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. 模型名称：沪深300上涨家数占比情绪指标 模型构建思路：通过计算指数成分股近期正收益的个数来判断市场情绪，正收益股票增多可能预示行情底部，大部分股票正收益可能预示过热风险[23] 模型具体构建过程： - 计算沪深300指数成分股过去N日收益大于0的个股数占比 - 公式：$\text{上涨家数占比} = \frac{\sum_{i=1}^{300} I(r_i > 0)}{300}$ 其中$r_i$为第i只成分股N日收益率，$I(\cdot)$为指示函数[23] 模型评价：能较快捕捉上涨机会，但对下跌市场判断存在缺陷[24] 2. 模型名称：动量情绪指标择时策略 模型构建思路：通过对上涨家数占比指标进行不同窗口期的平滑处理来捕捉情绪变动趋势[26] 模型具体构建过程： - 对上涨家数占比进行N1=50和N2=35日的移动平均（慢线和快线） - 当快线>慢线时看多市场，反之持中性态度[26] 3. 模型名称：均线情绪指标 模型构建思路：利用八均线体系判断指数趋势状态，通过价格与均线的关系划分情绪区间[31][32] 模型具体构建过程： - 计算沪深300收盘价的8条均线（参数：8,13,21,34,55,89,144,233） - 统计收盘价大于各均线的数量，超过5时看多[31][32] 量化因子与构建方式 1. 因子名称：横截面波动率 因子构建思路：衡量指数成分股间收益离散程度，反映Alpha机会丰富程度[35] 因子具体构建过程： - 计算指数成分股日收益率的横截面标准差 - 公式：$\sigma_{cross} = \sqrt{\frac{1}{N}\sum_{i=1}^{N}(r_i - \bar{r})^2}$ 其中$r_i$为个股日收益率，$\bar{r}$为截面均值[35] 2. 因子名称：时间序列波动率 因子构建思路：衡量个股收益波动幅度，反映市场风险水平[38] 因子具体构建过程： - 计算个股滚动N日收益率的标准差 - 对指数成分股进行市值加权平均[38] 模型的回测效果 1. 动量情绪指标： - 当前快线回落至慢线之下，维持谨慎态度[26] - 近期上涨家数占比震荡在56%水平[24] 2. 均线情绪指标： - 短期内沪深300处于情绪景气区间[34] 因子的回测效果 1. 横截面波动率： - 沪深300近一季度值1.75%，处于近两年46.27%分位[38] - 中证1000近一季度值2.41%，处于近半年63.75%分位[38] 2. 时间序列波动率： - 沪深300近一季度值0.56%，年化波动率54.15%分位[41] - 中证500近一季度值0.44%，年化波动率57.94%分位[41] 3. 抱团基金分离度： - 近期分离度环比下降，抱团程度上升[78] - 抱团组合超额收益近期回升[78]