创业板50择时跟踪：7月维持创业板50高仓位

敬请参阅最后一页特别声明为–29.35％，夏普比率为0.80，收益回撤比为0.49，在各个维度上表现均优于基准。准出现回撤阶段时，该策略能够有效控制下行风险。基于动态宏观事件因子的创业板50指数择时策略了11个对创业板50指数择时效果较好的宏观因子搭建择时策略。建议关注标的介绍：交银创业板50指数A（007464.OF）20日，为被动指数基金，管理规模为28.53亿元，由交银施罗德基金的基金经理邵文婷管理。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；4、基金相关信息及数据仅作为基金研究使用，不作为募集材料或者宣传材料；5、本文涉及所有基金历史业绩均不代表未来表现。 月度择时观点及策略表现100％）。的择时仓位信号。风险提示 敬请参阅最后一页特别声明内容目录一、月度择时观点及策略表现......................................................................3二、基于动态宏观事件因子的创业板50指数择时策略.................................................52.1宏观数据的选用..........................................................................52.2宏观数据的预处理........................................................................62.3宏观事件因子构建........................................................................72.4择时策略构建............................................................................8三、建议关注标的介绍：交银创业板50指数A（007464.OF）..........................................93.1基金简介................................................................................93.2基金经理介绍............................................................................9四、风险提示....................................................................................9图表目录图表1：宏观择时模块最新观点（截至6月30日）..................................................3图表2：宏观事件因子择时策略表现...............................................................3图表3：各细分因子信号展示.....................................................................3图表4：宏观事件因子择时策略仓位...............................................................4图表5：策略净值走势...........................................................................4图表6：宏观事件因子择时策略表现...............................................................4图表7：宏观事件因子择时策略逐年收益...........................................................5图表8：经济、通胀、货币和信用类指标...........................................................5图表9：事件因子构建流程图.....................................................................6图表10：事件因子的构建........................................................................7图表11：各类衡量指标介绍......................................................................7图表12：最终筛选的宏观因子....................................................................8图表13：择时策略仓位确定流程图................................................................8图表14：交银创业板50指数基本资料.............................................................9图表15：基金经理邵文婷在管基金一览............................................................9 敬请参阅最后一页特别声明一、月度择时观点及策略表现根据国金金融工程团队发布的《量化掘基系列之四：量化择时把握创业板50指数投资机会》，我们构建了基于动态宏观事件因子的创业板50指数择时策略。对于创业板50指数，策略给出7月份仓位建议为100%，相较6月份仓位建议的100％维持不变。拆分来看，模型对于7月份经济增长信号强度为100％（上月为100％）；货币流动性层面信号强度为100％（前值为100％）。从细分指标来看，经济增长因子内部本次共有3个指标参与打分（制造业PMI:新出口订单、国债利差10Y–1M、新增社融：滚动12个月求和），其中2个指标发出看多信号（国债利差、新增社融），合成经济增长大类因子信号为67％；货币流动性因子内部本次共有1个指标参与打分（银行间质押式回购加权利率:7天），合成货币流动性大类因子信号为100％。因此当期仓位继续维持100%，维持对创业板50的积极看多。我们选取策略的回测时间段为2014年5月1日至2025年6月30日，并设定手续费为单边万分之3。图表4展示了在回测时间段根据大类因子信号获得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仅有约44.35％。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44.35％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。6月份配置模型月涨跌幅为9.49％，指数涨跌幅的9.49％，但高于等比例基准涨跌幅的4.14％。同时，从历史表现方面来看，从2014年5月1日至2025年6月30日，策略年化收益率为14.41％，年化波动率为17.97％，最大回撤为–29.35％，夏普比率为0.80，收益回撤比为0.49，在各个维度上表现均优于基准。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6月30日）当前信号100%100%100%看涨图表2：宏观事件因子择时策略表现择时策略-2.94%20.36%0.21%1.57%-1.78%-1.81%2.55%-1.14%-3.93%1.64%9.49%图表3：各细分因子信号展示细分因子2025/2/282025/3/31 2025/4/30 2025/5/31 2025/6/30 2025/7/31制造业PMI:新出口订单1国债利差10Y-1M0产量:发电量:当月值:MA3:同比N/A 上月信号100%100%100%看涨创业板50等比例基准-5.87%-2.57%40.73%17.79%0.41%0.18%3.14%1.37%-3.57%-1.56%-3.63%-1.59%3.83%1.67%-3.42%-1.50%-7.86%-3.43%3.28%1.43%9.49%4.14%1110001011N/AN/AN/AN/AN/A 敬请参阅最后一页特别声明来源：Wind，国金证券研究所创业50等比例基准 来源：Wind，国金证券研究所 敬请参阅最后一页特别声明二、基于动态宏观事件因子的创业板50指数择时策略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、M1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经济制造业PMI制造业PMI:MA12制造业PMI:新订单制造业PMI:新订单:MA12制造业PMI:新出口订单工业增加值:当月同比产量:发电量:当月值:MA3产量:发电量:当月值:MA3:环比产量:发电量:当月值:MA3:同比消费者信心指数国债利差10Y-1M国债利差10Y-3M通胀PPI:同比PPI:同比:差值PPI-CPI剪刀差PMI:原材料价格 频率数据发布时间月当月月末月当月月末月当月月末月当月月末月当月月末月次月月中月次月月中月次月月中月次月月中月次月月末日当日收盘日当日收盘月次月月中月次月月中月次月月中月当月月末 敬请参阅最后一页特别声明挑选好数据后，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 敬请参阅最后一页特别声明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=𝑋𝑡−1+𝑀𝑒𝑑𝑖𝑎𝑛𝑑𝑖𝑓𝑓123）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。𝜏̂𝑡|𝑡,𝜆=∑𝜔𝑡|𝑡,𝑠,𝜆𝑡𝑠=1.𝑦𝑠=𝑊𝑡|𝑡,𝜆(𝐿).𝑦𝑡4）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，