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：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对市场进行综合刻画，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，最终生成一个介于[-1,1]之间的综合择时分数[1][6] * 模型具体构建过程：首先，对每个单指标进行构建和标准化处理，将其转化为[-1, 0, 1]或连续标准化后的择时分数。然后，将六个维度的单指标分数汇总，形成每个维度的综合得分。最后，将六个维度的得分（或四大类得分）进一步综合，生成最终的[-1,1]区间内的市场择时观点[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：通过比较货币政策工具利率与短端市场利率相对于90天前的平均变化方向，来判断当前货币政策是宽松还是收紧[10] * 因子具体构建过程：选取央行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。若因子值>0，则判断货币政策宽松，发出看多信号（分数为1）；若因子值<0，则判断货币政策收紧，发出看空信号（分数为-1）[10] 2. **因子名称：货币强度因子** * 因子构建思路：基于“利率走廊”概念，通过计算短端市场利率相对于政策利率的偏离幅度，来表征货币环境的松紧强度[13] * 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。若因子值 < -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；若因子值 > 1.5倍标准差，则预期未来120个交易日指标分数为-1；否则为中性，分数为0[13] 3. **因子名称：信用方向因子** * 因子构建思路：使用中长期贷款指标的同比变化方向，来表征商业银行对实体经济的信贷传导是趋于宽松还是收紧[16] * 因子具体构建过程：计算中长期贷款当月值在过去十二个月的增量，并计算其同比值作为信用方向因子。若该因子值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[16] 4. **因子名称：信用强度因子** * 因子构建思路：捕捉新增人民币贷款数据是否大幅超预期或不及预期，以衡量信用扩张的强度[20] * 因子具体构建过程：计算信用强度因子 = (新增人民币贷款当月值 – 预期中位数) / 预期标准差。若因子值 > 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；若因子值 < -1.5倍标准差，则未来60个交易日分数为-1；否则为中性，分数为0[20] 5. **因子名称：增长方向因子** * 因子构建思路：基于PMI数据的同比变化方向，来判断经济增长的趋势是向上还是向下[23] * 因子具体构建过程：选取中采制造业PMI、中采非制造业PMI、财新制造业PMI，计算其过去十二个月均值的同比值作为增长方向因子。若该因子值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PMI数据是否大幅超预期或不及预期，以衡量经济增长的强度[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，作为增长强度因子。若因子值 > 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；若因子值 < -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：结合CPI和PPI的同比数据，判断通胀水平的变化方向，通胀下行通常为权益资产利好[29] * 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。若该因子值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[29] 8. **因子名称：通胀强度因子** * 因子构建思路：捕捉CPI和PPI数据是否大幅超预期或不及预期，以衡量通胀的强度[32] * 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，并取两者的均值作为通胀强度因子。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；若因子值 > 1.5倍标准差，则未来60个交易日分数为-1[32] 9. **因子名称：席勒ERP因子** * 因子构建思路：使用经过周期调整的盈利（席勒PE）来计算股权风险溢价，以衡量股票相对于债券的长期估值性价比[34] * 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值在过去6年时间窗口内的z-score作为分数[34] 10. **因子名称：PB因子** * 因子构建思路：使用市净率（PB）的倒数并标准化，作为衡量市场估值水平的指标[36] * 因子具体构建过程：将PB取相反数（PB × (-1)），并计算其过去6年时间窗口内的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[36] 11. **因子名称：AIAE因子** * 因子构建思路：通过计算全市场权益资产配置比例，来反映市场整体的风险偏好水平[39] * 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)。将该指标取相反数（AIAE × (-1)），并计算其过去6年时间窗口内的z-score得到分数[39] 12. **因子名称：两融增量因子** * 因子构建思路：通过比较融资融券余额的短期和长期平均增量，来判断杠杆资金的情绪和流向[42] * 因子具体构建过程：计算融资余额与融券余额的差值，并分别计算其过去120日的均增量和过去240日的均增量。若120日均增量 > 240日均增量，则看多，分数为1；反之看空，分数为-1[42] 13. **因子名称：成交额趋势因子** * 因子构建思路：通过分析成交额均线系统的排列关系，来判断市场成交热度和资金活跃度的趋势[45] * 因子具体构建过程：计算对数成交额的均线距离 = ma120 / ma240 - 1。当该均线距离的 max(10日) = max(30日) = max(60日) 时，发出看多信号，分数为1；当 min(10日) = min(30日) = min(60日) 时，发出看空信号，分数为-1；否则为中性，分数为0[45] 14. **因子名称：中国主权CDS利差因子** * 因子构建思路：将中国主权CDS利差的变化作为海外投资者对中国经济基本面预期和外资流入意愿的代理变量[48] * 因子具体构建过程：对平滑后的CDS利差计算其20日差分。若20日差分 < 0，说明CDS利差下降，海外预期转好，此时看多，分数为1；反之看空，分数为-1[48] 15. **因子名称：海外风险厌恶指数因子** * 因子构建思路：使用花旗风险厌恶指数（Citi RAI Index）的变化来衡量海外市场的整体风险偏好，进而影响外资流向[51] * 因子具体构建过程：对平滑后的风险厌恶指数计算其20日差分。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[51] 16. **因子名称：价格趋势因子** * 因子构建思路：结合均线距离的方向和强度，来综合判断市场中长期的价格运行趋势[53] * 因子具体构建过程：首先计算价格均线距离 = ma120 / ma240 - 1。方向判断：若均线距离 > 0，趋势方向分数 = 1，反之为 -1。强度判断：若均线距离的 max(20日) = max(60日)，趋势强度分数为1；若 min(20日) = min(60日)，趋势强度分数为-1。最终趋势综合分数 = (趋势方向分数 + 趋势强度分数) / 2[53] 17. **因子名称：新高新低数因子** * 因子构建思路：将指数成分股创一年新高与新低的个股数量差作为市场反转信号，新低过多预示可能见底，新高过多预示可能见顶[56] * 因子具体构建过程：计算中证800成分股中，过去一年新低数减去新高数的差值，并取20日移动平均。若该平滑后的差值 > 0，说明近期新低较多，市场有见底预期，此时看多，分数为1；反之看空，分数为-1[56] 18. **因子名称：期权隐含升贴水因子** * 因子构建思路：将期权市场隐含的标的未来升贴水作为反转指标，用于衡量市场情绪的拥挤度[60] * 因子具体构建过程：若50ETF近5日收益率 < 0，且该指标的历史分位数 < 30%，则发出看多信号，持续20日，分数为1；若50ETF近5日收益率 > 0，且指标分位数 > 70%，则发出看空信号，持续20日，分数为-1[60] 19. **因子名称：期权VIX因子** * 因子构建思路：将期权隐含波动率（VIX）作为市场恐慌情绪和未来波动预期的指标，高VIX往往预示市场反转[61] * 因子具体构建过程：若50ETF近5日收益率 < 0，且VIX指标的历史分位数 > 70%，则发出看多信号，持续20日，分数为1；若50ETF近5日收益率 > 0，且VIX指标分位数 > 70%，则发出看空信号，持续20日，分数为-1[61] 20. **因子名称：期权SKEW因子** * 因子构建思路：将期权隐含偏度（SKEW）作为市场情绪和未来分布偏度的指标，用于判断市场反转[65] * 因子具体构建过程：若50ETF近5日收益率 < 0，且SKEW指标的历史分位数 > 70%，则发出看多信号，持续20日，分数为1；若50ETF近5日收益率 > 0，且SKEW指标分位数 < 30%，则发出看空信号，持续20日，分数为-1[65] 21. **因子名称：可转债定价偏离度因子** * 因子构建思路：通过计算可转债实际价格与模型理论定价的偏离度，来反映通过可转债暴露权益弹性的资金的拥挤情绪[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。将该偏离度取相反数，并计算其过去3年时间窗口内的z-score作为分数。定价偏离度越高，拥挤度越高，分数越低[68] 模型的回测效果 * 本报告未提供择时雷达六面图综合择时模型的历史回测绩效指标（如年化收益率、夏普比率、最大回撤、信息比率IR等）的具体数值。 因子的回测效果 * 本报告提供了全部21个单因子在报告当周（最新）的择时信号分数，具体取值如下[9]： 1. 货币方向因子，当前分数：1.00 2. 货币强度因子，当前分数：0.00 3. 信用方向因子，当前分数：1.00 4. 信用强度因子，当前分数：0.00 5. 增长方向因子，当前分数：-1.00 6. 增长强度因子，当前分数：-1.00 7. 通胀方向因子，当前分数：-1.00 8. 通胀强度因子，当前分数：-1.00 9. 席勒ERP因子，当前分数：0.05 10. PB因子，当前分数：-0.57 11. AIAE因子，当前分数：-0.80 12. 两融增量因子，当前分数：-1.00 13. 成交额趋势因子，当前分数：0.00 14. 中国主权CDS利差因子，当前分数：-1.00 15. 海外风险厌恶指数因子，当前分数：-1.00 16. 价格趋势因子，当前分数：1.00 17. 新高新低数因子，当前分数：-1.00 18. 期权隐含升贴水因子，当前分数：1.00 19. 期权VIX因子，当前分数：1.00 20. 期权SKEW因子，当前分数：1.00 21. 可转债定价偏离度因子，当前分数：-1.00

