量化模型与构建方式 1. 择时雷达六面图综合模型 - **模型名称**：择时雷达六面图综合模型 - **模型构建思路**：基于多维视角的择时框架，从流动性、经济面、估值面、资金面、技术面、拥挤度六个维度选取21个指标对市场进行刻画，并概括为“估值性价比”、“宏观基本面”、“资金&趋势”、“拥挤度&反转”四大类，生成[-1,1]之间的综合择时分数[1][6] - **模型具体构建过程**： 1. 从六个维度选取21个指标（具体指标见下方因子部分） 2. 每个指标根据其计算规则生成[-1,1]之间的分数 3. 将指标分数按四大类进行汇总 4. 最终综合打分位于[-1,1]之间，用于判断市场整体观点[1][6] 2. 流动性维度模型 - **模型名称**：流动性综合模型 - **模型构建思路**：从货币和信用两个子维度综合判断流动性状况[1][9] - **模型具体构建过程**： 1. 包含货币方向、货币强度、信用方向、信用强度四个因子 2. 综合得分为四个因子分数的组合[9][10] 3. 经济面维度模型 - **模型名称**：经济面综合模型 - **模型构建思路**：从增长和通胀两个子维度综合判断经济基本面状况[1][9] - **模型具体构建过程**： 1. 包含增长方向、增长强度、通胀方向、通胀强度四个因子 2. 综合得分为四个因子分数的组合[9][10] 4. 估值面维度模型 - **模型名称**：估值面综合模型 - **模型构建思路**：从多个估值指标综合判断市场估值性价比[1][9] - **模型具体构建过程**： 1. 包含席勒ERP、PB、AIAE三个因子 2. 综合得分为三个因子分数的组合[9][10] 5. 资金面维度模型 - **模型名称**：资金面综合模型 - **模型构建思路**：从内资和外资两个子维度综合判断资金流向[1][9] - **模型具体构建过程**： 1. 包含两融增量、成交额趋势、中国主权CDS利差、海外风险厌恶指数四个因子 2. 综合得分为四个因子分数的组合[9][10] 6. 技术面维度模型 - **模型名称**：技术面综合模型 - **模型构建思路**：从趋势和反转两个角度捕捉技术信号[1][9] - **模型具体构建过程**： 1. 包含价格趋势、新高新低两个因子 2. 综合得分为两个因子分数的组合[9][10] 7. 拥挤度维度模型 - **模型名称**：拥挤度综合模型 - **模型构建思路**：从衍生品和可转债两个子维度捕捉情绪过度反应信号[1][9] - **模型具体构建过程**： 1. 包含期权隐含升贴水、期权VIX、期权SKEW、可转债定价偏离度四个因子 2. 综合得分为四个因子分数的组合[9][10] 量化因子与构建方式 1. 货币方向因子 - **因子名称**：货币方向因子 - **因子构建思路**：判断当前货币政策的方向[12] - **因子具体构建过程**：选取央行使用的货币政策工具利率与短端市场利率，计算其相较于90天前的平均变化方向。若货币方向因子>0，则判断货币政策宽松；若<0，则判断货币政策收紧[12] 2. 货币强度因子 - **因子名称**：货币强度因子 - **因子构建思路**：表征短端市场利率相对于政策利率的偏离幅度[15] - **因子具体构建过程**：基于"利率走廊"概念，计算偏离度=DR007/7年逆回购利率-1，并进行平滑与zscore形成货币强度因子。若<-1.5倍标准差，则预期未来120个交易日为宽松环境，分数为1；若>1.5倍标准差，则分数为-1[15] 3. 信用方向因子 - **因子名称**：信用方向因子 - **因子构建思路**：表征商业银行对实体经济传导时的松紧[18] - **因子具体构建过程**：使用中长期贷款指标，计算信用方向因子为：中长期贷款当月值→计算过去十二个月增量→计算同比。若信用方向因子相比于三个月之前上升则看多，分数为1；反之则看空，分数为-1[18] 4. 信用强度因子 - **因子名称**：信用强度因子 - **因子构建思路**：捕捉信用指标是否大幅超预期或者不及预期[21] - **因子具体构建过程**：信用强度因子=（新增人民币贷款当月值–预期中位数）/预期标准差。若>1.5倍标准差，则定义未来60个交易日为信用显著超预期环境，分数为1；若<-1.5倍标准差，则分数为-1[21] 5. 