量化模型与构建方式 1. 模型名称：高频资金流模型[13][16] * 模型构建思路：通过分析高频资金流的走势，对主要宽基指数（如沪深300、中证500等）发出买入或卖出信号，以辅助择时决策[13]。 * 模型具体构建过程：报告未详细描述该模型的具体构建步骤和计算公式，仅提及了其信号输出结果[13][16]。 2. 模型名称：情绪模型[13][16] * 模型构建思路：通过构建涨跌停板相关因子来刻画市场的情绪强弱，从而判断市场情绪状态[13]。 * 模型具体构建过程：该模型由多个细分情绪因子构成，包括净涨停占比、跌停次日收益、涨停板占比、跌停板占比、高频打板收益。每个因子给出一个信号（例如，1分或0分），最终汇总得到一个综合得分（满分5分）和趋势信号[13][16]。 3. 指标名称：流动性冲击指标[4][8] * 指标构建思路：衡量当前市场流动性相对于过去一年平均水平的偏离程度，数值表示高于或低于平均水平的标准差倍数[4][8]。 * 指标具体构建过程：报告未详细描述其计算公式，但给出了基于沪深300指数的计算结果示例：当前值为2.52，意味着市场流动性高于过去一年平均水平2.52倍标准差[4][8]。 4. 指标名称：均线强弱指数[13] * 指标构建思路：通过计算Wind二级行业指数相对于其均线的位置，来综合判断市场整体的强弱程度[13]。 * 指标具体构建过程：报告未详细描述其具体计算方法和公式，仅给出了当前得分（151分）及其历史分位点（49.74%）[13]。 量化因子与构建方式 1. 因子名称：复合因子拥挤度[18][20] * 因子构建思路：因子拥挤是指跟踪某一因子的资金过多，导致其收益或稳定性下降的现象。该因子通过综合多个子指标来度量因子的拥挤程度，作为因子失效的预警[18]。 * 因子具体构建过程：使用四个指标来度量因子拥挤度，并进行综合打分[18]。 1. 估值价差：衡量因子内股票估值的离散程度。 2. 配对相关性：衡量因子内股票收益的相关性。 3. 市场波动：可能指因子收益的波动率或与市场波动的关联。 4. 收益反转：衡量因子近期收益是否出现反转迹象。 * 报告未提供各子指标及综合打分的具体计算公式，但给出了小市值、低估值、高盈利、高增长这四个因子的拥挤度分项得分及综合得分[20]。 2. 因子名称：行业拥挤度[22][24] * 因子构建思路：将因子拥挤度的概念应用于行业层面，度量各行业板块的拥挤程度，以判断行业是否过热[22]。 * 因子具体构建过程：报告未详细描述行业拥挤度的具体计算方法和公式，仅列出了各行业的拥挤度数值及变化[22][24][25]。 3. 情绪模型细分因子[13][16] * 因子名称：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。 * 因子构建思路：这些是构成上述情绪模型的细分因子，分别从不同角度捕捉市场基于涨停跌停行为的情绪信号[13]。 * 因子具体构建过程：报告未提供这些细分因子的具体计算公式[13][16]。 模型的回测效果 报告未提供量化模型（如高频资金流模型、情绪模型）的历史回测绩效指标（如年化收益率、夏普比率、最大回撤等）。 因子的回测效果 1. 复合因子拥挤度 * 小市值因子：综合拥挤度 0.03[4][20] * 低估值因子：综合拥挤度 -0.40[4][20] * 高盈利因子：综合拥挤度 0.03[4][20] * 高盈利增长因子：综合拥挤度 0.50[4][20] 2. 行业拥挤度 * 截至2026年2月13日，部分行业拥挤度取值： * 综合：2.72[24][25] * 有色金属：2.01[24][25] * 基础化工：1.90[24][25] * 通信：1.69[24][25] * 电子：1.62[24][25] * 国防军工：1.20[24][25] * 电力设备：1.07[24][25] * 银行：-0.15[25] * 食品饮料：-0.81[25] * 房地产：-1.08[25] * 公用事业：-1.22[25] * 建筑装饰：-1.44[25]