根据研报内容，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：沪深300ETF多头仓位择时模型 - 模型构建思路：通过技术指标和仓位信号对沪深300ETF进行多空择时[21] - 模型具体构建过程： 1. 使用价格趋势指标（如均线突破）生成开仓信号 2. 结合波动率调整仓位比例 3. 净值曲线显示2016-2025年策略表现[21] 2. 模型名称：A股多空期货择时模型 - 模型构建思路：基于沪深300期货的多空信号捕捉市场转折点[25] - 模型具体构建过程： 1. 综合动量指标与市场情绪指标 2. 当信号强度超过阈值时触发多空转换 3. 净值曲线显示策略2016-2025年跑赢持有收益[25] 3. 模型名称：小微盘择时模型 - 模型构建思路：通过流动性指标和拥挤度监测中小盘股机会[55] - 模型具体构建过程： 1. 计算RSI技术面指标 2. 监测融资余额变化 3. 结合赔率指标判断交易过热风险[55] 4. 模型名称：黄金择时模型 - 模型构建思路：基于CFTC持仓数据与关税事件驱动分析[57] - 模型具体构建过程： 1. 跟踪COMEX黄金期货持仓变化 2. 结合美联储政策预期调整仓位[57] 量化因子与构建方式 1. 因子名称：美元真实流动性因子 - 因子构建思路：通过美联储资产负债表变化监测市场流动性[40] - 因子具体构建过程： $流动性 = 负债表 - TGA账户 - ONRRP$ 其中TGA账户变动448.69亿美元，ONRRP减少171.23亿美元[40] 2. 因子名称：港股情绪因子 - 因子构建思路：综合卖空成交占比与南向资金流向[48] - 因子具体构建过程： 1. 计算卖空成交占比（本周15.54%） 2. 监测南向资金净买入（本周217.51亿元）[48] 3. 因子名称：红利成长因子 - 因子构建思路：结合股息率与盈利增长筛选标的[54] - 因子具体构建过程： 1. 筛选高股息率个股 2. 叠加ROE增长条件 3. 当前推荐银行、半导体板块[54] 模型的回测效果 1. 沪深300ETF多头择时模型 - 年化收益率：未披露具体值（净值曲线显示2016-2025年累计收益约2.5倍）[21] - 最大回撤：未披露 2. A股多空期货择时模型 - 年化收益率：未披露（净值曲线显示显著跑赢基准）[25] - 胜率：未披露 3. ETF偏股型组合 - 2024年绝对收益：41.83% - 超额收益（vs沪深300）：20.61% - 当前持仓：食品饮料ETF、半导体ETF等[58] 4. 港股定量优选30组合 - 绝对收益（2024/11起）：35.64% - 超额收益（vs高股息指数）：13.13%[52] 因子的回测效果 1. 美元流动性因子 - 本周变动：6.13万亿→6.10万亿[40] - 对美股影响：5%回调触发买入信号[40] 2. 小微盘因子 - 当前RSI指标：显示技术面强势[55] - 拥挤度：6月初达历史极值后改善[55] 3. 黄金因子 - CFTC持仓：显示假突破信号[57] - 关税事件影响：推动COMEX创历史新高[57]