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，判断市场趋势（上行/下行）[2][9] - 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： $\text{20日均线} = 4908, \text{120日均线} = 5092.8$ 2. 计算两线距离百分比： $\text{均线距离} = \frac{\text{20日均线} - \text{120日均线}}{\text{120日均线}} \times 100\% = -3.63\%$ 3. 判断规则：若距离绝对值>3%且短期均线低于长期均线，则为下行趋势[2][9] 2. 模型名称：TWO BETA行业配置模型 - 模型构建思路：结合市场Beta和行业Beta特性，筛选具有超额收益潜力的行业板块[4][10] - 模型具体构建过程： 1. 计算科技板块（如信创、AI芯片）与市场整体的Beta相关性 2. 结合国产替代政策导向，赋予科技板块更高权重[4][10] 3. 模型名称：仓位管理模型 - 模型构建思路：综合估值分位数（PE/PB）和趋势信号动态调整仓位[3][10] - 模型具体构建过程： 1. 估值分位数判断： - PE位于50分位（中等） - PB位于20分位（较低） 2. 结合均线距离模型的下行趋势信号，输出仓位建议[3][10] --- 模型的回测效果 1. 均线距离择时模型： - 当前均线距离：-3.63%[2][9] - 市场状态：下行趋势[2][9] 2. TWO BETA模型： - 推荐行业：科技板块（信创、AI芯片）[4][10] 3. 仓位管理模型： - 建议仓位：50%[3][10] --- 量化因子与构建方式 1. 因子名称：估值分位数因子 - 因子构建思路：通过PE/PB历史分位数判断市场估值水平[3][7] - 因子具体构建过程： 1. 计算wind全A指数PE/PB的10年历史分位数（2014-2025） 2. 当前取值： - PE分位数：50% - PB分位数：20%[3][7] 2. 因子名称：赚钱效应因子 - 因子构建思路：监测市场赚钱效应是否转正以判断趋势反转[2][10] - 因子具体构建过程： 1. 定义赚钱效应为近期市场收益率的滚动均值 2. 当前取值：-1%[2][10] --- 因子的回测效果 1. 估值分位数因子： - PE分位数：50%[3][7] - PB分位数：20%[3][7] 2. 赚钱效应因子： - 当前值：-1%[2][10]