增长方向因子 - **因子名称**：增长方向因子 - **因子构建思路**：基于PMI数据判断经济增长方向[24] - **因子具体构建过程**：基于中采制造业PMI、中采非制造业PMI、财新制造业PMI构建增长方向因子=PMI→计算过去十二月均值→计算同比。若增长方向因子相比于三个月之前上升则看多，分数为1；反之则看空，分数为-1[24] 6. 增长强度因子 - **因子名称**：增长强度因子 - **因子构建思路**：捕捉经济增长指标是否大幅超预期或者不及预期[27] - **因子具体构建过程**：计算PMI预期差=（PMI–预期中位数）/预期标准差。若增长强度因子>1.5倍标准差，则定义未来60个交易日为增长显著超预期环境，分数为1；若<-1.5倍标准差，则分数为-1[27] 7. 通胀方向因子 - **因子名称**：通胀方向因子 - **因子构建思路**：判断通胀水平对货币政策的制约[31] - **因子具体构建过程**：计算通胀方向因子=0.5×CPI同比平滑值+0.5×PPI同比原始值。若通胀方向因子相较于三个月之前降低，则说明是通胀下行环境，此时看多，分数为1；反之看空，分数为-1[31] 8. 通胀强度因子 - **因子名称**：通胀强度因子 - **因子构建思路**：捕捉通胀指标是否大幅超预期或者不及预期[32] - **因子具体构建过程**：分别计算CPI与PPI预期差=（披露值–预期中位数）/预期标准差，并计算通胀强度因子=CPI与PPI预期差均值。若<-1.5，则定义未来60个交易日为通胀显著不及预期环境，分数为1；若>1.5倍标准差，则分数为-1[32] 9. 席勒ERP因子 - **因子名称**：席勒ERP因子 - **因子构建思路**：计算经周期调整的股权风险溢价[37] - **因子具体构建过程**：计算过去6年通胀调整后的平均盈利得到席勒PE，然后计算席勒ERP=1/席勒PE-10年期国债到期收益率，并计算过去6年zscore作为分数[37] 10. PB因子 - **因子名称**：PB因子 - **因子构建思路**：基于市净率指标判断估值水平[39] - **因子具体构建过程**：对PB指标处理：PB×（-1）并计算过去6年zscore，1.5倍标准差截尾后标准化到±1之间得到分数[39] 11. AIAE因子 - **因子名称**：AIAE因子 - **因子构建思路**：计算全市场权益配置比例，反映市场整体风险偏好[42] - **因子具体构建过程**：构建A股的AIAE指标=中证全指总流通市值/（中证全指总流通市值+实体总债务），将AIAE×（-1）并计算过去6年zscore得到分数[42] 12. 两融增量因子 - **因子名称**：两融增量因子 - **因子构建思路**：通过两融余额变化判断市场杠杆资金情绪[44] - **因子具体构建过程**：计算融资余额-融券余额，并计算其过去120日均增量与过去240日均增量。若120日均增量>过去240日均增量时看多，分数为1；反之看空，分数为-1[44] 13. 成交额趋势因子 - **因子名称**：成交额趋势因子 - **因子构建思路**：通过成交额变化判断市场成交热度与资金活跃度[47] - **因子具体构建过程**：对对数成交额计算其均线距离=ma120/ma240-1。当均线距离的max(10)=max(30)=max(60)时看多，分数为1；当均线距离的min(10)=min(30)=min(60)时看空，分数为-1[47] 14. 中国主权CDS利差因子 - **因子名称**：中国主权CDS利差因子 - **因子构建思路**：通过CDS利差变化判断海外投资者对中国经济与主权信用风险的定价[50] - **因子具体构建过程**：当平滑后CDS利差的20日差分<0时，说明CDS利差下降，海外投资者预期中国基本面转好，此时看多，分数为1；反之看空，分数为-1[50] 15. 海外风险厌恶指数因子 - **因子名称**：海外风险厌恶指数因子 - **因子构建思路**：通过花旗风险厌恶指数判断海外市场风险偏好[53] - **因子具体构建过程**：当平滑后风险厌恶指数的20日差分<0时，外资风险偏好上升，此时看多，分数为1；反之看空，分数为-1[53] 16. 价格趋势因子 - **因子名称**：价格趋势因子 - **因子构建思路**：使用均线距离衡量标的价格趋势与强度[57] - **因子具体构建过程**：使用均线距离（ma120/ma240-1）衡量趋势。