量化模型与因子总结 量化模型与构建方式 本报告为历史复盘研究，未涉及具体的量化模型构建，主要对不同风格和行业在特定时间窗口（春节后）的表现进行了统计归纳[1][2][6][8][13]。 量化因子与构建方式 报告未构建传统的量化因子，但识别并分析了两个影响春节后市场表现的关键特征（可视为事件驱动型因子逻辑）[8][17][19]。 1. 因子名称：春节后流动性回暖因子[8][17] * 因子构建思路：春节假期后市场资金回流，交易活跃度提升，流动性改善对股价，尤其是中小微盘股，形成支撑。通过计算主要指数在节后不同时间窗口的日均成交额相对于节前基准的增幅，来量化流动性回暖的强度[8][17]。 * 因子具体构建过程： 1. 确定时间窗口：春节后 T+5、T+10、T+20 交易日区间[8][17]。 2. 计算基准成交额：计算节前5个交易日的日均成交额[8][17]。 3. 计算窗口期成交额：分别计算节后 T+5、T+10、T+20 区间内的日均成交额[8][17]。 4. 计算成交额增幅：使用以下公式计算各窗口期日均成交额相对于节前基准的增幅[8][17]。 * 因子评价：该因子揭示了春节后市场流动性修复的结构性差异，中小盘及微盘指数获得的流动性支撑更为充足，这可能是其节后表现优于大盘指数的重要驱动因素之一[8][17]。 2. 因子名称：春节后行业景气因子[8][19][21] * 因子构建思路：春节后不同行业由于政策环境、季节性需求、资金偏好等因素，表现出不同的景气度。通过统计各行业在节后不同时间窗口的胜率和中位数收益率，来识别节后表现占优的行业群体[8][19][21]。 * 因子具体构建过程： 1. 确定时间窗口：春节后 T+1、T+5、T+10、T+20 交易日以及3月单月[13][19]。 2. 计算行业胜率：对于每个行业指数，统计在2007年至2025年样本期内，于上述各时间窗口取得正收益的年份数占总年份数的比例[13][19]。 3. 计算行业中位数收益率：对于每个行业指数，计算在样本期内，于上述各时间窗口所有年份收益率的中位数[13][19]。 4. 综合评估：结合高胜率与高中位数收益率，筛选出节后表现稳健的优势行业[8][19]。 * 因子评价：该因子总结了春节后行业轮动的历史规律，成长类（如电子、计算机）和部分周期类行业（如环保、纺织服装、化学品）表现更为突出，而金融类行业表现相对偏弱[8][19][21]。 模型的回测效果 报告未涉及具体量化模型的回测。 因子的回测效果 报告展示了基于上述特征逻辑的统计结果。 1. 春节后流动性回暖因子，各指数在节后不同窗口的日均成交额增幅如下[8][17][18]： * Wind 微盘指数：T+5增幅30.7%，T+10增幅42.7%，T+20增幅52.9% * 中证2000指数：T+5增幅26.4%，T+10增幅37.0%，T+20增幅51.7% * Wind 全A指数：T+5增幅24.4%，T+10增幅32.8%，T+20增幅42.0% * 沪深300指数：T+5增幅18.9%，T+10增幅23.1%，T+20增幅30.5% 2. 春节后行业景气因子，部分优势行业在节后T+20窗口的胜率与中位数收益率如下[8][13][19][22][24]： * 电子行业：胜率84.2%，中位数收益率9.10% * 环保行业：胜率94.7%，中位数收益率7.02% * 纺织服装行业：胜率89.5%，中位数收益率7.59% * 纸类及包装行业：胜率84.2%，中位数收益率6.48% * 非金属材料行业：胜率84.2%，中位数收益率6.02% * 计算机行业：胜率84.2%，中位数收益率5.12% * 化学品行业：胜率84.2%，中位数收益率5.12%
复盘系列（四）：春节之后
长江证券·2026-02-23 15:26