量化模型与构建方式 1. 模型名称：流动性冲击指标[4] * 模型构建思路：通过计算当前市场流动性相对于其历史均值的偏离程度（以标准差倍数衡量），来评估市场流动性的异常水平[4]。 * 模型具体构建过程：该指标基于沪深300指数计算。具体计算过程未在报告中详细说明，但核心逻辑是计算当前流动性指标值（如成交额）相对于过去一年（约250个交易日）该指标均值的标准差倍数[4]。公式可理解为： $流动性冲击指标_t = \frac{L_t - \mu_{L, t-250:t-1}}{\sigma_{L, t-250:t-1}}$ 其中，$L_t$ 代表第t日的流动性指标（如成交额），$\mu_{L, t-250:t-1}$ 和 $\sigma_{L, t-250:t-1}$ 分别代表截至前一日过去一年流动性指标的均值和标准差。 2. 模型名称：PUT-CALL比率[4] * 模型构建思路：通过计算上证50ETF期权看跌合约（PUT）与看涨合约（CALL）的成交量比率，来反映市场投资者对标的资产短期走势的谨慎或乐观情绪[4]。 * 模型具体构建过程：直接计算看跌期权总成交量与看涨期权总成交量的比值。 $PUT-CALL比率_t = \frac{\sum 看跌期权成交量_t}{\sum 看涨期权成交量_t}$ 3. 模型名称：SAR指标（停损转向指标）[14] * 模型构建思路：一种趋势跟踪指标，用于判断市场趋势的转折点。当价格线从下方突破SAR线时，发出买入信号；当价格线从上方跌破SAR线时，发出卖出信号[14]。 * 模型具体构建过程：报告未给出具体计算公式。SAR指标的计算涉及加速因子（AF）和极值点（EP）的迭代更新，其通用公式为： $SAR_t = SAR_{t-1} + AF \times (EP - SAR_{t-1})$ 其中，AF初始值通常为0.02，随着趋势延续每次增加0.02，上限为0.2；EP为当前上涨趋势中的最高价或下跌趋势中的最低价。当价格趋势反转时，SAR值重置。 4. 模型名称：均线强弱指数[4][14] * 模型构建思路：通过统计全市场（或行业指数）中价格位于其长期均线之上的股票（或指数）数量或比例，来量化市场的整体技术强度[4][14]。 * 模型具体构建过程：报告未给出具体计算公式。构建思路是基于Wind二级行业指数，计算每个行业指数价格与其长期移动平均线（如200日均线）的相对位置，然后对所有行业进行打分或加权，汇总得到全市场的均线强弱指数得分[14]。 5. 模型名称：情绪模型[4][14] * 模型构建思路：通过构建多个与涨跌停板相关的微观因子，综合刻画市场的投机情绪和赚钱效应强弱[4][14]。 * 模型具体构建过程：报告参考了专题报告《从涨停板、打板策略到赚钱效应引发的情绪择时指标》[14]。模型包含多个细分情绪因子，如净涨停占比、跌停次日收益、涨停板占比、跌停板占比、高频打板收益等[18]。这些因子通过一定的规则（如阈值比较）转化为0或1的信号，最后可能通过等权或加权方式汇总成一个综合情绪得分（0-5分）[14][18]。 6. 模型名称：高频资金流模型[4][14] * 模型构建思路：利用高频资金流（可能指主力资金净流入、大单资金流向等）的走势和特征，对主要宽基指数生成择时交易信号[4][14]。 * 模型具体构建过程：报告参考了专题报告《高频资金流如何辅助宽基择时决策》[14]。模型针对不同指数（如沪深300、中证500等）和不同风险偏好（激进、稳健）以及策略类型（多头、多空），生成了独立的信号[18]。具体构建细节未说明，但核心是利用资金流数据判断趋势的强弱和持续性。 7. 模型/因子名称：因子拥挤度模型[19] * 模型构建思路：使用多个维度的指标来度量跟踪或投资某一因子的资金是否过多，从而预警因子可能失效的风险[19]。 * 模型具体构建过程：报告参考了专题报告《选股因子系列（四十二）——因子失效预警：因子拥挤》[19]。