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，构建一个简单的轮动策略。每周选择市场关注度（总热度）边际提升最显著的宽基指数进行投资，若热度提升最大的是非主流股票（“其他”组），则选择空仓[11][13]。 * 模型具体构建过程： 1. 将全A股票按宽基指数成分股分组，包括沪深300、中证500、中证1000、中证2000以及不属于以上四组的“其他”股票[8]。 2. 计算每个宽基组每周的“总热度变化率”。具体为：对组内所有成分股的“个股总热度指标”进行求和，得到该组的周度总热度，再计算其相比上周的变化率[8][11]。 3. 对计算出的周度热度变化率取2周移动平均（MA2）进行平滑处理[11]。 4. 在每周最后一个交易日，买入“总热度变化率MA2”最大的宽基指数对应的股票组合。如果变化率最大的是“其他”组，则本周不持仓（空仓）[13]。 2. 模型名称：热门概念内低热度选股策略[30][32] * 模型构建思路：在短期内受市场情绪驱动、热度快速上升的概念板块中，逆向选择该概念内受关注度相对较低的个股，以期获得超额收益[29][30]。 * 模型具体构建过程： 1. 每周筛选出“概念总热度变化率”最大的5个概念[32]。 2. 将这5个热门概念的所有成分股合并，作为初始选股股票池[32]。 3. 从股票池中剔除流通市值最小的20%的股票[32]。 4. 构建两个对比组合： * 热度TOP组合：从每个热门概念中，选出“个股总热度指标”排名前10的个股，等权持有[32]。 * 热度BOTTOM组合：从每个热门概念中，选出“个股总热度指标”排名最后10的个股，等权持有[32]。 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：通过加总个股在交易软件中的用户行为数据（浏览、自选、点击），构建一个反映市场对单只股票关注度的代理指标，并经过标准化处理以消除市场整体活跃度的影响[7]。 * 因子具体构建过程： 1. 对于单只股票，每日计算其浏览次数、加入自选次数和点击次数之和[7]。 2. 将该和值除以当日全市场所有股票的浏览、自选与点击次数之和，得到该股票热度在全市场的占比，实现日度横截面归一化[7]。 3. 将归一化后的占比乘以10000，使因子取值区间落在[0, 10000]之间[7]。 * 因子公式： $个股总热度指标_{i,t} = \frac{(浏览_{i,t} + 自选_{i,t} + 点击_{i,t})}{\sum_{j=1}^{N}(浏览_{j,t} + 自选_{j,t} + 点击_{j,t})} \times 10000$ 其中，$i$ 代表股票，$t$ 代表日期，$N$ 代表全市场股票总数[7]。 2. 因子名称：聚合总热度指标[7] * 因子构建思路：将“个股总热度指标”在更高维度（如宽基指数、行业、概念）上进行聚合，得到反映该群体整体市场情绪热度的指标[7]。 * 因子具体构建过程： 1. 确定一个股票集合 $G$（例如，沪深300的所有成分股、申万一级行业“商贸零售”的所有成分股、或“乳业”概念的所有成分股）[7][8]。 2. 对该集合 $G$ 内所有成分股在特定日期的“个股总热度指标”进行简单求和[7]。 * 因子公式： $聚合总热度指标_{G,t} = \sum_{i \in G} 个股总热度指标_{i,t}$ 其中，$G$ 代表特定的股票群体[7]。 3. 因子名称：热度变化率MA2[11][20] * 因子构建思路：计算“聚合总热度指标”的周度环比变化率，并采用移动平均进行平滑，以捕捉市场情绪热度的边际变化趋势[11][20]。 * 因子具体构建过程： 1. 对于某个股票群体 $G$，计算其第 $W$ 周的“聚合总热度指标”值 $H_{G,W}$[11]。 2. 计算周度热度变化率：$ChangeRate_{G,W} = (H_{G,W} / H_{G,W-1}) - 1$[16][27]。 3. 对计算出的周度变化率序列取2周移动平均：$ChangeRateMA2_{G,W} = (ChangeRate_{G,W} + ChangeRate_{G,W-1}) / 2$[11]。 模型的回测效果 1. 宽基轮动策略[16] * 年化收益率：8.74%[16] * 最大回撤：23.5%[16] * 2025年收益：31.42%[16] 2. 热门概念内低热度选股策略（BOTTOM组合）[34] * 年化收益率：15.71%[34] * 最大回撤：28.89%[34] * 2025年收益：41%[34] 因子的回测效果 （注：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，已汇总于“模型的回测效果”部分。）