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：通过监控市场的分歧度、流动性和景气度三个维度，判断市场趋势并给出仓位建议[7] 模型具体构建过程： - 分歧度：衡量市场参与者对市场走势的分歧程度 - 流动性：反映市场资金流动的宽松程度 - 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，模型给出半仓的建议，并建议在流动性持续且价格站稳阻力线时更为乐观[7] 模型评价：该框架能够有效捕捉市场趋势变化，尤其在关键阻力线测试时表现突出[7] 2. 模型名称：资金流共振策略 模型构建思路：通过监控融资融券资金流和主动大单资金流，选择两类资金流都看好的行业[19] 模型具体构建过程： - 定义行业融资融券资金因子为Barra市值因子中性化后的融资净买入-融券净买入，取最近50日均值后的两周环比变化率 - 定义行业主动大单资金因子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 - 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：该策略在2018年以来年化超额收益13.5%，信息比率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，半仓建议，等待流动性趋势变化[7] 2. 资金流共振策略，年化超额收益13.5%，信息比率1.7[23] 量化因子与构建方式 1. 因子名称：盈利因子 因子构建思路：通过衡量企业的盈利能力，筛选出盈利能力较强的股票[29] 因子具体构建过程： - 使用ROA、ROIC等指标衡量企业的盈利能力 - 在不同市值下，盈利因子表现较好，尤其在大市值下超额更高[29] 因子评价：盈利因子在不同市值下表现稳定，尤其在大市值下超额收益显著[29] 2. 因子名称：波动率因子 因子构建思路：通过衡量股票价格的波动性，筛选出波动性较低的股票[29] 因子具体构建过程： - 使用60日上行波动率/下行波动率等指标衡量股票的波动性 - 在不同时间维度下，波动率因子表现较好[29] 因子评价：波动率因子在不同时间维度下表现稳定，尤其在短期内超额收益显著[29] 因子的回测效果 1. 盈利因子，大市值下超额收益显著[29] 2. 波动率因子，短期内超额收益显著[29] 量化组合的回测效果 1. 沪深300增强组合，上周绝对收益1.36%，超额收益-0.22%[35] 2. 中证500增强组合，上周绝对收益1.74%，超额收益0.30%[35] 3. 中证1000增强组合，上周绝对收益1.57%，超额收益0.60%[35]