当均线距离>0时趋势方向分数=1，反之为-1。当均线距离的max(20)=max(60)时，趋势强度分数为1；当min(20)=min(60)时，趋势强度分数为-1。趋势综合分数=（趋势方向分数+趋势强度分数）/2[57] 17. 新高新低因子 - **因子名称**：新高新低因子 - **因子构建思路**：通过指数成分股的新高新低个数捕捉反转信号[60] - **因子具体构建过程**：当中证800成分股占过去一年新低数-新低数的ma20>0时，说明最近新低较多，市场有见底预期，此时看多，分数为1；反之发出看空信号，分数为-1[60] 18. 期权隐含升贴水因子 - **因子名称**：期权隐含升贴水因子 - **因子构建思路**：通过期权隐含升贴水反映期权市场对未来标的收益率的预期与情绪[63] - **因子具体构建过程**：若50ETF近5日收益率<0，且指标分位数<30%，则看多持续20日，分数为1；若50ETF近5日收益率>0，且指标分位数>70%，则看空持续20日，分数为-1[63] 19. 期权VIX因子 - **因子名称**：期权VIX因子 - **因子构建思路**：通过期权VIX指数反映期权投资者对未来标的波动率的预期与市场情绪[64] - **因子具体构建过程**：若50ETF近5日收益率<0，且指标分位数>70%，则看多持续20日，分数为1；若50ETF近5日收益率>0，且指标分位数>70%，则看空持续20日，分数为-1[64] 20. 期权SKEW因子 - **因子名称**：期权SKEW因子 - **因子构建思路**：通过期权SKEW指数反映期权投资者对未来标的偏度的预期与市场情绪[68] - **因子具体构建过程**：若50ETF近5日收益率<0，且指标分位数>70%，则看多持续20日，分数为1；若50ETF近5日收益率>0，且指标分位数<30%，则看空持续20日，分数为-1[68] 21. 可转债定价偏离度因子 - **因子名称**：可转债定价偏离度因子 - **因子构建思路**：通过可转债定价偏离度反映市场情绪[70] - **因子具体构建过程**：计算可转债定价偏离度=转债价格/模型定价-1，并计算分数=定价偏离度×（-1）并计算过去3年zscore得到分数。定价偏离度越高，拥挤度越高，分数越低[70] 模型的回测效果 1. 择时雷达六面图综合模型 - 当前综合打分：-0.48分[1][9] - 观点：中性偏空[1][9] 2. 流动性综合模型 - 当前得分：0.00分[9][10] - 观点：中性[9] 3. 经济面综合模型 - 当前得分：-0.25分[9][10] - 观点：中性偏空[9] 4. 估值面综合模型 - 当前得分：-0.39分[9][10] - 观点：中性偏空[9] 5. 资金面综合模型 - 当前得分：-0.50分[9][10] - 观点：中性偏空[9] 6. 技术面综合模型 - 当前得分：-0.50分[9][10] - 观点：看空[9] 7. 拥挤度综合模型 - 当前得分：-1.00分[9][10] - 观点：看空[9] 因子的回测效果 1. 货币方向因子 - 当前分数：1.00分[10][12] - 信号：看多[12] 2. 货币强度因子 - 当前分数：-1.00分[10][15] - 信号：看空[15] 3. 信用方向因子 - 当前分数：1.00分[10][19] - 信号：看多[19] 4. 信用强度因子 - 当前分数：-1.00分[10][21] - 信号：看空[21] 5. 增长方向因子 - 当前分数：-1.00分[10][25] - 信号：看空[25] 6. 增长强度因子 - 当前分数：-1.00分[10][28] - 信号：看空[28] 7. 通胀方向因子 - 当前分数：1.00分[10][31] - 信号：看多[31] 8. 通胀强度因子 - 当前分数：0.00分[10][33] - 信号：无显著信号[33] 9. 席勒ERP因子 - 当前分数：0.13分[10][41] - 上周分数：0.23分[10] - 变化：-0.11分[10] 10. PB因子 - 当前分数：-0.51分[10][40] - 上周分数：-0.44分[10] - 变化：-0.06分[10] 11. AIAE因子 - 当前分数：-0.78分[10][42] - 上周分数：-0.68分[10] - 变化：-0.10分[10] 12. 