量化模型与构建方式 1. 模型名称：250日新高距离模型[11] * 模型构建思路：该模型旨在量化股票、行业或指数价格距离其历史最高点的回落幅度，用于追踪市场趋势和识别接近突破的标的[11]。其核心思想是，价格接近历史高点的资产可能具有更强的动量效应[11]。 * 模型具体构建过程：对于任意标的（个股、行业指数、宽基指数等），在给定交易日t，计算其收盘价与过去250个交易日（约一年）最高收盘价的相对距离。 1. 获取最新收盘价 $$Closet$$[11]。 2. 计算过去250个交易日的收盘价最大值 $$ts_max(Close, 250)$$[11]。 3. 按以下公式计算250日新高距离： $$250 日新高距离 = 1 - \frac{Closet}{ts_max(Close, 250)}$$[11] 4. 计算结果解释：若值为0，表示最新收盘价创出250日新高；若为正值，表示从高点回落，数值越大代表回落幅度越大[11]。 2. 模型名称：平稳创新高股票筛选模型[26][28] * 模型构建思路：该模型旨在从近期创出新高的股票中，进一步筛选出价格路径相对平滑、趋势延续性好的“平稳创新高”股票。研究认为，遵循平滑价格路径的高动量股收益可能优于遵循跳跃路径的高动量股[26]。 * 模型具体构建过程：这是一个多步骤的筛选模型，从全市场股票池开始逐层过滤。 1. 初筛股票池：在上市满15个月的股票中，筛选出过去20个交易日内曾创出250日新高的股票[19]。 2. 分析师关注度筛选：在初筛池中，要求过去3个月内获得“买入”或“增持”评级的分析师研报不少于5份[28]。 3. 股价相对强弱筛选：要求过去250日涨跌幅位于全市场前20%[28]。 4. 股价平稳性筛选：对满足以上条件的股票，使用两个指标综合打分，并选取排名在前50%的股票[28]。 * 价格路径平滑性：使用股价位移路程比进行衡量。位移为过去120日的涨跌幅绝对值，路程为过去120日日涨跌幅绝对值的加总[26]。该比值越小，表明价格路径越平滑。 5. 创新高持续性筛选：计算过去120日的250日新高距离在时间序列上的均值，该值越小，表明创新高状态越持续[28]。 6. 趋势延续性筛选：计算过去5日的250日新高距离在时间序列上的均值，并选取该值排序靠前的50只股票作为最终输出[28]。 量化因子与构建方式 1. 因子名称：250日新高距离因子[11] * 因子构建思路：作为动量类因子的一种，衡量个股价格相对于其过去一年最高点的位置，用于捕捉接近突破或处于强势趋势的股票[11]。 * 因子具体构建过程：与上述“250日新高距离模型”的构建过程完全相同，但应用于个股层面。 1. 对于个股i，在交易日t，计算其收盘价 $$Close_{i,t}$$。 2. 计算该个股过去250个交易日的收盘价最大值 $$ts_max(Close_i, 250)$$。 3. 按以下公式计算因子值： $$250 日新高距离因子值_{i,t} = 1 - \frac{Close_{i,t}}{ts_max(Close_i, 250)}$$[11] * 因子评价：该因子是经典动量与趋势跟踪策略的核心指标之一，被广泛用于识别市场领导股[11]。 模型的回测效果 本报告未提供量化模型（如250日新高距离模型、平稳创新高筛选模型）在历史回测中的具体绩效指标（如年化收益率、夏普比率、最大回撤等）。报告内容主要为截至特定日期的截面数据展示和名单筛选[12][13][15][19][20][29][32]。 因子的回测效果 本报告未提供250日新高距离因子在历史回测中的具体绩效指标（如因子IC值、IR、多空收益等）。报告内容主要为截至特定日期的因子值计算与截面展示[12][13][15][32]。