量化模型与构建方式 1 模型名称：量能择时模型；模型构建思路：通过分析主要宽基指数的成交量变化来判断市场短期走势和交易情绪[12]；模型具体构建过程：监测各宽基指数（上证指数、上证50、沪深300、中证500、中证1000、创业板指、北证50）的量能变化，当量能收缩时发出谨慎（空）信号，当量能扩张时发出乐观信号[25]；模型评价：该模型能较快捕捉市场情绪变化，但对下跌市场的判断存在缺陷，难以有效规避下跌风险[26] 2 模型名称：沪深300上涨家数占比情绪指标；模型构建思路：通过计算指数成分股中近期取得正收益的个股数量占比来判断市场情绪[25]；模型具体构建过程：计算沪深300指数成分股过去N日（报告中N=230）收益大于0的个股数占比，公式为 $沪深300指数N日上涨家数占比 = \frac{过去N日收益大于0的个股数}{沪深300指数成分股总数}$[25][29]；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，错失持续上涨收益，且难以有效规避下跌风险[26] 3 模型名称：动量情绪指标择时模型；模型构建思路：通过对上涨家数占比指标进行不同窗口期的平滑处理来捕捉市场情绪的变动趋势[27]；模型具体构建过程：首先计算沪深300指数N日上涨家数占比，然后分别进行窗口期为N1（长窗口，N1=50）和N2（短窗口，N2=35）的移动平均，得到慢线和快线，当快线大于慢线时，看多沪深300指数[27][29]；模型评价：该模型通过双均线交叉捕捉趋势，能较好判断市场情绪拐点[27] 4 模型名称：均线情绪指标；模型构建思路：利用八条不同周期的均线构成体系，通过判断收盘价与均线系统的相对位置来评估市场趋势状态[33]；模型具体构建过程：计算沪深300收盘价的八条均线（参数为8, 13, 21, 34, 55, 89, 144, 233），统计当日收盘价大于各均线值的数量，当该数量超过5时，看多沪深300指数[34]；模型评价：该指标状态与沪深300的涨跌变化规律较为清晰[33] 5 模型名称：抱团基金分离度指标；模型构建思路：通过计算抱团基金组合截面收益的标准差来实时监控基金抱团程度[80]；模型具体构建过程：构建抱团基金组合，计算该组合截面收益的标准差，分离度值小说明抱团程度高，表现趋同；分离度值大说明抱团正在瓦解[80]；模型评价：该指标是基金抱团程度的有效代理变量[80] 量化因子的构建方式 1 因子名称：横截面波动率因子；因子构建思路：通过计算指数成分股收益率的横截面标准差来衡量市场分化程度和Alpha环境[39]；因子具体构建过程：对于特定指数（如沪深300、中证500、中证1000），每日计算其所有成分股收益率的横截面标准差，作为当日的横截面波动率值[39][40]；因子评价：该因子值高表明市场分化大，Alpha机会多；值低表明市场趋同，Alpha环境差[39] 2 因子名称：时间序列波动率因子；因子构建思路：通过计算指数成分股加权时间序列波动率来衡量市场整体波动水平和Alpha环境[41]；因子具体构建过程：对于特定指数，每日计算其所有成分股收益率的加权时间序列标准差，作为当日的时间序列波动率值[41][43]；因子评价：该因子值高表明市场波动大，Alpha机会多；值低表明市场波动小，Alpha环境差[41] 模型的回测效果 1 量能择时模型，截至2025年9月19日，对上证指数、上证50、沪深300、中证500、中证1000、创业板指、北证50均发出"空"信号[25] 2 动量情绪指标择时模型，截至2025年9月19日，快线仍处于慢线上方，维持看多观点[27] 3 均线情绪指标，截至2025年9月19日，沪深300指数处于情绪景气区间[34] 4 抱团基金分离度指标，截至2025年9月19日，分离度环比前一周小幅下降[80] 因子的回测效果 1 横截面波动率因子，近两年平均值：沪深300为1.88%，中证500为2.05%，中证1000为2.25%；近一年平均值：沪深300为1.96%，中证500为2.19%，中证1000为2.46%；近半年平均值：沪深300为1.83%，中证500为2.01%，中证1000为2.30%；近一季度平均值：沪深300为1.98%，中证500为2.12%，中证1000为2.37%[41] 2 时间序列波动率因子，近两年平均值：沪深300为0.64%，中证500为0.46%，中证1000为0.26%；近一年平均值：沪深300为0.67%，中证500为0.49%，中证1000为0.28%；近半年平均值：沪深300为0.59%，中证500为0.43%，中证1000为0.24%；近一季度平均值：沪深300为0.62%，中证500为0.44%，中证1000为0.24%[44]