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：通过比较短期均线（20日）和长期均线（120日）的距离来判断市场整体环境，区分震荡与趋势格局[1][9] 模型具体构建过程： - 计算Wind全A指数的20日均线（短期）和120日均线（长期） - 计算两线距离差值： $距离差值 = \frac{短期均线 - 长期均线}{长期均线} \times 100\%$ - 若距离绝对值小于3%，判定为震荡格局；否则为趋势格局[9][12] 模型评价：简单直观，但对均线周期选择敏感，需结合其他宏观指标验证 2. 模型名称：TWO BETA行业配置模型 模型构建思路：通过双贝塔因子筛选行业，侧重科技板块与消费电子的超额收益机会[2][3][8] 模型具体构建过程： - 计算行业相对市场的贝塔值（β1）和相对无风险利率的贝塔值（β2） - 筛选高β1（市场敏感）且低β2（利率不敏感）的行业 - 结合动量因子确认趋势延续性[8][10] 3. 模型名称：仓位管理模型 模型构建思路：综合估值分位数与趋势信号动态调整仓位[2][10] 模型具体构建过程： - 计算Wind全A的PE（60分位）、PB（20分位）估值水平 - 结合均线距离模型信号：震荡格局下，估值中等时建议50%仓位[10][12] --- 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：通过历史分位数定位当前估值水平[7][11] 因子具体构建过程： - 计算Wind全A指数PE/PB在过去10年（2014-2025）的滚动分位数 - 标准化处理： $PE分位数 = \frac{当前PE - 历史最小PE}{历史最大PE - 历史最小PE}$ PB分位数同理[11][15] 2. 因子名称：困境反转因子 因子构建思路：识别低估值且基本面改善的行业[3][8] 因子具体构建过程： - 筛选PB分位数低于30%的行业 - 叠加近3个月营收增速环比改善指标[8][10] --- 模型的回测效果 1. 均线距离择时模型 - 当前均线差值：0.68%（20日均线5115 vs 120日均线5081）[9][12] - 市场状态：震荡格局（距离<3%）[12] 2. TWO BETA模型 - 推荐行业：科技板块（消费电子）、银行、黄金股[8][10] 3. 仓位管理模型 - 建议仓位：50%（Wind全A估值PE60分位/PB20分位）[10][12] --- 因子的回测效果 1. 估值分位数因子 - 当前PE分位数：60%（中等水平）[7][11] - 当前PB分位数：20%（较低水平）[11][15] 2. 困境反转因子 - 推荐行业：港股创新药、港股汽车、新消费[3][8]