量化模型与构建方式 1. 模型名称：成交量模型[9][11] * 模型构建思路： 基于价量关系构建的短期择时模型，核心思想是成交量变化能反映市场情绪和趋势强度[9]。 * 模型具体构建过程： 报告未详细描述具体构建公式和过程，仅提及其为短期择时模型之一，并给出了最新信号[11]。 2. 模型名称：特征龙虎榜机构模型[11] * 模型构建思路： 利用龙虎榜机构买卖数据构建的短期择时模型，捕捉机构资金动向对市场的影响[11]。 * 模型具体构建过程： 报告未详细描述具体构建公式和过程，仅提及其为短期择时模型之一，并给出了最新信号[11]。 3. 模型名称：特征成交量模型[11] * 模型构建思路： 基于特定的成交量特征（可能与普通成交量模型不同）构建的短期择时模型[11]。 * 模型具体构建过程： 报告未详细描述具体构建公式和过程，仅提及其为短期择时模型之一，并给出了最新信号[11]。 4. 模型名称：智能算法沪深300模型 / 智能算法中证500模型[11] * 模型构建思路： 应用智能算法（如机器学习）对沪深300或中证500指数进行择时判断[11]。 * 模型具体构建过程： 报告未详细描述具体算法、因子或构建过程，仅提及其为短期择时模型之一，并给出了最新信号[11]。 5. 模型名称：涨跌停模型[12] * 模型构建思路： 基于市场涨跌停股票数量或相关特征构建的中期择时模型，反映市场极端情绪和赚钱效应[9][12]。 * 模型具体构建过程： 报告未详细描述具体构建公式和过程，仅提及其为中期择时模型之一，并给出了最新信号[12]。 6. 模型名称：上下行收益差模型[12] * 模型构建思路： 通过比较市场上涨和下跌时的收益差异来构建择时信号，衡量市场内在动能的强弱[9][12]。 * 模型具体构建过程： 报告未详细描述具体构建公式和过程，仅提及其为中期择时模型之一，并给出了对不同宽基指数的看多/中性信号[11][12]。 7. 模型名称：月历效应模型[12] * 模型构建思路： 基于历史统计中存在的特定月份或时间段的市场规律（月历效应）构建的中期择时模型[12]。 * 模型具体构建过程： 报告未详细描述具体构建公式和过程，仅提及其为中期择时模型之一，并给出了看多信号[12]。 8. 模型名称：长期动量模型[12] * 模型构建思路： 基于长期价格动量趋势构建的择时模型[9][12]。 * 模型具体构建过程： 报告未详细描述具体构建公式和过程，仅提及其为长期择时模型之一，并给出了中性信号[12]。 9. 模型名称：A股综合兵器V3模型 / A股综合国证2000模型[13] * 模型构建思路： 将不同周期、不同策略的多个择时模型信号进行耦合得到的综合择时模型，旨在实现攻守兼备[9][13]。 * 模型具体构建过程： 报告未详细描述具体的耦合规则或权重分配方法，仅提及其为综合模型，并给出了中性信号[13]。 10. 模型名称：成交额倒波幅模型[13] * 模型构建思路： 应用于港股的中期择时模型，可能结合成交额与波动率（波幅）的倒数关系来构建信号[13]。 * 模型具体构建过程： 报告未详细描述具体构建公式和过程，仅提及其为港股中期择时模型之一，并给出了看空信号[13]。 11. 模型名称：上下行收益差相似模型[13] * 模型构建思路： 应用于港股的中期择时模型，原理可能与A股的上下行收益差模型类似，用于衡量市场动能[13]。 * 模型具体构建过程： 报告未详细描述具体构建公式和过程，仅提及其为港股中期择时模型之一，并给出了看多信号[13]。 12. 模型名称：形态学监控模型（杯柄形态、双底形态）[43] * 模型构建思路： 基于技术分析中的经典价格形态（杯柄形态、双底形态）识别个股买入机会，属于事件驱动型选股策略[43]。 * 模型具体构建过程： 报告未详细描述形态识别的具体算法规则和参数，但展示了识别出的形态关键点（如A、B、C点）和突破信号[46][48][51][53][56][57][59]。 13. 模型名称：VIX指数模型[40] * 模型构建思路： 通过计算期权隐含波动率来构建市场恐慌/情绪指标，为判断市场提供参考，VIX通常与大盘呈负相关关系[40]。 * 模型具体构建过程： 报告提及根据公开披露的VIX计算方法复现了指数，具体公式未列出，但指出其与中证指数公司历史VIX的相关系数达99.2%[40]。 模型的回测效果 1. 双底形态模型，自2020年12月31日至今累计收益23.45%，同期上证综指涨幅17.06%，超额收益6.39%[43]。 2. 杯柄形态模型，自2020年12月31日至今累计收益19.67%，同期上证综指涨幅17.06%，超额收益2.61%[43]。 量化因子与构建方式 1. 因子名称：分析师一致预期调整因子[17][18] * 因子构建思路： 利用卖方分析师对个股盈利预测的上调或下调比例，构建行业层面的预期情绪因子[17][18]。 * 因子具体构建过程： 报告展示了“分析师上调个股比例”和“分析师下调个股比例”这两个数据，可能通过计算净上调比例或两者差值来构建因子，但未给出明确公式[17][18]。 2. 因子名称：基金仓位因子（绝对仓位、超低配仓位）[21][22][26][27][30] * 因子构建思路： 利用公募基金定期报告披露的持仓数据，计算行业配置比例，反映机构资金动向和偏好[21][22]。 * 因子具体构建过程： * 绝对仓位： 计算股票型或混合型基金在某行业的持仓市值占其总股票持仓市值的比例[26][27]。 * 超低配仓位： 计算基金在某行业的持仓比例与该行业市值占全市场比例（或基准指数比例）的差值[30]。 * 超低配近两年分位数： 将当前超低配仓位值放在近两年的历史序列中计算其分位数，以判断当前配置水平在历史上的位置[22][30]。 因子的回测效果 (报告未提供因子的独立历史回测绩效指标，如IC、IR、多空收益等。)