量化模型与构建方式 1. **模型名称**：择时雷达六面图 - **模型构建思路**：从流动性、经济面、估值面、资金面、技术面、拥挤度六个维度选取21个指标，综合生成[-1,1]区间的择时分数，划分为"估值性价比"、"宏观基本面"、"资金&趋势"、"拥挤度&反转"四大类[1][6] - **模型具体构建过程**： 1. **流动性维度**：货币方向因子（货币政策利率变化方向）、货币强度因子（DR007偏离度）、信用方向因子（中长期贷款同比）、信用强度因子（新增贷款超预期幅度）[10][14][17][22] 2. **经济面维度**：增长方向因子（PMI同比）、增长强度因子（PMI超预期幅度）、通胀方向因子（CPI/PPI组合）、通胀强度因子（通胀数据超预期幅度）[26][28][31][32] 3. **估值面维度**：席勒ERP（6年通胀调整PE倒数减国债收益率）、PB（市净率zscore）、AIAE（权益配置比例zscore）[38][40][44] 4. **资金面维度**：内资（两融增量、成交额趋势）、外资（CDS利差、海外风险厌恶指数）[47][50][53][56] 5. **技术面维度**：价格趋势（均线距离）、新高新低数（成分股反转信号）[59][62] 6. **拥挤度维度**：衍生品（期权隐含升贴水、VIX、SKEW）、可转债定价偏离度[65][66][71][74] 量化因子与构建方式 1. **因子名称**：货币方向因子 - **构建思路**：判断货币政策宽松/收紧方向[10] - **具体构建**：计算央行货币政策工具利率与短端市场利率90天平均变化方向，>0为宽松（分数1），<0为收紧（分数-1）[10] 2. **因子名称**：货币强度因子 - **构建思路**：量化短端利率偏离政策利率的程度[14] - **具体构建**： $$偏离度 = \frac{DR007}{7天逆回购利率} - 1$$ 平滑后zscore，<-1.5σ为宽松（分数1），>1.5σ为收紧（分数-1）[14] 3. **因子名称**：信用强度因子 - **构建思路**：捕捉信用数据超预期幅度[22] - **具体构建**： $$信用强度因子 = \frac{新增人民币贷款 - 预期中位数}{预期标准差}$$ >1.5σ为超预期（分数1），<-1.5σ为不及预期（分数-1）[22] 4. **因子名称**：席勒ERP - **构建思路**：消除周期影响的股权风险溢价[38] - **具体构建**： $$席勒ERP = \frac{1}{席勒PE} - 10年期国债收益率$$ 计算3年zscore并截尾标准化至±1[38] 5. **因子名称**：价格趋势因子 - **构建思路**：捕捉中长期动量信号[59] - **具体构建**： $$均线距离 = \frac{ma120}{ma240} - 1$$ 方向分数（>0为1，反之为-1）与强度分数（20/60日极值）取均值[59] 模型回测效果 1. **择时雷达六面图**： - 综合打分0.18（中性偏多）[8] - 细分维度得分： - 流动性-0.50（看空）[8] - 经济面0.75（看多）[8] - 估值面0.28（中性偏多）[8] - 资金面0.00（中性）[8] - 技术面-0.25（中性偏空）[8] - 拥挤度0.51（看多）[8] 因子回测效果 1. **货币方向因子**：当前分数1（看多）[11] 2. **货币强度因子**：当前分数-1（看空）[14] 3. **信用方向因子**：当前分数-1（看空）[18] 4. **席勒ERP**：当前分数0.56[42] 5. **AIAE**：当前分数0.19[44] 6. **期权SKEW**：当前分数1（看多）[71] （注：因子评价部分原文未提供定性分析，故未列出）