行业投资评级 - 房地产行业评级为“增持”（维持）[1] 报告核心观点 - 报告介绍了一套基于量化分析与大语言模型（LLM）的房地产股票AI选股系统，旨在为投资者提供高效、全面、及时的股票评级服务 [4][9] - 该系统是业内首个将大语言模型深度融入房地产股票选股流程的智能评级系统，核心创新在于利用三模型融合架构的联网搜索能力，使AI能实时感知最新政策和市场动态，解决传统量化模型无法及时反映政策变化的痛点 [4][9] - 系统内置两套独立评级模型，覆盖A股、港股、美股三大市场共61只房地产相关股票，并具备灵活可扩展的架构，支持用户自定义选股策略 [4][10][17][19] 系统架构与核心能力 - **双模型评级体系**：系统内置“量化AI选股”和“东吴地产选股”两套独立模型，分别面向偏好技术分析和基本面分析的投资者，用户可一键切换对比 [4][10][19] - **三大市场覆盖**：系统支持A股、港股、美股三大市场的房地产相关股票，截至2026年3月3日，共覆盖61只标的 [10][17][19] - **AI实时联网分析**：系统采用DeepSeek V3.2+GLM-5+Kimi K2.5三模型并行融合架构，在评分时开启联网搜索功能，能实时获取最新政策文件、行业新闻、公司公告，确保评级结果反映最新市场信息 [4][10][44][63] - **多源数据保障**：采用四层数据降级架构（iFinD → AKShare → 腾讯财经 → 新浪财经），确保在任何网络环境下都能获取有效数据，系统7×24小时稳定运行 [4][10][61] - **灵活可扩展架构**：系统采用前后端分离架构，模型层与数据层解耦，支持快速扩展自定义选股模型、调整评分权重、编写个性化AI Prompt，并可迁移至其他行业 [4][66][84][85][86][87] 模型一：量化AI选股模型详解 - **综合评分公式**：量化技术评分 × 25% + 情绪因子评分 × 10% + iFinD基本面评分 × 15% + AI大模型评分 × 50% [25] - **设计理念**：以AI为核心（占50%最高权重），量化技术为基础，基本面数据做验证，AI能理解政策含义、行业趋势和市场情绪 [25][43] - **量化技术评分（满分100分）**：包含6个加权维度：趋势评分（权重22%）、动量评分（18%）、波动率评分（12%）、成交量评分（18%）、价值评分（18%）、情绪评分（12%）[27][30] - **iFinD基本面评分（满分100分）**：包含5大维度：核心估值（50分）、资金面（20分）、市场情绪（10分）、盈利能力（10分）、交易活跃度（10分）[41][42] - **AI大模型评分**：采用三模型并行融合架构（DeepSeek V3.2权重0.40， GLM-5权重0.35， Kimi K2.5权重0.25），通过联网搜索获取最新信息，按照四大维度分析：政策资讯影响（权重35%）、公司基本面（30%）、技术面与资金面（25%）、风险评估（10%）[44][45][50][51] - **降级策略**：当部分数据源不可用时，系统自动调整权重，例如基本面不可用时，权重调整为量化30% + 情绪12% + AI58% [26] 模型二：东吴地产选股模型详解 - **综合评分公式**：iFinD基本面评分 × 50% + AI大模型评分 × 50% [54] - **设计理念**：参考东吴证券地产研究团队框架，聚焦行业基本面和政策，适合偏好价值投资的投资者，完全不使用量化技术分析 [54][56] - **东吴基本面评分（满分100分）**：聚焦房地产行业特有标准，包含四个维度：三道红线与财务健康（30分）、估值安全边际（30分）、盈利质量（20分）、技术趋势（20分），其中PB估值（市净率）是核心选股条件 [56] - **东吴AI评分**：使用独立的系统提示词，模拟东吴证券地产研究团队视角，分析框架包含四大维度：宏观环境评估（权重25%）、行业政策面（30%）、个股基本面（30%）、估值安全边际（15%）[57][58][59] - **降级策略**：AI不可用时退化为100%基本面评分；若基本面也不可用，则该股票不评级 [54][60] 数据采集与处理 - **四层数据降级架构**：第一层为同花顺iFinD HTTP API（专业级），第二层为AKShare，第三层为腾讯财经API，第四层为新浪财经API作为兜底 [4][61] - **智能数据源管理**：连续失败超过3次的数据源自动降低优先级，恢复后自动提升，无需人工干预 [4][62] - **数据覆盖与补算**：iFinD覆盖历史行情、实时行情（80+指标）、估值、财务、资金流向和公司公告等全维度数据，针对港股/美股可能缺失的指标，系统自动基于历史行情数据补算 [4][42][61][62] 系统功能与部署 - **每日自动评级**：系统每天上午9:00自动对所有61只股票执行双模型评级，单次全量评级耗时约30-50分钟，用户打开系统即可查看最新结果 [10][19] - **评级映射标准**：两套模型采用统一的评级映射，综合评分0-100分映射为四个等级：≥65分为“优选”，50~64分为“关注”，35~49分为“中性”，<35分为“谨慎”[20][60] - **核心功能模块**：包括AI评级仪表盘、股票详情面板（展示估值、资金流、AI分析等）、自选股票池与AI操作建议、地产行业要闻、市场点评与研究报告等 [88][89][95][100][102] - **部署方式**：支持Docker一键部署，采用多阶段构建，最低配置要求2核4GB内存，推荐4核8GB内存 [70][79][80] - **开源与扩展**：项目已在GitHub开源，采用MIT协议，用户可基于此进行二次开发、扩展自定义选股策略或迁移至其他行业 [9][66]

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对市场进行综合刻画，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，最终生成一个介于[-1,1]之间的综合择时分数[1]。 * **模型具体构建过程**： 1. 从六个维度（流动性、经济面、估值面、资金面、技术面、拥挤度）选取二十一个底层指标[1]。 2. 对每个底层指标，根据其构建规则计算出一个介于[-1, 1]之间的信号分数（看多为1，看空为-1，中性为0）[9]。 3. 将二十一个指标归纳为四大类：“估值性价比”、“宏观基本面”、“资金&趋势”、“拥挤度&反转”[1]。 4. 通过一定方法（报告未详述具体加权或合成方式）将各类别下的指标分数合成为各大类分数[1]。 5. 最终，将四大类分数合成为一个综合择时分数，范围在[-1,1]之间[1]。 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的变化来确定宽松或收紧[11]。 * **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[11]。若因子值>0，则判断货币政策宽松，发出看多信号；若因子值<0，则判断货币政策收紧，发出看空信号[11]。 2. **因子名称：货币强度因子** * **因子构建思路**：基于“利率走廊”概念，表征短端市场利率相对于政策利率的偏离幅度，以判断货币环境的松紧程度[15]。 * **因子具体构建过程**： 1. 计算偏离度：$$偏离度 = \frac{DR007}{7天逆回购利率} - 1$$[15]。 2. 对偏离度进行平滑处理并计算z-score，得到货币强度因子[15]。 3. 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[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程度，使用中长期贷款指标的同比变化趋势来判断[18]。 * **因子具体构建过程**： 1. 获取中长期贷款当月值[18]。 2. 计算过去十二个月的增量[18]。 3. 计算该增量的同比值，得到信用方向因子[18]。 4. 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，反映信用环境的强度变化[21]。 * **因子具体构建过程**： 1. 计算因子值：$$信用强度因子 = \frac{新增人民币贷款当月值 – 预期中位数}{预期标准差}$$[21]。 2. 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性趋势[23]。 * **因子具体构建过程**： 1. 基于中采制造业PMI、中采非制造业PMI、财新制造业PMI构建综合PMI指标[23]。 2. 计算该综合PMI过去十二个月的均值[23]。 3. 计算该均值的同比值，得到增长方向因子[23]。 4. 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，反映经济增长的动量强度[25]。 * **因子具体构建过程**： 1. 计算PMI预期差：$$增长强度因子 = \frac{PMI – 预期中位数}{预期标准差}$$[25]。 2. 