根据研报内容，以下是关于量化模型和因子的总结： 量化模型与构建方式 1. **模型名称：Black-Litterman模型（BL模型）**[26] * **模型构建思路**：BL模型是对传统均值-方差模型（MVO）的改进，采用贝叶斯理论将投资者的主观观点与量化配置模型结合起来，通过投资者对市场的分析预测资产收益，进而优化资产配置权重[26] * **模型具体构建过程**：报告跟踪了两种国内资产BL策略[27] * **BL策略1**：认为市场均衡权重未知，每月末使用各资产过去五年的历史收益作为市场均衡收益率Π，并指定风险厌恶系数δ的值（例如δ=10）由于风险厌恶系数和目标波动率存在对应关系，指定δ便相当于指定了目标波动率[33] * **BL策略2**：对市场均衡权重进行人为指定（股:债:转债:商品:黄金=10:80:5:2.5:2.5），使用各资产过去五年的历史收益作为市场均衡收益率Π，反解市场风险厌恶系数δ此时每一期的δ是动态变化的，相当于每一期的目标波动率也在变化[33] 2. **模型名称：风险平价模型**[32][35] * **模型构建思路**：风险平价模型的核心思想是把投资组合的整体风险分摊到每类资产（因子）中去，使得每类资产（因子）对投资组合整体风险的贡献相等该模型从各资产（因子）的预期波动率及预期相关性出发，计算得到初始资产配置权重下各资产（因子）对投资组合的风险贡献，然后对各资产（因子）实际风险贡献与预期风险贡献间的偏离度进行优化，从而得到最终资产配置权重[35] * **模型具体构建过程**：构建过程分三步第一步，选择合适的底层资产（报告中使用8类国内资产）第二步，计算资产对组合的风险贡献第三步，求解优化问题计算持仓权重同时，采用过去五年的日度收益率估计协方差矩阵，用于提升协方差矩阵的估计稳定性[35] 3. **模型名称：基于宏观因子的资产配置策略**[40][41] * **模型构建思路**：该框架建立了一个宏观研究与资产配置研究的桥梁，通过构造涵盖增长、通胀、利率、信用、汇率和流动性六大风险的宏观因子体系，将对于宏观的主观观点进行资产方面的落地[40] * **模型具体构建过程**：按以下四步构建策略第一步，每月末计算资产的因子暴露水平第二步，以资产的风险平价组合作为基准，计算出基准因子暴露第三步，根据对宏观未来一个月的判断，给定一个主观因子偏离值，结合基准因子暴露，得到资产组合的因子暴露目标第四步，带入模型反解得到下个月的各个资产配置权重在计算因子暴露时，使用基于先验信息的Lasso回归，并采用滚动重采样（Bootstrap）的方式提高稳健性，即在每月末以过去10年为滚动窗口期，随机挑选起始日期并取长度为2年的时间序列作为输入变量，重复采样3000次，最终取回归结果的中位数作为因子暴露值[41] 模型的回测效果 1. **国内资产BL策略1**，2025年收益3.58%[4][31]，9月收益0.19%[4]，最大回撤1.31%[4][31]，年化波动2.19%[4][31]，夏普比率1.177[19]，卡玛比率2.732[19] 2. **国内资产BL策略2**，2025年收益3.18%[4][31]，9月收益0.20%[4]，最大回撤1.06%[4][31]，年化波动1.99%[4][31]，夏普比率1.096[19]，卡玛比率2.992[19] 3. **国内资产风险平价策略**，2025年收益3.12%[4][39]，9月收益0.18%[4]，最大回撤0.76%[4][39]，年化波动1.34%[4][39]，夏普比率1.582[19]，卡玛比率4.098[19] 4. **基于宏观因子的资产配置策略**，2025年收益3.42%[4][46]，9月收益0.48%[4]，最大回撤0.65%[4][46]，年化波动1.32%[4][46]，夏普比率1.837[19]，卡玛比率5.235[19] 5. **全球资产BL策略1**，2025年收益0.99%[50]，9月收益0.26%[50]，最大回撤1.64%[50]，年化波动1.98%[50]，夏普比率-0.005[19]，卡玛比率0.604[19] 6. **全球资产BL策略2**，2025年收益2.07%[50]，9月收益0.25%[50]，最大回撤1.28%[50]，年化波动1.63%[50]，夏普比率0.656[19]，卡玛比率1.616[19] 7. **全球资产风险平价策略**，2025年收益2.58%[50]，9月收益0.21%[50]，最大回撤1.20%[50]，年化波动1.47%[50]，夏普比率1.075[19]，卡玛比率2.160[19] 量化因子与构建方式 1. **因子名称：宏观因子体系**[40][41] * **因子的构建思路**：构造了涵盖增长、通胀、利率、信用、汇率和流动性六大风险的宏观因子体系[40] * **因子具体构建过程**：通过Factor Mimicking Portfolio方法构造了增长、通胀等六大宏观风险的高频宏观因子[41] 因子的回测效果 （报告中未提供宏观因子本身的独立测试结果，如IC值、IR等）

