证券研究报告 | 金融工程 2024 年 8 月 11 日 利率择时观点中性，机构久期分歧较高 ——利率市场趋势定量跟踪 20240809 利率市场结构变化 - 10 年期国债到期收益率录得 2.2%，相对上周升高 7.09BP。当前利 率水平、期限和凸性结构读数分别为 1.89%、0.74%、0.09%，从均 值回归视角看，目前处于水平结构点位接近历史低位、期限结构点 位偏高、凸性结构点位较低的状态。 利率价量周期择时信号：中性震荡。 - 利率数据的多周期择时信号为：长周期无信号、中周期无信号、短 周期向上突破。综合来看，当前合计下行突破 0 票、上行突破 0 票， 由于 3 种周期下的总的票数未达 2/3，最终信号的综合评分结果为 中性震荡。 公募债基行为跟踪：久期提升、分歧提升 - 公募基金最新久期（计入杠杆后）中位数读数为 2.75 年、4 周移动 平均值为 2.64 年，相对上周分别提升 0.07 年、提升 0.06 年。目前 机构持仓久期处于历史 5 年来的 69.5%分位数水平，久期水平中性 偏高。 - 市场分歧方面，公募基金久期的截面标准差为 1.85 年，相对上周提 升约 0.02 年，目前 ...

证 2024 年 08 月 11 日 研 报 告 ▌ 投资要点一 投资要点一投资要点一投资要点一投资要点一投资要点一 投资要点一投资要点一投资要点一投资要点一投资要点一 投资要点一投资要点一投资要点一投资要点一投资要点 一。 ▌ 投资要点二 投资要点二投资要点二投资要点二投资要点二投资要点二投 资要点二投资要点二投资要点二投资要点二投资要点二投资 要点二投资要点二投资要点二投资要点二投资要点二投资要 点二。 ▌ 投资要点三 投资要点三投资要点三投资要点三投资要点三投资要点三投 资要点三投资要点三投资要点三投资要点三投资要点三投资 要点三投资要点三投资要点三投资要点三投资要点三投资要 点三。 ▌ …… 文字文字文字文字文字文字文字文字文字文字文字文字文字 文字文字文字文字文字文字文字文字文字 金 融 工 程 研 究 解绑交易还未结束但会更加有序，套息资产继续 "缩圈" —定量策略周报 投资要点 ▌ 一周鑫思路 上周日元套息交易解绑和美国衰退预期交易叠加催化下， 全球风险资产经历黑色星期一快速去杠杆，VIX 一度飙升 超 65 仅次于 2008 和 2020 年；随后美国服务业的 PMI 超 预期表现及初请失业金 ...

相关报告 2024 年 08 月 11 日 均衡坚守，以待时机 上期我们认为海外市场的动荡或并不会引发 A 股的趋势性下行，反 而因为各个维度上的异步性而有利于给 A 股带来相应的机会。事后 来看，近期海外市场有企稳反弹的迹象，但 A 股的风险偏好却始终较 低，走势低于预期。 本期观点：均衡坚守，以待时机 虽然大盘指数目前仍未打破日线级别的底部结构，但在海外股市震荡 反弹的过程中表现较为疲弱，说明目前来看仅靠技术面的底部结构或 难以促成市场形成合力既而引发较大幅度的反弹。前期提到从周线级 别的技术形态类比来看，当前应该很有可能处于较大级别调整趋势的 末端，即使未来会有各种震荡反复，但是整体下行风险应该相对可控。 行业结构上，近期四轮驱动模型发出的信号相对较为分散，但整体以 前期出现了明显调整的价值低位红利以及科技成长为主，因此当前或 宜以均衡配置的思路来坚守，具体建议关注通信、煤炭、石油石化、 计算机、家用电器、传媒、电子、有色等板块。 风险提示：根据历史信息及数据构建的模型在市场变化时可能失效。 金融工程定期报告 | --- | --- | |----------------------|--------- ...

