量化模型与构建方式 1. 滤波方法（数据处理模型） 1. **模型名称**：HP滤波 (Hodrick-Prescott Filter)[10] * **模型构建思路**：将宏观经济时间序列分解为长期趋势成分和中期周期成分，以剔除长期趋势和短期噪声，提取周期波动[3][9]。 * **模型具体构建过程**：通过求解一个最小化问题来得到趋势成分。具体公式为： $$\operatorname*{min}\left\{\sum_{t=1}^{T}(y_{t}-g_{t})^{2}+\lambda\sum_{t=2}^{T-1}[(g_{t+1}-g_{t})-(g_{t}-g_{t-1})]^{2}\right\}$$ 其中，\(y_{t}\)为原始序列数据，\(g_{t}\)为待求解的趋势成分，\(\lambda\)为平滑参数，\(\lambda\)越大，趋势线越平滑[10]。在应用中，首先使用较大的\(\lambda\)去除长期趋势得到周期成分，再使用较小的\(\lambda\)过滤噪声，得到用于分析的中周期序列[10]。 * **模型评价**：可以直观地将时间序列分解为趋势和周期成分，符合经典宏观经济分析框架，但存在较严重的端点偏差问题，且无法识别不同频率的周期[3][42]。 2. **模型名称**：傅里叶变换[25] * **模型构建思路**：将时间序列数据分解为一系列不同频率、振幅和相位的正弦函数的叠加，以识别数据中存在的主要周期性规律[25][26]。 * **模型具体构建过程**：对时间序列进行傅里叶变换，公式为： $$F(f)=\int_{-\infty}^{\infty}f(x)e^{-i2\pi f(x)}\,\mathrm{d}x$$ 由于宏观经济数据通常非平稳，在应用傅里叶变换前，先使用HP滤波去除长周期趋势项，得到平稳序列，再进行变换以提取主要周期并拟合周期序列[26]。 * **模型评价**：适合分析历史数据的整体周期结构，尤其适用于探究经济周期的历史规律，但其假设周期结构在时间上恒定，短期内拟合度可能受到影响[3][42]。 3. **模型名称**：混合滤波[42] * **模型构建思路**：结合HP滤波和傅里叶变换两种方法的优点，以挖掘数据的周期性规律并观察短期趋势变化[3][42]。 * **模型具体构建过程**：将HP滤波与傅里叶变换叠加使用。实践中，使用傅里叶变换挖掘宏观数据的周期性规律，同时使用HP滤波观察因子短期上升或下降的趋势变化[42]。叠加使用后得到的序列既具有一定外推性，又保留了HP滤波在周期拟合上的灵活性[42]。 * **模型评价**：结合了两种方法的优势，所得序列兼具周期规律性和趋势观察的灵活性[42]。 2. 资产配置模型 1. **模型名称**：美林时钟模型[68] * **模型构建思路**：依据经济增长（以PMI同比增速代表）和通货膨胀（以PPI同比代表）两个核心指标的高低变化，将经济周期划分为四个阶段，并为每个阶段配置不同类别的大类资产[68][72]。 * **模型具体构建过程**：使用HP滤波处理后的PMI同比增速和PPI同比数据判断经济周期阶段，具体配置方案如下[68][72]： * 复苏期：PMI同比增速上行，PPI同比下行，配置60%股票、40%债券。 * 扩张期：PMI同比增速上行，PPI同比上行，配置60%商品、40%股票。 * 滞胀期：PMI同比增速下行，PPI同比上行，配置60%现金、40%商品。 * 衰退期：PMI同比增速下行，PPI同比下行，配置60%债券、40%现金。 * **模型评价**：是最著名的经济周期模型之一[68]。 2. **模型名称**：货币信用模型[76] * **模型构建思路**：作为美林时钟理论在中国市场的适应性改进，通过观察“货币”（以M2同比增速代表）和“信用”（以社会融资规模同比增速代表）两个核心驱动因素来指导大类资产配置[76]。 * **模型具体构建过程**：使用HP滤波处理后的M2同比和社会融资规模同比数据判断货币信用状态，具体配置方案如下[76]： * 宽货币宽信用：M2同比上行，社会融资规模同比上行，配置60%股票、40%商品。 * 紧货币宽信用：M2同比下行，社会融资规模同比上行，配置60%商品、40%股票。 * 紧货币紧信用：M2同比下行，社会融资规模同比下行，配置60%现金、40%债券。 * 宽货币紧信用：M2同比上行，社会融资规模同比下行，配置60%债券、40%股票。 量化因子与构建方式 1. **因子名称**：M1同比[3][9] * **因子构建思路**：作为代表货币供给量的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了M1的同比增速数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 2. **因子名称**：M2同比[3][9] * **因子构建思路**：作为代表货币供给量的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了M2的同比增速数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 3. **因子名称**：社会融资规模同比[3][9] * **因子构建思路**：作为代表货币供给量的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了社会融资规模的同比增速数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 4. **因子名称**：1年期国债收益率同比差值[3][9] * **因子构建思路**：作为代表利率的宏观经济因子[3][9]。 * **因子具体构建过程**：报告采用了1年期国债收益率的同比差值数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 5. **因子名称**：PMI同比增速[3][9] * **因子构建思路**：作为代表经济增速的宏观经济因子[3][9]。 * **因子具体构建过程**：报告采用了PMI的同比增速数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 6. **因子名称**：PPI同比[3][9] * **因子构建思路**：作为代表通胀的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了PPI的同比数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 7. **因子名称**：工业增加值同比[3][9] * **因子构建思路**：作为代表经济增速的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了工业增加值的同比数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 8. **因子名称**：企业利润同比[3][9] * **因子构建思路**：作为代表经济增速的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了企业利润的同比数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 模型的回测效果 （以下回测结果均基于2006年以来的数据） 1. **美林时钟模型**，累计收益807.28%，年化收益11.71%，波动率11.30%，最大回撤17.10%，夏普比率1.037，信息比率0.681，胜率56.49%[70]。 2. **货币信用模型**，累计收益558.45%，年化收益9.93%，波动率16.84%，最大回撤56.02%，夏普比率0.589，信息比率0.362，胜率56.90%[79]。 因子的回测效果 （以下回测结果均基于2006年以来的数据，使用HP滤波处理后因子进行择时） 1. 单因子股指择时表现 （策略：因子上升周期持有中证全指，下降周期空仓） 1. **M1同比因子**，累计收益971.09%，年化收益12.64%，波动率24.85%，最大回撤69.42%，夏普比率0.509，信息比率0.339，胜率57.74%[58]。 2. **M2同比因子**，累计收益100.26%，年化收益3.55%，波动率22.51%，最大回撤69.42%，夏普比率0.158，信息比率-0.237，胜率48.95%[58]。 3. **国债收益率同比差值因子**，累计收益685.90%，年化收益10.91%，波动率18.43%，最大回撤27.47%，夏普比率0.592，信息比率0.265，胜率49.79%[58]。 4. **社会融资规模同比因子**，累计收益731.39%，年化收益11.22%，波动率24.77%，最大回撤69.42%，夏普比率0.453，信息比率0.249，胜率53.56%[58]。 5. **PMI同比增速因子**，累计收益1436.01%，年化收益14.70%，波动率21.07%，最大回撤42.44%，夏普比率0.698，信息比率0.513，胜率54.39%[58]。 6. **PPI同比因子**，累计收益919.17%，年化收益12.36%，波动率20.58%，最大回撤42.44%，夏普比率0.601，信息比率0.355，胜率52.72%[58]。 7. **工业增加值同比因子**，累计收益124.56%，年化收益4.15%，波动率16.52%，最大回撤39.35%，夏普比率0.251，信息比率-0.226，胜率46.86%[58]。 8. **企业利润同比因子**，累计收益522.94%，年化收益9.62%，波动率18.37%，最大回撤42.44%，夏普比率0.524，信息比率0.172，胜率51.46%[58]。 2. 单因子股债择时表现 （策略：因子上升周期持有中证全指，下降周期持有国债指数；对照组为60%债券+40%股票的固定比例组合） 1. **M1同比因子**，累计收益1297.47%，年化收益14.16%，波动率24.84%，最大回撤69.42%，夏普比率0.570，信息比率0.432，胜率60.25%[61]。 2. **M2同比因子**，累计收益174.96%，年化收益5.21%，波动率22.56%，最大回撤69.42%，夏普比率0.231，信息比率-0.129，胜率53.14%[61]。 3. **国债收益率同比差值因子**，累计收益1358.04%，年化收益14.40%，波动率18.43%，最大回撤27.47%，夏普比率0.781，信息比率0.508，胜率56.07%[61]。 