两融增量因子 - 当前分数：-1.00分[10][44] - 信号：看空[44] 13. 成交额趋势因子 - 当前分数：-1.00分[10][47] - 信号：看空[47] 14. 中国主权CDS利差因子 - 当前分数：-1.00分[10][51] - 上周分数：1.00分[10] - 变化：-2.00分[10] - 信号：看空[51] 15. 海外风险厌恶指数因子 - 当前分数：1.00分[10][54] - 信号：看多[54] 16. 价格趋势因子 - 当前分数：0.00分[10][59] - 信号：无显著信号[59] 17. 新高新低因子 - 当前分数：-1.00分[10][60] - 信号：看空[60] 18. 期权隐含升贴水因子 - 当前分数：-1.00分[10][63] - 信号：看空[63] 19. 期权VIX因子 - 当前分数：-1.00分[10][65] - 信号：看空[65] 20. 期权SKEW因子 - 当前分数：-1.00分[10][68] - 信号：看空[68] 21. 可转债定价偏离度因子 - 当前分数：-1.00分[10][70] - 信号：看空[70]

基金发行市场动态 - 8月公募基金新发行157只 权益类产品占比79.62% [1][3] - 债券型基金发行量环比下降31.25% 体现固定收益向权益市场的资金转移 [3] - 新基金近八成属权益类 反映机构资金加速布局倾向 [1][3] 投资者行为特征 - 散户投资存在羊群效应 易受公募基金赚钱效应驱动而跟风 [4] - 散户面临持仓焦虑 包括止盈止损时机选择及换仓犹豫等问题 [5] - 地缘政治事件引发市场波动 例如2025年伊朗以色列冲突导致72小时内剧烈震荡 [5] 机构资金运作模式 - 利用突发事件进行震仓操作 通过制造恐慌获取低位筹码 [9][14] - 机构库存数据活跃度与资金参与程度正相关 橙色柱体代表机构交易特征 [12] - 空头回补行为（蓝色柱体）结合机构库存形成量化分析信号 [12] 个股波动与机构关联 - 冰川网络、湘财股份、博硕科技等不同概念股出现同步波动 反映跨板块联动性 [9] - 机构通过预谋布局制造恐慌 为后续上涨打开空间并收集筹码 [14] - 量化工具可识别机构行为规律 类似外卖平台预测用户偏好的数据分析技术 [10]

半导体板块表现 - 8月23日A股市场62家公司盘中创历史新高 半导体板块表现亮眼 寒武纪20CM涨停 海光信息 北方华创 盛美上海等公司涨幅显著 [1] - 寒武纪从7月低点上涨138% 海光信息上半年净利润同比增长40.78% [3] - 半导体板块创新高源于国产替代逻辑获市场认可 美国收紧AI芯片出口为国内企业创造发展窗口期 [10] 市场分析方法论 - 预测市场高低点属于无效行为 重点应关注当前市场实际发生的交易行为 [3] - 机构行为可通过大数据技术进行量化追踪 银行股2022-2025年上涨期间机构自2022年起持续布局 活跃度指标显示资金流入 [4][6] - 白酒板块自2023年10月起多次创新低 机构资金提前撤离 机构库存数据归零 证明缺乏机构参与的市场存在风险 [7][9] 投资策略导向 - 需重点关注半导体公司机构资金参与程度 若机构库存数据持续下降则形成风险警示信号 [11] - 量化分析可有效识别交易行为模式 避免主观判断带来的投资失误 [11]

市场分化现象 - A股市场出现显著分化 成交额达2.46万亿元但3091只股票下跌 [1] - 沪指微涨0.13%而创业板指下跌0.47% 农林牧渔和石油石化板块领涨 科技板块整体回落 [2] - 指数表现与个股涨跌背离 呈现"指数上涨但多数股票下跌"格局 [2] 机构资金动向分析 - 量化系统中的"机构库存"数据可追踪资金活跃度 橙色柱体显示机构资金参与程度 [9][12] - 白酒板块在2025年5月限酒令出台前 机构库存数据已显示资金活跃度持续下降 预示20个交易日内超6%跌幅 [5][9] - ST诺泰生物案例显示 被ST后股价逆势上涨25% 机构库存数据持续活跃表明早有机构资金布局 [10] 行业表现数据 - 农林牧渔板块单日涨幅1.50% 年初至今涨幅16.31% 20日涨幅2.90% [13] - 石油石化板块单日涨幅1.39% 5日涨幅4.03% 10日涨幅3.36% [13] - 传媒板块年初至今涨幅25.18% 20日涨幅8.28% 计算机板块年初至今涨幅24.50% 20日涨幅10.60% [13] - 煤炭板块20日跌幅2.32% 年初至今跌幅6.90% [13] 投资策略视角 - A股市场存在信息滞后性 利好兑现时往往成为股价高点 需关注资金提前布局迹象 [4] - 机构库存数据持续活跃表明机构资金长期参与 反之则预示上涨难以持续 [12] - 领涨板块存在资金提前布局特征 下跌个股多伴随机构库存数据低迷 [12]

