量化模型与构建方式 1. **模型名称**：红利风格择时模型[1][4][6] **模型构建思路**：通过构建一个综合因子来对红利风格进行择时，当综合因子值为正时发出看多信号[1][4][6]。 **模型具体构建过程**：模型是一个多因子打分模型。首先，选取多个对红利风格有预测能力的变量作为子因子。然后，对每个子因子进行处理，将其转化为标准化的因子值。最后，将所有子因子的标准化值进行加权或合成，得到最终的“综合因子值”[6][7][12]。模型的具体构建过程在前期报告《红利风格的择时方案》中详细阐述[6]。 量化因子与构建方式 1. **因子名称**：综合因子[1][4][6] **因子构建思路**：综合多个子因子的信息，形成一个对红利风格整体看多看空的综合判断指标[1][4][6]。 **因子具体构建过程**：该因子是红利风格择时模型的核心输出。其构建基于多个基础变量（子因子），通过特定的标准化和合成方法计算得出。报告未提供具体的加权或合成公式[6][12]。 2. **因子名称**：中国:非制造业 PMI:服务业[12] **因子构建思路**：使用中国非制造业PMI中的服务业分项作为衡量经济景气度的指标，可能用于判断市场风险偏好，从而影响红利风格表现[7][12]。 **因子具体构建过程**：直接采用公开的经济数据作为原始因子值，并经过模型内部的标准化处理[12]。 3. **因子名称**：中国:M2:同比[12] **因子构建思路**：使用中国M2货币供应量的同比增速作为衡量市场流动性的指标，流动性环境会影响红利等风格的表现[12]。 **因子具体构建过程**：直接采用公开的金融数据作为原始因子值，并经过模型内部的标准化处理[12]。 4. **因子名称**：美国:国债收益率:10 年[12] **因子构建思路**：使用美国10年期国债收益率作为全球无风险利率和资金成本的锚，其变化会影响中外利差和资金流向，进而影响A股红利资产吸引力[4][7][12]。 **因子具体构建过程**：直接采用公开的市场数据作为原始因子值，并经过模型内部的标准化处理[12]。 5. **因子名称**：红利相对净值自身[12] **因子构建思路**：可能指红利指数或相关组合自身的价格动量，用于捕捉趋势延续效应[4][7][12]。 **因子具体构建过程**：报告未提供具体计算方式，可能基于价格或净值的相对变化计算[12]。 6. **因子名称**：中证红利股息率-10 年期中债收益率[12] **因子构建思路**：计算中证红利指数的股息率与10年期国债收益率的差值（股息利差），用以衡量红利资产的相对性价比。利差越高，红利资产吸引力越强[12]。 **因子具体构建过程**：公式为：`因子 = 中证红利指数股息率 - 10年期国债收益率`。报告中的因子值为此利差经过标准化处理后的结果[12]。 7. **因子名称**：融资净买入[12] **因子构建思路**：使用融资净买入数据作为衡量市场内杠杆资金情绪和交易活跃度的指标，可能用于判断市场短期风险偏好[12]。 **因子具体构建过程**：直接采用公开的市场交易数据作为原始因子值，并经过模型内部的标准化处理[12]。 8. **因子名称**：行业平均景气度[12] **因子构建思路**：使用行业层面的景气度指标（可能基于PMI、营收增速等合成）的平均值，用于衡量整体经济或企业的盈利前景。景气度回暖可能不利于防御性的红利风格[4][7][12]。 **因子具体构建过程**：报告未提供具体计算方式，可能是对多个行业景气指标进行平均或合成后，再经过标准化处理[12]。 模型的回测效果 *报告为周度跟踪报告，主要展示模型最新观点和因子值，未提供历史回测的绩效指标（如年化收益率、夏普比率、最大回撤等）[1][6][12]。* 因子的回测效果 *报告为周度跟踪报告，主要展示各子因子在最新时点的标准化因子值和观点，未提供各因子单独的历史IC、IR等有效性检验指标[12]。* **模型/因子最新指标取值（截至2026年03月13日）** 1. **综合因子**，综合因子值：-0.39[1][4][6] 2. **中国:非制造业 PMI:服务业**，因子值：0.14，最新观点：0[12] 3. **中国:M2:同比**，因子值：0.31，最新观点：0[12] 4. **美国:国债收益率:10 年**，因子值：-0.81，最新观点：0[12] 5. **红利相对净值自身**，因子值：1.59，最新观点：1[12] 6. **中证红利股息率-10 年期中债收益率**，因子值：-0.22，最新观点：0[12] 7. **融资净买入**，因子值：0.74，最新观点：0[12] 8. **行业平均景气度**，因子值：0.91，最新观点：0[12] *注：“最新观点”列中，“1”代表看多，“0”代表中性或看空[12]。*