量化模型与构建方式 1. **模型名称：择时雷达六面图综合择时模型** **模型构建思路：** 权益市场表现受多维度因素影响，该模型从流动性、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刻画市场，并将其归纳为“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，用于判断市场整体观点[1][6]。 **模型具体构建过程：** 1. **指标选取与分类：** 从六个维度（流动性、经济面、估值面、资金面、技术面、拥挤度）选取21个具体指标[1][6]。这些指标被概括为四大类：估值性价比（包含估值面指标）、宏观基本面（包含流动性和经济面指标）、资金&趋势（包含资金面和技术面中的趋势指标）、拥挤度&反转（包含技术面中的反转指标和拥挤度指标）[1][6]。 2. **单指标打分：** 每个具体指标根据其构建规则，被转化为一个在特定时点上的观点信号，通常以分数形式表示（如看多为1，看空为-1，中性为0）[10]。具体各指标的构建和打分规则详见下方因子部分。 3. **维度综合打分：** 将同一维度下的各指标分数进行综合（报告中未明确具体聚合方法，如等权平均或其他加权方式），得到该维度的综合分数，范围在[-1,1]之间[1][9]。 4. **生成综合择时分数：** 将六个维度的分数或四大类的分数进一步综合，最终生成一个介于[-1,1]之间的综合择时分数[1][6]。 量化因子与构建方式 1. **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，通过比较货币政策工具利率与短端市场利率相对于过去一段时间的变化趋势来识别宽松或收紧[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[12]。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]。在择时模型中，因子>0时发出看多信号，分数为1；因子<0时发出看空信号，分数为-1[12]。 2. **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，基于“利率走廊”概念，用于判断货币环境的松紧强度[15]。 **因子具体构建过程：** 计算偏离度 = DR007 / 7天逆回购利率 - 1，并对该偏离度进行平滑与z-score标准化，形成货币强度因子[15]。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；若因子 > 1.5倍标准差，则预期未来120个交易日指标分数为-1；介于之间则为中性，分数为0[15]。 3. **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信贷传导的松紧方向，使用中长期贷款指标来体现[18]。 **因子具体构建过程：** 计算信用方向因子：取中长期贷款当月值 -> 计算过去十二个月增量 -> 计算同比[18]。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. **因子名称：信用强度因子** **因子构建思路：** 捕捉信贷指标是否大幅超预期或不及预期，反映信用扩张或收缩的强度[21]。 **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[21]。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；若因子 < -1.5倍标准差，则未来60个交易日分数为-1[21]。 5. **因子名称：增长方向因子** **因子构建思路：** 基于PMI数据判断经济增长的方向[23]。 **因子具体构建过程：** 基于PMI数据（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[23]。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[23]。 6. **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不及预期，反映经济增长的意外强度[26]。 **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，以此作为增长强度因子[26]。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；若因子 < -1.5倍标准差，则未来60个交易日分数为-1[26]。 7. **因子名称：通胀方向因子** **因子构建思路：** 判断通胀水平的变化方向，通胀下行通常意味着未来货币政策宽松空间较大，利好权益[28]。 **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[28]。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[28]。 8. **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不及预期，反映通胀的意外强度[30]。 **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预期差的均值[30]。