量化模型与构建方式 1. 模型/因子名称：250日新高距离[11] * 构建思路：该指标用于衡量当前价格相对于过去一段时间内最高价格的回落幅度，是趋势跟踪和动量策略中的一个关键度量。当价格创出新高时，该值为0；价格从高点回落时，该值为正，表示回落的百分比。[11] * 具体构建过程：计算最新收盘价与过去250个交易日最高收盘价的相对距离。 * 公式为： $250 日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$ * 其中，Closet 代表最新收盘价，ts_max(Close, 250) 代表过去250个交易日收盘价的最大值。[11] 2. 模型名称：平稳创新高股票筛选模型[26][28] * 构建思路：该模型旨在从近期创出250日新高的股票中，进一步筛选出具有更强趋势延续潜力的“平稳创新高”股票。其理论基础在于，遵循平滑价格路径的动量股相比跳跃式上涨的动量股，未来表现可能更优（“温水煮青蛙”效应）。[26] * 具体构建过程：采用多步骤条件筛选法。 1. 初选股票池：筛选出过去20个交易日内曾创出250日新高的股票。[19][26] 2. 分析师关注度筛选：要求过去3个月内，获得“买入”或“增持”评级的分析师研报不少于5份。[28] 3. 股价相对强弱筛选：要求过去250日涨跌幅位于全市场前20%。[28] 4. 股价平稳性与创新高持续性筛选：在满足上述条件的股票池内，使用两个指标综合打分，并选取排名在前50%的股票。 * 价格路径平滑性：使用股价位移路程比进行度量。具体公式在报告中以文字描述为：“过去 120 日涨跌幅的绝对值”除以“过去 120 日日涨跌幅绝对值加总”。[26] * 创新高持续性：使用过去120日的250日新高距离在时间序列上的均值进行度量。[28] 5. 趋势延续性筛选：计算过去5日的250日新高距离在时间序列上的均值，并选取该值排序靠前的50只股票作为最终输出。[28] 模型的回测效果 本报告为市场监测周报，主要展示截至特定日期的指标截面数据，未提供模型或因子在历史时间序列上的回溯测试绩效指标（如年化收益率、夏普比率、信息比率IR、最大回撤等）。因此，本部分无相关测试结果取值。 量化因子与构建方式 1. 因子名称：价格路径平滑性（股价位移路程比）[26] * 构建思路：该因子用于量化股价上涨路径的平稳程度。理论认为，平稳上涨的股票相比剧烈波动的股票，其动量效应可能更持续。[26] * 具体构建过程：计算一定期间内（报告中为120日）的总涨幅绝对值与期间内每日涨跌幅绝对值之和的比值。 * 公式的文字描述为： $价格路径平滑性 = \frac{过去 120 日涨跌幅的绝对值}{过去 120 日日涨跌幅绝对值加总}$[26] * 该比值越接近1，表明股价路径越直接、平滑；比值越小，表明股价路径越曲折、波动越大。 2. 因子名称：创新高持续性[28] * 构建思路：该因子用于度量股票在近期维持接近其价格高点的能力，即创新高状态的持续性。[28] * 具体构建过程：计算股票在过去一段时间内（报告中为120日）的“250日新高距离”的时间序列均值。 * 因子值越小，表明股票在近期越持续地接近或创出新高。 3. 因子名称：趋势延续性[28] * 构建思路：该因子用于捕捉短期内的趋势强度，通过计算最近几日（报告中为5日）的“250日新高距离”均值来反映股票是否在持续逼近新高。[28] * 具体构建过程：计算股票在过去5个交易日的“250日新高距离”的时间序列均值。 * 因子值越小，表明股票在近期越强劲地延续其上涨趋势。 因子的回测效果 本报告为市场监测周报，主要展示截至特定日期的指标截面数据，未提供因子在历史时间序列上的IC、IR、多空收益等回溯测试绩效指标。因此，本部分无相关测试结果取值。