还剩7页未读，继续阅读
文本内容:
内容目录
三、可投资标的介绍交银创业板50指数A
16.6耳有一定提升拆分来看，模型对于2月份经济增长层面持平观望，信号强度为50%，较上月的0%有所提升；货币流动性层面持看空观点，信号强度为0%较上月的
33.3%有一定程度下降从细分指标来看，经济增长因子内部本次共有4个指标参与打分，2个指标看多（制造业PMI:新出口订单、新增社融:滚动12个月求和），2个指标看空（国债利差10Y-1M、产量:发电量当月值:MA3:同比），合成经济增长大类因子信号为50%；货币流动性因子内部本次共有2个指标参与打分,2个指标均看空（逆回购利率:7天-银行间质押式回购加权利率7天、SHIB0R:l个月），合成货币流动性大类因子信号为0%我们选取策略的回测时间段为2014年5月1日至2023年1月31日，并设定手续费为单边千分之三图表4展示了在回测时间段根据大类因子信号所得到的择时仓位信号时间序列，可以看出择时策略整体的平均仓位较低，仅有约44%为了能够更好地评价该择时策略，我们以回测期内策略的平均权重作为固定的择时仓位，构建一个等比例基准，并将其作为评估策略的对象1月份配置模型表现优异，月涨跌幅为-
2.71%优于指数跌幅（-
16.28%）和等比例基准的一
7.16氏跌幅同时，从历史表现方面来看，从2014年5月1日至2023年1月31日，策略年化收益率为
15.35%、年化波动率为
17.17/、最大回撤为-
24.59%、夏普比率为
0.
88、收益回撤比为
0.62,在各个维度上表现优于基准最后，我们统计了回测期内择时策略的逐年表现，可以发现该策略在多数年份都取得了正的超额收益，并且在等比例基准出现回撤的阶段，该策略较好地控制住了下行风险图表1:宏观择时模块最新观点（截至1月31日）观察维度当前信号上月信号经济增长50%0%货币流动性0%
33.3-择时仓位
2516.7配置观点中性偏低中性偏低来源，图表2:宏观事件因子择时策略表现择时策略创业板50等比例基准2023-09-30-
6.0期-
6.03%■
2.65%2023-10-31-
1.4觊-
1.91%-
0.84%2023-11-30-
2.2纵-
3.01%-
1.32%2023-12-31-
0.24%-
1.44%-
0.63%2024-01-31-
2.71%-
16.28%-
7.16«来源国金证券研究所Wind,图表3:各细分因子信号展示大类因子细分因子2023-10-312023-11-302023-12-312024-1-312024-2-29制造业PMI:新出口订单11101国债利差10Y-1M00000经济增长产量:发电量当月值:MA3:同比11000新增社融:滚动12个月求和00011金融机构:中长期贷款余额:当月新增:滚动12M求和:同比N/A N/A N/A N/A N/A银行间质押式回购加权利率7天N/A N/A N/A N/A N/A货币流动性逆回购利率7天-银行间质押式回购加权利率:7天N/A0000Ml-M2剪刀差N/A N/A N/A N/A N/A大类因子细分因子2023-10-312023-11-302023-12-312024-1-312024-2-29SHIB0R:2周N/A100N/A中美国债利差10Y N/A N/A N/A N/A N/ASHIBOR:1个月11110来源国金证券研究所Wind,、、、、、、寸寸、、、来源:图表5:策略净值走势图表6:宏观事件因子择时策略表现择时策略创业板等比例基准2014/05/01—2023/01/3150年化收益率
15.35%
2.30%
2.30%年化波动率
17.17%
32.62%
14.351最大回撤-
24.59%-
70.48-
38.68%二二二二寸、、、、句
三、夏普比率
0.
880.
210.18二二二二----------择时策略收益回撤比
0.
620.
030.06图表4:宏观事件因子择时策略仓位来源:来源:go-se/oego/goe inoe go95egoseiseLLse gosdsesooe go6ae987654321063CgogLoe170go/Leoel65eeLoinsegoNeodgogoee60/goegecoeoe95ego93e58:seisez5egosessdse60gosdEe60/858O5go63e60050iCM gcvoCMoeieoe LeRoego/Leoe60R0eESJe go/eeoe60/eeoe5ooeoe gecoeoecoe760图表7:宏观事件因子择时策略逐年收益
0.