量化模型与构建方式 1. 模型名称：四轮驱动行业轮动模型 - **模型构建思路**：该模型通过分析行业的轮动信号，结合价值低位红利和科技成长等因素，来指导行业配置策略[14] - **模型具体构建过程**： - 该模型通过分析行业的历史表现和当前市场信号，识别出不同板块的轮动机会 - 具体步骤包括：数据收集、信号提取、模型训练和验证 - 数据收集：从市场数据源（如WIND）获取行业的历史数据和当前市场信号[16][18][20] - 信号提取：通过技术分析和基本面分析提取行业轮动信号 - 模型训练：使用机器学习算法对提取的信号进行训练，生成行业轮动模型 - 模型验证：通过回测和实际市场表现验证模型的有效性 - **模型评价**：该模型在近期的市场中发出的信号相对分散，但整体表现较为稳定，适合在当前市场环境下进行均衡配置[14] 模型的回测效果 - 四轮驱动行业轮动模型，IR值为0.90[21] 量化因子与构建方式 1. 因子名称：价值低位红利因子 - **因子的构建思路**：通过筛选出价值低估且具有高红利的股票，构建投资组合，以期获得超额收益[14] - **因子具体构建过程**： - 数据收集：从市场数据源获取股票的估值数据和红利数据 - 因子计算：计算每只股票的估值水平和红利率 - 因子筛选：筛选出估值低且红利高的股票，构建投资组合 - 公式：$ 价值低位红利因子 = \frac{红利率}{估值水平} $ - 公式中，红利率代表每股红利与股价的比值，估值水平代表市盈率或市净率等估值指标 - **因子评价**：该因子在市场调整期表现较好，能够提供一定的防御性收益[14] 2. 因子名称：科技成长因子 - **因子的构建思路**：通过筛选出具有高成长性的科技类股票，构建投资组合，以期获得超额收益[14] - **因子具体构建过程**： - 数据收集：从市场数据源获取科技类股票的成长性数据 - 因子计算：计算每只科技类股票的成长性指标，如收入增长率、利润增长率等 - 因子筛选：筛选出成长性高的科技类股票，构建投资组合 - 公式：$ 科技成长因子 = \frac{收入增长率 + 利润增长率}{2} $ - 公式中，收入增长率和利润增长率分别代表公司的收入和利润的同比增长率 - **因子评价**：该因子在市场上行期表现较好，能够捕捉到高成长性的投资机会[14] 因子的回测效果 - 价值低位红利因子，IR值为0.85[21] - 科技成长因子，IR值为0.88[21]

量化周报 市场短期下跌临近尾声 | --- | --- | |--------------------------------------------------------------------------------------------------------------------------------------------------------|------------------------------------------------------------------------------------------------------------------------------| | 市场短期下跌临近尾声。本周（ 8.5-8.9 ），大盘震荡下行，上证指数全 | 作者 | | 周收跌 1.48% 。在此背景下，电子、通信迎来了日线级别下跌。我们认 | 分析师 刘富兵 | | 为，经历了近 3 个月的震荡下跌后，市场短期下跌临近尾声： 1 、绝大部 | 执业证书编号： S0680518030007 | | 分规模指数日线级别下跌已经走出了 5-9 浪结构； 2 、 25 个中 ...

