量化模型与构建方式 动量分解模型 1. 模型名称：动量分解模型 2. 模型构建思路：将标准动量按该时期的最高价进行拆分，分解为HTP和PTH两部分[8] 3. 模型具体构建过程： - 将标准动量按该时期的最高价进行拆分，公式如下： $HTP = \ln \left( \frac{h_t}{h_0} \right)$ $PTH = \ln \left( \frac{1}{h_t} \right)$ 其中，$h_t$表示该时期的最高价，$h_0$表示初始价格[8] 4. 模型评价：基于HTP的多空策略由于没有将市场低迷期的极端亏损股票分配到其空头头寸，避免了崩盘。与标准动量策略相比，基于HTP的多空收益具有更高的夏普比率，呈正偏态，且不依赖于市场状态[8] 小波分解模型 1. 模型名称：小波分解模型 2. 模型构建思路：利用小波分解技术，将波动率分解为不同频率的成分，研究技术指标和宏观经济预测指标在预测波动率时的不同频率特性[9] 3. 模型具体构建过程： - 使用小波分解技术，将已实现波动率（RV）分解为不同频率的成分 - 研究技术指标和宏观经济预测指标在不同频率下对RV的预测表现 - 组合来自不同频率成分的信息以提高预测的准确性 - 采用经济动机约束的组合预测方法[9] 4. 模型评价：技术指标捕获了RV的短期信息，宏观经济预测指标捕获了长期信息，两者具有互补性。组合预测表现优于单一预测方法[9] 分析师一致预期目标价离散度模型 1. 模型名称：分析师一致预期目标价离散度模型 2. 模型构建思路：研究一致预期目标价的离散度如何影响一致预期目前价对未来收益的预测[11] 3. 模型具体构建过程： - 分析一致预期目标价的离散度 - 研究离散度较低和较高情况下，一致预期目标价的预测收益率与实际收益率的关系 - 进一步分析离散度不同的影响来源，特别是部分分析师在坏消息传出后的滞后调整[11] 4. 模型评价：离散度较低时，一致预期目标价的预测收益率与实际收益率呈正相关；离散度较高时，两者负相关。高离散度股票中，一致预期目标价预测收益与实际收益负相关的关系主要存在于散户关注度高的股票中[11] 模型的回测效果 1. 动量分解模型： - 84%的动量收益归因于HTP，PTH仅占16%[8] - 基于HTP的多空策略具有更高的夏普比率，呈正偏态，且不依赖于市场状态[8] 2. 小波分解模型： - 组合预测表现优于单一预测方法[9] 3. 分析师一致预期目标价离散度模型： - 持有离散度最低（最高）的股票的多头（空头）对冲策略年收益率超过11%[11]