若通胀强度因子 < -1.5倍标准差，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；若因子 > 1.5倍标准差，则未来60个交易日分数为-1[30]。 9. **因子名称：席勒ERP** **因子构建思路：** 使用经过周期平滑的盈利计算市盈率，再与无风险利率比较，得到股权风险溢价，以衡量经过周期调整后的估值性价比[31]。 **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，并对该席勒ERP计算过去6年的z-score作为分数[31]。报告中提及对分数进行了1.5倍标准差截尾并标准化到±1之间（此处理在PB因子中明确，席勒ERP应类似）[35]。 10. **因子名称：PB** **因子构建思路：** 使用市净率的倒数或负值来衡量估值水平，估值越低分数越高[35]。 **因子具体构建过程：** 对PB指标进行处理：PB × (-1)并计算过去6年z-score，然后进行1.5倍标准差截尾，最后标准化到±1之间得到分数[35]。 11. **因子名称：AIAE (全市场权益配置比例)** **因子构建思路：** 反映市场整体的风险偏好，逻辑是投资者会根据风险资产和安全资产的供应量动态调整配置，从而影响价格达成均衡[37]。 **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)[37]。将AIAE × (-1)并计算过去6年z-score得到分数[37]。 12. **因子名称：两融增量** **因子构建思路：** 两融余额变化代表市场杠杆资金的情绪，其上行通常伴随较好的市场表现[40]。 **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[40]。若120日均增量 > 过去240日均增量，则判断杠杆资金上行并看多，分数为1；反之看空，分数为-1[40]。 13. **因子名称：成交额趋势** **因子构建思路：** 成交额上行代表市场成交热度与资金活跃度高，与市场走势正相关[43]。 **因子具体构建过程：** 对对数成交额计算其均线距离 = ma120 / ma240 - 1[43]。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[43]。 14. **因子名称：中国主权CDS利差** **因子构建思路：** 代表海外投资者对中国经济与主权信用风险的定价，与国内PMI负相关，可作为外资流入意愿的指代变量[47]。 **因子具体构建过程：** 对平滑后的CDS利差计算20日差分[47]。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，外资流入意愿强，此时看多，分数为1；反之看空，分数为-1[47]。 15. **因子名称：海外风险厌恶指数 (花旗RAI指数)** **因子构建思路：** 该指数由海外期权隐波、信用利差等数据组成，能全面捕捉海外市场的风险偏好，影响外资流向[49]。 **因子具体构建过程：** 对平滑后的风险厌恶指数计算20日差分[49]。若20日差分 < 0，说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[49]。 16. **因子名称：价格趋势** **因子构建思路：** 使用均线距离衡量标的价格的中长期趋势方向与强度[52]。 **因子具体构建过程：** 使用均线距离（ma120 / ma240 - 1）[52]。趋势方向分数：当均线距离 > 0时为1，反之为-1[52]。趋势强度分数：当均线距离的max(20) = max(60)时为1，当min(20) = min(60)时为-1[52]。趋势综合分数 = (趋势方向分数 + 趋势强度分数) / 2[52]。 17. **因子名称：新高新低数** **因子构建思路：** 指数成分股的新高与新低个数可以作为市场情绪的反转信号[54]。 **因子具体构建过程：** 计算中证800成分股的（过去一年新低数 - 新高数），并取其20日移动平均（ma20）[54]。若该ma20 > 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[54]。 18. **因子名称：期权隐含升贴水** **因子构建思路：** 基于看涨看跌平价关系推导出期权隐含的标的升贴水，反映期权市场对未来标的收益率的预期与情绪，作为反转指标衡量市场拥挤度[58]。 **因子具体构建过程：** 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[58]。若50ETF近5日收益率 > 0，且该指标分位数 > 70%，则看空持续20日，分数为-1[58]。 19. **因子名称：期权VIX指数** **因子构建思路：** 反映期权投资者对未来标的波动率的预期与市场情绪，高VIX时市场倾向于反转[60]。 **因子具体构建过程：** 若50ETF近5日收益率 < 0，且该指标分位数 > 70%，则看多持续20日，分数为1[60]。若50ETF近5日收益率 > 0，且该指标分位数 > 70%，则看空持续20日，分数为-1[60]。 20. **因子名称：期权SKEW指数** **因子构建思路：** 反映期权投资者对未来标的偏度的预期与市场情绪，可用作反转指标[64]。 **因子具体构建过程：** 若50ETF近5日收益率 < 0，且该指标分位数 > 70%，则看多持续20日，分数为1[64]。若50ETF近5日收益率 > 0，且该指标分位数 < 30%，则看空持续20日，分数为-1[64]。 