量化模型与构建方式 1. 模型名称：流动性冲击指标 [4][8] * 模型构建思路：通过计算当前市场流动性相对于历史均值的标准差倍数，来度量市场流动性的充裕或紧张程度[4][8]。 * 模型具体构建过程：该指标基于沪深300指数计算。具体公式未在报告中详细给出，但根据描述，其计算逻辑为：将当前市场流动性（具体代理变量未说明）与过去一年的平均水平进行比较，计算其偏离的倍数。报告中的数值“1.25”表示当前流动性高于过去一年平均水平1.25倍标准差[8]。 2. 模型名称：PUT-CALL比率 [4][8] * 模型构建思路：通过计算上证50ETF期权看跌期权与看涨期权的成交量比率，来观察市场情绪，尤其是投资者对大盘蓝筹股短期走势的乐观或悲观预期[4][8]。 * 模型具体构建过程：直接计算看跌期权（PUT）总成交量与看涨期权（CALL）总成交量的比值。公式为： $PUT-CALL比率 = \frac{PUT期权总成交量}{CALL期权总成交量}$ 比率下降通常表示看涨情绪升温[8]。 3. 模型名称：SAR指标择时模型 [13][15] * 模型构建思路：利用抛物线转向指标（SAR）判断Wind全A指数的趋势反转点，生成买入或卖出信号[13][15]。 * 模型具体构建过程：报告未详述SAR参数。当股价从上方向下跌破SAR曲线时，发出卖出信号；当股价从下方向上突破SAR曲线时，发出买入信号。报告指出，Wind全A指数于5月14日向下突破翻转指标，即发出卖出信号[13][15]。 4. 模型名称：均线强弱指数 [13][18] * 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，综合评估市场整体的技术强度[13][18]。 * 模型具体构建过程：报告未给出具体计算公式。其核心思路是统计所有Wind二级行业中，价格位于其均线（如20日、60日均线）之上的行业数量或比例，并转化为一个综合得分。当前市场得分为61，处于2023年以来的15.5%分位点，表明市场技术强度偏弱[13][18]。 5. 模型名称：市场情绪模型 [13][16] * 模型构建思路：通过构建一组与涨停板、跌停板相关的因子，综合刻画市场的短期情绪强弱[13]。 * 模型具体构建过程：模型包含5个子因子，分别为净涨停占比、跌停次日收益、涨停板占比、跌停板占比、高频打板收益。每个因子根据其数值发出0或1的信号，最终加总得到情绪模型总分（满分5分）。报告期内的细分信号为：净涨停占比(1)、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)，总分为2分[13][16]。 * 模型评价：该模型旨在从市场微观结构捕捉投资者情绪[13]。 6. 模型名称：高频资金流择时模型 [4][13][16] * 模型构建思路：通过分析主要宽基指数（如沪深300、中证500等）的高频资金流数据，对指数走势发出择时信号[4][13]。 * 模型具体构建过程：报告未详述具体计算规则。模型根据资金流数据生成四种信号：激进多头、激进多空、稳健多头、稳健多空。信号“1”代表看多，“0”代表看空或中性。报告期内，对沪深300指数发出全面看多信号（1,1,1,0），而对中证500、中证1000、中证2000指数仅激进多头信号为1，其余为0[13][16]。 7. 因子名称：因子拥挤度（复合因子） [4][17][19] * 因子构建思路：通过综合多个维度指标，度量跟踪或投资某一特定风格因子（如小市值）的资金是否过度集中，以预警因子可能失效的风险[4][17]。 * 因子具体构建过程：采用四个分项指标来度量拥挤度：估值价差、配对相关性、长期收益反转、因子波动率。每个分项指标计算后标准化为Z值。综合打分由各分项得分合成（具体合成方法未说明）。最终得到一个综合拥挤度分数，分数越高表示拥挤度越高，风险越大[17]。 * 因子评价：该因子可作为因子失效的预警指标[17]。 8. 因子名称：行业拥挤度 [4][20] * 因子构建思路：借鉴因子拥挤度的构建方法，应用于行业层面，度量资金在某一行业中的集中程度[4][20]。 * 因子具体构建过程：报告未给出具体计算公式。其构建逻辑与因子拥挤度类似，可能从估值、交易、相关性等多个维度对每个行业进行计算，最终得到一个行业拥挤度分数[20]。 模型的回测效果 （注：本报告为周度观察报告，未提供模型的历史回测绩效指标，如年化收益率、夏普比率、最大回撤等。仅提供了报告时点的信号或状态值。） 1. 流动性冲击指标，当前值1.25[8] 2. PUT-CALL比率模型，当前值0.69[8] 3. SAR指标择时模型，当前信号：卖出[13][15] 4. 均线强弱指数模型，当前得分61（2023年以来15.5%分位）[13][18] 5. 市场情绪模型，当前总分2分（满分5分）[13][16] 6. 高频资金流择时模型，当前信号：沪深300(1,1,1,0)；中证500(1,0,0,0)；中证1000(1,0,0,0)；中证2000(1,0,0,0)[13][16] 因子的回测效果 （注：本报告未提供因子IC、IR、多空收益等传统回测绩效指标。主要提供了报告时点的拥挤度状态值及其历史走势图。） 1. 小市值因子拥挤度，综合打分-0.22，估值价差-0.21，配对相关性0.11，市场波动-0.55，收益反转-0.23[19] 2. 低估值因子拥挤度，综合打分-0.70，估值价差-1.49，配对相关性0.24，市场波动0.37，收益反转-1.91[19] 3. 高盈利因子拥挤度，综合打分-0.24，估值价差-1.48，配对相关性-0.03，市场波动-0.80，收益反转1.35[19] 4. 高盈利增长因子拥挤度，综合打分-0.09，估值价差0.69，配对相关性-0.32，市场波动-0.90，收益反转0.16[19] 5. 行业拥挤度，各行业当前值参见表5，例如：通信2.18、综合2.10、电子1.72、有色金属1.17、建筑材料0.69[20][25]