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；反之若因子 < -1.5倍标准差，则未来60个交易日分数为-1[25]。 7. **因子名称：通胀方向因子** * **因子构建思路**：通过CPI和PPI的综合变化判断通胀趋势，通胀下行通常意味着未来货币政策空间更大，利好权益[27]。 * **因子具体构建过程**： 1. 计算因子值：$$通胀方向因子 = 0.5 \times CPI同比平滑值 + 0.5 \times PPI同比原始值$$[27]。 2. 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[27]。 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[30]。 * **因子具体构建过程**： 1. 分别计算CPI与PPI的预期差：$$预期差 = \frac{披露值 – 预期中位数}{预期标准差}$$[30]。 2. 计算CPI与PPI预期差的均值，得到通胀强度因子[30]。 3. 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；反之若因子 > 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**：使用经过周期调整的盈利来计算市盈率，再与无风险利率比较，得到股权风险溢价，以衡量市场的估值性价比[31]。 * **因子具体构建过程**： 1. 计算过去6年通胀调整后的平均盈利，得到席勒PE[31]。 2. 计算席勒ERP：$$席勒ERP = \frac{1}{席勒PE} - 10年期国债到期收益率$$[31]。 3. 计算席勒ERP过去6年的z-score作为分数[31]。 10. **因子名称：PB因子** * **因子构建思路**：将市净率（PB）进行标准化处理，作为衡量市场估值水平的指标之一[35]。 * **因子具体构建过程**：对PB乘以-1，并计算过去6年的z-score，经过1.5倍标准差截尾后，标准化到±1之间得到分数[35]。 11. **因子名称：AIAE因子** * **因子构建思路**：全市场权益配置比例，反映了投资者在风险资产和安全资产之间的动态配置均衡，用以衡量市场整体风险偏好[37]。 * **因子具体构建过程**： 1. 构建A股AIAE指标：$$AIAE = \frac{中证全指总流通市值}{中证全指总流通市值 + 实体总债务}$$[37]。 2. 将AIAE乘以-1，并计算过去6年的z-score得到分数[37]。 12. **因子名称：两融增量因子** * **因子构建思路**：两融余额变化反映市场杠杆资金情绪，上行通常伴随市场走强[40]。 * **因子具体构建过程**： 1. 计算融资余额与融券余额的差值[40]。 2. 分别计算该差值过去120日的日均增量和过去240日的日均增量[40]。 3. 若120日均增量 > 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[40]。 13. **因子名称：成交额趋势因子** * **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[43]。 * **因子具体构建过程**： 1. 计算对数成交额的均线距离：$$均线距离 = \frac{ma120}{ma240} - 1$$[43]。 2. 当均线距离的过去10日、30日、60日最大值同时相等时，看多，分数为1；当过去10日、30日、60日最小值同时相等时，看空，分数为-1[43]。 14. **因子名称：中国主权CDS利差因子** * **因子构建思路**：中国主权CDS利差代表了海外投资者对中国经济与主权信用风险的定价，利差下降通常意味着外资流入意愿增强[47]。 * **因子具体构建过程**：对平滑后的CDS利差计算20日差分。若20日差分 < 0，说明CDS利差下降，看多，分数为1；反之看空，分数为-1[47]。 15. **因子名称：海外风险厌恶指数因子** * **因子构建思路**：花旗风险厌恶指数（Citi RAI Index）能捕捉海外市场的风险偏好，其下降表明外资风险偏好上升[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。若20日差分 < 0，外资风险偏好上升，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** * **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**： 1. 计算价格均线距离：$$均线距离 = \frac{ma120}{ma240} - 1$$[52]。 2. **趋势方向分数**：若均线距离 > 0，则分数为1，反之为-1[52]。 3. **趋势强度分数**：若均线距离的过去20日与60日最大值相等，则分数为1；若过去20日与60日最小值相等，则分数为-1[52]。 4. **趋势综合分数**：$$趋势综合分数 = \frac{趋势方向分数 + 趋势强度分数}{2}$$[52]。 17. **因子名称：新高新低数因子** * **因子构建思路**：指数成分股的新高与新低个数之差可作为市场反转信号[54]。 * **因子具体构建过程**：计算中证800成分股过去一年新低数减去新高数，并取20日移动平均。若该值 > 0，说明近期新低较多，市场有见底预期，看多，分数为1；反之看空，分数为-1[54]。 18. **因子名称：期权隐含升贴水因子** * **因子构建思路**：基于看涨看跌平价关系推导出的期权隐含升贴水，反映了期权市场对未来标的收益率的预期与情绪，可作为反转指标[58]。 * **因子具体构建过程**：若50ETF近5日收益率 < 0，且该指标的历史分位数 < 30%，则看多持续20日；若50ETF近5日收益率 > 0，且该指标的历史分位数 > 70%，则看空持续20日[58]。 19. **因子名称：期权VIX因子** * **因子构建思路**：期权隐含波动率指数（VIX）反映了市场对未来波动率的预期，较高时市场倾向于反转[60]。 * **因子具体构建过程**：若50ETF近5日收益率 < 0，且该指标的历史分位数 > 70%，则看多持续20日；若50ETF近5日收益率 > 0，且该指标的历史分位数 > 70%，则看空持续20日[60]。 20. **因子名称：期权SKEW因子** * **因子构建思路**：期权隐含偏度指数（SKEW）反映了市场对未来收益率分布偏度的预期，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，且该指标的历史分位数 > 70%，则看多持续20日；若50ETF近5日收益率 > 0，且该指标的历史分位数 < 30%，则看空持续20日[64]。 21. **因子名称：可转债定价偏离度因子** * **因子构建思路**：可转债估值水平能体现市场情绪，定价偏离度越高，拥挤度越高，可作为反转指标[68]。 * **因子具体构建过程**： 1. 计算可转债定价偏离度：$$定价偏离度 = \frac{转债价格}{模型定价} - 1$$[68]。 2. 计算分数：将定价偏离度乘以-1，并计算过去3年的z-score得到最终分数[68]。 模型的回测效果 *注：本报告未提供综合择时模型的历史回测绩效指标（如年化收益率、夏普比率、最大回撤等），仅提供了截至报告期的最新信号分数。* 1. **择时雷达六面图综合择时模型**，当前综合打分为-0.25分[6]。 因子的回测效果 *注：本报告未提供各因子的历史IC、IR等统计检验指标，仅提供了截至报告期的最新信号分数。所有因子分数范围均为[-1, 1]，其中1代表看多，-1代表看空，0代表中性[9]。* 1. **货币方向因子**，当前分数为1.00分[9]。 2. **货币强度因子**，当前分数为0.00分[9]。 3. **信用方向因子**，当前分数为-1.00分[9]。 4. **信用强度因子**，当前分数为0.00分[9]。 5. **增长方向因子**，当前分数为-1.00分[9]。 6. **增长强度因子**，当前分数为-1.00分[9]。 7. **通胀方向因子**，当前分数为-1.00分[9]。 8. **通胀强度因子**，当前分数为0.00分[9]。 9. **席勒ERP因子**，当前分数为-0.07分[9]。 10. **PB因子**，当前分数为-0.77分[9]。 11. **AIAE因子**，当前分数为-1.00分[9]。 12. **两融增量因子**，当前分数为1.00分[9]。 13. **成交额趋势因子**，当前分数为1.00分[9]。 14. **中国主权CDS利差因子**，当前分数为-1.00分[9]。 15. **海外风险厌恶指数因子**，当前分数为-1.00分[9]。 16. **价格趋势因子**，当前分数为1.00分[9]。 17. **新高新低数因子**，当前分数为-1.00分[9]。 18. **期权隐含升贴水因子**，当前分数为1.00分[9]。 19. **期权VIX因子**，当前分数为1.00分[9]。 20. **期权SKEW因子**，当前分数为-1.00分[9]。 21. **可转债定价偏离度因子**，当前分数为-1.00分[9]。

外汇市场与量化分析需求 - 外汇市场以规模庞大、流动性强、24小时不间断运作为特征，其波动受全球经济、政治、央行政策等多重复杂因素影响 [1] - 传统分析方法依赖大量手动操作和经验判断，难以全面、迅速地处理海量信息和识别非直观的市场模式 [1] - 量化分析成为提升市场认知和决策精准度的重要工具，旨在减少情绪干扰，提高策略的稳定性和执行效率 [1] FXGT量化决策支持体系的核心功能 - 信息处理与模式识别：系统能够高速处理新闻、经济指标、价格波动等结构化和非结构化数据，运用算法过滤噪音，识别可能被忽略的市场趋势和周期性规律 [4] - 策略回测与优化：用户可在安全环境中利用历史数据对预设策略进行模拟验证，评估其在不同市场环境下的表现，并进行迭代优化以提高策略鲁棒性 [4] - 风险管理的量化支撑：将风险管理原则量化，设置明确的、基于数据分析的参数（如动态调整的应对区间），以系统化控制潜在波动带来的影响 [7] - 客观性与一致性：量化模型基于预设规则运行，最大程度减少决策过程中主观情绪的负面影响，确保操作指令的执行严格遵循既定策略 [7] FXGT量化解决方案对不同用户群体的价值 - 对于个人参与者：量化工具降低了接触复杂分析的门槛，即使不具备深厚编程或数学背景，用户也能利用平台提供的策略构建模块、数据分析仪表盘和风险评估框架，构建、测试和执行自己的量化理念 [10] - 对于专业团队和机构：解决方案提供更深层次的定制空间和效率提升，可以整合专有数据源、更复杂的算法策略，并进行大规模并行化的策略测试，满足机构对速度、精度和策略复杂度的要求 [10] 量化分析对外汇市场参与方式的变革 - FXGT的量化分析能力是一套融合了数据科学、严谨建模和实战洞察的决策支持体系，而不仅仅是简单的自动化工具 [11] - 通过高效的信息处理、历史验证、纪律性执行和风险管理，量化分析显著提升了市场决策的效率、客观性和整体稳定性 [11] - 该体系致力于帮助用户在复杂多变的外汇环境中提升认知深度，优化策略表现，以更加科学和自信的姿态进行市场判断 [11] - 随着技术的持续迭代和深入应用，量化分析将继续成为赋能市场参与者实现更精准决策的关键推动力 [11]

