量化模型与构建方式 1. 模型名称：A股景气度高频指数[41] * 模型构建思路： 以上证指数归母净利润同比为Nowcasting（即时预测）目标，构建一个能够高频追踪A股景气度的指数[41]。 * 模型具体构建过程： 报告未详细描述该指数的具体构建公式和步骤，仅提及构建目标。详细构建方法需参考其提及的报告《视角透析：A股景气度高频指数构建与观察》[41]。 2. 模型名称：A股情绪指数系统[46][49] * 模型构建思路： 基于市场波动率和成交额的变化方向来刻画市场情绪，并构建用于择时的预警信号[46]。 * 模型具体构建过程： 1. 将市场状态根据波动率和成交额的变化方向划分为四个象限[46]。 2. 通过历史统计发现，只有“波动率上行-成交额下行”的区间为显著负收益，其余象限均为显著正收益[46]。 3. 基于此规律，构造了包含“见底预警”与“见顶预警”的A股情绪指数[46]。 4. 信号生成规则： 当市场波动率处于上行区间时，见底信号指向“空”；当成交额处于下行区间时，见顶信号指向“空”[49]。综合两个信号得出对后市的整体观点[49]。 3. 模型名称：主题挖掘算法[59] * 模型构建思路： 通过处理新闻和研报文本，从多个维度挖掘和描述主题投资机会[59]。 * 模型具体构建过程： 报告概述了算法的主要步骤，包括：文本处理、主题关键词提取、主题个股关系挖掘、主题活跃周期构建、主题影响力因子构建等[59]。算法最终会推荐近期概念热度异动较高的主题[59]。 4. 模型名称：中证500增强组合模型[59][60] * 模型构建思路： 通过量化策略模型构建投资组合，旨在持续跑赢中证500指数基准[59]。 * 模型具体构建过程： 报告未披露具体的模型公式和选股细节，仅展示了根据该策略模型生成的当前持仓组合[60]。 5. 模型名称：沪深300增强组合模型[65][68] * 模型构建思路： 通过量化策略模型构建投资组合，旨在持续跑赢沪深300指数基准[65]。 * 模型具体构建过程： 报告未披露具体的模型公式和选股细节，仅展示了根据该策略模型生成的当前持仓组合[68]。 模型的回测效果 1. A股情绪指数系统择时表现：报告提供了该系统的择时表现图表，但未给出具体的量化指标数值[56]。 2. 中证500增强组合模型：截至报告期（2026年4月初），本周收益-2.05%，跑赢基准0.57%[59]。2020年至今，累计超额收益51.84%，最大回撤-10.90%[59]。 3. 沪深300增强组合模型：截至报告期（2026年4月初），本周收益-1.61%，跑输基准0.24%[65]。2020年至今，累计超额收益44.04%，最大回撤-5.86%[65]。 量化因子与构建方式 1. 因子体系：BARRA风格因子体系[71] * 因子构建思路： 参照BARRA因子模型，为A股市场构建一套全面的风格因子体系，用于解释股票收益和进行组合归因[71]。 * 因子具体构建过程： 报告列出了十大类风格因子，但未提供每个因子的具体计算公式。这十类因子包括：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）[71]。 因子的回测效果 1. 风格因子近期表现（纯因子收益）：报告指出，在风格因子中，动量因子超额收益较高，流动性因子呈现较为显著的负向超额收益[72]。高动量股表现优异，流动性、价值等因子表现不佳[72]。 2. 风格因子暴露相关性：报告提供了近一周十大类风格因子暴露的相关性矩阵图表[73]。例如，流动性因子分别与Beta、动量、残差波动率呈现明显正相关性；价值因子分别与Beta、残差波动率、流动性等因子呈现明显负相关性[72]。