量化模型与构建方式 1. 超跌反弹信号模型 - 模型名称：超跌反弹信号 - 模型构建思路：通过识别市场中超跌的股票，捕捉其反弹机会 - 模型具体构建过程： - 选择样本内的股票数据（2017年至2024年） - 计算股票的超跌幅度，定义超跌反弹信号 - 统计超跌反弹信号出现后的持有表现，包括后5日和后10日的平均收益率、胜率和盈亏比等指标 - 模型评价：该模型在识别超跌反弹机会方面表现较好，具有较高的胜率和盈亏比[13][14] 2. 平台突破信号模型 - 模型名称：平台突破信号 - 模型构建思路：通过识别股票价格突破平台的信号，捕捉其上涨机会 - 模型具体构建过程： - 选择样本内的股票数据（2017年至2024年） - 识别股票价格突破平台的信号 - 统计平台突破信号出现后的持有表现，包括后5日和后10日的平均收益率、胜率和盈亏比等指标 - 模型评价：该模型在识别平台突破机会方面表现较好，具有较高的胜率和盈亏比[14] 模型的回测效果 1. 超跌反弹信号模型 - 后5日平均收益率：4.56% - 持有5日胜率：71% - 盈亏比：1.87 - 后10日平均收益率：7.22% - 持有10日胜率：62% - 盈亏比：1.66 - 平均持有交易日：5.2 - 平均持有收益：6.30% - 胜率：76% - 盈亏比：2.3[13] 2. 平台突破信号模型 - 后5日平均收益率：3.30% - 持有5日胜率：62% - 盈亏比：1.45 - 后10日平均收益率：5.10% - 持有10日胜率：61% - 盈亏比：1.70 - 平均持有交易日：9 - 平均持有收益：6.77% - 胜率：60% - 盈亏比：2.15[14] 量化因子与构建方式 1. 流通股本收益率因子 - 因子名称：流通股本收益率 - 因子的构建思路：通过衡量各行业板块的流通股本收益率，分析投资者的平均赚钱效应 - 因子具体构建过程： - 计算各行业板块的流通股本收益率 - 统计各行业板块的历史分位水平 - 分析当前各行业板块的赚钱效应 - 因子评价：该因子能够有效反映各行业板块的投资者赚钱效应，具有较高的参考价值[10][12] 因子的回测效果 1. 流通股本收益率因子 - 银行板块的赚钱效应：处于历史72%分位水平，获利比率在所有行业中最高[10][12]