★主要内容
　　前序报告我们构建了国债期货中高频因子框架，建立了包括基差利差因子、趋势强度因子、高频资金流因子、高频量价特征因子在内的核心国债期货择时多因子，此外早期报告也构建了深度学习算法因子。基差因子对于国债期货择时与套保交易都是至关重要的，而此前基于简单原始方法的基差因子构建存在一些问题影响基差指标信息的准确性，例如基差季节性规律影响基差时序可比性，CTD切换给基差带来跳变影响基差连续性，我们将在本文优化基差指标计算方法解决这些问题，此外我们将进一步丰富基差相关衍生指标对活跃券整体基差趋势以及跨期基差等维度进行挖掘。细化的基差因子在不同品种上均取得较佳优化效果，进一步强化了国债期货多因子择时策略的稳健性。
　　我们基于滚动窗口因子筛选与合成框架统计样本外拼接净值结果。基差因子方面，不同期债品种多空策略均表现较佳，加入细化的基差指标对十年期国债期货基差因子整体表现提升较为显著，对其他品种择时亦有正向作用。基差因子综合效果方面，T年化收益率3.4%，年化波动率2.0%，夏普率1.68；TF年化收益率4.3%，年化波动率2.1%，夏普率2.04；TS年化收益率3.5%，年化波动率2.1%，夏普率1.64。多因子策略表现方面，T多因子年化收益率3.7%，年化波动率1.9%，夏普率1.97；TF多因子年化收益率4.0%，年化波动率2.0%，夏普率1.94；TS多因子年化收益率3.6%，年化波动率2.0%，夏普率1.79。分类因子表现方面，T高频量价因子（夏普1.99）与趋势强度因子（夏普1.88）表现最佳；TF趋势强度因子（夏普2.36）表现最佳，高频资金流因子（夏普2.04）与基差因子（夏普2.04）表现其次；TS高频量价因子（夏普2.02）与趋势强度因子（夏普1.82）表现最佳。
　　★风险提示
　　量化模型有效性基于历史数据得出，不排除失效的可能。