量化模型与构建方式 1. 模型名称：温度计模型 - 模型构建思路：通过监测市场温度来预警超涨状态，判断市场是否可能进入震荡调整[1][8] - 模型具体构建过程：基于历史数据测算超涨阈值，当市场温度计指标达到高位预警线时触发预警信号[1][8] - 模型评价：能够有效预警市场超涨状态，但在市场变化时可能失效[1][3] 2. 模型名称：风险溢价模型 - 模型构建思路：通过分析风险溢价指标在布林带中的位置来判断市场状态[1][8] - 模型具体构建过程：计算风险溢价指标，并观察其在布林带下轨的停留时间，当指标在布林带下轨停留一定时间后，表明市场可能进入震荡状态[1][8] 3. 模型名称：周期分析模型 - 模型构建思路：通过历史周期对比来分析当前市场走势[8][10] - 模型具体构建过程：参考历史牛熊转换规律，将当前市场走势与历史相似周期（如2020年6月及以后的上涨）进行对比分析[8][10] 4. 模型名称：拥挤度分析模型 - 模型构建思路：通过分析板块拥挤度来判断市场结构状态[2][9] - 模型具体构建过程：计算TMT等相关板块的拥挤度指标，结合历史类似情景判断是否过于拥挤[2][9][13] 5. 模型名称：行业分化程度模型 - 模型构建思路：通过分析行业分化程度来评估市场结构[2][9][16] - 模型具体构建过程：计算行业分化指标，观察分化程度的强化情况，为高低切决策提供依据[2][9][16] 量化因子与构建方式 1. 因子名称：风险溢价因子 - 因子构建思路：衡量市场风险溢价水平，作为市场状态的判断依据[1][8] - 因子具体构建过程：基于布林带分析，观察风险溢价指标在布林带下轨的停留情况[1][8][12] 2. 因子名称：温度计因子 - 因子构建思路：反映市场整体温度水平，用于预警超涨状态[1][8] - 因子具体构建过程：通过历史数据测算超涨阈值，当温度计因子触及阈值时触发预警[1][8] 3. 因子名称：拥挤度因子 - 因子构建思路：衡量特定板块（如TMT）的拥挤程度[2][9][13] - 因子具体构建过程：计算板块拥挤度指标，结合历史分位数判断当前位置[2][9][13] 4. 因子名称：行业分化因子 - 因子构建思路：反映行业间走势分化程度[2][9][16] - 因子具体构建过程：计算行业分化指标，监测分化程度的变化趋势[2][9][16] 5. 因子名称：中期趋势因子 - 因子构建思路：衡量市场中长期趋势强度[8] - 因子具体构建过程：通过趋势指标对比不同时期的市场趋势状态[8] 模型的回测效果 （报告中未提供具体的模型回测结果数据） 因子的回测效果 （报告中未提供具体的因子回测结果数据）