量化模型与构建方式 1. **模型名称：期现对冲策略（连续对冲与最低贴水策略）**[39][40][41] * **模型构建思路**：基于股指期货的基差（期货价格与现货指数价格之差）进行套利或对冲。核心是利用期货合约到期时基差必然收敛的特性，通过做空期货来对冲现货多头风险，并试图从持续的负基差（贴水）中获取收益或降低对冲成本。[39] * **模型具体构建过程**： * **现货端**：持有对应标的指数（中证500、沪深300、上证50、中证1000）的全收益指数。[40][41] * **期货端**：做空对应标的的股指期货合约，名义本金与现货端市值相等。[40][41] * **资金分配**：现货端占用70%资金，期货端占用剩余30%资金作为保证金。[40][41] * **调仓与合约选择规则（分为两种策略）**： * **连续对冲策略**：分为“当月连续”和“季月连续”。持续持有当月或季月合约，直至该合约距离到期剩余不足2日，则在当日以收盘价平仓，并同时以收盘价卖空下一份当月或季月合约。[40] * **最低贴水策略**：调仓时，计算当日所有可交易期货合约的**年化基差**，选择年化基差贴水幅度最小（即负值最小，最接近零）的合约进行开仓。同一合约至少持有8个交易日，或在该合约距离到期剩余不足2日时进行调仓（排除剩余到期日不足8日的合约）。[41] * **回测设置**：回测区间为2022年7月22日至2026年4月17日，不考虑手续费、冲击成本及合约不可无限细分。[40][41] 2. **因子名称：分红调整年化基差**[16][17][18] * **因子构建思路**：由于股指期货价格已提前反映了合约存续期内指数成分股的预期分红，直接使用期货与指数的价差（实际基差）会因分红影响而产生偏差。该因子旨在剔除预期分红的影响，得到反映市场真实情绪和供需关系的“纯净”基差。[8][16] * **因子具体构建过程**： 1. 计算**预期分红调整后的基差**：在实际基差的基础上，加上合约存续期内尚未实现的预期分红点位。[17] $$预期分红调整后的基差 = 实际基差 + 存续期内未实现的预期分红$$ 2. 将调整后的基差进行**年化处理**，以方便不同期限合约之间的比较。[17][18] $$年化基差 = \frac{(实际基差 + (预期)分红点位)}{指数价格} \times \frac{360}{合约剩余天数}$$ * **参数说明**：“存续期内未实现的预期分红”基于历史数据对指数未来一年的分红点位进行预测得出。[9][18] 3. **因子名称：波动率指数 (VIX)**[56] * **因子构建思路**：借鉴海外成熟经验，结合国内场内期权市场实际情况编制，用于反映期权投资者对标的资产未来30日波动水平的预期。[56] * **因子具体构建过程**：报告未详细披露具体的VIX计算公式，但指出其编制方法在海外成熟模型基础上进行了适应性调整，旨在构建更贴合我国市场特征的波动率指数体系。[56] 4. **因子名称：偏度指数 (SKEW)**[60] * **因子构建思路**：通过刻画不同行权价格下期权隐含波动率（IV）的偏斜形态，来衡量市场对标的资产未来收益率分布（尤其是尾部风险）的预期。该指数有助于洞察市场对潜在极端风险的担忧程度。[60] * **因子具体构建过程**：报告未详细披露具体的SKEW计算公式，但说明了其经济含义：当市场担忧下行风险时，看跌期权需求上升，会推高SKEW指数。通常SKEW高于100表明市场对大幅回调的担忧加剧。[60] 模型的回测效果 （回测区间：2022年7月22日至2026年4月17日）[40][41] 1. **IC（中证500）期现对冲模型**[43] * **当月连续对冲模型**：年化收益-3.42%，波动率3.80%，最大回撤-12.24%，净值0.8789，年换手次数12。[43] * **季月连续对冲模型**：年化收益-2.75%，波动率4.87%，最大回撤-10.94%，净值0.9019，年换手次数4。[43] * **最低贴水策略模型**：年化收益-1.89%，波动率4.55%，最大回撤-9.15%，净值0.9317，年换手次数17.26。[43] 2. **IF（沪深300）期现对冲模型**[48] * **当月连续对冲模型**：年化收益0.17%，波动率2.82%，最大回撤-3.95%，净值1.0065，年换手次数12。[48] * **季月连续对冲模型**：年化收益0.58%，波动率3.22%，最大回撤-4.03%，净值1.0217，年换手次数4。[48] * **最低贴水策略模型**：年化收益1.07%，波动率2.97%，最大回撤-4.06%，净值1.0403，年换手次数15.37。