市场调整与杠杆交易 - 上证指数经历八连阳后出现大面积调整 部分股票出现大幅下跌且反弹缓慢 [1] - 两融交易活跃度创年内新高 参与投资者数量达52万名 [1] - 当前市场杠杆率相比2015年更为稳健 监管层将保证金比例提高至80% [1][5] 机构资金行为特征 - 机构库存数据反映机构资金参与程度 活跃的橙色柱状指标显示机构资金持续参与交易 [6][8] - 部分股票横盘期间虽表面平淡但存在机构资金暗流涌动 [8] - 缺乏机构参与的股票表现疲软 与有机构支撑的股票形成本质差异 [10] 量化分析与市场认知 - 博尔系统通过蓝色K线标记空头回补信号 曾在某科技股暴跌后准确预示60%涨幅 [12] - 投资决策应基于资金实际行为而非表面走势 需透过涨跌观察背后交易意图 [13] - 两融账户数量达755万户 但对数据的深度理解才是决定投资胜负的关键因素 [3][13]

美国企业破产潮现状 - 2023年前7个月美国企业破产申请总数达446起，创2010年以来新高 [1] - 2023年7月单月有71家企业申请破产，创2020年疫情初期以来新高 [1] - 涉及知名企业包括Forever 21、Joann's及罐装食品巨头Del Monte Foods [1] 企业破产主要原因 - 企业破产主要原因为需求下滑、库存成本高企及债务压力 [5] - Del Monte Foods因高达百亿美元债务申请破产保护 [5] - 美联储持续加息导致利率从近零水平升至4.25%-4.50%，商业贷款利率翻倍增长 [6] 市场资金环境 - 银行放贷审核严格，导致经营良好企业也面临资金链断裂风险 [9] - 时尚首饰品牌克莱尔公司（Claire's）因资金问题破产 [9] 机构交易行为分析 - 不同板块股票如冰川网络、湘财股份和博硕科技在同一天调整后大涨，显示典型机构震仓手法 [14] - 通过量化分析工具可识别K线下方红、黄、蓝、绿四种柱体代表的交易行为 [16] - 蓝色柱体代表的空头回补行为往往预示机构洗盘吸筹 [16] - 橙色柱体代表机构库存数据，表明机构主导交易，利用利空消息制造恐慌以低价接回筹码 [18] 投资策略启示 - 新闻具有滞后性，A股市场存在利好出尽是利空的抢跑特性 [9] - 散户追逐新闻热点易导致亏损，真正赢家赢在信息差 [9] - 量化分析工具可帮助投资者透过市场涨跌现象看清机构真实意图 [18]

美股与A股回购趋势 - 美国上市公司正以前所未有的速度回购股票 改善企业资产负债表并推动美股持续上涨 [1] - A股市场今年以来已有700多家公司发布回购计划 仅三家终止 其中433家已实施回购 [2] 市场行为特征分析 - A股市场存在独特的"抢跑"特性 即提前埋伏和炒作 利好公布时往往成为股价最高点兑现时机 [5] - 2025年5月白酒板块受限酒令影响跳空低开 此后20个交易日平均跌幅超过6% [5] 机构资金行为数据 - 白酒板块在2025年初反弹结束后 机构资金不再积极参与交易 机构库存数据反映活跃度下降 [7][9] - 诺泰生物2025年7月19日被ST后 复牌四天内最大涨幅超过25% 机构资金提前进场布局 [10][12] 量化数据的应用价值 - 企业高位回购行为需通过量化数据解读 例如巴菲特的公司未参与本轮回购 [13] - 量化分析工具可反映真实交易行为数据 揭示机构资金动向 市场反应永远快于新闻发布 [13] 投资方法论建议 - 普通投资者应放弃追逐新闻 转而关注真实交易数据 通过量化工具识别市场本质 [14] - 有价值的信息往往隐藏在数据中 学会解读数据可减少投资过程中的误判 [14][15]