红利指数风格和行业分布 - 红利指数整体为高红利、低估值风格，行业分布上银行、煤炭等权重较大[2] - 纯粹的红利和低估值风格是近期超额收益的真正来源，红利资产表现相对较优，抵御市场下跌风险和债券替代[3] - 红利搭配低波动、高成长可以获得更为稳健的超额收益，适合当前市场整体下跌的环境[4] 高股息收益率股票特点 - 高股息收益率的股票通常表现出较低的市场波动性，因为这些公司经营稳定[16] - 高股息股票具有较好的资本增值潜力，通常是盈利稳定、业务成熟的公司[17] - 股息再投资可以显著提高长期总回报，通过复利效应增加总回报[18] - 高股息股票在市场下行时表现相对坚挺，因为股息提供了稳定的收益来源[19] 红利指数相关信息 - 国内政策鼓励上市公司现金分红，为红利投资带来利好[20] - 中证红利全收益指数在2021年至2024年7月实现收益35.35%，超过中证全指全收益58.80%[21] - 中证红利指数选样考虑的因素主要是股票的分红情况，具有高红利、低估值、低贝塔的特征[27] - 上证红利指数样本空间为沪市股票，选样方法与中证红利指数基本一致，风格暴露和行业分布相似[35] - 国证红利指数选样方法考虑分红比重和成交金额比重，加权排名选取前50名证券作为指数样本[82] - 国证红利指数样本股实施年度定期调整，于每年6月的第二个星期五的下一个交易日实施[84] - 国证红利指数样本在股息率风格上的暴露不如中证红利指数明显，反而在市值风格上的暴露较高[84] - 深证红利指数的股息率暴露进一步下降，市值暴露较高，成分中家电、食品饮料、电子等行业权重较高[119] - 中证国有企业红利指数的特征为高红利、低估值、低贝塔，风格暴露特征与中证红利指数相似，银行、煤炭、交通运输行业权重较大[126] - 中证民营企业红利指数的特征为高红利、小市值，与中证红利指数的风格暴露有明显的小市值特征，纺织服装、基础化工、医药行业权重较大[135] - 中证红利低波指数是一种经典的SmartBeta策略，通过筛选高质量、稳定经营、现金流充足的股票和过滤高风险、投机股票，提高投资组合的稳健性[197] - 指数样本的筛选采取双重排序方式，先选取分红较高的股票，再选取波动率较低的股票，主要以红利为重，具有明显的低贝塔特征[197] - 中证红利低波指数在银行、煤炭等行业中的权重较高，相对于中证红利指数，在市场整体下跌时具有更好的抵御风险效果[197]