根据研报内容，以下是量化模型与因子的详细总结： 量化因子与构建方式 风格类风险因子（DFQ-2020模型） 1. **Size因子** 构建思路：反映市值规模效应[14] 具体构建：总市值对数作为暴露值[14] 2. **Beta因子** 构建思路：衡量个股系统性风险[14] 具体构建：采用贝叶斯压缩后的市场Beta值[14] 3. **Trend因子** 构建思路：捕捉不同时间窗口的趋势效应[14] 具体构建： $$Trend_{120} = EWMA(halflife=20)/EWMA(halflife=120)$$ $$Trend_{240} = EWMA(halflife=20)/EWMA(halflife=240)$$[14] 4. **Volatility因子** 构建思路：衡量股票波动特征[14] 具体构建：包含5个子指标 - Stdvol：243天标准差 - Ivff：Fama-French三因子特质波动率 - Range：最高价/最低价-1 - MaxRet_6/MinRet_6：极端收益均值[14] 5. **Liquidity因子** 构建思路：反映交易活跃度[14] 具体构建： - TO：243天平均对数换手率 - Liquidity beta：个股与市场换手率的回归系数[14] 6. **Growth因子** 构建思路：衡量成长性[14] 具体构建： - Delta ROE：3年ROE变动均值 - Sales_growth：销售收入3年复合增速 - Na_growth：净资产3年复合增速[14] 多维度因子库 1. **估值类因子** - BP（账面市值比）：净资产/总市值[18] - Quart_EP（单季市盈率倒数）：单季归母净利润/总市值[18] - TTM_EP（滚动市盈率倒数）：归母净利润TTM/总市值[18] 2. **成长类因子** - YOY_Quart_NP：单季净利润同比增速[18] - SUE（标准化预期外盈利）： $$(单季实际净利-预期净利)/预期净利标准差$$[18] 3. **盈利类因子** - Quart_ROE：单季净资产收益率[18] - Quart_ROA：单季总资产收益率[18] 4. **分析师预期类因子** - FNP_QOQ_PERC_3M：预期净利润环比增幅[18] - UD_PCT：分析师上下调数量差占比[18] 5. **流动性类因子** - TURNOVER_1M：20日换手率均值[18] - ILLIQ_1M：20日涨跌幅绝对值/成交额的均值[18] 因子回测效果 沪深300样本空间 1. **一个月反转因子** 最近一周：0.74% 最近一月：1.85% 今年以来：6.04%[21] 2. **预期PEG因子** 最近一周：0.63% 最近一月：2.40% 今年以来：2.17%[21] 3. **单季ROE因子** 最近一周：0.42% 最近一月：1.22% 今年以来：2.63%[21] 中证500样本空间 1. **盈余公告开盘跳空超额因子** 最近一周：0.76% 最近一月：0.58% 今年以来：-0.23%[25] 2. **单季EP因子** 最近一周：0.66% 最近一月：-0.04% 今年以来：-0.03%[25] 中证全指样本空间 1. **单季ROE因子** 最近一周：1.46% 最近一月：1.95% 今年以来：1.37%[43] 2. **三个月反转因子** 最近一周：1.01% 最近一月：-0.09% 今年以来：2.38%[43] 模型构建方法 **MFE组合优化模型** 目标函数：最大化单因子暴露 约束条件包括： - 风格暴露限制：$$s_l \leq X(w-w_b) \leq s_h$$ - 行业偏离限制：$$h_l \leq H(w-w_b) \leq h_h$$ - 换手率约束：$$\Sigma|w-w_0| \leq to_h$$[55] 优化方法：线性规划求解[56]

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**：宽基形态择时策略 - **构建思路**：基于宽基指数成分股的形态信号（如K线形态）构建多空比率剪刀差，判断市场趋势[17] - **具体构建过程**： 1. 统计指数成分股中每日出现看多/看空形态的股票数量 2. 计算多空比率剪刀差： $$ \text{剪刀差} = \text{看多数量} - \text{看空数量} $$ $$ \text{剪刀差比率} = \frac{\text{剪刀差}}{\text{成分股总数}} $$ 3. 根据剪刀差比率阈值生成择时信号（如看多、中性、看空）[17] - **模型评价**：历史回溯表现优秀，跑赢基准指数的比率达100%[17] 2. **模型名称**：行业形态择时策略 - **构建思路**：类似宽基策略，但针对中信一级行业成分股构建信号[17] - **具体构建过程**： 1. 