量化模型与构建方式 1. 模型名称：创业板指深跌区间识别模型；模型构建思路：以创业板指为标的，在6个自然月窗口内筛选跌幅达到30%的历史区间，各下跌区间互不重叠，以此确定历史代表性调整区间并统计低点后反弹表现[15]；模型具体构建过程：第一步，设定筛选条件为创业板指在6个自然月内跌幅达到30%；第二步，要求各下跌区间互不重叠，逐一确定下跌起点日与区间低点日；第三步，以区间低点日为起点，统计低点后半年内的反弹幅度、达到最高点的用时以及反弹期间最大回撤[15]；第四步，反弹幅度按盘中高低点计算，本轮跌幅按盘中高点至截止日收盘价计算[16]；模型评价：该模型以固定跌幅阈值和固定时间窗口识别历史调整区间，规则简单清晰，但区间低点均为事后确定，相关结果不构成本轮反弹幅度、时间或领涨行业的预测[33] 2. 模型名称：反弹收益与回撤对比模型；模型构建思路：在深跌区间识别的基础上，按收盘价比较半年内最高涨幅与半年末收益，并另列反弹期间最大回撤，以刻画反弹的收益保留程度与途中反复情况[18]；模型具体构建过程：第一步，以低点日收盘价为起点计算收益；第二步，半年末取届满前最后一个交易日；第三步，统计半年内最高收盘涨幅与半年末收盘收益两项收益指标，均按收盘价计算；第四步，最大回撤沿用盘中口径，统计至半年内盘中最高点形成前[22][23]；模型评价：该模型区分了盘中口径与收盘口径，能够同时反映反弹的理论上限与可实现的收益保留情况，但同样基于事后确定的低点，比较结果不作为策略效果检验[33] 3. 模型名称：行业分组对比模型；模型构建思路：按各轮下跌阶段的表现将中信一级行业划分为下跌期最抗跌的5个行业与下跌期跌幅最大的5个行业两组，对比两组在随后反弹阶段的平均表现，以考察前期跌幅与反弹弹性的关系[26]；模型具体构建过程：第一步，行业收益按表1共同的起止日收盘价计算；第二步，仅剔除综合行业，综合金融自2017年起参与排名；第三步，中信行业采用全收益指数；第四步，行业组按下跌阶段的表现划分，反弹收益取组内5个行业涨幅的平均值[26]；模型评价：该模型直观展示了跌幅深组与抗跌组在反弹阶段的弹性差异，但行业组按已发生的下跌结果划分，完整区间包含选组阶段，相关比较不作为策略效果检验[33] 模型的回测效果 1. 创业板指深跌区间识别模型，历史区间数量8段[16]，下跌幅度取值分别为-36.47%、-36.23%、-55.94%、-36.86%、-36.85%、-39.75%、-34.26%、-31.81%，本轮截至2026-10-30为-44.90%[16]，半年内最大反弹分别为21.91%、30.63%、63.89%、26.55%、51.24%、36.06%、29.90%、86.66%[16]，到最高日用时分别为71、55、85、43、171、72、42、176自然日[16]，反弹期间最大回撤分别为-12.93%、-4.86%、-14.65%、-9.59%、-15.09%、-5.90%、-4.87%、-8.01%[16] 2. 反弹收益与回撤对比模型，半年内最高收盘涨幅分别为20.50%、25.22%、56.20%、20.13%、42.19%、25.58%、23.28%、79.18%，中位数25.40%[23][24]，半年末收盘收益分别为-1.31%、12.07%、8.76%、12.73%、37.28%、3.00%、2.86%、79.18%，中位数10.42%[23][24]，反弹期间最大回撤分别为-12.93%、-4.86%、-14.65%、-9.59%、-15.09%、-5.90%、-4.87%、-8.01%，中位数-8.80%[23][24]，半年末上涨段数7段、下跌段数1段[24] 3. 行业分组对比模型，2022年下跌阶段跌幅最深的5个行业（电力设备及新能源、电子、国防军工、汽车、机械）随后平均反弹33.63%，最抗跌的5个行业同期平均上涨9.70%[27]，2022年两组行业从下跌起点到反弹高点的平均收益分别为-14.76%和+13.79%[27]，2025年下跌阶段跌幅最深的5个行业平均反弹幅度比全行业平均高1.30个百分点[27]，8轮历史行情中跌幅最深的5个行业平均反弹幅度均高于最抗跌的5个行业[27]，银行在8轮历史调整中有7轮进入最抗跌前5行业，但在随后反弹中有7轮位于涨幅排名后2位[27] 量化因子与构建方式 1. 因子名称：前期跌幅因子；因子的构建思路：以行业在创业板指下跌阶段的区间涨跌幅作为刻画行业前期跌幅的因子，并据此将行业划分为跌幅最深组与最抗跌组，用于观察前期跌幅与反弹弹性之间的关系[26]；因子具体构建过程：第一步，确定与创业板指调整相同的起止日期；第二步，按收盘价计算各中信一级行业在该区间的涨跌幅；第三步，按涨跌幅对行业排序，取跌幅最大的5个行业构成跌幅最深组、跌幅最小的5个行业构成最抗跌组；第四步，反弹收益取组内5个行业涨幅的平均值，行业收益按共同起止日收盘价计算，仅剔除综合，综合金融2017年起参与排名，中信行业采用全收益指数[26]；因子评价：该因子构造简单、分组直观，能够体现跌幅深组反弹弹性更高的特征，但分组依赖已发生的下跌结果，存在事后选组偏差[33] 2. 因子名称：区间最大回撤因子；因子的构建思路：以行业在创业板指本轮调整相同起止日期内的区间最大回撤作为刻画行业下行风险的因子，与区间涨跌幅、行业排名一并列示，用于观察全A市场同期表现[29][30]；因子具体构建过程：第一步，取区间为2026-06-25至2026-10-30；第二步，按收盘价计算各中信一级行业的区间最大回撤；第三步，列示区间涨跌幅前五和后五行业及其行业排名与区间最大回撤[30]；因子评价：该因子与区间涨跌幅同口径展示，便于识别跌幅深且回撤大的行业，但仅为本轮单区间的描述性统计，未做跨期检验[30] 因子的回测效果 1. 前期跌幅因子，2022年跌幅最深组平均反弹33.63%、最抗跌组平均上涨9.70%[27]，2022年两组从下跌起点到反弹高点平均收益分别为-14.76%和+13.79%[27]，2025年跌幅最深组平均反弹幅度比全行业平均高1.30个百分点[27]，8轮历史行情中跌幅最深组平均反弹幅度均高于最抗跌组[27] 2. 区间最大回撤因子，本轮区间涨跌幅前五行业分别为银行19.70%、煤炭13.50%、石油石化11.80%、食品饮料9.83%、农林牧渔9.23%，对应区间最大回撤分别为-5.23%、-9.57%、-7.73%、-7.66%、-14.71%[30]，后五行业分别为基础化工-31.25%、电力设备及新能源-33.25%、建材-37.74%、电子-47.26%、通信-52.65%，对应区间最大回撤分别为-31.75%、-33.25%、-38.71%、-49.22%、-52.65%[30]