根据提供的金融工程市场跟踪周报内容，以下是总结的量化模型与因子信息： 量化模型与构建方式 1. 沪深300上涨家数占比情绪指标模型 模型构建思路：通过计算指数成分股中近期正收益的个股占比来判断市场情绪，正收益股票增多可能预示行情底部，大部分股票正收益则可能预示情绪过热[27] 模型具体构建过程： 计算沪深300指数N日上涨家数占比 = 沪深300指数成分股过去N日收益大于0的个股数占比[27] 其中N为参数时间窗口 模型评价：该指标可以较快捕捉上涨机会，但在市场过热阶段会提前止盈离场而错失持续上涨收益，对下跌市场的判断存在缺陷，难以有效规避下跌风险[28] 2. 沪深300上涨家数占比择时模型 模型构建思路：通过对指标进行不同窗口期的平滑处理来捕捉情绪变动趋势，当短期平滑线大于长期平滑线时看多市场[31] 模型具体构建过程： 对沪深300指数N日上涨家数占比进行两次移动平均： - 慢线：窗口期为N1的移动平均 - 快线：窗口期为N2的移动平均 其中N=230，N1=50，N2=35[31] 当快线 > 慢线时，产生看多信号 3. 均线情绪指标模型 模型构建思路：使用八均线体系判断标的指数趋势状态，通过价格与均线关系来识别市场情绪[35] 模型具体构建过程： （1）计算沪深300收盘价八均线数值，均线参数为8，13，21，34，55，89，144，233[35] （2）计算当日沪深300指数收盘价大于八均线指标值的数量[36] （3）当前价格大于八均线指标值的数量超过5时，看多沪深300指数[36] 模型评价：指标值状态与HS300的涨跌变化规律更加清晰[35] 4. 量能择时模型 模型构建思路：通过量能指标对各大宽基指数进行择时判断[26] 模型具体构建过程：报告中未详细说明具体构建公式和参数，但提到了对中证1000、创业板指、北证50等指数给出量能择时信号[26] 5. 抱团基金分离度指标 因子构建思路：通过抱团基金截面收益的标准差作为基金抱团程度的代理变量，标准差小说明抱团程度高[87] 因子具体构建过程： 分离度指标 = 抱团基金截面收益的标准差[87] 分离度值越小，表明抱团基金表现越趋同，抱团程度越高；分离度值越大，表明抱团正在瓦解 量化因子与构建方式 1. 横截面波动率因子 因子构建思路：通过计算指数成分股的横截面波动率来评估Alpha环境[39] 因子具体构建过程：报告中未提供具体计算公式，但提到了对沪深300、中证500和中证1000指数成分股横截面波动率的计算和监测[39] 2. 时间序列波动率因子 因子构建思路：通过计算指数成分股的时间序列波动率来评估Alpha环境[43] 因子具体构建过程：报告中未提供具体计算公式，但提到了对沪深300、中证500和中证1000指数成分股时间序列波动率的计算和监测[43] 模型的回测效果 从报告中提取的模型效果信息有限，主要包含以下内容： 1. 动量情绪指标择时策略：从净值表现图来看，该策略在历史回测中表现良好[32] 2. 均线情绪指标择时策略：从净值表现图来看，该策略在历史回测中表现稳定[37] 3. 量能择时模型：截至2025年8月29日，对各大宽基指数的择时观点为：上证指数、上证50、沪深300、中证500为看多信号；中证1000、创业板指、北证50为看空信号[26] 因子的回测效果 从报告中提取的因子效果信息： 1. 横截面波动率因子（截至2025.08.29）： - 沪深300横截面波动率：近一季度平均值1.76%，占近两年分位49.48%[43] - 中证500横截面波动率：近一季度平均值1.91%，占近两年分位61.90%[43] - 中证1000横截面波动率：近一季度平均值2.23%，占近两年分位48.61%[43] 2. 时间序列波动率因子（截至2025.08.29）： - 沪深300时序波动率：近一季度平均值0.53%，占近两年分位34.99%[46] - 中证500时序波动率：近一季度平均值0.38%，占近两年分位57.94%[46] - 中证1000时序波动率：近一季度平均值0.22%，占近两年分位37.45%[46] 3. 抱团基金分离度因子：截至2025年8月29日，基金抱团分离度环比上周小幅上升，最近一周抱团股和抱团基金超额收益小幅上升[87]