量化模型与构建方式 1. 股指期货分红点位预测模型 1. **模型名称**：股指期货分红点位预测模型[9] 2. **模型构建思路**：基于信达金工衍生品研究报告系列二《股指期货分红点位预测》中的方法，对股指期货标的指数未来一年及合约存续期内的分红点位进行预测[9]。 3. **模型具体构建过程**：报告未详细描述该模型的构建过程，仅提及了预测结果。构建过程应参考其系列报告，核心是预测指数成分股在特定期间内的现金分红，并汇总为对指数点位的调整值[9]。 2. 基差修正模型 1. **模型名称**：分红调整年化基差计算模型[19] 2. **模型构建思路**：为剔除指数成分股分红对股指期货合约基差的影响，获得更纯粹反映市场情绪和供需关系的基差水平，对原始基差进行分红调整和年化处理[19]。 3. **模型具体构建过程**： * **步骤1**：计算实际基差。基差定义为期货合约收盘价与标的指数收盘价的差值[19]。 * **步骤2**：计算预期分红调整后的基差。公式为： $$预期分红调整后的基差 = 实际基差 + 存续期内未实现的预期分红$$[19] 其中，“存续期内未实现的预期分红”即使用前述分红点位预测模型得到的数值[9]。 * **步骤3**：将调整后的基差进行年化处理，以便于不同期限合约间的比较。公式为： $$年化基差 = \frac{实际基差 + (预期)分红点位}{指数价格} \times \frac{360}{合约剩余天数}$$[19] 报告中后续提及的“基差”均指此分红调整后的年化基差[19]。 3. 期现对冲策略模型 1. **模型名称**：连续对冲策略[44] 2. **模型构建思路**：通过持续做空股指期货合约，对冲持有现货指数（全收益指数）的市场风险，旨在获取相对稳定的收益或降低组合波动[43][44]。 3. **模型具体构建过程**： * **回测区间**：2022年7月22日至2025年12月12日[44]。 * **现货端**：持有对应标的指数的全收益指数[44]。 * **期货端**：做空与现货端等名义本金的中证500、沪深300、上证50或中证1000股指期货合约[44]。 * **资金分配**：现货端使用70%资金，期货端占用剩余30%资金。每次调仓后根据产品净值重新计算现货及期货头寸数量[44]。 * **调仓规则**：连续持有季月或当月合约，直至该合约离到期剩余不足2日，在当日以收盘价进行平仓，并同时以当日收盘价继续卖空下一季月或当月合约[44]。 * **备注**：不考虑交易手续费、冲击成本及合约不可无限细分性质[44]。 4. 期现对冲策略模型（衍生） 1. **模型名称**：最低贴水策略[45] 2. **模型构建思路**：在连续对冲策略的基础上进行优化，通过动态选择年化基差贴水幅度最小的合约进行对冲，旨在降低对冲成本或获取更高的基差收敛收益[45]。 3. **模型具体构建过程**： * **回测区间**：2022年7月22日至2025年12月12日[45]。 * **现货端与期货端设置**：与连续对冲策略相同[45]。 * **调仓规则**： * 调仓时，计算当日所有可交易期货合约的年化基差[45]。 * 选择年化基差贴水幅度最小的合约进行开仓[45]。 * 同一合约至少持有8个交易日，或该合约离到期剩余不足2日时，才可重新选择新合约（排除剩余到期日不足8日的合约）[45]。 * 每次选择后，即使结果仍是持有原合约，也继续持有8个交易日[45]。 * **备注**：不考虑交易手续费、冲击成本及合约不可无限细分性质[45]。 5. 信达波动率指数 (Cinda-VIX) 1. **因子名称**：信达波动率指数 (Cinda-VIX)[61] 2. **因子构建思路**：借鉴海外VIX指数编制经验，结合中国场内期权市场实际情况进行调整，编制能够反映市场对标的资产未来波动率预期的指数[61]。 3. **因子具体构建过程**：报告未给出具体计算公式，但指出其具体算法基于信达金工衍生品研究报告系列四《挖掘期权市场中隐含的市场情绪》[61]。该因子具有期限结构，可以反映投资者对同一标的资产在不同期限内的波动预期[61]。 6. 信达波动率偏度指数 (Cinda-SKEW) 1. **因子名称**：信达波动率偏度指数 (Cinda-SKEW)[67] 2. **因子构建思路**：通过捕捉不同行权价格期权隐含波动率（IV）的偏斜特征，来衡量市场对标的资产未来收益分布（特别是尾部风险）的预期[67]。该指数又被称为“黑天鹅指数”[68]。 3. **因子具体构建过程**：报告未给出具体计算公式。