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

根据提供的量化分析报告，以下是关于其中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：择时雷达六面图模型**[1][6] * **模型构建思路**：该模型是一个综合择时框架，认为权益市场表现受多维度指标共同影响。模型从流动性、经济面、估值面、资金面、技术面、拥挤度六个维度选取二十一个指标，并将其概括为“估值性价比”、“宏观基本面”、“资金&趋势”、“拥挤度&反转”四大类，最终生成一个介于[-1,1]之间的综合择时分数，用以判断市场整体观点[1][6]。 * **模型具体构建过程**：模型构建过程分为几个步骤。首先，从六个维度选取共计21个底层指标。其次，对每个底层指标根据其构建规则计算出一个初始的择时信号分数（通常为1，0，-1或经过标准化处理的值）。然后，将六个维度的分数进行综合（具体综合方法未在提供内容中详细说明，但结果是得到四大类分数和最终的综合分数）。最终，模型输出综合择时分数以及各维度的分数，分数区间为[-1,1]，分数为正代表看多或中性偏多，为负代表看空或中性偏空，接近零代表中性[1][6][7][8]。 量化因子与构建方式 1. **因子名称：货币方向因子**[10] * **因子构建思路**：该因子旨在判断当前货币政策的方向，通过比较政策利率与市场利率相对于历史水平的变化来确定货币环境的宽松或收紧[10]。 * **因子具体构建过程**：选取央行使用的货币政策工具利率与短端市场利率，计算其相较于90天前的平均变化方向。若货币方向因子>0，则判断货币政策宽松；若<0，则判断货币政策收紧。在模型中，宽松对应看多信号（分数为1），收紧对应看空信号（分数为-1）[10]。 2. **因子名称：货币强度因子**[12] * **因子构建思路**：该因子基于“利率走廊”概念，通过衡量短端市场利率相对于政策利率的偏离幅度来表征货币政策的强度[12]。 * **因子具体构建过程**：计算偏离度 = DR007 / 7天逆回购利率 - 1。对该偏离度进行平滑处理并计算Z-Score，得到货币强度因子。若货币强度因子 < -1.5倍标准差，则预期未来120个交易日为宽松环境，指标分数为1；若 > 1.5倍标准差，则预期未来120个交易日指标分数为-1[12]。 3. **因子名称：信用方向因子**[15] * **因子构建思路**：该因子用于表征商业银行对实体经济信贷传导的松紧程度，使用中长期贷款指标的变化趋势来判断[15]。 * **因子具体构建过程**：计算中长期贷款当月值，然后计算过去十二个月的增量，再计算该增量的同比。若信用方向因子相比于三个月之前上升则看多，分数为1；反之则看空，分数为-1[15]。 4. **因子名称：信用强度因子**[18] * **因子构建思路**：该因子旨在捕捉信贷指标是否大幅超预期或不及预期，反映信用的强度[18]。 * **因子具体构建过程**：构建信用强度因子 = (新增人民币贷款当月值 – 预期中位数) / 预期标准差。若信用强度因子 > 1.5倍标准差，则定义未来60个交易日为信用显著超预期环境，分数为1；反之若 < -1.5倍标准差，则未来60个交易日分数为-1[18]。 5. **因子名称：增长方向因子**[20] * **因子构建思路**：该因子基于PMI数据构建，用于判断经济增长的方向[20]。 * **因子具体构建过程**：基于中采制造业PMI、中采非制造业PMI、财新制造业PMI数据，计算增长方向因子 = PMI -> 计算过去十二月均值 -> 计算同比。若增长方向因子相比于三个月之前上升则看多，分数为1；反之则看空，分数为-1[20]。 6. **因子名称：增长强度因子**[23] * **因子构建思路**：该因子用于捕捉经济增长指标是否大幅超预期或不及预期[23]。 * **因子具体构建过程**：计算PMI预期差 = (PMI – 预期中位数) / 预期标准差。若增长强度因子 > 1.5倍标准差，则定义未来60个交易日为增长显著超预期环境，分数为1；反之若 < -1.5倍标准差，则未来60个交易日分数为-1[23]。 7. **因子名称：通胀方向因子**[25] * **因子构建思路**：该因子通过当前通胀水平的变化来判断对未来货币政策空间的预期，进而影响权益资产[25]。 * **因子具体构建过程**：计算通胀方向因子 = 0.5 × CPI同比平滑值 + 0.5 × PPI同比原始值。若通胀方向因子相较于三个月之前降低，则说明是通胀下行环境，此时看多，分数为1；反之看空，分数为-1[25]。 8. **因子名称：通胀强度因子**[27] * **因子构建思路**：该因子用于捕捉通胀指标是否大幅超预期或不及预期[27]。 * **因子具体构建过程**：分别计算CPI与PPI的预期差 = (披露值 – 预期中位数) / 预期标准差，并计算通胀强度因子 = CPI与PPI预期差均值。若通胀强度因子 < -1.5，则定义未来60个交易日为通胀显著不及预期环境，分数为1；反之若 > 1.5倍标准差，则未来60个交易日分数为-1[27]。 9. **因子名称：席勒ERP**[28] * **因子构建思路**：该因子通过计算经周期调整的估值水平与无风险收益率的差值，来衡量权益资产的性价比[28]。 * **因子具体构建过程**：计算过去6年通胀调整后的平均盈利，得到席勒PE。然后计算席勒ERP = 1 / 席勒PE - 10年期国债到期收益率。最后，计算该ERP过去6年的Z-Score作为分数[28]。 10. **因子名称：PB**[31] * **因子构建思路**：该因子是传统的估值指标，通过市净率的相对历史位置来判断市场估值水平[31]。 * **因子具体构建过程**：对PB乘以-1，然后计算过去6年的Z-Score，再用1.5倍标准差进行截尾处理，最后标准化到±1之间得到分数[31]。 11. **因子名称：AIAE**[33] * **因子构建思路**：该因子全称为 Aggregate Investor Allocation to Equities（全市场权益配置比例），用于反映市场整体的风险偏好，基于投资者在风险资产和安全资产之间的配置均衡逻辑[33]。 * **因子具体构建过程**：构建A股的AIAE指标 = 中证全指总流通市值 / (中证全指总流通市值 + 实体总债务)。将AIAE乘以-1后，计算过去6年的Z-Score得到分数[33]。 12. **因子名称：两融增量**[36] * **因子构建思路**：该因子通过杠杆资金（融资融券）的增量变化来捕捉市场情绪[36]。 * **因子具体构建过程**：计算融资余额 - 融券余额，然后计算其过去120日的均增量与过去240日的均增量。若120日均增量 > 过去240日均增量，则判断杠杆资金上行，看多，分数为1；反之看空，分数为-1[36]。 13. **因子名称：成交额趋势**[39] * **因子构建思路**：该因子通过成交额的活跃度趋势来捕捉市场资金热度[39]。 * **因子具体构建过程**：对成交额取对数，然后计算其均线距离 = MA120 / MA240 - 1。当均线距离的max(10) = max(30) = max(60)时看多，分数为1；当均线距离的min(10) = min(30) = min(60)时看空，分数为-1[39]。 14. **因子名称：中国主权CDS利差**[43] * **因子构建思路**：该因子通过海外投资者对中国主权信用风险的定价变化来推断外资流入意愿[43]。 * **因子具体构建过程**：对中国主权CDS利差进行平滑处理，然后计算其20日差分。若20日差分 < 0，说明CDS利差下降，海外投资者预期中国基本面转好，此时看多，分数为1；反之看空，分数为-1[43]。 15. **因子名称：海外风险厌恶指数**[45] * **因子构建思路**：该因子使用花旗风险厌恶指数（Citi RAI Index）来捕捉海外市场的整体风险偏好，从而影响外资流向[45]。 * **因子具体构建过程**：对海外风险厌恶指数进行平滑处理，然后计算其20日差分。若20日差分 < 0，表明外资风险偏好上升，此时看多，分数为1；反之看空，分数为-1[45]。 16. **因子名称：价格趋势**[47] * **因子构建思路**：该因子结合价格趋势的方向和强度，通过均线系统来捕捉市场中长期动量[47]。 * **因子具体构建过程**：计算价格均线距离 = MA120 / MA240 - 1。趋势方向分数：若均线距离 > 0，则为1，反之为-1。趋势强度分数：若均线距离的max(20) = max(60)，则为1；若min(20) = min(60)，则为-1。趋势综合分数 = (趋势方向分数 + 趋势强度分数) / 2[47]。 17. **因子名称：新高新低数**[49] * **因子构建思路**：该因子作为市场反转信号，通过成分股创年内新高与新低的数量差来判断市场可能的顶部或底部[49]。 * **因子具体构建过程**：计算中证800成分股中，过去一年新低数 - 新高数，然后取20日移动平均（MA20）。若该MA20值 > 0，说明近期新低较多，市场有见底预期，此时看多，分数为1；反之发出看空信号，分数为-1[49][50]。 18. **因子名称：期权隐含升贴水**[53] * **因子构建思路**：该因子基于期权市场隐含的标的未来收益率预期，作为反转指标来衡量市场拥挤度[53]。 * **因子具体构建过程**：基于看涨看跌平价关系推导出期权的隐含升贴水。若50ETF近5日收益率 < 0，且该指标分位数 < 30%，则看多持续20日，分数为1。若50ETF近5日收益率 > 0，且指标分位数 > 70%，则看空持续20日，分数为-1[53]。 19. **因子名称：期权VIX指数**[54] * **因子构建思路**：该因子使用期权隐含波动率来反映市场对未来波动率的预期和情绪，作为反转指标[54]。 * **因子具体构建过程**：若50ETF近5日收益率 < 0，且VIX指数分位数 > 70%，则看多持续20日。若50ETF近5日收益率 > 0，且VIX指数分位数 > 70%，则看空持续20日[54][55]。 20. **因子名称：期权SKEW指数**[59] * **因子构建思路**：该因子使用期权隐含偏度来反映市场对未来价格分布偏度的预期和情绪，作为反转指标[59]。 * **因子具体构建过程**：若50ETF近5日收益率 < 0，且SKEW指数分位数 > 70%，则看多持续20日，分数为1。若50ETF近5日收益率 > 0，且SKEW指数分位数 < 30%，则看空持续20日，分数为-1[59][60]。 21. **因子名称：可转债定价偏离度**[63] * **因子构建思路**：该因子通过可转债的市场价格与其模型理论价格的偏离度来捕捉市场情绪和拥挤度，作为反转指标[63]。 * **因子具体构建过程**：计算可转债定价偏离度 = 转债价格 / 模型定价 - 1。然后计算因子分数 = 定价偏离度 × (-1)，再计算过去3年的Z-Score得到最终分数。定价偏离度越高，拥挤度越高，分数越低[63]。 模型的回测效果 （报告中未提供择时雷达六面图模型的具体回测指标数值，如年化收益率、夏普比率、最大回撤等。） 因子的回测效果 （报告中未提供各个因子独立测试的具体IC值、IR、多空收益等量化指标数值。报告主要展示了各因子在特定时间点（本周）的信号分数和观点。）

根据研报内容，以下是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：成交量模型**[12] * **模型构建思路**：基于市场成交量的变化来判断市场短期趋势[12] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 2. **模型名称：低波动率模型**[12] * **模型构建思路**：利用市场波动率较低的特征进行择时判断[12] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 3. **模型名称：特征龙虎榜机构模型**[12] * **模型构建思路**：基于龙虎榜中机构投资者的交易行为特征进行市场判断[12] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 