前期我们搭建了黄金和原油的择时模型，是否可以进一步推广至更加广泛的大类资产？我们以铜和煤为例进行尝试。COMEX铜模型2019年2月至今样本外共形成72个正确区间，19个错误区间，区间胜率79.12%，模型最新输出观点为调整。焦煤模型2019年4月至今样本外共形成45个正确区间，9个错误区间，区间胜率83.33%，模型最新输出观点为调整。
　　对于铜择时模型的因子，除其他大类资产、期货多空、全球流动性等指标，还包括升贴水、中美、荷兰、韩国、德国等国家库存，以及其他电解铜、废铜、COMEX铜技术指标等相关因子。
　　对于焦煤择时模型的因子，包括中国进出口、部分港口吞吐量、全国产煤地煤炭价格、开工率、海外鹿特丹煤炭、焦煤技术指标等因子，也纳入了螺纹钢等其他黑色系商品的价格、开工率、产量等因子。
　　此外，我们单独开发5年国债择时模型，替代10年国债择时模型。5年期国债模型2023年7月至今的样本外区间，模型共形成21个正确区间，4个错误区间，区间胜率84%。一方面，由于短端过于拥挤，而且长端难以形成稳定预期，市场对中等期限券种的交易机会更加关注；另一方面，10年国债收益率波动越来越低，导致长端择时结果准确度降低，叠加10年国债变化方向与30年国债基本一致，未来可以直接参考30年国债择时模型结果。因此我们的择时体系删除10年国债，增加5年国债模型。
　　因子方面，主要的边际增量包括TF的技术指标，不同机构对1年以内、1-3年、3-5年、5-7年等细分期限国债的二级市场净买入情况。分布方面，原始因子257个，经差分等边际处理后共计394个因子，其中329个日频因子，11个周频因子，54个月频因子，经筛选后保留159个日频因子，10个周频因子，30个月频因子。
　　风险提示：模型失效风险；因子失效风险；数据质量风险