21. **因子名称：可转债定价偏离度** **因子构建思路：** 可转债估值水平能体现市场情绪，可用作反转指标，定价偏离度越高表明拥挤度越高[68]。 **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[68]。计算分数 = 定价偏离度 × (-1) 并计算过去3年z-score得到分数[68]。在择时模型中，分数低（即定价偏离度高）时发出看空信号[68]。 模型的回测效果 *报告本周观点部分给出了各维度及综合模型的当前打分，可视为模型在特定时点的输出结果。* 1. **择时雷达六面图综合择时模型**，当前综合打分为-0.19分[6][9]。 2. **择时雷达六面图综合择时模型-流动性维度**，当前得分为0.25分[9]。 3. **择时雷达六面图综合择时模型-经济面维度**，当前得分为-0.50分[9]。 4. **择时雷达六面图综合择时模型-估值面维度**，当前得分为-0.65分[9]。 5. **择时雷达六面图综合择时模型-资金面维度**，当前得分为1.00分[9]。 6. **择时雷达六面图综合择时模型-技术面维度**，当前得分为0.00分[9]。 7. **择时雷达六面图综合择时模型-拥挤度维度**，当前得分为-1.00分[9]。 因子的回测效果 *报告图表3（对应文档10）列出了全部21个因子在“上周”和“当前”（即本周）的分数。* 1. **货币方向因子**，上周分数1.00，当前分数1.00[10]。 2. **货币强度因子**，上周分数0.00，当前分数0.00[10]。 3. **信用方向因子**，上周分数1.00，当前分数1.00[10]。 4. **信用强度因子**，上周分数-1.00，当前分数-1.00[10]。 5. **增长方向因子**，上周分数-1.00，当前分数-1.00[10]。 6. **增长强度因子**，上周分数1.00，当前分数1.00[10]。 7. **通胀方向因子**，上周分数-1.00，当前分数-1.00[10]。 8. **通胀强度因子**，上周分数-1.00，当前分数-1.00[10]。 9. **席勒ERP因子**，上周分数-0.05，当前分数-0.17[10]。 10. **PB因子**，上周分数-0.58，当前分数-0.77[10]。 11. **AIAE因子**，上周分数-0.91，当前分数-1.00[10]。 12. **两融增量因子**，上周分数1.00，当前分数1.00[10]。 13. **成交额趋势因子**，上周分数1.00，当前分数1.00[10]。 14. **中国主权CDS利差因子**，上周分数1.00，当前分数1.00[10]。 15. **海外风险厌恶指数因子**，上周分数1.00，当前分数1.00[10]。 16. **价格趋势因子**，上周分数1.00，当前分数1.00[10]。 17. **新高新低数因子**，上周分数-1.00，当前分数-1.00[10]。 18. **期权隐含升贴水因子**，上周分数-1.00，当前分数-1.00[10]。 19. **期权VIX指数因子**，上周分数0.00，当前分数-1.00[10]。 20. **期权SKEW指数因子**，上周分数-1.00，当前分数-1.00[10]。 21. **可转债定价偏离度因子**，上周分数-1.00，当前分数-1.00[10]。

量化模型与构建方式 1. **模型名称：成交量模型**[1][8][11][13] * **模型构建思路**：基于价量关系进行短期市场择时，核心思想简单普世[8]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 2. **模型名称：特征龙虎榜机构模型**[1][11][13] * **模型构建思路**：利用龙虎榜中的机构买卖行为特征进行短期市场择时[1][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 3. **模型名称：特征成交量模型**[1][13] * **模型构建思路**：基于特定的成交量特征进行短期市场择时[1][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 4. **模型名称：智能算法沪深300模型 / 智能算法中证500模型**[1][11][13] * **模型构建思路**：应用智能算法（如机器学习）对沪深300或中证500指数进行短期择时[1][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 5. **模型名称：涨跌停模型**[1][11][13] * **模型构建思路**：基于市场涨跌停股票的数量或相关特征进行中期市场择时[1][8][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 6. **模型名称：上下行收益差模型**[1][11][13][16] * **模型构建思路**：通过比较市场上行和下行收益的差异来进行中期市场择时[1][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 7. **模型名称：月历效应模型**[1][13] * **模型构建思路**：基于月份、季节等时间周期相关的市场规律进行中期择时[1][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 8. **模型名称：长期动量模型**[1][14] * **模型构建思路**：基于资产的长期价格趋势（动量）进行长期市场择时[1][14]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 9. **模型名称：A股综合兵器V3模型 / A股综合国证2000模型**[1][15] * **模型构建思路**：将不同周期或不同策略的择时模型信号进行耦合，形成综合择时观点，以达到攻守兼备的效果[8][15]。 * **模型具体构建过程**：报告未提供该模型的具体耦合方法和详细步骤。 10. **模型名称：成交额倒波幅模型**[1][11][16] * **模型构建思路**：结合成交额与波动率（波幅）指标进行港股中期择时[1][16]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 11. **模型名称：形态识别模型（双底形态、杯柄形态）**[45][46][47][52] * **模型构建思路**：通过识别股票价格走势图中的特定技术形态（如双底、杯柄）来捕捉突破机会，进行选股或择时[45][46]。 * **模型具体构建过程**：报告未提供形态识别的具体量化规则和算法步骤，但展示了识别出的形态关键点（如A、B、C点）和形态持续时间（长度）[49][51][55][56][57][58][59][60]。 12. **模型名称：HCVIX模型**[41][43][45] * **模型构建思路**：复现并计算中国市场的波动率指数（VIX），作为判断市场情绪的参考指标，该指数通常与大盘呈现负相关关系[41][43]。 * **模型具体构建过程**：根据公开的VIX计算方法进行复现，计算基于50ETF、沪深300指数等期权的隐含波动率[43]。报告未提供具体的计算公式。 模型的回测效果 1. **双底形态模型**，本周收益5.73%，同期上证综指收益3.82%，本周超额收益1.91%，自2020年12月31日至今累计收益22.56%，累计超额收益3.92%[46] 2. **杯柄形态模型**，本周收益4.05%，同期上证综指收益3.82%，本周超额收益0.23%，自2020年12月31日至今累计收益17.11%，累计超额收益-1.53%[46] 3. **上周杯柄形态突破个股组合**，平均超额收益1.99%[47] 4. **上周双底形态突破个股组合**，平均超额收益1.94%[52] 量化因子与构建方式 1. **因子名称：分析师一致预期调整比例**[20][21][24] * **因子构建思路**：通过统计行业内分析师上调或下调盈利预测的个股比例，来观察行业层面的预期变化[20][21]。 * **因子具体构建过程**：对于每个行业，计算本周内盈利预测被上调的个股数占行业总覆盖个股数的比例，以及被下调的个股比例[20][24]。报告未提供具体公式。 因子的回测效果 *(报告未提供因子的独立测试结果，如IC、IR、多空收益等)*

Market-timers hate bonds — it's time to consider buying them. ...

量化模型与构建方式 1. **模型名称：短期成交量模型**[9][11] * **模型构建思路**：基于价量关系进行短期市场择时，核心思想简单普世[9]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅提及其为八大择时模型之一，属于短期周期模型，利用了价量角度[9][11]。 2. **模型名称：特征龙虎榜机构模型**[11] * **模型构建思路**：利用龙虎榜中的机构买卖行为特征进行市场择时判断。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅提及其为短期择时模型之一[11]。 3. **模型名称：特征成交量模型**[11] * **模型构建思路**：基于成交量的某些特征进行市场择时判断。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅提及其为短期择时模型之一[11]。 4. **模型名称：智能算法沪深300模型**[11] * **模型构建思路**：应用智能算法对沪深300指数进行择时判断。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅提及其为短期择时模型之一[11]。 5. **模型名称：智能算法中证500模型**[11] * **模型构建思路**：应用智能算法对中证500指数进行择时判断。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅提及其为短期择时模型之一[11]。 6. **模型名称：中期涨跌停模型**[9][12] * **模型构建思路**：基于市场中涨跌停股票的数量或比例等特征进行中期市场择时，核心思想简单普世[9]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅提及其为八大择时模型之一，属于中期周期模型[9][12]。 7. **模型名称：上下行收益差模型**[9][11][12][14] * **模型构建思路**：通过计算市场上行收益与下行收益的差值来进行市场择时判断，可能用于衡量市场动能或情绪。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅提及其为八大择时模型之一，应用于A股和港股的中期择时[9][11][12][14]。 8. **模型名称：月历效应模型**[12] * **模型构建思路**：基于历史月份、星期等时间规律进行中期市场择时。