根据研报内容，以下是涉及的量化模型和因子的总结： 量化模型与构建方式 **1 模型名称：A股大盘择时模型[2][10]** - 模型构建思路：从估值、情绪、资金、技术四个维度对万得全A指数进行整体方向性判断[10] - 模型具体构建过程：各维度日频发出信号，每日信号取值为0、±1，分别代表看平、看多、看空三种观点[10] 估值和情绪采用反转逻辑，刻画A股市场均值回归特征；资金和技术采用趋势逻辑，刻画市场趋势延续特征[10] 以各维度得分之和的正负性作为大盘多空观点的依据[10] - 模型评价：左侧指标规避风险，右侧指标捕捉机会[10] **2 模型名称：红利风格择时模型[3][18]** - 模型构建思路：结合中证红利相对中证全指的动量、10Y-1Y期限利差和银行间质押式回购成交量三者的趋势进行择时[3][18] - 模型具体构建过程：三个指标从趋势维度日频发出信号，每日信号取值为0、+1、-1，分别代表看平、看多、看空三种观点[18] 以各维度得分之和的正负性作为红利风格多空观点的依据[18] 当模型看好红利风格时全仓持有中证红利，不看好时全仓持有中证全指[18] **3 模型名称：大小盘风格择时模型[3][23]** - 模型构建思路：采用基于拥挤度分域的趋势模型进行择时，其中拥挤度采用小盘和大盘的动量之差和成交额之比刻画[3][23] - 模型具体构建过程：首先从动量视角和成交视角计算大小盘风格拥挤度得分[23] 若最近20个交易日中曾触发过高拥挤，视为运行在高拥挤区间，否则为低拥挤区间[25] 在高拥挤区间采用参数值较小的双均线模型应对风格反转，在低拥挤区间采用参数值较大的双均线模型跟踪中长期趋势[25] **4 模型名称：遗传规划行业轮动模型[4][30]** - 模型构建思路：采用遗传规划技术直接对行业指数的量价、估值等特征进行因子挖掘，每季度末更新因子库[4][33] - 模型具体构建过程：底层资产为32个中信行业指数，因子更新频率为季频，调仓频率为周频[30] 使用|IC|和NDCG@5两个指标同时评价因子的分组单调性和多头组表现[33] 在NSGA-II算法加持下挖掘兼具分组表现单调、多头表现优秀的行业轮动因子[33] **5 模型名称：中国境内全天候增强组合[5][39]** - 模型构建思路：采用宏观因子风险预算框架，选取增长超预期/不及预期、通胀超预期/不及预期四种宏观风险源作为平价对象[5][39] - 模型具体构建过程：在四象限风险平价基础上，基于宏观预期动量的观点主动偏配看好象限[5] 构建分为三步：宏观象限划分与资产选择、象限组合构建与风险度量、风险预算模型确定象限权重[42] 每月底根据"象限观点"调整象限风险预算进行主动偏配[42] 模型的回测效果 **1 A股大盘择时模型[15]** - 年化收益：24.94% - 最大回撤：-28.46% - 夏普比率：1.16 - Calmar比率：0.88 - YTD：43.84% - 上周收益：5.28% **2 红利风格择时模型[21]** - 年化收益：15.67% - 最大回撤：-25.52% - 夏普比率：-0.26 - Calmar比率：0.85 - YTD：20.86% - 上周收益：-3.63% **3 大小盘风格择时模型[28]** - 年化收益：27.04% - 最大回撤：-32.05% - 夏普比率：1.13 - Calmar比率：0.84 - YTD：71.14% - 上周收益：-7.80% **4 遗传规划行业轮动模型[33]** - 年化收益：30.83% - 