★策略构建思路
　　本篇报告系统构建了时序择时策略的因子化框架，初步构建的股指择时因子库包括期货量价因子、标的指数技术指标、成分股技术指标构成的扩散指标、成分股基本面指标构成的扩散指标、市场风格和资金面指标，分别测试了单因子等权配置、OLS多因子模型、Xgboost模型的效果，经过特征选择和调参处理三种方法均在样本内外取得了较稳健的表现。单因子等权配置的关键是需要在样本内筛选出相关性较低的单因子并在样本外等权配置，相当于手动组合了多个相关性较低的弱学习器；OLS多因子模型的关键是样本内的特征选择，本篇报告尝试使用递归特征消除法，该方法在日频、周频、月频收益率的预测上均取得了比较稳健的表现；Xgboost模型的关键则是特征和超参的选择，本篇报告对此处的特征选择方法未做太多的尝试，主要对超参进行了调整，在不同指数收益率的预测上最优超参数的取值范围有一定的相近之处。
　　★策略回测结果
　　单因子等权：等权配置训练集上夏普大于0.8、相关性小于0.2的因子，全样本四个指数平均夏普为1.55，但样本外平均夏普骤降至0.27；倘若等权配置训练集上夏普大于0、相关性小于0.2的因子，从全样本到样本外，平均夏普只从1.01下降至0.69。
　　多因子模型：日频预测下，多因子模型整体得到了较好的回测结果和较稳定的样本外表现。OLS多因子模型在上证50、沪深300、中证500、中证1000上全样本回测夏普分别为0.46、0.73、0.89、1.00，年化收益分别为8.9%、14.0%、19.0%、23.5%，日度胜率分别为51.7%、52.1%、53.8%、52.0%，平均持仓周期在2周左右；Xgboost模型在上证50、沪深300、中证500、中证1000上全样本回测夏普分别为0.65、0.54、0.89、0.88，年化收益分别为12.3%、10.3%、19.1%、21.0%，日度胜率分别为51.7%、52.1%、53.8%、52.0%，平均持仓周期在1周左右。