4. **模型名称：特征成交量模型**[12] * **模型构建思路**：分析成交量中的特定模式或特征来预测市场走势[12] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 5. **模型名称：智能算法模型**[12] * **模型构建思路**：应用智能算法对沪深300、中证500等宽基指数进行择时[12] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 6. **模型名称：涨跌停模型**[13] * **模型构建思路**：通过分析市场中涨跌停股票的数量和分布来判断中期市场情绪[13] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 7. **模型名称：月历效应模型**[13] * **模型构建思路**：基于历史数据的月度周期性规律进行中期市场判断[13] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 8. **模型名称：长期动量模型**[14] * **模型构建思路**：根据资产的长期价格动量趋势来判断市场方向[14] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 9. **模型名称：A股综合兵器V3模型**[15] * **模型构建思路**：综合多种信号和因子的复合模型，用于A股市场综合判断[15] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 10. **模型名称：A股综合国证2000模型**[15] * **模型构建思路**：专门针对国证2000指数构建的综合择时模型[15] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 11. **模型名称：成交额倒波幅模型**[16] * **模型构建思路**：结合成交额和波动率倒数的关系进行港股市场中期判断[16] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 12. **模型名称：杯柄形态识别模型**[46][47][48] * **模型构建思路**：基于技术分析中的杯柄形态识别突破个股[46][47][48] * **模型具体构建过程**：通过识别股价走势中的A点（起点）、B点（杯柄高点）、C点（杯柄低点）来确认形态，当价格突破B点时视为买入信号[48] 13. **模型名称：双底形态识别模型**[46][50][52] * **模型构建思路**：识别技术分析中的双底形态来捕捉个股反弹机会[46][50][52] * **模型具体构建过程**：通过识别A点（第一底）、B点（反弹高点）、C点（第二底）来确认形态，当价格突破B点时视为买入信号[52] 14. **模型名称：倒杯子形态识别模型**[60][62] * **模型构建思路**：识别下跌趋势中的倒杯子形态来预警个股风险[60][62] * **模型具体构建过程**：在一波下跌后出现筑顶（A点），完成筑顶后再次下跌并实现突破（C点、E点），预示股价可能延续下跌趋势[60][62] 模型的回测效果 1. **双底形态模型**：截至2025年10月，组合累计上涨30.4%，跑赢上证综指16.61%[46] 2. **杯柄形态模型**：截至2025年10月，组合累计上涨68.02%，跑赢上证综指54.22%[46] 量化因子与构建方式 1. **因子名称：分析师预期调整因子**[21][22] * **因子构建思路**：基于分析师对个股盈利预期的上调或下调比例构建行业层面的情绪因子[21][22] * **因子具体构建过程**：统计行业内分析师上调盈利预测的个股比例和下调盈利预测的个股比例[21][22] 2. **因子名称：基金仓位因子**[23][26][27][31][32] * **因子构建思路**：通过监测股票型和混合型基金的行业仓位变化来捕捉机构资金流向[23][26][27][31][32] * **因子具体构建过程**：计算各行业在基金总仓位中的占比，以及相对于市场市值占比的超低配情况[26][27][31][32] 因子的回测效果 报告未提供具体因子的独立回测效果指标数值。

市场表现与仓位配置 - 沪深300指数周涨幅1.38% 上证综指周涨幅1.52% 中证500指数周涨幅3.38% [3] - 主板和中小市值板块均建议低仓位配置 风格判断转为均衡 [2][5] - 游资活跃带动板块指数接近8月末前高位置 [3] 基本面分析 - 中国经济出现暂时性滞胀小周期 进出口数据显著走弱 CPI和PPI物价数据回升 [3] - 美国财政赤字持续扩张 借债续命模式面临考验 中东地缘政治事件显示美国全球控制力下滑 [3] - 金融数据实质转弱 预计年内同比增速趋缓 [3] 资金面与技术面 - 机构资金出现坚决减仓态度 游资进行向上突破努力 内部分歧加深 [4] - 技术面信号强度削弱 不再强烈看多 [4] - 市场主导方从基本面转为资金面 再转为游资主导 最后游资内部也出现分化 [5] 行业与操作建议 - 短期动量模型建议关注通信行业 [5] - 建议逢高降仓应对波幅扩大 近半年首次出现卖出信号 [5] - 游资跟随外盘AI热点发力拉升指数 [4]

以下是华创证券金工周报（20250825-20250829）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**：成交量模型[12] **模型构建思路**：基于价量关系进行市场择时判断[10] **模型具体构建过程**：通过分析宽基指数的成交量变化，判断市场短期走势。