量化模型与构建方式 1. 模型名称：顶底背离型拐点识别模型 - 模型构建思路：通过量价背离或技术指标（如MACD）与价格的背离，识别价格创新高或新低过程中走势力度衰竭的迹象，预判潜在拐点[2][9] - 模型具体构建过程： 1. 量价背离：当价格创新高但成交量未同步创新高时，视为多头力度不足的信号[9] 2. MACD背离：观察价格与MACD指标（如黄白线或柱状图）的趋势方向是否背离，例如价格新高但MACD未新高[9][12] 3. 形态过滤：结合波浪理论（如五浪结构）和均线系统（多头/空头排列）筛选有效背离信号，提升准确率至65%[14][16] - 模型评价：单一背离信号胜率较低（<55%），需结合形态分析增强有效性[13][16] 2. 模型名称：V型反转拐点识别模型（温度计指标） - 模型构建思路：基于价格围绕趋势均线的均值回复特性，通过乖离率分位点量化超买超卖状态，捕捉急涨/急跌后的反转机会[18][19] - 模型具体构建过程： 1. 均线处理：将均线（如60日或年度均线）左移参数的一半长度，线性外推后计算乖离率： $乖离率 = \frac{价格 - 外推均线值}{外推均线值}$[18] 2. 分位点计算：滚动计算乖离率在历史窗口（如过去60日）的分位点，得到温度计值（0-100）[18] 3. 阈值规则： - 熊市：需高频（60日）和低频（年度）温度计均<10[19][21] - 震荡市：仅高频温度计<10[19][22] - 牛市：高频温度计<15或急跌至50以下且低频温度计>80[26][28] - 模型评价：对V型反转敏感，但需结合趋势状态调整阈值以避免误判[27][32] --- 模型的回测效果 1. 顶底背离型拐点识别模型 - 胜率：基础信号55%，叠加形态过滤后提升至65%[13][16] - 适用场景：圆弧形拐点识别，需配合右侧确认信号（如MACD金叉/死叉）[10][17] 2. V型反转拐点识别模型 - 熊市案例：2022年1月/4月，高频+低频温度计<10后出现月线级别反弹[21] - 震荡市案例：2025年1月/4月，高频温度计<10触发反弹[22] - 牛市案例：2023-2025年黄金期货高频温度计<10时均为有效买点[26] - 风险案例：2023年6月传媒指数因顶背离失效，需等待ABC浪调整[32] --- 量化因子与构建方式 1. 因子名称：高频温度计因子 - 因子构建思路：基于60日均线乖离率分位点，刻画短期超卖状态[18][19] - 因子具体构建过程：同V型反转模型中温度计计算步骤[18] 2. 因子名称：低频温度计因子 - 因子构建思路：基于年度均线乖离率分位点，反映长期趋势偏离度[19] --- 因子的回测效果 1. 高频温度计因子 - 有效阈值：熊市/震荡市<10，牛市<15或急跌至50[19][26] - 失效场景：牛市末端可能因趋势反转失效（如2023年6月传媒指数）[32] 2. 低频温度计因子 - 协同作用：熊市中需与高频因子同步低于阈值[21] - 独立信号：牛市中>80时提示强势标的回调机会[28]