其原理是，当市场对下跌的担忧加剧时，看跌期权需求增加，会导致波动率曲线出现偏斜，SKEW指数值升高（通常超过100）[67][68]。 模型的回测效果 （回测区间：2022年7月22日至2025年12月12日[44][45]） 1. **IC当月连续对冲模型**，年化收益-3.41%，波动率3.80%，最大回撤-11.20%，净值0.8893，年换手次数12，2025年以来收益-6.53%[47] 2. **IC季月连续对冲模型**，年化收益-2.42%，波动率4.70%，最大回撤-8.34%，净值0.9205，年换手次数4，2025年以来收益-3.35%[47] 3. **IC最低贴水策略模型**，年化收益-1.94%，波动率4.51%，最大回撤-8.70%，净值0.9360，年换手次数16.58，2025年以来收益-4.28%[47] 4. **IF当月连续对冲模型**，年化收益0.36%，波动率2.89%，最大回撤-3.95%，净值1.0121，年换手次数12，2025年以来收益-1.12%[52] 5. **IF季月连续对冲模型**，年化收益0.70%，波动率3.24%，最大回撤-4.03%，净值1.0240，年换手次数4，2025年以来收益0.42%[52] 6. **IF最低贴水策略模型**，年化收益1.08%，波动率3.01%，最大回撤-4.06%，净值1.0370，年换手次数15.10，2025年以来收益0.34%[52] 7. **IH当月连续对冲模型**，年化收益1.08%，波动率2.97%，最大回撤-4.22%，净值1.0369，年换手次数12，2025年以来收益0.60%[56] 8. **IH季月连续对冲模型**，年化收益2.02%，波动率3.36%，最大回撤-3.75%，净值1.0699，年换手次数4，2025年以来收益2.05%[56] 9. **IH最低贴水策略模型**，年化收益1.68%，波动率2.98%，最大回撤-3.91%，净值1.0578，年换手次数15.69，2025年以来收益1.66%[56] 10. **IM当月连续对冲模型**，年化收益-6.43%，波动率4.74%，最大回撤-14.00%，净值0.8316，年换手次数12，2025年以来收益-12.68%[58] 11. **IM季月连续对冲模型**，年化收益-4.70%，波动率5.76%，最大回撤-12.63%，净值0.8489，年换手次数4，2025年以来收益-7.26%[58] 12. **IM最低贴水策略模型**，年化收益-4.38%，波动率5.51%，最大回撤-11.11%，净值0.8684，年换手次数15.62，2025年以来收益-7.93%[58] 因子的回测效果 （截至2025年12月12日） 1. **上证50VIX (30日)**，取值15.93[61] 2. **沪深300VIX (30日)**，取值17.03[61] 3. **中证500VIX (30日)**，取值22.82[61] 4. **中证1000VIX (30日)**，取值20.49[61] 5. **上证50SKEW**，取值101.80[68] 6. **沪深300SKEW**，取值108.04[68] 7. **中证500SKEW**，取值104.65[68] 8. **中证1000SKEW**，取值108.10[68]

量化模型与构建方式 1. 模型名称：期现对冲策略（连续对冲策略）[47][48] 模型构建思路：通过持有标的指数全收益指数作为现货端，同时做空股指期货合约进行对冲，利用基差收敛特性获取收益[47][48] 模型具体构建过程：回测区间为2022年7月22日至2025年9月26日[48]。现货端持有对应标的指数的全收益指数，并使用70%资金[48]。期货端做空与现货端金额相同名义本金的股指期货合约，占用剩余30%资金，每次调仓后根据产品净值重新计算现货及期货端数量[48]。调仓规则为连续持有季月或当月合约，直至该合约离到期剩余不足2日，在当日以收盘价进行平仓，并同时以当日收盘价继续卖空下一季月或当月合约[48]。不考虑交易过程中的手续费、冲击成本以及期货合约的不可无限细分性质[48] 2. 模型名称：期现对冲策略（最低贴水策略）[47][49] 模型构建思路：通过选择年化基差贴水幅度最小的合约进行开仓，以优化对冲成本[49] 模型具体构建过程：回测区间为2022年7月22日至2025年9月26日[49]。现货端持有对应标的指数的全收益指数，并使用70%资金[49]。期货端做空与现货端金额相同名义本金的股指期货合约，占用剩余30%资金，每次调仓后根据产品净值重新计算现货及期货端数量[49]。调仓规则为调仓时，对当日所有可交易期货合约的年化基差进行计算，选择年化基差贴水幅度最小的合约进行开仓[49]。