量化：量化宽基指数择时怎么做？

固收专题报告/2026.03.03 证券研究报告 核心观点 ❖择时框架能否应用于股指？前期我们发布了海内外债券、商品的择时框架，为更好覆盖大类资产及组合构建，我们搭建万得全A、中证红利全收益、恒生科技、科创50、万得微盘、国证2000指数六大权益指数的择时模型，分别覆盖A股整体市场、红利、科技、小微盘等市场方向。 分析师孙彬彬SAC证书编号：S0160525020001sunbb@ctsec.com 分析师隋修平SAC证书编号：S0160525020003suixp@ctsec.com ❖需要注意的是，权益指数波动更大，相较于债券和商品其动量效应相对偏弱，往往趋势变化较快，模型“看错”的概率更高，即区间内部的回撤幅度更大，因此需要相对复杂度更高的模型，以及因子的进一步优化。 联系人付耕阳fugy@ctsec.com ❖基本面因子频率较低，同时近年来权益市场的交易与基本面逐步脱钩，为更好捕捉拐点的出现，我们在因子方面大幅减少基本面因子，聚焦于主要由量价因子和技术指标构成的模型。 相关报告 1.《2月机构行为，“钱多”体现在哪些方面？》2026-03-032.《转债|美伊冲突，哪些转债值得关注？》2026-03-023.《转债｜3月，转债波动中做结构》2026-03-02 ❖因子的具体调整，首先是进一步减少低频因子数量。第二是丰富高频因子。对于债券和商品，因子的扩充更多是简单增加高频技术指标数量，对于构建技术指标的参数没有进行细化。对于宽基指数等高波动资产，选择不同参数的技术指标可以使模型学习到更多信息。 ❖模型结构上，对于类别平衡机制、隐藏层和隐藏单元维度以及相应的窗口长度、正则化系数、学习率也做了相应调整。 指数择时结果：自2023年6月至今的样本外区间，万得全A择时模型共形成23个正确区间，9个错误区间，区间胜率71.88%。中证红利全收益择时模型共形成22个正确区间，4个错误区间，区间胜率84.62%。恒生科技择时模型共形成23个正确区间，6个错误区间，区间胜率79.31%。科创50择时模型共形成19个正确区间，4个错误区间，区间胜率82.61%。万得微盘指数择时模型共形成21个正确区间，5个错误区间，区间胜率80.77%。国证2000指数择时模型共形成20个正确区间，8个错误区间，区间胜率71.43%。 ❖总体来看，30年国债的区间胜率（87.50%）比宽基指数更高一些，主要原因是债券有明显的动量效应，波动小于权益，区间稳定性和持续性更强。而权益指数虽然区间胜率相对不占优，但敏感性更高，单日信号的反转对于拐点的出现更具有指导意义。 ❖风险提示：模型失效风险；因子失效风险；数据质量风险 内容目录 1宽基指数择时怎么做？............................................................................................31.1择时框架能否应用于股指？...................................................................................31.2相比债券，股指模型的因子有何差别？...................................................................31.3模型结构有哪些调整？.........................................................................................42不同指数历史结果和最新表现如何？..........................................................................42.1万得全A指数....................................................................................................42.2中证红利全收益指数............................................................................................62.3恒生科技指数.....................................................................................................82.4科创50指数.....................................................................................................102.5万得微盘指数....................................................................................................122.6国证2000指数.................................................................................................142.7小结................................................................................................................163风险提示.............................................................................................................16 图表目录 图1：万得全A历史结果...........................................................................................5图2：万得全A近20交易日择时结果..........................................................................6图3：中证红利全收益历史结果..................................................................................7图4：中证红利全收益近20交易日择时结果.................................................................8图5：恒生科技历史结果............................................................................................9图6：恒生科技近20交易日择时结果.........................................................................10图7：科创50历史结果...........................................................................................11图8：科创50近20交易日择时结果..........................................................................12图9：万得微盘指数历史结果....................................................................................13图10：万得微盘指数近20交易日择时结果................................................................14图11：国证2000指数历史结果..............................................................................15图12：国证2000指数近20交易日择时结果.............................................................15 1宽基指数择时怎么做？ 1.1择时框架能否应用于股指？ 前期我们发布了海内外债券、商品的择时框架，为更好覆盖大类资产及组合构建，我们搭建万得全A、中证红利全收益、恒生科技、科创50、万得微盘、国证2000指数六大权益指数的择时模型，分别覆盖A股整体市场、红利、科技、小微盘等市场方向。 需要注意的是，权益指数波动更大，相较于债券和商品其动量效应相对偏弱，往往趋势变化较快，模型“看错”的概率更高，即区间内部的回撤幅度更大，因此需要相对复杂度更高的模型，以及因子的进一步优化。此外，指数的编制会天然压缩部分个股的噪声，因此可以构建类似的模型来捕捉指数的波段和趋势。 基本面因子频率较低，同时近年来权益市场的交易与基本面逐步脱钩，为更好捕捉拐点的出现，我们在因子方面大幅减少基本面因子，聚焦于主要由量价因子和技术指标构成的模型。 1.2相比债券，股指模型的因子有何差别？ 对于宽基指数择时，我们对于原始因子集的构建按照以下逻辑进行：首先构建所有指数通用的共性因子集，主要包括资金、利率、商品期货及现货价格、高频日度指数（如BDI等）、高频基本面（日度的消费及生产数据）、海外因子（美国股债价格、波动率等）以及描述国内权益市场的共性因子（如两融余额、股票回购金额），衡量当前资本市场的整体方向。然后构建每个指数有所区分的指数因子集，主要包含对应宽基指数自身的成交量、成交金额、市盈率、市净率、换手率、资金净买入；指数因子集的第二部分则由每个指数的技术指标构成，如随机指标、标准差、相对强弱指标、能量潮等等，通过这些因子衡量每个指数自身的高频量价和交易情绪，从而在资本市场整体基础上，进行每个宽基指数的择时。 因子的具体调整，首先是进一步减少低频因子数量。前期我们在构建2年国债及美债等高波动资产择时模型时，减少了低频因子的数量，主要源于高波资产的波段较短，价格的转向更多受资金、情绪等高频交易层面因素影响，低频因子如月频、季频因子对择时的指导意义不强，并且这些因子往往是滞后指标，如果数量过多对于当前资产价格的走势择时甚至可能产生负面影响。对于含权资产来说这种影响更为明显，因此我们选择性保留10-20个月频因子（主要由通胀、出口、金融数据等构成），剔除了其余的月频及更低频率的因子。 第二是丰富高频因子。对于债券和商品，因子的扩充更多是简单增加高频技术指标数量，对于构建技术指标的参数没有进行细化。对于宽基指数等高波动资产，选择不同参数的技术指标可以使模型学习到更多信息：不同区间长度的交易量和交易价格的走势，对于均线类或者动量类的技术指标，不同的参数设置也可以使模型学习到不同的市场环境下的历史走势。虽然部分技术指标可能存在一定的共线性，但是神经网络对共线性相对不敏感，此外我们所有对于因子的调整都是基于原始因子集，后续我们仍有通过SHAP值筛选因子的技术手段。未来可能的一 个丰富因子集的手段是通过个股更加丰富的数据，加权聚合得到行业数据。 1.3模型结构有哪些调整？ 首先是类别平衡机制。不同的指数走势差异较大，部分指数存在单边形态，如万得微盘指数单边上行形态较为明显；中证红利全收益虽然整体呈上行状态，但上行过程中的下行形态相对明显；恒生科技不存