量化模型与构建方式 1. 模型名称：流动性冲击指标 [3][6] * 模型构建思路：通过计算当前市场流动性相对于其历史均值的标准差倍数，来度量市场流动性的异常程度[3][6]。 * 模型具体构建过程：该指标基于沪深300指数计算。具体计算过程未在报告中详细说明，但报告指出其含义为“当前市场的流动性高于过去一年平均水平2.17倍标准差”[6]。可推断其一般构建公式为： $流动性冲击指标 = \frac{当前流动性值 - 过去一年流动性均值}{过去一年流动性标准差}$ 其中，流动性值通常使用成交金额、换手率等指标度量。 2. 模型名称：PUT-CALL比率 [3][6] * 模型构建思路：通过计算上证50ETF期权看跌合约成交量与看涨合约成交量的比值，来度量市场情绪，尤其是投资者对短期走势的乐观或悲观程度[3][6]。 * 模型具体构建过程： $PUT-CALL比率 = \frac{上证50ETF看跌期权成交量}{上证50ETF看涨期权成交量}$ 比率下降通常表示看涨情绪上升，比率上升则表示看跌情绪上升[6]。 3. 模型名称：市场均线强弱指数 [10][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位置，综合评估全市场的技术性强弱[10]。 * 模型具体构建过程：报告未给出具体计算公式，但说明该指数通过Wind二级行业指数算出，得分代表市场技术性强弱的百分位水平[10][13]。 4. 模型名称：情绪模型 [3][10][14] * 模型构建思路：通过构建一系列与涨停板、跌停板相关的因子，综合刻画市场的短期情绪和赚钱效应[10]。 * 模型具体构建过程：根据国泰海通量化团队前期专题报告，模型包含多个细分情绪因子，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[10][14]。模型对这些因子信号进行综合打分，满分为5分[10]。 5. 模型名称：高频资金流择时模型 [3][10][14] * 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（如沪深300、中证500等）发出买入或卖出信号[3][10]。 * 模型具体构建过程：根据国泰海通量化团队前期专题报告，模型针对不同风险偏好的投资者，提供了“激进多头”、“激进多空”、“稳健多头”、“稳健多空”四种信号[14]。模型具体构建细节未在报告中展开。 6. 模型名称：因子拥挤度模型 [15][16][17] * 模型构建思路：使用多个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[15]。 * 模型具体构建过程：根据国泰海通量化团队前期专题报告，该模型使用四个分项指标来度量因子拥挤度[15]： 1. 估值价差：衡量因子多空组合的估值差异。 2. 配对相关性：衡量因子与其它常见因子的相关性。 3. 市场波动：可能指因子收益的波动率。 4. 长期收益反转：衡量因子长期收益的均值回归特性。 最终的综合打分由这四个分项指标得分合成，具体合成方法未说明[17]。 7. 模型名称：行业拥挤度模型 [19][22][23] * 模型构建思路：借鉴因子拥挤度的思想，构建指标来度量各行业板块的资金拥挤程度[19]。 * 模型具体构建过程：根据国泰海通量化团队前期专题报告，具体计算细节未在本报告中说明。模型输出各行业的拥挤度数值及相对上月的变化[19][22][23]。 模型的回测效果 1. 流动性冲击指标， 截至2026年5月22日（周五）取值为2.17[3][6] 2. PUT-CALL比率模型， 截至2026年5月22日（周五）取值为0.72[3][6] 3. 市场均线强弱指数， 截至报告期取值为73，处于2023年以来的20.8%分位点[10] 4. 情绪模型， 截至报告期综合打分为0分（满分5分），趋势模型信号为负向，加权模型信号为负向[10] 5. 高频资金流择时模型， 截至报告期对宽基指数的信号为：沪深300指数（正向）、中证500指数（负向）、中证1000指数（正向）、中证2000指数（正向）[10][14] 6. 因子拥挤度模型， 截至2026年5月22日，小市值因子拥挤度-0.25，低估值因子拥挤度-0.90，高盈利因子拥挤度-0.27，高盈利增长因子拥挤度0.02[3][17] 7. 行业拥挤度模型， 截至2026年5月22日，行业拥挤度较高的有：综合(2.04)、通信(2.08)、电子(1.64)、有色金属(1.33)、石油石化(0.85)；拥挤度上升幅度较大的有：电子(+0.40)、机械设备(+0.35)、通信(+0.34)[19][22][23] 量化因子与构建方式 1. 因子名称：日历效应因子 [3][7] * 因子构建思路：基于历史数据，统计特定时间段（如5月下半月）主要市场指数的上涨概率和平均涨幅，捕捉季节性规律[3][7]。 * 因子具体构建过程：以报告中的5月下半月效应为例，统计了2005年以来上证指数、沪深300、中证500和创业板指在该时间段的历史上涨概率和涨跌幅均值/中位数[7]。 2. 因子名称：情绪细分因子 [10][14] * 因子构建思路：从市场涨停、跌停行为中提取能够刻画投资者情绪和赚钱效应的微观指标[10]。 * 因子具体构建过程：包含五个细分因子： * 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 各因子的具体计算公式未在本报告中给出，它们共同构成情绪模型的输入[14]。 3. 因子名称：常见选股因子（拥挤度分析对象） [15][17] * 因子构建思路：报告未详细说明这些因子的构建，但将其作为拥挤度分析的对象，表明它们是量化选股中常用的风格或基本面因子[15]。 * 因子具体构建过程：报告涉及的小市值、低估值、高盈利、高盈利增长因子，其具体构建方式需参考国泰海通量化团队相关专题报告，本报告未详述。 因子的回测效果 1. 日历效应因子， 2005年以来，5月下半月历史表现：上证指数上涨概率45%，涨幅均值-0.18%，涨幅中位数-0.36%；沪深300上涨概率45%，涨幅均值-0.15%，涨幅中位数-0.73%；中证500上涨概率50%，涨幅均值0.53%，涨幅中位数-0.68%；创业板指上涨概率47%，涨幅均值1.33%，涨幅中位数-0.31%[3][7] 2. 情绪细分因子， 截至报告期，净涨停占比信号为0，跌停次日收益信号为0，涨停板占比信号为0，跌停板占比信号为0，高频打板收益信号为0[14] 3. 常见选股因子（拥挤度分析对象）， 截至2026年5月22日拥挤度分项得分： * 小市值因子：估值价差0.18，配对相关性-0.53，市场波动-0.65，收益反转0.00[17] * 低估值因子：估值价差-1.73，配对相关性0.39，市场波动-0.14，收益反转-2.14[17] * 高盈利因子：估值价差-1.46，配对相关性-0.32，市场波动-0.80，收益反转1.50[17] * 高盈利增长因子：估值价差0.73，配对相关性-0.37，市场波动-0.79，收益反转0.52[17]