量化模型与构建方式 1. **模型名称：均线强弱指数模型**[14] * **模型构建思路**：通过计算市场各行业指数相对于其关键移动平均线的位置，来综合判断市场整体的技术强弱状态[14]。 * **模型具体构建过程**： 1. 选取Wind二级行业指数作为计算基础[14]。 2. 对于每个行业指数，计算其收盘价与某一长期移动平均线（如250日均线）的相对位置[14]。 3. 根据每个行业指数相对于其均线的位置（例如，在均线之上或之下，以及偏离程度）进行打分[14]。 4. 将所有行业指数的得分加总，得到市场的均线强弱指数总分[14]。 5. 将当前总分与历史分位数进行比较，以判断当前市场在历史中的强弱位置[14]。 2. **模型名称：情绪择时模型**[14] * **模型构建思路**：基于涨跌停板相关数据构建因子，用以刻画市场的情绪强弱，并综合多个因子信号生成择时观点[14]。 * **模型具体构建过程**： 1. 根据专题报告，构建了多个涨跌停板相关情绪因子，包括：净涨停占比、跌停次日收益、涨停板占比、跌停板占比、高频打板收益[14][19]。 2. 每个因子独立生成信号（例如，看多为1，看空为0）[19]。 3. 通过加权或其他方式综合各因子信号，得到最终的情绪模型得分（满分5分）和趋势方向信号[14]。 3. **模型名称：高频资金流择时模型**[14] * **模型构建思路**：通过分析主要宽基指数的高频资金流数据（如主力资金流向）的走势，对指数发出买入或卖出信号[14]。 * **模型具体构建过程**： 1. 获取沪深300、中证500、中证1000等宽基指数的高频资金流数据[14]。 2. 根据资金流的趋势、强度等特征，设定信号生成规则[14]。 3. 模型输出多种策略信号，包括“激进多头”、“激进多空”、“稳健多头”、“稳健多空”[19]。 4. 信号为“1”代表看多，“-1”代表看空（根据上下文推断）[19]。 4. **模型名称：因子拥挤度模型**[20] * **模型构建思路**：使用多个指标综合度量因子的拥挤程度，以预警因子可能因资金过度追逐而失效的风险[20]。 * **模型具体构建过程**： 1. 选取四个分项指标来度量拥挤度：估值价差、配对相关性、长期收益反转、因子波动率[20]。 2. 分别计算目标因子（如小市值因子）在这四个指标上的得分[21]。 3. 将四个分项指标得分合成一个综合拥挤度分数[21]。合成方法在对应专题报告中详细说明[20]。 5. **模型名称：行业拥挤度模型**[27] * **模型构建思路**：构建综合指标来度量各行业的交易拥挤程度，以识别过热或过冷的行业板块[27]。 * **模型具体构建过程**：根据专题报告，构建了行业拥挤度指标，具体计算方法未在本文中详述，但展示了截至某一时点的计算结果和排名[27]。 模型的回测效果 1. **均线强弱指数模型**，当前市场得分为213，处于2023年以来的76.93%分位点[14] 2. **情绪择时模型**，情绪模型得分为2分（满分5分），趋势模型信号为正向，加权模型信号为负向[14] 3. **高频资金流择时模型**，沪深300指数信号：看多[14]；中证500指数信号：看多[14]；中证1000指数信号：看多[14] 4. **因子拥挤度模型**，小市值因子拥挤度0.20[21]；低估值因子拥挤度-0.75[21]；高盈利因子拥挤度0.35[21]；高盈利增长因子拥挤度0.55[21] 5. **行业拥挤度模型**，通信行业拥挤度1.96[30]；有色金属行业拥挤度1.95[30]；综合行业拥挤度1.82[30]；电子行业拥挤度1.40[30]；国防军工行业拥挤度1.08[30] 量化因子与构建方式 1. **因子名称：流动性冲击指标**[4] * **因子构建思路**：通过计算当前市场流动性相对于其历史平均水平的偏离程度，来度量市场的流动性冲击[4]。 * **因子具体构建过程**：以沪深300指数为标的，计算其流动性指标的Z值。具体公式为： $$流动性冲击指标 = \frac{当前流动性 - 过去一年流动性均值}{过去一年流动性标准差}$$ 报告中指出，周五该指标值为3.32，意味着当前市场流动性高于过去一年平均水平3.32倍标准差[4]。 2. **因子名称：PUT-CALL比率**[4] * **因子构建思路**：使用上证50ETF期权看跌期权与看涨期权的成交量比率，来观察市场对标的资产短期走势的谨慎或乐观情绪[4]。 * **因子具体构建过程**：计算上证50ETF期权当日看跌期权总成交量与看涨期权总成交量的比值[4]。 3. **因子名称：五日平均换手率**[4] * **因子构建思路**：通过计算市场近期平均换手率，并将其与历史分位数比较，来衡量市场的交易活跃度[4]。 * **因子具体构建过程**：计算上证综指或Wind全A指数最近五个交易日的日均换手率[4]。 4. **因子名称：净涨停占比**[14][19] * **因子构建思路**：通过涨停与跌停公司数量的净差额占比来反映市场多头力量的强度[14]。 * **因子具体构建过程**：计算（涨停公司家数 - 跌停公司家数） / 总交易公司家数（或类似基准）[14]。 