量化模型与构建方式 1. 模型名称：基于沪深300指数的流动性冲击指标[3] * 模型构建思路：通过计算当前市场流动性相对于过去一年平均水平的偏离程度，来衡量市场的流动性状况[3]。 * 模型具体构建过程：该指标是一个标准化值，具体计算过程未在报告中详细说明。其含义为，当前市场的流动性高于过去一年平均水平-0.23倍标准差[3]。 2. 模型名称：上证50ETF期权成交量PUT-CALL比率[3] * 模型构建思路：通过计算看跌期权（PUT）与看涨期权（CALL）成交量的比率，来反映投资者对标的资产（上证50ETF）短期走势的情绪和谨慎程度[3]。 * 模型具体构建过程：直接计算特定时间点（如周五）看跌期权总成交量与看涨期权总成交量的比值[3]。公式为： $PUT-CALL比率 = \frac{看跌期权成交量}{看涨期权成交量}$ 3. 模型名称：五日平均换手率分位点模型[3] * 模型构建思路：计算当前市场的五日平均换手率在历史（2005年以来）数据中所处的位置（分位点），以衡量当前交易活跃度相对于历史水平的高低[3]。 * 模型具体构建过程：首先计算上证综指和Wind全A指数的五日平均换手率，然后将该数值与2005年以来的历史数据序列进行比较，计算其历史分位点[3]。 4. 模型名称：SAR（停损转向）指标择时模型[13] * 模型构建思路：利用抛物线转向指标（SAR）判断市场趋势的转折点，当价格向上突破SAR时发出买入信号，向下突破时发出卖出信号[13]。 * 模型具体构建过程：报告提及Wind全A指数于3月27日向上突破翻转指标（SAR），从而发出买入信号。具体SAR计算公式未在报告中给出[13]。 5. 模型名称：市场均线强弱指数[13] * 模型构建思路：通过计算Wind二级行业指数相对于其均线的强弱情况，综合评估整个市场的技术面强弱[13]。 * 模型具体构建过程：基于Wind二级行业指数计算均线强弱得分，并转化为百分位形式。报告指出当前市场得分为136，处于2023年以来的45.1%分位点[13][16]。 6. 模型名称：涨跌停板情绪择时模型[13] * 模型构建思路：通过构建与涨停板、跌停板相关的多个因子，综合刻画市场的情绪强弱，并用于择时[13]。 * 模型具体构建过程：根据国泰海通量化团队前期专题报告，构建了包括净涨停占比、跌停次日收益、涨停板占比、跌停板占比、高频打板收益在内的多个细分情绪因子[13]。这些因子被合成为一个综合情绪模型，报告期模型得分为1分（满分5分）[13]。趋势模型和加权模型信号为负向[13]。 7. 模型名称：高频资金流择时模型[13] * 模型构建思路：通过分析高频资金流的走势，对主要宽基指数发出买入或卖出信号[13]。 * 模型具体构建过程：根据国泰海通量化团队前期专题报告，构建了针对不同风险偏好的策略信号，包括“激进多头”、“激进多空”、“稳健多头”、“稳健多空”[18]。报告期对沪深300、中证500、中证1000、中证2000指数均发出了正向买入信号（信号值为1代表正向）[13][18]。 8. 模型/因子名称：因子拥挤度复合指标[19][20] * 构建思路：通过多个维度指标综合度量某一因子的资金拥挤程度，作为因子可能失效的预警指标[19]。 * 具体构建过程：根据国泰海通量化团队前期专题报告，使用四个分项指标度量因子拥挤度，并合成为一个综合打分[19]。四个分项指标为： 1. 估值价差 2. 配对相关性 3. （长期）收益反转 4. 因子波动率（报告中“市场波动”可能为笔误，根据上下文应为“因子波动率”）[20] 综合打分由各分项得分合成，具体合成方法未在报告中给出[20]。 9. 模型/因子名称：行业拥挤度指标[23] * 构建思路：度量某一行业板块的资金拥挤程度[23]。 * 具体构建过程：根据国泰海通量化团队前期专题报告构建，具体计算方法未在报告中详细说明[23]。 