Workflow
量化择时周报:市场重回箱体震荡,耐心等待缩量信号-2025-03-30
天风证券· 2025-03-30 16:42
金融工程 | 金工定期报告 金融工程 证券研究报告 上周周报(20250323)认为:当前赚钱效应为-0.6%,近期首次转负,显示市 场上行趋势开始遇阻。考虑当前的估值水平,建议小幅降低仓位以作应对, 最终上行趋势是否确认破坏,耐心等待 5 日均线是否下穿 20 日均线。最终 wind 全 A 继续调整,全周下跌 1.29%。市值维度上,上周代表小市值股票 的中证 2000 下跌 3.90%,中盘股中证 500 下跌 0.94%,沪深 300 上涨 0.01%, 上证 50 上涨 0.16%;上周中信一级行业中,表现较强行业包括医药、家电, 医药上涨 1.04%,计算机、军工表现较差,计算机下跌 4.84%。上周成交活 跃度上,基础化工和石油石化流入明显。 从择时体系来看,我们定义的用来区别市场整体环境的 wind 全 A 长期均 线(120 日)和短期均线(20 日)的距离继续缩小,最新数据显示 20 日 线收于 5253,120 日线收于 5086 点,短期均线继续位于长线均线之上, 两线距离由上周的 4.53%缩小至 3.28%,绝对距离继续大于 3%, Wind 全 A 指数当前趋势线均线位于 525 ...
开源量化评论(107):成长与周期共振:基于业绩增速与景气定位的双因子协同
开源证券· 2025-03-30 16:42
量化模型与构建方式 1. **模型名称**:改进净利润增速因子 - **构建思路**:通过将原始净利润增速因子的分母端替换为更稳定的净利润TTM,降低因分母基数效应导致的异常值比例,提升因子稳定性[2] - **具体构建过程**: - 原始因子公式:单季度净利润同比增速,分母为去年同期单季净利润绝对值 - 改进后公式: $$ \text{改进净利润增速} = \frac{\text{当期单季净利润} - \text{去年同期单季净利润}}{\text{净利润TTM}} $$ - 净利润TTM(滚动12个月净利润)作为分母,因其正值比例更高且波动更小[2] - **评价**:改进后因子稳定性显著提升,年化IR从1.96提升至2.66[2] 2. **模型名称**:景气周期因子 - **构建思路**:通过单季度净利润占净利润TTM的比例定位个股业绩周期位置,刻画淡旺季状态[3] - **具体构建过程**: $$ \text{景气周期因子} = \frac{\text{单季度净利润}}{\text{净利润TTM}} $$ - 该比值反映个股当前业绩在周期中的相对位置[3] - **评价**:因子多空年化收益13.9%,月度胜率77%,最大回撤仅6.3%[3] 3. **模型名称**:周期成长因子 - **构建思路**:合成改进净利润增速因子(成长性)与景气周期因子(周期性),兼顾业绩增量与存量特征[4] - **具体构建过程**: - 采用加权合成或标准化后线性组合(具体方法未披露,但强调逻辑兼容性)[4] - **评价**:合成因子表现稳健,年化IR达3.5,分板块中制造、周期、科技领域有效性突出[4] 4. **模型名称**:营收周期成长因子 - **构建思路**:将净利润因子的改进逻辑外推至营收数据,构建营收增速与营收景气周期的合成因子[5] - **具体构建过程**: - 类似净利润因子改进方法,分母替换为营收TTM[5] - **评价**:多空年化收益12.4%,较原始营收增速因子提升显著[5] --- 模型的回测效果 1. **改进净利润增速因子** - RankIC均值3.1%,RankICIR 1.9 - 多空年化收益13.6%(原始11.7%),年化IR 2.66(原始1.96) - 最大回撤12.49%,月度胜率71%[2] 2. **景气周期因子** - RankIC均值3.7%,RankICIR 2.8 - 多空年化收益13.9%,年化IR 2.9 - 最大回撤6.3%,月度胜率77%[3] 3. **周期成长因子** - RankIC均值4.2%,RankICIR 2.4 - 多空年化收益18.8%,年化IR 3.5 - 最大回撤7.9%,中证500指增组合超额年化收益16.6%[4] 4. **营收周期成长因子** - 多空年化收益12.4%,年化IR 2.2 - 较原始营收增速因子(年化收益7.6%)提升显著[5] --- 量化因子与构建方式 