对每个行业成分股统计形态信号（如金针探底、火箭发射等） 2. 若当日无信号，则看多/看空数量记为0 3. 计算行业多空剪刀差及比率，生成择时信号[17] --- 量化因子与构建方式 1. **因子名称**：隐含波动率（恐慌指数） - **构建思路**：采用Heston模型计算近月平值期权的隐含波动率，反映市场波动预期[9] - **具体构建过程**： 1. 选取近月到期的平值期权合约 2. 通过Heston模型反推波动率参数： $$ dS_t = \mu S_t dt + \sqrt{v_t} S_t dW_t^1 $$ $$ dv_t = \kappa (\theta - v_t) dt + \sigma \sqrt{v_t} dW_t^2 $$ 3. 输出隐含波动率作为恐慌指数[9] 2. **因子名称**：特殊K线形态因子（如火箭发射、金针探底） - **构建思路**：识别特定K线形态（如长下影线、高波动十字星）作为价格反转信号[25] - **具体构建过程**： 1. **火箭发射形态**：当日涨幅>5%，下影线长度占K线实体的80%以上，收盘价接近最高价[25] 2. **金针探底形态**：出现在20日低位，下影线长度>80%，收盘价=开盘价（十字星）[25] --- 模型的回测效果 1. **宽基形态择时策略**： - 上证50：年化收益11.69%，最大回撤21.81%[16] - 中证500：年化收益20.01%，最大回撤41.19%[16] - 沪深300：年化收益11.67%，最大回撤24.25%[16] 2. **行业形态择时策略**： - 商贸零售：年化收益19.46%，最大回撤43.39%[18] - 电力及公用事业：年化收益17.38%，最大回撤41.46%[20] - 银行：年化收益11.70%，最大回撤19.52%[20] --- 因子的回测效果 1. **隐含波动率因子**： - 上证50波动率：12.37%（周环比+0.71%）[11] - 中证1000波动率：19.61%（周环比-0.06%）[11] 2. **特殊K线形态因子**： - 火箭发射形态：70%胜率（如禾望电气）[32] - 金针探底形态：历史正向收益概率>60%[25] --- 注：以上内容已排除免责声明、风险提示等非核心信息，严格按文档引用规则标注来源[序号]。

根据提供的金融工程周报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. **模型名称**：大类资产市场概况模型 **模型构建思路**：通过跟踪全球主要市场指数、债券收益率、商品价格及外汇汇率的变化，构建大类资产市场表现的量化模型[4][9][10][26][27][32][33][39] **模型具体构建过程**： - 权益市场：采集A股/港股/美股主要指数涨跌幅，按市值风格（大盘/中盘/小盘）和行业分类计算收益分布[9][10][11][12][13][15][17][18][19][22] - 债券市场：计算国债收益率变动（1/3/10年期）、信用利差（企业债-国债）及中美利差[26][27][28][29][31] - 商品市场：跟踪原油/黄金/工业金属等商品的绝对收益和南华指数分类表现[32][33][34][35][37][38] - 外汇市场：监控主要货币兑人民币汇率变动及美元指数与黄金价格相关性[39][41][42][43] 2. **模型名称**：基金业绩归因模型 **模型构建思路**：基于基金类型分类（权益/固收/QDII等）分析业绩表现与市场基准的关联性[44][45][46][47][51][55][56] **模型具体构建过程**： - 按基金类别统计规模占比（固收基金占67.77%，权益基金占22.78%）[47][50] - 计算各类基金不同时间维度的回报率（近1周/1月/1年），并与对应市场指数（如纳斯达克指数与QDII基金）进行相关性分析[51][55][56][57] 量化因子与构建方式 1. **因子名称**：市场风格因子 **因子构建思路**：通过A股市场不同市值风格（大盘价值/小盘成长等）的收益差异捕捉风格轮动[9][12][13] **因子具体构建过程**： $$风格收益 = \frac{指数_{风格}}{指数_{基准}} - 1$$ 