4. **社会融资规模同比因子**，累计收益1110.38%，年化收益13.34%，波动率24.76%，最大回撤69.42%，夏普比率0.539，信息比率0.381，胜率59.00%[61]。 5. **PMI同比增速因子**，累计收益2226.26%，年化收益17.12%，波动率21.07%，最大回撤42.44%，夏普比率0.813，信息比率0.669，胜率57.74%[61]。 6. **PPI同比因子**，累计收益1637.78%，年化收益15.41%，波动率20.59%，最大回撤42.44%，夏普比率0.749，信息比率0.558，胜率58.58%[61]。 7. **工业增加值同比因子**，累计收益274.27%，年化收益6.85%，波动率16.65%，最大回撤36.37%，夏普比率0.411，信息比率-0.026，胜率51.05%[61]。 8. **企业利润同比因子**，累计收益864.21%，年化收益12.05%，波动率18.39%，最大回撤42.44%，夏普比率0.655，信息比率0.340，胜率53.56%[61]。

根据研报内容，本报告主要对A股各宽基指数的市场表现、估值指标和风险特征进行跟踪分析，并未涉及具体的量化交易模型或用于选股的量化因子。报告的核心是展示一系列用于评估市场状态和指数投资价值的指标及其历史比较。 量化指标与构建方式 1. **指标名称：风险溢价**[26] * **指标构建思路**：以十年期国债即期收益率为无风险利率的参考，计算各宽基指数收益率与其的差值，用以衡量权益资产相对于无风险资产的超额回报和投资价值[26] * **指标具体构建过程**：风险溢价的计算公式为： $$风险溢价 = 指数收益率 - 无风险利率$$ 其中，无风险利率采用十年期国债即期收益率[26][27][28] 2. **指标名称：股债性价比**[44] * **指标构建思路**：将股票市场的估值水平（以市盈率的倒数代表盈利收益率）与债券市场的无风险收益率进行比较，辅助判断大类资产的相对吸引力[44] * **指标具体构建过程**：股债性价比的计算公式为： $$股债性价比 = \frac{1}{PE-TTM} - 无风险利率$$ 其中，PE-TTM 为指数滚动市盈率，无风险利率采用十年期国债即期收益率[44] 3. **指标名称：破净率**[51][53] * **指标构建思路**：统计指数中市净率（PB）小于1的成份股数量占比，反映市场总体的估值水平和悲观情绪[51][53] * **指标具体构建过程**：破净率计算公式为： $$破净率 = \frac{指数中PB < 1的成份股数量}{指数总成份股数量} \times 100\%$$ 市净率（PB）计算公式为：$$PB = \frac{股价}{每股净资产}$$[51][53] 4. **指标名称：指数换手率**[16][17] * **指标构建思路**：衡量指数成份股整体的交易活跃度[16] * **指标具体构建过程**：指数换手率计算方式为： $$指数换手率 = \frac{\sum(成分股流通股本 \times 成分股换手率)}{\sum(成分股流通股本)}$$[17] 5. **指标名称：交易金额占比**[16] * **指标构建思路**：衡量单一宽基指数的成交额在全市场中的比重，反映资金流向和关注度[16] * **指标具体构建过程**：交易金额占比计算方式为： $$指数交易金额占比 = \frac{该指数当日交易金额}{中证全指当日交易金额} \times 100\%$$[16][17] 指标的评价与观察 * **风险溢价**：各宽基指数的风险溢价存在均值复归现象。中证1000和中证2000的风险溢价波动率相对较大。上证50的风险溢价分布更集中，而中证1000、中证2000和创业板指的风险溢价分布较分散，不确定性相对更大[27][33] * **日收益率分布形态**：通过峰度和偏度分析日收益率分布。报告指出，创业板指的峰度负偏离最大，沪深300的峰度负偏离最小；创业板指的负偏态最大，沪深300的负偏态最小[23] 指标的最新取值（截至2025年10月22日） | 指标名称 | 上证50 | 沪深300 | 中证500 | 中证1000 | 中证2000 | 中证全指 | 创业板指 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | **风险溢价 (当前值)** | 0.09%[30] | -0.34%[30] | -0.80%[30] | -0.44%[30] | -0.38%[30] | -0.42%[30] | -0.80%[30] | | **风险溢价 (近5年分位值)** | 54.92%[2][30] | 36.83%[2][30] | 21.59%[2][30] | 33.81%[30] | 34.52%[30] | 32.14%[30] | 30.16%[2][30] | | **PE-TTM (当前值)** | 12.18[41][42] | 14.41[41][42] | 33.99[41][42] | 46.80[41][42] | 157.60[41][42] | 21.59[41][42] | 42.89[41][42] | | **PE-TTM (近5年分位值)** | 89.42%[41][42] | 