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来判断市场走势，结合ERP（股权风险溢价）的极值状态，给出市场震荡下跌的判断[7] 模型具体构建过程：流动性、分歧度和景气度分别作为三个独立的维度，ERP作为辅助指标，当流动性下行、分歧度上行、景气度下行且ERP处于极值状态时，模型判断市场进入震荡下跌阶段[7] 模型评价：该模型能够较好地捕捉市场趋势，尤其是在市场波动较大的情况下，提供了较为稳健的择时建议[7] 2. 模型名称：资金流共振策略 模型构建思路：通过监控两融资金流和大单资金流的共振情绪，选择两类资金都看好的行业进行投资[21] 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做融资融券因子的剔除，以提高策略稳定性[26] 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，回撤较小[26] 模型的回测效果 1. 三维择时框架，绝对收益-2.04%，超额收益0.25%[38] 2. 资金流共振策略，绝对收益-0.2%，超额收益1.3%[26] 量化因子与构建方式 1. 因子名称：波动率因子 因子构建思路：通过计算不同时间窗口内的收益率标准差来衡量股票的波动性[34] 因子具体构建过程：计算1周、1月、3月、6月和12月的收益率标准差，公式为： $return\_std\_1w = \sqrt{\frac{1}{n-1} \sum_{i=1}^{n} (r_i - \bar{r})^2}$ 其中，$r_i$为每日收益率，$\bar{r}$为平均收益率[34] 因子评价：波动率因子在不同时间窗口内表现较好，尤其是在中小市值股票中超额收益更高[34] 2. 因子名称：估值因子 因子构建思路：通过市盈率、市净率等指标来衡量股票的估值水平[34] 因子具体构建过程：计算市盈率倒数（EP）、市净率（PB）等指标，公式为： $EP = \frac{1}{PE}$ 其中，$PE$为市盈率[34] 因子评价：估值因子在不同市值股票中表现较好，尤其是在大市值股票中超额收益显著[34] 因子的回测效果 1. 波动率因子，近一周多头超额2.67%，近一个月多头超额4.97%，近一年多头超额14.37%[35] 2. 估值因子，近一周多头超额2.38%，近一个月多头超额6.83%，近一年多头超额28.11%[35]