量化模型与构建方式 1 模型名称：大小盘风格择时策略 模型构建思路：基于龙虎榜数据刻画非机构大资金的活跃程度，通过其活跃度指标的边际变化预测大小盘风格轮动[1][3] 模型具体构建过程： - 数据预处理：优先保留单日触发的龙虎榜记录，多日触发数据按比例拆分估算单日买卖金额[16] - 活跃营业部筛选： 1) 月频筛选上榜次数前10%的营业部 2) 限定参与股票流通市值分位数在30%-80%区间[23] 3) 要求存在共同上榜概率>50%的协同营业部[23] 4) 取总成交金额Top50营业部作为活跃资金池[23] - 指标计算： 日度活跃营业部总成交额/Wind全A成交额，经周均平滑和15周移动平均处理[24] 进一步采用HP滤波平滑指标（参数lambda=9-20）[29] - 交易信号：当周指标值>上周时配置国证2000，否则配置沪深300[31] 模型的回测效果 1 大小盘风格择时策略（2012/1-2025/2）： - 年化收益18.1%（基准7.0%） - 最大回撤38.1%（基准55.8%） - 年化超额收益11.1% - IR 1.14 - 月度胜率63.7%[3][28] 2 2016年后表现： - 超额收益最大回撤14.1% - IR提升至1.27[3] 量化因子与构建方式 1 因子名称：非机构大资金活跃度指标 因子构建思路：通过活跃营业部成交额占比捕捉市场情绪风向标[1][20] 因子具体构建过程： $\text{活跃度指标}_t = \frac{\sum_{i=1}^{50} \text{营业部}_i\text{日成交额}_t}{\text{Wind全A成交额}_t}$ 经标准化后取60日移动平均[4][24] 因子评价：对极端风格切换（如2014-2015年）敏感度较低[3] 因子的回测效果 1 非机构大资金活跃度指标： - 与国证2000/沪深300比值的相关系数0.68（2016-2024）[5] - 领先大小盘风格拐点1-2周[24]