量化模型与构建方式 1. 模型名称：价格分段体系[7][14] * 模型构建思路：通过分析指数价格在不同时间周期（如日线、周线）上的走势，对市场状态进行分段识别，以判断趋势方向[14]。 * 模型具体构建过程：报告未详细描述该模型的构建过程和具体公式，仅展示了其应用结果。从图表看，该模型可能涉及对指数价格序列进行技术分析，以划分出不同的趋势段[17]。 2. 模型名称：微观市场结构择时模型[7][15] * 模型构建思路：通过监测“知情交易者”的活跃度变化，来捕捉市场微观结构中的信息，并用于判断市场后市走向[15]。 * 模型具体构建过程：报告未详细描述该模型的构建过程和具体公式。模型核心是构建“知情交易者活跃度”指标，该指标的变化与市场走势同步，其快速升温被视为对后市乐观的信号[15][18]。 3. 模型名称：分析师行业景气预期模型[7][19] * 模型构建思路：基于卖方分析师对上市公司的一致预测数据，计算各行业未来盈利预期的变化，以监测行业景气度的边际变化[19]。 * 模型具体构建过程：模型计算两个核心指标： 1. 一致预测滚动未来12个月ROE（ROE FTTM）的环比变化。 2. 一致预测滚动未来12个月净利润增速（净利润增速 FTTM）的环比变化。 通过跟踪这些指标每周的变化，来观察哪些行业的盈利预期在改善或恶化[19][20]。 4. 模型名称：ETF资金流多空信号模型[3][13] * 模型构建思路：根据ETF的资金流入流出情况，构建多头和空头ETF组合，并穿透至底层行业，形成对行业板块的看好或看空信号，用于指导行业轮动[3][13]。 * 模型具体构建过程：报告未给出具体的筛选规则和构建公式。其过程大致为：首先根据ETF资金流数据筛选出资金流入（多头）和流出（空头）的ETF；然后，将这些ETF的持仓穿透汇总到申万一级行业，得到模型相对看好或谨慎的行业板块[3][13]。 模型的回测效果 （报告中未提供上述量化模型的具体回测效果指标值，如年化收益率、夏普比率等。） 量化因子与构建方式 1. 因子名称：BARRA风格因子体系[24][25] * 因子构建思路：采用经典的BARRA风险模型框架，从多个维度（基本面、交易、市值等）刻画股票的风格特征，并计算这些风格因子在特定周期内的收益表现[24][25]。 * 因子具体构建过程：报告未详细描述每个因子的具体计算公式。它直接引用了BARRA风格因子的收益表现。报告中提及的因子包括： * 基本面类因子：换手、财务杠杆、盈利波动、盈利质量、盈利能力、投资质量、长期反转、EP价值、BP价值、成长。 * 交易类因子：动量、非线性市值、市值、波动率、贝塔、股息率。 这些因子通常经过标准化、中性化等处理，以代表纯粹的风格暴露[24][25]。 因子的回测效果 1. BARRA风格因子，本周收益：换手因子0.9%，财务杠杆因子0.1%，盈利波动因子0.1%，盈利质量因子-0.1%，盈利能力因子+0.2%，投资质量因子-0.3%，长期反转因子0.4%，EP价值因子-0.1%，BP价值因子+0.2%，成长因子0.2%，动量因子0.7%，非线性市值因子0.7%，市值因子0.6%，波动率因子-0.2%，贝塔因子1.7%，股息率因子0.1%[25]。