量化模型与构建方式 1. 模型名称：A股行业轮动模型 - 模型构建思路：通过资金、估值、情绪、动量、超买超卖和盈利6个因子构建打分体系，综合评估行业表现[17] - 模型具体构建过程： 1. 资金因子：以行业主力资金净流入率计算 2. 估值因子：行业当前估值在过去1年的分位数 3. 情绪因子：行业成分股上涨比例 4. 动量因子：MACD指标 5. 超买超卖因子：RSI指标 6. 盈利因子：行业一致预测EPS在过去1年的分位数 各因子标准化后加权求和得到综合评分[17] - 模型评价：多维度捕捉行业轮动特征，但需注意因子权重设置的合理性[17] 2. 模型名称：共识度选股模型 - 模型构建思路：结合行业动量、估值、高频资金流与价格走势相似度筛选个股[20] - 模型具体构建过程： 1. 筛选过去30天涨幅前三的申万二级行业 2. 计算个股的月度动量因子、估值因子和上涨频率 3. 通过高频分钟数据计算资金流变化 4. 计算资金流与价格走势的相似度（具体算法未披露） 5. 按相似度排名选出各二级行业前5名股票[20] - 模型评价：兼顾基本面与市场行为，但高频数据处理复杂度较高[20] --- 量化因子与构建方式 1. 因子名称：主力资金净流入率（资金因子） - 因子构建思路：统计大额交易单反映主力资金动向[12] - 因子具体构建过程： 1. 定义主力资金单笔成交：≥10万股或≥20万元 2. 按申万一级行业汇总每日净流入额 3. 计算标准化净流入率： $\text{净流入率} = \frac{\text{行业净流入额}}{\text{行业总成交额}}$ [12] 2. 因子名称：估值分位数（估值因子） - 因子构建思路：衡量行业当前估值的历史位置[17] - 因子具体构建过程： 1. 选取行业PE/PB等指标 2. 计算过去1年滚动分位数 $\text{分位数} = \frac{\text{当前值 - 最小值}}{\text{最大值 - 最小值}}$ [17] 3. 因子名称：MACD（动量因子） - 因子构建过程： 1. 计算行业指数12日/26日EMA $EMA_{12} = \text{前日EMA}_{12} \times \frac{11}{13} + \text{当日收盘价} \times \frac{2}{13}$ $EMA_{26} = \text{前日EMA}_{26} \times \frac{25}{27} + \text{当日收盘价} \times \frac{2}{27}$ 2. 计算DIF与DEA： $DIF = EMA_{12} - EMA_{26}$ $DEA = \text{DIF的9日EMA}$ 3. MACD柱 = (DIF - DEA) × 2[17] 4. 因子名称：RSI（超买超卖因子） - 因子构建过程： 1. 计算行业指数14日平均涨幅/跌幅 $RS = \frac{\text{平均涨幅}}{\text{平均跌幅}}$ 2. 标准化： $RSI = 100 - \frac{100}{1+RS}$ [17] --- 模型的回测效果 1. A股行业轮动模型 - 综合评分最高行业：综合（10分）、有色金属（10分）[19] - 综合评分最低行业：银行（-15分）、石油石化（-9分）[19] - 因子贡献分布： - 综合行业：资金（++）、估值（+++）、动量（+++）[19] - 银行行业：资金（---）、情绪（--）、盈利（---）[19] 2. 共识度选股模型 - 本期选股行业：通信设备、地面兵装Ⅱ、元件[21] - 选股结果示例： - 通信设备：新易盛、移远通信[21] - 地面兵装Ⅱ：长城军工、光电股份[21] --- 因子的回测效果 1. 主力资金净流入因子 - 5日净流入前五行业：非银金融（94.57亿元）、建筑装饰（4.85亿元）[13] - 30日净流入前五行业：煤炭（-8.82亿元）、综合（-16.5亿元）[14] 2. 估值分位数因子 - 高分位行业：综合（+++）、有色金属（++）[19] - 低分位行业：银行（---）、石油石化（---）[19] 3. 动量因子（MACD） - 强势行业：电子（+++）、综合（+++）[19] - 弱势行业：交通运输（---）、银行（--）[19] 4. 超买超卖因子（RSI） - 超买行业：电子（+++）、通信（+++）[19] - 超卖行业：医药生物（---）、传媒（---）[19]