量化模型与构建方式 1. 模型名称：平台突破选股模型[8][12] * 模型构建思路：基于技术分析中的平台突破形态，通过算法系统性地识别全市场个股的平台突破信号，并构建选股策略[8][14]。 * 模型具体构建过程：模型包含四个核心环节[8][72]： 1. 趋势识别与转折点提取：采用转折点识别算法（Critical Point Algorithm）对股价进行动态分段，识别局部高低点[19][20]。首先计算过去N个交易日的均价（MA）和标准差（SD），构建布林带上下轨（UB, LB）[20]。 其中，N为回溯窗口长度，K为布林带宽度倍数[24]。算法通过判断股价与布林带上下轨的相对位置，迭代确认趋势方向（上升/下降），并记录局部高点（HP）和低点（LP）[21]。最后，对时间间隔低于P个交易日的前后两个高低点进行清洗[21][24]。 2. 阻力位定位：采用HSAR（Horizontal Support and Resistance）算法，基于上一步得到的局部高点序列定位水平阻力位[25]。将高点价格划分到M个等宽的价格区间（箱体）内，统计每个区间内的高点个数[25]。阻力位被定义为“包含Q个以上高点的最大价格区间（箱体）的上界”，同时要求该区间价位排在所有区间的前1/3[25]。 3. 突破信号触发：确定阻力位后，逐期检查股价，当收盘价高于计算出的阻力位3%时，判定为一个突破信号[25][31]。 4. 信号筛选与增强：引入价量信息构建多元线性回归模型，对突破信号进行筛选，保留预测收益为正的信号，以提升信号质量[33][46][47]。 2. 模型名称：技术信息增强模型[9][33] * 模型构建思路：通过构建涵盖多维度价量信息的变量集，并利用多元线性回归模型，筛选出突破后收益潜力更高的信号，以改善原始突破信号的质量[9][33][46]。 * 模型具体构建过程： 1. 变量构建：构建了涵盖换手率、成交额、动量、波动率、市值和均线偏离度六大类，共计26个技术信息变量[41][44]。 2. 模型拟合：以这26个变量作为自变量，以突破信号触发后45日持有期收益率作为因变量，构建多元线性回归模型[46]。 3. 信号筛选：利用回归模型拟合得到每个突破信号的预测收益率，当拟合收益率大于0时，判定为有效突破样本，予以保留[47]。 3. 模型名称：红利低波股票池构建模型[56] * 模型构建思路：每月末根据股息率与残差波动率计算综合得分，筛选出兼具高股息和低波动特征的股票，形成红利低波股票池[56]。 * 模型具体构建过程：计算股票的综合得分，选取综合得分前5%的股票作为次月红利低波池[56]。综合得分计算方式为： 其中，股息率分位数和残差波动率分位数均为在横截面上的排名分位数[56]。 4. 模型名称：股债动态仓位配置模型[59][61] * 模型构建思路：基于全市场月度平台突破信号占比这一市场情绪指标，动态调整股票和债券的配置比例[59][61]。 * 模型具体构建过程： 1. 指标计算：每月末，统计当月全市场有效股票池中触发平台突破信号的股票比例（突破百分比）[59]。 2. 仓位映射：每月初，根据上个月的突破百分比确定当月的权益仓位[61]： * 突破百分比 < 10%时，权益仓位为40% * 10% ≤ 突破百分比 < 20%时，权益仓位为50% * 突破百分比 ≥ 20%时，权益仓位为60% 剩余资金配置于由四类债券指数等权构成的债券组合[59][61]。 量化因子与构建方式 1. 因子名称：技术信息增强因子集[41][44] * 因子构建思路：从换手率、成交额、动量、波动率、市值和均线偏离度六个维度，构建一系列刻画股票在突破信号触发时价量状态的因子，用于增强突破信号[41][44]。 * 因子具体构建过程：报告列出了26个具体因子，例如： * 换手率类：当日换手率（Turn）、过去N日换手率均值（TurnMeanNd）、过去N日换手率标准差（TurnVolNd），N取5、20、45[44]。 * 成交额类：过去N日成交额均值（AmtMeanNd）、当日成交额相对其N日均值的比率（AmtRatioNd），N取5、20、45[44]。 * 动量类：股票过去N日涨跌幅（RetNd），N取5、20、45[44]。 * 波动率类：过去N日收益率标准差（VolNd），N取5、20、45[44]。 * 市值类：股票总市值自然对数（LnCap）、股票过去N日市值标准差（CapVolNd），N取5、20、45[44]。 * 均线偏离度类：当日收盘价相对N日均线的偏离度（PriceMANDev），N取5、20、45[44]。 2. 因子名称：突破后动量赋权因子[52][54] * 因子构建思路：利用在技术信息增强模型中回归系数为正的动量类因子，对筛选后的突破信号持仓股票进行赋权，以进一步提升策略表现[52][54]。 * 因子具体构建过程：选取两个代表性的正向动量因子： * PriceMA20Dev：股价相对于20日均线的偏离度[47][52]。 * Ret5d：股票过去5日涨跌幅[47][52]。 在策略执行中，将持仓股票的权重分配由等权改为按上述因子值加权[52]。 模型的回测效果 （回测区间：2017年2月6日至2026年4月30日，交易成本双边0.15%） 1. 平台突破选股模型（45日持有期，全市场） * 年化收益率：17.17%[9][40] * 最大回撤：26.35%[9][40] 2. 技术信息增强后的平台突破选股模型（45日持有期，全市场） * 年化收益率：21.47%[9][52] * 最大回撤：20.85%[9][52] * 信号胜率：45.65%（筛选前为41.18%）[9][73] * 信号盈亏比：1.58（筛选前为1.46）[9][73] 3. 动量因子赋权策略（基于技术信息增强模型） * 按Ret5d赋权：年化收益率26.40%[54] * 按PriceMA20Dev赋权：年化收益率26.89%[54] 4. 红利池内平台突破策略 * 年化收益率：22.39%[10][59] * 最大回撤：17.44%[59] 5. 红利低波池内平台突破策略 * 年化收益率：21.37%[10][59] * 最大回撤：33.65%[59] 6. 股债动态仓位配置模型 * 年化收益率：10.00%[62] * 最大回撤：10.22%[62] 7. 指数增强策略（基于技术信息增强后的突破信号） * 沪深300增强： * 年化超额收益：16.11%[10][71] * 信息比率（IR）：1.37[10][71] * 中证500增强： * 年化超额收益：17.33%[10][71] * 信息比率（IR）：1.96[10][71] * 中证1000增强： * 年化超额收益：16.83%[10][71] * 信息比率（IR）：1.73[10][71] 因子的回测效果 （回测区间：2017年1月至2026年4月，全市场突破样本统计） 1. 平台突破信号（未筛选） * 5日持有期： * 胜率：42.91%[35] * 平均收益率：0.12%[35] * 盈亏比：1.36[35] * 20日持有期： * 胜率：43.39%[35] * 平均收益率：0.29%[35] * 盈亏比：1.36[35] * 45日持有期： * 胜率：41.67%[35] * 平均收益率：0.69%[35] * 盈亏比：1.52[35]
时序选股模型（一）：平台突破
长江证券·2026-06-14 22:52