[48] 3. **IH（上证50）期现对冲模型**[51] * **当月连续对冲模型**：年化收益0.95%，波动率2.86%，最大回撤-4.22%，净值1.0357，年换手次数12。[51] * **季月连续对冲模型**：年化收益1.97%，波动率3.27%，最大回撤-3.75%，净值1.0749，年换手次数4。[51] * **最低贴水策略模型**：年化收益1.61%，波动率2.92%，最大回撤-3.91%，净值1.0611，年换手次数14.83。[51] 4. **IM（中证1000）期现对冲模型**[53] * **当月连续对冲模型**：年化收益-6.26%，波动率4.29%，最大回撤-21.31%，净值0.7869，年换手次数12。[53] * **季月连续对冲模型**：年化收益-5.04%，波动率5.39%，最大回撤-18.06%，净值0.8255，年换手次数4。[53] * **最低贴水策略模型**：年化收益-3.99%，波动率5.11%，最大回撤-14.41%，净值0.8599，年换手次数15.10。[53] 因子的回测效果 （截至2026年4月17日的截面数据） 1. **分红调整年化基差因子**[19][24][29][34] * **IC当季合约**：当前值-4.20%，周内低点-6.85%，低于2022年初以来中位数。[19] * **IF当季合约**：当前值-3.70%，周内低点-5.02%，低于2022年初以来中位数。[24] * **IH当季合约**：当前值-1.20%，周内低点-1.82%，低于2022年初以来中位数。[29] * **IM当季合约**：当前值-8.55%，周内低点-11.90%，低于2022年初以来中位数。[34] 2. **波动率指数 (VIX) 因子**[56] * **上证50VIX_30**：当前值17.93，处于2024年以来32%的历史分位数。[56] * **沪深300VIX_30**：当前值18.67，处于2024年以来41%的历史分位数。[56] * **中证500VIX_30**：当前值32.70，处于2024年以来86%的历史分位数。[56] * **中证1000VIX_30**：当前值25.62，处于2024年以来36%的历史分位数。[56] 3. **偏度指数 (SKEW) 因子**[61] * **上证50SKEW**：当前值103.21，处于2024年以来90.2%的历史分位数。[61] * **沪深300SKEW**：当前值106.66，处于2024年以来90.9%的历史分位数。[61] * **中证500SKEW**：当前值105.66，处于2024年以来94.7%的历史分位数。[61] * **中证1000SKEW**：当前值108.85，处于2024年以来93.4%的历史分位数。[61]

量化模型与构建方式 1. **模型名称：期现对冲策略（连续对冲与最低贴水策略）**[41] * **模型构建思路**：通过构建现货多头（持有标的指数）与期货空头（做空股指期货合约）的组合，利用股指期货基差（期货价格与现货指数价格的差值）的收敛特性来获取收益或进行风险管理[41]。 * **模型具体构建过程**： * **现货端**：持有对应标的指数（如中证500、沪深300等）的全收益指数[42][43]。 * **期货端**：做空对应标的的股指期货合约，名义本金与现货端相等[42][43]。 * **资金分配**：总资金的70%用于现货端，剩余30%作为期货保证金[42][43]。 * **调仓规则**（分为两种策略）： * **连续对冲策略**：连续持有当月或季月合约，直至该合约距离到期日不足2日时，在收盘价平仓并同时卖空下一份当月或季月合约[42]。 * **最低贴水策略**：调仓时，计算所有可交易期货合约的年化基差，选择年化基差贴水幅度最小的合约开仓。同一合约持有8个交易日后，或距离到期日不足2日时，才可重新选择新合约（排除剩余到期日不足8日的合约）[43]。 2. **因子名称：分红调整年化基差**[18][19] * **因子构建思路**：为了准确衡量股指期货合约的真实溢价或折价水平，需要剔除标的指数成分股在合约存续期内预期分红对期货价格的影响[18]。 * **因子具体构建过程**： 1. **预测分红点位**：基于指数成分股历史分红情况，预测未来一年内各标的指数的分红总点数[9]。例如，2026年4月3日预测中证500、沪深300、上证50、中证1000指数分红点位分别为83.85、72.11、51.65、63.46[9]。 2. **计算预期分红调整后的基差**：在期货实际基差的基础上，加上存续期内尚未实现的预期分红点数[19]。 $$预期分红调整后的基差 = 实际基差 + 存续期内未实现的预期分红$$[19] 3. **年化处理**：将调整后的基差转化为年化形式，便于不同期限合约间的比较[19]。 $$年化基差 = \frac{(实际基差 + (预期)分红点位)}{指数价格} \times \frac{360}{合约剩余天数}$$[20] 3. **因子名称：波动率指数 (VIX)**[59] * **因子构建思路**：借鉴成熟市场经验，结合国内期权市场实际，构建反映市场对未来30日标的资产波动率预期的指数[59]。 * **因子具体构建过程**：报告未详细描述具体计算公式，但指出其编制方法进行了适应性调整，旨在构建更贴合我国市场特征的波动率指数体系[59]。该指数基于期权价格计算，反映了期权投资者对标的资产未来波动水平的预期[59]。 4. **因子名称：偏度指数 (SKEW)**[63] * **因子构建思路**：通过衡量不同行权价格下期权隐含波动率（IV）的偏斜形态，来刻画市场对标的资产未来收益率分布（尤其是尾部风险）的预期[63]。 * **因子具体构建过程**：报告未给出具体计算公式，但阐述了其原理。当投资者担忧下行风险时，看跌期权需求上升，会推高虚值看跌期权的隐含波动率，导致波动率曲线向左倾斜（负偏），SKEW指数升高。该指数常被视为“黑天鹅指数”，用于反映市场对潜在极端下跌风险的担忧程度[63]。 模型的回测效果 *回测区间：2022年7月22日至2026年4月3日[42][43]* 1. **IC（中证500）期现对冲模型**[45] * **当月连续对冲策略**：年化收益-3.34%，波动率3.81%，最大回撤-12.10%，净值0.8828，年换手次数12次，2026年以来收益-0.19%[45]。 * **季月连续对冲策略**：年化收益-2.61%，波动率4.88%，最大回撤-10.94%，净值0.9076，年换手次数4次，2026年以来收益-0.13%[45]。 * **最低贴水策略**：年化收益-1.69%，波动率4.55%，最大回撤-8.56%，净值0.9392，年换手次数17.43次，2026年以来收益-0.23%[45]。 * **指数表现（基准）**：年化收益5.04%，波动率21.25%，最大回撤-31.46%，净值1.1980，2026年以来收益-1.52%[45]。 2. **IF（沪深300）期现对冲模型**[50] * **当月连续对冲策略**：年化收益0.20%，波动率2.83%，最大回撤-3.95%，净值1.0074，年换手次数12次，2026年以来收益-0.21%[50]。 * **季月连续对冲策略**：年化收益0.65%，波动率3.22%，最大回撤-4.03%，净值1.0241，年换手次数4次，2026年以来收益0.35%[50]。 * **最低贴水策略**：年化收益1.15%，波动率2.98%，最大回撤-4.06%，净值1.0429，年换手次数15.52次，2026年以来收益0.46%[50]。 * **指数表现（基准）**：年化收益1.28%，波动率16.81%，最大回撤-25.59%，净值1.0478，2026年以来收益-5.87%[50]。 3. **IH（上证50）期现对冲模型**[54] * **当月连续对冲策略**：年化收益0.99%，波动率2.88%，最大回撤-4.22%，净值1.0369，年换手次数12次，2026年以来收益0.04%[54]。 * **季月连续对冲策略**：年化收益2.01%，波动率3.28%，最大回撤-3.75%，净值1.0756，年换手次数4次，2026年以来收益0.65%[54]。 * **最低贴水策略**：年化收益1.65%，波动率2.93%，最大回撤-3.91%，净值1.0618，年换手次数14.98次，2026年以来收益0.54%[54]。 * **指数表现（基准）**：年化收益-0.17%，波动率15.86%，最大回撤-22.96%，净值0.9937，2026年以来收益-8.68%[54]。 4. **IM（中证1000）期现对冲模型**[56] * **当月连续对冲策略**：年化收益-6.18%，波动率4.30%，最大回撤-21.04%，净值0.7913，年换手次数12次，2026年以来收益-0.54%[56]。 * **季月连续对冲策略**：年化收益-4.95%，波动率5.40%，最大回撤-18.06%，净值0.8298，年换手次数4次，2026年以来收益-0.76%[56]。 * **最低贴水策略**：年化收益-3.90%，波动率5.12%，最大回撤-14.41%，净值0.8640，年换手次数15.25次，2026年以来收益0.05%[56]。 * **指数表现（基准）**：年化收益1.89%，波动率24.02%，最大回撤-41.60%，净值1.0714，2026年以来收益-2.80%[56]。 因子的回测效果 *截至2026年4月3日数据* 1. **分红调整年化基差因子**[21][26][31][36] * **IC当季合约**：当前值-7.81%，周内高点-7.49%，低于2022年初以来中位数[21]。 * **IF当季合约**：当前值-4.92%，周内高点-4.32%，低于2022年初以来中位数[26]。 * **IH当季合约**：当前值-1.57%，周内高点-0.69%，低于2022年初以来中位数[31]。 * **IM当季合约**：当前值-10.99%，周内低点-12.15%，低于2022年初以来中位数[36]。 2. **波动率指数 (VIX) 因子**[59] * **上证50VIX (30日)**：当前值21.27，在2024年以来的分位数为71%[59]。 * **沪深300VIX (30日)**：当前值20.98，在2024年以来的分位数为69%[59]。 * **中证500VIX (30日)**：当前值33.68，在2024年以来的分位数为90%[59]。 * **中证1000VIX (30日)**：当前值29.68，在2024年以来的分位数为73%[59]。 3. **偏度指数 (SKEW) 因子**[64] * **上证50SKEW**：当前值102.87，在2024年以来的分位数为87.6%[64]。 * **沪深300SKEW**：当前值105.17，在2024年以来的分位数为85.2%[64]。 * **中证500SKEW**：当前值104.75，在2024年以来的分位数为91.1%[64]。 * **中证1000SKEW**：当前值102.88，在2024年以来的分位数为56.1%[64]。

报告行业投资评级 未提及相关内容 报告的核心观点 - 本周指数走弱但衍生品市场情绪反应克制 VIX 提升但未极端上行 沪深 300 与中证 500 分别处 70.8%与 82.6%的年内分位水平 SKEW 延续上涨但多数品种低于极端阈值 显示投资者对尾部风险担忧相对理性 期指市场周度增仓超 7 万张且中小盘基差显著改善 IM 基差收窄近 100 点 表明资金借市场调整进行结构性布局 整体呈现指数承压但预期不极端的市场特征 [2] 根据相关目录分别进行总结 一、股指期货合约存续期内分红预估与基差修正 - 2025 年 11 月 21 日 预估中证 500、沪深 300、上证 50、中证 1000 指数未来一年分红点位分别为 80.73、80.42、63.63、63.40 各指数在不同合约存续期内分红点位有不同预估 如中证 500 指数在下季合约 IC2606 存续期内分红点位预估为 48.04 占比 0.70% [9] - 分析合约基差时需剔除分红影响 报告中基差均为分红调整后的年化基差 本周 IC、IM 当季合约分红调整年化基差上行 IF、IH 当季合约分红调整年化基差下行 各合约成交持仓水平大多相对前一周提升 [19][20][38] 二、期现对冲策略回测跟踪 - 介绍连续对冲和最低贴水两种策略回测参数和设置 回测区间均为 2022 年 7 月 22 日至 2025 年 11 月 21 日 现货端均持有对应标的指数全收益指数 期货端资金分配和调仓规则有不同设置 [46][47] - IC 对冲策略本周回撤 最低贴水策略选 IC2512 合约 IF、IH 对冲策略本周表现稳定 最低贴水策略分别选 IF2512、IH2512 合约 IM 对冲策略本周回撤 最低贴水策略选 IM2512 合约 [49][54][58][60] 三、信达期权系列指数 - 期权市场隐含信息有较高分析价值 信达金工开发能反映我国市场波动性的 Cinda - VIX 与 Cinda - SKEW 等指数 [62][63] - 截至 2025 年 11 月 21 日 30 日上证 50VIX、沪深 300VIX、中证 500VIX、中证 1000VIX 分别为 19.95、21.49、32.21、26.91 [63] - SKEW 指标衡量波动率偏斜程度 可洞察市场对标的资产未来收益分布预期 截至 2025 年 11 月 21 日 上证 50SKEW、沪深 300SKEW、中证 500SKEW、中证 1000SKEW 分别为 104.78、104.75、104.79、106.83 [71][72]

