量化模型与构建方式 1. 模型名称：趋势资金事件驱动策略 模型构建思路：通过多维度识别趋势资金入场信号，批量生成事件信号并合成综合信号，构建稳定的事件驱动策略[1][2] 模型具体构建过程： - 事件识别：通过成交量、价格涨跌幅、波动率、量价相关性等指标的异常变化识别趋势资金行动，包括： - 成交量维度：基于大小单、主买/主卖方向、成交量/金额/笔数等168种组合[18][26] - 价格涨跌幅：极端放大或缩小（日内或滚动对比）[29][30] - 波动率：振幅或滚动标准差极端放大[31][32] - 量价相关性：超过2000种组合，包括量价对齐、错位等[33][34] - 信号定义：计算趋势资金均价指标和净支撑量指标： - 均价指标：$\text{趋势资金分钟的VWAP}/\text{当日所有分钟的VWAP}-1$[11][39] - 净支撑量指标：$\text{支撑成交量}-\text{阻力成交量}$（支撑/阻力成交量按分钟收盘价与均值的比较划分）[11][42] - 触发条件：均价指标<0或净支撑量指标>0[39] - 信号合成：筛选低相关且有效的信号（如事件1-5），等权合成综合信号[40][44] 模型评价：综合信号显著提升单一信号的稳定性和收益表现，持股数量更合理[44] 2. 模型名称：负向信号风险股票池 模型构建思路：利用事件簇中提供负向超额的信号构建风险股票池[49] 模型具体构建过程： - 筛选稳定提供负向超额的信号（如胜率低于50%）[49] - 合成负向综合信号并构建通道策略[49][53] 模型评价：触发负向信号的股票持续跑输基准，适合作为风险剔除池[49][52] 3. 模型名称：趋势资金择时策略 模型构建思路：基于触发信号股票数量的极端放大预测市场上涨[55] 模型具体构建过程： - 当触发信号股票数>过去240日95%分位数时开仓，连续20日无信号则平仓[55] - 回测开仓胜率60.61%，平均收益2.49%[56][59] 模型评价：信号对指数择时具有参考意义[55] --- 模型的回测效果 1. 趋势资金综合信号： - 年化收益率：8.32% - 年化超额收益（vs中证800等权）：10.31% - IR：2.41 - 最大回撤：6.44% - 周均持股数：40只[44][47] 2. 负向综合信号： - 年化收益率：-12.07% - 年化超额收益（vs基准）：7.49% - IR：0.43 - 最大回撤：77.02% - 周均持股数：16只[53][55] 3. 择时策略： - 年化收益率：8.67%（vs基准-0.40%） - 开仓胜率：60.61% - 平均持仓收益：2.49%[56][59] --- 量化因子与构建方式 1. 因子名称：趋势资金均价指标 因子构建思路：通过趋势资金交易时段的VWAP与全日的VWAP比较判断资金方向[11] 因子具体构建过程： - 识别趋势资金交易分钟（如成交量>阈值）[9] - 计算$\text{均价指标}=\frac{\text{趋势资金分钟VWAP}}{\text{全日VWAP}}-1$[11][39] 因子评价：反映趋势资金“高抛低吸”行为[11] 2. 因子名称：趋势资金净支撑量指标 因子构建思路：通过支撑/阻力成交量差异判断资金净流入方向[11] 因子具体构建过程： - 计算全日分钟收盘价均值，划分支撑/阻力成交量[11] - 计算$\text{净支撑量}=\text{支撑成交量}-\text{阻力成交量}$[42] 因子评价：捕捉资金内部结构变化[11] --- 因子的回测效果 1. 趋势资金均价指标（单信号）： - 年化超额收益：3.36% - IR：1.37 - 周均持股数：650只[10][13] 2. 趋势资金净支撑量指标（单信号）： - 年化超额收益：3.25% - IR：1.30 - 周均持股数：650只[10][13] 3. 事件簇信号（如事件1）： - 年化超额收益：4.60% - IR：2.36 - 周均持股数：533只[43]