量化模型与构建方式 1. 模型/因子名称：250日新高距离[11] 构建思路： 用于量化股票、指数等价格接近其历史最高点的程度，是衡量趋势强度和动量效应的一种指标[11] 具体构建过程： 1. 计算过去250个交易日的收盘价最大值，记为 ts_max(Close, 250)[11] 2. 用最新收盘价 Closet 除以该最大值[11] 3. 用1减去该比值，得到250日新高距离[11] 公式： $250 日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$ 其中，Closet为最新收盘价，ts_max(Close,250)为过去250个交易日收盘价的最大值[11] 模型/因子评价： 该指标是趋势跟踪和动量策略的核心工具之一，研究表明股价接近历史高点时未来收益可能更高[11] 2. 模型名称：平稳创新高股票筛选模型[26][28] 构建思路： 在近期创出250日新高的股票池中，结合分析师关注度、股价相对强弱、趋势延续性、股价路径平稳性及创新高持续性等多个维度，筛选出动量效应可能更持续、更稳健的“平稳创新高”股票[26][28] 具体构建过程： 筛选分为多个步骤，对初始股票池（过去20个交易日创出过250日新高的股票）进行层层过滤[26][28]： 1. 分析师关注度筛选： 过去3个月内，获得“买入”或“增持”评级的分析师研报数量不少于5份[28] 2. 股价相对强弱筛选： 过去250日涨跌幅位于全市场所有股票的前20%[28] 3. 股价平稳性筛选： 在满足前两个条件的股票池内，使用“价格路径平滑性”指标进行综合打分，并选取排名在前50%的股票[28]。该指标的计算公式为： $价格路径平滑性 = \frac{过去120日涨跌幅的绝对值}{过去120日日涨跌幅绝对值加总}$ 此指标用于衡量股价上涨路径的平滑程度，比值越低代表路径越平滑[26] 4. 创新高持续性筛选： 计算过去120个交易日的“250日新高距离”在时间序列上的均值，作为筛选依据之一[28] 5. 趋势延续性筛选： 计算过去5个交易日的“250日新高距离”在时间序列上的均值，并选取该值排序靠前的50只股票作为最终输出[28] 模型的回测效果 （注：报告未提供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、信息比率(IR)等，因此本部分无相关内容。） 量化因子与构建方式 1. 因子名称：价格路径平滑性（位移路程比）[26][28] 构建思路： 通过比较一段时间内股价的总位移（净涨幅绝对值）与总路程（每日涨跌幅绝对值之和），来刻画股价上涨路径的平滑程度[26] 具体构建过程： 1. 计算过去120个交易日的累计涨跌幅绝对值，作为“位移”[26] 2. 计算过去120个交易日每日涨跌幅绝对值的总和，作为“路程”[26] 3. 将位移除以路程，得到比值[26] 公式： $价格路径平滑性 = \frac{|过去120日累计涨跌幅|}{\sum_{i=1}^{120} |日涨跌幅_i|}$ 因子评价： 该因子旨在识别“温水煮青蛙”式的平滑上涨模式，研究表明遵循平滑路径的高动量股票收益可能优于跳跃式上涨的股票[26] 因子的回测效果 （注：报告未提供因子的历史IC、IR、多空收益等量化回测结果，因此本部分无相关内容。）