量化模型与构建方式 1. 模型名称：250日新高距离模型 - 模型构建思路：通过计算当前收盘价与过去250日最高价的相对距离，衡量股票或指数的趋势强度[10] - 模型具体构建过程： $250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$ 其中，(Closet)为最新收盘价，(ts_max(Close, 250))为过去250日收盘价最大值。若收盘价创250日新高，则值为0；否则为正值，表示回落幅度[10] - 模型评价：直观反映价格趋势强度，适用于动量策略筛选 2. 模型名称：平稳创新高股票筛选模型 - 模型构建思路：结合分析师关注度、股价路径平稳性、趋势延续性等维度，筛选具有持续动量的股票[23][26] - 模型具体构建过程： - 价格路径平滑性：计算位移路程比（过去120日涨跌幅绝对值 / 过去120日日涨跌幅绝对值加总）[23] - 分析师关注度：过去3个月买入/增持评级研报≥5份[26] - 股价相对强弱：过去250日涨跌幅位于全市场前20%[26] - 创新高持续性：过去120日250日新高距离的时间序列均值[26] - 趋势延续性：过去5日250日新高距离的时间序列均值[26] - 模型评价：综合多维指标，避免单纯依赖价格波动，增强策略稳健性 --- 模型的回测效果 1. 250日新高距离模型： - 上证指数、深证成指、沪深300等主要指数250日新高距离分别为0.50%、8.58%、6.44%[11] - 银行、电力及公用事业等行业250日新高距离为0.00%（创历史新高）[12] 2. 平稳创新高股票筛选模型： - 筛选出的33只股票中，胜宏科技、京北方等过去250日涨跌幅最高达392%、224%[30] - 科技板块（如电子行业）和制造板块（如机械行业）占比最高[27] --- 量化因子与构建方式 1. 因子名称：股价位移路程比因子 - 因子构建思路：衡量股价路径的平滑性，避免跳跃式波动[23] - 因子具体构建过程： $位移路程比 = \frac{|过去120日涨跌幅|}{Σ|过去120日日涨跌幅|}$ 比值越高表明路径越平滑[23] 2. 因子名称：创新高持续性因子 - 因子构建思路：量化股票创新高的时间序列稳定性[26] - 因子具体构建过程：计算过去120日250日新高距离的均值[26] --- 因子的回测效果 1. 股价位移路程比因子： - 应用于平稳创新高股票筛选，如再升科技、巨人网络等位移路程比表现优异[30] 2. 创新高持续性因子： - 药明康德、皓元医药等因子值较低（接近0），显示持续创新高能力[30] --- 指标取值汇总 | 模型/因子 | 指标 | 取值 | |------------------------|------------------------|-----------------------------------| | 250日新高距离模型 | 上证指数250日新高距离 | 0.50% [11] | | | 深证成指250日新高距离 | 8.58% [11] | | 平稳创新高股票筛选模型 | 胜宏科技过去250日涨跌幅| 392% [30] | | | 京北方过去250日涨跌幅 | 224% [30] |