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：通过计算wind全A指数的短期均线（20日）与长期均线（120日）的距离，判断市场整体环境趋势[2][3] - 模型具体构建过程： 1. 计算20日均线（短期）和120日均线（长期）的数值 2. 计算两线距离百分比： $\text{均线距离} = \frac{\text{20日均线} - \text{120日均线}}{\text{120日均线}} \times 100\%$ 3. 根据阈值划分市场状态： - 距离≥3%为上行趋势 - -3%＜距离＜3%为震荡趋势 - 距离≤-3%为下行趋势[2][3][8] - 模型评价：通过均线交叉关系捕捉市场趋势变化，但对突发性事件反应滞后 2. 模型名称：TWO BETA行业配置模型 - 模型构建思路：基于宏观经济周期与行业特性，筛选具有超额收益潜力的板块[3][8] - 模型具体构建过程： 1. 定义经济周期指标（如利率、PMI等） 2. 计算各行业对经济周期的敏感度（Beta系数） 3. 结合行业估值与动量指标进行综合筛选[3][8][10] 3. 模型名称：仓位管理模型 - 模型构建思路：结合估值分位数与趋势信号动态调整仓位[3][10] - 模型具体构建过程： 1. 计算wind全A的PE/PB历史分位数（PE 50分位、PB 20分位） 2. 叠加均线距离信号（当前-3.08%） 3. 输出仓位建议： - 估值低位+下行趋势→50%中性仓位[3][8][10] 模型的回测效果 1. 均线距离择时模型： - 当前均线距离：-3.08%[2][3] - 市场状态：下行趋势边缘[8][10] 2. TWO BETA模型： - 推荐板块：科技（信创、AI芯片）、银行[3][8] 3. 仓位管理模型： - 当前建议仓位：50%[3][10] 量化因子与构建方式 1. 因子名称：赚钱效应因子 - 因子构建思路：反映市场整体盈利能力的动态指标[2][3] - 因子具体构建过程： 1. 计算近期市场累计收益率 2. 标准化处理： $\text{赚钱效应} = \frac{\text{指数N日收益率} - \text{均值}}{\text{标准差}}$ 3. 当前值：-1.7%[3][8][10] 2. 因子名称：估值分位数因子 - 因子构建思路：衡量指数相对历史估值水平[3][11] - 因子具体构建过程： 1. 计算wind全A的PE/PB在过去10年的分位数 2. 当前值： - PE分位数：50% - PB分位数：20%[3][11][12] 因子的回测效果 1. 赚钱效应因子： - 当前值：-1.7%[3][8] - 阈值：转正为趋势反转信号[10] 2. 估值分位数因子： - PE分位数：50%（中等水平）[3][11] - PB分位数：20%（较低水平）[11][12]