86.94%[41][42] | 98.18%[3][41][42] | 95.21%[41][42] | 82.81%[3][41][42] | 97.44%[3][41][42] | 58.51%[3][41][42] | | **股息率 (当前值)** | 3.15%[51] | 2.62%[51] | 1.35%[51] | 1.12%[51] | 0.78%[51] | 1.97%[51] | 1.01%[51] | | **股息率 (近5年分位值)** | 34.46%[51] | 34.63%[51] | 16.28%[3][49][51] | 46.20%[2][52] | 20.25%[3][49][51] | 32.48%[51] | 69.42%[2][52] | | **破净率** | 18.0%[3][53] | 15.33%[3][53] | 11.0%[3][53] | 7.3%[53] | 3.05%[3][53] | 5.77%[53] | 1.0%[3][53] | | **交易金额占比** | 未列示[16] | 26.89%[2][16] | 未列示 | 20.26%[2][16] | 22.97%[2][16] | 未列示 | 未列示 | | **换手率** | 0.30[2][16] | 0.57[2][16] | 1.50[2][16] | 2.34[2][16] | 3.56[2][16] | 1.57[2][16] | 1.80[2][16] |

指数增强基金核心特征 - 指数增强基金结合指数投资的分散风险优势和主动管理策略以追求超额收益 [1] - 基金通过跟踪特定指数并运用量化或主动管理策略实现超越基准表现 [2] - 收益结构分为β收益（市场收益）和α收益（管理人创造的超额收益） [3] 历史业绩表现 - 2010-2024年沪深300增强基金年均超额收益率为3.98%（基于各年度超额收益率算术平均） [5] - 累计超额收益超过67% 显著超越基准指数表现 [6] - 具体年度超额表现：2015年超额7.42% 2020年超额14.26% 2021年超额4.75% [5] 市场环境分析 - A股市场个人投资者占比较高 估值波动较大 创造更丰富的超额收益机会 [7] - 相比海外高效定价市场 A股存在显著超额收益窗口期 [7] - 指数增强产品更适合普通投资者配置 因其能捕捉市场非有效性带来的超额收益 [7] 产品定位优势 - 保持指数投资风格清晰特性 同时通过主动调整获取额外收益 [1][2] - β收益确保与基准指数走势一致 α收益提供额外回报来源 [3] - 长期持续超越指数表现 验证策略有效性 [4][6]

市场表现与背景 - A股市场迎来新一轮上涨行情 上证指数今年以来涨幅达15.1% [1] - 指数增强型基金数量快速增长 年内成立180只 超过2024年全年的101只 [5] - 全市场519只指数增强基金平均超额收益达3.87% 37只基金超额收益超10% [5] 产品特性与优势 - 国金中证全指指数增强基金以中证全指为跟踪标的 覆盖沪深京三市符合条件的股票和存托凭证 [2] - 中证全指相较一般宽基指数覆盖范围更广 行业分布更均衡全面 能全面反映A股市场生态 [2] - 产品契合量化分散投资特性 匹配热点分散、风格轮动、新趋势萌芽的投资场景 [2] - 中证全指具有天然多元化结构和风险分散特性 可降低决策成本并实现全市场行业均衡布局 [2] 投资策略与方法 - 通过量化策略在严格控制跟踪误差前提下追求超额收益 即信息比最大化 [4] - 采用多策略选股模型和组合优化技术筛选投资组合 并运用大数据分析和人工智能构建投资模型 [4] - 量化模型能及时应对中证全指成分股定期调整 动态优化投资组合 [3] 公司实力与产品定位 - 国金基金在量化投资领域深耕已久 拥有经验丰富的量化投研团队 核心成员来自国内外知名高校和金融机构 [6] - 公司量化产品业绩突出 国金量化多因子、多策略与量化精选基金多次获得行业认可 [6] - 该基金是国金量化产品线的重要补充 旨在为投资者提供新的全市场投资工具 [1][6]

指数表现 - 中证全指指数报5272.08点 单日上涨0.61% 成交额17128.12亿元 [1] - 近一个月上涨5.45% 近三个月上涨12.28% 年初至今上涨10.30% [1] - 指数基日为2004年12月31日 基点1000点 覆盖沪深京三市上市公司 [1] 权重构成 - 前十大权重股合计占比10.7% 贵州茅台权重1.89%居首 宁德时代1.48%次之 [1] - 中国平安权重1.34% 招商银行1.18% 兴业银行0.81% 美的集团0.75% [1] - 长江电力权重0.72% 紫金矿业0.7% 东方财富0.63% 中信证券0.6% [1] 行业分布 - 工业占比22.72%最高 信息技术16.76%次之 金融板块占比14.15% [2] - 原材料行业占比10.73% 可选消费8.68% 医药卫生8.3% 主要消费6.57% [2] - 通信服务占比6.12% 公用事业2.89% 能源1.9% 房地产1.18% [2] 指数维护 - 样本每半年调整一次 实施时间为每年6月和12月第二个星期五的下一交易日 [2] - 特殊情况启动临时调整 退市样本即时剔除 并购分拆参照细则处理 [2]