根据研报内容，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. 量能择时模型 - 模型构建思路：通过市场成交量变化判断市场趋势，捕捉交易情绪变化[22] - 具体构建过程：监测宽基指数（如上证50、沪深300等）的成交量突破阈值，当量能指标进入积极区间时生成看多信号[22] - 模型评价：对短期趋势敏感，但北证50等小盘指数存在信号滞后性[22] 2. 沪深300上涨家数占比情绪指标 - 模型构建思路：利用成分股上涨比例反映市场情绪过热或触底[23] - 具体构建过程： $N日上涨家数占比 = \frac{沪深300成分股中过去N日收益>0的股票数}{成分股总数}$ 设置N=230日窗口，占比高于60%为情绪乐观区间[23][27] - 模型评价：能快速捕捉上涨机会，但对下跌风险预警能力较弱[23] 3. 动量情绪指标择时模型 - 模型构建思路：通过双均线交叉判断情绪拐点[27] - 具体构建过程： - 计算230日上涨家数占比的慢线（50日MA）和快线（35日MA） - 当快线>慢线时看多市场[27] - 模型评价：需配合其他指标规避震荡市误判[27] 4. 均线情绪指标模型 - 模型构建思路：八均线体系判断趋势强度[29] - 具体构建过程： - 计算8/13/21/34/55/89/144/233日均线 - 当收盘价同时超过5条以上均线时生成看多信号[29] - 模型评价：对中长期趋势判断效果更优[29] 5. 抱团基金分离度模型 - 模型构建思路：监测基金持仓趋同度判断市场风险[80] - 具体构建过程：计算抱团基金组合截面收益标准差，标准差越小表明抱团程度越高[80] - 模型评价：可作为市场极端行情的预警指标[80] 量化因子与构建方式 1. 横截面波动率因子 - 因子构建思路：衡量成分股离散程度反映Alpha机会[35] - 具体构建过程： $横截面波动率 = \sqrt{\frac{1}{N}\sum_{i=1}^N (r_i - \bar{r})^2}$ 其中N为成分股数量，r_i为个股收益率[35] - 因子评价：沪深300近期波动率1.84%优于中证1000的2.19%[35][38] 2. 时间序列波动率因子 - 因子构建思路：捕捉指数成分股的时序波动特征[39] - 具体构建过程：计算指数成分股20日收益率滚动标准差[39] - 因子评价：近期沪深300时序波动率0.59%显示低波动环境[39][41] 模型回测效果 | 模型/因子 | 近期信号方向 | 关键指标值 | |--------------------------|--------------|--------------------------| | 量能择时模型 | 除北证50外全线看多[22] | 沪深300量能信号强度+1.2σ | | 动量情绪指标 | 看多[27] | 快线-慢线差值+0.15 | | 横截面波动率因子 | - | 沪深300周环比+0.23%[35] | | 时间序列波动率因子 | - | 中证500年化波动率0.46%[41] | 因子回测效果 | 因子名称 | 沪深300取值 | 中证500取值 | 中证1000取值 | |------------------|-------------|-------------|--------------| | 横截面波动率[38] | 1.84% | 2.01% | 2.19% | | 时序波动率[41] | 0.59% | 0.47% | 0.27% | 注：所有数据统计区间为2025年6月23-27日[22][35][41]