根据提供的研报内容，以下是量化模型与因子的总结： 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：通过比较Wind全A指数的短期均线（20日）和长期均线（120日）的距离来判断市场趋势[2][9] - 模型具体构建过程： 计算20日均线和120日均线的差值，公式为： $均线距离 = \frac{20日均线 - 120日均线}{120日均线} \times 100\%$ 当均线距离绝对值大于3%时，认为市场处于上行趋势[2][9] - 模型评价：简单直观，能够有效捕捉市场趋势变化 2. 模型名称：仓位管理模型 - 模型构建思路：结合估值水平和短期趋势判断，为绝对收益产品提供仓位建议[3][10] - 模型具体构建过程： 根据Wind全A的PE（70分位）和PB（30分位）估值水平，结合均线距离信号，建议仓位80%[3][10] 3. 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特性推荐科技板块[2][8] - 模型具体构建过程： 未披露具体公式，但持续推荐军工和算力板块[2][8] - 模型评价：适合上行趋势市场环境 模型的回测效果 1. 均线距离择时模型 - 当前均线距离：6.92%[2][9] - 趋势判断：上行趋势（距离>3%）[2][9] 2. 仓位管理模型 - 建议仓位：80%[3][10] 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：通过计算当前价格与趋势线的偏离程度反映市场赚钱效应[2][8] - 因子具体构建过程： $赚钱效应值 = \frac{当前价格 - 趋势线}{趋势线} \times 100\%$ 当值为正时保持高仓位[2][8] - 因子评价：有效反映市场资金流向 2. 因子名称：估值分位因子 - 因子构建思路：通过PE/PB历史分位数判断市场估值水平[3][10] - 因子具体构建过程： 计算Wind全A指数PE/PB在过去10年（2014-2025）的历史分位数[11][14] 因子的回测效果 1. 赚钱效应因子 - 当前取值：2.30%[2][8] - 趋势线位置：5540点[2][8] 2. 估值分位因子 - PE分位：70%[3][10] - PB分位：30%[3][10]