量化模型与构建方式 1. 模型名称：非流动性冲击因子模型 模型构建思路：基于日频行情数据，计算股票的非流动性冲击因子，反映股票在特定时间窗口内的流动性变化[21] 模型具体构建过程： - 首先计算股票的日收益率： $R_{i,t}={\frac{P_{i,t}-P_{i,t-1}}{P_{i,t-1}}}$ - 然后计算非流动性因子： $\mathrm{Illiquidity}_{i,t}={\frac{|R_{i,t}|}{\mathrm{Volume}_{i,t}}}$ - 最后计算非流动性冲击因子，通过对非流动性因子在时间窗口内的标准差进行计算： $\text{Illiquidity Shock}_{i,t}=\text{Std}(\text{Illiquidity}_{i,t-w:t})$ 模型评价：该模型能够有效捕捉股票的流动性变化，适用于流动性风险较高的市场环境[21] 2. 模型名称：均线突破选股模型 模型构建思路：通过筛选收盘价上穿10日均线的股票，捕捉短期趋势反转的机会[30] 模型具体构建过程： - 获取上证50指数成分股列表[35] - 计算每只股票的10日均线[31] - 筛选出收盘价上穿10日均线的股票[31] 模型评价：该模型简单直观，适用于短期趋势跟踪策略，但需注意市场波动带来的假信号[30] 量化因子与构建方式 1. 因子名称：非流动性冲击因子 因子构建思路：通过计算股票收益率的绝对值与成交量的比值，反映股票的流动性风险[21] 因子具体构建过程： - 计算股票的日收益率： $R_{i,t}={\frac{P_{i,t}-P_{i,t-1}}{P_{i,t-1}}}$ - 计算非流动性因子： $\mathrm{Illiquidity}_{i,t}={\frac{|R_{i,t}|}{\mathrm{Volume}_{i,t}}}$ - 计算非流动性冲击因子： $\text{Illiquidity Shock}_{i,t}=\text{Std}(\text{Illiquidity}_{i,t-w:t})$ 因子评价：该因子能够有效捕捉股票的流动性变化，适用于流动性风险较高的市场环境[21] 2. 因子名称：股吧热度因子 因子构建思路：通过统计股吧的发帖和评论数量，筛选出讨论热度最高的股票[41] 因子具体构建过程： - 获取股吧的发帖和评论数据[41] - 统计每只股票的讨论热度[41] - 筛选出热度最高的10只股票[41] 因子评价：该因子能够捕捉市场情绪变化，但需注意网络数据获取的限制和噪声[41] 模型的回测效果 1. 非流动性冲击因子模型，信息比率（IR）为1.2，年化收益率为15%，最大回撤为12%[21] 2. 均线突破选股模型，信息比率（IR）为0.8，年化收益率为10%，最大回撤为15%[30] 因子的回测效果 1. 非流动性冲击因子，信息比率（IR）为1.2，年化收益率为15%，最大回撤为12%[21] 2. 股吧热度因子，信息比率（IR）为0.9，年化收益率为12%，最大回撤为10%[41]