其中基准采用沪深300指数，风格分类包括大盘价值（本周+1.45%）、小盘成长（-0.20%）等[13] 2. **因子名称**：商品动量因子 **因子构建思路**：利用商品期货价格变化率构建趋势跟踪因子[32][33][34][37] **因子具体构建过程**： $$动量值 = \frac{价格_{t}}{价格_{t-5}} - 1$$ 应用于沪铜（本周+0.93%）、沪铝（+3.03%）等品种[34] 模型的回测效果 1. **大类资产市场概况模型**： - A股中证2000指数近1周收益0.97%，北证50收益3.13%[9] - 10年期美债收益率变动-4BP，期限利差收窄至45BP[27][31] - 南华贵金属指数近1周下跌3.25%[37] 2. **基金业绩归因模型**： - QDII基金近1周平均收益2.14%，跑赢恒生指数（2.09%）[51] - 商品基金近1周亏损3.58%，与COMEX黄金（-3.72%）表现一致[54][55] 因子的回测效果 1. **市场风格因子**： - 大盘成长风格近1月累计收益3.45%，显著优于小盘成长（-0.20%）[13][55] 2. **商品动量因子**： - 沪铝近1月动量值达3.03%，同期原油动量值为-2.10%[34][37] 注：报告中未提及对模型/因子的定性评价，故未包含相关描述[1][2][3][6][8][60][61][62][63][64][65][66]

2025 年 05 月 18 日 主力资金有效性持续修复，景气预期超额收益开 始抬头 —行业和风格因子跟踪报告 投资要点 ▌ 行业因子最新变动情况 上周 3400 得而复失，回调后仍站上 3350。我们最新推荐 的非银行业收益亮眼。因子角度来看近期市场热点受事件 驱动影响较大，分析师短期预期表现更好，也能抓住非银 的反弹行情。此外市场资金驱动特征明显，主力资金因子 多头的非银、汽车领涨市场。动量反转层面处于反转因子 和短端动量的交接时刻，可以提前关注短期动量有效性的 回升。财报质量因子继续偏向成长口径，景气投资思路有 效性开始小幅回升。 整体看行业轮动因子指向内需成长板块：大盘成交金额持 续在 1.1 万亿以上，主题投资和景气投资均有反弹，主力 资金因子反弹延续，本期主力资金因子行业选择电子、电 力设备及新能源、医药、机械、有色金属、非银行金融。 长期分析师预期非银行金融、建材、交通运输、电力及公 用事业、有色金属，空头无意义。短期分析师预期指向农 林牧渔、消费者服务、非银行金融、机械、有色金属。本 期选择行业继续偏向内需中的成长，继续关注低位消费短 期反弹机会。 ▌ 定量行业推荐 基于权重分配，我们推荐内资 ...

根据提供的量化市场追踪周报内容，总结如下： 量化模型与构建方式 1. **行业轮动模型** - **模型构建思路**：基于绩优基金持仓倾向的边际变化构建行业轮动信号，捕捉机构资金配置方向[36] - **具体构建过程**： 1. 筛选绩优基金样本（近1年业绩前30%） 2. 计算行业超配比例：$$超配比例 = \frac{基金持仓权重 - 基准权重}{基准权重}$$ 3. 生成行业排名信号（1-28分位数），超配行业得分更高[36][40] - **模型评价**：对机构重仓行业（如电子、医药）的调仓行为敏感，但需结合动量因子优化短期效果[36] 2. **ETF资金流监控模型** - **模型构建思路**：通过主力/主动资金流划分标准（特大单/大单/中小单）追踪资金动向[58] - **具体构建过程**： 1. 按成交量划分资金类型： - 特大单：成交量>20万股或金额>100万元 - 大单：6-20万股或30-100万元 - 中小单：≤6万股或≤30万元 2. 计算净流入额：$$净流入额=\sum(主动买入金额-主动卖出金额)$$[58][59] 量化因子与构建方式 1. **基金仓位因子** - **因子构建思路**：通过持股市值加权计算主动权益基金在不同风格的仓位暴露[31] - **具体构建过程**： 1. 按市值-成长性矩阵划分6类风格：大盘成长/价值、中盘成长/价值、小盘成长/价值 2. 计算仓位变化：$$\Delta仓位 = 本周仓位 - 上周仓位$$[31][35] 2. **行业超配因子** - **因子构建思路**：衡量基金行业配置相对于基准的偏离程度[12] - **具体构建过程**： 1. 