量化模型与构建方式 1. **模型名称**：择时雷达六面图 - **模型构建思路**：基于流动性、经济面、估值面、资金面、技术面、拥挤度六个维度选取21个指标，综合生成[-1,1]区间的择时分数，概括为"估值性价比"、"宏观基本面"、"资金&趋势"、"拥挤度&反转"四大类[2][7] - **模型具体构建过程**： 1. **流动性维度**：货币方向因子（货币政策工具利率变化方向）、货币强度因子（DR007/7天逆回购利率偏离度）、信用方向因子（中长期贷款同比变化）、信用强度因子（新增人民币贷款预期差）[13][16][19][22] 2. **经济面维度**：增长方向因子（PMI同比变化）、增长强度因子（PMI预期差）、通胀方向因子（CPI/PPI组合变化）、通胀强度因子（CPI/PPI预期差均值）[23][27][28][32] 3. **估值面维度**：席勒ERP（6年通胀调整PE倒数减国债收益率）、PB（市净率zscore）、AIAE（全市场权益配置比例zscore）[33][37][39] 4. **资金面维度**：内资（两融增量、成交额趋势）、外资（中国主权CDS利差、海外风险厌恶指数）[41][44][47][49] 5. **技术面维度**：价格趋势（均线距离ma120/ma240）、新高新低数（成分股反转信号）[51][54] 6. **拥挤度维度**：衍生品（期权隐含升贴水、VIX、SKEW）、可转债定价偏离度[57][58][62][65] 模型的回测效果 1. **择时雷达六面图**： - 综合打分：-0.32（中性偏空）[7][9] - 细分维度得分： - 流动性：0.00（中性）[9][11] - 经济面：-0.25（中性偏空）[9][11] - 估值面：-0.55（中性偏空）[9][11] - 资金面：0.00（中性）[9][11] - 技术面：-0.50（看空）[9][11] - 拥挤度：-0.50（中性偏空）[9][11] 量化因子与构建方式 1. **因子名称**：货币方向因子 - **构建思路**：判断货币政策方向[13] - **具体构建**：计算央行货币政策工具利率与短端市场利率的90天平均变化方向，>0为宽松（分数1），<0为收紧（分数-1）[13] - **测试结果**：本周分数1（看多）[11][13] 2. **因子名称**：货币强度因子 - **构建思路**：量化短端利率偏离政策利率的程度[16] - **具体构建**：$$偏离度 = \frac{DR007}{7天逆回购利率} - 1$$，zscore后截尾±1.5倍标准差[16] - **测试结果**：本周分数-1（看空）[11][17] 3. **因子名称**：席勒ERP - **构建思路**：衡量权益风险溢价[33] - **具体构建**：$$席勒ERP = \frac{1}{席勒PE} - 10年期国债收益率$$，3年zscore标准化[33] - **测试结果**：本周分数-0.12[11][33] 4. **因子名称**：可转债定价偏离度 - **构建思路**：捕捉可转债市场情绪[65] - **具体构建**：$$偏离度 = \frac{转债价格}{模型定价} - 1$$，3年zscore取负[65] - **测试结果**：本周分数-1.00（看空）[11][65] （其他因子构建方式与测试结果详见原报告图表[4][5][6][8][10][12][14][15][18][20][21][24]） 因子的回测效果 - **流动性类因子**：货币方向1、货币强度-1、信用方向1、信用强度-1[11] - **经济面类因子**：增长方向-1、增长强度-1、通胀方向1、通胀强度0[11] - **估值面类因子**：席勒ERP-0.12、PB-0.86、AIAE-0.68[11] - **技术面类因子**：价格趋势0、新高新低-1[11] - **拥挤度类因子**：期权隐含升贴水0、VIX0、SKEW-1、可转债定价偏离度-1[11]

宏观经济表现 - 2025年上半年GDP同比增长5.3%，展现超预期韧性[4] - 政策基调转向"提质促转型"，强调"落实落细"财政与货币政策[4][22] 政策量化分析 - 7月政治局会议总体政策强度得分为0.51，较4月略有回落但仍处历史高位[11] - 财政政策分项得分0.51（环比回落），货币政策分项得分0.53（温和回落）[11] - AI量化显示货币政策得分与10年期国债收益率呈负相关（R²=0.5798）[13] 结构性政策导向 - "创新"词频大幅上升，科技导向强化；"民生"关注回暖，聚焦育儿补贴与服务消费[9] - 房地产政策转向"城市更新"，未直接提及"房地产"关键词[9][11] - 外贸与债务词频同步抬升，地方债务化解路径明确[9][22] 下半年政策主线 - 三条结构主线：服务消费（育儿/养老/文旅）、统一大市场与产能治理、科技创新[22] - 政策组合呈现"弱刺激、强改革、重结构"特征，降准降息概率较低[22]