当成交量放大时看多，缩量时看空或中性[12] 2. **模型名称**：低波动率模型[12] **模型构建思路**：利用市场波动率特征进行择时[10] **模型具体构建过程**：计算指数的波动率指标，当波动率处于低位时模型信号为中性或看空，波动率升高时可能转为看多[12] 3. **模型名称**：特征龙虎榜机构模型[12] **模型构建思路**：基于龙虎榜机构资金流向进行择时判断[10] **模型具体构建过程**：跟踪龙虎榜上机构资金的买卖情况，机构净买入时看多，净卖出时看空[12] 4. **模型名称**：特征成交量模型[12] **模型构建思路**：结合特殊成交量特征进行择时[10] **模型具体构建过程**：分析异常成交量 patterns，如放量突破等，作为看多信号[12] 5. **模型名称**：智能算法沪深300模型[12] **模型构建思路**：应用智能算法对沪深300指数进行择时[10] **模型具体构建过程**：使用机器学习等智能算法分析多因子数据，生成择时信号[12] 6. **模型名称**：智能算法中证500模型[12] **模型构建思路**：应用智能算法对中证500指数进行择时[10] **模型具体构建过程**：使用机器学习等智能算法分析多因子数据，生成择时信号[12] 7. **模型名称**：涨跌停模型[13] **模型构建思路**：通过涨跌停板数量变化进行中期择时[10] **模型具体构建过程**：监控市场涨跌停个股数量比例，涨停增多时看多，跌停增多时看空[13] 8. **模型名称**：月历效应模型[13] **模型构建思路**：利用月份效应进行择时[10] **模型具体构建过程**：基于历史月份收益率规律，在不同月份给出看多或看空信号[13] 9. **模型名称**：长期动量模型[14] **模型构建思路**：基于长期动量效应进行择时[10] **模型具体构建过程**：计算指数的长期动量指标，动量向上时看多，向下时看空[14] 10. **模型名称**：A股综合兵器V3模型[15] **模型构建思路**：综合多周期多策略的耦合模型[10] **模型具体构建过程**：将短期、中期、长期不同模型的信号进行加权耦合，形成综合择时观点[15] 11. **模型名称**：A股综合国证2000模型[15] **模型构建思路**：针对国证2000指数的综合择时模型[10] **模型具体构建过程**：专门针对国证2000指数特点，综合多种择时信号[15] 12. **模型名称**：成交额倒波幅模型[16] **模型构建思路**：基于成交额与波动率关系进行港股择时[10] **模型具体构建过程**：分析港股成交额与波动率的倒置关系，作为择时信号[16] 13. **模型名称**：形态学监控模型[41] **模型构建思路**：基于技术形态识别进行择时和选股[41] **模型具体构建过程**：识别杯柄形态、双底形态等技术形态，在形态突破时产生交易信号[41][44][48] 模型的回测效果 1. 双底形态组合，累计收益率49.44%，相对上证综指超额收益38.36%[41] 2. 杯柄形态组合，累计收益率63.34%，相对上证综指超额收益52.26%[41] 3. 上周杯柄形态突破个股，平均超额收益-0.8%[42] 4. 上周双底形态突破个股，平均超额收益-5.28%[46] 量化因子与构建方式 1. **因子名称**：龙虎榜机构资金流向因子[12] **因子构建思路**：基于龙虎榜机构买卖净额构建[12] **因子具体构建过程**：计算龙虎榜上机构买入金额与卖出金额的差值，作为资金流向指标[12] 2. **因子名称**：成交量异常因子[12] **因子构建思路**：识别异常成交量 patterns[12] **因子具体构建过程**：计算当前成交量与历史平均成交量的偏离度，识别异常放量或缩量[12] 3. **因子名称**：波动率因子[12] **因子构建思路**：衡量市场波动程度[12] **因子具体构建过程**：计算指数收益率的标准差，作为波动率指标$$ \sigma = \sqrt{\frac{1}{N-1}\sum_{i=1}^{N}(r_i - \bar{r})^2} $$[12] 4. **因子名称**：动量因子[14] **因子构建思路**：捕捉价格趋势效应[14] **因子具体构建过程**：计算过去一段时间内的累计收益率，作为动量指标$$ Momentum = \frac{P_t}{P_{t-n}} - 1 $$[14] 5. **因子名称**：涨跌停因子[13] **因子构建思路**：反映市场极端情绪[13] **因子具体构建过程**：计算涨停个股数量与跌停个股数量的比例或差值[13] 6. **因子名称**：月历效应因子[13] **因子构建思路**：捕捉月份周期性 patterns[13] **因子具体构建过程**：基于历史数据计算各月份的平均收益率，构建月份虚拟变量[13] 7. **因子名称**：成交额波幅关系因子[16] **因子构建思路**：分析成交额与波动率的相关性[16] **因子具体构建过程**：计算成交额与波动率的比值或相关性指标[16] 8. **因子名称**：形态识别因子[41] **因子构建思路**：识别特定技术形态[41] **因子具体构建过程**：通过价格走势 pattern 识别杯柄形态、双底形态等，在形态确认时产生信号[41] 因子的回测效果 （报告中未提供具体因子的单独回测结果）

量化模型与构建方式 1. 择时雷达六面图综合模型 - **模型名称**：择时雷达六面图综合模型 - **模型构建思路**：基于多维视角的择时框架，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个指标对市场进行刻画，并概括为“估值性价比”、“宏观基本面”、“资金&趋势”、“拥挤度&反转”四大类，生成[-1,1]之间的综合择时分数[1][6] - **模型具体构建过程**： 1. 从六个维度选取21个指标（具体指标见下方因子部分） 2. 每个指标根据其计算规则生成[-1,1]之间的分数 3. 将指标分数按四大类进行汇总 4. 最终综合打分位于[-1,1]之间，用于判断市场整体观点[1][6] 2. 流动性维度模型 - **模型名称**：流动性综合模型 - **模型构建思路**：从货币和信用两个子维度综合判断流动性状况[1][9] - **模型具体构建过程**： 1. 包含货币方向、货币强度、信用方向、信用强度四个因子 2. 综合得分为四个因子分数的组合[9][10] 3. 经济面维度模型 - **模型名称**：经济面综合模型 - **模型构建思路**：从增长和通胀两个子维度综合判断经济基本面状况[1][9] - **模型具体构建过程**： 1. 包含增长方向、增长强度、通胀方向、通胀强度四个因子 2. 综合得分为四个因子分数的组合[9][10] 4. 