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**[1] * **模型构建思路**：权益市场表现受多维度指标共同影响，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以指导市场观点[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）选取二十一个具体指标[1]。 2. **单指标打分**：每个指标根据其构建规则，被转化为一个介于-1（强烈看空）到1（强烈看多）之间的分数，0代表中性[1]。具体各指标的构建和打分规则见后续因子部分。 3. **维度综合分数**：将同一维度下的各指标分数进行综合（具体综合方法未在本文中详述，但提及了各维度的当前得分），得到六个维度的分数[1][8]。 4. **大类综合分数**：将六个维度进一步概括为四大类（估值性价比、宏观基本面、资金&趋势、拥挤度&反转），并计算各大类分数[1][6]。 5. **最终综合打分**：基于所有指标或维度，生成一个位于[-1,1]之间的最终综合择时分数[1][6]。 量化因子与构建方式 1. **因子名称：货币方向因子**[10] * **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90天前的平均变化方向来识别宽松或收紧[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。若因子值>0，则判断货币政策宽松；若因子值<0，则判断货币政策收紧[10]。在择时模型中，宽松对应看多信号（分数=1），收紧对应看空信号（分数=-1）[10]。 2. **因子名称：货币强度因子**[12] * **因子构建思路**：基于“利率走廊”概念，表征短端市场利率相对于政策利率的偏离幅度，以判断货币环境的松紧强度[12]。 * **因子具体构建过程**：计算偏离度 = DR007 / 7天逆回购利率 - 1，并对该偏离度进行平滑与z-score标准化，形成货币强度因子[12]。若因子值 < -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；若因子值 > 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**：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[15]。 * **因子具体构建过程**：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[15]。若该因子值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**：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[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[18]。若因子值 > 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；若因子值 < -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**：基于PMI数据判断经济增长的方向变化[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构建增长方向因子 = PMI -> 计算过去十二月均值 -> 计算同比[20]。若该因子值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**：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[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，以此作为增长强度因子[23]。若因子值 > 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；若因子值 < -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**：判断通胀水平的变化方向，通胀下行通常为未来货币宽松创造空间，利好权益[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[25]。若该因子值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**：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[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预期差的均值[27]。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；若因子值 > 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**：使用经过周期调整的盈利来计算市盈率，再减去无风险利率，得到股权风险溢价，以衡量市场的估值性价比[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，并计算该ERP值在过去6年时间序列上的z-score作为分数[28]。 10. **因子名称：PB**[32] * **因子构建思路**：使用市净率的倒数并标准化，作为衡量市场估值水平的指标之一[32]。 * **因子具体构建过程**：对PB指标进行如下处理：PB × (-1) 并计算过去6年z-score，再用1.5倍标准差截尾后标准化到±1之间得到分数[32]。 11. **因子名称：AIAE (全市场权益配置比例)**[34] * **因子构建思路**：通过计算权益资产市值占金融资产总值的比例，来反映市场整体的风险偏好[34]。 * **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)[34]。将AIAE × (-1)并计算过去6年z-score得到分数[34]。 12. **因子名称：两融增量**[37] * **因子构建思路**：通过融资余额与融券余额的净增量趋势，判断市场杠杆资金的情绪和流向[37]。 * **因子具体构建过程**：计算融资余额 - 融券余额，并分别计算其过去120日均增量和过去240日均增量[37]。若120日均增量 > 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[37]。 13. **因子名称：成交额趋势**[40] * **因子构建思路**：通过成交额的均线系统判断市场成交热度和资金活跃度的趋势[40]。 * **因子具体构建过程**：对对数成交额计算其均线距离 = ma120 / ma240 - 1[40]。当均线距离的max(10日) = max(30日) = max(60日)时看多，分数为1；当均线距离的min(10日) = min(30日) = min(60日)时看空，分数为-1[40]。 14. **因子名称：中国主权CDS利差**[44] * **因子构建思路**：将中国主权CDS利差作为海外投资者对中国经济与主权信用风险定价的代理变量，其变化可反映外资流入意愿[44]。 * **因子具体构建过程**：对平滑后的CDS利差计算20日差分[44]。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[44]。 15. **因子名称：海外风险厌恶指数 (花旗RAI指数)**[46] * **因子构建思路**：使用花旗风险厌恶指数捕捉海外市场的整体风险偏好，影响外资流向[46]。 * **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[46]。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[46]。 16. **因子名称：价格趋势**[49] * **因子构建思路**：结合价格均线距离的方向和强度，综合判断市场中长期运行趋势[49]。 * **因子具体构建过程**： 1. 计算均线距离 = ma120 / ma240 - 1[49]。 2. **趋势方向分数**：当均线距离 > 0 时，分数=1；反之为-1[49]。 3. **趋势强度分数**：当均线距离的max(20日) = max(60日)时，分数为1；当均线距离的min(20日) = min(60日)时，分数为-1[49]。 4. **趋势综合分数** = (趋势方向分数 + 趋势强度分数) / 2[49]。 17. **因子名称：新高新低数**[51] * **因子构建思路**：将指数成分股创一年新高与新低的个股数量差作为市场反转信号[51]。 * **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20日移动平均[51]。若该均值 > 0，说明近期新低较多，市场有见底预期，看多，分数为1；反之看空，分数为-1[51]。 