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**：基于历史分红数据和指数成分股信息，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（如中证500、沪深300等）成分股的历史分红数据 2. 根据合约存续期（次月、当季、下季）划分预测区间 3. 对每个区间内的预期分红点位进行加权汇总，公式为： $$ \text{分红点位} = \sum_{i=1}^{n} w_i \cdot d_i $$ 其中 \( w_i \) 为成分股权重，\( d_i \) 为预期分红金额[9][11][16][18] - **模型评价**：能够有效修正基差计算中的分红影响，提升对冲策略的准确性 2. **模型名称：期现对冲策略优化模型** - **模型构建思路**：通过动态调整期货合约选择规则（如连续持有或最低贴水），优化对冲组合的收益风险比[49][52][57][61] - **模型具体构建过程**： 1. **连续对冲策略**：持有季月/当月合约至到期前2日，滚动调仓[49] 2. **最低贴水策略**：每日计算所有可交易合约的年化基差，选择贴水幅度最小的合约，持有8个交易日或至到期前2日[49] 3. 现货端与期货端资金分配比例为70%:30%，净值动态再平衡[49] 3. **模型名称：信达波动率指数（Cinda-VIX）** - **模型构建思路**：基于期权市场价格反推标的资产未来波动率预期，反映市场情绪[65][69][71][73] - **模型具体构建过程**： 1. 选取不同期限（30/60/90/120日）的平值及虚值期权合约 2. 通过期权定价模型计算隐含波动率（IV），加权合成VIX值 3. 期限结构展示不同时间维度的波动率预期[65][69][71][73] 4. **模型名称：信达偏斜指数（Cinda-SKEW）** - **模型构建思路**：捕捉期权隐含波动率的偏斜特征，衡量市场对极端尾部风险的预期[74][75][77] - **模型具体构建过程**： 1. 计算不同行权价期权的IV偏斜度 2. 标准化处理得到SKEW值，阈值100为分界线（>100表示担忧下跌风险）[75][77] --- 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**：剔除分红影响后，衡量期货合约价格与标的指数的偏离程度[20][27][32][38][40] - **因子具体构建过程**： 1. 计算实际基差：$$ \text{基差} = \text{期货价格} - \text{指数价格} $$ 2. 叠加预期分红调整：$$ \text{调整后基差} = \text{基差} + \text{存续期内未实现分红} $$ 3. 年化处理：$$ \text{年化基差} = \frac{\text{调整后基差}}{\text{指数价格}} \times \frac{360}{\text{合约剩余天数}} $$[20] 2. **因子名称：波动率期限结构因子** - **因子构建思路**：通过不同期限VIX的比值（如近端/远端）反映市场波动预期变化[65][69][71][73] - **因子具体构建过程**： 1. 计算30日与120日VIX的比值：$$ \text{期限结构斜率} = \frac{\text{VIX}_{30}}{\text{VIX}_{120}} $$ 2. 比值>1表示近端波动预期更高（"近端陡峭化"）[4][65] --- 模型的回测效果 1. **IC对冲策略（2022/7/22-2025/5/16）** - 年化收益：最低贴水策略-0.66%，季月连续-1.66%，当月连续-2.45% - 波动率：最低贴水策略4.76%，季月连续4.85% - 最大回撤：最低贴水策略-7.97%，季月连续-8.34%[51] 2. **IF对冲策略（同区间）** - 年化收益：最低贴水策略1.59%，季月连续1.01% - 波动率：最低贴水策略3.21%，季月连续3.42% - 最大回撤：最低贴水策略-4.06%，季月连续-4.03%[56] 3. **Cinda-VIX指数（2025/5/16取值）** - 上证50VIX_30：19.24 - 中证1000VIX_30：26.89[65][73] --- 因子的回测效果 1. **分红调整年化基差因子（2025/5/16）** - IC当季合约：-10.17%（前值-9.05%） - IH当季合约：0.42%（前值1.25%）[20][27][32][38] 2. **SKEW因子（2025/5/16）** - 中证1000SKEW：107.96（反映尾部风险担忧） - 上证50SKEW：100.71（接近中性）[75][77]

