量化模型与因子总结 量化模型与构建方式 1. 模型名称：平稳创新高股票筛选模型[27][29] * 模型构建思路：基于行为金融学理论，从已创新高的股票中进一步筛选出具有平稳动量特征的股票，这些股票被认为可能具有更强的动量效应和持续性[27] * 模型具体构建过程：该模型是一个多步骤的筛选流程： 1. 初始股票池：过去20个交易日创出过250日新高的股票[19][27] 2. 分析师关注度筛选：过去3个月内有不少于5份买入或增持评级的分析师研报[29] 3. 股价相对强弱筛选：过去250日涨跌幅位于全市场前20%[29] 4. 综合打分筛选：在满足上述条件的股票池内，使用以下两个指标进行综合打分，并取排名在前50%的股票[29]： * 价格路径平滑性（股价位移路程比）：$\text{平滑性} = \frac{|\text{过去120日涨跌幅}|}{\sum|\text{过去120日日涨跌幅}|}$[27] 该比值越高，表明价格路径越平滑，波动越小。 * 创新高持续性：过去120日的250日新高距离在时间序列上的均值[29] 5. 趋势延续性筛选：对经过上述筛选的股票，计算其过去5日的250日新高距离在时间序列上的均值，并最终选取该指标排序最靠前的50只股票[29] 量化因子与构建方式 1. 因子名称：250日新高距离[11] * 因子构建思路：衡量当前股价相对于其过去250个交易日最高点的回落幅度，用于识别接近或创出新高的股票，这类股票被认为具有动量效应[11] * 因子具体构建过程：对于单只股票，在时间点t，其250日新高距离的计算公式为： $\text{250日新高距离} = 1 - \frac{\text{Close}_t}{\text{ts\_max(Close, 250)}}$[11] 其中，$\text{Close}_t$ 为股票在t日的最新收盘价，$\text{ts\_max(Close, 250)}$ 为股票在过去250个交易日收盘价的最大值。若最新收盘价创出新高，则该因子值为0；若股价从高点回落，则该因子为正值，表示回落的幅度[11] 模型的回测效果 （注：研报中未提供平稳创新高股票筛选模型的具体回测指标数值，如年化收益率、夏普比率、信息比率(IR)、最大回撤等，因此此部分省略。） 因子的回测效果 （注：研报中未提供250日新高距离因子的具体回测指标数值，如IC、ICIR、因子收益率、年化多空收益等，因此此部分省略。）