18. **因子名称：期权隐含升贴水**[55] * **因子构建思路**：基于期权平价关系推导出的隐含升贴水，反映期权市场对未来标的收益率的预期与情绪，作为反转指标衡量拥挤度[55]。 * **因子具体构建过程**：若50ETF近5日收益率 < 0，且该指标的历史分位数 < 30%，则发出看多信号，持续20日；若50ETF近5日收益率 > 0，且该指标的历史分位数 > 70%，则发出看空信号，持续20日[55]。 19. **因子名称：期权VIX指数**[56] * **因子构建思路**：期权隐含波动率指数，反映市场对未来波动率的预期与情绪，较高时市场倾向于反转[56]。 * **因子具体构建过程**：若50ETF近5日收益率 < 0，且该指标的历史分位数 > 70%，则发出看多信号，持续20日；若50ETF近5日收益率 > 0，且该指标的历史分位数 > 70%，则发出看空信号，持续20日[56]。 20. **因子名称：期权SKEW指数**[60] * **因子构建思路**：期权隐含偏度指数，反映市场对未来收益分布偏度的预期与情绪，用作反转指标[60]。 * **因子具体构建过程**：若50ETF近5日收益率 < 0，且该指标的历史分位数 > 70%，则发出看多信号，持续20日；若50ETF近5日收益率 > 0，且该指标的历史分位数 < 30%，则发出看空信号，持续20日[60]。 21. **因子名称：可转债定价偏离度**[63] * **因子构建思路**：可转债估值水平能体现市场情绪，其定价偏离度可用作反转指标[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[63]。计算分数 = 定价偏离度 × (-1) 并计算过去3年z-score得到最终分数[63]。定价偏离度越高，拥挤度越高，分数越低[63]。 模型的回测效果 *（注：本报告为周度观点报告，主要展示模型及因子在特定时点（本周）的输出结果和观点，未提供历史回测的统计指标（如年化收益率、夏普比率、最大回撤等）。因此，本部分仅汇总报告给出的最新分数和观点。）* 1. **择时雷达六面图综合择时模型**，当前综合打分为 **-0.30** 分，整体为中性偏空观点[1][6]。 2. **择时雷达六面图综合择时模型**，流动性维度得分为 **0.25** 分，信号中性偏多[1][8]。 3. **择时雷达六面图综合择时模型**，经济面维度得分为 **-0.75** 分，信号偏空[1][8]。 4. **择时雷达六面图综合择时模型**，估值面维度得分为 **-0.57** 分，信号中性偏空[1][8]。 5. **择时雷达六面图综合择时模型**，资金面维度得分为 **0.00** 分，信号中性[1][8]。 6. **择时雷达六面图综合择时模型**，技术面维度得分为 **0.00** 分，信号中性[1][8]。 7. **择时雷达六面图综合择时模型**，拥挤度维度得分为 **-0.50** 分，信号中性偏空[1][8]。 因子的回测效果 *（注：同模型部分，本报告未提供因子的历史IC、IR等统计指标，仅给出各因子在报告当周的具体分数和信号观点。）* 1. **货币方向因子**，当前分数为 **1.00** 分，发出看多信号[9][10]。 2. **货币强度因子**，当前分数为 **0.00** 分，信号中性[9][12]。 3. **信用方向因子**，当前分数为 **1.00** 分，发出看多信号[9][15]。 4. **信用强度因子**，当前分数为 **-1.00** 分，发出看空信号[9][18]。 5. **增长方向因子**，当前分数为 **-1.00** 分，发出看空信号[9][20]。 6. **增长强度因子**，当前分数为 **-1.00** 分，发出看空信号[9][23]。 7. **通胀方向因子**，当前分数为 **-1.00** 分，发出看空信号[9][25]。 8. **通胀强度因子**，当前分数为 **0.00** 分，信号中性[9][27]。 9. **席勒ERP因子**，当前分数为 **-0.04** 分[9][28]。 10. **PB因子**，当前分数为 **-0.66** 分[9][32]。 11. **AIAE因子**，当前分数为 **-1.00** 分[9][34]。 12. **两融增量因子**，当前分数为 **1.00** 分，发出看多信号[9][37]。 13. **成交额趋势因子**，当前分数为 **1.00** 分，发出看多信号[9][40][41]。 14. **中国主权CDS利差因子**，当前分数为 **-1.00** 分，发出看空信号[9][44]。 15. **海外风险厌恶指数因子**，当前分数为 **-1.00** 分，发出看空信号[9][46]。 16. **价格趋势因子**，当前综合分数为 **1.00** 分，发出看多信号[9][49]。 17. **新高新低数因子**，当前分数为 **-1.00** 分，发出看空信号[9][51][52]。 18. **期权隐含升贴水因子**，当前分数为 **-1.00** 分，发出看空信号[9][55]。 19. **期权VIX指数因子**，当前分数为 **1.00** 分，发出看多信号[9][56]。 20. **期权SKEW指数因子**，当前分数为 **-1.00** 分，发出看空信号[9][60][61]。 21. **可转债定价偏离度因子**，当前分数为 **-1.00** 分，发出看空信号[9][63]。

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**[1][6] * **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二十一个指标对市场进行综合刻画，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，最终生成一个综合择时分数以指导市场观点[1][6]。 * **模型具体构建过程**： 1. 从六个维度（流动性、经济面、估值面、资金面、技术面、拥挤度）选取二十一个底层指标[1][6]。 2. 将每个底层指标通过特定的规则或标准化方法（如z-score、阈值判断等）转化为在[-1, 1]区间内的单指标分数，其中1代表强烈看多，-1代表强烈看空，0代表中性[10][12][15][18][22][26][29][32][35][38][40][43][46][49][52][55][57][60][64][65][69][71]。 3. 将六个维度的单指标分数进行汇总（具体汇总方式未在报告中明确给出），得到六个维度的综合分数[1][6][9]。 4. 将六个维度进一步概括为四大类（估值性价比、宏观基本面、资金&趋势、拥挤度&反转），并计算各大类分数[1][6]。 5. 最终生成一个位于[-1, 1]之间的综合择时分数，代表整体市场观点[1][6]。 量化因子与构建方式 1. **因子名称：货币方向因子**[12] * **因子构建思路**：通过比较货币政策工具利率与短端市场利率相对于过去的变化方向，来判断当前货币政策的方向是宽松还是收紧[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。若因子值>0，则判断货币政策宽松；若因子值<0，则判断货币政策收紧[12]。 2. **因子名称：货币强度因子**[15] * **因子构建思路**：基于“利率走廊”概念，通过计算短端市场利率相对于政策利率的偏离幅度，来表征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。若因子值 < -1.5倍标准差，则预期未来120个交易日为宽松环境；若因子值 > 1.5倍标准差，则预期未来120个交易日为收紧环境[15]。 3. **因子名称：信用方向因子**[18] * **因子构建思路**：通过观察中长期贷款同比增速的变化方向，来判断商业银行对实体经济的信贷传导是趋于宽松还是收紧[18]。 * **因子具体构建过程**：使用中长期贷款当月值，计算过去十二个月的增量，再计算同比增速，得到信用方向因子。若该因子相比于三个月之前上升则看多；反之则看空[18]。 4. **因子名称：信用强度因子**[22] * **因子构建思路**：通过衡量新增人民币贷款数据是否大幅超预期或不及预期，来捕捉信用的强度变化[22]。 * **因子具体构建过程**：计算信用强度因子 = (新增人民币贷款当月值 – 预期中位数) / 预期标准差。若因子值 > 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；若因子值 < -1.5倍标准差，则定义未来60个交易日为信用显著不及预期环境[22]。 5. **因子名称：增长方向因子**[26] * **因子构建思路**：基于PMI数据的同比变化方向，来判断经济增长的趋势是向上还是向下[26]。 * **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，计算过去十二个月均值的同比值，得到增长方向因子。若该因子相比于三个月之前上升则看多；反之则看空[26]。 6. **因子名称：增长强度因子**[29] * **因子构建思路**：通过衡量PMI数据是否大幅超预期或不及预期，来捕捉经济增长的强度变化[29]。 * **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，得到增长强度因子。若因子值 > 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；若因子值 < -1.5倍标准差，则定义未来60个交易日为增长显著不及预期环境[29]。 7. **因子名称：通胀方向因子**[32] * **因子构建思路**：通过观察通胀水平（CPI和PPI）的变化方向，来判断其对货币政策空间的制约程度，进而影响权益资产表现[32]。 * **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。若该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；反之看空[32]。 8. **因子名称：通胀强度因子**[35] * **因子构建思路**：通过衡量CPI与PPI数据是否大幅超预期或不及预期，来捕捉通胀的强度变化[35]。 * **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，然后计算两者的均值作为通胀强度因子。