核心观点 - 市场情绪指标震荡维稳，综合得分周内有所改善，交易活跃度出现反转回升迹象，整体情绪呈现阶段性回暖但结构性分化仍存 [2][8] - 全A市场成交活跃度明显回升，本周平均日成交额达19651.66亿元，环比上升11.63% [2][16] - 量化模型显示小盘风格与成长风格占优，且未来信号存在增强可能 [2][50] 情绪模型观点：市场情绪得分震荡回升 - 截至12月26日，市场情绪指标数值为1.1，与上周五持平，观点偏中性 [2][8] - 价量一致性指标周后段明显回升，市场价量匹配程度回升，资金关注度与标的涨幅相关性增强，情绪端呈现边际回暖 [2][12] - 科创50相对万得全A成交占比延续下行趋势，反映高弹性板块参与度仍偏低，风险偏好修复不足 [2][12][19] - 行业间交易波动率持续下降并下穿布林带上界，资金在不同行业间切换节奏放缓，跨行业轮动意愿减弱 [2][12][23] - 行业涨跌趋势性指标维持在布林带上界附近震荡，行业观点一致性较高，板块β效应仍占主导 [2][12][25] - 融资余额占比持续上行并创阶段新高，杠杆资金情绪升温，风险偏好呈现一定修复 [2][12][29] - RSI指标周内明显改善并快速修复，短期卖压减弱，上行动能有所回升 [2][12][32] - 主力资金净流入指标维持高位震荡，机构资金进场意愿增强 [2][12][36] 其他择时模型观点：行业与风格信号 - **均线排列模型行业观点**：截至12月26日，计算机、房地产、医药生物、汽车、机械设备等行业短期得分上升趋势靠前 [2][41] - **短期得分最高行业**：有色金属、轻工制造、通信的短期得分均为88.14，为最高；商贸零售、国防军工短期得分也较高 [2][41] - **行业拥挤度分析**：本周拥挤度与周内涨跌幅相关系数为0.16，存在一定正相关性 [2][46] - **高拥挤度板块表现**：国防军工、建筑材料等高拥挤度板块领涨明显，拥挤资金快速流入导致涨幅显著放大，但需警惕高位回调压力 [2][46] - **拥挤度与涨幅分化**：食品饮料、商贸零售等拥挤度较高但涨幅较低；美容护理、煤炭、传媒等低拥挤度板块涨幅相对落后 [2][46] - **风格信号**：RSI风格择时模型维持提示小盘风格与成长风格占优信号 [2][50] - **信号强度展望**：小盘风格的5日RSI相对20日RSI继续上升，未来信号存在增强可能；成长风格的5日RSI相对20日RSI快速上升，未来信号强度可能有所增强 [2][50]

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]

量化模型与构建方式 1. **模型名称：市场整体环境择时体系（均线距离模型）**[2][6] * **模型构建思路**：通过计算WIND全A指数的短期均线与长期均线的距离（差值百分比），来界定市场整体环境是处于上行趋势还是震荡/下行趋势[2][6]。 * **模型具体构建过程**： 1. 计算WIND全A指数的20日移动平均线（短期均线）和120日移动平均线（长期均线）[2][6]。 2. 计算两条均线的距离，公式为： $$均线距离 = \frac{短期均线 - 长期均线}{长期均线} \times 100\%$$ 其中，短期均线为20日均线，长期均线为120日均线[2][6]。 3. 设定阈值进行判断：当均线距离的绝对值大于3%时，市场处于上行趋势（短期均线位于长期均线之上）[2][6]。 2. **模型名称：上行趋势赚钱效应监测模型**[2][7] * **模型构建思路**：在市场被判定为上行趋势后，通过计算当前价格相对于“市场趋势线”的涨幅（即赚钱效应）来判断上行趋势的强度和持续性[2][7]。 * **模型具体构建过程**： 1. 确定“市场趋势线”。报告中提及当前市场趋势线位于6237点附近，但未明确其具体计算方法（可能为某一关键均线或支撑线）[2][7]。 