估值面维度模型 - **模型名称**：估值面综合模型 - **模型构建思路**：从多个估值指标综合判断市场估值性价比[1][9] - **模型具体构建过程**： 1. 包含席勒ERP、PB、AIAE三个因子 2. 综合得分为三个因子分数的组合[9][10] 5. 资金面维度模型 - **模型名称**：资金面综合模型 - **模型构建思路**：从内资和外资两个子维度综合判断资金流向[1][9] - **模型具体构建过程**： 1. 包含两融增量、成交额趋势、中国主权CDS利差、海外风险厌恶指数四个因子 2. 综合得分为四个因子分数的组合[9][10] 6. 技术面维度模型 - **模型名称**：技术面综合模型 - **模型构建思路**：从趋势和反转两个角度捕捉技术信号[1][9] - **模型具体构建过程**： 1. 包含价格趋势、新高新低两个因子 2. 综合得分为两个因子分数的组合[9][10] 7. 拥挤度维度模型 - **模型名称**：拥挤度综合模型 - **模型构建思路**：从衍生品和可转债两个子维度捕捉情绪过度反应信号[1][9] - **模型具体构建过程**： 1. 包含期权隐含升贴水、期权VIX、期权SKEW、可转债定价偏离度四个因子 2. 综合得分为四个因子分数的组合[9][10] 量化因子与构建方式 1. 货币方向因子 - **因子名称**：货币方向因子 - **因子构建思路**：判断当前货币政策的方向[12] - **因子具体构建过程**：选取央行使用的货币政策工具利率与短端市场利率，计算其相较于90天前的平均变化方向。若货币方向因子>0，则判断货币政策宽松；若<0，则判断货币政策收紧[12] 2. 货币强度因子 - **因子名称**：货币强度因子 - **因子构建思路**：表征短端市场利率相对于政策利率的偏离幅度[15] - **因子具体构建过程**：基于"利率走廊"概念，计算偏离度=DR007/7年逆回购利率-1，并进行平滑与zscore形成货币强度因子。若<-1.5倍标准差，则预期未来120个交易日为宽松环境，分数为1；若>1.5倍标准差，则分数为-1[15] 3. 信用方向因子 - **因子名称**：信用方向因子 - **因子构建思路**：表征商业银行对实体经济传导时的松紧[18] - **因子具体构建过程**：使用中长期贷款指标，计算信用方向因子为：中长期贷款当月值→计算过去十二个月增量→计算同比。若信用方向因子相比于三个月之前上升则看多，分数为1；反之则看空，分数为-1[18] 4. 信用强度因子 - **因子名称**：信用强度因子 - **因子构建思路**：捕捉信用指标是否大幅超预期或者不及预期[21] - **因子具体构建过程**：信用强度因子=（新增人民币贷款当月值–预期中位数）/预期标准差。若>1.5倍标准差，则定义未来60个交易日为信用显著超预期环境，分数为1；若<-1.5倍标准差，则分数为-1[21] 5. 增长方向因子 - **因子名称**：增长方向因子 - **因子构建思路**：基于PMI数据判断经济增长方向[24] - **因子具体构建过程**：基于中采制造业PMI、中采非制造业PMI、财新制造业PMI构建增长方向因子=PMI→计算过去十二月均值→计算同比。若增长方向因子相比于三个月之前上升则看多，分数为1；反之则看空，分数为-1[24] 6. 增长强度因子 - **因子名称**：增长强度因子 - **因子构建思路**：捕捉经济增长指标是否大幅超预期或者不及预期[27] - **因子具体构建过程**：计算PMI预期差=（PMI–预期中位数）/预期标准差。若增长强度因子>1.5倍标准差，则定义未来60个交易日为增长显著超预期环境，分数为1；若<-1.5倍标准差，则分数为-1[27] 7. 通胀方向因子 - **因子名称**：通胀方向因子 - **因子构建思路**：判断通胀水平对货币政策的制约[31] - **因子具体构建过程**：计算通胀方向因子=0.5×CPI同比平滑值+0.5×PPI同比原始值。若通胀方向因子相较于三个月之前降低，则说明是通胀下行环境，此时看多，分数为1；反之看空，分数为-1[31] 8. 通胀强度因子 - **因子名称**：通胀强度因子 - **因子构建思路**：捕捉通胀指标是否大幅超预期或者不及预期[32] - **因子具体构建过程**：分别计算CPI与PPI预期差=（披露值–预期中位数）/预期标准差，并计算通胀强度因子=CPI与PPI预期差均值。若<-1.5，则定义未来60个交易日为通胀显著不及预期环境，分数为1；若>1.5倍标准差，则分数为-1[32] 9. 席勒ERP因子 - **因子名称**：席勒ERP因子 - **因子构建思路**：计算经周期调整的股权风险溢价[37] - **因子具体构建过程**：计算过去6年通胀调整后的平均盈利得到席勒PE，然后计算席勒ERP=1/席勒PE-10年期国债到期收益率，并计算过去6年zscore作为分数[37] 10. PB因子 - **因子名称**：PB因子 - **因子构建思路**：基于市净率指标判断估值水平[39] - **因子具体构建过程**：对PB指标处理：PB×（-1）并计算过去6年zscore，1.5倍标准差截尾后标准化到±1之间得到分数[39] 11. AIAE因子 - **因子名称**：AIAE因子 - **因子构建思路**：计算全市场权益配置比例，反映市场整体风险偏好[42] - **因子具体构建过程**：构建A股的AIAE指标=中证全指总流通市值/（中证全指总流通市值+实体总债务），将AIAE×（-1）并计算过去6年zscore得到分数[42] 12. 两融增量因子 - **因子名称**：两融增量因子 - **因子构建思路**：通过两融余额变化判断市场杠杆资金情绪[44] - **因子具体构建过程**：计算融资余额-融券余额，并计算其过去120日均增量与过去240日均增量。若120日均增量>过去240日均增量时看多，分数为1；反之看空，分数为-1[44] 13. 成交额趋势因子 - **因子名称**：成交额趋势因子 - **因子构建思路**：通过成交额变化判断市场成交热度与资金活跃度[47] - **因子具体构建过程**：对对数成交额计算其均线距离=ma120/ma240-1。当均线距离的max(10)=max(30)=max(60)时看多，分数为1；当均线距离的min(10)=min(30)=min(60)时看空，分数为-1[47] 14. 