80.
60.
40.20-
0.2-
0.4择时策略创业等比例基准■■,超额收益（等比例基准）50来源:,基于动态宏观事件因子的创业板指数择时策略50创业板指数容易受到中国宏观、货币流动性等多因素的影响，具有很多不确定性，盲目投资往往会带来资金的重大损失，因此投资者应当具备建立中短期择时模型的能力，利用大盘的代表性来找到系统性的机会和规避系统性的风险为了探索中国宏观经济对创业板上市公司整体状况和走势的影响，我们选取创业板50指数作为研究对象，尝试从动态宏观事件因子的角度构建择时策略框架
2.1宏观数据的选用在构建动态事件驱动策略框架的过程中，我们首先需要确定使用什么数据去搭建什么事件因子，即去寻找与资产收益率相关的宏观数据，并构建能够刻画它们与资产关系的事件因子在数据方面，通过选取，我们将经济、通胀、货币和信用四大类的30余个因子，包括PMI、PPI、Ml等数据，纳入测试的范围当中图表8:经济、通胀、货币和信用类指标数据分类指标名称频率数据发布时间制造业PMI月当月月末制造业PM1:MA12月当月月末制造业PMI:新订单月当月月末制造业PMI:新订单:MA12月当月月末制造业PMI:新出口订单月当月月末工业增加值当月同比月次月月中经济产量:发电量当月值:MA3月次月月中产量:发电量当月值:MA3:环比月次月月中产量:发电量:当月值:MA3:同比月次月月中消费者信心指数月次月月末国债利差10Y-1M日当日收盘国债利差10Y-3M日当日收盘PPI同比月次月月中通胀PPI同比:差值月次月月中剪刀差月次月月中PPI CPI-PMI:原材料价格月当月月末PMI:原材料价格:MA12月当月月末PMI:生产动能月当月月末PMI:生产动能:MA12月当月月末中美国债利差10Y日当日收盘中美实际利差10Y日当日收盘S1IIBOR:2周□当口收盘SHIBOR:1个月日当日收盘逆回购利率7天-银行间质押式回购加权利率:7天日当日收盘货币银行间质押式回购加权利率7天R当R收盘银行间质押式回购加权利率7天:MA20日当日收盘Ml:同比月次月月中中美M2:同比月次月月中Ml-M2剪刀差月次月月中新增社融:滚动12个月求和月次月月中新增社融:滚动12个月求和同比月次月月中信用金融机构中长期贷款余额:当月新增:滚动12M求和月次月月中金融机构中长期贷款余额:当月新增:滚动12M求和:环比月次月月中金融机构中长期贷款余额当月新增:滚动12M求和同比月次月月中来源挑选好数据后，需要对数据进行预处理操作后才可以进入事件因子的构建阶段，具体流程如图表9所示，我们将在后文对每个步骤进行详细的阐述图表9:事件因子构建流程图滤波处理衍生因子（2类）数据和咬产相I生谈方后期.生成事件因子.事件因子事件若无符合因子I确定事件评价的流关性确定■的”钿岬■（36种）■初步备选事件，空仓动窗口选定每期的事件因子来源
2.2宏观数据的预处理对于数据的预处理方面，我们分成了4个小步骤1）对齐数据频率将指标的频率统一成月频，对于日频数据可以取每月的最后一个交易日的数据作为当月的数据，或者是取月内日频数据的均值作为当月的数据2）填充数据缺失值对于缺失的数据，取数据过去12个月指标的一阶差分值的中位数叠加上一期的数值进行填充Xt=X.1+Media ndiffl23）滤波处理这个步骤需要结合数据判断，以防将数据中的重要信息过滤掉我们尝试用量化的形式，通过同时构建数据的2种处理方式的因子，最终筛选出更适合该指标的处理方式a）不做处理的原始数据；b）做滤波处理的数据；在滤波处理方面，选择使用单向HP滤波，避免数据处理过程中隐含的未来函数0I=23乎,s,Q Ys=%⑷•%5=14）变化数据结构衍生因子为了使数据更能捕捉资产收益率变动方向，我们对不同的数据使用不同的数据格式，包括数据的同比、环比、移动平均等