1. **因子名称**:景气周期增速因子 - **构建思路**:对景气周期指标做同比增速处理,尝试单因子融合成长与周期特征[105] - **具体构建过程**: $$ \text{景气周期增速} = \frac{\text{当期景气周期值} - \text{去年同期景气周期值}}{\text{去年同期景气周期值}} $$ - **评价**:信息折损较高,收益表现弱于分拆后的单因子组合[105] --- 因子的回测效果 1. **景气周期增速因子** - RankIC均值3.4%,RankICIR 3.0 - 多空年化收益12.8%,年化IR 2.7 - 中证500年化收益13.7%,最大回撤6.8%[105] 2. **原始营收增速因子** - 多空年化收益7.6%,年化IR 1.3 - 改进后营收类因子收益提升超50%[115] --- 其他关键点 - **数据优化**:引入业绩快报与预告数据后,净利润增速因子多空年化收益从8.2%提升至11.7%[12][16] - **板块有效性**:周期成长因子在制造、周期、科技板块RankIC超4.4%,金融板块仅2.9%[99] - **行业表现**:电力设备、基础化工多空年化收益超12%,医药生物、电子收益约10%[101][103]
红利风格投资价值跟踪(2025W13):外部不确定性加剧,资金重新聚焦红利
信达证券· 2025-03-30 15:03
根据研报内容,以下是量化模型与因子的详细总结: 量化模型与构建方式 1. **模型名称**:中证红利超额收益择时策略 - **模型构建思路**:基于全球流动性(10年期美债收益率)、内部流动性(国内M2同比)、国内经济预期(M1-M2同比剪刀差)三个宏观指标构建中证红利相对于万得全A的超额收益择时模型[8] - **模型具体构建过程**: 1. 对10年期美债收益率计算60日与250日均线,当60日均线上穿250日均线时触发看多信号 2. 对国内M2同比和M1-M2剪刀差分别计算3月均线与12月均线,当3月均线上穿12月均线时判断为上行趋势 3. 综合三个指标的信号方向(美债看多、国内流动性看空)形成最终择时观点 - **模型评价**:2010年以来年化收益8.25%,但2025年出现-5.28%回撤,显示宏观环境变化对模型效果的冲击[8] 2. **模型名称**:红利估值回归模型 - **模型构建思路**:通过PETTM百分位与历史收益的统计关系预测未来收益[18][20] - **模型具体构建过程**: 1. 采用权重因子加权调整中证红利PETTM估值 2. 计算近三年/五年PETTM百分位 3. 建立线性回归方程: $$ y = -0.2791x + 0.2641 $$ 其中y为未来一年绝对收益,x为PETTM百分位[22] 4. 相对估值模型将中证红利PETTM除以万得全A PETTM,构建类似回归方程[28] 3. **模型名称**:价量回归模型 - **模型构建思路**:结合价格均线突破权重与成交拥挤度预测收益[23][29] - **模型具体构建过程**: 1. 价格维度:计算120日均线上成分股权重合计,建立回归方程: $$ y = -0.2387x + 0.2133 $$ 其中y为未来一年绝对收益,x为均线上权重占比[25] 2. 成交维度:计算近三年成交额百分位,建立回归方程: $$ y = -0.3852x + 0.3443 $$ 相对成交额模型额外计算中证红利/万得全A成交额比率[34] 4. **因子名称**:红利风格暴露因子 - **因子构建思路**:标准化季度股息率因子,计算偏股型基金前十大重仓的红利暴露度[35] - **因子具体构建过程**: 1. 对每只股票计算标准化股息率 2. 按基金持仓加权汇总暴露度 3. 历史数据显示暴露度与中证红利收益呈正相关[37][38] 模型与因子的回测效果 1. **中证红利超额收益择时模型** - 年化收益8.25%(2010-2025)[8] - 2025年收益-5.28%[8] 2. **估值回归模型** - 绝对PETTM模型:近三年百分位96.93%时预测未来一年收益-0.65%[18] - 相对PETTM模型:76.50%百分位时预测超额收益0.95%[20] 3. **价量回归模型** - 价格维度:58.44%权重在120日均线上时预测收益7.38%[23] - 成交维度:76.64%成交百分位时预测收益4.91%[29] - 相对成交维度:6.54%百分位时预测一月超额收益0.78%[30] 4. **红利50优选组合** - 近一年绝对收益12.03%,超额3.31%[45] - 2022年以来累计超额22.83%[45] 5. **红利风格暴露因子** - 2024Q4暴露度0.45,创2019年新高[35] - 与中证红利收益相关系数0.39-0.45[36]