模型的回测效果 1. 基于沪深300指数的流动性冲击指标，2026年4月24日（周五）指标值为 -0.23[3]。 2. 上证50ETF期权成交量PUT-CALL比率，2026年4月24日（周五）指标值为 0.81[3]。 3. 五日平均换手率分位点模型，截至2026年4月24日，上证综指五日平均换手率处于2005年以来 74.39% 分位点；Wind全A五日平均换手率处于 78.99% 分位点[3]。 4. 市场均线强弱指数，截至2026年4月24日，市场得分为 136，处于2023年以来的 45.1% 分位点[13][16]。 5. 涨跌停板情绪择时模型，截至2026年4月24日，情绪模型得分为 1分（满分5分）；趋势模型信号为 负向；加权模型信号为 负向[13]。 6. 高频资金流择时模型，截至2026年4月24日，对主要宽基指数的信号如下[18]： * 沪深300指数：激进多头信号 1，激进多空信号 1，稳健多头信号 1，稳健多空信号 1。 * 中证500指数：激进多头信号 1，激进多空信号 1，稳健多头信号 1，稳健多空信号 1。 * 中证1000指数：激进多头信号 1，激进多空信号 1，稳健多头信号 0，稳健多空信号 0。 * 中证2000指数：激进多头信号 1，激进多空信号 1，稳健多头信号 1，稳健多空信号 1。 量化因子与构建方式 1. 因子名称：小市值因子[19][20] * 构建思路：基于市值规模选股的因子，通常认为小市值公司具有更高的成长性和弹性。 * 具体构建过程：报告未详细说明其具体计算方法，但将其作为因子拥挤度分析的对象之一[19][20]。 2. 因子名称：低估值因子[19][20] * 构建思路：基于估值水平（如市盈率PE、市净率PB等）选股的因子，通常认为估值较低的股票具有安全边际。 * 具体构建过程：报告未详细说明其具体计算方法，但将其作为因子拥挤度分析的对象之一[19][20]。 3. 因子名称：高盈利因子[19][20] * 构建思路：基于盈利能力（如ROE、ROA等）选股的因子，通常认为盈利质量高、盈利能力强的公司更具投资价值。 * 具体构建过程：报告未详细说明其具体计算方法，但将其作为因子拥挤度分析的对象之一[19][20]。 4. 因子名称：高盈利增长因子（高增长）[19][20] * 构建思路：基于盈利增长能力（如净利润增长率、营收增长率等）选股的因子，通常认为高增长的公司能带来更高回报。 * 具体构建过程：报告未详细说明其具体计算方法，但将其作为因子拥挤度分析的对象之一[19][20]。 5. 因子名称：涨跌停板情绪细分因子[13] * 构建思路：用于构建情绪择时模型的底层因子，从不同角度刻画市场涨停、跌停相关的情绪[13]。 * 具体构建过程：包括净涨停占比、跌停次日收益、涨停板占比、跌停板占比、高频打板收益等，具体计算公式参考国泰海通量化团队前期专题报告[13]。 因子的回测效果 1. 因子拥挤度复合指标，截至2026年4月24日，各因子的综合拥挤度打分如下[20]： * 小市值因子：-0.09 * 低估值因子：-0.95 * 高盈利因子：0.05 * 高盈利增长因子：0.25 2. 涨跌停板情绪细分因子，截至2026年4月24日，各细分因子信号如下：净涨停占比 0，跌停次日收益 0，涨停板占比 0，跌停板占比 0，高频打板收益 1[18]。 3. 行业拥挤度指标，截至2026年4月24日，部分行业拥挤度及变化如下[24][25]： * 通信：拥挤度 1.93，较上月变化 0.32 * 综合：拥挤度 1.87，较上月变化 -0.15 * 有色金属：拥挤度 1.40，较上月变化 -0.05 * 电子：拥挤度 1.27，较上月变化 0.28 * 基础化工：拥挤度 1.06，较上月变化 -0.24 * 房地产：拥挤度 -0.74，较上月变化 0.46 * 计算机：拥挤度 -0.33，较上月变化 0.45