量化模型与构建方式 1. 模型名称：卷积神经网络股价走势AI识别与分类模型[73] 模型构建思路：对每个个股窗口期内的价量数据构建标准化图表，使用卷积神经网络对图表化的价量数据与未来价格进行建模，并将学习的特征映射到行业主题板块中[73] 模型具体构建过程：首先对每个个股在特定窗口期内的价量数据（如价格、成交量等）进行标准化处理，生成标准化的价量图表[73][74]；然后利用卷积神经网络（CNN）对这些图表数据进行特征提取和学习，建立图表化数据与未来股价走势之间的映射关系[73]；最后，将模型学习到的特征映射到行业主题板块层面，输出当前市场环境下应关注的行业主题配置[73] 模型评价：该模型能够从价量图表中自动学习有效特征，并直接输出行业主题配置建议，是一种端到端的深度学习应用[73] 2. 模型名称：宏观因子趋势判断模型[52] 模型构建思路：利用宏观因子在最近一段时间内的走势作为未来资产趋势判断的依据，通过定义四类宏观因子事件来表现宏观因子的走势，并从历史上寻找对资产未来收益率影响较为显著的因子事件[52] 模型具体构建过程：首先跟踪25个国内外宏观指标[51]；然后采用历史均线，将宏观因子走势分为趋势上行和趋势下行[52]；接着定义四类宏观因子事件：短期高低点、连续上涨下跌、创历史新高新低、因子走势反转[52]；最后统计历史上宏观指标趋势对于资产未来一个月收益率的影响，筛选在宏观指标处于不同的变化趋势下，平均收益存在显著差异的资产[52] 模型的回测效果 1. 卷积神经网络股价走势AI识别与分类模型，截至2026年8月21日，最新配置主题为物流、交通运输、消费，具体包括中证现代物流指数、国证交通运输、中证全指运输指数、中证消费龙头指数、中证消费50指数[76][77] 2. 宏观因子趋势判断模型，当前宏观因子趋势对权益市场的影响如下：PMI（3月均线）看空，社融存量同比（1月均线）看空，10年期国债收益率（12月均线）看空，美元指数（1月均线）看多[53]