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[74] * 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[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生成细节[76]。 2. 模型训练：基于历史数据，使用卷积神经网络对上述生成的价量图表与未来的价格表现（如涨跌、收益率等）进行建模，训练网络识别对预测未来价格有效的图表特征[74]。 3. 特征映射：将训练好的CNN模型学习到的特征，应用于行业或主题板块层面的分析，从而判断哪些板块整体上呈现出模型识别的看涨或看跌特征[74]。 4. 输出配置：模型最终输出当前看好的具体行业主题及对应的细分指数[74][75]。 2. 模型名称：GFTD模型[78] * 模型构建思路：报告中仅提及该模型名称及历史择时成功率，未详细说明其构建思路。 3. 模型名称：LLT模型[78] * 模型构建思路：报告中仅提及该模型名称及历史择时成功率，未详细说明其构建思路。 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，来衡量市场的整体强弱和情绪极端程度[31]。 * 因子具体构建过程： * 新高比例：计算当日收盘价创近60日新高的个股数量，除以当日总上市个股数量（或样本空间内个股数量）[31]。 * 新低比例：计算当日收盘价创近60日新低的个股数量，除以当日总上市个股数量（或样本空间内个股数量）[31]。 2. 因子名称：个股均线结构因子[35] * 因子构建思路：通过计算处于不同均线排列状态（如多头排列、空头排列）的个股占比，来度量市场整体的技术趋势强度[35]。 * 因子具体构建过程： * 报告中展示了“均线强弱指标”，其定义为：多头排列个股占比 减去 空头排列个股占比[35][36]。 * 具体均线组合（如是否使用5日、10日、20日、60日等均线）及多头、空头排列的定义未在提供内容中详述。 3. 因子名称：宏观因子事件[49] * 因子构建思路：选取对市场影响较大的宏观经济指标，将其在最近一段时间内的特定走势模式（如创短期高点、连续下跌等）定义为“事件”，并利用历史数据验证这些事件对未来资产收益率的显著影响，从而作为市场判断的依据[49][50]。 * 因子具体构建过程： 1. 指标选择：跟踪25个国内外宏观指标，涵盖货币政策、财政政策、流动性、通胀水平等[49][50]。 2. 事件定义：定义四类宏观因子事件：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. 有效性筛选：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因子事件，即“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，统计在不同趋势下资产的平均收益，以判断当前宏观因子趋势对权益市场的观点（看多或看空）[52][53]。 4. 因子名称：风险溢价因子[61] * 因子构建思路：计算股票市场隐含收益率与无风险利率（十年期国债收益率）的差值，用以衡量股票资产相对于债券资产的吸引力[77]。 * 因子具体构建过程： * 以中证全指为例，风险溢价 = 中证全指静态市盈率（PE_TTM）的倒数（即盈利收益率，EP） - 十年期国债收益率[77]。 * 公式可表示为：$风险溢价 = \frac{1}{PE_{TTM}} - R_{国债10Y}$ 5. 因子名称：指数超买超卖因子[64] * 因子构建思路：通过特定技术指标（报告中未明确具体是RSI、乖离率或其他）计算主要指数和行业指数的超跌或超买状态，以识别市场短期极端位置[64][68]。 * 因子具体构建过程：报告中仅展示了“超跌指标统计”图表，未给出该因子的具体计算公式和构建步骤[65][69]。 模型的回测效果 1. 卷积神经网络趋势观察模型：报告未提供该模型的历史回测绩效指标，如年化收益率、夏普比率、最大回撤等。 2. GFTD模型：历史择时成功率约为80%[78]。 3. LLT模型：历史择时成功率约为80%[78]。 因子的回测效果 1. 新高新低比例因子：报告未提供该因子的IC值、IR、多空收益等具体测试结果。 2. 个股均线结构因子：报告未提供该因子的IC值、IR、多空收益等具体测试结果。 3. 宏观因子事件：报告以表格形式列出了当前部分宏观因子趋势对权益市场未来一个月的影响观点（看多或看空），例如：PMI（3月均线趋势）看多、CPI同比（1月均线趋势）看多、社融存量同比（1月均线趋势）看多、10年期国债收益率（12月均线趋势）看多、美元指数（1月均线趋势）看多[53]。但未提供这些事件因子的历史多空收益或预测胜率等量化回测结果。 4. 风险溢价因子：报告给出了截至2026年4月3日的具体数值：中证全指风险溢价为2.80%，其历史均值加减两倍标准差的边界分别为4.59%和另一个未明确数值的负向边界[77]。 5. 指数超买超卖因子：报告未提供该因子的具体数值化测试结果。