量化模型与构建方式 1. 模型名称：沪深300上涨家数占比情绪指标 - 模型构建思路：通过计算沪深300指数成分股的近期正收益个数来判断市场情绪[30] - 模型具体构建过程： 1. 计算沪深300指数N日上涨家数占比 = 沪深300指数成分股过去N日收益大于0的个股数占比 2. 对指标进行两次不同窗口期的平滑，分别称之为慢线和快线，其中N1>N2 3. 当快线>慢线时，看多沪深300指数[30][32][33] - 模型评价：该指标可以较快捕捉上涨机会，但在对下跌市场的判断存在缺陷，难以有效规避下跌风险[30] 2. 模型名称：均线情绪指标 - 模型构建思路：通过八均线体系的使用方式，以指标区间对标的指数的趋势状态进行判断[36] - 模型具体构建过程： 1. 计算沪深300收盘价八均线数值，均线参数为8，13，21，34，55，89，144，233 2. 将八均线区间值处于1/2/3时对八均线指标值赋值为-1，处于4/5/6时赋值为0，处于7/8/9时赋值为1 3. 当前价格大于八均线指标值的数量超过5时，看多沪深300指数[36][38][39] - 模型评价：通过这种划分，指标值状态与沪深300的涨跌变化规律更加清晰[36] 模型的回测效果 1. 沪深300上涨家数占比情绪指标 - 情绪景气区间：沪深300策略净值0.8-1.0[35] 2. 均线情绪指标 - 沪深300指数净值：1.0-1.6[38] 量化因子与构建方式 1. 因子名称：横截面波动率 - 因子的构建思路：通过计算指数成分股的横截面波动率来判断短期Alpha环境[40] - 因子具体构建过程： 1. 计算沪深300、中证500、中证1000指数成分股的横截面波动率 2. 统计近两年、近一年、近半年、近一季度的平均值及其分位点[42][43] - 因子评价：横截面波动率下行，短期Alpha环境环比上周变差[40] 2. 因子名称：时间序列波动率 - 因子的构建思路：通过计算指数成分股的时间序列波动率来判断短期Alpha环境[41] - 因子具体构建过程： 1. 计算沪深300、中证500、中证1000指数成分股的时间序列波动率 2. 统计近两年、近一年、近半年、近一季度的平均值及其分位点[45][47] - 因子评价：时间序列波动率下行，短期Alpha环境环比上周变差[41] 因子的回测效果 1. 横截面波动率 - 沪深300横截面波动率：近一季度平均值1.76%，近一季度平均值占近两年分位37.40%[42] - 中证500横截面波动率：近一季度平均值1.87%，近一季度平均值占近两年分位30.95%[42] - 中证1000横截面波动率：近一季度平均值2.02%，近一季度平均值占近两年分位52.19%[42] 2. 时间序列波动率 - 沪深300时间序列波动率：近一季度平均值0.54%，近一季度平均值占近两年分位39.05%[45] - 中证500时间序列波动率：近一季度平均值0.41%，近一季度平均值占近两年分位42.86%[45] - 中证1000时间序列波动率：近一季度平均值0.24%，近一季度平均值占近两年分位54.58%[45]