量化模型与构建方式 1. 模型名称：成交量模型[8][10] * 模型构建思路：基于价量关系，利用成交量信息判断市场短期走势[8]。 * 模型具体构建过程：报告未详细说明具体构建公式和过程，仅提及其为短期择时模型，基于成交量信号[10]。 2. 模型名称：特征龙虎榜机构模型[10] * 模型构建思路：利用龙虎榜中的机构买卖行为特征，构建短期择时信号[10]。 * 模型具体构建过程：报告未详细说明具体构建公式和过程，仅提及其为短期择时模型，基于龙虎榜机构特征[10]。 3. 模型名称：特征成交量模型[10] * 模型构建思路：基于更复杂的成交量特征（而非简单成交量），判断市场短期走势[10]。 * 模型具体构建过程：报告未详细说明具体构建公式和过程，仅提及其为短期择时模型，基于特征成交量[10]。 4. 模型名称：智能算法模型[10] * 模型构建思路：应用智能算法（如机器学习）对不同宽基指数（如沪深300、中证500）进行择时判断[10]。 * 模型具体构建过程：报告未详细说明具体算法、因子和构建过程，仅提及其为短期择时模型，基于智能算法[10]。 5. 模型名称：涨跌停模型[10][11] * 模型构建思路：利用市场涨跌停股票的数量或相关特征，判断市场中期情绪和趋势[8][11]。 * 模型具体构建过程：报告未详细说明具体构建公式和过程，仅提及其为中期择时模型，基于涨跌停角度[8][11]。 6. 模型名称：上下行收益差模型[10][11] * 模型构建思路：通过计算市场上行收益与下行收益的差值或相关指标，判断市场中期的多空力量对比[10][11]。 * 模型具体构建过程：报告未详细说明具体构建公式和过程，仅提及其为中期择时模型，基于上下行收益差[10][11]。 7. 模型名称：上下行收益差相似多空模型[10][14] * 模型构建思路：在上下行收益差模型基础上，结合相似性判断，应用于港股指数（恒生指数、恒生国企指数）的择时[10][14]。 * 模型具体构建过程：报告未详细说明具体构建公式和过程，仅提及其为港股中期择时模型，基于上下行收益差相似多空[10][14]。 8. 模型名称：月历效应模型[11] * 模型构建思路：基于历史月份的季节性效应或日历效应，对市场中期走势进行判断[11]。 * 模型具体构建过程：报告未详细说明具体构建公式和过程，仅提及其为中期择时模型，基于月历效应[11]。 9. 模型名称：长期动量模型[12] * 模型构建思路：基于长期的价格动量效应，判断市场的长期趋势[12]。 * 模型具体构建过程：报告未详细说明具体构建公式和过程，仅提及其为长期择时模型，基于动量角度[8][12]。 10. 模型名称：A股综合兵器V3模型[13] * 模型构建思路：将短期、中期、长期等多个周期的择时模型信号进行综合耦合，形成最终的A股市场综合判断[8][13]。 * 模型具体构建过程：报告未详细说明具体的耦合规则和权重分配，仅提及其为综合模型，通过耦合不同周期模型实现攻守兼备[8][13]。 11. 模型名称：A股综合国证2000模型[13] * 模型构建思路：针对国证2000指数，综合多个择时模型信号，形成对该指数的综合判断[13]。 * 模型具体构建过程：报告未详细说明具体构建过程，仅提及其为针对国证2000指数的综合模型[13]。 12. 模型名称：成交额倒波幅模型[10][14] * 模型构建思路：结合成交额与波动率（波幅）的倒置关系，判断港股市场的中期走势[10][14]。 * 模型具体构建过程：报告未详细说明具体构建公式和过程，仅提及其为港股中期择时模型，基于成交额倒波幅[10][14]。 13. 模型名称：形态识别模型（双底形态、杯柄形态、倒杯子形态）[39][40][45][49][57] * 模型构建思路：基于技术分析中的经典价格形态（如双底、杯柄、倒杯子），识别个股的潜在突破机会或风险[39][40][45][49][57]。 * 模型具体构建过程：报告未详细说明形态识别的具体量化规则和算法，但展示了基于形态识别出的突破个股及其关键点位（如A点、B点、C点、E点）[44][49][50][51][58]。 14. 模型名称：VIX指数模型[38] * 模型构建思路：通过计算期权隐含波动率（VIX指数）来反映市场恐慌情绪，作为判断市场情绪的辅助指标[38]。 * 模型具体构建过程：报告提及根据公开披露的VIX计算方法复现了VIX指数，并与历史官方指数相关系数达99.2%，但未给出具体计算公式[38]。 15. 模型名称：大师策略系列[34] * 模型构建思路：借鉴经典的价值型、成长型、综合型大师投资策略，构建量化选股组合，用于监控市场风格和因子暴露[34]。 * 模型具体构建过程：报告未详细说明具体策略的构建细节，仅提及共监控33个大师系列策略，用于发现收益靠前组合的暴露因子[34]。 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34.43%，同期上证综指累计上涨15.96%，相对跑赢18.48%；本周（报告期）组合下跌-3.8%，相对上证综指跑输-2.26%[39]。 2. 杯柄形态模型，自2020年12月31日至今累计上涨17.11%，同期上证综指累计上涨15.96%，相对跑赢1.15%；本周（报告期）组合下跌-5.45%，相对上证综指跑输-3.9%[39]。 3. VIX指数模型，本周（报告期）VIX有所上升，最新值为21.46[2][38]。 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[18][19][20] * 因子构建思路：通过统计行业内分析师上调或下调盈利预测的个股比例，反映行业基本面的预期变化[18][19][20]。 * 因子具体构建过程：报告以表格形式展示了各行业的“分析师上调个股比例”和“分析师下调个股比例”，但未给出具体的因子计算公式[18][19][20]。 2. 因子名称：基金仓位因子（绝对仓位、超低配仓位）[20][21][24][26][27][28][29] * 因子构建思路：通过测算股票型基金和混合型基金在不同行业的持仓比例（绝对仓位）以及相对于市场标准（如市值占比）的超配或低配程度（超低配仓位），反映机构资金动向和偏好[20][21][24][26][27][28][29]。 * 因子具体构建过程： * 绝对仓位：计算某类基金在某个行业的持仓市值占该类基金总股票持仓市值的比例[26][27]。 * 超低配仓位：计算基金在某个行业的绝对仓位与该行业市值占全市场（或基准）市值比例的差值[28][29]。 $$超低配仓位 = 基金行业绝对仓位 - 行业市值占比$$ 其中，行业市值占比作为基准[28][29]。 3. 因子名称：超低配仓位历史分位数因子[21][28][29] * 因子构建思路：将当前时点的行业超低配仓位值，放在近两年的历史序列中计算其分位数，以判断当前仓位在历史中所处的位置[21][28][29]。 * 因子具体构建过程：报告展示了各行业“超低配近两年分位数”的具体数值，但未给出详细的分位数计算过程[28][29]。 因子的回测效果 (报告未提供因子的独立回测绩效指标，如IC、IR、多空收益等。)