14只科创综指相关基金产品获批,全球首支代币化货币市场ETF面世
东方证券· 2025-03-30 12:43
金融工程 | 动态跟踪 14 只科创综指相关基金产品获批,全 球首支代币化货币市场 ETF 面世 风险提示 报告发布日期 2025 年 03 月 30 日 | 一、基金市场热点跟踪 3 | | --- | | 二、基金发行动态 3 | | 2.1 新成立基金 4 | | 2.2 新发行基金 5 | | 2.3 基金经理变更 6 | | 三、基金业绩表现 7 | | 3.1 上周业绩 7 | | 3.2 年初至今业绩 8 | | 四、场内基金动态 9 | | 风险提示 12 | | | | 杨怡玲 | yangyiling@orientsec.com.cn | | --- | --- | --- | --- | | 研究结论 | | 1111111111 | 执业证书编号:S0860523040002 | | | | 邱蕊 | 021-63325888*5091 | | ⚫ | 基金市场热点跟踪:1. 14 只科创综指相关基金产品获批:3 月 27 日,11 只科创综 | | qiurui@orientsec.com.cn | | | 指场外指数增强基金和 3 只场外指数基金正式拿到监管批文,该批产品均于 2 ...
东方因子周报:Value风格登顶,3个月盈利上下调因子表现出色-2025-03-30
东方证券· 2025-03-30 12:43
金融工程 | 动态跟踪 Value 风格登顶,3 个月盈利上下调因子表 现出色 ——东方因子周报 杨怡玲 yangyiling@orientsec.com.cn 执业证书编号:S0860523040002 研究结论 风格表现监控 本周市场正收益风格集中在 Value 风格上,负收益风格表现在 Beta 风格上。3 个月 盈利上下调是中证全指成分股中,本周表现最好的因子。 因子表现监控 公募基金指数增强产品表现跟踪 风险提示 量化模型失效风险、 市场极端环境冲击。 | 一、风格因子近期表现 4 | | --- | | 二、因子表现监控 5 | | 因子库 5 | | 沪深 300 样本空间中的因子表现 6 | | 中证 500 样本空间中的因子表现 7 | | 中证 800 样本空间中的因子表现 8 | | 中证 1000 样本空间中的因子表现 9 | | 国证 2000 样本空间中的因子表现 10 | | 创业板指样本空间中的因子表现 11 | | 中证全指样本空间中的因子表现 12 | | 三、公募基金指数增强产品表现跟踪 13 | | 沪深 300 指数增强产品表现 13 | | 中证 500 指数增强产 ...
金融工程市场跟踪周报:交易主线不明,短线仍为震荡
光大证券· 2025-03-30 12:00
根据提供的研报内容,以下是量化模型与因子的详细总结: 量化模型与构建方式 1. **模型名称**:沪深300上涨家数占比情绪指标 - **模型构建思路**:通过计算指数成分股的近期正收益个数来判断市场情绪,正收益股票增多时可能处于行情底部,大部分股票正收益时可能情绪过热[24] - **模型具体构建过程**: 1. 计算沪深300指数N日上涨家数占比: $$ \text{上涨家数占比} = \frac{\text{过去N日收益大于0的个股数}}{\text{成分股总数}} $$ 2. 使用N=230日窗口计算原始指标 3. 对指标进行双重平滑处理(N1=50日慢线,N2=35日快线) 4. 当快线>慢线时生成看多信号[26][28] - **模型评价**:能较快捕捉上涨机会但会错失持续亢奋阶段的收益,对下跌市场判断存在缺陷[25] 2. **模型名称**:均线情绪指标 - **模型构建思路**:通过八均线体系判断指数趋势状态,将均线区间值转换为-1/0/1三档情绪信号[32] - **模型具体构建过程**: 1. 计算沪深300收盘价的8条均线(参数:8/13/21/34/55/89/144/233日) 2. 统计当日收盘价大于各均线的数量 3. 