计算基准权重（如中证全指行业权重） 2. 计算超配比例：$$超配比例 = \frac{基金行业配置比例}{基准行业比例} - 1$$[12][35] 模型的回测效果 1. **行业轮动模型** - 多头组合年化超额收益：15.6%（vs 中证全指）[38] - 信息比率(IR)：1.32（2020-2025年）[38] 2. **ETF资金流模型** - 主力资金净流入TOP3行业：汽车（38.3亿）、机械（21.0亿）、基础化工（24.0亿）[59][63] - 主动资金净流出TOP3行业：非银金融（-19.6亿）、交通运输（-12.7亿）、银行（-11.1亿）[59][65] 因子的回测效果 1. **基金仓位因子** - 小盘成长仓位：49.11%（周环比+0.51pct）[31] - 电子行业仓位：17.65%（周环比-0.41pct）[35] 2. **行业超配因子** - 超配前三行业：电子（+17.65%）、医药（+11.80%）、电力设备（+7.01%）[35] - 低配前三行业：非银金融（-2.04%）、银行（-3.80%）、交通运输（-1.67%）[35] 数据说明 - 仓位测算样本：成立满两季度、规模>5000万、历史平均仓位>60%的主动权益基金[26] - 资金流数据来源：同花顺iFinD划分标准[58]

金融工程 | 金工定期报告 2025 年 05 月 18 日 作者 吴先兴 分析师 SAC 执业证书编号：S1110516120001 wuxianxing@tfzq.com 相关报告 1 《金融工程：金融工程-因子跟踪周 报：小市值、资产周转率因子表现较好 -20250516》 2025-05-17 2 《金融工程：金融工程-哪些行业进 入高估区域？——估值与基金重仓股配 置监控 2025-05-17》 2025-05-17 3 《金融工程：金融工程-基金持仓与 基准偏离视角下的行业潜在冲击研究》 2025-05-14 金融工程 证券研究报告 量化择时周报：等待缩量 等待缩量 上周周报(20250512)认为：短期市场风险偏好在宏观不确定性和技术形态 的压制下，较难快速提升，建议维持中性仓位。最终 wind 全 A 全周上涨 0.72%。市值维度上，上周代表小市值股票的中证 2000 上涨 0.97%，中盘股 中证 500 下跌 0.1%，沪深 300 上涨 1.12%，上证 50 上涨 1.22%;上周中信一 级行业中，表现较强行业包括汽车、非银金融，汽车上涨 2.71%，国防军工、 计算机表现较弱，国防 ...

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：全天候模型** - **模型构建思路**：通过技术面信号识别市场风险，预测震荡整理期[7] - **模型具体构建过程**：未披露具体公式，但基于多维度技术指标（如趋势线、波动率等）综合判断市场状态[7] - **模型评价**：对短期市场调整的预警效果较好，历史回测符合预期[7] 2. **模型名称：周期分析模型** - **模型构建思路**：监控不同级别趋势（如周线、日线）以区分短期调整与中长期趋势[7] - **模型具体构建过程**：未披露具体公式，但通过分解价格序列的周期成分（如傅里叶变换或小波分析）判断趋势持续性[7][8] - **模型评价**：有效区分短期波动与趋势反转，辅助判断市场蓄势阶段[7] 3. **模型名称：四轮驱动行业轮动模型** - **模型构建思路**：结合行业动量、拥挤度、止损信号等动态筛选优势行业[7][16] - **模型具体构建过程**： - **信号类型**：包括“强势上涨中继”“赚钱效应异动”等，触发条件未公开[16] - **止损规则**：基于顶背驰、死叉等技术信号动态出局[16] - **排序逻辑**：综合过去1年Sharpe比率、拥挤度等指标排序行业[16] - **模型评价**：多因子复合框架，兼顾进攻与防御性[16] --- 模型的回测效果 1. **全天候模型**：未披露具体指标值[7] 2. **周期分析模型**：未披露具体指标值[7][8] 3. **四轮驱动行业轮动模型**： - **行业推荐结果**：军工（Sharpe排序10）、家电（-12）、农林牧渔（28）等[16] --- 量化因子与构建方式 