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：通过技术分析方法，对指数价格走势进行不同时间周期（如日线、周线）的划分和识别，以判断当前市场所处的趋势阶段[14]。 * 模型具体构建过程：报告未详细描述该模型的构建算法，仅展示了其应用结果。从图表来看，该模型可能涉及对指数价格序列进行分段处理，并计算类似DEA（差离值）的指标来辅助判断。图表中同时绘制了日线级别和周期级别的分段结果，以及dea指标线[17]。 2. 模型名称：微观市场结构择时模型（知情交易者活跃度指标）[7][15] * 模型构建思路：通过分析市场微观结构数据（推测为高频或订单流数据），构建反映“知情交易者”活跃程度的指标，用于判断市场情绪和未来走势[15]。 * 模型具体构建过程：报告未给出该指标的具体计算公式和构建步骤，仅提及该指标基于对市场微观结构的分析[15]。其数值变化被用于解读知情交易者对后市的看法[15]。 3. 模型/因子名称：风险偏好指数[13] * 模型构建思路：利用ETF资金流数据构建一个综合指数，用以衡量和监测市场整体的风险偏好水平[13]。 * 模型具体构建过程：报告未提供该指数的具体构建公式和计算过程，仅说明其数据来源为ETF资金流，并提及使用“ETF资金流-涨跌幅间的滚动10日平均相关系数”作为辅助判断信号质量的指标[13]。 4. 因子列表：BARRA风格因子体系[22] * 因子构建思路：采用经典的BARRA多因子模型框架，从多个维度（如价值、成长、动量、市值、波动率等）刻画股票的风格特征，并计算这些因子在特定周期内的收益表现[22]。 * 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风格因子的分类和名称，包括：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、动量、非线性市值、市值、波动率、股息率等[22]。报告通过跟踪这些因子在最近一周和上周的收益，来监测市场风格偏好[22]。 模型的回测效果 （报告中未提供所述模型的量化回测效果指标，如年化收益率、夏普比率、最大回撤等。） 量化因子与构建方式 1. 因子名称：乖离率（应用于黄金）[12] * 因子构建思路：衡量当前价格与其移动平均线的偏离程度，用于判断资产是否超买或超卖[12]。 * 因子具体构建过程：以伦敦金现价格为例，计算其与60日移动平均线的乖离率。报告虽未给出通用公式，但该指标的标准计算公式可表示为： $乖离率(BIAS) = \frac{当前价格 - N日移动平均价}{N日移动平均价} \times 100\%$ 其中，N为周期参数，报告中提及的是60日[12]。 2. 因子名称：ETF资金流-涨跌幅滚动相关系数[13] * 因子构建思路：计算ETF资金流数据与市场涨跌幅之间在滚动窗口内的相关系数，用以评估配置资金动向对市场短期走势的影响程度或模型信号的干扰情况[13]。 * 因子具体构建过程：报告未给出具体计算公式。其构建思路是在一个滚动时间窗口（报告中为10日）内，计算每日ETF资金流序列与市场指数涨跌幅序列的相关系数，并取平均值或观察其趋势[13]。 3. 因子名称：行业融资融券净买入额[19][21] * 因子构建思路：在行业维度上，计算融资净买入与融券净卖出之间的差额，用以观察杠杆资金在行业间的流向和偏好[19]。 * 因子具体构建过程：对于每个行业，在特定周期（报告中为本周）内，计算： $行业融资融券净买入额 = 融资净买入额 - 融券净卖出额$ 该值为正表示融资资金净流入该行业，为负表示净流出[19][21]。 因子的回测效果 1. BARRA风格因子，本周收益：换手 -0.6%，财务杠杆 0.1%，盈利波动 -0.2%，盈利质量 -0.1%，盈利能力 0.8%，投资质量 -0.2%，长期反转 0.0%，EP价值 0.1%，BP价值 0.3%，成长 -0.1%，动量 0.2%，非线性市值 -0.2%，市值 -0.1%，波动率 0.4%，股息率 0.2%[22]。 2. BARRA风格因子，上周收益：换手 0.3%，财务杠杆 0.2%，盈利波动 0.2%，盈利质量 0.1%，盈利能力 0.0%，投资质量 -0.1%，长期反转 0.5%，EP价值 -0.2%，BP价值 0.3%，成长 0.1%，动量 0.3%，非线性市值 0.3%，市值 -0.9%，波动率 -0.8%，股息率 -0.1%[22]。