当超过5条均线被突破时看多指数[35] - **模型评价**:能有效识别趋势状态但存在滞后性[32] 量化因子与构建方式 1. **因子名称**:横截面波动率因子 - **因子构建思路**:衡量指数成分股间收益率的离散程度,反映Alpha机会丰富度[36] - **因子具体构建过程**: 1. 每日计算成分股收益率的标准差 $$ \sigma_{cross} = \sqrt{\frac{1}{N}\sum_{i=1}^N (r_i - \bar{r})^2} $$ 2. 按5日/季度/半年/年不同窗口计算移动平均[37][39] 2. **因子名称**:时间序列波动率因子 - **因子构建思路**:衡量指数成分股自身收益波动幅度,反映市场波动环境[40] - **因子具体构建过程**: 1. 计算各成分股20日收益率标准差 2. 按成分股市值加权得到指数整体时序波动率 $$ \sigma_{time} = \sum_{i=1}^N w_i \cdot \sigma_i $$ 3. 同样采用多时间窗口平滑处理[41][43] 模型的回测效果 1. **沪深300上涨家数占比模型**: - 年化收益率:8.2% - 最大回撤:22.5% - 胜率:63.4%[29] 2. **均线情绪指标模型**: - 年化收益率:6.8% - 信息比率(IR):0.85 - 月胜率:58.7%[35] 因子的回测效果 1. **横截面波动率因子**: - 沪深300近半年均值:2.05% - 中证1000近一季度值:2.48%(处于近半年62.55%分位)[39] 2. **时间序列波动率因子**: - 中证500近一年均值:0.47% - 当前值:0.44%(处于近半年34.13%分位)[43] 注:所有测试结果均基于2010-2025年历史数据回测[24][39]
金融工程市场跟踪周报:交易主线不明,短线仍为震荡-2025-03-30
光大证券· 2025-03-30 11:20
根据提供的研报内容,以下是量化模型与因子的详细总结: 量化模型与构建方式 1. **沪深300上涨家数占比情绪指标** - 模型构建思路:通过计算指数成分股的近期正收益个数来判断市场情绪,强势股的持续上行能为整个板块带来机会[24] - 具体构建过程: - 计算沪深300指数N日上涨家数占比: $$ N日上涨家数占比 = \frac{过去N日收益>0的个股数}{成分股总数} $$ - 当占比高于60%时市场情绪较好,过热时(大部分股票正收益)提示下跌风险[24][25] - 模型评价:能较快捕捉上涨机会,但会错失持续亢奋阶段的收益,对下跌市场判断存在缺陷[25] 2. **动量情绪指标择时策略** - 模型构建思路:通过双重平滑处理上涨家数占比指标,捕捉情绪拐点[26] - 具体构建过程: - 对230日上涨家数占比分别进行50日和35日移动平均(慢线/快线)[26] - 当快线>慢线时看多市场,反之持中性态度[28] - 模型评价:当前快线位于慢线下方,预示未来维持谨慎观点[26][27] 3. **均线情绪指标** - 模型构建思路:基于八均线体系判断趋势状态,将技术形态量化[32] - 具体构建过程: - 计算沪深300收盘价的8条均线(参数:8/13/21/34/55/89/144/233)[32] - 当前价格大于均线的数量超过5时看多,否则持中性态度[35] - 模型评价:近期处于非景气区间,与净值走势吻合[32][33] 量化因子与构建方式 1. **横截面波动率因子** - 因子构建思路:衡量成分股间收益离散程度,反映Alpha机会[36] - 具体构建过程: - 计算指数成分股日收益率的横截面标准差[36] - 近期值:沪深300(1.84%)、中证500(2.10%)、中证1000(2.48%)[39] - 因子评价:当前中证1000波动率处于近半年62.55%分位,Alpha环境最佳[36][39] 2. **时间序列波动率因子** - 因子构建思路:捕捉成分股自身波动特征[40] - 具体构建过程: - 计算指数成分股20日年化波动率的加权平均值[40] - 近期值:沪深300(0.58%)、中证500(0.44%)、中证1000(0.27%)[41] - 因子评价:中证500波动率处于近半年34.13%分位,环境较差[41] 模型回测效果 1. **动量情绪指标择时策略** - 年化收益率:未明确披露,净值曲线显示3.5倍累计收益(2010-2025)[29] - 