2.3宏观事件因子构建数据预处理后，进入宏观事件因子构建阶段，我们将构建过程拆解成7个小步骤确定事件的突破方向计算数据与资产标的下一期收益率的相关性，当相关性为正相关时，1）对该数据构建正向突破（变动）的事件，反之则构建反向突破（变动）的事件确定数据与资产的领先滞后性:对数据衍生出滞后期的事件因子，通过筛选因子的指标衡2）0-4量什么时滞期数下的事件因子更为合适，动态识别数据与资产目前的领先滞后关系3）生成事件因子构建三类事件因子数据突破数据均线，数据突破数据中位数以及数据的同向变化，对因子事件赋予不同的参数，共构建28个不同的因子事件图表10:事件因子的构建因子事件参数数据突破数据均线均线长度2-12数据突破数据中位数滚动窗口2-12数据同向变动同向变动期数「5来源生成事件因子后，就可以进入对事件因子的评价和筛选阶段，但首先需要确定下用什么衡量指标在图表11中，我们列出了2种不同的衡量指标收益率胜率和开仓波动调整收益率其中收益率胜率不仅考虑了事件因子的开仓成功率，还包含了盈亏比的信息；开仓波动调整收益率综合考虑了指标成功率，收益率和波动率的信息结合指标的不同特点，我们选取收益率胜率作为每期事件因子的筛选指标，开仓波动调整收益率作为后续确定数据滚动时间窗口的指标事件因子衡量指标指标构建指标优劣势收益率胜率除了成功率，还包含盈亏比的信息综合考虑指标成功率，收益率和波动率的信息，且,N为总开仓次数开仓波动调整收益率重点关注开仓阶段的信息，但是要求数据量大些图表11:各类衡量指标介绍来源4）因子事件初筛选:每期生成因子的初步筛选为a）满足t检验，能在95%的置信区间内拒绝N为总开仓次数事件信号发出之后，下一期资产收益为0的原假设；b）事件收益率胜率＞55%;c）该事件的发生次数＞滚动窗口的时间期数/65）叠加事件因子:选择收益率胜率最高的事件因子作为当期的基础事件因子从剩余通过初筛选的事件因子中，选出与基础事件因子低于
0.85的次高收益率胜率事件因子，将其与基础事N-1^件因子进行叠加若叠加因子事件的胜率高于基础因子事件，则选用叠加事件作为当期的事件因子，反之则仅用最高胜率事件作为当期的事件因子6）若经历了步骤4和5,当期没有能通过筛选的事件因子，则本期该宏观指标标记为空仓，且当期不加入其归属的大类因子打分当中，本质上这步实现了动态剔除低胜率的事件因子7）确定评判事件的最优滚动窗口在通过前6个步骤计算之后，我们可以获得该宏观数据每期动态选出的事件因子，并且基于每期事件因子给出的择时信号，获得该宏观数据的历史净值表现然后我们对样本内时间段（2014年5月-2020年12月）的数据计算开仓波动调整收益率寻找对于不同宏观数据最合适的滚动时间窗口对于滚动时间窗口的参数，我们测试了48,60,72,84,96个月时间维度每个宏观数据都通过对比不同时间窗口的开仓波动调整收益率来选出最优参数最后我们通过计算样本内时间段（2014年5月-2020年12月）30余个宏观数据构建的事件因子的开仓波动调整收益率，挑选出了样本内表现较好的11个因子，我们将其列在了图表12当中，并且说明了每个数据的数据格式、数据处理方法和对应的滚动窗口期我们将这11个因子分成了两大类:经济增长和货币流动性经济增长包含经济、通胀和信用,三者都是不同维度描述经济的运行情况；另外将货币类的指标单独划分成一类，用来刻画市场的流动性图表12:最终筛选的宏观因子因子分类因子名称数据处理方法滚动窗口制造业PMI:新出口订单原始数据60国债利差10Y-1M原始数据60经济增长产量:发电量当月值:MA3:同比原始数据72金融机构中长期贷款余额当月新增:滚动12M求和同比HP72新增社融:滚动12个月求和原始数据84Ml-M2剪刀差HP48Shibor:1个月原始数据72Shibor:2周HP60货币流动性48中美国债利差10Y HP48银行间质押式回购加权利率7天原始数据60逆回购利率7天-银行间质押式回购加权利率:7天HP来源，