同一合约持有8个交易日之后或该合约离到期剩余不足2日，才能进行选择新合约（排除剩余到期日不足8日的期货合约），每次选择后，即使选择结果为持有原合约不变，仍继续持有8个交易日[49]。不考虑交易过程中的手续费、冲击成本以及期货合约的不可无限细分性质[49] 3. 因子名称：分红调整年化基差[22] 因子构建思路：在分析合约基差时，需要剔除指数成分股分红的影响，以更真实地反映市场情绪和期货合约的定价[22] 因子具体构建过程：首先计算预期分红调整后的基差，公式为 预期分红调整后的基差 = 实际基差 + 存续期内未实现的预期分红 [22]。然后将基差进行年化处理，公式为 年化基差 = (实际基差 + (预期)分红点位)/指数价格 × 360/合约剩余天数 [22] 4. 因子名称：Cinda-VIX[65] 因子构建思路：借鉴海外经验，并结合我国场内期权市场的实际情况，开发能够准确反映我国市场波动性的VIX指数，以反应期权市场投资者对标的资产未来波动的预期[65] 因子具体构建过程：基于信达金工衍生品研究报告系列四《挖掘期权市场中隐含的市场情绪》中的算法[65]。VIX具有期限结构，可以反应投资者对同一个标的资产在未来不同期限内的波动预期[65] 5. 因子名称：Cinda-SKEW[71] 因子构建思路：通过捕捉不同行权价格期权隐含波动率（IV）的偏斜特征，以衡量市场对标的资产未来收益分布的预期，洞察市场对尾部风险的忧虑[71] 因子具体构建过程：SKEW指标捕捉了不同行权价格期权隐含波动率（IV）的偏斜特征[71]。当市场对下跌的担忧超过对上涨的预期时，波动率偏斜呈现负值；反之则为正值[71]。SKEW指数超过100，通常意味着投资者对市场未来可能出现的大幅下跌风险的担忧加剧[72] 模型的回测效果 1. IC当月连续对冲模型，年化收益-3.04%，波动率3.88%，最大回撤-9.47%，净值0.9066，年换手次数12，2025年以来收益-4.80%[51] 2. IC季月连续对冲模型，年化收益-2.11%，波动率4.79%，最大回撤-8.34%，净值0.9346，年换手次数4，2025年以来收益-1.94%[51] 3. IC最低贴水策略模型，年化收益-1.43%，波动率4.61%，最大回撤-7.97%，净值0.9553，年换手次数17.00，2025年以来收益-2.35%[51] 4. IF当月连续对冲模型，年化收益0.47%，波动率2.96%，最大回撤-3.95%，净值1.0149，年换手次数12，2025年以来收益-0.84%[56] 5. IF季月连续对冲模型，年化收益0.66%，波动率3.32%，最大回撤-4.03%，净值1.0211，年换手次数4，2025年以来收益0.12%[56] 6. IF最低贴水策略模型，年化收益1.24%，波动率3.09%，最大回撤-4.06%，净值1.0399，年换手次数15.11，2025年以来收益0.62%[56] 7. IH当月连续对冲模型，年化收益1.04%，波动率3.05%，最大回撤-4.22%，净值1.0334，年换手次数12，2025年以来收益0.26%[60] 8. IH季月连续对冲模型，年化收益1.93%，波动率3.45%，最大回撤-3.75%，净值1.0627，年换手次数4，2025年以来收益1.33%[60] 9. IH最低贴水策略模型，年化收益1.68%，波动率3.06%，最大回撤-3.91%，净值1.0542，年换手次数15.74，2025年以来收益1.30%[60] 10. IM当月连续对冲模型，年化收益-6.18%，波动率4.77%，最大回撤-14.00%，净值0.8340，年换手次数12，2025年以来收益-10.69%[62] 11. IM季月连续对冲模型，年化收益-4.51%，波动率5.80%，最大回撤-12.63%，净值0.8580，年换手次数4，2025年以来收益-5.63%[62] 12. IM最低贴水策略模型，年化收益-4.07%，波动率5.56%，最大回撤-11.11%，净值0.8704，年换手次数15.81，2025年以来收益-5.76%[62] 因子的回测效果 1. Cinda-VIX因子，截至2025年9月26日，30日上证50VIX取值19.19，沪深300VIX取值19.09，中证500VIX取值28.46，中证1000VIX取值26.08[65] 2. Cinda-SKEW因子，截至2025年9月26日，上证50SKEW取值100.47，沪深300SKEW取值104.24，中证500SKEW取值102.07，中证1000SKEW取值103.14[72]