量化模型与构建方式 1 模型名称：均线距离择时模型 模型构建思路：通过短期均线（20日）与长期均线（120日）的相对位置判断市场整体环境[1][9] 模型具体构建过程：计算20日均线与120日均线的绝对距离百分比，公式为 $距离=\frac{20日均线-120日均线}{120日均线} \times 100\%$ 当绝对距离小于3%时判定为震荡格局，大于3%时根据均线上下关系判断趋势[1][9] 2 模型名称：TWO BETA行业配置模型 模型构建思路：通过双贝塔因子筛选科技板块中具有国产替代潜力的细分领域[3][8] 模型具体构建过程：结合行业贝塔（市场敏感性）和国产化率贝塔（政策敏感性），筛选同时具备高弹性和政策红利的子行业[3][8] 3 模型名称：仓位管理模型 模型构建思路：结合估值分位数与短期趋势动态调整仓位[2][10] 模型具体构建过程：当PE处于40分位、PB处于20分位时，在震荡趋势下建议60%仓位配置[2][10] 量化因子与构建方式 1 因子名称：均线距离因子 因子构建思路：捕捉市场短期动量与长期趋势的偏离程度[1][9] 因子具体构建过程：同均线距离择时模型计算公式，输出标准化后的距离值[1][9] 2 因子名称：估值分位因子 因子构建思路：衡量当前PE/PB在历史序列中的相对位置[2][7] 因子具体构建过程： $PE分位=\frac{当前PE排名}{历史PE总数} \times 100\%$ 相同方法计算PB分位[2][7] 模型的回测效果 1 均线距离择时模型 最新距离值0.3%[1][9] 2 TWO BETA模型 当前推荐科技/电子/新能源车[3][8] 3 仓位管理模型 建议仓位60%[2][10] 因子的回测效果 1 均线距离因子 当前值0.3%[1][9] 2 估值分位因子 PE分位40% PB分位20%[2][7]