量化模型与因子总结 量化模型与构建方式 1. 模型名称：平稳创新高股票筛选模型[27] * 模型构建思路：基于动量效应和“温水煮青蛙”效应，在近期创出250日新高的股票池中，通过多维度条件筛选出价格路径平稳、趋势延续性好的“平稳创新高”股票，以捕捉更强大的动量效应[27]。 * 模型具体构建过程：该模型是一个多步骤筛选流程，具体步骤如下： 1. 初选股票池：筛选上市满15个月，且在过去20个交易日内创出过250日新高的股票[19]。 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[29]。 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%[29]。 4. 股价平稳性筛选：在满足步骤2和3的股票池内，使用“价格路径平滑性”和“创新高持续性”两个指标进行综合打分，选取排名在前50%的股票[29]。 5. 趋势延续性筛选：在步骤4筛选出的股票中，根据“趋势延续性”指标进行排序，选取排名靠前的50只股票作为最终输出[29]。 2. 因子名称：250日新高距离[11] * 因子构建思路：借鉴George (2004)等研究及经典投资理论，使用股价距离其过去250日最高点的回落幅度来衡量股票的创新高状态与趋势强度，该值越小或为0，表明趋势越强[11]。 * 因子具体构建过程：计算最新收盘价相对于过去250个交易日最高收盘价的回落比例。 * 公式： $250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$ * 公式说明： * Closet 为股票的最新收盘价。 * ts_max(Close, 250) 为股票过去250个交易日收盘价的最大值。 * 若最新收盘价创出新高，则因子值为0；若股价从高点回落，则因子值为正，代表回落幅度[11]。 3. 因子名称：价格路径平滑性（股价位移路程比）[27][29] * 因子构建思路：参考Bali等人(2011)的研究，用于度量股价上涨过程的平稳性。平滑的上涨路径（高位移路程比）相比跳跃式路径，可能预示着更持续和稳健的动量[27]。 * 因子具体构建过程：计算过去一段时间内股价的净涨幅（位移）与期间每日涨跌幅绝对值总和（路程）的比值。 * 公式： $价格路径平滑性 = \frac{过去120日涨跌幅的绝对值}{过去120日日涨跌幅绝对值加总}$ * 公式说明：该比值越接近1，表明股价上涨路径越平滑，回调少；比值越小，表明上涨过程中波动和回调越大[27]。 4. 因子名称：创新高持续性[29] * 因子构建思路：衡量股票在近期维持强势、接近其价格高点的持续能力。 * 因子具体构建过程：计算股票过去120个交易日的“250日新高距离”在时间序列上的均值[29]。该均值越小，表明股票在近期越持续地保持在接近新高的位置。 5. 因子名称：趋势延续性[29] * 因子构建思路：衡量股票在极短期内的趋势强度，用于捕捉近期加速上涨或维持强势的股票。 * 因子具体构建过程：计算股票过去5个交易日的“250日新高距离”在时间序列上的均值[29]。该均值越小，表明股票在最近一周内越强势。 模型的回测效果 （注：报告中未提供该筛选模型的历史回测绩效指标，如年化收益率、夏普比率、最大回撤等定量数据。） 因子的回测效果 （注：报告中未提供单个因子（如250日新高距离、价格路径平滑性等）的IC值、IR值、分组收益等历史测试结果。）