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** - **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[10] - **具体构建过程**： 1. 收集标的指数（中证500、沪深300等）成分股的历史分红数据 2. 根据上市公司公告和股息率预测未来一年分红点位 3. 按合约存续期划分分红实现时间区间 4. 计算公式： $$预期分红调整后的基差 = 实际基差 + 存续期内未实现的预期分红$$ $$年化基差 = \frac{(实际基差 + 预期分红点位)}{指数价格} \times \frac{360}{合约剩余天数}$$[20] - **模型评价**：有效修正基差计算中的分红干扰，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）** - **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[45][47] - **具体构建过程**： - **连续对冲**：持有季月/当月合约至到期前2日滚动换仓 - **最低贴水策略**：每日计算各合约年化基差，选择贴水幅度最小的合约持有8天 - 参数设置： - 现货端70%资金配置全收益指数 - 期货端30%资金等额对冲 - 排除剩余到期日不足8日的合约[47] 3. **模型名称：Cinda-VIX/SKEW指数** - **构建思路**：通过期权隐含波动率捕捉市场波动预期和尾部风险溢价[63][71] - **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30/60/90/120日波动率预期 3. SKEW衡量波动率偏斜： $$SKEW > 100$$ 表示市场担忧极端下跌风险[72] 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 | |--------------------|------------|--------|----------|----------|------------| | IC当月连续对冲 | -2.34% | 3.97% | -7.51% | 0.9371 | 12 | | IC季月连续对冲 | -1.82% | 4.88% | -8.34% | 0.9509 | 4 | | IC最低贴水策略 | -0.91% | 4.78% | -7.97% | 0.9753 | 17.87 | | IF最低贴水策略 | 1.57% | 3.23% | -4.06% | 1.0436 | 15.32 | | IH最低贴水策略 | 1.84% | 3.22% | -3.91% | 1.0514 | 16.78 | | IM最低贴水策略 | -3.54% | 5.34% | -11.11% | 0.9058 | 16.41 |[49][54][58][60] 量化因子与构建方式 1. **因子名称：年化基差因子** - **构建思路**：反映期货合约相对现货的溢价/折价水平，剔除分红影响[20] - **具体构建过程**： 1. 计算原始基差：合约收盘价 - 指数收盘价 2. 叠加存续期内预期分红点位 3. 年化处理： $$年化基差 = \frac{调整后基差}{指数价格} \times \frac{360}{剩余天数}$$ 2. **因子名称：VIX期限结构因子** - **构建思路**：不同期限波动率差异反映市场预期变化[63] - **具体构建过程**： 1. 分别计算30/60/90/120日VIX 2. 监控期限曲线斜率变化（如中证500VIX_30=29.03）[63][68] 3. **因子名称：SKEW尾部风险因子** - **构建思路**：量化市场对极端事件的担忧程度[71] - **具体构建过程**： 1. 计算虚值看跌/看涨期权IV偏斜 2. 标准化为指数形式（沪深300SKEW=104.47）[72] 因子的回测效果 | 因子类型 | 当前值（2025/4/25） | 历史分位 | |----------------|---------------------|------------| | 中证500年化基差 | -7.58% | 低于中位数 | | 沪深300VIX_30 | 19.66 | 50%分位 | | 中证500SKEW | 102.76 | 90%分位 |[21][27][63][72] 注：所有数据引用自原文标注的文档ID，未包含风险提示等非核心内容。