2.4择时策略构建在选定了最终使用的宏观指标之后，我们使用这些宏观数据构建的宏观事件因子来搭建择时策略我们定义当大类因子内部的细分因子不少于2/3的因子发出看多信号，则当期该大类因子的信号标记为1;当大类因子内部的细分因子少于1/3的因子发出看多信号时•，则当期大类因子信号标记为0；若当大类因子内部的细分因子发出看多信号的比例处于两个区间之后，则大类因子标记为对应具体的比例最后我们将两个大类因子的得分取平均值，合成最终当期的择时仓位信号图表13:择时策略仓位确定流程图pct22/3pctm[1/3,2/3pct1/3来源
三、可投资标的介绍交银创业板指数50A
007464.0F交银创业板50指数A
007464.OF是创业板50指数择时策略的一个可投资标的，基金采用指数化投资策略，紧密跟踪创业板50指数，追求跟踪偏离度与跟踪误差最小化
3.1基金简介交银施罗德创业板50指数型证券投资基金成立于2019年11月20日，目前由交银施罗德基金的基金经理邵文婷管理现任基金经理任职以来，基金份额稳步增长，2022年基金份额趋于稳定，截至2023年末，该基金总管理规模达到
28.53亿元图表14:交银创业板50指数基本资料基金简称交银创业板指数50A基金全称交银施罗德创业板50指数型证券投资基金基金代码
007464.0F比较基准创业板50指数收益率*95%+人民币银行活期存款利率税后钻%成立日期2019-11-20运作方式契约型开放式本基金采用指数化投资策略，紧密跟踪创业板50指数，追求跟踪偏离度与投资目标跟踪误差最小化基金投资类型被动指数型股票基金基金管理人交银施罗德基金管理有限公司基金经理邵文婷管理费率
0.50*
0.15%来源，
3.2基金经理介绍基金经理邵文婷，2016年加入交银施罗德基金管理有限公司，曾任量化投资部研究员、投资经理，现任量化投资部基金经理目前邵文婷共管理9只基金，以被动指数型基金为主，还管理了QDII基金及混合债券型二级基金，目前总管理规模为
135.16亿元剔除ETF联接基金图表15:基金经理邵文婷在管基金一览代码名称开始任职日期基金类型基金规模
007464.0F交银创业板50指数A2021-04-30被动指数型
28.
53159913.OF交银深证300价值ETF2021-04-30被动指数型
0.
50164905.OF交银国证新能源指数LOF A2021-04-30被动指数型
3.
69164906.OF交银中证海外中国互联网指数QDH-LOF2021-04-30QDTI
98.
23164908.OF交银中证环境治理指数LOFA2021-04-30被动指数型
1.
64510010.OF交银上证180公司治理ETF2021-04-30被动指数型
2.
18519686.OF交银上证180公司治理ETF联接2021-04-30被动指数型
2.
20519706.OF交银深证300价值ETF联接2021-04-30被动指数型
0.
51519730.OF交银定期支付月月丰债券A2022-11-30混合债券型二级
0.39来源iFinD,注管理规模数据截至
2023.
12.31
四、风险提示
1、以上结果通过历史数据统计、建模和测算完成，历史规律未来可能存在失效的风险;
2、各类事件因子可能会受到政策、市场环境发生变化的影响，出现阶段性失效的风险;
3、市场可能出现超出模型预期的变化，导致策略出现超出模型估计的波动和回撤。
个人认证
优秀文档
获得点赞 0
