量化模型与构建方式 1. 模型名称：首次阈值法（左侧交易） - 模型构建思路：通过扩散指数的阈值设定，判断市场情绪并进行仓位调整[67] - 模型具体构建过程： 1. 定义扩散指数为万得微盘股指数成分股过去20个交易日处于上涨状态的比例[66] 2. 当扩散指数高于0.9时，触发空仓信号；当低于0.1时，触发满仓信号；其余时间根据上一期信号填充[67] 3. 必须在满仓后才能空仓，空仓后才能满仓[67] - 模型评价： - 样本内表现未能跑赢微盘股指数，但回撤相对可控 - 样本外表现较差，未能识别2024年大熊市，且在2024年9月大牛市中过早退出，错失后续收益[67] 2. 模型名称：延迟阈值法（右侧交易） - 模型构建思路：通过延迟触发阈值信号，优化首次阈值法的不足[69] - 模型具体构建过程： 1. 当扩散指数上一日高于0.9且今日跌破0.9时，触发空仓信号；当上一日低于0.1且今日突破0.1时，触发满仓信号[69] 2. 其余时间根据上一期信号填充[69] - 模型评价： - 样本内表现未能跑赢微盘股指数，但回撤相对可控 - 样本外表现较好，避免了过早退出2024年9月大牛市，保留了上涨收益，策略净值近期创下新高[69] 3. 模型名称：双均线法（自适应交易） - 模型构建思路：通过短期和长期均线的交叉信号，解决阈值法对固定阈值的依赖，并从反转策略转为趋势动量策略[72] - 模型具体构建过程： 1. 定义短期均线为扩散指数的10日移动平均（MA），长期均线为20日移动平均[72] 2. 当短期均线站上长期均线时，触发满仓信号；反之触发空仓信号[72] - 模型评价： - 样本内表现未能跑赢微盘股指数，但回撤控制较好 - 样本外表现令人满意，在2024年大熊市中有效规避了大幅下跌，同时在2024年9月大牛市中保留了上涨收益[72] --- 模型的回测效果 1. 首次阈值法 - 样本内表现：未跑赢微盘股指数，回撤可控[67] - 样本外表现：未识别2024年大熊市，错失2024年9月大牛市后续收益[67] 2. 延迟阈值法 - 样本内表现：未跑赢微盘股指数，回撤可控[69] - 样本外表现：避免过早退出2024年9月大牛市，策略净值近期创下新高[69] 3. 双均线法 - 样本内表现：未跑赢微盘股指数，回撤控制较好[72] - 样本外表现：规避2024年大熊市大幅下跌，保留2024年9月大牛市收益[72]