量化模型与因子总结 量化模型与构建方式 1. 模型名称：宏观指标趋势分析模型[10] * 模型构建思路：通过统计检验方法，判断单个宏观指标的趋势（上行或下行）是否对特定大类资产的未来收益率有显著影响，并据此形成资产配置观点[10]。 * 模型具体构建过程： 1. 对每个宏观指标，使用历史均线法判断其在每个时点的趋势方向（上行或下行）[11]。 2. 分别统计宏观指标处于上行趋势和下行趋势时，对应大类资产未来1个月的月度收益率序列[10]。 3. 使用T检验判断两个收益率序列的均值是否存在显著差异。T值计算公式如下： $t={\frac{\overline{{R_{1}}}-\overline{{R_{2}}}}{\sqrt{\frac{(n_{1}-1){S_{1}}^{2}+(n_{2}-1){S_{2}}^{2}}{n_{1}+n_{2}-2}}({\frac{1}{n_{1}}}+{\frac{1}{n_{2}}})}}\sim t_{n_{1}+n_{2}-2}$ 其中，$\overline{R_1}$、$\overline{R_2}$ 分别代表宏观指标在上行和下行情况下，某大类资产的平均月度收益率；$S_1$、$S_2$ 代表对应情况下的月度收益率标准差；$n_1$、$n_2$ 分别代表宏观指标处于上行或下行的月份数量[10]。 4. 若t值显著，则认为该宏观指标趋势对该资产收益率有显著影响。根据指标最新趋势方向，给出“利多”（得分+1）或“利空”（得分-1）的观点[15]。 2. 模型名称：技术分析趋势判断模型[16] * 模型构建思路：根据不同大类资产的价格特性，构建差异化的趋势指标，以判断资产价格的短期趋势方向[16]。 * 模型具体构建过程：针对不同资产类别采用不同的计算方法： * 权益资产：趋势指标 = (历史2个月LLT平均月度涨跌幅) - (历史(T-12至T-2)个月LLT平均月度涨跌幅)。若结果为正，则趋势向上，得分+1；反之则趋势向下，得分-1[16][21]。 * 债券资产：趋势指标 = (历史2个月收盘价平均月度涨跌幅) - (历史(T-12至T-2)个月收盘价平均月度涨跌幅)。若结果为正，则趋势向上，得分+1；反之则趋势向下，得分-1[16][21]。 * 黄金资产：趋势指标 = 历史6个月收盘价平均月度涨跌幅。若结果为正，则趋势向上，得分+1；反之则趋势向下，得分-1[16][21]。 * 工业品资产：趋势指标 = 历史2个月收盘价平均月度涨跌幅。若结果为正，则趋势向上，得分+1；反之则趋势向下，得分-1[16][21]。 3. 模型名称：权益资产估值指标模型[21] * 模型构建思路：使用股权风险溢价（ERP）的历史分位数来衡量权益资产的估值水平，分位数越高代表估值越低，越具投资价值[21]。 * 模型具体构建过程： 1. 计算中证800指数的股权风险溢价（ERP）：ERP = 1 / PE(TTM) - 10年期国债到期收益率[21]。 2. 计算当前ERP在历史5年（滚动窗口）中的分位数： 分位数 = (当前ERP值 - 历史5年ERP最低值) / (历史5年ERP最高值 - 历史5年ERP最低值)[21]。 3. 根据分位数区间给出估值得分：分位数 > 90%得+2分；70%-90%得+1分；30%-70%得0分；10%-30%得-1分；<10%得-2分[22]。 4. 模型名称：权益资产资金流指标模型[27] * 模型构建思路：通过计算指数月度主动净流入额的短期变化，来判断资金流向是处于流入还是流出状态[27]。 * 模型具体构建过程： 1. 获取中证800指数的月度主动净流入额数据[27]。 2. 计算资金流指标：资金流指标 = (历史1个月主动净流入额) - (历史6个月平均月度主动净流入额)[27]。 3. 若该指标值为正，则认为处于资金流入状态，得分+1；若为负，则为资金流出状态，得分-1[27]。 5. 模型名称：固定比例+宏观指标+技术指标配置模型[35] * 模型构建思路：在固定比例（基准）资产配置的基础上，根据宏观指标和技术指标产生的月度信号，动态调整各类资产的配置权重[35]。 * 模型具体构建过程： 1. 选定7类基础资产（权益、债券、黄金、工业品、货币等）并设定固定的基准配置权重[35][37]。 2. 每月末，汇总各资产的宏观指标得分和技术指标得分，得到总得分[34]。 3. 根据总得分方向（正或负），对非货币资产在基准权重上进行一定比例（如5%）的权重增减调整，并相应反向调整货币资产的配置比例，以保持总权重为100%[35]。 6. 模型名称：经典资产配置模型+宏观指标+技术指标[43] * 模型构建思路：以控制波动率模型或风险平价模型生成的权重作为基准组合，再叠加宏观与技术信号进行权重调整，并在换手率和权重上限方面施加约束以提高可行性[43]。 * 模型具体构建过程： 1. 选择与固定比例模型相同的7类基础资产[43]。 2. 构建两个经典配置基准组合： * 控制波动率组合：以控制年化波动率不超过6%为目标优化权重[43]。 * 风险平价组合：以风险贡献度均衡为目标优化权重[43]。 3. 每月末，根据宏观与技术指标的总得分，对非货币资产的基准权重进行动态调整，并相应调整货币资产权重[43]。 4. 施加约束条件：权益资产总权重不超过30%，商品资产总权重不超过20%；单一资产月度换手率不超过20%，总月度换手率不超过30%[43]。 量化因子与构建方式 1. 因子名称：宏观指标趋势因子[10] * 因子构建思路：将宏观指标的历史均线方向（上行/下行）转化为对特定资产的看多（+1）或看空（-1）信号[10][15]。 * 因子具体构建过程：对于每个宏观指标-资产对，根据T检验结果，若指标趋势对资产收益影响显著，则当最新均线方向为上行时，因子取值为+1（利多），下行时取值为-1（利空）；若不显著，则可能不产生信号或取值为0[10][15]。 2. 因子名称：资产价格趋势因子[16] * 因子构建思路：通过计算特定资产价格（或LLT指标）的短期与长期平均涨跌幅之差，或直接使用短期平均涨跌幅，来判断价格趋势方向[16]。 * 因子具体构建过程：如模型部分所述，针对四类资产（权益、债券、黄金、工业品）分别计算其特定的趋势指标值。根据该值的正负，因子取值为+1（趋势向上）或-1（趋势向下）[16][21]。 3. 因子名称：股权风险溢价（ERP）分位数因子[21] * 因子构建思路：将权益资产的估值水平（ERP历史分位数）转化为多档得分因子，用于评估其估值吸引力[21][22]。 * 因子具体构建过程：计算当前ERP的5年历史分位数，并根据预设阈值映射为离散得分：分位数>90%得+2，70%-90%得+1，30%-70%得0，10%-30%得-1，<10%得-2[21][22]。 4. 因子名称：资金流变化因子[27] * 因子构建思路：通过比较近期与中期资金净流入的差异，捕捉资金流向的边际变化，作为市场情绪的代理指标[27]。 * 因子具体构建过程：计算“历史1个月主动净流入额”与“历史6个月平均月度主动净流入额”的差值。若差值为正，因子取值为+1（资金流入）；若为负，取值为-1（资金流出）[27]。 模型的回测效果 （数据区间：2006年4月 至 2025年12月31日） 1. 固定比例+宏观指标组合，年化收益率9.46%，最大回撤11.30%，年化波动率6.03%[40] 2. 固定比例+技术指标组合，年化收益率8.29%，最大回撤12.65%，年化波动率6.17%[40] 3. 固定比例+宏观指标+技术指标组合，年化收益率10.22%，最大回撤9.34%，年化波动率6.24%[40] 4. 固定比例基准组合，年化收益率6.43%，最大回撤18.63%，年化波动率5.84%[40] 5. 控制年化波动率6%+宏观指标+技术指标组合，年化收益率9.10%，最大回撤5.06%，年化波动率4.94%[47] 6. 风险平价+宏观指标+技术指标组合，年化收益率8.28%，最大回撤4.47%，年化波动率3.40%[47] 因子的回测效果 （注：报告中未提供单个因子的独立回测绩效指标，如IC、IR等。因子效果体现在其集成到配置模型后，模型整体表现的提升上。）