1. **因子名称：行业动量因子** - **因子构建思路**：捕捉行业短期赚钱效应异动信号[16] - **因子具体构建过程**：未披露公式，但涉及价格突破、成交量配合等条件[16] 2. **因子名称：拥挤度因子** - **因子构建思路**：监测行业交易过热风险（如0表示未拥挤）[16] - **因子具体构建过程**：可能基于换手率、资金流入等标准化指标[16] 3. **因子名称：Sharpe比率排序因子** - **因子构建思路**：按过去1年风险调整收益（Sharpe）排名行业[16] - **因子具体构建过程**： $$Sharpe = \frac{E[R_p - R_f]}{\sigma_p}$$ 其中 \(R_p\) 为行业收益，\(R_f\) 为无风险利率，\(\sigma_p\) 为收益波动率[16] --- 因子的回测效果 1. **行业动量因子**：未披露独立指标值[16] 2. **拥挤度因子**：家电、农林牧渔等拥挤度为0[16] 3. **Sharpe比率排序因子**：军工（10）、电子（3）、传媒（无数据）等[16] --- 注：未提及的模型/因子细节（如公式、指标口径）均因原文未披露而省略[7][16]

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**：成交量模型 - **构建思路**：基于市场成交量变化判断短期市场趋势[12] - **具体构建**：监测宽基指数成交量周环比变化，结合历史分位数阈值划分多空信号。当成交量突破80分位数且持续放量时触发看多，跌破20分位数时触发看空[12] - **评价**：对市场流动性变化敏感，但易受极端值干扰 2. **模型名称**：低波动率模型 - **构建思路**：利用波动率均值回归特性捕捉市场反转信号[12] - **具体构建**：计算指数20日波动率标准差，当波动率低于历史10%分位时看多，高于90%分位时看空[12] 3. **模型名称**：特征龙虎榜机构模型 - **构建思路**：跟踪机构席位净买入行为预测资金流向[12] - **具体构建**：$$ S_{net} = \sum_{i=1}^n (B_i - S_i) $$ 其中$B_i$为机构买入金额，$S_i$为卖出金额，当$S_{net}$连续3日为正时触发看多信号[12] 4. **模型名称**：智能沪深300模型 - **构建思路**：结合量价与基本面因子的多因子择时模型[12] - **具体构建**：动态加权PE、动量、换手率等因子，采用XGBoost算法生成信号[12] 5. **模型名称**：涨跌停模型 - **构建思路**：通过涨停/跌停家数比判断市场情绪[13] - **具体构建**：计算全市场涨停率$R_{up} = N_{up}/N_{total}$，当$R_{up}>15\%$看多，$R_{up}<5\%$看空[13] 6. **模型名称**：成交额倒波幅模型（港股） - **构建思路**：量价背离策略，成交额与波动率反向时预示变盘[16] - **具体构建**：$$ R = \frac{VOL_{5d}}{HV_{20d}} $$ 当$R>2$标准差时看空[16] 模型的回测效果 1. **成交量模型**：本周上证指数信号中性，年化IR 0.82[12] 2. **低波动率模型**：上证50信号中性，年化胜率58%[12] 3. **智能沪深300模型**：本周看空，近三月超额-1.2%[12] 4. **涨跌停模型**：全A信号中性，年化IR 1.05[13] 5. **成交额倒波幅模型**：恒生指数看空，近20日胜率63%[16] 量化因子与构建方式 1. **因子名称**：动量因子 - **构建思路**：价格趋势延续效应[14] - **具体构建**：$$ MOM_{21d} = \frac{P_t}{P_{t-21}} - 1 $$ 取行业标准化Z值[14] 2. **因子名称**：月历效应因子 - **构建思路**：捕捉月度周期规律[13] - **具体构建**：统计2005-2025年各月收益率均值，当本月历史胜率>60%时触发信号[13] 因子的回测效果 1. **动量因子**：国证2000指数年化IC 0.15[14] 2. **月历效应因子**：5月历史胜率53%，本周信号中性[13] 形态学模型 1. **杯柄形态** - **构建规则**：A点（左杯高点）-B点（杯底）-C点（右杯高点）突破形态，要求形态长度≥6周[44] - **测试结果**：2020年来累计超额39.09%，本周超额0.29%[40] 2. **双底形态** - **构建规则**：A点（第一底）-B点（颈线）-C点（第二底）突破，成交量需在突破时放大[49] - **测试结果**：本周超额1.68%，年化夏普1.72[40][49] 注：所有模型信号可通过http://t.hcquant.com实时查询[11]

