量化模型与构建方式 1. **模型名称：均线择时模型** - 模型构建思路：通过比较Wind全A指数的短期均线（20日）与长期均线（120日）的距离，判断市场整体环境（上行、震荡或下行）[2][4][11] - 模型具体构建过程： 1. 计算Wind全A指数的20日均线（短期）和120日均线（长期） 2. 计算两线距离百分比： $$\text{均线距离} = \frac{\text{20日均线值} - \text{120日均线值}}{\text{120日均线值}} \times 100\%$$ 3. 根据距离阈值划分市场状态： - 距离>3%：上行趋势 - 距离≤3%：震荡或下行趋势[2][11] - 模型评价：简单直观，但对均线周期选择和阈值敏感 2. **模型名称：仓位管理模型** - 模型构建思路：结合估值分位数（PE/PB）和市场趋势信号动态调整绝对收益产品的股票仓位[3][12] - 模型具体构建过程： 1. 计算Wind全A的PE/PB历史分位数（PE 60分位、PB 20分位） 2. 若均线模型显示震荡趋势且估值中等偏低（PB≤20分位），建议仓位50%[12] 3. **模型名称：TWO BETA行业配置模型** - 模型构建思路：通过双贝塔因子筛选科技板块中的高弹性行业[4][12] - 模型具体构建过程：未披露具体公式，但输出推荐通信设备/军工行业[12] 4. **模型名称：困境反转行业模型** - 模型构建思路：识别基本面触底但估值较低的行业（如新能源）[4][12] --- 量化因子与构建方式 1. **因子名称：均线距离因子** - 因子构建思路：量化短期与长期均线的偏离程度[2][11] - 因子具体构建过程：同均线择时模型中的距离计算公式 2. **因子名称：成交缩量因子** - 因子构建思路：监测市场成交额萎缩至阈值（1.1万亿）作为反弹信号[4][11] 3. **因子名称：PE/PB分位数因子** - 因子构建思路：计算当前估值在历史序列中的相对位置[3][12] --- 模型的回测效果 1. **均线择时模型** - 当前均线距离：3.28%（上行趋势破坏）[11] - 趋势线均线位置：5250点，5日均线位置：5195点（低于趋势线）[11] 2. **仓位管理模型** - 建议仓位：50%（Wind全A PB分位数20%）[12] --- 因子的回测效果 1. **成交缩量因子** - 触发阈值：成交额<1.1万亿[11] 2. **PE/PB分位数因子** - 当前PE分位数：60%（中等水平） - 当前PB分位数：20%（较低水平）[12] --- 注：行业模型（TWO BETA、困境反转）未披露具体测试指标[4][12]