、M1同比增速分位数（77.97%）[17] 2. **估值面指标**：A股整体PE分位数（92.80%）、PB分位数（71.05%）[18] 3. **情绪面指标**：Beta离散度分位数（40.68%）、量能情绪分位数（72.70%）、波动率分位数（12.99%）[20] 4. **流动性指标**：货币利率指标分位数（33.90%）、汇率预期指标分位数（40.68%）、融资额分位数（80.81%）[20] 5. 采用加权打分机制，各维度信号权重均衡，最终输出乐观/中性/谨慎信号[22] 2. 成长价值轮动模型 - **模型构建思路**：基于盈利周期、利率周期、信贷周期构建基本面信号，结合估值差和情绪指标进行风格判断[32][34] - **具体构建过程**： 1. **基本面信号**： - 盈利周期斜率=4.17（利好成长） - 利率综合周期水平=9.17（利好价值） - 信贷综合周期变化=-3.33（利好价值）[32] 2. **估值信号**： - 成长价值PE差分位数=15.19% - PB差分位数=34.08%（均利好成长）[32] 3. **情绪信号**： - 换手差分位数=21.01%（利好价值） - 波动差分位数=20.58%（均衡）[32] 4. 采用三级信号加权体系，最终输出成长/价值配置比例[34] 3. 小盘大盘轮动模型 - **模型构建思路**：与成长价值模型类似，但指标调整为小盘大盘特异性指标[36][38] - **具体构建过程**： 1. **基本面信号**： - 盈利周期斜率=4.17（利好小盘） - 利率综合周期水平=9.17（利好大盘） - 信贷综合周期变化=-3.33（利好大盘）[36] 2. **估值信号**： - 小盘大盘PE差分位数=80.60% - PB差分位数=99.59%（均利好大盘）[36] 3. **情绪信号**： - 换手差分位数=54.26%（均衡） - 波动差分位数=83.71%（利好大盘）[36] 4. 采用相同加权机制输出配置建议[38] 4. 四风格轮动模型 - **模型构建思路**：整合成长价值和小盘大盘模型的输出，形成四象限配置建议[31][43] - **具体构建过程**： 1. 接收成长价值模型输出（当前成长0%/价值100%）[32] 2. 接收小盘大盘模型输出（当前小盘50%/大盘50%）[36] 3. 按交叉组合计算配置比例： $$配置比例 = 成长价值权重 \times 小盘大盘权重$$[43] 4. 当前输出：小盘成长12.5%、小盘价值37.5%、大盘成长12.5%、大盘价值37.5%[31] --- 模型的回测效果 1. 短期择时模型 - 年化收益率：16.58%（基准4.26%）[21] - 年化超额收益率：12.32%[21] - 最大回撤：27.70%（基准31.41%）[21] - 夏普比率：0.9889（基准0.2440）[26] - 2024年以来年化收益率：27.68%（基准5.99%）[28] 2. 成长价值轮动模型 - 年化收益率：11.67%（基准6.77%）[33] - 年化超额收益率：4.90%[33] - 最大回撤：43.07%（基准44.13%）[35] - 夏普比率：0.5387（基准0.3231）[35] 3. 小盘大盘轮动模型 - 年化收益率：12.21%（基准6.85%）[37] - 年化超额收益率：5.36%[37] - 最大回撤：50.65%（基准53.70%）[40] - 夏普比率：0.5336（基准0.3210）[40] 4. 四风格轮动模型 - 年化收益率：13.17%（基准7.27%）[43] - 年化超额收益率：5.90%[43] - 最大回撤：47.91%（基准49.07%）[43] - 夏普比率：0.5895（基准0.3432）[43] --- 量化因子与构建方式 1. Beta离散度因子 - **构建思路**：衡量市场局部过热风险[2][20] - **计算方法**： $$Beta离散度 = \frac{1}{n}\sum_{i=1}^n (\beta_i - \bar{\beta})^2$$ 其中$\beta_i$为个股Beta值，$\bar{\beta}$为市场平均Beta[20] - **当前值**：-0.59%（过去5年40.68%分位数）[20] 2. 量能情绪因子 - **构建思路**：结合60日成交量与换手率布林带指标[20] - **计算方法**： $$量能情绪 = \frac{成交量 - 下轨}{上轨 - 下轨} \times 换手率Z值$$[20] - **当前值**：0.30（过去5年72.70%分位数）[20] 3. 估值差分位数因子 - **构建思路**：计算风格间PE/PB估值差的历史分位数[32][36] - **计算方法**： $$估值差分位数 = Percentile(\frac{PE_{风格A}}{PE_{风格B}})[32]$$ - **当前值**： - 成长价值PE差分位数=15.19%[32] - 小盘大盘PE差分位数=80.60%[36] --- 因子的回测效果 （注：报告中未单独披露因子级回测结果） --- 模型评价 1. **短期择时模型**：在多周期测试中表现稳健，尤其在波动控制方面显著优于基准[21][26] 2. **风格轮动模型**：基本面驱动逻辑明确，但2025年出现小幅超额收益回撤[33][37][43] 3. **因子设计**：Beta离散度因子能有效捕捉市场过热风险，量能情绪因子对短期趋势敏感[2][20]