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅提及其为中期择时模型之一[12]。 9. **模型名称：长期动量模型**[9][13] * **模型构建思路**：基于价格加速度与趋势进行长期市场择时，核心思想简单普世[9]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅提及其为八大择时模型之一，属于长期周期模型[9][13]。 10. **模型名称：A股综合兵器V3模型**[13] * **模型构建思路**：将同一周期或不同周期下的多个择时模型信号进行耦合，结合偏防御和偏进攻的模型，以达到攻守兼备的效果[9]。 * **模型具体构建过程**：报告未提供该复合模型的具体耦合方法与权重分配细节，仅说明其为综合模型[9][13]。 11. **模型名称：A股综合国证2000模型**[13] * **模型构建思路**：将同一周期或不同周期下的多个择时模型信号进行耦合，结合偏防御和偏进攻的模型，以达到攻守兼备的效果[9]。 * **模型具体构建过程**：报告未提供该复合模型的具体耦合方法与权重分配细节，仅说明其为综合模型[9][13]。 12. **模型名称：港股成交额倒波幅模型**[14] * **模型构建思路**：结合成交额与波动率（波幅）进行港股市场的中期择时判断。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅提及其为港股中期择时模型之一[14]。 13. **模型名称：形态识别模型（杯柄形态、双底形态）**[44] * **模型构建思路**：通过识别股价走势图表中的特定技术形态（如杯柄形态、双底形态）来构建股票组合，进行趋势跟踪或突破交易。 * **模型具体构建过程**：报告未提供形态识别的具体算法规则和量化定义，但展示了基于形态突破信号构建的组合及其表现[44][47][54]。 14. **模型名称：大师系列策略模型**[40] * **模型构建思路**：基于经典的价值型、成长型、综合型大师投资理念，构建量化选股策略，用于监控因子暴露和选股标准[40]。 * **模型具体构建过程**：报告未提供具体策略的构建公式和步骤，仅说明该系列包含33个策略，用于监控因子暴露[40]。 15. **模型名称：华创VIX指数模型**[42] * **模型构建思路**：复现并计算市场的波动率指数（VIX），作为判断市场情绪的参考指标，与大盘常呈负相关关系[42]。 * **模型具体构建过程**：报告提及该模型根据公开披露的VIX计算方法复现，并提供了50ETF期权、沪深300指数、300ETF的VIX计算结果，但未给出具体计算公式[42][43]。 模型的回测效果 1. **杯柄形态模型**，本周组合收益-0.19%，相对上证综指超额收益-0.32%；自2020年12月31日至今，累计收益12.55%，相对上证综指超额收益-1.73%[44]。 2. **双底形态模型**，本周组合收益-0.17%，相对上证综指超额收益-0.30%；自2020年12月31日至今，累计收益13.01%，相对上证综指超额收益-1.27%[44]。 量化因子与构建方式 * 报告主要介绍了多种择时模型和形态策略，未详细阐述用于选股的底层量化因子（如价值、成长、动量等）的具体构建方式。报告中提到的“大师策略”暴露的因子[40]，以及行业分析中涉及的“分析师上调/下调个股比例”[19][20]等可视为因子或信号，但未给出其量化定义和构建过程。 因子的回测效果 * 报告未提供具体量化因子的独立测试结果（如IC、IR、多空收益等）。

量化模型与构建方式 1. **模型名称：成交量模型**[1][11] * **模型构建思路：** 基于市场成交量的变化进行短期择时判断[8]。 * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程。 2. **模型名称：特征龙虎榜机构模型**[1][11] * **模型构建思路：** 利用龙虎榜中机构资金的买卖行为特征进行市场判断[8]。 * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程。 3. **模型名称：特征成交量模型**[1][11] * **模型构建思路：** 基于某种特定的成交量特征进行市场判断[8]。 * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程。 4. **模型名称：智能算法沪深300模型 / 智能算法中证500模型**[1][11] * **模型构建思路：** 应用智能算法（如机器学习）对沪深300或中证500指数进行择时判断[8]。 * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程。 5. **模型名称：涨跌停模型**[1][12] * **模型构建思路：** 通过分析市场中涨停和跌停股票的数量或比例等特征进行中期择时判断[8]。 * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程。 6. **模型名称：上下行收益差模型**[1][11][12] * **模型构建思路：** 通过计算市场上涨阶段与下跌阶段的收益差异来判断市场趋势[8]。 * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程。 7. **模型名称：月历效应模型**[1][12] * **模型构建思路：** 基于历史数据中存在的特定月份或日历周期的规律性效应进行择时判断。 * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程。 8. **模型名称：长期动量模型**[1][13] * **模型构建思路：** 基于资产的长期价格动量（趋势）进行择时判断[8]。 * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程。 9. **模型名称：A股综合兵器V3模型**[1][14] * **模型构建思路：** 一个综合性的A股择时模型，可能耦合了多个周期或策略的信号[8]。 * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程。 10. **模型名称：A股综合国证2000模型**[1][14] * **模型构建思路：** 针对国证2000指数的综合性择时模型[8]。 * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程。 11. **模型名称：成交额倒波幅模型**[1][15] * **模型构建思路：** 结合成交额与波动率（波幅）的倒数关系进行港股中期择时判断。 * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程。 12. **模型名称：恒生指数上下行收益差模型**[1][15] * **模型构建思路：** 针对恒生指数，计算其上涨与下跌阶段的收益差异进行判断。 * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程。 13. **模型名称：双底形态策略**[37][45] * **模型构建思路：** 基于技术分析中的双底形态识别进行选股，该形态通常被视为看涨反转信号。 * **模型具体构建过程：** 报告未提供该策略具体的形态识别算法和买入卖出规则。 14. **模型名称：杯柄形态策略**[37][50] * **模型构建思路：** 基于技术分析中的杯柄形态识别进行选股，该形态被视为上涨中继或突破前的整理形态。 * **模型具体构建过程：** 报告未提供该策略具体的形态识别算法和买入卖出规则。 15. **模型名称：倒杯子形态风险监控**[55] * **模型构建思路：** 识别技术分析中的倒杯子形态（负向形态），作为个股下跌风险的预警信号。 * **模型具体构建过程：** 报告未提供该模型具体的形态识别算法。 16. **因子名称：分析师一致预期上调/下调比例**[19] * **因子构建思路：** 统计行业内获得分析师上调或下调盈利预测的个股比例，反映分析师对行业基本面的整体预期变化。 * **因子具体构建过程：** 对于特定行业，计算在统计期内盈利预测被上调（或下调）的上市公司家数占该行业总上市公司家数的比例。 17. **因子名称：基金仓位（绝对/超低配）**[20][21][23][26][27] * **因子构建思路：** 利用公募基金持仓数据，计算其对特定行业的配置比例（绝对仓位）以及相对于市场标准（如市值占比）的超配或低配程度，反映机构资金动向。 * **因子具体构建过程：** * **绝对仓位：** 汇总所有样本基金持有某行业股票的总市值，除以样本基金股票总持仓市值。 * **超/低配：** 基金对该行业的绝对仓位减去该行业股票在基准指数（或全市场）中的市值占比。 * **超/低配近两年分位数：** 将当前时点的超/低配值置于过去两年的历史序列中，计算其分位数位置。 18. **模型名称：华创恐慌指数（HCVIX）**[34] * **模型构建思路：** 复现并跟踪中国市场波动率指数（VIX），作为判断市场情绪和风险的参考指标。 * **模型具体构建过程：** 根据公开的VIX计算方法，基于50ETF、沪深300指数等期权数据，计算未来30天的预期波动率。报告提及复现的指数与已停发的中证VIX历史数据相关系数达99.2%[34]。 模型的回测效果 1. **双底形态策略**，本周收益-2.35%，同期上证综指涨跌幅-0.34%，本周相对收益-2.0%，2020年12月31日至今累计收益11.46%，同期上证综指累计涨幅11.99%，累计相对收益-0.52%[37]。 2. **杯柄形态策略**，本周收益-1.47%，同期上证综指涨跌幅-0.34%，本周相对收益-1.13%，2020年12月31日至今累计收益8.94%，同期上证综指累计涨幅11.99%，累计相对收益-3.04%[37]。 因子的回测效果 *(注：本报告未提供量化因子的历史IC、IR、多空收益等传统回测指标数据。)*

根据提供的华创证券金工周报（20251124-20251128），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：成交量模型**[11][12] * **模型构建思路**：基于市场成交量的变化来判断短期市场情绪和趋势[11][12]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[11][12]。 2. **模型名称：特征龙虎榜机构模型**[11][12] * **模型构建思路**：利用龙虎榜中机构投资者的买卖行为数据构建特征，用于市场短期择时[11][12]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[11][12]。 3. **模型名称：特征成交量模型**[11][12] * **模型构建思路**：基于特定的成交量特征（可能与龙虎榜相关）进行短期市场判断[11][12]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[11][12]。 