5. **因子名称：跌停次日收益**[14][19] * **因子构建思路**：通过观察跌停股票在次日的平均表现，来探测市场是否存在“错杀”或恐慌性抛售后的修复动力[14]。 * **因子具体构建过程**：计算当日跌停股票在下一个交易日的平均收益率[14]。 6. **因子名称：涨停板占比**[14][19] * **因子构建思路**：通过涨停公司数量占比来直接衡量市场的赚钱效应和做多热情[14]。 * **因子具体构建过程**：计算涨停公司家数 / 总交易公司家数[14]。 7. **因子名称：跌停板占比**[14][19] * **因子构建思路**：通过跌停公司数量占比来直接衡量市场的亏钱效应和悲观情绪[14]。 * **因子具体构建过程**：计算跌停公司家数 / 总交易公司家数[14]。 8. **因子名称：高频打板收益**[14][19] * **因子构建思路**：通过模拟在涨停价买入股票并在次日卖出的策略收益，来检验涨停板策略的短期有效性，从而反映市场情绪[14]。 * **因子具体构建过程**：计算在涨停价买入当日涨停股票，并于下一交易日以开盘价或收盘价卖出的平均收益率[14]。 9. **复合因子名称：小市值因子**[20] * **因子构建思路**：识别并投资于市值较小的公司，这些公司可能具有更高的成长潜力和弹性[20]。 * **因子具体构建过程**：通常使用总市值或流通市值作为排序标准，构建做多小市值、做空大市值的组合。其拥挤度通过估值价差、配对相关性等四个子指标综合计算[20][21]。 10. **复合因子名称：低估值因子**[20] * **因子构建思路**：识别并投资于估值水平（如市盈率PE、市净率PB）较低的股票，寻求价值回归的收益[20]。 * **因子具体构建过程**：通常使用PE或PB等估值指标作为排序标准，构建做多低估值、做空高估值的组合。其拥挤度通过估值价差、配对相关性等四个子指标综合计算[20][21]。 11. **复合因子名称：高盈利因子**[20] * **因子构建思路**：识别并投资于盈利能力（如净资产收益率ROE）较强的公司[20]。 * **因子具体构建过程**：通常使用ROE等盈利指标作为排序标准，构建做多高盈利、做空低盈利的组合。其拥挤度通过估值价差、配对相关性等四个子指标综合计算[20][21]。 12. **复合因子名称：高盈利增长因子**[20] * **因子构建思路**：识别并投资于盈利增长能力较强的公司[20]。 * **因子具体构建过程**：通常使用净利润增长率等指标作为排序标准，构建做多高增长、做空低增长的组合。其拥挤度通过估值价差、配对相关性等四个子指标综合计算[20][21]。 因子的回测效果 1. **流动性冲击指标**，基于沪深300指数，周五值为3.32[4] 2. **PUT-CALL比率**，周五值为0.80[4] 3. **五日平均换手率**，上证综指值为1.71%，处于2005年以来84.10%分位点[4]；Wind全A值为2.71%，处于2005年以来92.01%分位点[4] 4. **净涨停占比**，当前信号为1（看多）[19] 5. **跌停次日收益**，当前信号为0[19] 6. **涨停板占比**，当前信号为1（看多）[19] 7. **跌停板占比**，当前信号为0[19] 8. **高频打板收益**，当前信号为0[19] 9. **小市值因子**，估值价差得分0.43，配对相关性得分0.22，市场波动得分-0.28，收益反转得分0.41，综合拥挤度0.20[21] 10. **低估值因子**，估值价差得分-1.22，配对相关性得分-0.05，市场波动得分0.26，收益反转得分-2.01，综合拥挤度-0.75[21] 11. **高盈利因子**，估值价差得分-0.55，配对相关性得分0.31，市场波动得分-0.01，收益反转得分1.65，综合拥挤度0.35[21] 12. **高盈利增长因子**，估值价差得分1.09，配对相关性得分0.46，市场波动得分-0.29，收益反转得分0.95，综合拥挤度0.55[21]

量化模型与构建方式 1. **模型名称**：流动性冲击指标[2] * **模型构建思路**：用于衡量当前市场流动性相对于过去一年平均水平的标准差倍数，以判断市场流动性状况[2]。 * **模型具体构建过程**：报告未提供该指标的具体计算公式和构建步骤，仅提及了基于沪深300指数的计算结果[2]。 2. **模型名称**：情绪择时模型[14][16][17] * **模型构建思路**：通过构建涨跌停板相关因子来刻画市场情绪强弱，并综合多个细分情绪因子信号生成择时信号[14]。 * **模型具体构建过程**：模型包含多个情绪因子，每个因子生成0或1的信号。报告列举了部分细分因子及其最新信号：净涨停占比（信号1）、跌停次日收益（信号0）、涨停板占比（信号1）、跌停板占比（信号1）、高频打板收益（信号1）[17]。模型最终综合这些信号给出总分（满分5分）和方向信号[14]。 3. **模型名称**：趋势模型[14][16] * **模型构建思路**：作为情绪择时模型的一部分，根据市场趋势给出正向或负向信号[14][16]。 * **模型具体构建过程**：报告未提供具体构建过程，仅提及了其最新信号为“正向”[14]。 4. **模型名称**：加权模型[14][16] * **模型构建思路**：作为情绪择时模型的一部分，根据加权计算给出正向或负向信号[14][16]。 * **模型具体构建过程**：报告未提供具体构建过程，仅提及了其最新信号为“正向”[14]。 5. **模型名称**：SAR指标（停损转向指标）[14][15] * **模型构建思路**：一种技术分析指标，用于判断市场趋势的转向点，提供买入和卖出信号[14][15]。 * **模型具体构建过程**：报告未提供具体计算公式，但通过图表展示了Wind全A指数与SAR指标的对比，并指出Wind全A指数于12月1日向上突破翻转指标[14][15]。 6. **模型名称**：均线强弱指数[1][7][14][19] * **模型构建思路**：通过计算Wind二级行业指数的均线情况来综合衡量整个市场的技术面强弱程度[14]。 * **模型具体构建过程**：报告未提供具体计算公式。构建过程涉及使用Wind二级行业指数进行计算，最终得到一个市场得分[14]。最新得分为261，处于2023年以来的95.22%分位点，表明市场技术面处于历史高位[14]。 7. **模型名称**：日历效应模型[1][4][7][9] * **模型构建思路**：基于历史数据统计特定时间段（如1月下半月）市场指数的表现规律，用于判断未来相同时期的市场表现[1][4][7][9]。 * **模型具体构建过程**：统计2005年以来，各大宽基指数在1月下半月的上涨概率、涨幅均值和中位数[9]。例如，上证综指、沪深300、中证500、创业板指在1月下半月的上涨概率分别为55%、45%、50%、40%，涨幅均值分别为-1.52%、-0.97%、-1.42%、-1.11%[9]。 8. **因子名称**：因子拥挤度（复合因子）[18][20][21] * **因子构建思路**：用于预警因子可能因资金过度追逐而失效的风险。通过综合多个子指标来度量因子的拥挤程度[18]。 * **因子具体构建过程**：使用四个指标度量因子拥挤程度：估值价差、配对相关性、长期收益反转、因子波动率[18]。报告未提供各子指标及综合打分的具体计算公式，但提及详细计算方法可参考专题报告《选股因子系列（四十二）——因子失效预警：因子拥挤》[18]。 9. **因子名称**：行业拥挤度[4][23][25][26] * **因子构建思路**：用于衡量特定行业是否因资金过度集中而存在回调风险[4][23]。 * **因子具体构建过程**：报告未提供具体计算公式，但提及详细计算方法可参考专题报告《行业轮动系列研究 15——行业板块拥挤度》[23]。 10. **因子名称**：行业三维矩阵[27][28][29] * **因子构建思路**：通过三个维度（拥挤度、历史估值偏离度、景气度）对行业进行可视化分析，辅助判断行业投资价值[27][28][29]。 * **因子具体构建过程**： * **横轴**：历史估值偏离度，代表行业滚动500个交易日市净率（PB）的Z值[29]。 * **纵轴**：行业拥挤度[28]。 * **气泡大小**：代表行业景气度，用行业滚动120个交易日分析师预期ROE的百分位刻画[29]。 模型的回测效果 *报告未提供量化模型的历史回测效果指标（如年化收益率、夏普比率、最大回撤等）。* 量化因子与构建方式 *（因子拥挤度、行业拥挤度、行业三维矩阵因子已在上方“量化模型与构建方式”中列出，此处不再重复）* 因子的回测效果 1. **小市值因子拥挤度**，综合打分 **0.37**[21] 2. **低估值因子拥挤度**，综合打分 **-0.57**[21] 3. **高盈利因子拥挤度**，综合打分 **0.63**[21] 4. **高增长因子拥挤度**，综合打分 **1.09**[21] 5. **行业拥挤度**（截至2026.01.09），各行业取值如下[25][26]： * 通信：2.19 * 综合：1.47 * 有色金属：1.74 * 国防军工：-0.15 * 电子：0.59 * 电力设备：1.08 * 基础化工：0.59 * 机械设备：0.14 * 非银金融：0.07 * 钢铁：0.36 * 银行：0.16 * 商贸零售：0.16 * 石油石化：-0.44 * 社会服务：-0.07 * 轻工制造：-0.16 * 计算机：-0.97 * 医药生物：-0.76 * 公用事业：-0.48 * 农林牧渔：-0.67 * 交通运输：-0.32 * 纺织服饰：-0.50 * 传媒：-1.04 * 煤炭：-0.71 * 汽车：-0.89 * 建筑材料：-0.34 * 建筑装饰：-0.89 * 美容护理：-0.68 * 食品饮料：-1.01 * 家用电器：-1.03 * 房地产：-0.90 * 环保：-1.03