若因子值 < -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；若因子值 > 1.5倍标准差，则定义未来60个交易日为通胀显著超预期环境[35]。 9. **因子名称：席勒ERP因子**[38] * **因子构建思路**：使用经过周期平滑的盈利（席勒PE）来计算股权风险溢价，以衡量股票市场相对于无风险资产的长期估值吸引力[38]。 * **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在过去6年时间窗口内的z-score作为因子分数[38]。 10. **因子名称：PB因子**[40] * **因子构建思路**：将市净率（PB）进行逆向处理和标准化，以衡量市场的估值水平，值越低代表估值越有吸引力[40]。 * **因子具体构建过程**：对PB取负值（-PB），然后计算其在过去6年时间窗口内的z-score，再用1.5倍标准差进行截尾处理，最后标准化到±1之间得到因子分数[40]。 11. **因子名称：AIAE因子**[43] * **因子构建思路**：通过计算全市场权益资产（股票）占总金融资产（股票+债务）的比例，来反映市场整体的风险偏好水平[43]。 * **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)。将该指标取负值（-AIAE）后，计算其在过去6年时间窗口内的z-score得到因子分数[43]。 12. **因子名称：两融增量因子**[46] * **因子构建思路**：通过比较融资净余额短期与长期均线增量的关系，来判断杠杆资金的情绪和趋势[46]。 * **因子具体构建过程**：计算融资余额-融券余额，然后分别计算其过去120日均增量和过去240日均增量。若120日均增量 > 240日均增量，则判断杠杆资金上行；反之则判断下行[46]。 13. **因子名称：成交额趋势因子**[49] * **因子构建思路**：通过对数成交额的长期均线距离关系，来判断市场成交热度和资金活跃度的趋势[49]。 * **因子具体构建过程**：计算对数成交额的均线距离 = ma120 / ma240 - 1。当该均线距离在最近10日、30日、60日的最大值同时达到近期高点时看多；当其在最近10日、30日、60日的最小值同时达到近期低点时看空[49]。 14. **因子名称：中国主权CDS利差因子**[52] * **因子构建思路**：通过观察中国主权CDS利差的变化方向，来推断海外投资者对中国经济基本面的预期和外资流入意愿[52]。 * **因子具体构建过程**：对平滑后的CDS利差计算其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；反之看空[52]。 15. **因子名称：海外风险厌恶指数因子**[55] * **因子构建思路**：通过观察花旗风险厌恶指数（Citi RAI Index）的变化方向，来捕捉海外市场的整体风险偏好变化[55]。 * **因子具体构建过程**：对平滑后的风险厌恶指数计算其20日差分。若20日差分 < 0，说明外资风险偏好上升，此时看多；反之看空[55]。 16. **因子名称：价格趋势因子**[57] * **因子构建思路**：结合价格均线距离的方向和强度，综合判断市场的技术趋势[57]。 * **因子具体构建过程**： 1. 计算价格均线距离 = ma120 / ma240 - 1。 2. **趋势方向分数**：若均线距离 > 0，则得1分；反之为-1分。 3. **趋势强度分数**：若均线距离在最近20日和60日的最大值同时达到近期高点，则得1分；若在最近20日和60日的最小值同时达到近期低点，则得-1分。 4. **趋势综合分数** = (趋势方向分数 + 趋势强度分数) / 2[57]。 17. **因子名称：新高新低数因子**[60] * **因子构建思路**：将中证800成分股中创一年新高与新低的股票数量差作为市场情绪的反转信号[60]。 * **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。若该值 > 0，说明近期新低较多，市场有见底预期，此时看多；反之看空[60]。 18. **因子名称：期权隐含升贴水因子**[64] * **因子构建思路**：将期权市场隐含的标的未来升贴水作为情绪指标，用于判断市场是否过度拥挤并可能发生反转[64]。 * **因子具体构建过程**：基于看涨看跌平价关系推导期权隐含的标的升贴水。若50ETF近5日收益率 < 0，且该指标的历史分位数 < 30%，则看多并持续20日；若50ETF近5日收益率 > 0，且该指标的历史分位数 > 70%，则看空并持续20日[64]。 19. **因子名称：期权VIX因子**[65] * **因子构建思路**：将期权隐含波动率（VIX）作为市场恐慌和情绪指标，用于判断市场是否过度拥挤并可能发生反转[65]。 * **因子具体构建过程**：若50ETF近5日收益率 < 0，且VIX的历史分位数 > 70%，则看多并持续20日；若50ETF近5日收益率 > 0，且VIX的历史分位数 > 70%，则看空并持续20日[65]。 20. **因子名称：期权SKEW因子**[69] * **因子构建思路**：将期权隐含偏度（SKEW）作为市场对尾部风险预期的指标，用于判断市场情绪是否过度并可能反转[69]。 * **因子具体构建过程**：若50ETF近5日收益率 < 0，且SKEW的历史分位数 > 70%，则看多并持续20日；若50ETF近5日收益率 > 0，且SKEW的历史分位数 < 30%，则看空并持续20日[69]。 21. **因子名称：可转债定价偏离度因子**[71] * **因子构建思路**：将可转债实际价格相对于模型理论价格的偏离度作为市场情绪的度量，偏离度越高代表情绪越拥挤，可能发生反转[71]。 * **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。将该偏离度取负值后，计算其在过去3年时间窗口内的z-score得到因子分数[71]。 模型的回测效果 *本报告未提供择时雷达六面图综合择时模型的历史回测绩效指标（如年化收益率、夏普比率、最大回撤、信息比率IR等）。报告仅提供了截至报告发布当周（“本周”）模型及各维度、各因子的最新信号分数和观点摘要[1][6][9][10]。* 因子的回测效果 *本报告未提供二十一个底层因子的历史回测绩效指标（如IC、IR、多空收益等）。报告仅提供了截至报告发布当周（“本周”）各因子的最新信号分数[10]。* 1. **货币方向因子**，当前分数：1.00[10][12] 2. **货币强度因子**，当前分数：0.00[10][15] 3. **信用方向因子**，当前分数：1.00[10][18] 4. **信用强度因子**，当前分数：-1.00[10][22] 5. **增长方向因子**，当前分数：-1.00[10][26][28] 6. **增长强度因子**，当前分数：1.00[10][29] 7. **通胀方向因子**，当前分数：-1.00[10][32] 8. **通胀强度因子**，当前分数：-1.00[10][35] 9. **席勒ERP因子**，当前分数：-0.10[10][38][42] 10. **PB因子**，当前分数：-0.75[10][40] 11. **AIAE因子**，当前分数：-1.00[10][43] 12. **两融增量因子**，当前分数：1.00[10][46] 13. **成交额趋势因子**，当前分数：1.00[10][49] 14. **中国主权CDS利差因子**，当前分数：1.00[10][52][53] 15. **海外风险厌恶指数因子**，当前分数：-1.00[10][55] 16. **价格趋势因子**，当前分数：1.00[10][57][58] 17. **新高新低数因子**，当前分数：-1.00[10][60][61] 18. **期权隐含升贴水因子**，当前分数：-1.00[10][64] 19. **期权VIX因子**，当前分数：-1.00[10][65] 20. **期权SKEW因子**，当前分数：-1.00[10][69] 21. **可转债定价偏离度因子**，当前分数：-1.00[10][71]

文章核心观点 - THPX信号源是一个运用前沿量化分析技术的数据驱动系统，旨在为XAGBTC（白银兑比特币）这一复杂且高波动的交叉资产市场提供高效、前瞻性的趋势预判信号，以提升参与者的市场洞察力和决策效率 [1][8] THPX信号源的产品定位与市场背景 - THPX信号源专注于XAGBTC市场，该市场具有高复杂性和高波动性，价格行为受传统贵金属属性、比特币强波动特性及宏观经济、政策、市场情绪等多重力量交织影响 [1] - 传统单一维度的分析方法难以应对XAGBTC市场的快速变化，THPX以技术驱动的方式提供高效市场视角，满足市场现实需求 [1] THPX信号源的核心技术与运作流程 - THPX的核心优势在于其高度智能化的量化分析体系，建立在对海量、多源异构市场数据进行深度挖掘和模式识别的基础之上 [3] - 系统运作分为三个阶段：1) 多维信号捕捉：以极高频率实时扫描市场数据流，提取潜在价值变化的信号因子 [3]；2) 智能处理与融合：利用先进的机器学习算法处理原始信号，自动学习历史模式，过滤市场噪音，聚焦具有预判价值的核心信息 [3]；3) 前瞻性研判输出：将处理后的信息转化为清晰、可操作的市场趋势预判信号，揭示未来可能的运行方向、动能变化或关键转折点 [5] THPX信号源为用户创造的价值 - 提升效率：通过自动化处理海量信息和复杂计算，将用户从繁复的数据收集中解放，大幅缩短信息转化为认知的时间周期 [5] - 增强洞察：其算法能够发现人眼或传统工具难以识别的微妙市场模式、早期趋势端倪或异常联动信号，提供更深层次、更具前瞻性的市场理解 [5] - 优化决策节奏：清晰、及时的信号输出为决策提供重要参考锚点，帮助用户更好地契合市场运行节奏，把握有利的观察窗口 [5] - 技术赋能：THPX代表了现代量化技术赋能市场分析的前沿实践，为理解复杂市场提供了更科学、更系统的思路框架，降低了信息不对称带来的认知壁垒 [7] THPX信号源所代表的行业趋势与意义 - THPX的出现和发展反映了金融科技领域的一个重要趋势：在大数据与人工智能技术推动下，市场分析正从经验主义走向高度智能化和系统化 [7] - 该产品是量化模型、机器智能与复杂金融市场深度结合的典型范例，证明了技术手段可以显著提升市场参与者理解深层规律、适应快速变化环境的能力 [7] - 在金融市场日益复杂化和数据海量化的背景下，类似THPX这样的技术驱动型解决方案代表着行业发展的前沿方向，深刻影响了现代参与者观察市场、理解信息和制定策略的方法论 [8]

