量化模型与构建方式 1. 模型名称：宽基轮动策略[13] * 模型构建思路：基于市场情绪热度变化进行宽基指数轮动。认为不同宽基指数（如沪深300、中证500等）成分股的总热度周度变化率（经平滑处理）可以反映资金流向和市场情绪，选择热度上升最快的宽基进行投资，若热度上升最快的是非主流股票（“其他”组），则空仓以规避风险[11][13]。 * 模型具体构建过程： 1. 数据准备：将全A股按沪深300、中证500、中证1000、中证2000以及“其他”进行分组[8]。 2. 计算组内总热度：对每个组内的所有成分股，计算其“个股总热度指标”的加和，得到该宽基（或“其他”组）的“总热度”指标[7][8]。 3. 计算热度变化率：计算每个宽基（及“其他”组）总热度的周度变化率[11]。 4. 平滑处理：对周度变化率取2周移动平均（MA2）进行平滑[11]。 5. 交易信号：在每周最后一个交易日，买入总热度变化率MA2最大的宽基指数。如果变化率最大的为“其他”组，则选择空仓[13]。 6. 执行：按信号等权买入对应宽基指数。 2. 模型名称：热门概念内低热度选股策略[29] * 模型构建思路：在短期受行为因素影响较大的热门概念板块中，选择板块内关注度（热度）最低的个股。逻辑在于热门概念中最高关注度的个股可能已充分定价，而低关注度个股存在反应不足或补涨机会[29]。 * 模型具体构建过程： 1. 筛选热门概念：在每周最后一个交易日，选出本周总热度变化率最大的5个概念[29]。 2. 构建备选股票池：将这5个热门概念对应的所有成分股作为初始股票池，并排除其中流通市值最小的20%的股票[29]。 3. 构建TOP组合：从每个热门概念的备选股票池中，选出“个股总热度指标”排名前10的个股，等权构建“热度TOP组合”[29]。 4. 构建BOTTOM组合：从每个热门概念的备选股票池中，选出“个股总热度指标”排名最后10的个股，等权构建“热度BOTTOM组合”[29]。 模型的回测效果 1. 宽基轮动策略，年化收益率8.74%，最大回撤23.5%，2025年收益31.4%[16]。 2. 热门概念内低热度选股策略（BOTTOM组合），年化收益15.71%，最大回撤28.89%，2025年收益40.2%[31]。 量化因子与构建方式 1. 因子名称：个股总热度指标[7] * 因子构建思路：通过加总个股的浏览、自选与点击次数，并做归一化处理，构建一个衡量市场对单只股票关注度（情绪热度）的代理指标[7]。 * 因子具体构建过程： 1. 获取股票i在交易日t的浏览次数、加入自选次数、点击次数。 2. 将上述三个次数相加，得到原始热度值。 3. 计算该原始热度值在当日全市场所有股票总原始热度值中的占比，进行归一化。 4. 将归一化后的数值乘以10000，使因子取值区间落在[0, 10000]。 其中，分母为当日全市场所有股票（共N只）的原始热度值总和[7]。 2. 因子名称：宽基/行业/概念总热度[7] * 因子构建思路：将属于同一宽基指数、同一行业或同一概念的所有成分股的“个股总热度指标”进行加总，得到更高层面的情绪热度代理变量，用于追踪市场对特定板块的整体关注度[7]。 * 因子具体构建过程：对于给定的宽基指数G（或行业、概念），在交易日t，将其所有成分股的“个股总热度指标”进行求和。 其中，i为属于组G的成分股[7][8]。 3. 因子名称：热度周度变化率MA2[11][20][27] * 因子构建思路：计算宽基、行业或概念“总热度”指标的周度环比变化率，并采用2周移动平均进行平滑，以捕捉热度边际变化的趋势，减少噪声[11][20]。 * 因子具体构建过程： 1. 计算对象（宽基、行业或概念）在第w周的“总热度”均值（或周末值）。 2. 计算周度变化率： 3. 对变化率序列取2周移动平均（MA2）：[11] 4. 因子名称：估值历史分位数[38][41] * 因子构建思路：计算宽基指数或行业当前估值（如PE）在历史序列中所处的位置（分位数），以判断其相对历史水平的估值高低[38][41]。 * 因子具体构建过程： 1. 确定估值指标与回溯窗口：例如，对宽基指数采用滚动5年窗口计算PE_TTM的历史分位数[38]；对行业采用从2015年起始的固定窗口[41]。 2. 计算历史分位数：将当前估值指标值（如PE_TTM）放入历史时间序列中，计算其百分位排名。 用于监控市场估值状态[38][41]。 因子的回测效果 （报告中未提供单个因子的独立测试结果，如IC、IR等，仅展示了基于因子构建的策略组合表现）
本周热度变化最大行业为通信、食品饮料：市场情绪监控周报（20251201-20251205）-20251207
华创证券·2025-12-07 16:44