量化模型与构建方式 1. 成交量模型 - **模型构建思路**：通过分析市场成交量的变化来判断市场的短期走势 - **模型具体构建过程**：该模型通过对市场成交量的变化进行分析，判断市场的短期走势。具体过程包括计算每日成交量的变化率，并与历史数据进行对比，得出市场的短期趋势信号 - **模型评价**：该模型在短期内对市场的成交量变化有较好的反应能力，但在市场波动较大时可能会出现误判[3][20] 2. 低波动率模型 - **模型构建思路**：通过分析市场波动率的变化来判断市场的短期走势 - **模型具体构建过程**：该模型通过计算市场的波动率指标，如标准差、方差等，来判断市场的短期趋势。当波动率较低时，市场可能处于稳定状态；当波动率较高时，市场可能处于不稳定状态 - **模型评价**：该模型在市场稳定时有较好的预测能力，但在市场剧烈波动时可能会失效[3][20] 3. 特征龙虎榜机构模型 - **模型构建思路**：通过分析龙虎榜上机构的买卖行为来判断市场的短期走势 - **模型具体构建过程**：该模型通过收集龙虎榜上机构的买卖数据，分析机构的买卖行为和资金流向，得出市场的短期趋势信号 - **模型评价**：该模型能够较好地反映机构投资者的行为，但在市场信息不对称时可能会失效[3][20] 4. 智能沪深300模型 - **模型构建思路**：通过智能算法分析沪深300指数的走势 - **模型具体构建过程**：该模型利用智能算法（如机器学习、深度学习等）对沪深300指数的历史数据进行训练，预测未来的走势 - **模型评价**：该模型在数据充足的情况下有较好的预测能力，但在数据不足或市场环境变化较大时可能会失效[3][20] 5. 智能中证500模型 - **模型构建思路**：通过智能算法分析中证500指数的走势 - **模型具体构建过程**：该模型利用智能算法（如机器学习、深度学习等）对中证500指数的历史数据进行训练，预测未来的走势 - **模型评价**：该模型在数据充足的情况下有较好的预测能力，但在数据不足或市场环境变化较大时可能会失效[3][20] 6. 涨跌停模型 - **模型构建思路**：通过分析市场中涨停和跌停股票的数量来判断市场的中期走势 - **模型具体构建过程**：该模型通过统计每日市场中涨停和跌停股票的数量，分析其变化趋势，得出市场的中期趋势信号 - **模型评价**：该模型能够较好地反映市场的情绪，但在市场极端情况下可能会失效[3][20] 7. 月历效应模型 - **模型构建思路**：通过分析市场在不同月份的表现来判断市场的中期走势 - **模型具体构建过程**：该模型通过统计市场在不同月份的历史表现，分析其规律，得出市场的中期趋势信号 - **模型评价**：该模型能够较好地反映市场的季节性规律，但在市场环境变化较大时可能会失效[3][20] 8. 动量模型 - **模型构建思路**：通过分析市场的动量指标来判断市场的长期走势 - **模型具体构建过程**：该模型通过计算市场的动量指标，如相对强弱指数（RSI）、动量指标（MOM）等，分析其变化趋势，得出市场的长期趋势信号 - **模型评价**：该模型在市场趋势明显时有较好的预测能力，但在市场震荡时可能会失效[3][20] 9. A股综合兵器V3模型 - **模型构建思路**：综合多个模型的信号来判断市场的综合走势 - **模型具体构建过程**：该模型通过综合多个模型的信号，如成交量模型、低波动率模型、特征龙虎榜机构模型等，得出市场的综合趋势信号 - **模型评价**：该模型能够较好地综合多个模型的优点，但在模型信号冲突时可能会失效[3][20] 10. A股综合国证2000模型 - **模型构建思路**：综合多个模型的信号来判断国证2000指数的综合走势 - **模型具体构建过程**：该模型通过综合多个模型的信号，如成交量模型、低波动率模型、特征龙虎榜机构模型等，得出国证2000指数的综合趋势信号 - **模型评价**：该模型能够较好地综合多个模型的优点，但在模型信号冲突时可能会失效[3][20] 11. 成交额倒波幅模型 - **模型构建思路**：通过分析市场成交额和波幅的关系来判断市场的中期走势 - **模型具体构建过程**：该模型通过计算市场的成交额和波幅指标，分析其变化趋势，得出市场的中期趋势信号 - **模型评价**：该模型能够较好地反映市场的成交情况，但在市场波动较大时可能会失效[3][20] 模型的回测效果 短期模型 - **成交量模型**：中性[3][20] - **低波动率模型**：中性[3][20] - **特征龙虎榜机构模型**：中性[3][20] - **特征成交量模型**：中性[3][20] - **智能沪深300模型**：看空[3][20] - **智能中证500模型**：看多[3][20] 中期模型 - **涨跌停模型**：中性[3][20] - **月历效应模型**：中性[3][20] 长期模型 - **动量模型**：所有指数看多[3][20] 综合模型 - **A股综合兵器V3模型**：看空[3][20] - **A股综合国证2000模型**：中性[3][20] 港股模型 - **成交额倒波幅模型**：看空[3][20]

- 本报告主要讨论了套息交易对美股和日股的影响，指出随着日元加息节奏放缓，套息交易平仓进度已达70%以上，海外资金面扰动即将消散[3][14][15] - 报告提到，日元加息预期升温对全球多个股票市场造成了下行冲击，尤其是美股和日股受损尤为严重[4][15] - 通过对猪肉价格和猪肉股的分析，报告认为市场对猪肉产能扩张的担忧导致猪肉股表现落后，但未来猪价维持高位的时间有望超市场预期[5][16] - 报告中提到的GDPNOW模型预测结果显示，2024年二季度GDP增速为3.9%，相较于上周不变[49][52] - 风格因子收益表现方面，本周权益市场震荡回调，基本面因子表现上升，交易相关因子回撤，市值因子与非线性市值表现反转较为明显[82][83][84]

量化周报 流动性与分歧度同步放大 2024 年 08 月 11 日 | --- | --- | |------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- ...

| --- | --- | |--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- ...