THPX信号源解决方案概述 - 方案核心是应用人工智能与量化模型技术，为XAG/BTC（白银比特币组合）与XAU/BTC（黄金比特币组合）市场提供前瞻性策略参考的智能化分析体系 [1] 技术架构与数据处理 - 采用多层次数据处理架构，第一层深度整合贵金属与比特币实时数据、全球宏观经济指标、市场情绪指数及链上活跃度等非结构化信息，形成全景化监测网络 [3] - 第二层部署自适应特征工程模块，通过递归神经网络与卷积网络协同分析，自动识别跨市场关联特征，捕捉避险情绪传导、资本流动趋势等关键驱动因子，大幅降低人为预设参数的主观偏差 [3] - 针对不同市场特性实施动态建模，白银组合模型侧重关联制造业周期指数和通胀预期指标，黄金组合模型则深度绑定主权债券收益率曲线与地缘波动指数 [3] 模型核心机制与学习能力 - 系统采用双引擎验证机制，一方面通过LSTM（长短期记忆网络）建立动态波动率曲面预测模型，另一方面通过集成学习方法构建特征重要性评估矩阵以优化因子权重，确保信号在趋势响应与噪音过滤间保持平衡 [5] - 配置实时反馈闭环与自进化特性，当实际走势偏离预测阈值时，算法自主启动参数微调，使模型始终保持对市场结构变化的敏锐感知，解决传统量化策略的周期性失效难题 [5] 应用成效与价值 - 实际应用验证表明，该方案在处理跨市场联动行情时展现出独特优势，例如在2023年贵金属波动率骤增阶段，系统提前捕捉到比特币资金向白银市场的迁移迹象 [7] - 在比特币阶段性强势周期中，模型准确识别出黄金组合的补涨压力阈值，为相关市场策略提供了有价值的决策支持 [7] - 该方案通过多源数据整合、动态特征识别和持续优化，有效克服了传统分析工具在跨市场关联领域的局限性，为复杂金融工具的智能化研究提供了可复用的技术范式 [7]

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**[1][6] * **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，最终生成一个综合择时分数[1][6]。 * **模型具体构建过程**： 1. 构建六个维度的子分数：每个维度包含若干具体指标，每个指标根据其构建规则生成一个介于-1（看空）到1（看多）之间的信号分数[1][9]。 2. 汇总维度分数：将每个维度内所有指标的分数进行汇总（具体汇总方式如等权平均或加权平均，报告未明确说明），得到该维度的综合得分，范围同样在[-1, 1]之间[1][9]。 3. 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，最终生成一个位于[-1, 1]之间的综合择时分数，用以判断市场整体观点[1][6]。 量化因子与构建方式 1. **因子名称：货币方向因子**[11] * **因子构建思路**：判断当前货币政策的方向，通过比较当前利率与历史利率的变化来确定宽松或收紧[11]。 * **因子具体构建过程**：选取央行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。若因子值>0，则判断货币政策宽松；若因子值<0，则判断货币政策收紧[11]。 2. **因子名称：货币强度因子**[14] * **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”概念构建[14]。 * **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。若因子值 < -1.5倍标准差，则预期未来120个交易日为宽松环境；若因子值 > 1.5倍标准差，则预期未来120个交易日为收紧环境[14]。 3. **因子名称：信用方向因子**[17] * **因子构建思路**：表征商业银行对实体经济的信贷松紧程度，使用中长期贷款指标进行体现[17]。 * **因子具体构建过程**：计算中长期贷款当月值 -> 计算过去十二个月增量 -> 计算同比，得到信用方向因子。若该因子值相比于三个月之前上升则看多；反之则看空[17]。 4. **因子名称：信用强度因子**[20] * **因子构建思路**：捕捉信用指标是否大幅超预期或不及预期[20]。 * **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。若因子值 > 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；若因子值 < -1.5倍标准差，则未来60个交易日为信用显著不及预期环境[20]。 5. **因子名称：增长方向因子**[22] * **因子构建思路**：基于PMI数据判断经济增长的方向[22]。 * **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。若该因子值相比于三个月之前上升则看多；反之则看空[22]。 6. **因子名称：增长强度因子**[25] * **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[25]。 * **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，得到增长强度因子。若因子值 > 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；若因子值 < -1.5倍标准差，则未来60个交易日为增长显著不及预期环境[25]。 7. **因子名称：通胀方向因子**[27] * **因子构建思路**：判断通胀水平的变化方向，通胀下行可能为未来货币宽松提供空间，利好权益资产[27]。 * **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。若该因子值相较于三个月之前降低，则看多；反之看空[27]。 8. **因子名称：通胀强度因子**[29] * **因子构建思路**：捕捉通胀指标是否大幅超预期或不及预期[29]。 * **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。若因子值 < -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；若因子值 > 1.5倍标准差，则未来60个交易日为通胀显著超预期环境[29]。 9. **因子名称：席勒ERP**[30] * **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，以更稳定地衡量估值水平[30]。 * **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。再计算席勒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[30]。 10. **因子名称：PB**[34] * **因子构建思路**：使用市净率的倒数并标准化，来衡量估值水平[34]。 * **因子具体构建过程**：将PB乘以(-1)，并计算过去6年的z-score，再用1.5倍标准差进行截尾后，标准化到±1之间得到分数[34]。 11. **因子名称：AIAE (全市场权益配置比例)**[36] * **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两者价格以达到市场均衡[36]。 * **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)。将该指标乘以(-1)并计算过去6年的z-score得到分数[36]。 12. **因子名称：两融增量**[38] * **因子构建思路**：两融余额变化反映市场杠杆资金情绪，上行时市场情绪较好[38]。 * **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 > 240日均增量，则看多；反之看空[38]。 13. **因子名称：成交额趋势**[41] * **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[41]。 * **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日) = max(30日) = max(60日)时看多；当均线距离的min(10日) = min(30日) = min(60日)时看空[41]。 14. **因子名称：中国主权CDS利差**[45] * **因子构建思路**：该利差代表海外投资者对中国主权信用风险的定价，与外资流入意愿相关[45]。 * **因子具体构建过程**：对平滑后的CDS利差计算20日差分。若差分 < 0，说明利差下降，海外投资者预期中国基本面转好，此时看多；反之看空[45]。 15. **因子名称：海外风险厌恶指数 (花旗RAI指数)**[47] * **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，能捕捉海外市场的风险偏好[47]。 * **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。若差分 < 0，说明外资风险偏好上升，此时看多；反之看空[47]。 16. **因子名称：价格趋势**[49] * **因子构建思路**：使用均线距离衡量标的价格的中长期趋势与强度[49]。 * **因子具体构建过程**： 1. 计算均线距离 = ma120 / ma240 - 1。 2. **趋势方向分数**：当均线距离 > 0时为1，反之为-1。 3. **趋势强度分数**：当均线距离的max(20日) = max(60日)时为1；当min(20日) = min(60日)时为-1。 4. **趋势综合分数** = (趋势方向分数 + 趋势强度分数) / 2[49]。 17. **因子名称：新高新低数**[51] * **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反转信号[51]。 * **因子具体构建过程**：计算中证800成分股（过去一年新低数 - 新高数）的20日移动平均。若该值 > 0，说明近期新低较多，市场有见底预期，此时看多；反之看空[51]。 18. **因子名称：期权隐含升贴水**[55] * **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[55]。 * **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。若50ETF近5日收益率 > 0，且该指标分位数 > 70%，则看空持续20日[55]。 19. **因子名称：期权隐含波动率VIX**[57] * **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，较高时市场倾向于反转[57]。 * **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。若50ETF近5日收益率 > 0，且该指标分位数 > 70%，则看空持续20日[57]。 20. **因子名称：期权隐含偏度SKEW**[62] * **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，用作反转指标[62]。 * **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。若50ETF近5日收益率 > 0，且该指标分位数 < 30%，则看空持续20日[62]。 21. **因子名称：可转债定价偏离度**[65] * **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[65]。 * **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。计算分数 = 定价偏离度 × (-1) 并计算过去3年的z-score。定价偏离度越高，拥挤度越高，分数越低[65]。 模型的回测效果 * **择时雷达六面图综合择时模型**，当前综合打分为0.08分[1][6][9]，流动性维度得分为0.25分[1][9]，经济面维度得分为-0.50分[1][9]，估值面维度得分为-0.35分[2][9]，资金面维度得分为0.50分[2][9]，技术面维度得分为1.00分[2][9]，拥挤度维度得分为0.00分[2][9] 因子的回测效果 * **货币方向因子**，当前分数为1分[11] * **货币强度因子**，当前分数为0分[14] * **信用方向因子**，当前分数为1分[17] * **信用强度因子**，当前分数为-1分[20] * **增长方向因子**，当前分数为1分[22] * **增长强度因子**，当前分数为-1分[25] * **通胀方向因子**，当前分数为-1分[27] * **通胀强度因子**，当前分数为-1分[29] * **席勒ERP**，当前分数为0.06分[30] * **PB**，当前分数为-0.38分[34] * **AIAE**，当前分数为-0.72分[36] * **两融增量**，当前分数为1分[38] * **成交额趋势**，当前分数为1分[41][42] * **中国主权CDS利差**，当前分数为-1分[45] * **海外风险厌恶指数**，当前分数为1分[47] * **价格趋势**，当前综合分数为1分[49] * **新高新低数**，当前分数为1分[51][52] * **期权隐含升贴水**，当前分数为-1分[55][56] * **期权隐含波动率VIX**，当前分数为1分[57][58] * **期权隐含偏度SKEW**，当前分数为1分[62][63] * **可转债定价偏离度**，当前分数为-1分[65]

量化模型与构建方式 1. **模型名称：A股景气指数模型**[30] * **模型构建思路**：以上证指数归母净利润同比为Nowcasting目标，构建一个反映A股景气度的高频指数，用于观测和预测经济景气周期[30]。 * **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，仅说明其构建目标和方法。详细构建过程需参考其提及的关联报告《视角透析：A股景气度高频指数构建与观察》[30]。 2. **模型名称：A股情绪指数模型**[34] * **模型构建思路**：基于市场波动率和成交额的变化方向来刻画市场情绪，通过构建“波动-成交情绪时钟”来划分市场状态，并据此生成见底和见顶预警信号[34]。 * **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。其核心逻辑是将市场状态根据波动率（上/下）和成交额（上/下）划分为四个象限，并统计各象限的历史收益特征，以此作为情绪判断和择时的依据[34]。详细构建过程需参考其提及的关联报告《视角透析：A股情绪指数构建与观察》[34]。 3. **模型名称：主题挖掘算法模型**[48] * **模型构建思路**：通过处理新闻和研报文本，提取主题关键词、挖掘主题与个股关系、构建主题活跃周期和影响力因子等多个维度，来识别和描述主题投资机会[48]。 * **模型具体构建过程**：报告未提供该算法的具体构建公式和详细步骤，仅概述了其包含的多个处理维度[48]。 4. **模型名称：中证500指数增强模型**[48] * **模型构建思路**：通过量化策略模型构建投资组合，旨在持续稳定地跑赢中证500指数基准[48]。 * **模型具体构建过程**：报告未披露该增强模型的具体因子构成、权重配置及组合优化公式，仅展示了其持仓明细和业绩表现[48][50]。 5. **模型名称：沪深300指数增强模型**[55] * **模型构建思路**：通过量化策略模型构建投资组合，旨在持续稳定地跑赢沪深300指数基准[55]。 * **模型具体构建过程**：报告未披露该增强模型的具体因子构成、权重配置及组合优化公式，仅展示了其持仓明细和业绩表现[55][56]。 6. **模型/因子框架名称：BARRA风格因子模型**[60] * **模型构建思路**：参照BARRA因子模型框架，为A股市场构建一套系统的风格因子体系，用于描述股票收益的风险来源，并进行组合绩效归因分析[60][68]。 * **模型具体构建过程**：报告列出了所构建的十大类风格因子名称，包括：市值（SIZE）、BETA、动量（MOM）、残差波动率（RESVOL）、非线性市值（NLSIZE）、估值（BTOP）、流动性（LIQUIDITY）、盈利（EARNINGS_YIELD）、成长（GROWTH）和杠杆（LVRG）[60]。但未提供每个因子的具体计算公式。 量化因子与构建方式 1. **因子名称：市值因子 (SIZE)**[60] * **因子构建思路**：衡量公司规模大小的风格因子。 * **因子具体构建过程**：报告未提供具体计算公式。 2. **因子名称：BETA因子**[60] * **因子构建思路**：衡量股票相对于市场整体波动性的风格因子。 * **因子具体构建过程**：报告未提供具体计算公式。 3. **因子名称：动量因子 (MOM)**[60] * **因子构建思路**：衡量股票价格趋势延续性的风格因子。 * **因子具体构建过程**：报告未提供具体计算公式。 4. **因子名称：残差波动率因子 (RESVOL)**[60] * **因子构建思路**：衡量股票特异性风险（剔除市场风险后的波动）的风格因子。 * **因子具体构建过程**：报告未提供具体计算公式。 5. **因子名称：非线性市值因子 (NLSIZE)**[60] * **因子构建思路**：捕捉市值因子非线性效应的风格因子。 * **因子具体构建过程**：报告未提供具体计算公式。 6. **因子名称：估值因子 (BTOP， Book-to-Price)**[60] * **因子构建思路**：衡量股票估值水平的风格因子，通常为账面市值比。 * **因子具体构建过程**：报告未提供具体计算公式。 7. **因子名称：流动性因子 (LIQUIDITY)**[60] * **因子构建思路**：衡量股票交易活跃度与变现难易程度的风格因子。 * **因子具体构建过程**：报告未提供具体计算公式。 8. **因子名称：盈利因子 (EARNINGS_YIELD)**[60] * **因子构建思路**：衡量公司盈利能力的风格因子。 * **因子具体构建过程**：报告未提供具体计算公式。 * **因子评价**：报告指出，从近期因子表现来看，高盈利股表现优异[2][61]。 9. **因子名称：成长因子 (GROWTH)**[60] * **因子构建思路**：衡量公司成长能力的风格因子。 * **因子具体构建过程**：报告未提供具体计算公式。 10. **因子名称：杠杆因子 (LVRG)**[60] * **因子构建思路**：衡量公司财务杠杆水平的风格因子。 * **因子具体构建过程**：报告未提供具体计算公式。 * **因子评价**：报告指出，从近期因子表现来看，杠杆等因子表现不佳[2][61]。 模型的回测效果 1. **中证500增强模型**，本周收益0.60%，跑输基准0.34%[48]。2020年至今，累计超额收益49.21%，最大回撤-5.73%[48]。 2. **沪深300增强模型**，本周收益1.40%，跑赢基准0.12%[55]。2020年至今，累计超额收益38.20%，最大回撤-5.86%[55]。 3. **A股情绪指数系统择时模型**，报告通过图表展示了其择时表现，但未给出具体的绩效指标数值[45]。 因子的回测效果 *注：报告未提供单个因子长期回测的绩效指标（如IC、IR、多空收益等）。仅提供了近期（近一周）的风格因子纯因子收益率和相关性数据。* 1. **风格因子暴露相关性**：报告以矩阵形式展示了近一周十大类风格因子风险暴露之间的相关系数[62]。例如，流动性因子与Beta、动量、残差波动率呈现明显正相关性；价值因子与Beta、残差波动率、流动性等因子呈现明显负相关性[61][62]。 2. **风格因子纯因子收益率**：报告指出，近一周风格因子中，**盈利因子超额收益较高**，**残差波动率因子呈较为显著的负向超额收益**[2][61]。具体数值通过图表展示但未在文本中列出[70]。 3. **行业因子纯因子收益率**：报告指出，近一周有色金属、国防军工、通信等行业因子相对市场市值加权组合跑出较高超额收益，银行、传媒等行业因子回撤较多[2][61]。具体数值通过图表展示但未在文本中列出[65]。