量化模型与因子总结 量化因子与构建方式 1. 因子名称：250日新高距离[11] * 因子构建思路：该因子用于衡量当前价格距离过去一段时间内最高价格的回落幅度，是趋势跟踪和动量策略的核心指标。其理论基础在于，研究表明股价接近其52周（或250日）最高价时，未来收益往往更高[11]。 * 因子具体构建过程：对于给定的证券，计算其最新收盘价与过去250个交易日最高收盘价的相对距离。 * 具体公式为： $250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$ * 其中，Closet 代表最新收盘价，ts_max(Close, 250) 代表过去250个交易日收盘价的最大值[11]。 * 若最新收盘价创出新高，则该因子值为0；若价格从高点回落，则该因子为正值，表示回落的幅度[11]。 2. 因子名称：股价路径平滑性（位移路程比）[27] * 因子构建思路：该因子用于衡量股价上涨过程的平稳性。研究表明，遵循平滑价格路径的高动量股票，其未来收益可能优于价格路径跳跃的股票[27]。 * 因子具体构建过程：通过计算股价在一定时期内的净位移（起点到终点的涨幅）与总路程（期间每日涨跌幅绝对值的总和）的比值来度量平滑性。 * 具体公式为： $股价位移路程比 = \frac{过去120日涨跌幅的绝对值}{过去120日日涨跌幅绝对值加总}$ * 该比值越接近1，表明股价路径越平滑（上涨过程回撤小）；比值越小，表明路径越曲折[27]。 3. 因子名称：创新高持续性[29] * 因子构建思路：该因子用于度量股票在近期维持强势、接近其一年高点的持续能力。 * 因子具体构建过程：计算股票在过去120个交易日内，其“250日新高距离”在时间序列上的平均值[29]。该平均值越小，表明股票在近期越持续地保持在接近一年高点的位置。 4. 因子名称：趋势延续性[29] * 因子构建思路：该因子用于捕捉股票短期内的强势延续状态。 * 因子具体构建过程：计算股票在过去5个交易日内，其“250日新高距离”在时间序列上的均值[29]。该均值越小，表明股票在近期（5日）越持续地接近新高，短期趋势越强。 量化模型与构建方式 1. 模型名称：平稳创新高股票筛选模型[27] * 模型构建思路：该模型旨在从市场中筛选出不仅创出新高，而且上涨过程平稳、趋势延续性好、并得到分析师一定关注的“高质量”动量股票。其结合了截面动量（相对强弱）与时间序列动量（路径平滑性）的研究思想[27][29]。 * 模型具体构建过程：采用多步骤条件筛选法，从全市场股票中逐步收敛至目标股票池。 1. 初选股票池：筛选上市满15个月，且在过去20个交易日内曾创出250日新高的股票[20]。 2. 分析师关注度筛选：要求过去3个月内，获得“买入”或“增持”评级的分析师研报不少于5份[29]。 3. 股价相对强弱筛选：要求过去250日涨跌幅位于全市场前20%[29]。 4. 股价平稳性筛选：在满足上述条件的股票池内，使用“股价路径平滑性（位移路程比）”和“创新高持续性”两个指标进行综合打分，选取排名在前50%的股票[29]。 5. 最终筛选：在步骤4得到的股票池中，依据“趋势延续性”因子（过去5日250日新高距离的时序均值）进行排序，选取排名最靠前的50只股票作为最终的“平稳创新高股票”[29]。 模型的回测效果 （注：报告未提供该筛选模型的量化回测绩效指标，如年化收益率、夏普比率、信息比率(IR)、最大回撤等。报告仅展示了在特定时点（2026年1月23日）应用该模型筛选出的具体股票列表及部分特征数据[33]。） 因子的回测效果 （注：报告未提供单个因子的独立测试结果，如因子IC值、分组收益、多空收益等量化指标。报告主要展示了“250日新高距离”因子在指数、行业、概念及个股层面的截面数据[12][13][16][20][21]。）