量化模型与因子总结 量化模型与构建方式 1. **模型名称：人工智能全球大类资产配置模型**[44] * **模型构建思路**：将机器学习模型应用于大类资产配置问题，基于因子投资的思路，使用模型对各类资产进行打分排序，最终构建可投资的月频量化等权配置策略[44]。 * **模型具体构建过程**：报告未详细描述具体的机器学习模型算法、因子体系及打分排序的详细计算过程。其核心流程为：1) 输入宏观、市场等因子数据；2) 通过机器学习模型处理，输出对各资产的评分；3) 根据评分结果确定资产配置权重[44]。 2. **模型名称：基于动态宏观事件因子的股债轮动配置模型**[50] * **模型构建思路**：构建一个包含经济增长和货币流动性两大维度的动态宏观事件因子体系，并以此为基础，结合风险预算模型框架，输出针对不同风险偏好（保守型、稳健型、进取型）的股债配置权重[50]。 * **模型具体构建过程**： 1. **宏观择时模块构建**：选取经济增长和货币流动性两个维度的多个细分指标作为宏观事件因子[50][58]。例如，经济增长维度包括M1同比、PPI同比、PPI-CPI剪刀差、工业增加值同比、国债期限利差(10Y-1M)、发电量环比等指标；货币流动性维度包括M1-M2剪刀差、中美国债利差、中国国债与美国TIPS利差等指标[53]。 2. **信号生成**：每个细分指标根据其数值或变化方向，生成二值化的看多(1)或看空(0)信号[53]。 3. **信号合成**：将同一维度内各指标信号进行合成，得到该维度的总体信号强度（百分比形式）[6][54]。例如，2月份经济增长维度信号强度为40%，货币流动性维度信号强度为100%[6]。 4. **权重确定**：将宏观择时模块输出的信号（如股票仓位信号）[54]，输入到风险预算模型框架中，最终计算出保守型、稳健型、进取型三种配置方案中股票和债券的具体权重[50]。 3. **模型名称：基于红利风格择时配置模型**[58] * **模型构建思路**：基于经济增长与货币流动性两大维度构建动态宏观事件因子体系，对中证红利指数进行择时配置，以捕捉其相对A股的稳定优势并在市场偏弱时控制回撤[58]。 * **模型具体构建过程**： 1. **因子体系构建**：模型共使用经济增长与货币流动性两大维度共10项指标构建动态宏观事件因子体系[58]。报告列举了部分指标，包括：制造业PMI新出口订单、PPI同比、PPI-CPI剪刀差、Shibor 2W、Shibor 1M环比等[59][60]。 2. **信号生成与合成**：每个指标根据规则生成看多(1)或看空(0)信号[60]。将所有指标信号合成为一个最终的二值择时信号（1代表看多/满仓，0代表看空/空仓）[59]。例如，2月份最终合成信号为1[59]。 模型的回测效果 1. **人工智能全球大类资产配置模型**[46][49] * 回测期：2021年1月至2026年1月[46] * 年化收益率：7.22%[46][49] * 年化波动率：6.74%[49] * 最大回撤：-6.66%[46][49] * 夏普比率：1.07[46][49] * 年初至今收益率（截至2026年1月）：2.37%[46][49] 2. **基于动态宏观事件因子的股债轮动配置模型（进取型）**[51][57] * 回测期：2005年1月至2026年1月[51] * 年化复合收益率：20.15%[51][57] * 年化波动率：14.05%[57] * 最大回撤：-13.72%[57] * 夏普比率：1.31[57] * 收益回撤比：1.47[57] * 年初至今收益率（截至2026年1月）：3.65%[51][57] 3. **基于动态宏观事件因子的股债轮动配置模型（稳健型）**[51][57] * 回测期：2005年1月至2026年1月[51] * 年化复合收益率：10.85%[51][57] * 年化波动率：8.12%[57] * 最大回撤：-6.77%[57] * 夏普比率：1.19[57] * 收益回撤比：1.60[57] * 年初至今收益率（截至2026年1月）：1.22%[51][57] 4. **基于动态宏观事件因子的股债轮动配置模型（保守型）**[51][57] * 回测期：2005年1月至2026年1月[51] * 年化复合收益率：5.87%[51][57] * 年化波动率：3.20%[57] * 最大回撤：-3.55%[57] * 夏普比率：1.49[57] * 收益回撤比：1.65[57] * 年初至今收益率（截至2026年1月）：0.39%[51][57] 5. **基于红利风格择时配置模型**[59][61] * 年化收益率：15.85%[59][61] * 年化波动率：17.26%[59][61] * 最大回撤：-21.22%[59][61] * 夏普比率：0.90[59][61] * 最近1个月收益率（截至2026年1月）：0.00%[59][61] 量化因子与构建方式 1. **因子名称：动态宏观事件因子（用于股债轮动及红利择时）**[50][58] * **因子构建思路**：从经济增长和货币流动性两个宏观维度，选取具有预测性的高频或月度指标，将其转化为标准化的择时信号[50][53][58]。 * **因子具体构建过程**： 1. **指标选取**：选取一系列可量化的宏观指标。报告提及的指标包括但不限于： * **经济增长维度**：M1同比[53]、PPI同比[53]、PPI-CPI剪刀差[53]、工业增加值同比[53]、国债期限利差(10Y-1M)[53]、发电量当月值3个月移动平均环比[53]、制造业PMI新出口订单[60]、消费者信心指数[60]。 * **货币流动性维度**：M1-M2剪刀差[53]、中美国债利差(10Y)[53]、中国国债与美国TIPS利差(10年)[53]、Shibor 2W[60]、R007 20日移动平均[60]、Shibor 1M环比[60]、逆回购R007差额[62]。 2. **信号化处理**：对每个指标设定阈值或规则，将其原始数据转化为二值信号（通常1代表看多权益资产，0代表看空或中性）[53][60]。例如，当指标值高于某个临界值或环比改善时，发出看多信号(1)。 3. **因子应用**：这些信号既可以直接合成为最终的择时信号（如红利择时模型）[59]，也可以先合成各维度总信号，再作为输入进入更复杂的配置模型（如股债轮动模型）[6][54]。 因子的回测效果 （报告未单独提供动态宏观事件因子的独立回测绩效指标，其效果已体现在上述各配置模型的整体回测结果中。）

核心观点 报告认为，市场对“沃什交易”的鹰派解读存在误区，预计其上任后降息幅度或超预期，但“沃什交易”的反转需待其正式就任[2]。国内方面，1月PMI的短期波动不影响制造业景气度小幅改善的趋势，但需关注上游涨价对中下游利润的挤压[8][10]。大宗商品市场，白银期货是流动性风险扩散的中心，需警惕其向有色金属板块的传染[5]。权益市场短期可能受海外情绪压制下探，但下行空间有限，随后在春节后有望反弹，成长风格占优[6]。债券市场受益于风险偏好降温和宽松预期，利率存在下行空间[4][7]。 海外宏观观点 - 市场对美联储主席候选人沃什的鹰派解读存在明显误区，预计其就任后仍将在泰勒规则范围内落地比市场预期更多的降息，而其缩表观点在当前美元流动性环境下不具备落地条件[2] - “沃什交易”的市场反转或需等到5月16日沃什正式就任美联储主席之后，届时短端美债利率可能下行，而长端美债利率在交易反转带来的期限溢价推升下中枢上行[2] - 受美联储主席候选人风波、特朗普对美元汇率干预表态及伊朗局势影响，金、银贵金属急涨后暴跌，美元延续弱势，原油领涨全球资产[2] 大宗商品观点 - 爆发于1月30日的黄金和白银崩盘式下跌，主因是动量反转的市场交易，白银自2025年11月接棒黄金和铜成为上涨支柱以来吸引了高杠杆和投机资金，预计将继续是本轮下跌风暴的中心[5] - 截至2月2日午盘，SHFE白银收于跌停板24，832元/千克，而LME白银为79.5美元/盎司，折算国内价格为18，542元/千克，SHFE白银相比外盘仍有高达33%的溢价[5] - 在白银期货跌停风险下，市场流动性风险可能以“银、铜、锂”三个核心品种扩散，冲击有色金属权益板块和相关大宗商品[5] - 黄金期货需关注COMEX/LME金在60日均线的支撑，当前60日均线已抬升至4400美元/盎司[5] 国内宏观观点 - 1月制造业PMI环比下降0.8个点至49.3%，但报告认为这种波动不代表经济转弱，制造业PMI景气度低点是2025年10月的49%，此后便逐步回升，12月的异常波动导致1月看似下降[10] - 1月制造业PMI主要原材料购进价格指数环比上升3个点至56.1%，出厂价格指数环比上升1.7个点至50.6%，这种不对称涨价反映大宗商品价格上涨带来的成本压力开始向中下游传导，但中下游受制于需求无法对等提价，面临更大的利润压力[10] 权益市场观点 - 受海外市场“沃什交易”影响，小幅的流动性危机冲击美股、贵金属、有色市场，在此过程中国内情绪可能仍受压制，市场短期有再次下探的可能性，但指数层面下行风险不高，下行空间偏小，持续时间可能较短[6] - 短期情绪释放后，在春节期间热点发酵和业绩预告释放利好的影响下，A股市场将反弹上行，反弹过程中成长大风格依然受益[6] - 