根据提供的研报内容，以下是关于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**：社融自下而上预测框架 **模型构建思路**：从社融各子项的经济逻辑、高频数据、季节性特征等角度出发，分别预测各子项后汇总得到社融总量预测[8] **模型具体构建过程**： - **企业贷款+居民短贷**：以PMI与唐山钢厂产能利用率为自变量，对信贷大月和小月分别进行滚动回归预测[9] - **居民中长贷**：根据商品房销售代理指标与居民中长贷的三阶段特点进行预测[9] - **企业票据融资**：以转贴现利率为外生变量，使用5年窗口的滚动自回归预测 $$ \text{票据融资} = f(\text{转贴现利率}) $$ - **政府债券**：通过调整高频发行到期数据的口径（将月末新发债券计入下月）[9] - **企业债券**：使用5年窗口的滚动回归重新配权以降低口径差异[9] - **外币贷款**：采用过去3个月均值作为预测[9] - **信托贷款**：跟踪集合信托及单一信托的发行到期披露数据近似预测[9] - **委托贷款**：使用过去12个月均值预测，基建相关增量额外判断[9] - **未贴现银行承兑汇票**：采用过去三年同期平均值估计（因高频数据停更）[9] - **非金融企业股票融资**：扣除金融企业部分后汇总股权融资数据[9] - **贷款核销**：直接采用去年同期值[9] - **存款类金融机构ABS**：改用信贷ABS净融资高频跟踪（2023年12月起）[9] **模型评价**：该框架通过细分逻辑刻画细节，能够同时预测总量和结构信息，历史表现较为准确[8] 2. **衍生模型**：社融TTM环比与存量同比增速模型 **构建思路**：基于社融预测结果计算滚动12个月总和（TTM）及同比增速[9] **具体构建过程**： $$ \text{社融TTM环比} = \frac{\text{最新TTM值}}{\text{前一期TTM值}} - 1 $$ $$ \text{社融存量同比} = \frac{\text{当期存量}}{\text{去年同期存量}} - 1 $$ 模型的回测效果 1. **社融自下而上预测框架**： - 2025年7月预测新增社融1.53万亿元（实际待公布），同比多增0.76万亿元[9] - 社融TTM环比预测2.05%，存量同比增速预测9.11%[9] - 历史预测误差（示例）：2025年6月预测值42157亿元 vs 实际值41993亿元（偏差0.39%）[18] 2. **子项预测效果**： - **政府债券**：7月预测净融资1.18万亿元（同比+0.49万亿元），高频跟踪显示发行节奏延续[9][10] - **企业债券**：7月预测净融资0.39万亿元（同比+0.19万亿元），高频数据支持增长[9][10] - **人民币贷款**：7月预测新增362亿元（结构较弱，企业贷款+居民短贷减少0.51万亿元）[18] 关键因子说明 1. **因子名称**：PMI-信贷关联因子 **构建思路**：捕捉制造业PMI对企业信贷需求的领先关系[9] **具体构建**：在滚动回归中作为企业贷款预测的自变量 2. **因子名称**：商品房销售-居民中长贷因子 **构建思路**：利用商品房销售数据与居民中长贷的滞后相关性[9] **具体构建**：分三阶段（领先、同步、滞后）映射销售数据至贷款增量 3. **因子名称**：转贴现利率-票据融资因子 **构建思路**：利率下行时银行票据贴现意愿增强[9] **具体构建**：通过负相关关系建模 $$ \text{票据融资量} = \alpha - \beta \times \text{转贴现利率} $$ 因子回测效果 1. **PMI-信贷关联因子**：7月PMI 49.3%回落，对应企业贷款预测减少[10] 2. **商品房销售-居民中长贷因子**：7月大中城市新房销售同比环比均降，预测居民中长贷仅新增47亿元[10][18] 3. **转贴现利率-票据融资因子**：7月末利率大幅下行，预测票据融资新增5444亿元[10][18] （注：报告中未明确提及因子的独立测试指标如IC或IR，故未列出）