核心观点 - 2025年7月国内权益资产表现优异，中证1000、南华商品指数、沪深300等主要指数涨幅显著，而国债指数出现轻微回调 [8][9] - 风险平价策略在2025年表现最佳，年收益达2.65%，最大回撤0.76%，年化波动1.46% [2][21] - 基于宏观因子的资产配置策略表现稳健，2025年收益2.59%，最大回撤0.65%，年化波动1.35% [21][43] - 全球资产配置策略中，风险平价策略表现最优，2025年收益2.13%，最大回撤1.2% [52] 大类资产表现 - 7月涨幅：中证1000(4.8%)、南华商品指数(3.8%)、沪深300(3.54%)、中证转债(2.87%)、恒生指数(2.78%) [8] - 2025年累计涨幅：恒生指数(21.46%)、SHFE黄金(23.34%)、中证1000(11.81%)、中证转债(10.09%) [9] - 资产相关性：沪深300与国债指数近一年相关性-38.08%，国债指数与商品指数相关性44.36% [16] 资产配置策略表现 - BL策略1：2025年收益2.4%，7月收益0.55%，最大回撤1.31% [21][33] - BL策略2：2025年收益2.34%，7月收益0.41%，最大回撤1.06% [21][33] - 风险平价策略：夏普比率1.264，卡玛比率3.477，显著优于均衡配置策略 [21][42] - 宏观因子策略：采用增长、通胀等六大因子构建，8月调整因子暴露为增长(-1)、利率(-1)、汇率(1) [47] 全球资产配置 - 全球BL策略1：2025年收益0.87%，最大回撤1.64% [52][69] - 全球BL策略2：2025年收益1.51%，最大回撤1.28% [52][70] - 全球风险平价策略：历史年化收益5.97%，最大回撤3.91% [71] 宏观观点 - 增长因子：预期未来有向下偏离风险，7月PMI连续四个月低于荣枯线 [45] - 利率：7月末shibor隔夜利率1.39%，预计8月可能略微下降 [45] - 汇率：美联储降息预期或缓解人民币汇率压力 [45] - 流动性：DR007维持低位震荡，8月整体平稳 [45]

大类资产配置策略表现 - 国内资产BL策略1的5月收益为-0.22%，2025年累计收益为0.96%，最大回撤1.31%，年化波动1.53% [1][3] - 国内资产BL策略2的5月收益为-0.1%，2025年累计收益为1.05%，最大回撤1.06%，年化波动1.37% [1][3] - 国内资产风险平价策略5月收益0.29%，2025年累计收益1.73%，最大回撤0.76%，年化波动1.08% [1][3] - 基于宏观因子的资产配置策略5月收益0.27%，2025年累计收益1.45%，最大回撤0.65%，年化波动0.97% [1][3] 大类资产走势回顾 - 2025年5月恒生指数涨幅3.96%，沪深300涨幅1.85%，中证转债涨幅1.75%，中证1000涨幅1.28%，中债-企业债总财富指数涨幅0.41% [2] - 南华商品指数跌幅2.4%，SHFE黄金跌幅1.39%，中债-国债总财富指数跌幅0.31% [2] - 沪深300与中债-国债总财富指数近一年相关性为-36.97%，中债-国债总财富指数与南华商品指数相关性46.55%，沪深300与南华商品指数相关性-24.07% [2] 宏观经济环境 - 5月制造业PMI为49.5%，环比上升0.5个百分点，显示制造业景气度改善 [4] - 4月PPI同比降幅2.7%，市场预期5月PPI同比-3.17%，生产资料延续通缩 [4] - 央行5月开展5500亿元MLF操作，净投放4000亿元，1年期同业存单利率稳定在1.78% [4] - 4月末社会融资规模存量424.0万亿元，出口依赖型行业受美国关税冲击 [4] - 美联储鹰派信号推迟降息预期，叠加"对等关税"推高转口贸易成本，影响人民币汇率 [4]