2. 计算赚钱效应，公式为： $$赚钱效应 = \frac{当前指数点位 - 市场趋势线}{市场趋势线} \times 100\%$$ 其中，当前指数点位为WIND全A指数最新点位[2][7]。 3. 判断标准：赚钱效应显著为正，则上行趋势有望延续[2][7]。 3. **模型名称：仓位管理模型**[7] * **模型构建思路**：结合市场的估值水平（PE、PB分位数）和短期趋势判断，为以WIND全A为配置主体的绝对收益产品提供仓位建议[7]。 * **模型具体构建过程**：报告未详细描述该模型的具体构建公式和参数权重，仅展示了应用逻辑：当WIND全A的PE位于85分位点（偏高水平）、PB位于50分位点（中等水平），并结合短期上行趋势判断，模型给出80%的仓位建议[7]。 4. **模型名称：行业趋势配置模型**[2][5][7] * **模型构建思路**：用于识别和推荐处于上行趋势的行业板块，作为配置方向[2][5][7]。 * **模型具体构建过程**：报告未详细描述该模型的具体构建方法，仅提及模型结果显示通信、工业金属、储能板块延续上行趋势[2][5][7]。 5. **模型名称：中期困境反转预期模型**[2][5][7] * **模型构建思路**：用于挖掘具有中期困境反转预期的行业或板块[2][5][7]。 * **模型具体构建过程**：报告未详细描述该模型的具体构建方法，仅提及模型信号显示关注零售、旅游等服务型消费[2][5][7]。 6. **模型名称：TWO BETA模型**[2][5][7] * **模型构建思路**：一种行业配置模型，继续推荐科技板块[2][5][7]。 * **模型具体构建过程**：报告未详细描述该模型的具体构建方法，仅提及模型继续推荐科技板块，并关注国产算力和商业航天等细分方向[2][5][7]。 模型的回测效果 *本报告为周度市场观点报告，主要展示模型的最新信号和结论，未提供历史回测的定量指标（如年化收益率、夏普比率、最大回撤等）。* 量化因子与构建方式 *本报告主要涉及择时与行业配置模型，未提及具体的选股因子构建。* 因子的回测效果 *本报告未涉及量化因子，故无此项内容。*

市场近期表现 - 最近5个交易日，科创50指数上涨2.85%，创业板指上涨3.90%，国证2000代表的小盘股上涨3.55%，大盘价值微跌0.02%，大盘成长上涨2.70%，上证50上涨1.37% [1] - 行业表现方面，有色金属、国防军工表现靠前，美容护理、社会服务表现靠后 [1] 市场估值水平 - 截至2025年12月26日，中证全指PETTM分位数处于82%的历史高位，上证50与沪深300的分位数均为74% [1] - 创业板指估值分位数接近59%，处于历史中位数水平，中证500与中证1000的估值分位数分别为62%和64% [1] 资金交易情况 - 最近5个交易日，ETF资金流入416亿元，融资盘增加约457亿元 [2] - 两市日均成交额为19454亿元 [2] AI模型识别行业主题 - 基于卷积神经网络对图表化价量数据建模，最新配置关注化工、非银金融、通信和卫星等主题 [2][10] - 具体关注的细分指数包括：中证细分化工产业主题指数、沪深300非银行金融指数、中证全指通信设备指数、国证商用卫星通信产业指数和中证卫星产业指数 [3][11] 风险溢价指标 - 截至2025年12月26日，中证全指静态市盈率的倒数EP与十年期国债收益率的差值（风险溢价）为2.69%，其两倍标准差上边界为4.70% [1]

