创业板指数表现 - 创业板指早盘涨3 63% 突破2024年10月高点 创2023年2月以来新高 [2] - 创业板指前十大权重股中除温氏股份外全部收涨 同花顺涨15 74% 中际旭创涨10 65% 新易盛涨6 34% 东方财富涨5 98% 胜宏科技涨4 78% [2] - 第一大权重股宁德时代早盘涨1 33% 5日涨幅7 87% 上半年营收1788 86亿元(同比+7 27%) 净利润304 85亿元(同比+33 33%) 拟每股派现1 007元 [2] 宽基指数表现 - 创业板50大涨4% 创业大盘涨4 35% 创业300涨3 44% 创业板综涨3% 创业200涨2 89% 均创2023年以来新高 [2] - 策略指数中创成长涨4 18% 创价值涨2 02% [3] - 主题指数中创科技涨4 15% 创业板人工智能涨6 13% 创新能源涨1 85% [3] ETF产品表现 - 创业板人工智能ETF涨6 36% 创业板成长ETF涨4 28% 创业大盘ETF涨4 1% [3] - 创业板50ETF涨3 8% 创业板ETF涨3 67% 创业板综ETF涨2 6% [3] - 创业板新能源ETF涨1 32% 创业板200ETF涨3% [3]

根据提供的金融工程研报内容，以下是关于量化模型和因子的总结： 量化模型与构建方式 1. 模型名称：A股仓位择时策略 - **模型构建思路**：基于市场情绪、流动性指标和技术信号对沪深300ETF进行多头仓位择时，以捕捉市场趋势[1][8][17] - **模型具体构建过程**：通过监测融资余额、北向资金流向、公募仓位变化等流动性指标，结合技术面信号（如突破关键点位）进行仓位调整。具体包含以下指标： - 融资余额变化率 - 北向资金净流入/流出意愿 - 公募基金仓位变动 - 关键技术点位突破信号[17][46][47] 2. 模型名称：A股多空择时策略 - **模型构建思路**：基于市场多空信号对沪深300股指期货进行多空双向择时交易[19][20] - **模型具体构建过程**：综合运用市场广度、情绪指标和技术指标生成多空信号，具体包括： - 市场广度指标（上涨/下跌家数比） - 波动率指标 - 趋势跟踪指标 - 均值回归信号[20] 3. 模型名称：港股仓位择时策略 - **模型构建思路**：基于港股市场情绪面和资金面指标进行仓位择时[21][48][49] - **模型具体构建过程**：通过监测以下指标进行仓位调整： - 卖空成交占比（当低于阈值时看多） - PCR指标（Put-Call Ratio） - 南向资金净流入规模 - HIBOR利率变化[48][49] 4. 模型名称：A股小微盘择时策略 - **模型构建思路**：基于流动性和技术面指标对小微盘股票进行择时[23][56] - **模型具体构建过程**：使用以下指标构建择时信号： - 流动性宽松指标 - RSI技术指标 - 小微盘拥挤度指标 - 赔率指标[56] 5. 模型名称：A股红利成长择时策略 - **模型构建思路**：基于期限利差、社融增速等宏观指标进行红利与成长风格的择时[24][26][55] - **模型具体构建过程**：监测以下指标： - 期限利差变化 - 社融增速 - 外资流入意愿 - ETF红利净买入速度[55] 6. 模型名称：美股择时策略 - **模型构建思路**：基于美元流动性和技术信号对美股进行杠杆择时[27][29][41] - **模型具体构建过程**：使用美元真实流动性指标构建择时信号： - 美联储资产负债表规模变化 - TGA账户变动 - 隔夜逆回购规模变化 - 技术面突破信号[29][41] 7. 模型名称：黄金择时策略 - **模型构建思路**：基于降息预期、央行增持和技术面进行黄金择时[30][32][58] - **模型具体构建过程**：综合考虑以下因素： - 美联储降息预期 - 央行黄金增持数据 - 地缘政治风险 - 技术面支撑阻力位[58] 8. 模型名称：ETF组合策略-偏股型（鑫选技术面量化） - **模型构建思路**：通过技术面量化方法构建ETF投资组合[10][33][60] - **模型具体构建过程**：基于动量、趋势和技术指标选择ETF品种，包括： - 动量因子排序 - 趋势跟踪信号 - 技术突破确认 - 风险分散约束[33][60] 9. 模型名称：ETF组合策略-偏债型（量化全天候） - **模型构建思路**：构建跨资产类别的全天候投资策略[10][35][37] - **模型具体构建过程**：通过量化方法配置多资产类别： - 权益类资产（QDII、ETF） - 债券类资产（国债、地债） - 商品类资产（黄金ETF） - 动态风险平衡模型[35][37][60] 量化因子与构建方式 1. 因子名称：美元真实流动性因子 - **因子构建思路**：通过美联储资产负债表和流动性工具测算美元真实流动性水平[2][41] - **因子具体构建过程**：使用公式： $$流动性 = 美联储资产负债表 - TGA账户 - 隔夜逆回购$$ 其中TGA账户代表财政部一般账户，隔夜逆回购反映市场剩余流动性[2][41] 2. 因子名称：金融条件指数 - **因子构建思路**：综合反映市场风险偏好的金融条件指标[5][43] - **因子具体构建过程**：通过多个市场指标合成，包括： - 信用利差 - 波动率指数 - 汇率变化 - 利率水平[5][43] 3. 因子名称：拥挤度因子 - **因子构建思路**：衡量小微盘交易过热程度的指标[56] - **因子具体构建过程**：通过以下指标计算： - 换手率偏离度 - 估值分位数 - 资金流入集中度 - 动量极端值[56] 4. 因子名称：南向资金因子 - **因子构建思路**：跟踪南向资金流向和偏好[48][49] - **因子具体构建过程**：监测： - 南向资金净流入规模 - 行业配置偏好 - 个股集中度 - 资金流向持续性[49] 模型的回测效果 1. A股仓位择时策略 - 历史净值表现：2016年至今实现显著超额收益[17][18] - 风险调整收益：优于沪深300持有策略[17] 2. A股多空择时策略 - 策略净值：多空择时策略净值表现稳定[20] - 超额收益：相对沪深300持有曲线有明显超额[20] 3. 港股仓位择时策略 - 绝对收益：港股择时策略实现正收益[21] - 风险控制：有效控制港股市场波动风险[21] 4. 美股择时策略 - 杠杆收益：2倍杠杆择时净值显著高于标普500持有净值[29] - 信号准确性：多空信号捕捉主要市场转折点[29] 5. ETF组合策略-偏股型 - 绝对收益：2024年初至今42.75%[10][60] - 相对收益：相对沪深300超额18.65%，相对ETF等权超额13.08%[10][60] 6. ETF组合策略-偏债型 - 累积收益：8.91%[10][60] - 最大回撤：3.26%[10][60] - 单周涨幅：0.28%[10][60] 因子的回测效果 1. 美元真实流动性因子 - 预测效果：有效预警美股流动性风险[2][41] - 市场影响：流动性变化与市场波动高度相关[2][41] 2. 金融条件指数 - 风险偏好指示：准确反映市场risk on/risk off转换[5][43] - 趋势跟踪：持续位于120日均线之上表明risk on[5][43] 3. 拥挤度因子 - 预警功能：6月初提示小微盘交易过热风险[56] - 反转信号：拥挤度极端值后市场往往出现调整[56] 4. 南向资金因子 - 资金流向：本周累计买入381亿元[49] - 行业偏好：非银、医药、电子为买入前三行业[49]