量化模型与因子总结 量化模型与构建方式 1. 模型名称：行业均线趋势模型[2][24] * 模型构建思路：通过分析行业价格的多条移动平均线，从排列形态、间距扩散和时序变化三个维度综合评估行业的趋势强度，得分越高代表趋势越明确[2][24]。 * 模型具体构建过程： 1. 使用4条不同周期的移动平均线（MA）进行评估[2][24]。 2. 计算三个子指标： * 均线排列形态：判断短期均线是否在长期均线上方。若是，记为多头排列，得1分；反之，为空头排列，得-1分[2][24]。 * 均线扩散间距：计算所有相邻周期两条均线之间的价格差异幅度，然后对所有差异幅度取平均值[2][24]。 * 均线时序变化：对于每一条均线，比较其当前价格与前一日的价格。若上涨，记1分；若下跌，记-1分[2][24]。 3. 将上述三个指标合成一个综合得分，并取绝对值，得到最终的“均线得分”[2][24]。 4. 根据均线得分对所有行业进行从高到低排名，排名靠前的行业被认为是上涨或下跌趋势明显的行业[24]。 2. 模型名称：行业资金流模型[3][26] * 模型构建思路：通过计算行业近期资金流入率相对于其历史水平的变化幅度，来衡量资金流向的变动情况，变化幅度越大，代表资金流入的改善越显著[3][26]。 * 模型具体构建过程： 1. 计算每个行业的“资金流入率”，其公式为： $资金流入率 = \frac{资金主动净流入金额}{成交金额}$[26] 2. 计算该行业最近期的资金流入率相对于其历史资金流入率（如过去一段时间均值）的变化幅度[3][26]。 3. 根据资金流入率的变化幅度对所有行业进行从高到低排名，排名靠前的行业被认为是资金流入提升最多的行业[26]。 3. 模型名称：行业追涨机会复合模型[1][4][9][27] * 模型构建思路：将“行业均线趋势模型”和“行业资金流模型”的结果相结合，筛选出同时具备明确趋势和资金流入支持的行业，作为潜在的追涨机会[1][4][27]。 * 模型具体构建过程： 1. 分别运行“行业均线趋势模型”和“行业资金流模型”，得到每个行业的均线得分排名和资金流得分排名[9]。 2. 将两个维度的排名进行综合（例如等权相加或排序打分），得到一个综合排名[4][27]。 3. 选择综合排名靠前的行业，这些行业被认为同时具备“趋势明确”和“资金流入排名靠前”的特点[4][27]。 模型的回测效果 本报告未提供具体的模型回测指标（如年化收益率、夏普比率、最大回撤等）数值。报告仅展示了基于截至2026年1月16日数据的模型应用结果，给出了当前观点下的行业排名和推荐列表[1][9][10]。 量化因子与构建方式 1. 因子名称：均线排列形态因子[2][24] * 因子构建思路：通过判断短期均线与长期均线的相对位置关系，来捕捉价格趋势的方向性信号[2][24]。 * 因子具体构建过程：对于一个给定的标的（如行业指数），计算其短期移动平均线（如MA5）和长期移动平均线（如MA20）。若短期均线 > 长期均线，则因子取值为1（多头排列）；若短期均线 < 长期均线，则因子取值为-1（空头排列）[2][24]。 2. 因子名称：均线扩散间距因子[2][24] * 因子构建思路：通过计算不同周期均线之间的平均距离，来度量趋势的强度或动能，间距越大通常代表趋势动能越强[2][24]。 * 因子具体构建过程：对于一个使用N条均线的系统，计算每两条相邻周期均线（如MA5与MA10， MA10与MA20等）之间的价格差异幅度（通常为差值或比率）。然后对所有相邻均线对的差异幅度取平均值，作为该因子的取值[2][24]。 3. 因子名称：均线时序变化因子[2][24] * 因子构建思路：通过观察各条均线自身的日度变化方向，来捕捉趋势的近期动量或持续性[2][24]。 * 因子具体构建过程：对于每一条使用的移动平均线，比较其在当前交易日（t日）的数值与前一交易日（t-1日）的数值。若MA_t > MA_{t-1}，则对该条均线记1分；若MA_t < MA_{t-1}，则记-1分。将所有均线的得分求和或取平均，作为该因子的最终取值[2][24]。 4. 因子名称：资金流入率变化因子[3][26] * 因子构建思路：衡量近期资金主动流入的强度相对于其历史常态的变化，以识别资金面突然改善或恶化的标的[3][26]。 * 因子具体构建过程： 1. 首先计算每日的资金流入率： $资金流入率_{t} = \frac{资金主动净流入金额_{t}}{成交金额_{t}}$[26] 2. 计算近期（如最近M日）的资金流入率均值（或中位数）作为近期水平。 3. 计算历史（如过去N日， N>M）的资金流入率均值（或中位数）作为历史基准水平。 4. 因子取值为近期水平相对于历史基准水平的变化幅度（如差值、比率或标准化后的Z-Score）[3][26]。 因子的回测效果 本报告未提供上述单个因子的历史回测效果指标（如IC、IR、多空收益等）的具体数值。报告的重点在于展示如何将这些因子组合成模型并应用于当前的市场观点生成[1][9][10]。