量化模型与构建方式 1. **模型名称：行业主线模型（相对强弱RSI指标）**[1][4][9] * **模型构建思路**：通过构建行业层面的相对强弱指标，识别在每年特定时间窗口内表现强势的行业，这些行业有较大概率成为当年的市场主线[9]。 * **模型具体构建过程**： 1. 以31个申万一级行业指数为标的[9]。 2. 分别计算每个行业过去20、40、60个交易日的涨跌幅[9]。 3. 在每个时间窗口（20日、40日、60日）的横截面上，对所有行业的涨跌幅进行排名，并对排名进行归一化处理，得到三个归一化排名值：RS_20, RS_40, RS_60[9]。 4. 对三个排名值取平均，得到最终的行业相对强弱指数RS[9]。 $$ RS = (RS\_20 + RS\_40 + RS\_60) / 3 $$ * **模型评价**：该模型旨在提前识别年度领涨行业，为年度主线判断提供参考[9]。 2. **模型名称：行业景气度-趋势-拥挤度框架（右侧行业轮动模型）**[1][2][6][13] * **模型构建思路**：构建一个包含景气度、趋势、拥挤度三个维度的综合评价框架，并衍生出两种具体的行业轮动方案，以适应不同的市场环境[6][13]。 * **模型具体构建过程**： * **框架核心**：对每个行业，分别计算其**景气度**、**趋势**和**拥挤度**指标，并在三维图谱中进行可视化定位（例如，横轴为景气度，纵轴为趋势，气泡大小和颜色代表拥挤度）[6][8][17]。 * **衍生方案一：行业景气模型（高景气-强趋势）**：以景气度为核心，筛选高景气且趋势强的行业，同时利用拥挤度指标规避高拥挤的风险，该方案进攻性较强[13]。 * **衍生方案二：行业趋势模型（强趋势-低拥挤）**：以市场趋势为核心，筛选趋势强且拥挤度低的行业，同时规避低景气行业，该方案思路简单，持有体验感强[13]。 3. **模型名称：左侧库存反转模型**[4][24] * **模型构建思路**：从赔率-胜率角度出发，在处于困境或困境有所反弹的板块中，挖掘分析师长期看好且库存压力不大、具备补库条件的行业，以捕捉行业困境反转行情[24]。 * **模型具体构建过程**：报告未详细描述具体构建公式和步骤，但提及其核心逻辑是结合行业库存周期、分析师预期和赔率胜率进行筛选[24]。 4. **模型名称：行业景气趋势ETF配置模型**[18] * **模型构建思路**：将“行业景气度-趋势-拥挤度框架”应用于可交易的行业ETF上，构建具体的ETF配置组合[18]。 * **模型具体构建过程**：基于行业景气度模型得出的行业配置权重，选择对应跟踪指数的规模最大的ETF进行投资[18][20]。 5. **模型名称：行业景气度选股模型（叠加PB-ROE）**[20][21] * **模型构建思路**：在行业配置模型确定行业权重的基础上，在行业内使用PB-ROE模型进一步筛选估值性价比高的个股，构建股票投资组合[20]。 * **模型具体构建过程**： 1. 根据行业配置模型确定各行业的配置权重[20]。 2. 在每个行业内，使用PB-ROE模型筛选出估值性价比位于前40%的股票[20]。 3. 对筛选出的股票，按流通市值和PB-ROE打分进行加权，得到最终的股票组合权重[20]。 量化因子与构建方式 1. **因子名称：行业相对强弱指数（RS）**[9] * **因子构建思路**：综合多个时间窗口的行业涨跌幅排名，构建一个反映行业相对市场整体强弱程度的指标[9]。 * **因子具体构建过程**： 1. 计算行业过去N日涨跌幅（N=20, 40, 60）[9]。 2. 在每个截面上，对31个行业的涨跌幅进行排名，得到排名值 Rank_N[9]。 3. 对排名进行归一化处理，例如将排名转换为百分比排名，得到RS_N[9]。 4. 将三个时间窗口的归一化排名求平均值，得到最终RS因子值[9]。 $$ RS = (RS\_20 + RS\_40 + RS\_60) / 3 $$ 2. **因子名称：行业景气度**[13][17] * **因子构建思路**：衡量行业基本面的繁荣程度。报告未给出具体计算公式，但从图表坐标轴可知，该因子是一个标准化后的数值，用于横向比较行业间的景气水平[17]。 3. **因子名称：行业趋势**[13][17] * **因子构建思路**：衡量行业价格动量的强弱。报告未给出具体计算公式，但从图表坐标轴可知，该因子是一个标准化后的数值，用于横向比较行业间的趋势强度[17]。 4. **因子名称：行业拥挤度**[6][13][17] * **因子构建思路**：衡量行业交易的热度或风险程度，用于提示风险。拥挤度高的行业（红色气泡）应尽量规避，拥挤度低的行业（蓝色气泡）更安全[6][17]。报告未给出具体计算公式。 5. **因子名称：PB-ROE**[20] * **因子构建思路**：结合市净率（PB）和净资产收益率（ROE）来评估股票的估值性价比，低PB高ROE代表估值性价比高[20]。 * **因子具体构建过程**：报告未详细描述具体构建公式，但提及用于在行业内筛选排名前40%的股票[20]。 模型的回测效果 （基准：Wind全A指数，除非特别说明） 1. **行业景气度-趋势-拥挤度框架（行业配置模型）**，年化收益21.7%，年化超额收益13.8%，信息比率(IR)1.5，超额最大回撤-8.0%，月度胜率67%[13]。 2. **行业景气趋势ETF配置模型**（基准：中证800），年化超额收益16.2%，信息比率(IR)1.8，超额最大回撤10.8%，月度胜率66%[18]。 3. **行业景气度选股模型（叠加PB-ROE）**，年化收益26.3%，年化超额收益19.7%，信息比率(IR)1.7，超额最大回撤-15.4%，月度胜率69%[21]。 4. **左侧库存反转模型**（基准：行业等权），2025年（至11月底）绝对收益25.4%，相对行业等权超额收益5.4%[24]。 因子的回测效果 （报告未提供单个因子的独立回测指标值，如IC、IR等，仅提供了整合因子后的模型表现）