量化模型与构建方式 1. 模型名称：A股景气度高频指数[43] * 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，构建一个能够高频反映A股景气度的指数，用于观测景气周期的变化[43]。 * 模型具体构建过程：报告未详细描述该指数的具体计算步骤和公式，仅提及构建详情需参考另一篇报告《视角透析：A股景气度高频指数构建与观察》[43]。 2. 模型名称：A股情绪指数系统[49] * 模型构建思路：通过量价数据（波动率和成交额）的变化方向来刻画市场情绪，并据此构建包含见底预警与见顶预警的情绪指数，用于择时判断[49]。 * 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[49]。 2. 通过历史统计发现，只有“波动率上行-成交额下行”的区间表现为显著负收益，其余三个象限均为显著正收益[49]。 3. 基于此规律，分别构造了A股情绪见底预警指数（主要基于价格/波动信号）和见顶预警指数（主要基于成交量信号）[49][53]。 4. 综合两个预警指数的信号（“多”或“空”），得出对后市的整体观点[52][53]。 3. 模型名称：主题挖掘算法[61] * 模型构建思路：通过对新闻和研报文本进行多维度处理，挖掘主题投资机会，包括识别主题关键词、挖掘主题与个股关联、构建主题活跃周期和影响力因子等[61]。 * 模型具体构建过程：报告未提供该算法的具体计算步骤和公式，仅概述了其构建的多个维度[61]。 4. 模型名称：中证500增强组合策略模型[64] * 模型构建思路：构建一个旨在持续跑赢中证500指数的量化增强投资组合[62]。 * 模型具体构建过程：报告未披露该策略模型的具体因子构成、权重配置及组合优化方法。 5. 模型名称：沪深300增强组合策略模型[72] * 模型构建思路：构建一个旨在持续跑赢沪深300指数的量化增强投资组合[71]。 * 模型具体构建过程：报告未披露该策略模型的具体因子构成、权重配置及组合优化方法。 6. 模型名称：BARRA风格因子模型[73] * 模型构建思路：参照BARRA模型框架，对A股市场构建一系列风格因子，用于解释股票收益的差异，并进行组合的绩效归因分析[73][83]。 * 模型具体构建过程：报告列出了所构建的十大类风格因子名称，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）[73]。但未提供每个因子的具体计算公式。 量化因子与构建方式 1. 因子名称：十大类风格因子[73] * 因子构建思路：基于BARRA模型框架，从不同维度刻画A股上市公司的特征，以解释其收益来源[73]。 * 因子具体构建过程：报告未提供每个风格因子的详细计算公式。十大类风格因子包括：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）[73]。 2. 因子名称：行业因子[74] * 因子构建思路：用于刻画不同行业对股票收益的影响[74]。 * 因子具体构建过程：报告未提供行业因子的具体构建方法。 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[59]。 2. 中证500增强组合：截至报告期（2026年4月17日当周），该组合自2020年至今相对中证500指数的累计超额收益为53.52%，期间最大回撤为-10.90%[61]。 3. 沪深300增强组合：截至报告期（2026年4月17日当周），该组合自2020年至今相对沪深300指数的累计超额收益为47.47%，期间最大回撤为-5.86%[69]。 因子的回测效果 1. 风格因子表现（近一周）： * 从纯因子收益看，Beta因子超额收益较高，价值（BTOP）因子呈现较为显著的负向超额收益[74]。 * 从近期表现看，高Beta、高动量（MOM）因子表现优异，流动性（LIQUIDITY）、价值（BTOP）等因子表现不佳[74]。 2. 行业因子表现（近一周）： * 银行、房地产、通信等行业因子相对市场市值加权组合跑出较高超额收益[74]。 * 石油石化、医药、传媒等行业因子回撤较多[74]。