总量研究 交易情绪有所改善 金融工程市场跟踪周报 20240714 要点 本周市场核心观点与市场复盘: 本周（2024.07.08-2024.07.12，下同）A 股实现周度上涨，主要宽基指数量能 纷纷出现改善。 行业表现方面，电子、汽车实现领涨；主题方面，无人驾驶概 念表现亮眼。资金面方面,北向资金交易盘伴随市场涨跌变化呈现快进快出的交 易特征，资金持续性仍有待观察。市场赚钱效应方面，本周主要宽基指数时序波 动率、截面波动率均实现回升，赚钱效应快速修复。 市场交易热度改善背景下,资金面变化仍是市场方向重要决定变量。交易方向上, 资金面若不能形成持续增量，防御主线仍是主要配置方向；资金面如出现提振， 成长方向中的硬科技值得关注。 本周市场各宽基指数均收涨。上证综指上涨 0.72%，上证 50 上涨 1.12%，沪深 300 上涨 1.20%，中证 500 上涨 1.09%，中证 1000 上涨 1.40%，创业板指上 涨 1.69%，北证 50 上涨 0.05%。 截至 2024 年 7 月 12 日，宽基指数来看，中证 500 和创业板指处于估值分位数 "安全"等级，其余宽基指数处于估值分位数"适中"等级。 ...

2024年7月14日 中银量化大类资产周报 预期定价基本充分，风险偏好企稳,成长相对 占优 资产概览 ■ 权益市场：(2024.07.08-2024.07.12) A 股市场签体上涨, 港股市场整体上 涨,海外权益市场普涨。 ■ ■ 债券市场：中国国债利率下跌，海外国债利率涨跌互现，中美利差缩小。 商品市场：中国商品市场整体下跌，美国商品市场整体下跌。 汇率变化: 近一周在岸人民币较美元升值，离岸人民币较美元升值，人 民币升值压力上升，央行调控压力下降。 A 股行情及成交热度跟踪 ■ 收益率：本周领涨的行业为电子、汽车、银行；领跌的行业为煤炭、传 蝶、农林牧渔。 成交热度:本周Ａ股成交热度整体上行。 估值与股债性价比 估值:A股PE TTM 处于历史较低分位,边际上行。 ■ 股债性价比：从 erp 角度看, 当前配置权益整体性价比极高。 资金面跟踪 ■ 融资余额占比;A股融资余额占比处于历史极高分位,边际下行。 基金发行:近1月股票型基金发行总规模为 50.5亿元,边际下降。 北向黄金：北向资金净流入 155.3 亿元,流入规模居前的行业为银行、 电子、电力及公用事业;流出规模居前的行业为医药、传媒、家电。 ...

量化模型与构建方式 模型名称：单一统计模型 - 模型构建思路：基于历史数据的统计分析，预测未来的气候变化趋势 - 模型具体构建过程：通过对历史气候数据进行统计分析，建立回归模型，预测未来的气候变化趋势 - 模型评价：该模型简单易用，但可能无法捕捉复杂的气候变化模式[308] 模型名称：动力模型 - 模型构建思路：基于物理过程的模拟，预测未来的气候变化趋势 - 模型具体构建过程：通过模拟大气和海洋的物理过程，预测未来的气候变化趋势 - 模型评价：该模型能够更准确地捕捉气候变化的复杂性，但计算量较大[308] 模型名称：混合模型 - 模型构建思路：结合统计模型和动力模型的优点，预测未来的气候变化趋势 - 模型具体构建过程：将统计模型和动力模型的预测结果进行加权平均，得到最终的预测结果 - 模型评价：该模型综合了两种模型的优点，能够提供更准确的预测结果[308] 模型的回测效果 - 单一统计模型，ONI指数预测值：0.4[308] - 动力模型，ONI指数预测值：0.4[308] - 混合模型，ONI指数预测值：0.4[308] 量化因子与构建方式 因子名称：ONI指数 - 因子的构建思路：基于海洋表面温度的变化，衡量厄尔尼诺和拉尼娜现象的强度 - 因子具体构建过程：通过对海洋表面温度进行测量和计算，得到ONI指数 - 因子评价：该因子能够较好地反映厄尔尼诺和拉尼娜现象的强度，对气候预测具有重要意义[297][298] 因子的回测效果 - ONI指数，2024年5月值：+0.4[296] - ONI指数，2024年6月值：+0.4[296] - ONI指数，2024年7月值：+0.4[296]

