根据提供的金融工程周报内容，以下是关于报告中涉及的量化模型与因子的详细总结。 量化模型与构建方式 1. 模型名称：流动性冲击指标[3] * 模型构建思路：该指标用于衡量当前市场流动性相对于过去一年平均水平的偏离程度，以评估市场的流动性状况[3]。 * 模型具体构建过程：报告未提供该指标的具体计算公式，仅说明其计算基于沪深300指数。指标值为0.15，表示当前市场流动性高于过去一年平均水平0.15倍标准差[3]。 2. 模型名称：SAR指标（停损转向指标）[3][10] * 模型构建思路：SAR是一种趋势跟踪指标，用于识别市场的潜在反转点。当价格向下突破SAR线时，产生卖出信号；当价格向上突破SAR线时，产生买入信号[3][10][11]。 * 模型具体构建过程：报告未提供SAR指标的具体计算公式，但展示了其应用。Wind全A指数于11月17日向下突破翻转指标，形成卖出信号[10][11]。 3. 模型名称：均线强弱指数[3][10] * 模型构建思路：该指数通过计算Wind二级行业指数中处于强势（如价格位于某均线之上）的行业比例，来度量整个市场的技术面强弱[3][10]。 * 模型具体构建过程：报告未提供该指数的具体构建公式。当前市场得分为80，处于2023年以来的25.9%分位点，表明市场技术面偏弱[10]。 4. 模型名称：情绪择时模型[3][10][13] * 模型构建思路：通过构建涨跌停板相关因子来刻画市场的情绪强弱，并综合这些因子信号形成择时模型[3][10]。 * 模型具体构建过程：模型包含多个细分因子，每个因子给出0或1的信号，综合后得到总得分（满分5分）。具体因子包括： * 净涨停占比[13] * 跌停次日收益[13] * 涨停板占比[13] * 跌停板占比[13] * 高频打板收益[13] 当前情绪模型总得分为0分，趋势模型信号为负向，加权模型信号为负向[10][13]。 5. 因子名称：因子拥挤度复合指标[14][15] * 因子构建思路：因子拥挤度用于预警因子可能因资金过度追逐而失效的风险。通过综合多个子指标来评估因子的拥挤程度[14]。 * 因子具体构建过程：对于每个待评估的因子（如小市值、低估值等），使用以下四个指标进行度量，并综合打分[14][15]： * 估值价差 * 配对相关性 * 长期收益反转（报告中亦称为“市场波动”和“收益反转”）[15] * 因子波动率 报告未提供各子指标及综合打分的具体计算公式。 6. 因子名称：行业拥挤度[22][23] * 因子构建思路：用于评估特定行业是否因交易过热而存在回调风险[22]。 * 因子具体构建过程：报告提及该因子参考了专题报告《行业轮动系列研究 15——行业板块拥挤度》，但未在周报中给出具体的构建公式。其结果显示为标准化分数[22][23]。 模型的回测效果 报告未提供上述量化模型（如流动性冲击指标、SAR、均线强弱指数、情绪择时模型）的具体历史回测指标（如年化收益率、夏普比率、最大回撤等）。 量化因子与构建方式 报告中提及的小市值、低估值、高盈利、高增长因子，以及行业拥挤度因子，其具体的因子计算公式（如如何定义小市值、如何计算估值等）未在本周报中提供，仅展示了其拥挤度监测结果。 因子的回测效果 1. 小市值因子 * 复合拥挤度：0.39[15] 2. 低估值因子 * 复合拥挤度：-0.69[15] 3. 高盈利因子 * 复合拥挤度：-0.02[15][17] 4. 高盈利增长因子 * 复合拥挤度：0.05[15][17] 5. 行业拥挤度因子 * 具体行业拥挤度取值详见报告中的图表和表格[22][23][24]。