量化模型与构建方式 1. 模型名称：三维择时框架 - 模型构建思路：通过分歧度、流动性和景气度三个维度来判断市场趋势，进而进行择时决策[7] - 模型具体构建过程： 1. 分歧度：衡量市场参与者对市场走势的分歧程度 2. 流动性：反映市场资金流动的宽松或紧张状态 3. 景气度：评估市场整体经济活动的活跃程度 根据这三个维度的变化趋势，判断市场是否处于阴跌状态，并建议保持半仓[7] 2. 模型名称：资金流共振策略 - 模型构建思路：通过监控融资融券和大单资金的净流入情况，选择两类资金都看好的行业进行投资[21][23] - 模型具体构建过程： 1. 融资融券资金因子：定义为Barra市值因子中性化后的融资净买入减去融券净买入，取最近50日均值后的两周环比变化率 2. 主动大单资金因子：定义为行业最近一年成交量时序中性化后的净流入排序，并取最近10日均值 3. 在主动大单因子的头部打分内剔除融资融券因子的极端多头行业，以提高策略稳定性[23] - 模型评价：该策略自2018年以来年化超额收益为13.5%，信息比率为1.7，回撤较小，表现稳定[23] 模型的回测效果 1. 三维择时框架： - 当前市场处于盘整状态下的下跌波段，价格接近阻力线，突破难度较大，建议谨慎[7] 2. 资金流共振策略： - 上周实现绝对收益4.2%，超额收益2.1%[23] 量化因子与构建方式 1. 因子名称：研发因子 - 因子构建思路：通过研发投入与销售收入、总资产、净资产的占比来衡量企业的研发强度[32] - 因子具体构建过程： 1. 研发销售收入占比：$tot\_rd\_ttm\_to\_sales = \frac{研发投入}{销售收入}$ 2. 研发总资产占比：$tot\_rd\_ttm\_to\_assets = \frac{研发投入}{总资产}$ 3. 研发净资产占比：$tot\_rd\_ttm\_to\_equity = \frac{研发投入}{净资产}$[32] - 因子评价：研发因子在近期表现较好，尤其是在中小市值股票中超额收益显著[32] 2. 因子名称：分析师一致预测因子 - 因子构建思路：通过分析师对目标价格的一致预测与当前价格的差异来衡量市场预期[32] - 因子具体构建过程： 1. 30天一致预期目标价格/收盘价-1：$target\_return\_30d = \frac{目标价格}{收盘价} - 1$ 2. 180天一致预期目标价格/收盘价-1：$target\_return\_180d = \frac{目标价格}{收盘价} - 1$[32] - 因子评价：分析师一致预测因子在大小市值股票中均表现较好，尤其是在小市值股票中超额收益更高[32] 因子的回测效果 1. 研发因子： - 近一周多头超额收益：3.31%（研发销售收入占比）、3.14%（研发总资产占比）、2.34%（研发净资产占比）[32] 2. 分析师一致预测因子： - 近一周多头超额收益：1.20%（沪深300）、1.70%（中证500）、2.31%（中证1000）、3.16%（国证2000）[35] 量化组合的回测效果 1. 沪深300增强组合： - 上周绝对收益：1.99% - 上周超额收益：0.60% - 本年超额收益：2.31%[36] 2. 中证500增强组合： - 上周绝对收益：2.34% - 上周超额收益：-0.28% - 本年超额收益：-2.74%[36] 3. 中证1000增强组合： - 上周绝对收益：2.99% - 上周超额收益：-0.80% - 本年超额收益：-2.03%[36]