量化模型与构建方式 1. 模型名称：行业轮动-基本面策略 - **模型构建思路**：基于美国大选对股市的影响，推荐关注特定行业的阶段性机会[3] - **模型具体构建过程**：通过历史数据分析，识别在美国大选期间表现较好的行业，并结合基本面分析，推荐油气石化、建筑工程、交通运输及食品饮料等行业[3] - **模型评价**：该模型通过历史数据和基本面分析相结合，具有较强的实用性和前瞻性[3] 模型的回测效果 - 行业轮动-基本面策略，推荐的油气石化、建筑工程、交通运输及食品饮料行业在历史数据中表现优异[3] 量化因子与构建方式 1. 因子名称：选举年效应因子 - **因子的构建思路**：分析选举年对主流宽基指数的影响，构建选举年效应因子[3] - **因子具体构建过程**：通过对全球视角下选举年对主流宽基指数的影响进行分析，提取选举年效应因子。具体步骤包括： 1. 收集选举年期间的主流宽基指数数据 2. 计算选举年期间的指数波动率和收益率 3. 提取选举年效应因子，公式如下： $$ \text{选举年效应因子} = \frac{\text{选举年期间的指数收益率}}{\text{选举年期间的指数波动率}} $$ 公式中，选举年期间的指数收益率代表了选举年期间主流宽基指数的平均收益率，选举年期间的指数波动率代表了选举年期间主流宽基指数的波动率[3] - **因子评价**：该因子通过对选举年期间的指数表现进行量化分析，能够较好地捕捉选举年对市场的影响[3] 因子的回测效果 - 选举年效应因子，历史数据中表现出较高的收益率和较低的波动率[3]

量化模型与构建方式 1. Black-Litterman模型 - **模型名称**：Black-Litterman模型 - **模型构建思路**：结合投资者的主观观点与市场均衡收益率，生成新的资产组合权重[3] - **模型具体构建过程**： 1. 计算市场均衡收益率 $\Pi$，公式为： $$ \Pi = \delta \cdot \Sigma \cdot w $$ 其中，$\delta$ 是风险厌恶系数，$\Sigma$ 是资产的协方差矩阵，$w$ 是市场组合权重[3] 2. 将投资者的观点整合到模型中，生成新的期望收益率 $\mu$，公式为： $$ \mu = \left( (\tau \cdot \Sigma)^{-1} + P^T \cdot \Omega^{-1} \cdot P \right)^{-1} \cdot \left( (\tau \cdot \Sigma)^{-1} \cdot \Pi + P^T \cdot \Omega^{-1} \cdot Q \right) $$ 其中，$\tau$ 是一个缩放因子，$P$ 是观点矩阵，$\Omega$ 是观点的不确定性矩阵，$Q$ 是观点的预期收益[3] 3. 根据新的期望收益率 $\mu$ 计算新的资产组合权重[3] - **模型评价**：Black-Litterman模型能够有效结合市场信息和投资者的主观观点，生成更为合理的资产配置方案[3] 2. 风险平价模型 - **模型名称**：风险平价模型 - **模型构建思路**：通过平衡各资产的风险贡献，达到风险分散的目的[3] - **模型具体构建过程**： 1. 计算每个资产的风险贡献，公式为： $$ RC_i = w_i \cdot \sigma_i \cdot \rho_{i, p} $$ 其中，$w_i$ 是资产 $i$ 的权重，$\sigma_i$ 是资产 $i$ 的波动率，$\rho_{i, p}$ 是资产 $i$ 与组合 $p$ 的相关系数[3] 2. 调整资产权重，使得每个资产的风险贡献相等[3] - **模型评价**：风险平价模型通过平衡各资产的风险贡献，能够有效降低组合的整体风险[3] 3. 宏观因子模型 - **模型名称**：宏观因子模型 - **模型构建思路**：基于宏观经济因子进行资产配置[3] - **模型具体构建过程**： 1. 选择相关的宏观经济因子，如GDP增长率、通货膨胀率等[3] 2. 建立因子与资产收益率之间的关系模型[3] 3. 根据宏观因子的预测值，调整资产配置权重[3] - **模型评价**：宏观因子模型能够根据宏观经济环境的变化，动态调整资产配置，提高组合的适应性[3] 模型的回测效果 1. **Black-Litterman模型** - 已实现收益：4.23%[3] - 6月收益：0.64%[3] - 最大回撤：0.78%[3] - 波动率：1.18%[3] 2. **风险平价模型** - 已实现收益：4.07%[3] - 6月收益：0.3%[3] - 最大回撤：0.23%[3] - 波动率：0.82%[3] 3. **宏观因子模型** - 已实现收益：3.3%[3] - 6月收益：0.22%[3] - 最大回撤：0.27%[3] - 波动率：0.82%[3]