核心观点 - 市场情绪指标在周内探底后出现小幅回升，综合得分显示情绪出现较明显改善，市场交易活跃度有反转回升迹象，但结构性分化依然存在，整体观点偏中性 [1][6] - 量化模型当前提示小盘风格与成长风格占优信号，其中小盘风格信号未来可能削弱，而成长风格信号强度可能进一步加强 [1][33][41] - 从行业层面看，美容护理、医药生物等行业短期得分上升趋势靠前，通信、商贸零售等行业短期得分最高，而行业拥挤度与周内涨跌幅呈正相关，高拥挤度板块领涨明显 [1][33][38] 市场情绪模型观点 - 截至12月19日，市场情绪指标得分为1.1，较上周五的1.35小幅降低，但周五单日情绪得分出现回升 [1][6] - 价量一致性指标周内整体上行、周五明显抬升，市场价量匹配程度回升，资金关注度与标的涨幅相关性增强，显示情绪端边际回暖 [1][9][10] - 全A成交活跃度环比下降，本周全A成交额较上周环比下降9.86%，平均日成交额为17604.84亿元，其中12月17日成交额最高，达18343.65亿元人民币，日成交量1175.91亿股 [1][12] - 科创50相对万得全A的成交占比延续下行趋势，反映市场风险偏好修复仍显不足 [1][9][15] - 行业间交易波动率持续下降，表明资金在不同行业间切换节奏放缓，流动性边际趋弱 [1][9][18] - 行业涨跌趋势性指标维持在布林带上界附近震荡，显示行业观点一致性较高，板块beta效应较强 [1][9][20] - 融资余额占比持续上行并创下近三年度新高，表明杠杆资金情绪升温，市场风险偏好呈现结构性修复 [1][9][22] - RSI指标周内出现明显改善并突破布林带下界，短期上行动能有所修复 [9][25] - 主力资金净流入指标突破震荡区间，机构资金进场意愿增强 [9][28] 其他择时模型观点 - 根据均线排列模型，截至12月19日，短期得分上升趋势靠前的行业包括美容护理、医药生物、非银金融、农林牧渔、商贸零售 [1][33] - 从短期得分数值看，通信、商贸零售、国防军工、轻工制造、有色金属是短期得分最高的行业，其中通信行业短期得分为79.66，为最高 [1][33] - 行业拥挤度分析显示，本周拥挤度与周内涨跌幅相关系数为0.30，存在较强正相关性 [1][38] - 近期商贸零售、轻工制造、国防军工等高拥挤度板块领涨明显，拥挤资金快速流入导致涨幅显著放大，短期仍有上冲惯性 [1][38] - 建筑材料、通信等行业拥挤度同样较高但涨幅较低，若有资金面进一步催化，或仍具备上涨潜力 [1][38] - 电力设备、计算机、建筑装饰等低拥挤度板块涨幅相对落后 [1][38] - 根据RSI风格择时模型，当前模型提示小盘风格占优信号，同时5日RSI相对20日RSI有所下降，未来信号存在削弱可能 [1][41] - 模型同时维持提示成长风格占优信号，且5日RSI相对20日RSI迅速上升，未来信号强度可能出现进一步加强 [1][41]

核心观点 - 截至2025年12月19日，市场情绪指标得分为1.1，较上周五的1.35小幅降低，但周五出现回升，整体观点偏中性，且周内情绪指数综合得分出现较明显改善，市场交易活跃度有反转回升迹象 [1][7] - 市场情绪呈现温和修复但结构性分化仍存，价量一致性、融资余额、RSI及主力资金流入等指标出现改善，但全A成交额下滑、科创50成交占比下行及行业间交易波动率下降显示风险偏好修复不足与流动性边际趋弱 [1][11] - 当前量化模型整体提示小盘与成长风格占优信号，其中小盘风格信号未来可能削弱，而成长风格信号强度可能进一步加强 [1][48] 情绪模型观点总结 - **情绪综合得分**：市场情绪指标（20日均线）截至12月19日数值为1.1，较上周五1.35小幅降低，但周五单日得分出现回升，从情绪角度观点偏中性，周内情绪指数综合得分出现较明显改善，市场交易活跃度有反转回升迹象 [1][5][7] - **价量指标**：本周价量一致性指标周内整体上行、周五明显抬升，市场价量匹配程度回升，资金关注度与标的涨幅相关性增强，情绪端边际回暖 [1][11][12] - **市场活跃度**：本周全A成交额较上周环比下降9.86%，平均日成交额为17604.84亿元，市场成交活跃度较上周下降，其中12月17日成交额最高，达18343.65亿元人民币，日成交量1175.91亿股 [1][15] - **风险偏好**：科创50相对万得全A成交占比继续下滑且整体下降趋势有所放缓，反映当前市场风险偏好继续较低，情绪较低迷 [11][18] - **资金轮动**：行业间交易波动率持续下降，表明资金在不同行业间切换节奏放缓，流动性边际趋弱 [11][22] - **行业趋势**：行业涨跌趋势性指标维持在布林带上界附近震荡，表明行业观点一致性较高，板块beta效应较强 [11][24] - **杠杆情绪**：融资余额占比持续上行并创下近三年度新高，表明杠杆资金情绪升温，投资者风险偏好上升，融资市场交易活跃度显著提升 [11][27] - **动能指标**：RSI指标周内出现明显改善并突破布林带下界，短期上行动能有所修复，卖盘力量转弱 [11][30] - **主力资金**：主力资金净流入指标突破震荡区间，维持高位震荡，表明主力买入力量较强，机构资金进场意愿提升 [1][34] 其他择时模型观点总结 - **行业均线模型**：截至2025年12月19日，美容护理、医药生物、非银金融、农林牧渔、商贸零售等行业短期得分上升趋势靠前，从短期得分数值看，通信、商贸零售、国防军工、轻工制造、有色金属是短期得分最高的行业，其中通信短期得分为79.66，为最高 [1][39] - **行业拥挤度**：截至12月19日，平均拥挤度最高的行业为商贸零售（0.987）、食品饮料（0.980）、建筑材料（0.953）、国防军工（0.950）、轻工制造（0.940），拥挤度最低的行业为建筑装饰（0.077）、基础化工（0.063）、电力设备（0.060）、煤炭（0.060）、计算机（0.057） [42][43][44] - **拥挤度与表现**：本周拥挤度与周内涨跌幅相关系数为0.30，存在较强正相关性，商贸零售、轻工制造、国防军工等高拥挤度板块领涨明显，短期仍有上冲惯性，建筑材料、通信等拥挤度高但涨幅较低，或具备上涨潜力，电力设备、计算机、建筑装饰等低拥挤度板块涨幅相对落后 [1][44] - **风格信号**：RSI风格择时模型提示小盘风格占优，但5日RSI相对20日RSI有所下降，未来信号存在削弱可能，同时模型提示成长风格占优，且5日RSI相对20日RSI迅速下降，未来信号强度可能有所下降 [48][49]

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. 短期择时模型 * **模型名称**：短期择时模型[7][16] * **模型构建思路**：从宏观基本面、估值面、情绪面和流动性四个维度构建综合择时信号，每个维度下包含若干具体指标，通过判断各指标在历史分位数上的位置来给出看多、中性或看空的信号，最终综合形成总仓位建议[7][16][17]。 * **模型具体构建过程**： 1. **指标选取与信号生成**：模型包含四个一级指标（基本面、估值面、情绪面、流动性），每个一级指标下包含2-3个二级指标。每周计算每个二级指标的当前值在过去5年（部分为滚动5年）的历史分位数[16][17]。 2. **信号映射规则**：根据各二级指标的分位数区间，将其映射为“乐观”（看多）、“中性”或“谨慎”（看空）的定性信号。例如，当“A股整体PE分位数”处于高位（如93.55%）时，给出“谨慎”信号，意味着估值偏高，有均值回归下行压力[16][19]。 3. **综合判断**：汇总每个一级指标下所有二级指标的信号，综合判断该维度的总体信号（乐观、中性或谨慎）[16][17]。 4. **仓位决策**：最终，综合四个维度的总体信号，形成总的仓位配置建议（例如，总仓位信号为0.00代表空仓，1.00代表满仓）[19][25]。 2. 成长价值风格轮动模型 * **模型名称**：成长价值风格轮动模型[7][26][27] * **模型构建思路**：从基本面、估值面和情绪面三个维度构建轮动信号，判断当前市场环境下成长风格与价值风格的相对强弱，从而给出超配成长、超配价值或均衡配置的建议[27][28]。 * **模型具体构建过程**： 1. **基本面维度**：基于量化经济中周期分析框架，考察三个周期指标： * 盈利周期斜率：斜率大时利好成长风格[27][29]。 * 利率综合周期水平：水平偏低时利好成长风格[27][29]。 * 信贷综合周期变化：上行时利好成长风格[27][29]。 根据各指标当前状态判断其对成长或价值的利好方向，并综合给出基本面维度的仓位信号（如“成长100%，价值0%”代表超配成长）[29]。 2. **估值面维度**：计算成长与价值风格的估值差（PE差和PB差）在过去5年的分位数。当估值差分位数较低时，认为估值差有均值回归上行的动力，利好成长风格；反之则利好价值风格[27][29]。 3. **情绪面维度**：计算成长与价值风格的换手差和波动差在过去5年的分位数。换手差和波动差分位数处于中性区间时，建议均衡配置；偏离中性区间时，则对某一风格有利[27][28][29]。 4. **综合决策**：结合基本面、估值面和情绪面三个维度的信号，最终给出成长与价值风格的配置比例建议[27][29]。 3. 小盘大盘风格轮动模型 * **模型名称**：小盘大盘风格轮动模型[7][26][31] * **模型构建思路**：从流动性、交易行为、市场结构等多个视角，选取11个有效轮动指标，构建综合的大小盘轮动信号，以判断小盘风格与大盘风格的相对强弱[31]。 * **模型具体构建过程**： 1. **多指标框架**：模型共采用11个指标，包括：A股龙虎榜买入强度、R007、融资买入余额变化、主题投资交易情绪、等级利差、期权波动率风险溢价、Beta离散度、PB分化度、大宗交易折溢价率、中证1000 MACD(10,20,10)、中证1000交易量能[31][33]。 2. **日内信号生成**：每个交易日，根据各指标的预设规则独立生成看多小盘（仓位100%）或看空小盘（仓位0%）的信号[33]。 3. **信号综合**：将11个指标的信号进行综合（例如，加权平均或投票机制），得到每日的综合小盘仓位信号，其补集即为大盘仓位信号[31][33]。 4. **策略执行**：根据综合信号，在代表大盘的沪深300全收益指数和代表小盘的中证1000全收益指数之间进行轮动配置[32][33]。 模型的回测效果 1. 短期择时模型 * **回测区间**：2012年底至2025年12月21日[18][21] * **年化收益率**：16.37%[18][21] * **年化波动率**：14.79%[21] * **最大回撤**：14.07%[18][21] * **夏普比率**：0.9641[21] * **收益回撤比**：1.1635[21] * **月度胜率**：66.24%[21] * **季度胜率**：60.38%[21] * **年度胜率**：78.57%[21] * **基准年化收益率**：4.76%[18][21] * **年化超额收益率**：11.61%[18][21] * **2024年以来年化收益率**：28.52%[24] * **2024年以来最大回撤**：11.04%[18][24] * **2024年以来夏普比率**：1.4662[24] * **2024年以来收益回撤比**：2.5841[24] * **2024年以来月度胜率**：72.00%[24] * **2024年以来基准年化收益率**：8.95%[24] * **2024年以来年化超额收益率**：19.57%（计算得出：28.52%-8.95%）[24] 2. 