核心观点 - 基于量化模型与技术分析信号 市场有望重回上行趋势 [1][2] 下周市场观点 - 量化指标显示市场流动性高于过去一年平均水平0.34倍标准差 沪深300流动性冲击指标为0.34 [2] - 上证50ETF期权PUT-CALL比率升至0.88 显示投资者短期谨慎情绪上升 [2] - 市场交易活跃度上升 上证综指与Wind全A五日平均换手率分别处于2005年以来69.45%和75.13%分位点 [2] - 日历效应显示沪深300指数在12月下半月历史表现较好 2005年以来上涨概率为55% 涨幅均值为1.08% [2] - 技术分析发出积极信号 Wind全A指数SAR指标已于12月1日向上突破 市场均线强弱指数得分为212 处于2023年以来77.2%分位点 [2] - 情绪模型得分为3分（满分5分） 趋势模型与加权模型信号均为正向 发出做多信号 [2] 市场回顾 - 上周主要指数普遍上涨 上证50指数上涨1.37% 沪深300指数上涨1.95% 中证500指数上涨4.03% 创业板指上涨3.9% [3] - 当前全市场PE（TTM）为22.3倍 处于2005年以来76.6%分位点 [3] 因子与行业拥挤度观察 - 小市值因子拥挤度为0.15 较前期有所下降 低估值因子拥挤度为-0.61 高盈利因子拥挤度为0.14 高盈利增长因子拥挤度为0.46 [4] - 通信、有色金属、综合、电力设备和电子行业的拥挤度相对较高 [4] - 国防军工和商贸零售行业的拥挤度上升幅度相对较大 [4]

市场短期观点 - 市场短期震荡格局较难被打破，情绪模型信号处于弱势震荡状态，均线强弱指数同样处于震荡区间 [1][2] - 基于沪深300指数的流动性冲击指标为0.41，低于前一周的0.51，表明当前市场流动性高于过去一年平均水平0.41倍标准差 [2] - 上证50ETF期权成交量的PUT-CALL比率震荡下降至0.83，低于前一周的1.08，显示投资者对上证50ETF短期走势的谨慎程度下降 [2] 市场交易与估值状况 - 上周上证50指数上涨0.32%，沪深300指数下跌0.28%，中证500指数下跌0%，创业板指下跌2.26% [3] - 上证综指和Wind全A五日平均换手率分别为1.05%和1.60%，处于2005年以来的68.85%和73.75%分位点，交易活跃度有所下降 [2] - 当前全市场PE（TTM）为21.8倍，处于2005年以来的72.7%分位点 [3] 宏观与外部环境 - 人民币汇率震荡，在岸和离岸汇率周涨幅分别为0.2%、0.28% [2] - 美股市场出现震荡，道琼斯工业指数、标普500指数和纳斯达克指数周收益率分别为-0.67%、0.1%、0.48% [2] - 美国11月非农就业人口增加6.4万人，高于市场预期的5万人，但失业率意外升至4.6%，创2021年9月以来新高，10月非农就业大幅减少10.5万人，远超预期的下降2.5万人 [2] - 美国11月平均时薪同比增长3.5%，为2021年5月以来最低增速 [2] 国内经济数据 - 中国11月规模以上工业增加值同比增长4.8%，服务业生产指数同比增长4.2%，社会消费品零售总额同比增长1.3% [2] - 1-11月份，全国固定资产投资同比下降2.6%，其中制造业投资增长1.9%，房地产开发投资下降15.9% [2] - 11月全国城镇调查失业率持平于5.1% [2] 技术分析与量化指标 - Wind全A指数于12月1日向上突破SAR翻转指标 [2] - 基于Wind二级行业指数算出的均线强弱指数当前得分为170，处于2023年以来的60.6%分位点 [2] - 情绪模型得分为0分（满分5分），趋势模型信号为负向，加权模型信号为负向 [2] 因子与行业拥挤度 - 盈利因子拥挤度继续上升，小市值因子拥挤度为0.22，低估值因子拥挤度为-0.51，高盈利因子拥挤度为0.05，高盈利增长因子拥挤度为0.22 [3] - 通信、有色金属、综合、电力设备和基础化工的行业拥挤度相对较高 [4] - 国防军工和商贸零售的行业拥挤度上升幅度相对较大 [4] 历史表现参考 - 日历效应显示，2005年以来，沪深300指数在12月下半月表现较好 [3]

量化模型与构建方式 1. **模型名称**：情绪择时模型[12] * **模型构建思路**：通过构建与市场涨跌停板相关的因子来刻画市场的情绪强弱，并基于此进行择时判断[12]。 * **模型具体构建过程**：模型包含五个细分情绪因子，分别为净涨停占比、跌停次日收益、涨停板占比、跌停板占比、高频打板收益[14]。每个因子根据其数值或状态给出0或1的信号，最终将五个因子的信号值相加，得到总分（满分5分）作为情绪模型的得分[12][14]。 2. **模型名称**：趋势模型[12] * **模型构建思路**：未在报告中详细说明，但作为与情绪模型并列的择时模型，其信号用于判断市场趋势方向[12]。 * **模型具体构建过程**：报告未提供具体构建过程，仅提及模型信号为负向[12]。 3. **模型名称**：加权模型[12] * **模型构建思路**：未在报告中详细说明，但作为与情绪模型并列的择时模型，其信号用于判断市场趋势方向[12]。 * **模型具体构建过程**：报告未提供具体构建过程，仅提及模型信号为负向[12]。 4. **模型/指标名称**：均线强弱指数[12] * **构建思路**：通过计算Wind二级行业指数的均线情况来综合判断市场的整体技术强弱[12]。 * **具体构建过程**：报告未提供具体计算公式。构建过程为：基于Wind二级行业指数，计算其均线相关指标，并综合打分。当前市场得分为170，处于2023年以来的60.6%分位点[12]。 5. **指标名称**：流动性冲击指标[2] * **构建思路**：基于沪深300指数构建，用于衡量当前市场流动性相对于过去一年平均水平的偏离程度[2]。 * **具体构建过程**：报告未提供具体计算公式。指标数值代表当前市场流动性高于过去一年平均水平的倍数标准差。例如，指标值为0.41意味着流动性高于过去一年平均水平0.41倍标准差[2]。 6. **指标名称**：PUT-CALL比率[2] * **构建思路**：使用上证50ETF期权的成交量比率（认沽期权成交量/认购期权成交量）来反映投资者对短期走势的谨慎或乐观情绪[2]。 * **具体构建过程**：$$PUT-CALL比率 = \frac{认沽期权成交量}{认购期权成交量}$$ 比率下降通常意味着投资者谨慎程度下降[2]。 7. **因子名称**：因子拥挤度（复合指标）[15] * **因子构建思路**：因子拥挤是指跟踪或投资某一因子的资金过多，导致该因子收益或收益稳定性下降的现象。拥挤度指标可作为因子失效的预警指标[15]。 * **因子具体构建过程**：使用四个子指标综合度量因子拥挤程度，包括估值价差、配对相关性、长期收益反转、因子波动率[15]。报告指出详细计算方法请参考对应专题报告，未在本文中给出具体公式[15]。综合打分由这四个分项指标合成[19]。 量化模型的回测效果 1. 情绪择时模型，模型得分0分（满分5分）[12] 2. 趋势模型，信号方向为负向[12] 3. 加权模型，信号方向为负向[12] 4. 均线强弱指数，当前得分170，历史分位点（2023年以来）60.6%[12] 5. 流动性冲击指标（基于沪深300），当前数值0.41[2] 6. PUT-CALL比率（上证50ETF期权），当前数值0.83[2] 量化因子与构建方式 1. **因子名称**：小市值因子拥挤度[4][19] * **因子构建思路**：衡量小市值因子的拥挤程度，预警其可能失效的风险[15]。 * **因子具体构建过程**：作为复合因子拥挤度的一种，其具体构建过程与前述“因子拥挤度（复合指标）”一致，由估值价差、配对相关性、市场波动、收益反转四个子指标合成[15][19]。报告未提供各子指标的具体公式。 2. **因子名称**：低估值因子拥挤度[4][19] * **因子构建思路**：衡量低估值因子的拥挤程度，预警其可能失效的风险[15]。 * **因子具体构建过程**：构建过程同“小市值因子拥挤度”，为复合指标[15][19]。 3. **因子名称**：高盈利因子拥挤度[4][19] * **因子构建思路**：衡量高盈利因子的拥挤程度，预警其可能失效的风险[15]。 * **因子具体构建过程**：构建过程同“小市值因子拥挤度”，为复合指标[15][19]。 4. **因子名称**：高盈利增长因子拥挤度[4][19] * **因子构建思路**：衡量高盈利增长（高增长）因子的拥挤程度，预警其可能失效的风险[15]。 * **因子具体构建过程**：构建过程同“小市值因子拥挤度”，为复合指标[15][19]。 5. **因子名称**：行业拥挤度[21] * **因子构建思路**：衡量特定行业板块的拥挤程度[21]。 * **因子具体构建过程**：报告指出详细计算方法请参考对应专题报告《行业轮动系列研究 15——行业板块拥挤度》，未在本文中给出具体公式[21]。 6. **因子名称**：净涨停占比（情绪因子）[14] * **因子构建思路**：作为情绪择时模型的细分因子之一，用于刻画市场情绪[14]。 * **因子具体构建过程**：报告未提供具体计算公式，仅给出其当前信号值为0[14]。 7. **因子名称**：跌停次日收益（情绪因子）[14] * **因子构建思路**：作为情绪择时模型的细分因子之一，用于刻画市场情绪[14]。 * **因子具体构建过程**：报告未提供具体计算公式，仅给出其当前信号值为0[14]。 8. **因子名称**：涨停板占比（情绪因子）[14] * **因子构建思路**：作为情绪择时模型的细分因子之一，用于刻画市场情绪[14]。 * **因子具体构建过程**：报告未提供具体计算公式，仅给出其当前信号值为0[14]。 9. **因子名称**：跌停板占比（情绪因子）[14] * **因子构建思路**：作为情绪择时模型的细分因子之一，用于刻画市场情绪[14]。 * **因子具体构建过程**：报告未提供具体计算公式，仅给出其当前信号值为0[14]。 10. **因子名称**：高频打板收益（情绪因子）[14] * **因子构建思路**：作为情绪择时模型的细分因子之一，用于刻画市场情绪[14]。 * **因子具体构建过程**：报告未提供具体计算公式，仅给出其当前信号值为0[14]。 量化因子的回测效果 1. 小市值因子拥挤度，综合打分0.22，估值价差0.58，配对相关性-0.09，市场波动-0.18，收益反转0.56[19] 2. 低估值因子拥挤度，综合打分-0.51，估值价差-0.72，配对相关性0.04，市场波动-0.23，收益反转-1.12[19] 3. 高盈利因子拥挤度，综合打分0.05，估值价差-0.69，配对相关性-0.08，市场波动-0.31，收益反转1.27[19] 4. 高盈利增长因子拥挤度，综合打分0.22，估值价差0.66，配对相关性-0.46，市场波动0.37，收益反转0.29[19] 5. 净涨停占比（情绪因子），当前信号0[14] 6. 跌停次日收益（情绪因子），当前信号0[14] 7. 涨停板占比（情绪因子），当前信号0[14] 8. 跌停板占比（情绪因子），当前信号0[14] 9. 高频打板收益（情绪因子），当前信号0[14]

