量化模型与构建方式 1. 模型名称：TWOBETA模型 - 模型构建思路：通过双Beta因子模型，捕捉科技板块的超额收益机会，结合行业景气度和市场趋势进行推荐[2][3][9] - 模型具体构建过程： - 该模型基于Beta因子分解，将市场Beta和行业Beta分别计算并结合，形成双Beta因子 - 通过对科技板块的历史表现和当前市场环境的分析，模型在12月继续推荐科技板块，具体包括消费电子和机器人领域[2][3][9] - 模型评价：模型能够较好地结合市场趋势和行业景气度，提供针对性较强的行业配置建议[2][3][9] 2. 模型名称：行业配置模型 - 模型构建思路：基于困境反转逻辑，结合行业估值和景气度，推荐具有反弹潜力的行业[2][3][9] - 模型具体构建过程： - 通过对行业估值水平和景气度的分析，筛选出困境反转型板块 - 当前推荐消费、新能源等相关行业，同时结合市场趋势，建议关注消费电子和机器人领域[2][3][9] - 模型评价：模型能够较好地捕捉困境反转型行业的投资机会，具有一定的前瞻性[2][3][9] 3. 模型名称：仓位管理模型 - 模型构建思路：结合市场估值水平和趋势信号，动态调整仓位建议[3][10] - 模型具体构建过程： - 以Wind全A指数为股票配置主体，结合估值指标（PE和PB）和趋势信号，动态调整仓位 - 当前建议仓位为80%，以应对市场震荡格局[3][10] - 模型评价：模型能够根据市场环境的变化提供灵活的仓位建议，适合绝对收益产品的配置需求[3][10] --- 模型的回测效果 1. TWOBETA模型 - 推荐行业：科技板块（消费电子、机器人）[2][3][9] 2. 行业配置模型 - 推荐行业：消费、新能源等相关行业，消费电子、机器人[2][3][9] 3. 仓位管理模型 - 仓位建议：80%[3][10] --- 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：通过短期均线和长期均线的距离，判断市场趋势和震荡格局[2][9][14] - 因子具体构建过程： - 定义短期均线为20日均线，长期均线为120日均线 - 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}} $ - 当前20日均线为5141，120日均线为4612.7，均线距离为11.45%，绝对距离大于3%[2][9][14] - 因子评价：因子能够较好地反映市场的趋势状态，但在震荡市中信号可能不够明确[2][9][14] --- 因子的回测效果 1. 均线距离因子 - 当前均线距离：11.45%[2][9][14] - 绝对距离：大于3%[2][9][14]