成长价值风格轮动模型 * **回测区间**：2012年底至2025年12月21日[28][30] * **年化收益率**：12.71%[28][30] * **年化波动率**：20.79%[30] * **最大回撤**：43.07%[30] * **夏普比率**：0.5842[30] * **收益回撤比**：0.2952[30] * **月度胜率**：58.33%[30] * **季度胜率**：59.62%[30] * **基准年化收益率**：7.96%[28][30] * **年化超额收益率**：4.75%[28][30] * **2025年以来收益率**：25.36%[28][30] * **2025年以来基准收益率**：26.19%[28][30] * **2025年以来超额收益率**：-0.84%[28][30] 3. 小盘大盘风格轮动模型 * **回测区间**：2014年至2025年[32][33] * **年化收益率**：19.67%（综合信号3D平滑）[33] * **年化超额收益率**：12.66%（综合信号3D平滑）[33] * **最大回撤**：40.70%（综合信号3D平滑）[33] * **2025年以来收益率**：33.64%[33] * **2025年以来基准收益率**：22.11%[33] * **2025年以来超额收益率**：11.53%[32][33] * **各独立指标年化超额收益率范围**：3.64% 至 9.61%[33] 量化因子与构建方式 1. 标准化交易量能指标 * **因子名称**：标准化交易量能指标[3][14] * **因子构建思路**：用于衡量市场整体交易活跃度的强弱，通过将当前交易量能与历史水平进行比较，判断市场量能是否处于强势区间[3][14]。 * **因子具体构建过程**：报告未给出该因子的具体计算公式，但提及其构建逻辑。该指标 likely 通过计算当前全A日均成交额（或其他成交量指标）在过去一定周期（如5年）内的分位数，或与其移动平均值（如60日均值）进行比较并标准化，从而生成一个度量交易活跃度相对位置的指标[3][9][14]。 2. 大小盘轮动交易信号框架指标 * **因子构建思路**：为构建小盘大盘轮动模型，从多个维度选取了11个有效指标，这些指标共同构成了大小盘轮动的信号框架[15][31]。 * **因子具体构建过程**：报告列出了11个指标的名称，但未详细阐述每个因子的具体计算公式。这些指标涵盖了流动性、资金面、市场情绪、技术分析等多个方面[31][33]。 * **流动性/资金面指标**：R007、等级利差、融资买入余额变化[31][33]。 * **交易行为/情绪指标**：A股龙虎榜买入强度、主题投资交易情绪、大宗交易折溢价率、期权波动率风险溢价[31][33]。 * **市场结构/技术指标**：Beta离散度、PB分化度、中证1000 MACD(10,20,10)、中证1000交易量能[31][33]。 3. 量化择时模型细分指标 * **因子构建思路**：短期择时模型所依赖的四个维度（基本面、估值面、情绪面、流动性）均由若干二级指标构成，这些二级指标是生成择时信号的基础因子[16][17][19]。 * **因子具体构建过程**：报告列出了各二级指标的名称及其信号判断逻辑，但未提供全部因子的精确计算公式。构建过程通常涉及计算指标的当前值，并求其在指定历史窗口（多为过去5年）的分位数[16][17][19]。 * **基本面指标**：制造业PMI、人民币中长期贷款脉冲同比增速、M1同比增速（HP滤波去趋势）[16][19]。 * **估值面指标**：A股整体PE中位数分位数、A股整体PB中位数分位数[16][19]。 * **情绪面指标**：A股整体Beta离散度分位数、A股整体量能情绪分位数、A股整体波动率分位数[17][19]。 * **流动性指标**：货币利率指标分位数、汇率预期指标分位数、沪深净融资额5日均值分位数[17][19]。 4. 成长价值风格轮动模型细分指标 * **因子构建思路**：成长价值风格轮动模型所依赖的三个维度（基本面、估值面、情绪面）均由若干细分指标构成，这些指标用于判断成长与价值风格的相对强弱[27][29]。 * **因子具体构建过程**：报告列出了各细分指标的名称及其对风格的影响逻辑，但未提供全部因子的精确计算公式[27][29]。 * **基本面周期指标**：盈利斜率周期水平、利率综合周期水平、信贷综合周期变化[27][29]。 * **估值面指标**：成长价值PE差分位数、成长价值PB差分位数[27][29]。 * **情绪面指标**：成长价值换手差分位数、成长价值波动差分位数[27][28][29]。 因子的回测效果 （注：报告未提供单个因子的独立测试结果，仅提供了由它们构成的综合模型的回测表现。各独立因子的年化超额收益率仅在小盘大盘轮动模型部分有简要列出[33]。）

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]

量化模型与构建方式 1. **模型名称：卷积神经网络趋势观察模型**[79] * **模型构建思路**：利用深度学习技术，将个股历史价量数据转化为标准化的图表，通过卷积神经网络（CNN）学习图表中的特征模式，以预测未来价格走势，并将学习到的有效特征映射到行业主题板块，生成行业配置建议。[79] * **模型具体构建过程**： 1. **数据准备**：对每个个股，选取一个特定窗口期内的价量数据（如价格、成交量等）。[79] 2. **图表化**：将标准化处理后的价量数据构建成可视化的图表。研报中提及了“标准化数据价量图表”。[80] 3. **模型训练**：使用卷积神经网络对上述图表化的价量数据与对应的未来价格（或收益率）进行建模训练，使网络学会从图表中识别出与未来价格变动相关的特征模式。[79] 4. **特征映射与配置**：将训练好的CNN模型学习到的特征应用于市场当前数据，识别出具有相似积极特征的股票集群，并将其映射到对应的行业或主题板块，从而生成看好的行业主题配置列表。[79][82] 2. **模型名称：宏观因子事件分析模型**[54] * **模型构建思路**：通过跟踪一系列关键的国内外宏观指标，定义并识别这些指标在特定时间段内的走势事件（如创短期高点、连续下跌等），并基于历史回测，筛选出对未来资产收益率有显著预测作用的“有效因子事件”，用以判断市场趋势。[54] * **模型具体构建过程**： 1. **因子选择**：跟踪25个国内外宏观指标，涵盖货币政策、财政政策、流动性、通胀水平及其他经济指标等多个维度。[54] 2. **事件定义**：为每个宏观因子定义四类走势事件：短期高低点、连续上涨/下跌、创历史新高/新低、因子走势反转。[54] 3. **有效性检验**：从历史数据中寻找“有效因子事件”，即那些发生后，对资产（如股票）未来收益率产生统计上显著影响的事件。[54] 4. **趋势分析**：采用历史均线（如1月、3月、12月均线）将宏观因子走势分为趋势上行或下行，并统计在不同趋势下，各类资产（如大盘股、中小盘股）未来一个月的平均收益表现，以形成观点。[56][57] 3. **模型名称：期权成交量看涨看跌比（CPR）模型**[47] * **模型构建思路**：通过监测上证50ETF期权成交量的看涨看跌比率（CPR）与其布林通道的相对位置，来判断蓝筹股市场的短期超买或超卖风险。[47] * **模型具体构建过程**： 1. **计算CPR**：计算上证50ETF期权成交量的看涨看跌比率。 2. **计算布林通道**：计算CPR的60日移动平均线及其上下轨（通常为标准差的倍数）。 3. **信号生成**：观察最近20个交易日的CPR数值是否持续低于60日布林通道的上轨。若低于上轨，则认为蓝筹股短期不存在超卖风险。[47] 量化因子与构建方式 1. **因子名称：新高新低比例因子**[33] * **因子构建思路**：通过统计市场中创近期新高与新低的个股数量占比，来度量市场的极端情绪和内部结构强度。[33] * **因子具体构建过程**： 1. 每日计算创近60日新高的个股数。 2. 