量化模型与构建方式 1. 模型名称：A股景气度高频指数[51] * 模型构建思路： 以上证指数归母净利润同比为Nowcasting目标，构建一个能够高频追踪A股景气度变化的指数，用于判断经济周期的位置和趋势[51]。 * 模型具体构建过程： 报告未提供该指数的具体构建公式和详细步骤，仅提及构建详情可参考另一篇报告《视角透析：A股景气度高频指数构建与观察》[51]。 2. 模型名称：A股情绪指数系统[54][55] * 模型构建思路： 基于市场波动率和成交额的变化方向来刻画市场情绪，通过将市场状态划分为四个象限来构建包含见底预警与见顶预警的情绪指数，用于择时判断[54]。 * 模型具体构建过程： 1. 定义两个核心维度：市场波动率（价）和成交额（量）的变化方向（上行或下行）[54]。 2. 根据波动率和成交额的变化方向组合，将市场状态划分为四个象限[54]。 3. 历史回测发现，只有“波动率上行、成交额下行”的象限为显著负收益区间，其余三个象限均为显著正收益区间[54][55]。 4. 基于此规律，分别构建“见底预警指数”（基于波动率信号）和“见顶预警指数”（基于成交额信号）[54]。 5. 综合两个指数的信号（“多”或“空”）得出对后市的整体观点[57][59]。 3. 模型名称：主题挖掘算法[68] * 模型构建思路： 通过对新闻和研报文本进行多维度处理和分析，自动挖掘近期热度异动较高的投资主题及关联个股[68]。 * 模型具体构建过程： 算法涉及多个维度，包括文本处理、主题关键词提取、主题个股关系挖掘、主题活跃周期构建、主题影响力因子构建等，但报告未提供具体公式和详细步骤[68]。 4. 模型名称：中证500增强组合/沪深300增强组合[68][75] * 模型构建思路： 通过量化策略模型构建指数增强组合，旨在获得相对于基准指数（中证500或沪深300）的超额收益[68][75]。 * 模型具体构建过程： 报告未提供具体的策略模型构建细节、因子构成或权重优化方法，仅展示了根据模型得出的当前持仓列表[72][79]。 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历史择时表现图表，但未给出具体的量化指标数值[65]。 2. 中证500增强组合：截至报告期（2026年5月22日当周），2020年至今，组合相对中证500指数的累计超额收益为46.18%，历史最大回撤为-10.90%[68]。 3. 沪深300增强组合：截至报告期（2026年5月22日当周），2020年至今，组合相对沪深300指数的累计超额收益为45.22%，历史最大回撤为-5.86%[75]。 量化因子与构建方式 1. 因子体系：BARRA风格因子模型[81] * 因子构建思路： 参照BARRA因子模型框架，为A股市场构建一套系统化的风格因子体系，用于分析市场风格收益来源和进行投资组合绩效归因[81][89]。 * 因子具体构建过程： 报告列出了十大类风格因子的名称，但未提供每个因子的具体计算公式。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）[81]。 因子的回测效果 1. 风格因子近期表现（截至2026年5月22日当周）： * 纯因子收益表现：Beta因子获得较高的正向超额收益；残差波动率因子呈现较为显著的负向超额收益；价值、盈利等因子表现不佳[82]。 * 因子暴露相关性：流动性因子与Beta、动量、残差波动率因子呈现明显正相关性；价值因子与Beta、残差波动率、流动性等因子呈现明显负相关性[82][83]。 2. 行业因子近期表现（截至2026年5月22日当周）： * 纯因子收益表现：电子、银行、交运等行业因子相对市场市值加权组合跑出较高超额收益；农林牧渔、传媒、钢铁等行业因子回撤较多[82]。