根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. 沪深300上涨家数占比情绪指标 - 模型构建思路：通过计算指数成分股的近期正收益个数判断市场情绪，正收益股票增多可能预示行情底部，大部分股票正收益则可能预示过热风险[24] - 具体构建过程： $N日上涨家数占比 = \frac{沪深300成分股过去N日收益>0的个股数}{成分股总数}$ 采用双平滑线策略：短期窗口N2=35日均线 > 长期窗口N1=50日均线时看多，反之持中性态度[27] - 模型评价：能快速捕捉上涨机会但易错失持续亢奋阶段收益，对下跌市场判断存在缺陷[25] 2. 均线情绪指标 - 模型构建思路：基于八均线体系（参数为8/13/21/34/55/89/144/233）判断趋势状态，通过价格与均线关系划分情绪区间[32] - 具体构建过程： - 计算沪深300收盘价与各均线的位置关系 - 当收盘价超过5条均线时看多，否则持中性态度[33] - 模型评价：需结合其他指标验证趋势可靠性[36] 量化因子与构建方式 1. 横截面波动率因子 - 因子构建思路：衡量指数成分股间收益率的离散程度，反映Alpha策略的盈利空间[38] - 具体构建过程： $横截面波动率 = \sqrt{\frac{1}{N}\sum_{i=1}^N (r_i - \bar{r})^2}$ 其中$r_i$为个股收益率，$\bar{r}$为指数成分股平均收益率[40] - 因子评价：波动率上升预示Alpha环境改善，需结合时间序列波动率综合判断[41] 2. 时间序列波动率因子 - 因子构建思路：反映市场整体波动水平，影响策略风险调整[41] - 具体构建过程： $时间序列波动率 = \sqrt{\frac{1}{T}\sum_{t=1}^T (r_t - \mu)^2}$ 采用加权计算方式，$r_t$为指数日收益率，$\mu$为样本均值[42] 模型的回测效果 1. 沪深300上涨家数占比情绪指标 - 当前快线（35日均值）61%，慢线（50日均值）63%，处于谨慎区间[27] - 近一季度超额收益IR为0.82，最大回撤4.3%[28] 2. 均线情绪指标 - 当前仅3条均线被突破，处于非景气区间[35] - 年化超额收益9.2%，胜率58.6%[36] 因子的回测效果 1. 横截面波动率因子 - 沪深300近一季度值1.83%（近两年分位51.24%） - 中证500近一季度值2.10%（近半年分位38.89%） - 中证1000近一季度值2.48%（近一年分位64.54%）[41] 2. 时间序列波动率因子 - 沪深300近一季度值0.57%（近半年分位66.8%） - 中证500近一季度值0.43%（近一年分位39.68%） - 中证1000近一季度值0.26%（近两年分位50.2%）[43] 其他量化指标 1. 量能择时信号 - 当前所有宽基指数（上证50/沪深300/中证500/中证1000等）均发出空头信号[23] 2. 抱团基金分离度 - 计算方式：抱团基金组合截面收益标准差，数值下降表明抱团程度加剧[86] - 当前分离度0.18，环比下降5.3%[89]