量化模型与构建方式 1. 模型名称：ETF风险偏好指数模型[11] 模型构建思路：通过ETF市场交易数据构建一个指数，用以衡量和跟踪市场整体的风险偏好情绪[11] 模型具体构建过程：报告未详细说明该指数的具体构建公式和计算过程，仅提及其为一种市场择时或情绪监测模型[11] 模型评价：该指数被用于判断市场风险偏好的趋势，其下行预示市场风险偏好回落[11] 2. 模型名称：五维行业配置模型[11] 模型构建思路：一个综合多维度指标进行行业比较和配置的模型[11] 模型具体构建过程：报告未详细说明该模型的具体构建维度、权重和计算过程[11] 模型评价：该模型被用于生成行业配置建议，其最新结果指向了涨价逻辑向低位板块扩散的投资机会[11] 3. 模型名称：价格分段体系[14][17] 模型构建思路：通过对价格序列进行分析，识别出不同时间周期（如日线、周线）下的价格趋势阶段[14][17] 模型具体构建过程：报告未详细说明该体系的具体分段算法、规则和参数，但图表显示其输出包括“日线”、“周线”和“dea”等信号[17] 4. 模型名称：微观市场结构择时模型（知情交易者活跃度指标）[15][18] 模型构建思路：通过分析市场微观交易数据，构建指标以监测“知情交易者”的活跃程度，从而对市场走势进行判断[15][18] 模型具体构建过程：报告未详细说明该指标的具体计算方法和数据来源，仅展示了其时间序列图[18] 模型评价：该指标与市场走势同步，其回落至零下表明知情交易者对后市持谨慎观望态度[15] 5. 因子/策略名称：基于行业一致预期净利润的行业轮动策略[13] 因子/策略构建思路：在财报季（如4月），使用行业基本面的一致预期数据作为筛选指标，构建行业轮动策略，以捕捉基本面有效性提升带来的收益[13] 因子/策略具体构建过程：以行业一致预期净利润FTTM（未来十二个月）的环比变化作为核心筛选指标。具体公式为： $行业筛选指标 = \frac{行业一致预期净利润_{FTTM, t} - 行业一致预期净利润_{FTTM, t-1}}{行业一致预期净利润_{FTTM, t-1}}$ 其中，t代表当前时点。根据该指标的排序或阈值，选择看好的行业进行超配[13] 模型的回测效果 （报告中未提供上述量化模型的详细回测绩效指标，如年化收益率、夏普比率、最大回撤等具体数值。） 量化因子与构建方式 1. 因子名称：BARRA风格因子集[21][22] 因子构建思路：采用经典的BARRA风险模型框架，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和风险收益来源[21][22] 因子具体构建过程：报告直接引用了BARRA风格因子的收益表现，未详细阐述每个因子的具体计算公式。报告中提及的因子包括：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] 因子的回测效果 1. BARRA风格因子，本周收益：换手 -0.3%，财务杠杆 -0.1%，盈利波动 0.0%，盈利质量 0.3%，盈利能力 -0.2%，投资质量 0.2%，长期反转 -0.4%，EP价值 0.2%，BP价值 0.2%，成长 0.0%，动量 0.7%，非线性市值 -0.5%，市值 -0.2%，波动率 -0.2%，股息率 0.0%[22] BARRA风格因子，上周收益：换手 0.8%，财务杠杆 0.2%，盈利波动 -0.1%，盈利质量 0.2%，盈利能力 0.0%，投资质量 0.1%，长期反转 0.1%，EP价值 0.3%，BP价值 0.2%，成长 -0.1%，动量 0.8%，非线性市值 0.4%，市值 -0.5%，波动率 -0.4%，股息率 -0.1%[22] 2. 行业轮动策略（基于行业一致预期净利润FTTM环比），在2019-2025年回测区间内，4月份的中位数超额收益为2.4%[13] 3. 万得微盘股指数，在2006-2025年区间内，4月相对沪深300的超额收益中位数为-1.4%，超额收益胜率为38%[13]