每日计算创近60日新低的个股数。 3. 分别计算新高个股数占总股票数的比例（60日新高比例），以及新低个股数占总股票数的比例（60日新低比例）。[33][34] 2. **因子名称：个股均线结构因子**[37] * **因子构建思路**：通过计算处于不同均线多头排列和空头排列状态的个股占比之差，来反映市场整体的技术趋势强弱。[37] * **因子具体构建过程**： 1. 对每只个股，判断其短期、中期、长期均线（如5日、20日、60日均线）是否呈多头排列（短期>中期>长期）或空头排列（短期<中期<长期）。 2. 计算当日处于多头排列的个股数量占比。 3. 计算当日处于空头排列的个股数量占比。 4. 计算“均线强弱指标”：多头排列个股占比 减去 空头排列个股占比。[37][38] 3. **因子名称：长期均线以上比例因子**[40] * **因子构建思路**：统计股价位于长期移动平均线（如200日线）之上的个股比例，用以衡量市场整体的长期趋势强弱和广度。[40] * **因子具体构建过程**： 1. 对每只个股，计算其200日移动平均线。 2. 判断当日收盘价是否位于200日移动平均线之上。 3. 计算股价位于200日线上方的个股数占总股票数的比例，即“长期均线以上比例”。[40] 4. **因子名称：风险溢价因子**[66][82] * **因子构建思路**：计算股票市场隐含收益率与无风险收益率（通常为十年期国债收益率）的差值，用以衡量股票资产相对于债券资产的吸引力。[66][82] * **因子具体构建过程**： 1. 计算中证全指（或其它市场指数）的静态市盈率（PE_TTM）。 2. 求其倒数，得到盈利收益率（Earnings Yield, EP）。公式为： $$EP = \frac{1}{PE\_TTM}$$ 3. 减去当前十年期国债收益率，得到风险溢价（Risk Premium）。公式为： $$风险溢价 = EP - 十年期国债收益率$$[66][82] 4. 同时计算该风险溢价的历史均值和标准差通道（如均值±2倍标准差）作为参考边界。[67] 5. **因子名称：指数超买超卖因子**[69] * **因子构建思路**：通过特定指标（研报中未明确具体计算方法，常见如RSI、乖离率等）度量主要宽基指数和行业指数是否处于超买或超卖状态。[69] * **因子具体构建过程**：研报中展示了“超跌指标统计”图，但未详细说明该指标的具体构建公式。其核心是计算一个用于衡量指数短期偏离程度的标准化指标。[69][70][73] 6. **因子名称：融资余额因子**[76] * **因子构建思路**：跟踪市场融资余额的绝对规模及其占流通市值的比例，以观察杠杆资金的入场意愿和市场热度。[76] * **因子具体构建过程**： 1. 获取每日市场融资买入的总余额。 2. 计算融资余额占A股流通市值的百分比。[78] 模型的回测效果 *本报告未提供所列量化模型（卷积神经网络模型、宏观因子事件模型、CPR模型）具体的回测绩效指标（如年化收益率、夏普比率、最大回撤等）。报告主要展示了卷积神经网络模型的最新输出结果（行业配置列表）以及宏观因子模型的当前观点。[57][81]* 因子的回测效果 *本报告未提供所列量化因子（新高新低比例、均线结构、长期均线以上比例、风险溢价、超买超卖、融资余额）具体的因子测试结果（如IC值、IR、多空收益等）。报告主要展示了这些因子在最新一期（2025年12月19日）的截面取值或时间序列状态。例如：* 1. **新高新低比例因子**：60日新高比例为7.7%，60日新低比例为6.4%。[33] 2. **个股均线结构因子**：均线强弱指标（多头排列占比减空头排列占比）为-24%。[37] 3. **风险溢价因子**：中证全指风险溢价为2.79%，其历史均值+2倍标准差边界为4.71%。[67][82] 4. **融资余额因子**：最近5个交易日融资余额减少约76亿元。[82]