量化模型与构建方式 1. 模型名称：扩散指数模型 - 模型构建思路：通过监测微盘股指数成分股的扩散指数变化，判断市场趋势，给出交易信号[7] - 模型具体构建过程：扩散指数的计算基于微盘股指数成分股的股价变化，横轴代表未来N天股价相对现在的折价幅度，纵轴代表回顾过去窗口期的长度T天或未来N天。扩散指数的值通过以下公式计算： $扩散指数 = \frac{上涨股票数量}{总股票数量}$ 当扩散指数触顶回落时，模型给出空仓信号[40] - 模型评价：该模型能够有效捕捉市场趋势变化，但需注意成分股每日更新对扩散指数的影响[40] 2. 模型名称：首次阈值法（左侧交易） - 模型构建思路：通过设定阈值，当扩散指数达到特定值时，触发交易信号[44] - 模型具体构建过程：首次阈值法于2025年2月10日收盘收0.925触发空仓信号[44] 3. 模型名称：延迟阈值法（右侧交易） - 模型构建思路：在首次阈值法的基础上，延迟触发交易信号，以减少误判[49] - 模型具体构建过程：延迟阈值法于2025年2月19日收盘给予空仓信号[49] 4. 模型名称：双均线法（自适应交易） - 模型构建思路：通过双均线的交叉判断市场趋势，自适应调整交易策略[50] - 模型具体构建过程：双均线法于2025年1月24日收盘给予开仓信号[50] 模型的回测效果 1. 扩散指数模型，扩散指数当前值0.828[40] 2. 首次阈值法，触发空仓信号阈值0.925[44] 3. 延迟阈值法，触发空仓信号阈值0.925[49] 4. 双均线法，触发开仓信号[50] 量化因子与构建方式 1. 因子名称：未复权股价因子 - 因子构建思路：通过未复权股价的变化，捕捉股票的价格波动[6] - 因子具体构建过程：未复权股价因子本周rankic为0.261，历史平均为-0.015[6] 2. 因子名称：贝塔因子 - 因子构建思路：通过贝塔值衡量股票相对于市场的波动性[6] - 因子具体构建过程：贝塔因子本周rankic为0.26，历史平均为0.007[6] 3. 因子名称：非流动性因子 - 因子构建思路：通过非流动性指标衡量股票的流动性风险[6] - 因子具体构建过程：非流动性因子本周rankic为0.213，历史平均为0.039[6] 4. 因子名称：pe_ttm倒数因子 - 因子构建思路：通过市盈率的倒数衡量股票的估值水平[6] - 因子具体构建过程：pe_ttm倒数因子本周rankic为0.113，历史平均为0.018[6] 5. 因子名称：成长因子 - 因子构建思路：通过成长性指标衡量股票的成长潜力[6] - 因子具体构建过程：成长因子本周rankic为0.111，历史平均为-0.004[6] 6. 因子名称：自由流通比例因子 - 因子构建思路：通过自由流通比例衡量股票的流通性[6] - 因子具体构建过程：自由流通比例因子本周rankic为-0.172，历史平均为-0.012[6] 7. 因子名称：流动性因子 - 因子构建思路：通过流动性指标衡量股票的流动性[6] - 因子具体构建过程：流动性因子本周rankic为-0.12，历史平均为-0.038[6] 8. 因子名称：成交额因子 - 因子构建思路：通过成交额衡量股票的交易活跃度[6] - 因子具体构建过程：成交额因子本周rankic为-0.114，历史平均为-0.081[6] 9. 因子名称：标准化预期盈利因子 - 因子构建思路：通过标准化预期盈利衡量股票的盈利预期[6] - 因子具体构建过程：标准化预期盈利因子本周rankic为-0.107，历史平均为0.014[6] 10. 因子名称：杠杆因子 - 因子构建思路：通过杠杆指标衡量股票的财务风险[6] - 因子具体构建过程：杠杆因子本周rankic为-0.102，历史平均为-0.007[6] 因子的回测效果 1. 未复权股价因子，本周rankic为0.261，历史平均为-0.015[6] 2. 贝塔因子，本周rankic为0.26，历史平均为0.007[6] 3. 非流动性因子，本周rankic为0.213，历史平均为0.039[6] 4. pe_ttm倒数因子，本周rankic为0.113，历史平均为0.018[6] 5. 成长因子，本周rankic为0.111，历史平均为-0.004[6] 6. 自由流通比例因子，本周rankic为-0.172，历史平均为-0.012[6] 7. 流动性因子，本周rankic为-0.12，历史平均为-0.038[6] 8. 成交额因子，本周rankic为-0.114，历史平均为-0.081[6] 9. 标准化预期盈利因子，本周rankic为-0.107，历史平均为0.014[6] 10. 杠杆因子，本周rankic为-0.102，历史平均为-0.007[6]