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[79] * 模型构建思路：使用卷积神经网络对图表化的价量数据与未来价格进行建模，并将学习到的特征映射到行业主题板块中，以识别和配置具有趋势性的行业主题[79]。 * 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[79][81]。 2. 模型训练：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，学习能够预测未来价格走势的特征[1][79]。 3. 特征映射：将训练好的模型学习到的特征，映射到行业主题板块中[1][79]。 4. 主题配置：根据模型的映射结果，生成当前推荐的行业主题配置列表[80]。 2. 模型名称：宏观因子事件模型[55] * 模型构建思路：通过跟踪一系列宏观指标，定义其走势变化为特定事件，并基于历史回测筛选出对未来资产收益率有显著影响的“有效因子事件”，用以判断市场趋势[55]。 * 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[55]。 2. 事件定义：定义四类宏观因子事件来描述因子走势：短期高低点、连续上涨下跌、创历史新高新低、因子走势反转[55]。 3. 事件筛选：从历史数据中寻找“有效因子事件”，即对资产未来收益率影响较为显著的因子事件[55]。 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未来一个月的平均收益，以判断当前宏观环境对权益市场的观点（看多或看空）[57][58]。 3. 模型名称：GFTD模型与LLT模型[83] * 模型构建思路：报告提及了GFTD模型和LLT模型，用于市场择时，但未详细描述其构建思路与过程[83]。 模型的回测效果 1. 卷积神经网络趋势观察模型：最新配置主题为酒、消费、食品饮料，具体推荐指数包括中证酒指数(399987.SZ)、上证主要消费行业指数(000036.SH)、中证细分食品饮料产业主题指数(000815.CSI)、中证食品饮料指数(930653.CSI)、上证消费80指数(000069.SH)[1][80][82]。 2. 宏观因子事件模型：根据当前（截至报告日期）宏观因子趋势，对权益市场未来一个月持看多观点。具体因子趋势包括：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）[58]。 3. GFTD模型与LLT模型：历史择时成功率约为80%[83]。 量化因子与构建方式 1. 因子名称：新高新低比例因子[36] * 因子构建思路：通过统计创近N日新高或新低的个股数量占比，来度量市场的整体强度与弱势广度[36]。 * 因子具体构建过程：计算创近60日新高个股数占全部个股的比例（新高比例），以及创近60日新低个股数占全部个股的比例（新低比例）[1][36]。 2. 因子名称：个股均线结构因子[40] * 因子构建思路：通过分析个股的均线排列情况（多头或空头），构建反映市场整体技术面强弱的指标[40]。 * 因子具体构建过程：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，得到“均线强弱指标”[1][40]。报告亦跟踪股价位于200日长期均线之上的个股比例[43]。 3. 因子名称：市场交易活跃度因子[51] * 因子构建思路：通过计算考虑自由流通股本后的市场换手率，来观察真实的交易活跃程度[51]。 * 因子具体构建过程：计算市场（如中证全指、创业板指）的真实换手率，该换手率考虑了自由流通股本[51][53]。 4. 因子名称：风险溢价因子[66] * 因子构建思路：通过比较股票资产与债券资产的隐含收益率，来判断市场的相对估值吸引力[82]。 * 因子具体构建过程：计算公式为：风险溢价 = 中证全指静态市盈率(PE)的倒数(EP) - 十年期国债收益率[82]。 5. 因子名称：指数超买超卖因子[69] * 因子构建思路：通过测量指数价格相对于其移动平均线的偏离程度，来判断指数是否处于超买或超卖状态[69]。 * 因子具体构建过程：报告展示了主要宽基指数和行业指数的“超跌指标”统计，该指标 likely 基于价格与均线的位置关系计算，但具体公式未给出[69][70][73]。 6. 因子名称：融资余额因子[76] * 因子构建思路：跟踪市场融资余额的绝对规模及其占流通市值的比例，作为衡量市场杠杆水平和投资者情绪的一个指标[76][78]。 因子的回测效果 （注：报告主要展示了各因子在最新一期的观测值，而非长期历史回测的绩效指标（如IC、IR等）。） 1. 新高新低比例因子：截至本期，创近60日新高个股数占比从前一期的7.6%升至9.1%；创近60日新低个股数占比从前一期的26.9%降至6.5%[1]。 2. 个股均线结构因子：截至本期，多头排列减空头排列个股占比（均线强弱指标）从前一期的-23.7%降至-33.2%[1]。 3. 风险溢价因子：截至2026年4月10日，中证全指风险溢价为2.63%，其历史均值加减两倍标准差的边界分别为4.58%和[具体下限值，报告中未明确给出，仅图示][67][82]。 4. 融资余额因子：报告以图表形式展示了融资余额及其占流通市值比例的历史走势，未给出具体数值[78]。