根据研报内容，以下是关于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：黄金定价中枢模型**[7][10][79] * **模型构建思路**：该模型旨在计算黄金价格中由实际利率、央行购金和ETF购金共同决定的理论价值中枢，以判断当前金价相对于其基本面定价的偏离程度[7][10][79]。 * **模型具体构建过程**：模型构建分为两个主要步骤： 1. **基础定价：实际利率非对称性回归**。首先，针对实际利率对金价影响的非对称性（即利率下行时金价上涨弹性高于利率上行时金价下跌弹性），对特定时期（如2023年10月以来的高位震荡下行区间）内的小级别实际利率上行和下行周期分别进行分段回归，计算出一个由实际利率单独决定的黄金价格中枢[79][80]。此步骤通过回归分析量化实际利率变动与金价涨跌幅之间的关系。 2. **需求端修正**。然后，在第一步得到的“实际利率定价中枢”基础上，叠加由央行净购金量和ETF净购金量所代表的需求端影响，进行修正，从而得到最终的、更全面的“利率+央行购金+ETF购金”综合定价中枢[10][79][100]。央行购金行为受国际风险事件和美元信用影响，与金价行情驱动较弱；而ETF购金量与金价高度相关[81][94]。 2. **模型名称：黄金价格预测情景分析模型**[10][103] * **模型构建思路**：基于黄金定价中枢模型，通过设定关键变量（如实际利率、央行购金、ETF购金）的未来情景假设，来预测未来金价中枢的可能区间[10][103]。 * **模型具体构建过程**：该模型是定价中枢模型在预测层面的应用。具体过程是：首先确定未来一段时间（如2026年）关键驱动因素的假设值，例如： * 实际利率：假设未来一年下行100个基点（BP）[103]。 * 央行购金：假设维持约1000吨[103]。 * ETF购金：设定乐观、中性、保守三种情景（如中性假设为与当年相当，乐观与保守假设在此基础上浮动±20%）[103]。 然后将这些假设值代入定价中枢模型，计算出在不同情景下对应的未来金价中枢范围[103][104]。 模型的回测效果 （注：报告中未提供模型回测的具体量化指标，如年化收益率、夏普比率、最大回撤等数值结果。报告主要展示了历史周期中实际利率与金价的关系，以及当前和未来的定价中枢水平，但未以标准化的模型回测绩效指标形式呈现。） 量化因子与构建方式 1. **因子名称：实际利率 (Real Interest Rate)**[7][18][23] * **因子构建思路**：实际利率是黄金定价框架中的基础变量，反映了持有黄金的机会成本。实际利率上升，持有无息黄金的机会成本增加，对金价形成压力；反之，实际利率下降，持有黄金的吸引力增强[7][18]。 * **因子具体构建过程**：实际利率通常由名义利率减去预期通货膨胀率得出。报告中没有明确给出其使用的具体名义利率和通胀指标的计算公式，但指出其反映了资金的时间价值[18]。报告中展示的实际利率数据区间为-1%至3%[23]。 2. **因子名称：央行净购金 (Central Bank Net Gold Purchases)**[10][81][83] * **因子构建思路**：全球央行的净购金行为是黄金需求端的重要支撑，特别是自2022年以来规模显著提升，且受黄金行情驱动较弱，更多受国际风险事件和美元信用体系变化影响[10][81]。 * **因子具体构建过程**：因子直接使用全球央行每个时期（如年度、季度）净购入的黄金吨数来衡量[81][83]。报告中指出，2011-2019年稳定在约500吨/年，2022年后持续稳定在约1000吨/年[81]。 3. **因子名称：ETF净购金 (ETF Net Gold Purchases)**[10][92][94] * **因子构建思路**：黄金ETF的净购金量代表了趋势性投资资金的需求，与金价高度相关，是影响金价短期波动的重要因素之一[10][94]。 * **因子具体构建过程**：因子通过加总主要黄金ETF（如境外的SPDR Gold Shares (GLD)，境内的华安黄金ETF等）在每个时期的净申购/赎回所对应的黄金吨数来构建[88][90][92]。报告中提到，截至2025年第三季度，境外主要ETF净购金约229吨，境内ETF净购金约62吨[92]。 因子的回测效果 （注：报告中未提供因子测试的标准化绩效指标，如IC值、IR、多空收益等。报告主要通过历史图表和周期划分，定性或半定量地分析了这些因子（尤其是实际利率）在不同市场环境下与金价的关系，例如展示了不同实际利率周期中金价的涨跌幅[30][34]，以及实际利率趋势下行周期中的回归系数和R²[65]。）