量化模型与构建方式 1. 模型名称：行业配置模型 - 模型构建思路：通过分析行业的困境反转特性以及市场趋势，结合估值水平和历史表现，推荐具有潜在超额收益的行业[3][9][12] - 模型具体构建过程： 1. 选取困境反转型板块作为重点关注对象 2. 结合估值指标（如PE、PB）和市场趋势信号，筛选出消费、新能源等相关行业 3. 进一步结合科技板块的特性，推荐消费电子、AI应用、机器人等细分领域[3][9][12] - 模型评价：模型能够结合市场趋势和估值水平，提供较为明确的行业配置方向，具有一定的前瞻性[3][9][12] 2. 模型名称：TWOBETA模型 - 模型构建思路：基于双贝塔因子的行业配置模型，重点推荐科技板块，挖掘具有高成长性和技术驱动的行业[3][9][12] - 模型具体构建过程： 1. 通过双贝塔因子分析行业的波动性和市场敏感性 2. 结合市场趋势和估值水平，筛选出科技板块中的消费电子、AI应用、机器人等细分领域 3. 根据模型输出，提供12月的行业配置建议[3][9][12] - 模型评价：模型能够较好地捕捉科技板块的成长性机会，适合在市场波动中寻找高弹性行业[3][9][12] --- 模型的回测效果 1. 行业配置模型 - 推荐行业：消费、新能源、消费电子、AI应用、机器人[3][9][12] 2. TWOBETA模型 - 推荐行业：科技板块（消费电子、AI应用、机器人）[3][9][12] --- 量化因子与构建方式 1. 因子名称：均线距离因子 - 因子的构建思路：通过分析短期均线与长期均线的距离，判断市场趋势和震荡格局[2][4][11] - 因子具体构建过程： 1. 计算Wind全A指数的短期均线（20日）和长期均线（120日） 2. 计算均线距离公式： $ 距离 = \frac{\text{短期均线值} - \text{长期均线值}}{\text{长期均线值}} \times 100% $ 其中，短期均线值为5186，长期均线值为4585[2][4][11] 3. 根据均线距离的变化趋势，判断市场是否处于震荡或反弹区间[2][4][11] - 因子评价：因子能够较好地反映市场趋势变化，但对短期波动的敏感性较高[2][4][11] --- 因子的回测效果 1. 均线距离因子 - 当前均线距离：13.1%（较上周的13.7%有所收窄）[2][4][11] - 绝对距离：大于3%[2][4][11]