量化模型与构建方式 1. 模型名称：成交量模型 - 模型构建思路：基于宽基指数的成交量变化判断市场短期走势[12] - 模型具体构建过程：监测宽基指数（如上证指数、沪深300等）的成交量突破阈值，结合价格趋势确认信号。当成交量显著放大且价格突破关键位时触发看多信号[12] 2. 模型名称：低波动率模型 - 模型构建思路：通过计算宽基指数的历史波动率判断市场风险偏好[12] - 模型具体构建过程：采用20日波动率标准差，当波动率低于历史中位数时输出中性信号[12] 3. 模型名称：特征龙虎榜机构模型 - 模型构建思路：跟踪龙虎榜机构资金流向构建看空/看多信号[12] - 模型具体构建过程：统计机构席位净卖出金额占比，超过阈值时触发看空信号[12] 4. 模型名称：智能沪深300/中证500模型 - 模型构建思路：结合机器学习和价量因子对指数进行择时[12] - 模型评价：在趋势行情中表现优异，震荡市易产生误判[12] 5. 模型名称：涨跌停模型 - 模型构建思路：通过市场涨跌停家数比判断中期情绪[13] - 模型具体构建过程：计算涨停/跌停股票数量比值，5日均值高于1.5时看多，低于0.8时看空[13] 6. 模型名称：长期动量模型 - 模型构建思路：基于250日收益率排序判断长期趋势[14] - 模型具体构建过程：$Momentum_{250} = \frac{P_t}{P_{t-250}} - 1$，数值处于历史前30%分位时看多[14] 7. 复合模型：A股综合兵器V3模型 - 模型构建思路：耦合短期成交量、中期涨跌停和长期动量信号[15] - 模型评价：多周期信号互补，稳定性优于单一模型[15] 8. 港股模型：成交额倒波幅模型 - 模型构建思路：结合港股成交额与波动率异常检测[16] - 模型具体构建过程：$Signal = \frac{Turnover_{10D}}{VIX_{10D}}$，突破布林带上轨时看多[16] 模型的回测效果 1. 成交量模型：上证指数看多信号周胜率62%[12] 2. 低波动率模型：沪深300中性信号年化波动率18%[12] 3. 智能沪深300模型：年化超额收益9.8%，IR 1.2[12] 4. 长期动量模型：国证2000指数年化收益差3.5%[14] 5. 成交额倒波幅模型：恒生指数看多信号月胜率58%[16] 量化因子与构建方式 1. 因子名称：杯柄形态因子 - 因子构建思路：识别价格走势中的杯柄突破形态[44] - 因子具体构建过程： 1. 定义A点（左杯沿）、B点（杯底）、C点（右杯沿）[44] 2. 计算形态长度（A到C周数）[44] 3. 突破条件：$P_{break} = C_{high} + 0.5 \times (A_{high} - B_{low})$[44] 2. 因子名称：双底形态因子 - 因子构建思路：捕捉W形底部反转信号[49] - 因子具体构建过程： 1. 识别A（左底）、B（颈线）、C（右底）三点[49] 2. 突破条件：$P_{break} = B_{high} + 0.618 \times (B_{high} - A_{low})$[49] 因子的回测效果 1. 杯柄形态因子：2020年至今累计超额收益45.93%，周胜率53%[43] 2. 双底形态因子：同期累计超额收益34.82%，周胜率48%[43]