量化模型与因子总结 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[1][75] * 模型构建思路：使用卷积神经网络（CNN）对图表化的个股价量数据进行建模，学习其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中，以识别具有趋势性机会的板块[1][75]。 * 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[75]。研报中提及了“标准化数据价量图表”，但未给出具体标准化方法和图表形式（如K线图、价量组合图等）的细节[76]。 2. 模型训练：使用卷积神经网络对上述图表化的数据进行训练，目标是建立图表特征与未来价格变动之间的映射关系[1][75]。报告未提供具体的网络结构、损失函数、训练周期等细节。 3. 特征映射与应用：将训练好的模型学习到的特征应用于行业或主题板块层面，从而生成对板块未来走势的判断[1][75]。最终输出为看好的具体指数列表[76]。 2. 模型名称：宏观因子事件模型[51][53] * 模型构建思路：通过跟踪一系列国内外宏观指标，定义其特定的走势事件（如短期高低点、连续涨跌等），并从历史数据中筛选出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[51]。 * 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[51]。 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[51]。 3. 有效性检验：从历史数据中寻找“有效因子事件”，即那些对资产未来收益率影响较为显著的因子事件[51]。 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的平均收益，筛选出收益存在显著差异的资产[53]。例如，当PMI指标处于其3月均线趋势上行时，对股票市场持看多观点[54]。 3. 模型名称：GFTD模型[78] * 模型构建思路：报告仅在风险提示部分提及该模型名称，指出其历史择时成功率约为80%。未提供该模型的任何构建思路、过程或细节[78]。 4. 模型名称：LLT模型[78] * 模型构建思路：报告仅在风险提示部分提及该模型名称，指出其历史择时成功率约为80%。未提供该模型的任何构建思路、过程或细节[78]。 模型的回测效果 （注：报告中未提供任何量化模型的回测效果指标数据，如年化收益率、夏普比率、最大回撤、信息比率（IR）等。） 量化因子与构建方式 1. 因子名称：新高新低比例因子[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，来度量市场的极端情绪和趋势强度[31]。 * 因子具体构建过程： * 60日新高比例：计算当日收盘价创过去60日新高的个股数量占全部A股个股总数的比例[1][31]。 * 60日新低比例：计算当日收盘价创过去60日新低的个股数量占全部A股个股总数的比例[1][31]。 2. 因子名称：个股均线结构因子[36] * 因子构建思路：通过计算处于不同均线排列状态（多头、空头）的个股占比，来反映市场整体的技术面强弱[36]。 * 因子具体构建过程： * 均线强弱指标：计算呈现多头排列的个股数量与呈现空头排列的个股数量之差，再除以总个股数（或直接表示为比例差）[1][36]。报告中的表述为“多头排列减空头排列个股占比”[1]。 3. 因子名称：长期均线以上比例因子[39] * 因子构建思路：统计股价位于长期均线（如200日均线）之上的个股比例，用以衡量市场长期趋势的强弱和广度[39]。 * 因子具体构建过程： * 200日长期均线之上比例：计算当日收盘价位于其200日移动平均线之上的个股数量占全部A股个股总数的比例[39][40]。 4. 因子名称：风险溢价因子[62][77] * 因子构建思路：通过计算股票市场收益率（以市盈率倒数表示）与无风险收益率（十年期国债收益率）之差，来衡量股票资产相对于债券资产的吸引力[62][77]。 * 因子具体构建过程： * 以中证全指为例，风险溢价 = （1 / 中证全指静态PE_TTM） - 十年期国债收益率[77]。 * 公式可表示为：$风险溢价 = \frac{1}{PE_{TTM}} - R_{10Y}$ 其中，$PE_{TTM}$ 为指数市盈率（滚动十二个月），$R_{10Y}$ 为十年期国债收益率。 5. 因子名称：指数超买超卖因子[65][69] * 因子构建思路：通过测量当前指数价格相对于其历史价格区间的位置，来判断指数是否处于超跌或超买状态[65][69]。 * 因子具体构建过程：报告未给出该因子的具体计算公式。通常此类因子可能基于历史分位数、布林带、RSI等指标构建。报告中展示了主要指数和行业指数的“超跌指标统计”图，但未说明其计算方法[66][70]。 因子的回测效果 （注：报告中未提供任何量化因子的IC值、IR、多空收益、分组测试效果等回测结果数据。仅展示了部分因子如新高新低比例、均线结构、风险溢价等的当前数值或时间序列图表[31][36][40][63][66][70]。）