量化模型与构建方式 1. 模型名称：成交量模型 [9]；模型构建思路：基于价量关系进行短期择时[9]；模型具体构建过程：报告未详细说明具体构建过程，仅提及其为短期择时模型之一，并基于价量角度构建[9] 2. 模型名称：特征龙虎榜机构模型 [9]；模型构建思路：基于龙虎榜机构交易特征进行短期择时[9]；模型具体构建过程：报告未详细说明具体构建过程，仅提及其为短期择时模型之一[9] 3. 模型名称：特征成交量模型 [9]；模型构建思路：基于特定的成交量特征进行短期择时[9]；模型具体构建过程：报告未详细说明具体构建过程，仅提及其为短期择时模型之一[9] 4. 模型名称：智能算法沪深300模型 [9]；模型构建思路：应用智能算法对沪深300指数进行短期择时[9]；模型具体构建过程：报告未详细说明具体构建过程，仅提及其为短期择时模型之一[9] 5. 模型名称：智能算法中证500模型 [9]；模型构建思路：应用智能算法对中证500指数进行短期择时[9]；模型具体构建过程：报告未详细说明具体构建过程，仅提及其为短期择时模型之一[9] 6. 模型名称：涨跌停模型 [9]；模型构建思路：基于市场涨跌停股票情况构建的中期择时模型[9]；模型具体构建过程：报告未详细说明具体构建过程，仅提及其为中期择时模型之一，并基于涨跌停角度构建[9] 7. 模型名称：上下行收益差模型 [9]；模型构建思路：基于市场上行与下行收益的差异构建的中期择时模型[9]；模型具体构建过程：报告未详细说明具体构建过程，仅提及其为中期择时模型之一[9] 8. 模型名称：月历效应模型 [9]；模型构建思路：基于月份的季节性效应进行中期择时[9]；模型具体构建过程：报告未详细说明具体构建过程，仅提及其为中期择时模型之一[9] 9. 模型名称：长期动量模型 [9]；模型构建思路：基于长期价格动量进行择时[9]；模型具体构建过程：报告未详细说明具体构建过程，仅提及其为长期择时模型之一，并基于动量角度构建[9] 10. 模型名称：A股综合兵器V3模型 [9]；模型构建思路：将不同周期、不同策略的择时模型信号进行耦合，构建的综合择时模型[9]；模型具体构建过程：报告未详细说明具体构建过程，仅提及其为将不同模型信号进行耦合的综合模型[9] 11. 模型名称：A股综合国证2000模型 [9]；模型构建思路：针对国证2000指数，将不同模型信号进行耦合的综合择时模型[9]；模型具体构建过程：报告未详细说明具体构建过程，仅提及其为综合模型[9] 12. 模型名称：成交额倒波幅模型 [9]；模型构建思路：基于成交额与波动幅度的关系进行港股中期择时[9]；模型具体构建过程：报告未详细说明具体构建过程，仅提及其为港股中期择时模型[9] 13. 模型名称：恒生指数上下行收益差相似多空模型 [9]；模型构建思路：基于恒生指数上行与下行收益的相似性进行多空判断的港股择时模型[9]；模型具体构建过程：报告未详细说明具体构建过程[9] 14. 模型名称：恒生国企指数上下行收益差相似多空模型 [9]；模型构建思路：基于恒生国企指数上行与下行收益的相似性进行多空判断的港股择时模型[9]；模型具体构建过程：报告未详细说明具体构建过程[9] 15. 模型名称：双底形态识别模型 [42]；模型构建思路：通过识别股价走势中的双底形态（W底）来捕捉潜在上涨机会[42]；模型具体构建过程：报告未详细说明具体构建过程，但展示了形态识别结果，涉及A点（左底）、C点（右底）、E点（颈线突破点）等关键时点[45][47] 16. 模型名称：杯柄形态识别模型 [42]；模型构建思路：通过识别股价走势中的杯柄形态来捕捉潜在上涨机会[42]；模型具体构建过程：报告未详细说明具体构建过程，但展示了形态识别结果，涉及A点（杯底起点）、B点（杯沿/柄部起点）、C点（柄部突破点）等关键时点[49][51] 17. 模型名称：倒杯子形态识别模型 [59]；模型构建思路：通过识别股价走势中的倒杯子形态（倒V顶）来预警潜在的下跌风险[59]；模型具体构建过程：报告未详细说明具体构建过程，但提及该形态是典型的负向形态，在筑顶后再次下跌突破时产生[59] 模型的回测效果 1. 双底形态模型，自2020年12月31日至今累计上涨35.51%，同期上证综指累计涨幅16.08%，跑赢上证综指指数19.43%[42] 2. 杯柄形态模型，自2020年12月31日至今累计上涨20.01%，同期上证综指累计涨幅16.08%，跑赢上证综指指数3.93%[42] 量化因子与构建方式 1. 因子名称：分析师一致预期调整因子 [19]；因子构建思路：基于分析师对个股盈利预测的上调或下调比例，反映市场预期变化[19]；因子具体构建过程：报告展示了具体数据，例如“分析师上调个股比例”和“分析师下调个股比例”，但未给出具体计算公式[19][20][21] 2. 因子名称：基金仓位因子 [22]；因子构建思路：基于公募基金（股票型、混合型）的行业持仓数据，反映机构资金动向[22]；因子具体构建过程：报告展示了“本周仓位”、“相对上周变化”等绝对仓位数据，以及“超/低配”等相对仓位数据，但未给出具体计算公式[25][29] 3. 因子名称：基金超低配近两年分位数因子 [22]；因子构建思路：将当前基金行业超低配仓位与近两年历史数据比较，计算其分位数，以判断当前配置水平在历史中的位置[22]；因子具体构建过程：报告展示了“超/低配近两年分位数”数据，但未给出具体计算公式[29] 4. 因子名称：形态识别因子 [42][59]；因子构建思路：通过识别特定的价格走势形态（如双底、杯柄、倒杯子）来生成交易信号[42][59]；因子具体构建过程：报告未详细说明形态识别的具体算法和阈值，但展示了识别出的个股及其形态关键点（如A、C、E点）[47][51][59] 因子的回测效果 （报告中未提供单个因子的独立回测效果指标，如IC、IR、多空收益等。因子效果体现在其构成的择时模型或形态识别模型的整体表现中。）