量化模型与构建方式 1. 模型名称：均线强弱指数模型[14] * 模型构建思路：通过计算市场各行业指数相对于其关键移动平均线的位置，来综合判断市场整体的技术强弱状态[14]。 * 模型具体构建过程： 1. 选取Wind二级行业指数作为计算基础[14]。 2. 对于每个行业指数，计算其收盘价与某一长期移动平均线（如250日均线）的相对位置[14]。 3. 根据每个行业指数相对于其均线的位置（例如，在均线之上或之下，以及偏离程度）进行打分[14]。 4. 将所有行业指数的得分加总，得到市场的均线强弱指数总分[14]。 5. 将当前总分与历史分位数进行比较，以判断当前市场在历史中的强弱位置[14]。 2. 模型名称：情绪择时模型[14] * 模型构建思路：基于涨跌停板相关数据构建因子，用以刻画市场的情绪强弱，并综合多个因子信号生成择时观点[14]。 * 模型具体构建过程： 1. 根据专题报告，构建了多个涨跌停板相关情绪因子，包括：净涨停占比、跌停次日收益、涨停板占比、跌停板占比、高频打板收益[14][19]。 2. 每个因子独立生成信号（例如，看多为1，看空为0）[19]。 3. 通过加权或其他方式综合各因子信号，得到最终的情绪模型得分（满分5分）和趋势方向信号[14]。 3. 模型名称：高频资金流择时模型[14] * 模型构建思路：通过分析主要宽基指数的高频资金流数据（如主力资金流向）的走势，对指数发出买入或卖出信号[14]。 * 模型具体构建过程： 1. 获取沪深300、中证500、中证1000等宽基指数的高频资金流数据[14]。 2. 根据资金流的趋势、强度等特征，设定信号生成规则[14]。 3. 模型输出多种策略信号，包括“激进多头”、“激进多空”、“稳健多头”、“稳健多空”[19]。 4. 信号为“1”代表看多，“-1”代表看空（根据上下文推断）[19]。 4. 模型名称：因子拥挤度模型[20] * 模型构建思路：使用多个指标综合度量因子的拥挤程度，以预警因子可能因资金过度追逐而失效的风险[20]。 * 模型具体构建过程： 1. 选取四个分项指标来度量拥挤度：估值价差、配对相关性、长期收益反转、因子波动率[20]。 2. 分别计算目标因子（如小市值因子）在这四个指标上的得分[21]。 3. 将四个分项指标得分合成一个综合拥挤度分数[21]。合成方法在对应专题报告中详细说明[20]。 5. 模型名称：行业拥挤度模型[27] * 模型构建思路：构建综合指标来度量各行业的交易拥挤程度，以识别过热或过冷的行业板块[27]。 * 模型具体构建过程：根据专题报告，构建了行业拥挤度指标，具体计算方法未在本文中详述，但展示了截至某一时点的计算结果和排名[27]。 模型的回测效果 1. 均线强弱指数模型，当前市场得分为213，处于2023年以来的76.93%分位点[14] 2. 情绪择时模型，情绪模型得分为2分（满分5分），趋势模型信号为正向，加权模型信号为负向[14] 3. 高频资金流择时模型，沪深300指数信号：看多[14]；中证500指数信号：看多[14]；中证1000指数信号：看多[14] 4. 因子拥挤度模型，小市值因子拥挤度0.20[21]；低估值因子拥挤度-0.75[21]；高盈利因子拥挤度0.35[21]；高盈利增长因子拥挤度0.55[21] 5. 行业拥挤度模型，通信行业拥挤度1.96[30]；有色金属行业拥挤度1.95[30]；综合行业拥挤度1.82[30]；电子行业拥挤度1.40[30]；国防军工行业拥挤度1.08[30] 量化因子与构建方式 1. 因子名称：流动性冲击指标[4] * 因子构建思路：通过计算当前市场流动性相对于其历史平均水平的偏离程度，来度量市场的流动性冲击[4]。 * 因子具体构建过程：以沪深300指数为标的，计算其流动性指标的Z值。具体公式为： $流动性冲击指标 = \frac{当前流动性 - 过去一年流动性均值}{过去一年流动性标准差}$ 报告中指出，周五该指标值为3.32，意味着当前市场流动性高于过去一年平均水平3.32倍标准差[4]。 2. 因子名称：PUT-CALL比率[4] * 因子构建思路：使用上证50ETF期权看跌期权与看涨期权的成交量比率，来观察市场对标的资产短期走势的谨慎或乐观情绪[4]。 * 因子具体构建过程：计算上证50ETF期权当日看跌期权总成交量与看涨期权总成交量的比值[4]。 