中国主权CDS利差因子 - **因子名称**：中国主权CDS利差因子 - **因子构建思路**：通过CDS利差变化判断海外投资者对中国经济与主权信用风险的定价[50] - **因子具体构建过程**：当平滑后CDS利差的20日差分<0时，说明CDS利差下降，海外投资者预期中国基本面转好，此时看多，分数为1；反之看空，分数为-1[50] 15. 海外风险厌恶指数因子 - **因子名称**：海外风险厌恶指数因子 - **因子构建思路**：通过花旗风险厌恶指数判断海外市场风险偏好[53] - **因子具体构建过程**：当平滑后风险厌恶指数的20日差分<0时，外资风险偏好上升，此时看多，分数为1；反之看空，分数为-1[53] 16. 价格趋势因子 - **因子名称**：价格趋势因子 - **因子构建思路**：使用均线距离衡量标的价格趋势与强度[57] - **因子具体构建过程**：使用均线距离（ma120/ma240-1）衡量趋势。当均线距离>0时趋势方向分数=1，反之为-1。当均线距离的max(20)=max(60)时，趋势强度分数为1；当min(20)=min(60)时，趋势强度分数为-1。趋势综合分数=（趋势方向分数+趋势强度分数）/2[57] 17. 新高新低因子 - **因子名称**：新高新低因子 - **因子构建思路**：通过指数成分股的新高新低个数捕捉反转信号[60] - **因子具体构建过程**：当中证800成分股占过去一年新低数-新低数的ma20>0时，说明最近新低较多，市场有见底预期，此时看多，分数为1；反之发出看空信号，分数为-1[60] 18. 期权隐含升贴水因子 - **因子名称**：期权隐含升贴水因子 - **因子构建思路**：通过期权隐含升贴水反映期权市场对未来标的收益率的预期与情绪[63] - **因子具体构建过程**：若50ETF近5日收益率<0，且指标分位数<30%，则看多持续20日，分数为1；若50ETF近5日收益率>0，且指标分位数>70%，则看空持续20日，分数为-1[63] 19. 期权VIX因子 - **因子名称**：期权VIX因子 - **因子构建思路**：通过期权VIX指数反映期权投资者对未来标的波动率的预期与市场情绪[64] - **因子具体构建过程**：若50ETF近5日收益率<0，且指标分位数>70%，则看多持续20日，分数为1；若50ETF近5日收益率>0，且指标分位数>70%，则看空持续20日，分数为-1[64] 20. 期权SKEW因子 - **因子名称**：期权SKEW因子 - **因子构建思路**：通过期权SKEW指数反映期权投资者对未来标的偏度的预期与市场情绪[68] - **因子具体构建过程**：若50ETF近5日收益率<0，且指标分位数>70%，则看多持续20日，分数为1；若50ETF近5日收益率>0，且指标分位数<30%，则看空持续20日，分数为-1[68] 21. 可转债定价偏离度因子 - **因子名称**：可转债定价偏离度因子 - **因子构建思路**：通过可转债定价偏离度反映市场情绪[70] - **因子具体构建过程**：计算可转债定价偏离度=转债价格/模型定价-1，并计算分数=定价偏离度×（-1）并计算过去3年zscore得到分数。定价偏离度越高，拥挤度越高，分数越低[70] 模型的回测效果 1. 择时雷达六面图综合模型 - 当前综合打分：-0.48分[1][9] - 观点：中性偏空[1][9] 2. 流动性综合模型 - 当前得分：0.00分[9][10] - 观点：中性[9] 3. 经济面综合模型 - 当前得分：-0.25分[9][10] - 观点：中性偏空[9] 4. 估值面综合模型 - 当前得分：-0.39分[9][10] - 观点：中性偏空[9] 5. 资金面综合模型 - 当前得分：-0.50分[9][10] - 观点：中性偏空[9] 6. 技术面综合模型 - 当前得分：-0.50分[9][10] - 观点：看空[9] 7. 拥挤度综合模型 - 当前得分：-1.00分[9][10] - 观点：看空[9] 因子的回测效果 1. 货币方向因子 - 当前分数：1.00分[10][12] - 信号：看多[12] 2. 货币强度因子 - 当前分数：-1.00分[10][15] - 信号：看空[15] 3. 信用方向因子 - 当前分数：1.00分[10][19] - 信号：看多[19] 4. 信用强度因子 - 当前分数：-1.00分[10][21] - 信号：看空[21] 5. 增长方向因子 - 当前分数：-1.00分[10][25] - 信号：看空[25] 6. 增长强度因子 - 当前分数：-1.00分[10][28] - 信号：看空[28] 7. 通胀方向因子 - 当前分数：1.00分[10][31] - 信号：看多[31] 8. 通胀强度因子 - 当前分数：0.00分[10][33] - 信号：无显著信号[33] 9. 席勒ERP因子 - 当前分数：0.13分[10][41] - 上周分数：0.23分[10] - 变化：-0.11分[10] 10. PB因子 - 当前分数：-0.51分[10][40] - 上周分数：-0.44分[10] - 变化：-0.06分[10] 11. AIAE因子 - 当前分数：-0.78分[10][42] - 上周分数：-0.68分[10] - 变化：-0.10分[10] 12. 两融增量因子 - 当前分数：-1.00分[10][44] - 信号：看空[44] 13. 成交额趋势因子 - 当前分数：-1.00分[10][47] - 信号：看空[47] 14. 中国主权CDS利差因子 - 当前分数：-1.00分[10][51] - 上周分数：1.00分[10] - 变化：-2.00分[10] - 信号：看空[51] 15. 海外风险厌恶指数因子 - 当前分数：1.00分[10][54] - 信号：看多[54] 16. 价格趋势因子 - 当前分数：0.00分[10][59] - 信号：无显著信号[59] 17. 新高新低因子 - 当前分数：-1.00分[10][60] - 信号：看空[60] 18. 期权隐含升贴水因子 - 当前分数：-1.00分[10][63] - 信号：看空[63] 19. 期权VIX因子 - 当前分数：-1.00分[10][65] - 信号：看空[65] 20. 期权SKEW因子 - 当前分数：-1.00分[10][68] - 信号：看空[68] 21. 可转债定价偏离度因子 - 当前分数：-1.00分[10][70] - 信号：看空[70]