市场下周展望 - 市场下周维持震荡可能性较大 [1][2] - 沪深300流动性冲击指标为0.50，高于前一周的0.15，显示当前市场流动性高于过去一年平均水平0.50倍标准差 [2] - 上证50ETF期权PUT-CALL比率为1.02，投资者对短期走势相对谨慎 [2] 技术指标分析 - Wind全A指数处于SAR反转点位之下，均线强弱指数在指数点位上升幅度不大情况下上行，表明市场存在下行可能 [1][2] - 均线强弱指数当前得分为145，处于2023年以来的49.6%分位点 [2] - 情绪模型得分为1分（满分5分），显示市场情绪较弱 [2] 市场交易活跃度 - 上证综指和Wind全A五日平均换手率分别为0.98%和1.59%，处于2005年以来的65.67%和73.47%分位点，交易活跃度有所下降 [2] - 上周人民币在岸和离岸汇率周涨幅分别为0.43%、0.48% [2] 历史日历效应 - 2005年以来12月上半月，上证综指、沪深300、中证500、创业板指上涨概率分别为70%、65%、55%、60% [2] - 同期上述指数涨幅均值分别为1.81%、2.45%、1.55%、-0.02%，涨幅中位数分别为2.09%、2.58%、1.03%、0.77% [2] 上周市场表现 - 上周上证50指数上涨0.47%，沪深300指数上涨1.64%，中证500指数上涨3.14%，创业板指上涨4.54% [3] - 当前全市场PE（TTM）为21.7倍，处于2005年以来的71.9%分位点 [3] 因子拥挤度 - 低估值因子拥挤度为-0.65，继续处于低位 [3] - 小市值因子拥挤度为0.30，高盈利因子拥挤度为-0.04，高盈利增长因子拥挤度为0.02 [3] 行业拥挤度 - 通信、有色金属、综合、电力设备和电子行业的拥挤度相对较高 [4] - 基础化工和银行的行业拥挤度上升幅度相对较大 [4]

市场整体观点 - 市场下周或将维持震荡 [1][2] - Wind全A指数连续一周处于SAR反转点位之下且两者距离未收敛 [1][2] - 均线强弱指数得分为80处于2023年以来25.9%分位点表明市场还有下行空间 [2] - 情绪模型得分为0分（满分5分）趋势模型和加权模型信号均为负向显示市场情绪较弱 [2] 量化指标分析 - 基于沪深300指数的流动性冲击指标为0.15低于前一周0.67意味着当前市场流动性高于过去一年平均水平0.15倍标准差 [2] - 上证50ETF期权成交量PUT-CALL比率震荡下降至1.02低于前一周1.04显示投资者对上证50ETF短期走势谨慎程度下降 [2] - 上证综指和Wind全A五日平均换手率分别为1.21%和1.86%处于2005年以来73.72%和80.02%分位点交易活跃度有所下降 [2] 上周市场表现 - 上证50指数下跌2.72%沪深300指数下跌3.77%中证500指数下跌5.78%创业板指下跌6.15% [3] - 全市场PE（TTM）为21.3倍处于2005年以来70.1%分位点 [3] - 2005年以来各宽基指数在11月下半月均表现不佳 [3] 宏观与外部事件 - 人民币汇率震荡在岸和离岸汇率周涨幅分别为-0.14%-0.07% [2] - 美股道琼斯工业指数标普500指数和纳斯达克指数周收益率分别为-1.91%-1.95%-2.74% [2] - 特朗普政府考虑批准英伟达H200 AI芯片对华销售 [2] - 美国11月标普全球制造业PMI初值为51.9创4个月新低服务业PMI初值为55综合PMI初值为54.8均创4个月新高 [2] 因子拥挤度 - 低估值因子拥挤度出现下降为-0.69 [4] - 小市值因子拥挤度为0.39高盈利因子拥挤度为-0.02高盈利增长因子拥挤度为0.05 [4] 行业拥挤度 - 有色金属通信综合电力设备和钢铁的行业拥挤度相对较高 [5] - 基础化工和银行的行业拥挤度上升幅度相对较大 [5]

