根据提供的研报内容，以下是其中涉及的量化模型与因子的总结。 量化模型与构建方式 1. 模型名称：价格分段体系[14][17] * 模型构建思路：该模型用于对指数价格走势进行多时间维度的划分和识别，以判断当前市场所处的趋势阶段[14] * 模型具体构建过程：模型通过计算指数在不同时间周期（如日线、周线）上的技术指标来进行分段。报告中提到了dea指标，该指标通常是MACD（指数平滑异同移动平均线）的组成部分。MACD的计算过程一般包含以下步骤： 1. 计算短期（如12日）指数移动平均线（EMA）和长期（如26日）EMA。 $EMA(12) = \frac{2}{12+1} \times (今日收盘价 - 昨日EMA(12)) + 昨日EMA(12)$ $EMA(26) = \frac{2}{26+1} \times (今日收盘价 - 昨日EMA(26)) + 昨日EMA(26)$ 2. 计算离差值（DIF）：DIF = EMA(12) - EMA(26) 3. 计算信号线（DEA）：DEA是DIF的9日EMA。 $DEA = \frac{2}{9+1} \times (今日DIF - 昨日DEA) + 昨日DEA$ 通过观察指数价格与dea等指标的关系，对价格走势进行分段识别[17] 2. 模型名称：微观市场结构择时模型[15][18] * 模型构建思路：通过监测市场中“知情交易者”的活跃度变化，来判断市场情绪和未来走势[15] * 模型具体构建过程：报告未详细说明该模型的具体构建算法和公式，但指出其核心是构建一个“知情交易者活跃度指标”。该指标能够反映掌握更多信息的交易者的行为变化，并将其作为市场情绪的晴雨表[15][18] 3. 模型名称：分析师行业景气预期模型[19][20] * 模型构建思路：通过追踪和分析师对上市公司未来盈利的一致预测变化，来度量各行业的景气预期[19] * 模型具体构建过程：模型计算申万一级行业的两个关键预期指标： 1. 一致预测滚动未来12个月ROE（ROE FTTM）环比变化：反映市场对行业未来盈利能力预期的变动。 2. 一致预期净利润FTTM增速环比变化：反映市场对行业未来盈利增长预期的变动。 通过统计这些一致预测数据在特定周期（如本周）内的环比变化，来观察各行业景气预期的强弱[19][20] 4. 因子名称：BARRA风格因子[22][25] * 因子构建思路：采用国际通用的BARRA风险模型框架，从多个维度解析市场的风格偏好和收益来源[22] * 因子具体构建过程：报告提及了以下几类BARRA风格因子，但未给出具体计算公式： * 基本面类因子：包括价值因子（如BP，账面市值比）和成长因子。 * 质量类因子：包括投资质量因子和盈利能力因子。 * 交易类因子：包括动量因子、波动率因子和换手率因子。 * 市场相关因子：包括贝塔因子。 * 市值因子：包括市值因子和非线性市值因子。 这些因子共同解释了股票横截面收益的差异，其本周收益表现反映了市场的风格偏好[22][25] 模型的回测效果 本报告未提供明确的量化模型回测效果指标（如年化收益率、夏普比率等）。 因子的回测效果 本报告未提供明确的单因子回测效果指标（如IC值、IR等），但给出了BARRA风格因子在本周的收益表现定性描述[22][25]。