量化模型与因子总结 量化模型与构建方式 1. **模型名称**：成交量模型[12] **模型构建思路**：基于价量关系构建短期择时信号[10] **模型具体构建过程**：通过分析宽基指数的成交量变化与价格变动的关系，判断市场短期走势。具体构建过程未详细说明。 2. **模型名称**：低波动率模型[12] **模型构建思路**：利用波动率指标构建择时信号[10] **模型具体构建过程**：通过计算宽基指数的波动率，判断市场状态。具体构建过程未详细说明。 3. **模型名称**：特征龙虎榜机构模型[12] **模型构建思路**：基于龙虎榜机构数据构建择时信号[10] **模型具体构建过程**：通过分析龙虎榜中机构投资者的买卖行为，构建择时信号。具体构建过程未详细说明。 4. **模型名称**：特征成交量模型[12] **模型构建思路**：基于成交量特征构建择时信号[10] **模型具体构建过程**：通过分析成交量的变化特征，构建择时信号。具体构建过程未详细说明。 5. **模型名称**：智能算法沪深300模型[12] **模型构建思路**：应用智能算法对沪深300指数进行择时[10] **模型具体构建过程**：使用智能算法（如机器学习）分析沪深300指数的相关数据，生成择时信号。具体构建过程未详细说明。 6. **模型名称**：智能算法中证500模型[12] **模型构建思路**：应用智能算法对中证500指数进行择时[10] **模型具体构建过程**：使用智能算法（如机器学习）分析中证500指数的相关数据，生成择时信号。具体构建过程未详细说明。 7. **模型名称**：涨跌停模型[13] **模型构建思路**：基于涨跌停板现象构建中期择时信号[10] **模型具体构建过程**：通过分析市场中涨跌停股票的数量和分布，判断市场中期趋势。具体构建过程未详细说明。 8. **模型名称**：月历效应模型[13] **模型构建思路**：利用月历效应（如月初、月末效应）构建择时信号[10] **模型具体构建过程**：通过统计历史数据中特定时间段的市场表现，生成择时信号。具体构建过程未详细说明。 9. **模型名称**：长期动量模型[14] **模型构建思路**：基于动量效应构建长期择时信号[10] **模型具体构建过程**：通过计算宽基指数的长期收益率，判断市场长期趋势。具体构建过程未详细说明。 10. **模型名称**：A股综合兵器V3模型[15] **模型构建思路**：综合多周期多策略的A股择时模型[10] **模型具体构建过程**：耦合短期、中期、长期的不同模型信号，进行综合判断。具体构建过程未详细说明。 11. **模型名称**：A股综合国证2000模型[15] **模型构建思路**：针对国证2000指数的综合择时模型[10] **模型具体构建过程**：耦合适用于国证2000指数的多模型信号，进行综合判断。具体构建过程未详细说明。 12. **模型名称**：成交额倒波幅模型[16] **模型构建思路**：基于成交额与波幅的关系构建港股择时信号[10] **模型具体构建过程**：通过分析港股指数的成交额与价格波幅的关系，生成择时信号。具体构建过程未详细说明。 13. **模型名称**：杯柄形态模型[44][45] **模型构建思路**：识别杯柄形态技术图形以捕捉上涨突破机会[44] **模型具体构建过程**：识别股价走势中形成的“杯状”和“柄状”结构，在柄部调整结束后价格突破杯沿时产生买入信号。具体步骤包括识别A点（杯左起点）、B点（杯底）、C点（杯右终点/柄部起点），当价格突破C点水平时确认信号。 14. **模型名称**：双底形态模型[44][52] **模型构建思路**：识别双底形态技术图形以捕捉上涨突破机会[44] **模型具体构建过程**：识别股价走势中形成的两个低点（A点和C点）及之间的反弹高点（B点），当价格突破B点（颈线）时产生买入信号。具体步骤包括识别A点（第一个底）、B点（颈线）、C点（第二个底），当价格突破B点水平时确认信号。 模型的回测效果 1. **杯柄形态模型**，本周收益2.83%[44]，同期上证综指收益3.49%[44]，本周超额收益-0.66%[44]，2020年12月31日至今累计收益64.88%[44]，累计超额收益54.73%[44] 2. **双底形态模型**，本周收益2.52%[44]，同期上证综指收益3.49%[44]，本周超额收益-0.97%[44]，2020年12月31日至今累计收益49.3%[44]，累计超额收益39.14%[44] 量化因子与构建方式 *(注：本报告中未明确提及量化因子的具体构建细节。)* 因子的回测效果 *(注：本报告中未提供量化因子的测试结果取值。)*

量化模型与构建方式 1. **模型名称：成交量模型** - 模型构建思路：基于市场成交量变化判断短期市场情绪[12] - 模型具体构建过程：监测宽基指数成交量突破阈值（如20日均值），触发看多/中性信号[12] 2. **模型名称：低波动率模型** - 模型构建思路：利用波动率指标识别市场稳定性[12] - 模型具体构建过程：计算指数历史波动率（如30日标准差），低于阈值时触发中性信号[12] 3. **模型名称：特征龙虎榜机构模型** - 模型构建思路：跟踪机构资金流向判断市场热度[12] - 模型具体构建过程：统计龙虎榜机构净买入占比，中位数以上为看多信号[12] 4. **模型名称：智能算法沪深300/中证500模型** - 模型构建思路：结合机器学习和价量因子预测指数趋势[12] - 模型具体构建过程：输入历史价格、成交量、换手率等特征，输出看多信号[12] 5. **模型名称：涨跌停模型** - 模型构建思路：通过涨跌停股数量反映市场极端情绪[13] - 模型具体构建过程：统计全A股涨跌停比例，阈值触发中性信号[13] 6. **模型名称：长期动量模型** - 模型构建思路：捕捉指数长期趋势延续性[14] - 模型具体构建过程：计算上证50等指数250日收益率，突破阈值翻多[14] 7. **模型名称：成交额倒波幅模型（港股）** - 模型构建思路：结合成交额与波动率判断港股中期趋势[16] - 模型具体构建过程：$$信号=\frac{成交额}{波幅}$$，高于历史分位数看多[16] 8. **复合模型：A股综合兵器V3模型** - 模型构建思路：多因子耦合（防御+进攻因子）[15] - 模型具体构建过程：加权短期成交量、中期涨跌停、长期动量信号，输出看空[15] 模型的回测效果 1. 