量化模型与构建方式 1. 模型名称：A股情绪指数系统[47] * 模型构建思路： 基于市场波动率和成交额的变化方向，将市场划分为四个象限（波动-成交情绪时钟），通过判断当前市场所处的象限来生成择时信号[47][48]。 * 模型具体构建过程： 首先，计算市场的波动率和成交额，并判断其相对于前期的变化方向（上行或下行）。然后，根据波动率和成交额变化方向的组合，将市场状态划分为四个象限。研究发现，只有“波动率上行、成交额下行”的区间表现为显著负收益，其余三个象限均为显著正收益[47]。基于此规律，构建了包含见底预警（主要基于价格/波动率信号）和见顶预警（主要基于成交量信号）的A股情绪指数。最后，综合两个预警信号的指向（“多”或“空”），得出对市场的整体观点[47][50][53]。 2. 模型名称：主题挖掘算法[60] * 模型构建思路： 通过处理新闻和研报文本，提取主题关键词，挖掘主题与个股的关联，构建主题活跃周期和主题影响力因子，从而识别和描述主题投资机会[60]。 * 模型具体构建过程： 1) 文本处理：收集新闻和研报文本数据。2) 主题关键词提取：从文本中提取与投资主题相关的关键词。3) 主题个股关系挖掘：建立关键词与上市公司股票之间的关联关系。4) 主题活跃周期构建：分析主题在时间维度上的活跃程度变化。5) 主题影响力因子构建：构建量化指标来衡量主题的市场影响力。最终，算法会推荐近期概念热度异动较高的主题，例如报告中提及的“黄金概念”[60]。 3. 模型名称：中证500增强组合[60][62] * 模型构建思路： 通过量化策略模型（具体模型未在报告中披露）构建投资组合，旨在持续跑赢中证500指数[60]。 * 模型具体构建过程： 报告未详细说明具体的因子或模型构建过程，仅展示了根据策略模型生成的持仓明细[62][63][65]。 4. 模型名称：沪深300增强组合[66][67] * 模型构建思路： 通过量化策略模型（具体模型未在报告中披露）构建投资组合，旨在持续跑赢沪深300指数[66]。 * 模型具体构建过程： 报告未详细说明具体的因子或模型构建过程，仅展示了根据策略模型生成的持仓明细[67][69][72]。 模型的回测效果 1. A股情绪指数系统择时表现，具体指标值未在报告中提供，仅展示了历史择时表现图表[57]。 2. 中证500增强组合，本周收益-3.58%，跑赢基准2.24%[60]。2020年至今，相对中证500指数超额收益51.46%，最大回撤-10.90%[60]。 3. 沪深300增强组合，本周收益-2.91%，跑输基准0.72%[66]。2020年至今，相对沪深300指数超额收益44.99%，最大回撤-5.86%[66]。 量化因子与构建方式 1. 因子体系：BARRA风格因子体系[73] * 因子构建思路： 参照BARRA因子模型，构建了涵盖市值、波动、动量、估值、盈利、成长、流动性等多维度的十大类风格因子，用于描述和解释A股市场的风格特征[73]。 * 因子具体构建过程： 报告列出了十大类风格因子的名称，但未提供每个因子的具体计算公式。十大类风格因子包括：市值（SIZE）、BETA、动量（MOM）、残差波动率（RESVOL）、非线性市值（NLSIZE）、估值（BTOP）、流动性（LIQUIDITY）、盈利（EARNINGS_YIELD）、成长（GROWTH）和杠杆（LVRG）[73]。 2. 行业因子体系 * 因子构建思路： 基于中信一级行业分类，构建行业因子，用于分析行业相对于市场的收益表现[74]。 * 因子具体构建过程： 报告未提供行业因子的具体构建公式。 因子的回测效果 1. 风格因子暴露相关性（近一周）：报告以矩阵形式展示了十大类风格因子之间的风险暴露相关性系数[75]。例如，流动性因子与Beta因子相关系数为0.546，与动量因子为0.480，与残差波动率因子为0.536；价值因子与Beta因子为-0.381，与残差波动率因子为-0.365，与流动性因子为-0.430[75]。 2. 风格因子表现（近期）： * 残差波动率因子：本周超额收益较高[2][74]。 * 流动性因子：本周呈较为显著的负向超额收益[2][74]。 * 盈利因子：近期表现优异（高盈利股表现好）[2][74]。 * 非线性市值因子：近期表现不佳[2][74]。 3. 行业因子表现（近一周）： * 银行、证券等行业因子：相对市场市值加权组合跑出较高超额收益[2][74]。 * 有色金属、钢铁、化工等行业因子：回撤较多[2][74]。