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. 动量情绪指标择时模型 - 构建思路：通过计算沪深300指数成分股的上涨家数占比，结合不同窗口期的移动平均线捕捉市场情绪变化[26][27] - 具体构建过程： 1. 计算沪深300指数N日上涨家数占比： $\text{上涨家数占比} = \frac{\text{过去N日收益>0的个股数}}{\text{成分股总数}}$ 2. 对指标进行双重平滑（快线窗口N2=35日，慢线窗口N1=50日） 3. 当快线>慢线时生成看多信号[27][29] - 模型评价：能快速捕捉上涨机会，但对下跌市场判断存在滞后性[26] 2. 均线情绪指标模型 - 构建思路：基于8条均线（参数为8/13/21/34/55/89/144/233日）的突破状态判断趋势[33][37] - 具体构建过程： 1. 计算沪深300收盘价与各均线的位置关系 2. 统计收盘价高于均线的数量 3. 当超过5条均线被突破时看多[37] - 模型评价：对趋势性行情敏感，但震荡市中易产生假信号[33] 量化因子与构建方式 1. 横截面波动率因子 - 构建思路：衡量指数成分股间收益率的离散程度，反映Alpha机会[38][39] - 具体构建过程： $\sigma_{cross} = \sqrt{\frac{1}{N}\sum_{i=1}^N (r_i - \bar{r})^2}$ 其中$r_i$为个股收益率，$\bar{r}$为成分股平均收益率[39] - 因子评价：波动率上升通常预示超额收益机会增加[38] 2. 时间序列波动率因子 - 构建思路：捕捉指数成分股历史波动率变化[42][43] - 具体构建过程： $\sigma_{time} = \sqrt{\frac{1}{T}\sum_{t=1}^T (r_t - \mu)^2}$ 采用20日滚动窗口计算[43] - 因子评价：可作为风险管理和择时辅助指标[42] 模型的回测效果 1. 动量情绪指标模型 - 年化收益率：4.5% - 最大回撤：22.3% - IR：0.89[31] 2. 均线情绪指标模型 - 年化收益率：6.2% - 胜率：58.7% - 盈亏比：1.35[35] 因子的回测效果 1. 横截面波动率因子 - 沪深300近一年均值：1.92% - 中证1000近半年分位数：66.53%[39][41] 2. 时间序列波动率因子 - 沪深300近一季度值：0.61% - 中证500近半年分位数：60.32%[43]