成交量模型：上证50看多，沪深300看多，中证500中性[12] 2. 低波动率模型：上证50中性[12] 3. 特征龙虎榜机构模型：沪深300中性[12] 4. 智能算法模型：沪深300看多，中证500看多[12] 5. 涨跌停模型：全A中性[13] 6. 长期动量模型：上证50看多[14] 7. 成交额倒波幅模型：恒生指数看多[16] 8. A股综合兵器V3模型：看空[15] 量化因子与构建方式 1. **因子名称：杯柄形态因子** - 因子构建思路：识别价格“杯柄”突破形态[45] - 因子具体构建过程： 1. 定义杯底（A点）、杯沿（B点）、柄部（C点）[45] 2. 突破柄部高点时触发信号：$$突破价>C点最高价$$[45] - 因子评价：中长期超额收益显著[44] 2. **因子名称：双底形态因子** - 因子构建思路：捕捉W形底部反转机会[52] - 因子具体构建过程： 1. 识别两个低点（A/C点）和颈线（B点）[52] 2. 突破颈线时触发：$$突破价>B点最高价$$[52] 因子的回测效果 1. 杯柄形态因子：2020年至今累计超额收益50.35%[44] 2. 双底形态因子：2020年至今累计超额收益36.34%[52]

量化模型与构建方式 1. **模型名称**：成交量模型 - **模型构建思路**：基于宽基指数的成交量变化判断市场短期趋势[12] - **模型具体构建过程**：监测主要宽基指数（如上证指数、沪深300等）的成交量突破历史均值的幅度，结合价格波动确认看多/看空信号[12] - **模型评价**：对短期市场情绪敏感，但需结合其他模型过滤噪音[12] 2. **模型名称**：低波动率模型 - **模型构建思路**：通过计算指数波动率分位数判断市场风险偏好[12] - **模型具体构建过程**：采用20日历史波动率，当波动率低于过去一年25%分位数时标记为“中性”[12] 3. **模型名称**：特征龙虎榜机构模型 - **模型构建思路**：跟踪龙虎榜机构资金流向构建反向信号[12] - **模型具体构建过程**：统计机构席位净买入占比，当超买时触发看空信号[12] 4. **模型名称**：智能算法沪深300/中证500模型 - **模型构建思路**：基于机器学习算法融合价量因子预测指数走势[12] - **模型具体构建过程**：输入包括动量、换手率、资金流等因子，通过XGBoost输出看多/看空信号[12] 5. **模型名称**：长期动量模型 - **模型构建思路**：捕捉指数12个月以上的趋势延续性[14] - **模型具体构建过程**：计算上证50等指数的年化收益率，突破阈值时翻多[14] 6. **模型名称**：成交额倒波幅模型（港股） - **模型构建思路**：结合成交额与波动率判断港股中期趋势[16] - **模型具体构建过程**：$$Signal = \frac{成交额}{波幅}$$，当比值突破历史中枢时看多[16] 7. **模型名称**：杯柄形态/双底形态模型 - **模型构建思路**：技术形态识别策略，捕捉个股突破机会[47][53] - **模型具体构建过程**： - **杯柄形态**：识别“A点（左杯沿）-B点（杯底）-C点（右杯沿）”结构，突破柄部时买入[47] - **双底形态**：识别“A点（第一底）-B点（反弹）-C点（第二底）”结构，突破颈线时买入[53] --- 模型的回测效果 1. **成交量模型**：本周对上证指数、沪深300等7个宽基指数发出看多信号[12] 2. **智能算法模型**：沪深300模型本周收益1.69%，中证500模型收益3.28%[12] 3. **杯柄形态组合**：2020年至今累计收益54.21%，超额收益50.74%[46] 4. **双底形态组合**：2020年至今累计收益39.3%，超额收益35.83%[53] --- 量化因子与构建方式 1. **因子名称**：分析师上调比例因子 - **因子构建思路**：反映行业一致预期变化[20] - **因子具体构建过程**：$$Factor = \frac{分析师上调个股数}{行业总覆盖个股数}$$[20] 2. **因子名称**：基金超低配因子 - **因子构建思路**：监测机构仓位偏离度[33] - **因子具体构建过程**：$$Factor = \frac{基金持仓占比 - 行业市值占比}{行业市值占比}$$[33] --- 因子的回测效果 1. **分析师上调比例因子**：煤炭行业本周上调比例5.56%，钢铁行业7.55%[20] 2. **基金超低配因子**：电子行业超配15.64%（股票型基金），食品饮料超配8.99%（混合型基金）[33]

选股与买卖时机 - 寻找下一个行业巨头的成长股策略长期收益较差，预测公司未来成为巨头极其困难，如洁美科技和辰安科技未达预期[3][4] - 买入股票的唯一理由应是股价具备投资价值而非期待更高接盘者，忽视估值可能导致高位站岗风险，动态估值需结合未来2-3年可预见的因素[4][5] - 市场择时策略不可持续，技术分析在量化交易盛行的环境中有效性下降，传统技术信号常被算法交易冲击[6] 人性对抗-贪婪和恐惧 - 股市泡沫破灭具有历史规律性，牛市尾声需警惕高估值并控制仓位，避免因"这次不同"的错觉而忽视周期风险[7] - 市场下跌时恐慌抛售会错失低价机会，如创新药ETF（513120）在非理性下跌中因双重打击被误判，错失后续70-80%的涨幅[7] 公司研究 - 投资决策不能仅基于对公司产品的偏爱，需评估生意吸引力，如培育钻石炒作中因忽视行业逻辑薄弱导致被套[8] - 财务分析需结合现金流而非单一盈利数据，经营现金流停滞但盈利增长可能隐藏风险，需联动利润表、资产负债表和现金流量表[8][9] 投资本质 - 长期收益积累依赖于减少主动失误，理性对抗人性弱点是投资核心，避开常见误区可降低试错成本[9]