量化模型与构建方式 1. 模型名称：均线距离择时模型 - 模型构建思路：通过计算Wind全A指数的短期均线（20日）与长期均线（120日）的距离，判断市场整体趋势[2][10] - 模型具体构建过程： 1. 计算Wind全A指数的20日均线（短期均线）和120日均线（长期均线） 2. 计算两线距离的百分比差值： $\text{均线距离} = \frac{\text{20日均线} - \text{120日均线}}{\text{120日均线}} \times 100\%$ 3. 设定阈值3%：若距离绝对值>3%，判定为上行或下行趋势；否则为震荡趋势[2][10] - 模型评价：简单直观，能有效捕捉市场趋势变化，但对短期事件冲击的敏感性较低 2. 模型名称：TWO BETA行业配置模型 - 模型构建思路：基于市场风险偏好和行业弹性，推荐高Beta板块（如科技、军工等）[3][11] - 模型具体构建过程： 1. 筛选对市场风险偏好敏感的行业（如科技、券商） 2. 结合行业Beta值（相对市场波动率）和事件催化因素（如AI应用、固态电池技术突破）[3][11] - 模型评价：在上行趋势中表现突出，但对行业基本面变化反应滞后 3. 模型名称：仓位管理模型 - 模型构建思路：结合估值分位数和市场趋势动态调整股票仓位[3][11] - 模型具体构建过程： 1. 计算Wind全A的PE（70分位）、PB（30分位）历史分位数 2. 根据趋势信号（如均线距离>3%）和估值水平综合建议仓位： - 上行趋势+低估值：建议高仓位（如80%） - 上行趋势+高估值：建议中性仓位[3][11] 量化因子与构建方式 1. 因子名称：赚钱效应因子 - 因子构建思路：通过市场收益持续性衡量资金入场意愿[2][10] - 因子具体构建过程： 1. 计算Wind全A指数的趋势线（未明确公式，推测为价格均线） 2. 定义赚钱效应值为正时增量资金可能持续流入[2][10] 模型的回测效果 1. 均线距离择时模型： - 当前均线距离：5.21%（20日均线5437 vs 120日均线5168）[2][10] - 趋势判定：上行趋势（距离>3%） 2. TWO BETA模型： - 推荐板块：科技、军工、AI应用、固态电池[3][11] 3. 仓位管理模型： - 建议仓位：80%（Wind全A PB分位数30%+上行趋势）[3][11] 因子的回测效果 1. 赚钱效应因子： - 当前值：4.09%（Wind全A趋势线5400点附近）[2][10]