量化模型与构建方式 1. 模型名称：量价行业轮动组合 模型构建思路：基于动量、交易波动、换手率、多空对比、量价背离、量幅同向六个维度的量价因子，通过单因子测试筛选出11个有效因子，构建复合因子进行行业轮动[7] 模型具体构建过程： - 每月末从中信一级行业（剔除综合和综合金融）中选取复合因子值最高的五个行业 - 因子等权加权，行业间等权加权[8] 模型评价：逻辑性强，历史表现优异 2. 模型名称："正预期与非拥挤"行业组合 模型构建思路：结合分析师预期复合因子和拥挤度指标，剔除拥挤度最低的15个行业后选择预期因子值最高的五个行业[11] 模型具体构建过程： - 分析师预期复合因子包含：分析师预期变化、市场信心、报告覆盖加速度、机构覆盖加速度、财务报表超预期、业绩预告超预期 - 拥挤度指标由6个量价因子构建 - 每月末剔除拥挤度最低的15个行业后，选择剩余行业中分析师预期复合因子值最高的五个行业[11] 模型的回测效果 1. 量价行业轮动组合 - 累计收益：797.59%（2010-2025/7） - 累计超额收益：686.47%（vs行业等权） - 7月收益：5.54% - 7月超额收益：0.82% - 2025年前7月超额收益：4.36% - 月胜率：100%[9][10] 2. "正预期与非拥挤"行业组合 - 累计收益：1145.44%（2010-2025/7） - 累计超额收益：1034.33%（vs行业等权） - 7月收益：6.74% - 7月超额收益：2.02% - 2025年前7月收益：5.25% - 2025年前7月超额收益：-4.08%[11] 量化因子与构建方式 1. 因子名称：二阶动量 因子构建思路：衡量价格二阶变化趋势 因子具体构建过程： $𝐶𝑙𝑜𝑠𝑒𝑡\ 𝐸𝑊𝑀𝐴(𝐶𝑙𝑜𝑠𝑒𝑡−𝑚𝑒𝑎𝑛(𝐶𝑙𝑜𝑠𝑒𝑡−window1:𝑡),window2)−𝑑𝑒𝑙𝑎𝑦(𝑚𝑒𝑎𝑛(𝐶𝑙𝑜𝑠𝑒𝑡−window1:𝑡),window)$ 其中： - $𝐶𝑙𝑜𝑠𝑒𝑡$为当期收盘价 - $𝐸𝑊𝑀𝐴$为指数加权移动平均 - $window1$和$window2$为不同时间窗口[8] 2. 因子名称：动量期限差 因子构建思路：比较不同期限价格动量差异 因子具体构建过程： $\frac{𝐶𝑙𝑜𝑠𝑒𝑡−𝐶𝑙𝑜𝑠𝑒𝑡−𝑤𝑖𝑛𝑑𝑜𝑤1}{𝐶𝑙𝑜𝑠𝑒𝑡−𝑤𝑖𝑛𝑑𝑜𝑤1}−\frac{𝐶𝑙𝑜𝑠𝑒𝑡−𝐶𝑙𝑜𝑠𝑒𝑡−𝑤𝑖𝑛𝑑𝑜𝑤2}{𝐶𝑙𝑜𝑠𝑒𝑡−𝑤𝑖𝑛𝑑𝑜𝑤2}$[8] 3. 因子名称：成交金额波动 因子构建思路：衡量成交金额波动性 因子具体构建过程： $−𝑆𝑇𝐷(𝐴𝑚𝑜𝑢𝑛𝑡)$[8] 4. 因子名称：换手率变化 因子构建思路：比较不同窗口换手率均值变化 因子具体构建过程： $\frac{𝑀𝑒𝑎𝑛(𝑡𝑢𝑟𝑛𝑜𝑣𝑒𝑟𝑡−window1:𝑡)}{𝑀𝑒𝑎𝑛(𝑡𝑢𝑟𝑛𝑜𝑣𝑒𝑟𝑡−window2:𝑡)}$[8] 5. 因子名称：多空对比总量 因子构建思路：综合衡量多空力量对比 因子具体构建过程： $\sum_{𝑖=𝑡−𝑤𝑖𝑛𝑑𝑜𝑤}^𝑡\left[\frac{(𝐶𝑙𝑜𝑠𝑒−𝐿𝑜𝑤)−(𝐻𝑖𝑔ℎ−𝐶𝑙𝑜𝑠𝑒)}{𝐻𝑖𝑔ℎ𝑖−𝐿𝑜𝑤𝑖}\times(𝑉𝑜𝑙𝑢𝑚𝑒\ 𝐸𝑊𝑀𝐴\times𝐶𝑙𝑜𝑠𝑒)\right]$[8] 6. 因子名称：量价背离协方差 因子构建思路：通过排名协方差捕捉量价背离 因子具体构建过程： $𝑟𝑎𝑛𝑘\{𝑐𝑜𝑣𝑎𝑟𝑖𝑎𝑛𝑐𝑒[𝑟𝑎𝑛𝑘(𝐶𝑙𝑜𝑠𝑒),𝑟𝑎𝑛𝑘(𝑉𝑜𝑙𝑢𝑚𝑒),𝑤𝑖𝑛𝑑𝑜𝑤]\}$[8] 7. 因子名称：量价相关系数 因子构建思路：直接计算量价相关性 因子具体构建过程： $−𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛(𝐶𝑙𝑜𝑠𝑒,𝑉𝑜𝑙𝑢𝑚𝑒,𝑤𝑖𝑛𝑑𝑜𝑤)$[8] 因子的回测效果 （注：报告中未单独披露各因子测试结果，仅展示复合模型效果）