量化模型与构建方式 1. 模型名称：全天候择时模型 - 模型构建思路：通过高频温度计和连续信号的结合，捕捉市场的看多信号，辅助投资者进行择时决策[2][10] - 模型具体构建过程： 1. 高频温度计：用于衡量市场的短期情绪和波动性，当前温度计显示较低水平，表明市场情绪偏冷[10] 2. 连续信号：模型在近期连续发出三次看多信号，结合市场缩量和探底回升的表现，进一步增强了信号的可信度[10] - 模型评价：模型信号的连续性和高频温度计的低值共同提升了对市场偏多信号的信心和预期[10] 2. 模型名称：四轮驱动行业轮动模型 - 模型构建思路：通过均衡配置的方式，动态调整行业权重，捕捉板块轮动机会[2][10] - 模型具体构建过程： 1. 行业排序：根据行业的Sharpe比率和信号类型，筛选出潜在机会行业[17] 2. 信号类型：包括“赚钱效应异动”“弱势行业反转”“低位含叉”等，结合信号日期和行业表现进行动态调整[17] 3. 配置建议：当前模型维持均衡配置，若市场出现放量上涨迹象，可增配新质生产力方向的相关板块[10] - 模型评价：模型通过多维度信号捕捉行业轮动机会，策略灵活且具有前瞻性[10][17] 模型的回测效果 1. 全天候择时模型 - 信号表现：近期连续发出三次看多信号，结合市场缩量和探底回升的表现，信号可信度较高[10] 2. 四轮驱动行业轮动模型 - 行业表现： - 演奏行业：近期Sharpe排序第2位，信号类型为“潜在机会”[17] - 有色含原行业：近期Sharpe排序第6位，信号类型为“潜在机会”[17] - 纺织服饰行业：近期Sharpe排序第16位，信号类型为“潜在机会”[17] - 其他行业信号类型和Sharpe排序详见图表[17] 量化因子与构建方式 本报告未涉及具体量化因子的构建内容 因子的回测效果 本报告未涉及具体量化因子的回测效果