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：通过流动性、分歧度和景气度三个维度进行市场择时，判断市场趋势并给出仓位建议[7] 模型具体构建过程： - 流动性：监控市场流动性变化，判断其趋势 - 分歧度：衡量市场参与者之间的分歧程度，判断市场情绪 - 景气度：评估市场整体景气状态，判断市场基本面 根据这三个维度的综合表现，给出半仓的建议[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：通过监控两融资金与大单资金的共振情绪，选择两类资金都看好的行业[19] 模型具体构建过程： - 两融资金流：计算融资净买入与融券净卖出的差值，取最近50日均值后的两周环比变化率 - 大单资金流：计算行业最近一年成交量时序中性化后的净流入排序，取最近10日均值 通过剔除大金融板块和极端多头行业，提高策略稳定性[23] 模型评价：该策略在2018年以来表现稳定，年化超额收益13.5%，信息比率1.7[23] 模型的回测效果 1. 三维择时框架，半仓建议[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：通过经营现金流、营业利润和净利润等指标衡量企业的盈利能力[29] 因子具体构建过程： - 经营现金流因子：$(经营现金流净额_{ttm} - 过去八个季度的经营现金流净额_{ttm}均值) / 过去八个季度的经营现金流净额_{ttm}标准差$ - 营业利润因子：$营业利润_{TTM} / 销售费用_{TTM}$ - 净利润因子：$(净利润同比 - 过去八个季度的净利润同比均值) / 过去八个季度的净利润同比标准差$[29] 因子评价：盈利因子在不同市值下表现较好，尤其在大市值股票中超额收益更高[29] 2. 因子名称：波动率因子 因子构建思路：通过成交量、价格波动等指标衡量股票的波动性[29] 因子具体构建过程： - 成交量波动因子：$volume\_std\_1m\_div\_12m$ - 价格波动因子：$duvol = 60日上行波动率 / 下行波动率$[29] 因子评价：波动率因子在近期表现较好，尤其在成交量波动较大的股票中超额收益显著[29] 因子的回测效果 1. 盈利因子，沪深300多头超额2.92%，中证500多头超额0.53%，中证1000多头超额-0.14%，国证2000多头超额-0.07%[34] 2. 波动率因子，沪深300多头超额1.86%，中证500多头超额3.58%，中证1000多头超额25.48%，国证2000多头超额8.98%[34]