朝闻国盛 可转债退市风险的量化与应用 今日概览 作者 ■ 重磅研报 分析师 林志朋 软业证书编号: S0680518100004 【宏观】CPI、PPI 环比超季节性负增，怎么看、怎么办？ -20240710 呼箱：linzhipeng@gszq.com 【金融工程】可转债退市风险的量化与应用-20240710 行业表现前五名 【固定收益】PPI回升动能仍不足-20240710 行业 1月 3月 1年 【有色金属】资金属贺穿全年配置主线,能源金属存底部支撑-2024年中 通信 7.9% 5.7% -8.3% 策略-20240710 电子 5.4% 8.3% -10.8% 汽车 0.0% -3.2% -7.0% ■ 研究视点 银行 -0.3% 5.6% 12.5% 【轻工制造】五洲特纸（605007.SH）-盈利小幅回落，产能快速释放 石油石化 -1.2% -5.4% 1.3% -20240710 【汽车】沪光股份（605333.SH）-业绩超预期,受益于下游客户放量 -20240710 1、《朝闻国盛: 产销景气,把握二季报》2024-07-10 2、《朝闻国盛： 工业品价格再度回落——基本面高 频数据跟踪》 ...

2024 年 07 月 08 日 汽车轻量化平台型企业，预计上市价格在 目升 24 转债本期转债募集资金为 28 亿元, 扣除发行费用后将用于新能 源汽车动力总成项目、轻量化汽车关键零部件项目、汽车轻量化结构件绿 色制造项目，上市日期为７月10日。 国 汽车轻量化龙头。公司从模具起家,2013年开始切入特斯拉供应链与其 共成长，通过多年的扩张目前已成为兼具压铸、锻造、挤压三大工艺的国 内汽车轻量化龙头企业,超 85%收入来自汽车零部件,下游客户既包括特 斯拉（28%）、北极星（5%）等整车厂，也包括采埃孚（10%）、赛科利、三 花智控等 TIER1 企业,此前特斯拉配套一度占比超 50%、海外占比也较高, 随着产品与客户的多元化,客户集中度大幅下降、海外收入占比也降低至 50%以内。随着特斯拉占比的下降公司毛利率也降至行业平均水平,近年来 稳定在 24-25%，期间费用较低,现金流状况良好,盈利稳定增长。 国产能持续扩张，打造汽车轻量化平台型企业。行业层面,新能源汽车渗 透率仍在提升，带动电动车铝材渗透率继续提高，未来十年间单车用铝量 翻倍增长;而压铸行业一体化的趋势与重资产属性也注定强者恒强的趋势, 龙头份 ...

金工大类资产配置周报 报告日期: 2024 年 07 月 07 日 ★市场回顾 宽基指数方面,本周涨跌幅排名前五的宽基指数及其涨跌幅分 别为纳斯达克综指(3.5%)、日经 225(3.4%),胡志明股市指数 (3.0%),标普 500(2.0%),道琼斯工业平均(0.7%);本周涨跌幅 排名后五的宽基指数及其涨跌幅分别为北证 50(-2.4%)，中证 2000(-2.0%),小盘成长(-2.0%),科创 50(-1.9%),中证 1000(-1.7%); 本月涨跌幅排名前五的宽基指数及其涨跌幅分别为纳斯达克 综指(3.5%)，日经 225(3.4%)，胡志明股市指数(3.0%)，标普 500(2.0%),道琼斯工业平均(0.7%);本月涨跌幅排名后五的宽 基指数及其涨跌幅分别为北证 50(-2.4%),中证 2000(-2.0%),小 盘成长(-2.0%)，科创 50(-1.9%)，中证 1000(-1.7%)。 行业指数方面,本周涨跌幅排名前五的行业指数及其涨跌幅分 别为有色金属(2.6%), 商贸零售(2.4%), 钢铁(1.9%), 综合(1.8%), 公用事业(1.0%);本周涨跌幅排名后五的行业指数 ...

2024 年 07 月 07 日 模型维持上期偏多观点， 圆金融工程定期报告 目上期我们认为市场整体处于偏多状态,应在均衡配置的基础上保持 偏积极心态。事后来看，市场走势虽有点一波三折，但在下跌过程中 并未放量,而周五则有小幅反弹之意,算是基本符合预期。 杨勇 SAC 执业证书编 证券研究报告 分析师 S1450518010002 angyong1@essence.com.cn 目本期观点: 模型维持上期偏多观点 味着下周走势至少有值得期待的地方。 从纯定量的全天候择时模型角度看, 近期连续发出了三次看多信号, 而且当前整体的高频温度计仍然较低,这或许能提升我们对模型偏多 信号的信心和预期。 在板块结构上,我们的四轮驱动模型继续维持均衡配置的观点。如果 未来市场开始有放量上涨迹象,可以适当增配新质生产力方向的相关 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。 全天候择时模型仍然偏多 2024-06-30 阻碍反弹的或非技术而因素 2024-06-23 大盘上周五探底回升,收盘落在 2922 这一 20 年年度均线上方,两周 见底有望 2024-06-16 之内再次守住了这一关键位置。在 ...