年化波动：17.74% - 夏普比率：1.74 - 最大回撤：-19.63% - 卡玛比率：1.57 - 上周表现：-4.39% - YTD：35.44% **5 中国境内全天候增强组合[43]** - 年化收益：11.51% - 年化波动：6.18% - 夏普比率：1.86 - 最大回撤：-6.30% - 卡玛比率：1.83 - 上周表现：-1.53% - YTD：10.75% 量化因子与构建方式 **1 因子名称：大小盘风格拥挤度因子[23][27]** - 因子构建思路：从动量视角和成交视角计算大小盘风格拥挤度得分[23] - 因子具体构建过程： 1) 动量之差：计算万得微盘股指数与沪深300指数的10/20/30/40/50/60日动量之差，计算各窗长动量之差的3.0/3.5/4.0/4.5/5.0年分位数的均值，对6个计算窗长下分位数最高的3个结果取均值作为小盘风格的动量得分；对分位数最低的3个结果取均值作为大盘风格的动量得分[27] 2) 成交额之比：计算万得微盘股指数与沪深300指数的10/20/30/40/50/60日成交额之比，计算各窗长成交额之比的3.0/3.5/4.0/4.5/5.0年分位数的均值，对6个计算窗长下分位数最高的3个结果取均值作为小盘风格的成交量得分；对分位数最低的3个结果取均值作为大盘风格的成交量得分[27] 3) 将小盘风格的动量得分和成交量得分取均值得到小盘风格的拥挤度得分，大于90%视为触发高拥挤；将大盘风格的动量得分和成交量得分取均值得到大盘风格的拥挤度得分，小于10%视为触发高拥挤[27] **2 因子名称：遗传规划行业轮动因子[37]** - 因子构建思路：基于单行业阻力支撑位构建[37] - 因子具体构建过程： 1) 在过去25个交易日中，计算周度标准化最低价和月度标准化开盘价的协方差，记作变量A[38] 2) 在过去15个交易日中，对周度标准化最高价开展zscore标准化，取标准化后大于2.0的日期，对A进行反转即乘以-1后，计算这15个交易日A之和[38] 因子表达式：$$ts\_grouping\_deczscorecut\_torch(ts\_covariance\_torch(wlow\_st, mopen\_st, 25), whigh\_st, 15, 2.0, 2)$$[37]

证券研究报告 金工 黄金超买风险或得到一定的释放 2025 年 11 月 23 日│中国内地 量化投资周报 期限结构模拟组合创新高，近期持仓做多工业金属板块 商品融合策略近两周上涨 0.97%，今年以来上涨 3.16%。在三个子策略中， 商品期限结构模拟组合近期表现较好，近两周上涨 2.31%，今年以来上涨 7.46%，并于上周五（2025-11-24）创下回测以来的净值新高。期限结构模 拟组合中，近两周收益贡献靠前的品种是玻璃、甲醇、PVC，收益贡献分别 为 0.46%、0.25%、0.16%，近期玻璃跌幅较大，期限结构组合因做空玻璃 而获得较多正收益；近两周收益贡献靠后的品种是橡胶、白糖、乙二醇，收 益贡献分别为-0.08%、-0.09%、-0.17%。期限结构模拟组合最新持仓中， 主要做多工业金属板块，主要做空能源化工板块，和前期持仓相比，工业金 属的多头仓位和能源化工的空头仓位均有所上升。具体品种看，截面仓单模 拟组合在铁矿石、菜油、玉米、沪铜、沪铝上配置了较高比例的多头仓位， 而在橡胶、螺纹钢、PTA、塑料上配置了较高的空头仓位。 黄金周度 RSI 指标回落至 70 以下，超买风险或得到一定的释放 ...