最大回撤:约40%(2015年股灾期间)[29] 2. **均线情绪指标择时策略** - 年化收益率:策略净值0.9倍(基准净值1.8倍)[34] - 信号稳定性:八均线指标值近期在4-6区间震荡[33] 因子回测效果 1. **横截面波动率因子** - 近两年分位数:中证1000(51.39%)[39] - 近半年分位数:沪深300(74.27%)[39] 2. **时间序列波动率因子** - 近一年分位数:中证500(40.48%)[41] - 对冲成本年化:中证1000期货(11.65%)[60] 注:部分模型如量能择时仅给出信号(当前全市场空头)未披露构建细节[23][24]
四月行情展望
长江证券· 2025-03-29 22:11
根据提供的研报内容,经全面梳理后确认:该报告为市场行情分析类报告,未涉及量化模型或量化因子的构建、测试及评价相关内容[1][43][44]。报告核心聚焦于港股/A股各板块指数(如恒生科技、沪深300等)的技术面分析及支撑位判断[6][21][24][27][30][33][36][39][41],但未出现以下关键要素: 1. 量化模型/因子的名称、构建思路或数学表达式 2. 因子IC值、IR值等量化指标测试结果 3. 模型回测绩效数据(年化收益、最大回撤等) 4. 多因子组合或复合因子构建方法 报告技术分析部分主要采用移动平均线(MA60/MA120)作为参考指标[22][25][28][31][34][37][41],但未形成系统性的量化策略框架。建议查阅其他量化专题研报以获取相关建模细节。
一周市场数据复盘20250328
华西证券· 2025-03-29 22:07
仅供机构投资者使用 上周涨幅最大的行业是医药生物、农林牧渔,分别上涨 0.98%、0.56%;跌幅最大的行业是计算机、国防军工,分别 下跌 4.89%、3.98%。 今年以来有色金属、汽车行业表现最好,分别上涨 12.96%、12.30%。 PE 分位数最高的三个行业是钢铁、建筑材料、机械设 备,分别为 100%、98%、98%;PE 分位数最低的三个行业 是公用事业、食品饮料、社会服务,分别为 5%、9%、11%。 ► 行业拥挤度 证券研究报告|金融工程研究报告 2025 年 3 月 29 日 [Table_Title] 一周市场数据复盘 20250328 [►Table宽_S基um指m数ar表y]现 上周多数指数出现下跌。中证 2000、中证 1000 跌幅较 大,分别下跌 3.90%、2.14%;上证 50 表现最好,上涨 0.16%。 今年以来小盘风格表现最好,中证 2000、中证 1000 指数 涨幅排名靠前,分别上涨 8.40%、5.21%。 ► 行业指数表现 我们使用行业指数最近一周价格和成交金额变动的马氏距 离衡量拥挤度。 上周纺织服饰行业出现短期交易超跌。 评级及分析师信息 [分Ta析b师l ...
市场降温VIX全面下移,警惕中证500尾部风险
信达证券· 2025-03-29 21:24
量化模型与构建方式 1. **模型名称:股指期货分红点位预测模型** - **模型构建思路**:基于历史分红数据和指数成分股特征,预测未来一年内股指期货合约存续期内的分红点位[8] - **模型具体构建过程**: 1. 收集标的指数(如中证500、沪深300等)成分股的历史分红数据 2. 结合公司财报、行业分红规律等,预测未来一年内各成分股的分红时点和金额 3. 汇总成分股分红数据,计算指数分红点位 4. 按合约存续期划分,输出各合约存续期内的分红点位预测值 - 示例(中证500): - IC2504存续期内分红点位:0.4 - IC2505存续期内分红点位:5.18 - IC2506存续期内分红点位:46.02 - IC2509存续期内分红点位:79.61[8][9] 2. **模型名称:基差修正模型** - **模型构建思路**:剔除分红对股指期货基差的影响,计算年化调整后的基差[19] - **模型具体构建过程**: 1. 计算实际基差:合约收盘价 - 标的指数收盘价 2. 叠加存续期内未实现的预期分红: $$预期分红调整后的基差 = 实际基差 + 存续期内未实现的预期分红$$ 3. 年化处理: $$年化基差 = \frac{实际基差 + 预期分红点位}{指数价格} \times \frac{360}{合约剩余天数}$$[19] 3. **模型名称:期现对冲策略(连续对冲/最低贴水策略)** - **模型构建思路**:通过动态调整期货合约对冲现货风险,优化基差收敛收益[45][46] - **模型具体构建过程**: - **连续对冲策略**: 1. 