量化模型与构建方式 1. 人工智能全球大类资产配置模型 * 模型名称：人工智能全球大类资产配置模型[38] * 模型构建思路：将机器学习模型应用到大类资产配置问题上，基于因子投资的思路，使用模型对各类资产进行打分排序，最终构建可投资的月频量化等权配置策略[38] * 模型具体构建过程：报告未详细描述具体的机器学习模型算法、因子构成及打分排序的详细计算过程，仅提及了基于因子投资思路构建策略的整体框架[38] 2. 基于动态宏观事件因子的股债轮动配置模型 * 模型名称：基于动态宏观事件因子的股债轮动配置模型[43] * 模型构建思路：构建一个宏观择时模块，结合风险预算模型框架，输出不同风险偏好（保守、稳健、进取）的股债配置权重[43] * 模型具体构建过程： 1. 宏观择时模块：从经济增长和货币流动性两个维度构建动态宏观事件因子[43]。每个维度包含多个细分指标（因子），例如经济增长维度包括M1同比、PPI同比、PPI-CPI剪刀差、工业增加值同比、国债利差(10Y-1M)、发电量环比等；货币流动性维度包括M1-M2剪刀差、中美国债利差(10Y)、中国国债美国TIPS利差(10年)等[46]。 2. 信号生成：每个细分指标根据其数值或变化发出看多信号（记为1）或看空信号（记为0）[46][54]。 3. 维度信号合成：将同一维度下的多个细分因子信号进行合成，得到该维度的总体信号强度（例如60%）[43][45]。 4. 最终仓位确定：综合经济增长和货币流动性维度的信号，通过风险预算模型框架，计算出最终的股票建议仓位，并据此构建保守型、稳健型和进取型三种不同风险偏好的配置策略[43][45]。 3. 红利风格择时配置模型 * 模型名称：红利风格择时配置模型[50] * 模型构建思路：使用经济增长和货币流动性共10个指标，通过动态事件因子体系构建针对中证红利指数的择时策略，以提升收益稳定性[50] * 模型具体构建过程： 1. 因子构建：选取经济增长和货币流动性两个维度的共10个指标作为动态事件因子。经济增长维度指标包括消费者信心指数、发电量环比、国债利差(10Y-3M)、中采制造业PMI新出口订单、PPI同比、PPI-CPI剪刀差；货币流动性指标包括Shibor2W、R007_MA20、Shibor1M环比、逆回购R007差额[54]。 2. 信号生成：每个指标根据规则独立生成看多信号（1）或看空信号（0）[54]。 3. 信号合成：将所有指标的信号进行合成，得到最终的择时信号（0%或100%），用于决定中证红利指数的推荐仓位[50][54]。 模型的回测效果 1. 人工智能全球大类资产配置模型 * 回测区间：2021年1月至2025年12月[39] * 年化收益率：6.78%[39] * 年化波动率：6.53%[42] * 夏普比率：1.04[39] * 最大回撤：6.66%[39] * 基准（资产等权）年化收益率：6.80%[39] * 基准夏普比率：0.75[39] * 基准最大回撤：12.67%[39] * 年初至今收益率（截至报告期）：7.18%[40] * 基准年初至今收益率：18.14%[40] 2. 基于动态宏观事件因子的股债轮动配置模型 * 回测区间：2005年1月至2025年12月[43] * 进取型策略年化收益率：20.03%[44] * 稳健型策略年化收益率：10.84%[44] * 保守型策略年化收益率：5.88%[44] * 基准（股债64）年化收益率：8.97%[44] * 进取型策略年化波动率：14.07%[49] * 稳健型策略年化波动率：8.14%[49] * 保守型策略年化波动率：3.20%[49] * 基准年化波动率：16.49%[49] * 进取型策略夏普比率：1.30[49] * 稳健型策略夏普比率：1.18[49] * 保守型策略夏普比率：1.48[49] * 基准夏普比率：0.54[49] * 进取型策略最大回撤：-13.72%[49] * 稳健型策略最大回撤：-6.77%[49] * 保守型策略最大回撤：-3.55%[49] * 基准最大回撤：-46.24%[49] * 进取型策略年初至今收益率：15.77%[49] * 稳健型策略年初至今收益率：4.23%[49] * 保守型策略年初至今收益率：0.70%[49] * 基准年初至今收益率：15.95%[49] 3. 红利风格择时配置模型 * 模型具体测试结果取值： * 年化收益率：16.18%[50][53] * 年化波动率：17.32%[53] * 夏普比率：0.93[50][53] * 最大回撤：-21.22%[50][53] * 基准（中证红利全收益指数）年化收益率：11.28%[53] * 基准年化波动率：22.60%[53] * 基准夏普比率：0.57[53] * 基准最大回撤：-36.80%[53] 量化因子与构建方式 1. 动态宏观事件因子（用于股债轮动及红利择时） * 因子构建思路：从宏观经济指标中选取具有预测性的变量，将其转化为二值化（0/1）的择时信号，用于判断股票市场的整体或风格（红利）走势[43][50] * 因子具体构建过程：报告列出了用于不同模型的细分宏观指标，其构建逻辑应为：当指标值或变化量超过（或低于）特定阈值时，发出看多信号（赋值为1），否则为看空信号（赋值为0）[46][54]。具体指标包括： * 经济增长维度：M1同比、PPI同比、PPI-CPI剪刀差、工业增加值同比、国债利差(10Y-1M或10Y-3M)、发电量当月值3月移动平均环比、消费者信心指数、中采制造业PMI新出口订单等[46][54] * 货币流动性维度：M1-M2剪刀差、中美国债利差(10Y)、中国国债美国TIPS利差(10年)、Shibor2W、R007_MA20、Shibor1M环比、逆回购R007差额等[46][54]