量化模型与构建方式 1. 模型名称：成交量模型[7][8][10] * 模型构建思路：基于市场成交量的变化来判断短期市场情绪和趋势。 * 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，并给出了“中性”的信号判断[10]。 2. 模型名称：特征龙虎榜机构模型[1][10] * 模型构建思路：利用龙虎榜中机构资金的买卖行为特征来构建择时信号。 * 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，并给出了“看多”的信号判断[10]。 3. 模型名称：特征成交量模型[1][10] * 模型构建思路：基于更精细或具有特定特征的成交量数据（可能与普通成交量不同）来构建择时信号。 * 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，并给出了“看空”的信号判断[10]。 4. 模型名称：智能算法沪深300模型[1][10] * 模型构建思路：应用智能算法（如机器学习）对沪深300指数进行择时判断。 * 模型具体构建过程：报告未详细描述具体算法和构建过程，仅提及其为短期择时模型，并给出了“中性”的信号判断[10]。 5. 模型名称：智能算法中证500模型[1][10] * 模型构建思路：应用智能算法（如机器学习）对中证500指数进行择时判断。 * 模型具体构建过程：报告未详细描述具体算法和构建过程，仅提及其为短期择时模型，并给出了“看空”的信号判断[10]。 6. 模型名称：涨跌停模型[1][11] * 模型构建思路：通过分析市场中涨停和跌停股票的数量、比例等特征，来判断市场中期情绪和动能。 * 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，并给出了“中性”的信号判断[11]。 7. 模型名称：上下行收益差模型[1][10][11][14] * 模型构建思路：通过计算市场或指数上行收益与下行收益的差值或比率，来衡量市场动能的强弱和方向，用于中期择时。 * 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，对A股大部分宽基指数给出“中性”信号，对深证100和创业板指给出“看多”信号[10][11]，对港股恒生指数给出“中性”信号[14]。 8. 模型名称：月历效应模型[1][11] * 模型构建思路：基于历史数据中存在的特定月份或时间窗口的规律性收益模式（月历效应）来构建择时模型。 * 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，并给出了“中性”的信号判断[11]。 9. 模型名称：长期动量模型[1][12] * 模型构建思路：基于资产价格的长期趋势（动量效应）进行择时，认为过去表现好的资产在未来一段时间内仍会延续其表现。 * 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，并给出了“中性”的信号判断[12]。 10. 模型名称：A股综合兵器V3模型[1][13] * 模型构建思路：这是一个综合性的择时模型，可能耦合了短期、中期、长期等多个周期下的不同择时策略信号，形成最终的复合判断。 * 模型具体构建过程：报告未详细描述具体耦合方法和构建过程，仅提及其为综合择时模型，并给出了“看空”的信号判断[13]。 11. 模型名称：A股综合国证2000模型[1][13] * 模型构建思路：专门针对国证2000指数构建的综合择时模型，可能集成了多因子或多策略信号。 * 模型具体构建过程：报告未详细描述具体构建公式和过程，仅提及其为综合择时模型，并给出了“看空”的信号判断[13]。 12. 模型名称：成交额倒波幅模型[1][14] * 模型构建思路：结合成交额与波动率（波幅）的倒置关系来构建择时模型，用于港股中期择时。 * 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，并给出了“看空”的信号判断[14]。 13. 模型名称：上下行收益差相似模型[1][14] * 模型构建思路：与“上下行收益差模型”思路类似，但可能采用了不同的计算方式或比较基准，专门用于港股择时。 * 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，并给出了“中性”的信号判断[14]。 14. 模型名称：HCVIX模型[39][40][42] * 模型构建思路：复现并计算中国市场的波动率指数（VIX），作为判断市场情绪和风险的参考指标。VIX基于期权价格计算，反映市场对未来波动率的预期。 * 模型具体构建过程：报告提及该模型根据公开披露的VIX计算方法复现，与中证指数公司历史发布的VIX指数相关系数达99.2%[40]。具体计算公式未在报告中给出，但标准VIX计算涉及选取近月和次近月期权，通过加权计算隐含波动率。模型提供了50ETF、沪深300指数、300ETF的VIX计算结果[40]。 15. 模型/策略名称：杯柄形态策略[43][44][45] * 构建思路：一种基于价格图表的技术分析形态识别策略。“杯柄”形态被视为看涨的持续形态，策略在股价突破“柄部”上沿时买入。 * 具体构建过程：报告未给出具体的形态识别算法和量化规则。策略通过识别股价走势中类似“杯状”的U型底（A点到B点）和随后的小幅回调或盘整“柄部”（B点到C点）来构建交易信号，当价格突破C点（柄部高点）时触发买入[47]。 16. 模型/策略名称：双底形态策略[43][49][50] * 构建思路：一种基于价格图表的技术分析形态识别策略。“双底”形态（W底）被视为看涨的反转形态，策略在股价突破颈线位时买入。 * 具体构建过程：报告未给出具体的形态识别算法和量化规则。策略通过识别股价形成两个相近低点（A点和C点）后，突破两者之间的反弹高点（B点，即颈线）时触发买入信号[52]。 17. 模型/策略名称：倒杯子形态风险监控[59] * 构建思路：一种识别潜在下跌趋势延续的技术形态。“倒杯子”形态被视为典型的负向形态，用于风险预警。 * 具体构建过程：报告描述为在一波下跌后，股价出现筑顶（A点到C点），之后再次下跌并实现突破（E点），预示可能延续下跌趋势[59]。具体量化识别规则未给出。 模型的回测效果 1. 杯柄形态策略，本周收益-4.28%，同期上证综指收益-3.38%，本周超额收益-0.90%，自2020年12月31日累计收益20.02%，累计超额收益6.08%[43] 2. 双底形态策略，本周收益-3.36%，同期上证综指收益-3.38%，本周超额收益0.02%，自2020年12月31日累计收益16.65%，累计超额收益2.72%[43] 3. HCVIX模型，当前最新值为18.05[2][40] 量化因子与构建方式 1. 因子名称：分析师上调/下调个股比例[18][19] * 因子构建思路：通过统计行业内获得分析师上调或下调盈利预测（或评级）的个股比例，来反映分析师对该行业的一致预期变化。 * 因子具体构建过程：报告未给出具体计算公式。构建过程可能为：对于每个行业，计算在特定时间段内，盈利预测被上调（或下调）的上市公司数量占该行业被覆盖上市公司总数的比例。 因子的回测效果 (报告未提供因子的独立测试结果，如IC、IR、多空收益等)