证券研究报告 | 2025年11月23日 基金周报 ETF 简称统一规范正式落地，非货基"T+0.5"赎回时代来临 核心观点 金融工程周报 上周市场回顾。上周A股市场主要宽基指数全线下跌，沪深 300、上证综 指、中小板指指数收益靠前，收益分别为-3.77%、-3.90%、-5.10%， 创业板指、中证 1000、中证 500 指数收益靠后，收益分别为-6.15%、 -5.80%、-5.78%。 从成交额来看，上周主要宽基指数成交额均有所下降。行业方面，上周 银行、食品饮料、传媒收益靠前，收益分别为-0.87%、-1.36%、-1.39%， 综合、电力设备及新能源、基础化工收益靠后，收益分别为-9.47%、 -9.41%、-8.24%。 截至上周五，央行逆回购净投放资金 5540 亿元，逆回购到期 11220 亿 元，净公开市场投放 16760 亿元。除 5 年期和 10 年期外，不同期限的 国债利率均有所下行，利差扩大 1.22BP。 上周共上报 54 只基金，较上上周申报数量下降。申报的产品包括 1 只 REITs，3 只FOF，上证科创板芯片ETF、中证科创创业人工智能ETF、 易方达中证港股通信息技术 ...

量化择时和拥挤度预警周报（20251121） [Table_Authors] 郑雅斌(分析师) 市场下周或将维持震荡 本报告导读： | | 021-23219395 | | --- | --- | | | zhengyabin@gtht.com | | 登记编号 | S0880525040105 | | | 曹君豪(分析师) | | | 021-23185657 | | | caojunhao@gtht.com | | 登记编号 | S0880525040094 | [Table_Report] 相关报告 绝对收益产品及策略周报（251110-251114） 2025.11.20 大额买入与资金流向跟踪（20251110-20251114） 2025.11.18 风格 Smart beta 组合跟踪周报（2025.11.10- 2025.11.14） 2025.11.17 高频选股因子周报（20251110-20251114） 2025.11.16 红利风格择时周报（1110-1114） 2025.11.16 金 融 工 程 金 融 工 程 周 报 证 券 研 究 报 告 请务必阅读正文之后的免责条款部 [T ...

10 月美国股票型 ETF 资金净流入超千亿，当前规模已超 10 万亿美元 证券研究报告 | 2025年11月23日 海外资管机构月报 美国公募基金市场月度收益 2025 年 10 月，美国股票型基金业绩中位数强于债券基金，弱于国际股票基 金和资产配置基金。具体来看，10 月美国股票型基金、国际股票型基金、 债券型基金、资产配置型基金收益中位数分别为 0.56%、0.89%、0.51%、 1.20%。 美国非货币公募基金资金流向 按管理方式：2025 年 10 月，主动管理型基金整体净流入 190 亿美元，被动 基金整体净流入 1118 亿美元。 按资产类型：2025 年 10 月，美国市场开放式基金中，债券型基金资金净流 入较多，为 275 亿美元，股票型基金资金净流出较多，为 970 亿美元。 2025 年 10 月，美国市场 ETF 中，股票型、债券型 ETF 资金净流入较多， 分别达 1044 亿、490 亿美元。 值得注意的是，在股票型基金中，开放式基金与 ETF 资金流向相反，表现 为资金流出开放式基金并流入 ETF。 头部资管机构资金净流入 美国开放式基金规模 Top10 资管机构大部分均有资金 ...

1、本篇报告观点基于量化模型及客观数据统计，存在模型失效风险。2、基金仓位监 测等模型结果由数理统计方法估算得到，与实际情况可能存在差异。3、测算偏差风 险，市场环境变化可能造成测算数据相较于实际数据偏离。 核心观点 A 股微观结构再平衡进入临界点，我们更倾向于判断本轮回调是量化对冲产品平仓， 结合微观结构再平衡过程达到新一阶段临界点所致，后市回调空间相对有限，后市建 议加仓红利 ETF、化工 ETF。 ❑ 如何理解本轮回调的底层逻辑？ 理解本轮调整的本质：不确定性上升。11 月 20 日美股在英伟达财报超预期催化 下显著高开，但最终反而在没有明显催化的情况下大幅收跌。对于下跌的原因， 主流解释包括：1、美国 9 月非农数据超预期，带来降息预期下修；2、英伟达财 报超预期并未能消除市场对 AI 泡沫的担忧。不过，一方面，当日短端利率反而 下行，市场并未定价降息预期下修，另一方面，即便英伟达财报无法证伪 AI 泡 沫担忧，至少其积极表述也不应加剧抛售。我们认为，本轮调整的本质在于经济 数据缺失带来的不确定性上升。由于 11 月非农数据的公布时间延后至 12 月 16 日，美联储无法在议息会议前获知经济的最新动态 ...