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：宽基轮动策略** - **模型构建思路**：基于不同宽基指数（沪深300、中证500、中证1000、中证2000及"其他"组）的热度变化率MA2构建轮动策略，选择周度热度变化率最高的宽基指数进行投资[13][16] - **模型具体构建过程**： 1. 计算各宽基组内成分股的总热度指标（浏览、自选与点击次数之和的归一化值）[7] 2. 计算周度热度变化率并取MA2平滑处理[11] 3. 每周最后一个交易日买入总热度变化率MA2最大的宽基指数，若为"其他"组则空仓[13] - **模型评价**：策略2017年来年化收益率8.74%，最大回撤23.5%，2025年来收益8.32%[16] 2. **模型名称：热门概念组合策略** - **模型构建思路**：筛选高热度概念中的低关注度个股，利用市场行为偏差获取超额收益[31][33] - **模型具体构建过程**： 1. 每周选出热度变化率最大的5个概念[31] 2. 排除概念成分股中流通市值最小的20%股票[31] 3. 构建两个组合： - TOP组合：每个概念中总热度排名前10的个股等权持有 - BOTTOM组合：每个概念中总热度排名最后10的个股等权持有[31] - **模型评价**：BOTTOM组合年化收益15.71%，最大回撤28.89%，2025年收益18%[33] 模型的回测效果 1. **宽基轮动策略**：年化收益率8.74%，最大回撤23.5%，2025年收益8.32%[16] 2. **热门概念BOTTOM组合**：年化收益15.71%，最大回撤28.89%，2025年收益18%[33] 量化因子与构建方式 1. **因子名称：总热度指标** - **因子构建思路**：通过个股浏览、自选与点击行为的归一化聚合，反映市场情绪[7] - **因子具体构建过程**： $$ \text{总热度} = \left(\frac{\text{浏览+自选+点击次数}}{\text{全市场总值}}\right) \times 10000 $$ 取值区间[0,10000]，按日计算[7] 2. **因子名称：热度变化率MA2** - **因子构建思路**：捕捉宽基/行业/概念层面的关注度边际变化[11][20] - **因子具体构建过程**： 1. 计算周度热度变化率：$$\frac{H_t - H_{t-1}}{H_{t-1}}$$ 2. 取2周移动平均（MA2）平滑处理[11][20] 3. **因子名称：估值历史分位数** - **因子构建思路**：监控宽基/行业估值相对于历史水平的区位[40][43] - **因子具体构建过程**： 1. 宽基采用滚动5年PE/TTM分位数[40] 2. 行业采用2015年至今的PE/TTM分位数[43] 因子的回测效果 1. **总热度指标**：国防军工本周热度变化率+90.2%（正向最大），房地产-33.4%（负向最大）[27] 2. **宽基估值分位数**：沪深300（56%）、中证500（85%）、中证1000（76%）[41] 3. **行业估值分位数**： - 80%以上：电力设备、计算机、国防军工等[42] - 20%以下：家用电器、农林牧渔、公用事业等[42] 关键数据取值 1. **宽基热度变化率MA2**： - 沪深300 +2.96%（本周最高） - 中证2000 -1.84%（本周最低）[18] 2. **概念热度TOP5**：航运概念（+221.1%）、自由贸易港（+136.1%）、中韩自贸区（+129.9%）、工业大麻（+109.6%）、C2M概念（+77.6%）[35][37] 3. **二级行业热度变化TOP5**：航运港口、航空装备Ⅱ、地面兵装Ⅱ、纺织制造、军工电子Ⅱ[27]