模型使用四个指标度量因子拥挤程度[19]： 1. 估值价差：因子多空组合两端股票的估值差异。 2. 配对相关性：因子多空组合两端股票收益的相关性。 3. 长期收益反转：因子长期收益的动量或反转效应。 4. 因子波动率：因子收益序列的波动情况。 每个指标计算后都进行标准化（Z-Score）处理，然后通过一定的规则（如等权平均）合成一个综合拥挤度得分[20]。 8. 模型名称：行业拥挤度模型[23] * 模型构建思路：类似于因子拥挤度，但应用于行业层面，用于评估某个行业交易是否过热或过冷[23]。 * 模型具体构建过程：报告参考了专题报告《行业轮动系列研究 15——行业板块拥挤度》[23]。具体计算指标未详细说明，但最终结果是一个标准化的拥挤度分数[26][27]。 模型的回测效果 1. 流动性冲击指标， 基于沪深300指数的指标值为6.21（2026年2月6日）[4] 2. PUT-CALL比率， 上证50ETF期权成交量比率为0.96（2026年2月6日）[4] 3. 均线强弱指数， 当前市场得分为181，处于2023年以来62.50%分位点[14] 4. 情绪模型， 综合得分为0分（满分5分）[14] 5. 高频资金流模型， 沪深300指数：激进多头信号为1，激进多空为0，稳健多头为0，稳健多空为0[18]；中证500指数：激进多头信号为1，激进多空为0，稳健多头为0，稳健多空为0[18]；中证1000指数：激进多头信号为0，激进多空为-1，稳健多头为0，稳健多空为0[18]；中证2000指数：激进多头信号为0，激进多空为-1，稳健多头为0，稳健多空为-1[18] 量化因子与构建方式 1. 因子名称：小市值因子[20] * 因子构建思路：选择市值较小的股票，基于小市值公司可能具有更高成长性或溢价的理论。 * 因子具体构建过程：报告未给出具体构建公式。通常使用总市值或流通市值进行排序或标准化，构建多空组合。 2. 因子名称：低估值因子[20] * 因子构建思路：选择估值指标（如市盈率PE、市净率PB）较低的股票，基于价值投资理论。 * 因子具体构建过程：报告未给出具体构建公式。通常使用PE或PB等估值指标进行排序或标准化，构建多空组合。 3. 因子名称：高盈利因子[20] * 因子构建思路：选择盈利能力（如净资产收益率ROE、总资产收益率ROA）较强的股票。 * 因子具体构建过程：报告未给出具体构建公式。通常使用ROE或ROA等盈利指标进行排序或标准化，构建多空组合。 4. 因子名称：高盈利增长因子（高增长因子）[20] * 因子构建思路：选择盈利增长（如净利润增长率、营业收入增长率）较快的股票。 * 因子具体构建过程：报告未给出具体构建公式。通常使用盈利增长率指标进行排序或标准化，构建多空组合。 5. 因子名称：情绪细分因子[18] * 因子构建思路：从不同角度刻画市场涨停板相关的投机情绪[14]。 * 因子具体构建过程：包含净涨停占比、跌停次日收益、涨停板占比、跌停板占比、高频打板收益等细分因子[18]。具体计算方式未说明。 因子的回测效果 1. 小市值因子拥挤度， 综合打分0.06，估值价差0.60，配对相关性-0.32，市场波动-0.62，收益反转0.58（2026年2月6日）[20] 2. 低估值因子拥挤度， 综合打分-0.31，估值价差-0.47，配对相关性-0.44，市场波动1.21，收益反转-1.55（2026年2月6日）[20] 3. 高盈利因子拥挤度， 综合打分-0.01，估值价差-0.72，配对相关性-0.45，市场波动-0.42，收益反转1.56（2026年2月6日）[20] 4. 高盈利增长因子拥挤度， 综合打分0.28，估值价差1.02，配对相关性-0.53，市场波动-0.61，收益反转1.22（2026年2月6日）[20] 5. 情绪细分因子信号， 净涨停占比信号0，跌停次日收益信号0，涨停板占比信号0，跌停板占比信号0，高频打板收益信号0（截至报告时点）[18]