量化模型与因子总结 量化因子与构建方式 1. 因子名称：市场交易情绪因子 因子构建思路：通过换手率、成交额和威廉变异离散变量指标来刻画全市场交易活跃度[4][12][15] 因子具体构建过程： - 换手率：计算全A股五日移动平均换手率，转化为过去一年百分位 - 成交额：计算全A股五日移动平均成交额，转化为过去一年百分位 - 威廉变异离散变量：成交量加权的量价指标，将每日开盘与收盘之间的成交量视为有真实意义的成交量，数值越高代表市场交易更活跃[16] 因子评价：有效捕捉市场整体交易热度，对极端风格行情有预警作用[12][18] 2. 因子名称：风格交易情绪因子 因子构建思路：通过收益分化和拥挤度指标来刻画特定风格的交易情绪[12][27] 因子具体构建过程： - 收益分化：计算风格指数成分股过去40交易日收益标准差之差[28] - 拥挤度：由四个子因子等权构成： 1. 价格乖离成交量加权：成份股股价与其30日移动均线距离的偏离程度用成交量加权 2. 上涨交易额占比：成份股过去40天内上涨时的交易额之和与指数过去40天总交易额比值 3. 领涨牵引：成份股中过去20交易日上涨8%的个股交易额占比 4. 流通市值换手率：成份股成交金额之和/行业当日有交易的成份股流通市值之和[28] 因子评价：能够有效识别风格内部交易过热情况，对极端风格行情结束有预警作用[30][35] 3. 因子名称：风格收益分化因子 因子构建思路：通过计算风格内个股收益分化程度来识别极端风格行情结束信号[30] 因子具体构建过程： - 计算各风格收益分化指标（成分股过去40交易日收益标准差之差） - 转化为过去半年百分位[34] 因子评价：当收益分化程度到达高位（过去半年百分位高于90%）时，极端风格行情结束的概率较高[30][34] 因子回测效果 1. 市场交易情绪因子 - 成长风格下情绪指标平均拉升幅度：换手率23.0%，成交额35.9%，威廉变异离散变量30.3%[23] - 低估值风格下情绪指标平均拉升幅度：换手率23.2%，成交额-3.8%，威廉变异离散变量-0.1%[23] - 金融风格下情绪指标平均拉升幅度：换手率14.6%，成交额20.2%，威廉变异离散变量3.2%[23] 2. 风格交易情绪因子 - 创业板指拥挤度百分位在极端行情结束时平均从35.0%升至91.2%[42] - TMT拥挤度百分位在极端行情结束时平均从50.0%升至68.3%[30] - 中证红利拥挤度百分位在极端行情结束时平均从11.9%升至95.2%[44] 3. 风格收益分化因子 - 创业板指收益分化百分位在极端行情结束时平均从54.5%升至99.6%[30] - TMT收益分化百分位在极端行情结束时平均从5.8%升至60.0%[30] - 中证红利收益分化百分位在极端行情结束时平均从50.0%升至94.1%[30] 量化模型与构建方式 1. 模型名称：极端风格区间划分模型 模型构建思路：识别市场中出现极端风格收益的区间[7] 模型具体构建过程： - 定义7种风格：成长（创业板指、TMT）、稳定（中字头央国企）、消费、金融、红利、低估值、盈利质量[7] - 滚动10至60个交易日区间，特定风格较中证全指超额收益在15%及以上则标记为极端风格[8] - 对同起始日、截止日、首尾月份为同一月份的区间保留超额收益最大的区间[7] - 相邻时间区间有重合的，取相邻时间区间的最早日期为起始日、最晚日期为截止日[7] 模型评价：能够有效捕捉市场极端风格轮动周期[9][10] 2. 模型名称：风格收敛预测模型 模型构建思路：预测极端风格行情结束后的短期风格收敛方式[51] 模型具体构建过程： - 统计极端风格行情区间和区间截止日至未来10/20个交易日区间中风格收益表现的相关性[52] - 在强势市场中（成交量高、牛市市场），预测短期风格以此前强势风格转为震荡、此前弱势风格补涨为主[54][56] - 在弱势市场或遇重大事件冲击时，预测短期风格以此前强势风格出现明显回调为主[54][64] 模型评价：能够根据市场环境差异提供有效的短期风格切换预测[55][63] 模型回测效果 1. 极端风格区间划分模型 - 创业板指最长极端风格区间：2012/11/28-2013/10/9，持续315天，超额收益102.71%[10] - TMT最长极端风格区间：2019/11/6-2020/2/25，持续111天，超额收益30.56%[10] - 低估值最长极端风格区间：2021/11/29-2022/4/15，持续137天，超额收益28.80%[10] 2. 风格收敛预测模型 - 强势市场预测准确率：2014-2015年、2019-2020年预测准确率较高[56][63] - 弱势市场预测准确率：2011-2013年、2018年和2021年下半年至2024年上半年预测准确率较高[64][66] - 重大事件冲击预测准确率：2020年初疫情冲击预测准确率较高[68][69]