量化模型与构建方式 1. 市场择时模型 * 模型名称：均线距离择时模型[2][6] * 模型构建思路：通过计算市场宽基指数（Wind全A）的短期均线与长期均线的相对位置（距离差），来划分市场的整体环境（如上涨、下跌、震荡），并据此进行仓位管理[2][6]。 * 模型具体构建过程： 1. 选择标的指数：Wind全A指数[2][6]。 2. 计算均线：计算指数的20日移动平均线（短期均线）和120日移动平均线（长期均线）[2][6]。 3. 计算距离差：计算短期均线与长期均线的距离差，通常以百分比表示。公式为： $距离差 = \frac{(短期均线 - 长期均线)}{长期均线} \times 100\%$ 其中，短期均线为20日均线，长期均线为120日均线[2][6]。 4. 市场状态判断：根据距离差的绝对值大小来判断市场格局。报告指出，当距离差绝对值低于3%时，市场处于典型的震荡格局[2][6]。 2. 仓位管理模型 * 模型名称：仓位管理模型[7] * 模型构建思路：综合市场估值水平（如PE、PB分位数）和短期趋势（如上述择时模型判断的市场格局）来判断市场风险，从而为绝对收益产品提供具体的仓位建议[7]。 * 模型具体构建过程：报告未详细描述该模型的具体构建公式和步骤，仅提及了其输入变量和输出结果。模型会结合估值指标（Wind全A的PE、PB历史分位数）和短期趋势判断（如市场处于震荡格局），最终输出一个建议的股票仓位比例[7]。 3. 行业配置模型 * 模型名称：中期行业配置模型[2][5][7] * 模型构建思路：该模型用于生成中期的行业配置建议，其下包含更具体的子模型来识别具有投资机会的板块[2][5][7]。 * 模型具体构建过程：报告未详细描述该复合模型的具体构建过程。 4. 业绩趋势模型 (行业配置子模型) * 模型名称：业绩趋势模型[2][5][7][13] * 模型构建思路：作为中期行业配置模型的一部分，用于识别和提示业绩趋势向好的产业链或板块[2][5][7][13]。 * 模型具体构建过程：报告未详细描述该子模型的具体构建过程和因子定义。 量化因子与构建方式 1. 估值因子 (用于仓位管理模型输入) * 因子名称：PE历史分位数、PB历史分位数[7] * 因子构建思路：计算当前市场整体估值（PE、PB）在其自身历史数据中所处的位置，以衡量当前估值水平的高低[7][9][11]。 * 因子具体构建过程： 1. 选择标的指数：Wind全A指数[7]。 2. 计算当前估值：获取指数最新的市盈率（PE）和市净率（PB）[7]。 3. 计算历史分位数：将当前估值指标值放入其历史时间序列（例如报告提及数据自2014年10月17日至2026年4月24日[9][11]）中，计算其所处的百分位点（分位数）[7][9][11]。分位数越高，表示当前估值相对自身历史水平越高[9][11]。 模型的回测效果 1. 均线距离择时模型， 最新信号显示：Wind全A指数20日均线为6602点，120日均线为6539点，两线距离差为0.97%，市场状态判断为震荡格局[2][6]。 2. 仓位管理模型， 最新建议：以Wind全A为配置主体的绝对收益产品建议仓位为50%[5][7]。 3. 业绩趋势模型， 最新行业配置提示：重点关注电池/算力/有色相关的产业链（如储能电池ETF，通信ETF，工业有色ETF）和周期中的标普油气[2][5][7][13]。同时可适量配置处于底部的银行与地产板块以平衡组合[2][5][7][13]。 因子的回测效果 1. PE历史分位数因子， 最新取值：Wind全A指数PE位于约90分位点，属于偏高水平[7]。 2. PB历史分位数因子， 最新取值：Wind全A指数PB位于60分位点，属于中等水平[7]。