相对表现较好的板块可能集中于春节期间有较多新看点的AI应用、短期调整逐步到位的商业航天、业绩较好的CPO、持续涨价的存储、国产可控的半导体设备等，但反弹轮动受春节前资金撤出影响，轮动速度较快，赚钱效应可能较为分散[6] 债券市场观点 - 风险偏好调整和宽松预期带来交易性机会：受“降温”政策影响，股票市场风险偏好回落，买入国债对冲股市回调风险的防御性需求增大，长期和超长期债券出现买盘[4] - 1月份人民银行新闻发布会及央行行长采访连续提及今年仍有降息和降准空间，激发市场对春节假期后宽松的期待[7] - 在市场避险需求和宽松预期升温推动下，债券市场迎来调整及买入的交易性做多窗口，预计2月份春节前后，债券买需或持续活跃，10年期利率或下行至1.80%中枢、30年期利率或下行至2.20%中枢[7] 量化配置建议 - 根据行情研判，后续一周大类资产配置观点如下：中国权益市场可能会略有波动，但整体表现依旧稳健（得分1）；国债市场，震荡偏上行（得分2）；黄金剧烈波动，可以短期观察，等待企稳（得分0）；美股市场持续震荡（得分1）[10] - 策略对各资产观点的得分范围为-3~+3，>0表示看多，<0表示看空，0表示均衡[10] - 国内权益方面，结构上建议进行均衡型的ETF配置[10] - 报告给出了具体的ETF配置建议及重仓股，涉及化工、电网设备、传媒、港股非银、石油、工业母机、有色金属、创业板、通信、半导体等多个行业ETF[11]

根据提供的研报内容，以下是量化模型和因子的详细总结： 量化模型与构建方式 1. **模型名称：人工智能全球大类资产配置模型** - **模型构建思路**：基于机器学习模型和因子投资的思路，对各资产进行打分排序，构建月频量化等权配置策略[30] - **模型具体构建过程**： 1. 使用历史数据统计和建模，生成资产打分 2. 根据打分结果分配权重，形成可投资组合 3. 每月动态调整权重[30] - **模型评价**：在各维度上表现优于基准，具有较好的超额收益能力[30] 2. **模型名称：动态宏观事件因子的股债轮动策略** - **模型构建思路**：基于宏观择时模块和风险预算模型框架，构建不同风险偏好的配置策略[37] - **模型具体构建过程**： 1. 使用经济增长和货币流动性指标生成信号 2. 根据信号强度分配股票和债券权重 3. 输出进取型、稳健型和保守型三种配置方案[37][38] - **模型评价**：长期表现优于基准，风险调整后收益较好[37] 3. **模型名称：红利风格择时策略** - **模型构建思路**：使用经济增长和货币流动性指标构建动态事件因子体系，对红利指数进行择时[45] - **模型具体构建过程**： 1. 选取10个宏观经济指标 2. 通过因子体系合成最终信号 3. 根据信号决定仓位[45][48] - **模型评价**：相较于基准指数有显著稳定性提升[45] 模型的回测效果 1. **人工智能全球大类资产配置模型** - 年化收益率：13.76% - 年化波动率：18.28% - 最大回撤：16.53% - 夏普比率：0.75 - 超额年化收益率：9.02%[30][36] 2. **动态宏观事件因子的股债轮动策略** - 进取型年化收益率：19.93% - 稳健型年化收益率：11.00% - 保守型年化收益率：6.06% - 进取型最大回撤：-13.72% - 稳健型夏普比率：1.18[37][44] 3. **红利风格择时策略** - 年化收益率：15.84% - 年化波动率：17.68% - 最大回撤：-21.70% - 夏普比率：0.89[45][49] 量化因子与构建方式 1. **因子名称：经济增长因子** - **因子构建思路**：通过工业增加值、PMI等指标衡量经济增长状况[37][40] - **因子具体构建过程**： 1. 收集工业增加值同比、PMI新订单等数据 2. 标准化处理后加权合成[40] 2. **因子名称：货币流动性因子** - **因子构建思路**：通过国债利率、银行间利率等指标衡量流动性状况[37][40] - **因子具体构建过程**： 1. 收集DR007、M1-M2剪刀差等数据 2. 标准化处理后加权合成[40] 3. **因子名称：红利风格因子** - **因子构建思路**：通过消费者信心指数、PPI等指标判断红利风格机会[48] - **因子具体构建过程**： 1. 选取10个宏观经济指标 2. 通过动态事件因子体系合成信号[48] 因子的回测效果 1. **经济增长因子** - 4月份信号强度：50%[38] - 对配置权重影响显著[37] 2. **货币流动性因子** - 4月份信号强度：40%[38] - 对短期配置调整有指导作用[37] 3. **红利风格因子** - 4月份合成信号：0%[48] - 有效控制回撤[45]