量化模型与构建方式 1. 模型名称：卷积神经网络趋势观察模型[74] * 模型构建思路：使用卷积神经网络（CNN）对个股历史价量数据形成的标准化图表进行建模，学习图表特征与未来价格走势之间的关系，并将学习到的特征映射到行业主题板块，以识别具有趋势性机会的板块[74]。 * 模型具体构建过程： 1. 数据准备：为每个个股在特定窗口期内的价量数据构建标准化的图表[74]。研报中未详细说明具体使用的价量指标和图表标准化方法。 2. 模型训练：基于历史数据，使用卷积神经网络对上述图表化的价量数据与未来价格进行建模[74]。研报中未提供具体的网络结构、损失函数和训练参数。 3. 特征映射：将训练好的CNN模型学习到的特征映射到行业主题板块中，以判断哪些板块在未来可能具有趋势性机会[74]。 4. 输出配置：模型最终输出为看好的行业主题板块及其对应的具体指数[75]。 2. 模型名称：宏观因子事件模型[50][52] * 模型构建思路：通过跟踪一系列国内外宏观指标，定义其走势变化事件，并从历史数据中寻找对资产未来收益率有显著影响的“有效因子事件”，以此作为判断未来资产趋势的依据[50]。 * 模型具体构建过程： 1. 因子选择：跟踪25个国内外宏观指标，涵盖货币政策、财政政策、流动性、通胀水平及其他经济指标[50]。 2. 事件定义：定义四类宏观因子事件来描述指标走势：短期高低点、连续上涨/下跌、创历史新高/新低、因子走势反转[50]。 3. 有效性检验：从历史数据中回测，筛选出对资产未来收益率影响较为显著的“有效因子事件”[50]。 4. 趋势判断：采用历史均线（如1月、3月、12月均线）将宏观因子走势分为趋势上行和趋势下行，并统计在不同趋势下资产未来一个月收益率的平均表现，以形成对大类资产的观点[52][53]。 模型的回测效果 本报告未提供上述量化模型的具体回测效果指标（如年化收益率、夏普比率、最大回撤等）。报告仅展示了卷积神经网络模型在特定时点（2026年3月20日）的输出结果[75]，以及宏观因子模型对当前市场（截至报告期）的观点[53]。 量化因子与构建方式 1. 因子名称：风险溢价因子[61][76] * 因子构建思路：通过计算股票市场隐含收益率（市盈率倒数）与无风险利率（十年期国债收益率）的差值，来衡量权益资产相对于债券资产的吸引力[76]。 * 因子具体构建过程： 1. 计算权益资产的隐含收益率（Earnings Yield, EY），通常为市盈率（PE）的倒数。 $EY = \frac{1}{PE}$ 2. 计算风险溢价（Risk Premium, RP），即权益隐含收益率减去十年期国债收益率。 $RP = EY - R_{10Y}$ 报告中以中证全指为例，其风险溢价为中证全指静态PE的倒数（EP）减去十年期国债收益率[76]。 2. 因子名称：估值分位数因子[21][27][76] * 因子构建思路：计算指数或行业的当前估值（PE或PB）在其历史序列中所处的分位数位置，以判断其估值相对历史水平的高低[21][27]。 * 因子具体构建过程： 1. 确定估值指标，如市盈率（PE_TTM）或市净率（PB_LF）[21][27]。 2. 获取该指标在特定历史时间段（例如，报告中使用2005年1月7日作为起点）内的所有历史数据[22]。 3. 计算当前估值在历史数据中的百分位排名（分位数）。 $分位数 = \frac{小于或等于当前值的样本数}{总样本数} \times 100\%$ 报告中展示了主要宽基指数和行业指数的PE_TTM分位数及PB_LF分位数[21][27]。 3. 因子名称：市场情绪因子（新高新低比例）[31] * 因子构建思路：通过统计市场中创近期新高与新低的个股数量占比，来度量市场的整体情绪强弱和广度[31]。 * 因子具体构建过程： 1. 设定观察窗口期，报告中为近60日[31]。 2. 每日计算两个指标： * 60日新高比例：股价创近60日新高的个股数量 / 总股票数量[31]。 * 60日新低比例：股价创近60日新低的个股数量 / 总股票数量[31]。 4. 因子名称：市场情绪因子（均线结构指标）[35] * 因子构建思路：通过计算呈现多头排列与空头排列的个股数量占比差值，来反映市场整体的技术趋势强弱[35]。 * 因子具体构建过程： 1. 对每只个股判断其均线排列状态（例如，多头排列、空头排列）[35]。 2. 计算均线强弱指标：呈现多头排列的个股占比减去呈现空头排列的个股占比[35]。报告提到该指标从前一期的14%降至7.3%[1]。 5. 因子名称：超买超卖指标[64] * 因子构建思路：用于衡量指数或行业是否处于极端交易状态（超买或超卖），可能预示着短期反转[64]。 * 因子具体构建过程：报告中未详细说明该指标的具体计算方法，仅展示了截至报告期主要指数和行业指数的“超跌指标统计”结果[64][68]。 因子的回测效果 本报告未提供上述量化因子在选股或择时策略中的具体回测效果指标（如IC值、IR、多空收益等）。报告仅展示了这些因子在报告时点的具体数值或状态，例如： * 风险溢价因子：截至2026年3月20日，中证全指风险溢价为2.63%[76]。 * 估值分位数因子：截至2026年3月20日，中证全指PE_TTM分位数为82%，创业板指接近63%[76]。 * 市场情绪因子（新高新低比例）：创近60日新高个股数占比从前一期的12.0%降至8.1%；创近60日新低个股数占比从前一期的11.2%升至37.4%[1]。 * 市场情绪因子（均线结构指标）：多头排列减空头排列个股占比从前一期的14%降至7.3%[1]。