核心观点 - 市场下周或将出现震荡，主要因技术面指标与指数走势出现背离，且多项量化指标显示市场情绪谨慎、交易活跃度下降 [1][2] 量化指标表现 - 基于沪深300指数的流动性冲击指标为0.67，高于前一周的0.40，表明当前市场流动性高于过去一年平均水平0.67倍标准差 [2] - 上证50ETF期权成交量PUT-CALL比率下降至1.04，低于前一周的1.22，反映投资者对上证50ETF短期走势谨慎程度有所下降 [2] - 上证综指和Wind全A五日平均换手率分别为1.27%和1.91%，处于2005年以来75.55%和81.44%的高分位点，交易活跃度下降 [2] 宏观因子数据 - 人民币汇率震荡，在岸和离岸汇率周涨幅分别为0.31%和0.35% [2] - 中国10月CPI同比为0.2%，高于前值-0.3%和Wind一致预期-0.04%；PPI同比为-2.1%，高于前值-2.3%和Wind一致预期-2.28% [2] - 10月新增人民币贷款2200亿元，低于Wind一致预期4599.82亿元和前值12900亿元；M2同比增长8.2%，高于Wind一致预期8.04%但低于前值8.4% [2] 日历效应与技术分析 - 2005年以来，11月下半月主要宽基指数上涨概率均低于50%，涨幅均值为负值，历史表现不佳 [2] - Wind全A指数于10月27日向上突破SAR翻转指标；当前市场均线强弱指数得分为218，处于2023年以来79.2%的高分位点 [2] - 市场情绪模型得分为3分（满分5分），趋势模型和加权模型信号均为正向 [2] 上周市场表现与估值 - 上周主要宽基指数表现：上证50指数上涨0%，沪深300指数下跌1.08%，中证500指数下跌1.26%，创业板指下跌3.01% [3] - 当前全市场PE（TTM）为22.2倍，处于2005年以来75.8%的高分位点 [3] 因子与行业拥挤度 - 主要因子拥挤度保持平稳：小市值因子0.37，低估值因子-0.25，高盈利因子-0.18，高盈利增长因子0.08 [3] - 有色金属、综合、通信、电力设备和钢铁等行业拥挤度相对较高；基础化工和银行的行业拥挤度上升幅度较大 [4]

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. 情绪择时模型 **模型名称：** 情绪择时模型[2][11] **模型构建思路：** 通过构建涨跌停板相关因子来刻画市场的情绪强弱，从而对市场趋势进行判断[11] **模型具体构建过程：** 模型包含多个情绪因子细分信号，包括净涨停占比、跌停次日收益、涨停板占比、跌停板占比、高频打板收益等子因子[14] 模型最终输出情绪模型得分（满分5分），当前得分为2分[11] 同时结合趋势模型信号和加权模型信号进行综合判断[11] 2. 趋势模型 **模型名称：** 趋势模型[11][17] **模型构建思路：** 基于技术分析指标判断市场趋势方向[11] **模型具体构建过程：** 使用SAR指标（停损转向指标）进行分析，当Wind全A指数向下突破翻转指标时发出负向信号[11] 当前趋势模型信号为负向[11] 3. 加权模型 **模型名称：** 加权模型[11][17] **模型构建思路：** 综合多个技术指标进行加权判断市场走势[11] **模型具体构建过程：** 模型结合多种技术分析指标，当前加权模型信号为负向[11] 4. 均线强弱指数模型 **模型名称：** 均线强弱指数模型[11] **模型构建思路：** 通过Wind二级行业指数计算均线强弱程度来评估市场整体技术面状况[11] **模型具体构建过程：** 基于Wind二级行业指数计算出均线强弱指数，当前市场得分为197，处于2023年以来的71.2%分位点[11] 5. 因子拥挤度模型 **模型名称：** 因子拥挤度模型[15] **模型构建思路：** 使用多个指标度量因子拥挤程度，作为因子失效的预警指标[15] **模型具体构建过程：** 使用估值价差、配对相关性、长期收益反转、因子波动率这四个指标度量因子拥挤程度[15] 各分项指标通过综合打分得到复合因子拥挤度[16] 量化因子与构建方式 1. 流动性冲击指标因子 **因子名称：** 流动性冲击指标[2][7] **因子构建思路：** 基于沪深300指数衡量市场流动性状况[2][7] **因子具体构建过程：** 指标数值表示当前市场流动性高于过去一年平均水平的倍数标准差，周五为0.84，低于前一周的1.57[2][7] 2. PUT-CALL比率因子 **因子名称：** PUT-CALL比率[2][7] **因子构建思路：** 通过上证50ETF期权成交量衡量投资者情绪[2][7] **因子具体构建过程：** 计算看跌期权与看涨期权的成交量比率，周五为0.72，低于前一周的1.07，表明投资者对上证50ETF短期走势乐观程度上升[2][7] 3. 换手率因子 **因子名称：** 五日平均换手率[2][7] **因子构建思路：** 通过换手率指标衡量市场交易活跃度[2][7] **因子具体构建过程：** 计算上证综指和Wind全A的五日平均换手率，当前分别为1.19%和1.66%，处于2005年以来的73.46%和75.62%分位点[2][7] 4. 涨跌停板相关情绪因子 **因子名称：** 涨跌停板情绪因子[11][14] **因子构建思路：** 通过涨跌停板相关数据刻画市场情绪强弱[11] **因子具体构建过程：** 包含多个子因子： - 净涨停占比因子：信号为1[14] - 跌停次日收益因子：信号为0[14] - 涨停板占比因子：信号为0[14] - 跌停板占比因子：信号为1[14] - 高频打板收益因子：信号为0[14] 5. 