好的，作为一名熟练的金融工程分析师，我将对您提供的研报内容进行总结。 量化模型与构建方式 1. **模型名称**：简易组合回测模型 (research.Backtest) [49] * **模型构建思路**：根据给定的调仓日期、证券代码和权重，计算组合的净值，用于基础策略验证 [49] * **模型具体构建过程**： 1. 输入参数：调仓日期列表、证券代码列表、对应的权重列表 [49] 2. 数据源：默认使用收盘价与复权因子计算复权价格 [49] 3. 计算：根据调仓日期和权重，计算组合在回测期间的净值序列 [49] * **模型评价**：该模型功能基础，适用于快速验证策略想法，但未覆盖手续费、滑点、成交约束和完整绩效归因，正式研究需根据策略假设进一步扩展 [49][74] 量化因子与构建方式 1. **因子名称**：振幅 [40][42] * **因子构建思路**：通过自定义TSL表达式，计算证券在指定周期内的振幅，即最高价与最低价的差除以上一周期收盘价 [40][42] * **因子具体构建过程**： 1. 使用CJPY的`get_factor_data`函数，通过`repo`参数传入自定义因子库 [40] 2. 自定义因子库的键为因子名称“振幅”，值为天软TSL表达式 [40] 3. TSL表达式为：`(high()-low())/sys_prevclose()` [42] 4. 公式说明：`high()`代表当前周期最高价，`low()`代表当前周期最低价，`sys_prevclose()`代表上一周期收盘价 [42] * **因子评价**：该因子为自定义因子，其有效性依赖于TSL表达式的正确性以及对缺失值、极端值和行业差异的处理，CJPY仅提供数据和表达式入口，不自动替代这些判断 [42] 模型的回测效果 1. **简易组合回测模型 (research.Backtest)**：该模型在报告中仅作为案例展示，未提供具体的回测指标取值（如年化收益率、最大回撤、夏普比率等）[74][76][79]