量化模型与构建方式 1. 模型名称：EPFR基金流向模型 - 模型构建思路：通过跟踪全球基金流向数据，分析资金流动对市场的影响，特别是新兴市场国家层面的资金流动[10][57] - 模型具体构建过程： 1. 数据来源：EPFR基金流向数据库，包含资产类别聚合、基金组别、投资经理、单个基金和份额类别等数据[10] 2. 数据类型：包括基金流入流出金额、基金的地区和板块配置、国家和行业的资金流动等[47][48][49] 3. 数据频率：日度、周度、月度[67] 4. 数据处理：将基金流向数据与市场表现数据结合，构建多因素股权配置模型，利用动量信号进行市场择时和资产配置[58][59] - 模型评价：该模型通过全球基金流向数据提供了市场拐点的额外洞察，特别是在新兴市场国家层面，具有较高的前瞻性[57][58] 模型的回测效果 1. EPFR基金流向模型 - 信息比率（IR）：未提供具体数值 - 年化收益率：未提供具体数值 - 最大回撤：未提供具体数值 量化因子与构建方式 1. 因子名称：动量因子 - 因子的构建思路：通过分析国家和行业的资金流动，利用资金流动的相对强度作为动量信号，帮助投资者决定何时进入或退出市场[59] - 因子具体构建过程： 1. 数据来源：EPFR基金流向数据，包含国家和行业的资金流动数据[50][51][52] 2. 数据处理：计算资金流动的相对强度，对比热门国家/行业与不受欢迎国家/行业的资金流动[59] 3. 动量信号：将资金流动的相对强度作为动量信号，结合多因素股权配置模型进行市场择时[58][59] - 因子评价：该因子通过资金流动的相对强度提供了市场方向的领先指标，具有较高的实用性和前瞻性[59] 因子的回测效果 1. 动量因子 - 信息比率（IR）：未提供具体数值 - 年化收益率：未提供具体数值 - 最大回撤：未提供具体数值