根据提供的金融工程市场跟踪周报，以下是报告中涉及的量化模型与因子的总结。报告主要描述市场状况和跟踪指标，并未详细阐述复杂的多因子模型或具体的因子构建公式，但包含了一些用于市场情绪跟踪和择时的量化指标。以下是基于报告内容的梳理： 量化模型与构建方式 1. **模型/指标名称：量能择时模型**[24][25] * **模型构建思路**：通过分析市场交易量能的变化来判断市场趋势，生成择时信号[24][25] * **模型具体构建过程**：报告未提供该模型具体的构建公式和详细步骤，仅提及其为一种择时方法并给出了当前观点[25] * **模型评价**：报告未提供对该模型的定性评价 2. **模型/指标名称：沪深300上涨家数占比情绪指标**[25][26] * **因子构建思路**：通过计算指数成分股中上涨股票的数量占比来捕捉市场情绪的变化，认为上涨家数增多可能预示市场底部，而大部分股票上涨则可能预示情绪过热[25] * **因子具体构建过程**： * 计算沪深300指数成分股在过去N日收益大于0的个股数量 * 计算该数量占成分股总数的比例 * 公式为：沪深300指数N日上涨家数占比 = (过去N日收益大于0的个股数) / (沪深300指数成分股总数) [25] * **因子评价**：该指标可以较快捕捉上涨机会，但在市场过热阶段会提前离场而错失后续收益，且难以有效规避下跌风险[26] 3. **模型/指标名称：动量情绪指标（基于上涨家数占比）**[27][29] * **模型构建思路**：对上述“沪深300上涨家数占比”指标进行平滑处理，通过比较短期和长期移动平均线来生成交易信号[27][29] * **模型具体构建过程**： * 计算沪深300指数N日上涨家数占比（报告中示例参数N=230）[27] * 对该占比序列分别计算窗口期为N1（长窗口，示例为50）和N2（短窗口，示例为35）的移动平均线，得到慢线和快线[27][29] * 当快线 > 慢线时，看多沪深300指数；当快线 < 慢线时，对市场持谨慎或中性态度[29] * **模型评价**：报告未提供对该模型的定性评价 4. **模型/指标名称：均线情绪指标**[33][37] * **模型构建思路**：通过计算当前价格与一组均线的相对位置来判断指数的趋势状态[33][37] * **模型具体构建过程**： * 计算沪深300收盘价的八条均线，参数为8, 13, 21, 34, 55, 89, 144, 233[33] * 统计当日沪深300指数收盘价大于这八条均线数值的数量[37] * 当该数量超过5时，看多沪深300指数[37] * （报告亦提及另一种赋值方式：将八均线区间值映射为-1, 0, 1来表征情绪，但当前信号生成基于数量判断）[33][37] * **模型评价**：报告未提供对该模型的定性评价 5. **因子名称：横截面波动率**[38][39] * **因子构建思路**：衡量同一时间点，不同股票收益率之间的差异程度，用于评估选股获取Alpha的难易环境，波动率高通常意味着Alpha机会更多[38][39] * **因子具体构建过程**：报告未提供具体的计算公式，但明确指出其用于衡量指数成分股间的收益率差异[38][39] * **因子评价**：报告未提供对该因子的定性评价 6. **因子名称：时间序列波动率**[39][42] * **因子构建思路**：衡量指数或个股收益率随时间变化的波动程度，也用于评估Alpha环境[39][42] * **因子具体构建过程**：报告未提供具体的计算公式，但提及其为指数成分股加权的时序波动率[39][42] * **因子评价**：报告未提供对该因子的定性评价 7. **因子名称：抱团基金分离度**[83][86] * **因子构建思路**：通过计算抱团基金组合截面收益率的标准差，来衡量基金抱团的程度，标准差小表示抱团程度高，反之则表示抱团瓦解[83][86] * **因子具体构建过程**： * 构建抱团基金组合 * 计算该组合在某个周期内（如一周）各基金收益率的截面标准差 * 这个标准差即为分离度指标[83][86] * **因子评价**：报告未提供对该因子的定性评价 模型的回测效果 （报告未提供上述量化模型的具体回测绩效指标，如年化收益率、夏普比率、最大回撤等） 量化因子与构建方式 （已合并至“量化模型与构建方式”章节，因报告中的内容更多是以指标形式用于描述市场或作为模型输入，而非独立的因子测试） 因子的回测效果 （报告未提供上述因子的具体IC值、IR值、多空收益等传统因子测试结果） 模型/因子的指标取值（跟踪状态） 1. **量能择时信号**[25] * 信号观点（截至2025/11/21）：对所有跟踪的宽基指数（上证指数、上证50、沪深300、中证500、中证1000、创业板指、北证50）均为“空”或“谨慎”观点[25] 2. **沪深300上涨家数占比情绪指标**[26] * 当前数值（截至2025/11/21）：最近一周下降，数值略高于50%[26] 3. **动量情绪指标**[27] * 信号观点（截至2025/11/21）：快线、慢线均下行，快线处于慢线下方，维持谨慎观点[27] 4. **均线情绪指标**[33] * 信号观点（截至2025/11/21）：沪深300指数处于情绪非景气区间[33] 5. **横截面波动率**[38][39][40] * **沪深300**：最近一周环比下降；近一季度平均值2.28%，处于近半年83.44%分位、近一年80.54%分位、近半年78.26%分位[39][40] * **中证500**：最近一周环比下降；近一季度平均值2.44%，处于近半年78.57%分位、近一年76.19%分位、近半年79.37%分位[39][40] * **中证1000**：最近一周环比上升；近一季度平均值2.60%，处于近半年83.67%分位、近一年78.09%分位、近半年73.71%分位[39][40] 6. **时间序列波动率**[39][42] * **沪深300**：最近一周环比下降；近一季度平均值0.73%，处于近半年77.23%分位、近一年75.78%分位、近半年69.15%分位[42] * **中证500**：最近一周环比上升；近一季度平均值0.53%，处于近半年80.16%分位、近一年76.19%分位、近半年78.57%分位[42] * **中证1000**：最近一周环比上升；近一季度平均值0.27%，处于近半年82.07%分位、近一年77.69%分位、近半年72.51%分位[42] 7. **抱团基金分离度**[83][86] * 当前状态（截至2025/11/21）：环比前一周小幅上升[83]

根据提供的金融工程定期报告内容，以下是关于报告中涉及的量化模型与因子的总结。 量化模型与构建方式 1. **模型名称：缠论分析模型**[1][7] * **模型构建思路**：该模型基于缠论技术分析理论，通过识别市场走势中的不同级别（如周线级别、月线级别）的上升或下降趋势段，以及特定的结构（如ABC三浪调整结构），来判断当前市场所处的阶段和未来可能的走势[1][7][8]。 * **模型具体构建过程**：模型的应用过程主要包括： * **周期分析**：识别不同时间周期的趋势。例如，报告中区分了自2024年初启动的“月线级别上行趋势”和2025年4月初以来的“周线级别上升趋势”，并判断当前调整针对后者[1][7]。 * **结构识别**：识别特定的价格波动形态。例如，报告中指出科技板块已呈现“清晰的ABC三浪调整结构”，这通常被解读为调整阶段可能接近尾声的信号[8]。 * **历史对比**：将当前的缠论结构与历史相似形态进行类比，以推测后续走势。例如，报告中将当前走势与“2017年11月底至12月初的形态”进行类比，认为市场可能进入震荡筑底阶段[1][7]。 2. **模型名称：温度计指标模型**[1][7] * **模型构建思路**：该模型通过计算一个或多个市场情绪或技术指标（统称为“温度计”），来度量市场的超买或超卖状态，从而判断市场短期的风险与机会[1][7]。 * **模型具体构建过程**：模型包含不同频率的指标： * **高频温度计**：用于捕捉短期市场情绪。报告中提及“主流宽基指数的高频温度计均值已降至7以下”，这表明市场可能出现短期超跌[1][7]。 * **低频与超低频温度计**：用于分析中长期市场状态。报告结合了高频、低频、超低频温度计的读数进行综合判断[1][7]。 3. **因子名称：量能拥挤度因子**[2][8] * **因子构建思路**：该因子通过计算特定板块（如TMT板块）的成交金额占市场总成交金额的比例，来衡量资金对该板块的关注度和交易热度，从而判断板块的拥挤程度和资金流向变化[2][8]。 * **因子具体构建过程**：因子构建公式可表示为： $$拥挤度_{板块, t} = \frac{成交金额_{板块, t}}{成交金额_{全市场, t}} \times 100\%$$ 其中，$成交金额_{板块, t}$ 代表在时间点 $t$ 该板块的总成交金额，$成交金额_{全市场, t}$ 代表在时间点 $t$ 全市场（或作为基准的市场组合）的总成交金额。报告中通过观察TMT板块成交金额占比从低位“出现小幅企稳甚至回升的迹象”，来判断资金可能重新关注该方向[2][8]。 模型的回测效果 （报告未提供具体的模型回测指标数值，如年化收益率、夏普比率、最大回撤等，因此此部分省略） 因子的回测效果 （报告未提供具体的因子回测指标数值，如IC值、IR、多空收益等，因此此部分省略）

量化模型与构建方式 量化择时模型 1. **模型名称**：短期择时策略模型[5][13][14] **模型构建思路**：基于多维度市场指标构建综合择时信号，通过基本面、估值面、情绪面、流动性四个维度的二级指标信号综合判断市场走势[13][14] **模型具体构建过程**： - 选取四个一级指标：基本面、估值面、情绪面、流动性 - 每个一级指标下设置多个二级指标： - 基本面：制造业PMI是否>50、信贷脉冲环比变化分位数、M1同比增速（HP滤波去趋势）分位数[13] - 估值面：A股整体PE分位数、A股整体PB分位数[13] - 情绪面：A股整体Beta离散度分位数、A股整体量能情绪分位数、A股整体波动率分位数[14] - 流动性：货币利率指标分位数、汇率预期指标分位数、沪深净融资额5日均值分位数[14] - 每个二级指标根据其数值在历史分位数位置给出乐观、谨慎或中性信号 - 综合各维度信号得出总仓位信号[13][14] **模型评价**：该模型通过多维度指标综合判断，能够较全面反映市场状况[13][14] 2. **模型名称**：成长价值风格轮动模型[24][25] **模型构建思路**：基于基本面、估值面、情绪面三个维度分析成长与价值风格的相对强弱，实现风格轮动配置[24] **模型具体构建过程**： - 基本面维度：分析盈利周期斜率、利率综合周期水平、信贷综合周期变化 - 盈利周期斜率大时利好成长风格 - 利率周期水平偏低时利好成长风格 - 信贷周期上行时利好成长风格[24] - 估值面维度：分析成长价值PE估值差分位数、PB估值差分位数 - 估值差均值回归上行时利好成长风格[24] - 情绪面维度：分析成长价值换手差分位数、波动差分位数 - 换手差偏高时利好成长风格 - 波动差反弹至偏高位置时利好均衡配置[24] - 综合三个维度信号得出超配成长或价值的建议[24] 3. **模型名称**：小盘大盘风格轮动模型[28][29] **模型构建思路**：从流动性视角出发，基于11个有效轮动指标构建综合大小盘轮动信号[28] **模型具体构建过程**： - 选取11个轮动指标：A股龙虎榜买入强度、R007、融资买入余额变化、主题投资交易情绪、等级利差、期权波动率风险溢价、beta离散度、pb分化度、大宗交易折溢价率、中证1000MACD(10,20,10)、中证1000交易量能[30] - 每个指标独立给出小盘或大盘的仓位建议（0%或100%） - 对11个指标的综合信号进行3日平滑处理[30] - 根据综合信号确定最终的小盘大盘配置比例[28][30] 模型的回测效果 