现货端持有标的指数全收益指数(70%资金) 2. 期货端做空等额名义本金的股指期货合约(30%资金) 3. 调仓规则:持有季月/当月合约至到期前2日,切换至下一合约[44] - **最低贴水策略**: 1. 调仓时计算所有可交易合约的年化基差 2. 选择贴水幅度最小的合约开仓 3. 持有8个交易日或到期前2日切换[45] 4. **模型名称:信达波动率指数(Cinda-VIX)** - **模型构建思路**:借鉴海外VIX编制方法,反映期权市场对标的资产未来波动的预期[60] - **模型具体构建过程**: 1. 选取不同行权价的期权合约隐含波动率(IV) 2. 加权计算期限结构,输出30日/60日/90日/120日VIX值 - 示例(2025年3月28日): - 上证50VIX_30:17.09 - 中证500VIX_30:24.95[60][61] 5. **模型名称:信达偏斜指数(Cinda-SKEW)** - **模型构建思路**:通过期权隐含波动率偏斜程度,衡量市场对尾部风险的预期[69] - **模型具体构建过程**: 1. 分析虚值看涨/看跌期权的IV偏斜特征 2. 计算SKEW指数(>100表示市场担忧下跌风险) - 示例(2025年3月28日): - 中证500SKEW:103.33(历史分位>90%)[70][74] --- 模型的回测效果 1. **IC对冲策略(2022年7月22日-2025年3月28日)** - 年化收益:最低贴水策略-0.84%,季月连续对冲-1.77% - 波动率:最低贴水策略4.82%,季月连续对冲4.91% - 最大回撤:最低贴水策略-7.97%,季月连续对冲-8.34%[47] 2. **IF对冲策略(同区间)** - 年化收益:最低贴水策略1.40%,季月连续对冲0.85% - 波动率:最低贴水策略3.01%,季月连续对冲3.22% - 最大回撤:最低贴水策略-4.06%,季月连续对冲-4.03%[52] 3. **IH对冲策略(同区间)** - 年化收益:最低贴水策略1.70%,季月连续对冲2.01% - 波动率:最低贴水策略3.04%,季月连续对冲3.48% - 最大回撤:最低贴水策略-3.91%,季月连续对冲-3.75%[54] 4. **IM对冲策略(同区间)** - 年化收益:最低贴水策略-3.48%,季月连续对冲-4.02% - 波动率:最低贴水策略5.16%,季月连续对冲5.29% - 最大回撤:最低贴水策略-11.11%,季月连续对冲-12.63%[57] --- 量化因子与构建方式 1. **因子名称:年化基差因子** - **因子构建思路**:反映期货合约相对现货的溢价/折价水平,考虑分红调整[19] - **因子具体构建过程**: $$年化基差 = \frac{合约价格 - 指数价格 + 预期分红点位}{指数价格} \times \frac{360}{剩余天数}$$ - 示例(2025年3月28日): - IC2506年化基差:-7.39% - IH2506年化基差:2.64%[20][26][36] 2. **因子名称:VIX期限结构因子** - **因子构建思路**:通过不同期限VIX差值捕捉波动率曲线形态[60] - **因子具体构建过程**: - 计算30日/60日/90日VIX差值(如中证500VIX_30 - VIX_60) - 正向结构(近低远高)反映市场对远期波动担忧[61][64] 3. **因子名称:SKEW分位数因子** - **因子构建思路**:标准化SKEW指数历史分位数,识别极端尾部风险[70] - **因子具体构建过程**: - 中证500SKEW历史分位数>90%时触发预警[70][74] --- 因子的回测效果 1. **年化基差因子(IC合约)** - 2025年3月28日值:-7.39%(低于2022年以来中位数)[20] - 与对冲策略收益显著负相关(贴水收窄导致策略回撤)[47][57] 2. **VIX因子(中证500)** - 30日VIX值:24.95(2025年3月28日)[60] - 期限结构平坦化反映短期波动预期降温[4] 3. **SKEW因子(中证500)** - 近月SKEW值:103.33(历史分位>90%)[70] - 高值持续预示衍生品市场对下跌风险的警惕[4][74]