4. **模型名称：智能算法沪深300模型 / 智能算法中证500模型**[11][12] * **模型构建思路**：应用智能算法（如机器学习等）对特定宽基指数（沪深300、中证500）进行择时判断[11][12]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[11][12]。 5. **模型名称：涨跌停模型**[13] * **模型构建思路**：通过分析市场中涨停和跌停股票的数量或比例来判断中期市场情绪[13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[13]。 6. **模型名称：上下行收益差模型**[11][13] * **模型构建思路**：通过计算市场上行收益与下行收益的差异来判断市场动能和趋势[11][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[11][13]。 7. **模型名称：月历效应模型**[13] * **模型构建思路**：基于历史数据中存在的特定月份或时间段的规律性表现进行中期市场判断[13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[13]。 8. **模型名称：长期动量模型**[14] * **模型构建思路**：基于资产的长期价格动量（趋势）进行判断，认为过去表现好的资产未来仍可能表现良好[14]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[14]。 9. **模型名称：A股综合兵器V3模型 / A股综合国证2000模型**[15] * **模型构建思路**：将短期、中期、长期等多个单一模型或因子信号进行综合耦合，形成最终的复合判断模型，旨在攻守兼备[9][15]。 * **模型具体构建过程**：报告提及了模型耦合的思想，但未提供V3或国证2000综合模型的具体耦合公式和权重分配细节[9][15]。 10. **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（倒波幅）指标对港股市场进行中期判断[16]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[16]。 11. **模型名称：恒生指数上下行收益差模型**[16] * **模型构建思路**：原理同A股的上下行收益差模型，应用于恒生指数进行中期判断[16]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅给出了其信号判断结果[16]。 12. **因子/策略名称：杯柄形态**[44][45][46] * **因子/策略构建思路**：识别股价走势中类似于“杯子和杯柄”的图表形态，该形态被认为是看涨 continuation 模式，当股价突破杯柄区域的阻力位时产生买入信号[44][45][46]。 * **因子/策略具体构建过程**：通过识别三个关键点来定义形态：A点（杯左缘高点）、B点（杯底低点）、C点（杯右缘/柄部高点），当价格突破C点水平时视为形态突破，产生信号[46][48][49]。 * **因子/策略评价**：是一种经典的技术分析形态识别策略。 13. **因子/策略名称：双底形态**[44][50][51] * **因子/策略构建思路**：识别股价走势中形成两个近似低点（底部）的W形图表形态，该形态被认为是看涨 reversal 模式，当股价突破两个底部之间的颈线位时产生买入信号[44][50][51]。 * **因子/策略具体构建过程**：通过识别三个关键点来定义形态：A点（第一个底部）、B点（两个底部之间的反弹高点，即颈线位）、C点（第二个底部），当价格突破B点水平时视为形态突破，产生信号[50][54]。 * **因子/策略评价**：是一种经典的技术分析形态识别策略。 14. **因子/策略名称：倒杯子形态**[64][66] * **因子/策略构建思路**：识别股价走势中类似于倒置的“杯子和杯柄”的图表形态，该形态被认为是看跌 reversal 模式，当股价跌破形态支撑位时产生风险警示信号[64][66]。 * **因子/策略具体构建过程**：通过识别三个关键点来定义形态：A点（杯左缘低点）、C点（杯右缘/柄部低点）、E点（杯口高点），当价格跌破A-C点形成的支撑区域时视为形态突破，产生风险信号[64][66]。 * **因子/策略评价**：是一种用于识别潜在下跌风险的技术分析形态。 模型的回测效果 1. **杯柄形态组合**[44] * 本周收益：3.9%[44] * 本周相对上证综指超额收益：2.5%[44] * 2020年12月31日至今累计收益：10.82%[44] * 2020年12月31日至今相对上证综指超额收益：-1.14%[44] 2. **双底形态组合**[44] * 本周收益：3.33%[44] * 本周相对上证综指超额收益：1.93%[44] * 2020年12月31日至今累计收益：13.99%[44] * 2020年12月31日至今相对上证综指超额收益：2.02%[44] 量化因子与构建方式 （报告主要描述了择时模型和技术形态策略，未详细阐述用于选股或阿尔法策略的独立量化因子及其构建方式。） 因子的回测效果 （报告主要描述了择时模型和技术形态策略的回测效果，未提供独立量化因子的IC值、IR、多空收益等传统因子测试指标。）

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]