1. **短期择时策略模型**[15][19][22] - 全区间（2012年底至今）年化收益率：16.05%（基准4.64%）[15][19] - 全区间年化超额收益率：11.41%[15][19] - 全区间最大回撤：15.49%（基准31.41%）[15][19] - 全区间夏普比率：0.9453（基准0.2766）[19] - 全区间收益回撤比：1.0360（基准0.1477）[19] - 2024年以来年化收益率：27.83%（基准8.31%）[22] - 2024年以来最大回撤：11.04%（基准8.89%）[22] - 2024年以来夏普比率：1.4264（基准0.5906）[22] 2. **成长价值风格轮动模型**[25][27] - 全区间（2012年底至今）年化收益率：12.40%（基准7.75%）[25][27] - 全区间年化超额收益率：4.65%[25] - 全区间最大回撤：43.07%（基准44.13%）[27] - 全区间夏普比率：0.5704（基准0.3684）[27] - 全区间收益回撤比：0.2879（基准0.1757）[27] - 2025年收益率：19.75%（基准22.28%）[25][27] 3. **小盘大盘风格轮动模型**[29][30] - 2025年超额收益率：11.88%[29][30] - 2014年以来每年均产生正向超额收益[29] - 综合信号3日平滑年化收益：19.51%[30] - 综合信号年化超额收益：12.73%[30] - 综合信号最大回撤：40.70%[30] 量化因子与构建方式 1. **因子名称**：Beta离散度[11][14] **因子构建思路**：衡量市场个股Beta系数的离散程度，反映市场共识度和趋势强度[11][14] **因子具体构建过程**：计算全市场个股Beta系数的标准差或变异系数[11][14] 2. **因子名称**：PB分化度[11][30] **因子构建思路**：衡量市场个股市净率的离散程度，反映估值分化状况[11][30] 3. **因子名称**：量能情绪得分[14] **因子构建思路**：基于市场交易量能变化构建的情绪指标[14] 4. **因子名称**：龙虎榜买入强度[28][30] **因子构建思路**：通过龙虎榜数据反映机构资金买入意愿[28][30] 5. **因子名称**：融资买入余额变化[28][30] **因子构建思路**：监测融资资金的变化趋势，反映杠杆资金情绪[28][30] 6. **因子名称**：主题投资交易情绪[28][30] **因子构建思路**：衡量主题投资的热度和市场关注度[28][30] 7. **因子名称**：中证1000MACD(10,20,10)[30] **因子构建思路**：基于中证1000指数的MACD技术指标判断小盘股趋势[30] 8. **因子名称**：中证1000交易量能[30] **因子构建思路**：监测中证1000指数的成交量变化，反映小盘股交易活跃度[30]

根据研报内容，以下是关于量化模型和因子的总结： 量化模型与构建方式 **1. 成交量模型** - 模型构建思路：基于市场成交量的变化来判断短期市场走势[8] - 模型具体构建过程：通过分析宽基指数的成交量数据，判断市场情绪和资金活跃度[8][11] - 模型评价：短期有效的市场情绪指标 **2. 特征龙虎榜机构模型** - 模型构建思路：利用龙虎榜机构交易数据构建择时信号[8][11] - 模型具体构建过程：跟踪机构在龙虎榜上的买卖行为，分析机构资金流向[8][11] **3. 特征成交量模型** - 模型构建思路：基于特殊的成交量特征进行市场判断[8][11] - 模型具体构建过程：识别成交量中的异常波动和特殊模式[8][11] **4. 智能算法模型** - 模型构建思路：应用智能算法对沪深300和中证500指数进行择时[8][11] - 模型具体构建过程：使用机器学习等智能算法分析价量数据[8][11] - 模型评价：能够捕捉非线性关系 **5. 