量化模型与构建方式 1. 模型名称：250日新高距离模型[10] * 模型构建思路：基于动量效应和趋势跟踪理论，通过计算当前价格与过去一段时间内最高价的相对距离，来度量资产或指数接近其历史高点的程度，以此作为市场趋势和热度的风向标[10]。 * 模型具体构建过程： 1. 选定时间窗口：过去250个交易日（约一年）[10]。 2. 计算时间窗口内的最高价：ts_max(Close, 250)，即过去250个交易日收盘价的最大值[10]。 3. 计算“250日新高距离”：使用公式 $$250 日新高距离 = 1 - \frac{Closet}{ts_max(Close, 250)}$$，其中Closet为最新收盘价[10]。 4. 结果解读：当最新收盘价创出历史新高时，分母等于分子，该值为0；当价格从高点回落时，该值为正数，数值越大表示距离前高越远，回落幅度越大[10]。 2. 模型名称：平稳创新高股票筛选模型[23][27] * 模型构建思路：在创新高股票的基础上，结合学术研究（如“温水煮青蛙”效应），引入分析师关注度、股价路径平稳性、趋势延续性等多维度指标，旨在筛选出动量效应更持续、更稳健的“领头羊”股票[23][27]。 * 模型具体构建过程：该模型是一个多步骤筛选流程，具体步骤如下： 1. 初选股票池：筛选出上市满15个月，且在过去20个交易日中创出过250日新高的所有股票[19]。 2. 分析师关注度筛选：要求过去3个月内，获得“买入”或“增持”评级的分析师研报数量不少于5份[27]。 3. 股价相对强弱筛选：要求过去250日涨跌幅位于全市场所有股票的前20%[27]。 4. 股价平稳性与创新高持续性综合筛选：在满足步骤2和3的股票池内，使用以下两个指标进行综合打分，并选取排名在前50%的股票[27]： * 价格路径平滑性：股价位移路程比。计算公式为 $$价格路径平滑性 = \frac{过去120日涨跌幅的绝对值}{过去120日日涨跌幅绝对值加总}$$ [23]。该值越小，表明股价上涨路径越平滑，波动越小。 * 创新高持续性：过去120日的250日新高距离在时间序列上的均值[27]。该值越小，表明股票在近期持续接近或创出新高。 5. 趋势延续性筛选：在步骤4筛选出的股票中，计算每只股票“过去5日的250日新高距离在时间序列上的均值”，并选取该值排序最靠前的50只股票作为最终的“平稳创新高股票”[27]。 模型的回测效果 本报告为市场监测周报，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、信息比率IR等）。 量化因子与构建方式 1. 因子名称：250日新高距离因子[10] * 因子构建思路：作为动量因子的一种具体形式，衡量个股或指数价格相对于其近期历史高点的位置，用于捕捉趋势强度[10]。 * 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。对于个股i，在时间t，因子值为 $$因子值_{i,t} = 1 - \frac{Close_{i,t}}{ts_max(Close_{i}, 250)}$$，其中Close_{i,t}为股票i在t日的收盘价，ts_max(Close_{i}, 250)为股票i截至t日的过去250个交易日收盘价最大值[10]。 2. 因子名称：价格路径平滑性因子[23][27] * 因子构建思路：基于“平滑的动量效应更强”的学术观点构建，通过比较一段时间内的总涨幅（位移）与期间每日波动绝对值之和（路程）的比率，来刻画股价上涨过程的平稳程度[23]。 * 因子具体构建过程： 1. 选定计算窗口：过去120个交易日[23]。 2. 计算窗口期初与期末的涨跌幅绝对值：|P_end / P_start - 1|，即“位移”[23]。 3. 计算窗口期内每日收益率绝对值的总和：sum(|daily_return|)，即“路程”[23]。 4. 计算因子值：$$因子值 = \frac{过去120日涨跌幅的绝对值}{过去120日日涨跌幅绝对值加总}$$ [23]。该因子值介于0到1之间，值越小表明股价以更小的日内波动实现了相同的涨幅，路径越平滑。 因子的回测效果 本报告为市场监测周报，未提供因子的历史IC值、IR、多空收益、分组收益等量化回测效果指标。