3. 因子名称：五日平均换手率[4] * 因子构建思路：通过计算市场近期平均换手率，并将其与历史分位数比较，来衡量市场的交易活跃度[4]。 * 因子具体构建过程：计算上证综指或Wind全A指数最近五个交易日的日均换手率[4]。 4. 因子名称：净涨停占比[14][19] * 因子构建思路：通过涨停与跌停公司数量的净差额占比来反映市场多头力量的强度[14]。 * 因子具体构建过程：计算（涨停公司家数 - 跌停公司家数） / 总交易公司家数（或类似基准）[14]。 5. 因子名称：跌停次日收益[14][19] * 因子构建思路：通过观察跌停股票在次日的平均表现，来探测市场是否存在“错杀”或恐慌性抛售后的修复动力[14]。 * 因子具体构建过程：计算当日跌停股票在下一个交易日的平均收益率[14]。 6. 因子名称：涨停板占比[14][19] * 因子构建思路：通过涨停公司数量占比来直接衡量市场的赚钱效应和做多热情[14]。 * 因子具体构建过程：计算涨停公司家数 / 总交易公司家数[14]。 7. 因子名称：跌停板占比[14][19] * 因子构建思路：通过跌停公司数量占比来直接衡量市场的亏钱效应和悲观情绪[14]。 * 因子具体构建过程：计算跌停公司家数 / 总交易公司家数[14]。 8. 因子名称：高频打板收益[14][19] * 因子构建思路：通过模拟在涨停价买入股票并在次日卖出的策略收益，来检验涨停板策略的短期有效性，从而反映市场情绪[14]。 * 因子具体构建过程：计算在涨停价买入当日涨停股票，并于下一交易日以开盘价或收盘价卖出的平均收益率[14]。 9. 复合因子名称：小市值因子[20] * 因子构建思路：识别并投资于市值较小的公司，这些公司可能具有更高的成长潜力和弹性[20]。 * 因子具体构建过程：通常使用总市值或流通市值作为排序标准，构建做多小市值、做空大市值的组合。其拥挤度通过估值价差、配对相关性等四个子指标综合计算[20][21]。 10. 复合因子名称：低估值因子[20] * 因子构建思路：识别并投资于估值水平（如市盈率PE、市净率PB）较低的股票，寻求价值回归的收益[20]。 * 因子具体构建过程：通常使用PE或PB等估值指标作为排序标准，构建做多低估值、做空高估值的组合。其拥挤度通过估值价差、配对相关性等四个子指标综合计算[20][21]。 11. 复合因子名称：高盈利因子[20] * 因子构建思路：识别并投资于盈利能力（如净资产收益率ROE）较强的公司[20]。 * 因子具体构建过程：通常使用ROE等盈利指标作为排序标准，构建做多高盈利、做空低盈利的组合。其拥挤度通过估值价差、配对相关性等四个子指标综合计算[20][21]。 12. 复合因子名称：高盈利增长因子[20] * 因子构建思路：识别并投资于盈利增长能力较强的公司[20]。 * 因子具体构建过程：通常使用净利润增长率等指标作为排序标准，构建做多高增长、做空低增长的组合。其拥挤度通过估值价差、配对相关性等四个子指标综合计算[20][21]。 因子的回测效果 1. 流动性冲击指标，基于沪深300指数，周五值为3.32[4] 2. PUT-CALL比率，周五值为0.80[4] 3. 五日平均换手率，上证综指值为1.71%，处于2005年以来84.10%分位点[4]；Wind全A值为2.71%，处于2005年以来92.01%分位点[4] 4. 净涨停占比，当前信号为1（看多）[19] 5. 跌停次日收益，当前信号为0[19] 6. 涨停板占比，当前信号为1（看多）[19] 7. 跌停板占比，当前信号为0[19] 8. 高频打板收益，当前信号为0[19] 9. 小市值因子，估值价差得分0.43，配对相关性得分0.22，市场波动得分-0.28，收益反转得分0.41，综合拥挤度0.20[21] 10. 低估值因子，估值价差得分-1.22，配对相关性得分-0.05，市场波动得分0.26，收益反转得分-2.01，综合拥挤度-0.75[21] 11. 高盈利因子，估值价差得分-0.55，配对相关性得分0.31，市场波动得分-0.01，收益反转得分1.65，综合拥挤度0.35[21] 12. 高盈利增长因子，估值价差得分1.09，配对相关性得分0.46，市场波动得分-0.29，收益反转得分0.95，综合拥挤度0.55[21]