涨跌停模型** - 模型构建思路：通过涨跌停板数量分析市场情绪[8][12] - 模型具体构建过程：统计市场涨跌停个股数量及其变化趋势[8][12] **6. 上下行收益差模型** - 模型构建思路：比较市场上行和下行收益的差异[8][12][15] - 模型具体构建过程：计算特定时期内上涨股票与下跌股票的收益差异[8][12][15] - 模型评价：有效反映市场多空力量对比 **7. 月历效应模型** - 模型构建思路：基于日历效应进行市场择时[12] - 模型具体构建过程：分析历史数据中的季节性模式和月度效应[12] **8. 长期动量模型** - 模型构建思路：利用长期价格动量判断市场趋势[13] - 模型具体构建过程：计算长期时间窗口内的价格动量指标[13] - 模型评价：对长期趋势有较好的捕捉能力 **9. A股综合兵器V3模型** - 模型构建思路：综合多个因子和模型的复合择时模型[14] - 模型具体构建过程：整合短期、中期、长期多个维度的信号[14] **10. A股综合国证2000模型** - 模型构建思路：专门针对国证2000指数的综合择时模型[14] - 模型具体构建过程：结合多个因子对国证2000指数进行专门分析[14] **11. 成交额倒波幅模型** - 模型构建思路：用于港股市场的中期择时模型[15] - 模型具体构建过程：结合成交额和波动率指标进行判断[15] **12. 形态识别模型** - 模型构建思路：基于技术形态识别进行选股和择时[40][41][44][46][48] - 模型具体构建过程： - 杯柄形态：识别A点（起点）、B点（杯柄形成点）、C点（突破点）[44][51] - 双底形态：识别A点（第一个底部）、C点（第二个底部）、E点（突破点）[49][50] - 模型评价：经典的技术分析工具，对突破行情有较好效果 **13. VIX指数模型** - 模型构建思路：基于波动率指数进行市场风险判断[38] - 模型具体构建过程：复现中证指数公司的VIX计算方法，相关系数达到99.2%[38] - 模型评价：有效的市场恐慌情绪指标 模型的回测效果 **形态识别模型表现**[40]： - 双底形态组合：本周收益-6.55%，相对上证综指跑输-2.65%，累计收益10.32% - 杯柄形态组合：本周收益-5.67%，相对上证综指跑输-1.77%，累计收益6.66% **VIX指数**[38][39]： - 最新VIX值：16.8 **形态突破个股表现**[41][46]： - 杯柄形态突破个股：上周5只个股中2只跑赢上证综指，平均超额收益0.16% - 双底形态突破个股：上周7只个股中2只跑赢上证综指，平均超额收益-0.05% 量化因子与构建方式 **1. 机构仓位因子** - 因子构建思路：基于基金仓位变化分析机构行为[22][23][24][25] - 因子具体构建过程：跟踪股票型和混合型基金的行业配置变化[22][23][24][25] **2. 分析师预期因子** - 因子构建思路：利用分析师一致预期数据[18][19] - 因子具体构建过程：统计分析师上调/下调个股比例[18][19] **3. 资金流向因子** - 因子构建思路：分析主力资金流向[16] - 因子具体构建过程：跟踪各行业主力资金净流入流出情况[16] 因子的回测效果 **机构仓位因子表现**[22][23][24][25]： - 股票型基金总仓位：95.82%，较上周减少52bps - 混合型基金总仓位：88.71%，较上周减少218bps - 加仓行业：汽车、电力设备及新能源 - 减仓行业：通信、基础化工 **分析师预期因子表现**[18][19]： - 分析师上调比例最高行业：农林牧渔(5.0%)、国防军工(4.17%)、石油石化(4.0%) - 分析师下调比例最高行业：电子(4.55%)、医药(3.8%)、钢铁(3.77%) **资金流向因子表现**[16]： - 所有行业主力资金净流出 - 净流出前五行业：电子、电力设备及新能源、基础化工、医药、机械