小市值因子 **因子名称：** 小市值因子[4][16] **因子构建思路：** 基于市值维度构建的选股因子[4][16] **因子具体构建过程：** 通过因子拥挤度模型计算，包含估值价差(0.52)、配对相关性(0.60)、市场波动(-0.47)、收益反转(0.97)四个分项指标[16] 6. 低估值因子 **因子名称：** 低估值因子[4][16] **因子构建思路：** 基于估值维度构建的选股因子[4][16] **因子具体构建过程：** 通过因子拥挤度模型计算，包含估值价差(-0.74)、配对相关性(0.81)、市场波动(0.27)、收益反转(-1.39)四个分项指标[16] 7. 高盈利因子 **因子名称：** 高盈利因子[4][16] **因子构建思路：** 基于盈利能力维度构建的选股因子[4][16] **因子具体构建过程：** 通过因子拥挤度模型计算，包含估值价差(-0.58)、配对相关性(0.14)、市场波动(-0.88)、收益反转(0.73)四个分项指标[16] 8. 高盈利增长因子 **因子名称：** 高盈利增长因子[4][16] **因子构建思路：** 基于盈利增长维度构建的选股因子[4][16] **因子具体构建过程：** 通过因子拥挤度模型计算，包含估值价差(1.66)、配对相关性(0.87)、市场波动(-0.66)、收益反转(-0.45)四个分项指标[16] 模型的回测效果 1. 情绪择时模型 情绪模型得分为2分（满分5分）[11]，趋势模型信号为负向[11]，加权模型信号为负向[11] 2. 趋势模型 当前信号为负向[11]，模型显示市场趋势被打破[2] 3. 加权模型 当前信号为负向[11]，与趋势模型一致显示负向信号[11] 因子的回测效果 1. 小市值因子 复合拥挤度：0.41[4][16] 分项指标：估值价差0.52，配对相关性0.60，市场波动-0.47，收益反转0.97[16] 2. 低估值因子 复合拥挤度：-0.26[4][16] 分项指标：估值价差-0.74，配对相关性0.81，市场波动0.27，收益反转-1.39[16] 3. 高盈利因子 复合拥挤度：-0.15[4][16] 分项指标：估值价差-0.58，配对相关性0.14，市场波动-0.88，收益反转0.73[16] 4. 高盈利增长因子 复合拥挤度：0.35[4][16] 分项指标：估值价差1.66，配对相关性0.87，市场波动-0.66，收益反转-0.45[16] 5. 流动性冲击指标因子 当前数值：0.84[2][7] 前一周数值：1.57[2][7] 6. PUT-CALL比率因子 当前数值：0.72[2][7] 前一周数值：1.07[2][7] 7. 换手率因子 上证综指换手率：1.19%，处于2005年以来73.46%分位点[2][7] Wind全A换手率：1.66%，处于2005年以来75.62%分位点[2][7]

市场整体观点 - 短期内市场将维持震荡态势 [1][2] - 中美贸易环境不稳定导致部分个股估值回归，市场涌现避险情绪 [1][2] 量化指标分析 - 基于沪深300指数的流动性冲击指标为1.57，高于前一周的1.36，表明当前市场流动性高于过去一年平均水平1.57倍标准差 [2] - 上证50ETF期权成交量PUT-CALL比率震荡上升至1.07，高于前一周的0.85，显示投资者对短期走势谨慎程度上升 [2] - 上证综指和Wind全A五日平均换手率分别为1.42%和1.93%，处于2005年以来78.95%和81.84%分位点，交易活跃度与前期持平 [2] 宏观经济数据 - 9月CPI同比-0.3%，高于前值-0.4%，但低于Wind一致预期-0.15% [2] - 9月PPI同比-2.3%，高于前值-2.9%，但低于Wind一致预期-2.4% [2] - 9月新增人民币贷款12900亿元，低于Wind一致预期13900亿元，但高于前值5900亿元 [2] - 9月M2同比增长8.4%，低于Wind一致预期8.51%和前值8.8% [2] 市场表现与估值 - 上周上证50指数下跌0.24%，沪深300指数下跌2.22%，中证500指数下跌5.17%，创业板指下跌5.71% [3] - 当前全市场PE为22.0倍，处于2005年以来74.0%分位点 [3] 因子与行业拥挤度 - 小市值因子拥挤度0.08，低估值因子拥挤度-0.27，高盈利因子拥挤度-0.13，高盈利增长因子拥挤度0.07 [3] - 有色金属、综合、电力设备、通信和电子行业拥挤度相对较高 [4] - 钢铁和公用事业行业拥挤度上升幅度相对较大 [4] 技术分析与历史表现 - 2005年以来，上证综指、沪深300、中证500、创业板指在10月下半月上涨概率分别为45%、40%、35%、40%，涨幅均值分别为-1.1%、-1.1%、-1.69%、-0.42% [2] - Wind全A指数于10月17日向下突破SAR翻转指标 [2] - 均线强弱指数当前得分为141，处于2023年以来49.9%分位点，周内多次震荡并于周五大幅下行 [2] - 市场情绪模型得分为2分（满分5分），趋势模型信号为正向，加权模型信号为负向 [2]