量化模型与构建方式 1. **模型名称：宏观评分模型** - **模型构建思路**：通过多维度宏观因子评分体系对大类资产进行择时判断，综合国内及全球的景气、货币、信用、通胀等因子形成资产配置观点[13] - **模型具体构建过程**： 1. 对9项宏观因子（国内景气/货币/信用/通胀、全球景气/货币/通胀、美元、金融压力）按月评分，分值范围为-1至1 2. 对每类资产（如中证800、黄金等）的宏观因子评分加权求和，得到总分 3. 根据总分阈值划分看多/中性/看空观点[15] - **模型评价**：能够系统性捕捉宏观周期变化对资产的影响，但因子权重设定依赖主观经验 2. **模型名称：美股中期择时模型** - **模型构建思路**：基于景气度、资金流、金融压力三维度等权构建择时指标[16] - **模型具体构建过程**： 1. 景气度分项：采用美国PMI等经济指标，标准化后映射至0-100分[18] 2. 资金流分项：跟踪机构资金流向数据（滞后3个月）[16] 3. 金融压力分项：监测信用利差波动 4. 最终指标= (景气度+资金流+金融压力)/3，阈值50为多空分界线[16] 3. **模型名称：黄金择时模型** - **模型构建思路**：以美国财政赤字变化为核心驱动因子构建择时指标[19] - **模型具体构建过程**： 1. 计算美国政府赤字规模的标准化变化率 2. 加入美元指数和实际利率调整项 3. 最终指标=赤字因子×0.6 +美元因子×0.3 +利率因子×0.1[20] - **模型评价**：对中长期趋势把握较好，但短期易受避险情绪干扰 4. **模型名称：原油景气指数模型** - **模型构建思路**：结合全球经济预期与供需平衡指标构建景气指数[21] - **模型具体构建过程**： 1. 需求端：全球制造业PMI加权值 2. 供给端：OPEC产量变化率 3. 金融端：美元指数反向指标 4. 标准化处理后合成景气指数，范围-2.5至+2.5[22] 5. **模型名称：大类资产配置优化模型** - **模型构建思路**：基于风险预算和宏观因子暴露动态调整资产权重[23] - **模型具体构建过程**： 1. 计算各资产风险贡献度：$$RC_i = w_i \times \frac{\partial \sigma_p}{\partial w_i}$$ 2. 根据宏观评分调整风险预算分配 3. 二次规划求解最优权重[25] --- 模型的回测效果 1. **宏观评分模型** - 中证800预测准确率：68%[15] - 黄金多空信号IR：1.2[15] 2. **美股中期择时模型** - 年化超额收益：4.5%[16] - 多空胜率：62%[18] 3. **黄金择时模型** - 近3年信号IR：1.5[20] - 最大回撤：-8.3%[19] 4. **原油景气指数模型** - 趋势跟随策略年化收益：12.7%[22] - 波动率：24.5%[21] 5. **大类资产配置优化模型** - 最近1年收益：8.0%[23] - 最大回撤：3.3%[23] - 年化波动率：5.8%[25] --- 量化因子与构建方式 1. **因子名称：财政赤字因子（黄金模型核心）** - **构建思路**：捕捉美国政府赤字扩张对黄金的长期驱动效应[19] - **具体构建**： $$赤字因子_t = \frac{TGA账户余额_{t-3}-TGA账户余额_t}{GDP_{t-3}} \times 100$$[14] 2. **因子名称：全球景气扩散因子** - **构建思路**：综合主要经济体PMI判断全球周期位置[15] - **具体构建**： 1. 对美、欧、中PMI做Z-score标准化 2. 加权平均：$$0.4 \times PMI_{US} + 0.3 \times PMI_{EU} + 0.3 \times PMI_{CN}$$[13] 3. **因子名称：金融压力因子** - **构建思路**：监测信用市场紧张程度[18] - **具体构建**： $$金融压力=0.5 \times TED利差 + 0.3 \times 高收益债利差 + 0.2 \times VIX$$[16] --- 因子的回测效果 1. **财政赤字因子** - 与黄金价格相关性：0.72[20] - 月度IC均值：0.15[19] 2. **全球景气扩散因子** - 铜价预测ICIR：1.8[15] - 季度滚动胜率：65%[13] 3. **金融压力因子** - 美股波动解释度R²：41%[18] - 极端事件预警准确率：78%[16]