量化因子与构建方式 宏观环境因子 - **因子名称**: 宏观环境因子 - **因子构建思路**: 从货币流动性、长端利率、汇率、信用、国内经济增长、海外主要经济体等六个角度刻画宏观运行状态[31][32] - **因子的公式**: $$ \text{Logistic回归模型} = \text{宏观变量滞后一期} + \text{DIF值} - \text{EMA均值} $$ 公式说明：宏观变量滞后一期，求DIF值，12期EMA均值减去26期EMA均值[35][36] - **文章对因子的评价**: Logit回归结果与未来指数60个交易日上涨或下跌的逻辑相关性非常高，但对趋势强度几乎无预测能力[45] 中观景气因子 - **因子名称**: 中观景气因子 - **因子构建思路**: 采用中观高频数据刻画，特点是领先性且数据真实性较高[47] - **因子的公式**: $$ \text{中观景气指数} = \text{PCA合成大类因子} + \text{回归目标为上证指数的归属母公司股东的净利润} $$ 公式说明：拼接所有因子数据，按季度采样，用PCA合成大类因子，回归目标为上证指数的归属母公司股东的净利润(同比增长率)[50] - **文章对因子的评价**: 中观高频景气度指数与A股盈利趋势变化契合，并且具备领先预测性[50] 微观结构因子 - **因子名称**: 微观结构因子 - **因子构建思路**: 用当前市盈率与市净率在过去5年中所处分位数的均值来度量权益市场估值水平[66] - **因子的公式**: $$ \text{微观结构因子} = \text{估值水平} + \text{风险溢价} + \text{波动率} + \text{流动性} $$ 公式说明：将风险溢价度量指标求相反数，之后四因子等权相加，得到内生结构维度的左侧预测指标[103] - **文章对因子的评价**: 当前A股内生结构分位在0.27左右，自2021年Q4以来持续下行，目前已处于低估状态[103] 基差因子 - **因子名称**: 基差因子 - **因子构建思路**: 基于高频中证500涨跌与基差涨跌日相关系数进行择时研究，进行信号的IC矩阵统计后，然后查看分档收益[144] - **因子的公式**: $$ \text{年化基差率} = \frac{\text{次月期货} - \text{当月期货}}{\text{现货}} \times 12 $$ 公式说明：该值为负数即为负基差，也叫期货贴水；该值为正即为正基差，也叫期货升水[142] - **文章对因子的评价**: 基差因子可以很好地补充三维度择时信号在市场拐点时预测不及时的缺点[6] 因子的具体指标值 宏观环境因子 - **估值水平**: 中证全指0.122，沪深300 0.196，中证500 0.182，中证1000 0.147[104][105] - **风险溢价**: 中证全指0.034，沪深300 0.151，中证500 0.102，中证1000 0.050[104][105] - **波动率**: 中证全指0.078，沪深300 0.263，中证500 0.479，中证1000 0.638[104][105] - **流动性**: 中证全指0.062，沪深300 0.294，中证500 0.372，中证1000 0.396[104][105] 中观景气因子 - **20日收益率均值**: 景气&上行2.51%，景气&下行-3.42%，萧条&上行-0.34%，萧条&下行2.13%[121] - **20日胜率**: 景气&上行61.50%，景气&下行34.43%，萧条&上行51.99%，萧条&下行61.49%[121] - **60日收益率均值**: 景气&上行6.67%，景气&下行-6.98%，萧条&上行-0.36%，萧条&下行7.05%[121] - **60日胜率**: 景气&上行59.78%，景气&下行29.16%，萧条&上行44.20%，萧条&下行58.24%[121] 微观结构因子 - **20日收益率均值**: x<0.2 0.0182，x>0.8 0.0182[119] - **20日胜率**: x<0.2 8.59%，x>0.8 60.70%[119] - **60日收益率均值**: x<0.2 -0.0034，x>0.8 0.0182[119] - **60日胜率**: x<0.2 45.26%，x>0.8 75.62%[119] 基差因子 - **IC矩阵**: all_ma1d 3.46%，all_ma5d -2.58%，all_ma10d 0.65%，all_ma20d 4.04%，all_ma60d -0.29%[144][145] - **分档次均收益**: 1.50%，1.00%，0.50%，0.00%，-0.50%，-1.00%，-1.50%，-2.00%[147][148][149][150][151][152][153][154]