量化模型与构建方式 1. **模型名称：择时体系模型** [5][8][9] * **模型构建思路**：通过计算市场指数（WIND全A）的短期均线与长期均线的相对距离，来判断市场整体所处的趋势环境（上行、下行或震荡）[5][9]。 * **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. 计算两条均线之间的距离（差值），并以百分比形式表示。公式定义为： $$均线距离 = \frac{短期均线值 - 长期均线值}{长期均线值} \times 100\%$$ 3. 设定阈值进行判断：当均线距离的绝对值大于3%时，市场处于趋势格局（上行或下行）；当均线距离绝对值小于等于3%时，市场处于震荡格局[5][9]。 2. **模型名称：仓位管理模型** [5][10] * **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（来自择时体系模型），为绝对收益产品提供股票仓位的配置建议[5][10]。 3. **模型名称：行业趋势配置模型** [5][8][10] * **模型构建思路**：该模型是一个复合模型，包含多个子模型，分别从不同维度（如困境反转、宏观Beta、业绩趋势）对行业进行研判，以提供综合的行业配置方向[5][8][10]。 * **模型具体构建过程**：该模型由三个子模型构成： 1. **中期困境反转预期模型**：用于识别当前处于困境但未来有反转预期的行业（如报告提及的白酒与地产），并等待其反转信号的出现[5][8][10]。 2. **TWO BETA模型**：基于宏观风险因子（贝塔）分析，推荐与特定宏观环境（如科技产业周期）相匹配的板块（如科技板块）[5][8][10]。 3. **业绩趋势模型**：基于行业或产业链的业绩增长趋势进行筛选，提示重点关注高景气或业绩有望改善的方向（如算力产业链、超跌的有色与化工板块）[5][8][10]。 模型的回测效果 （报告中未提供各模型具体的历史回测指标数值，如年化收益率、夏普比率、最大回撤等。） 量化因子与构建方式 1. **因子名称：均线距离因子** [5][9] * **因子构建思路**：作为择时体系模型的核心输入，该因子衡量市场短期动量与长期趋势的偏离程度[5][9]。 * **因子具体构建过程**： 1. 取标的指数（WIND全A）的每日收盘价。 2. 分别计算其20日简单移动平均（MA20）和120日简单移动平均（MA120）。 3. 计算均线距离因子值，公式为： $$均线距离因子值 = \frac{MA20 - MA120}{MA120} \times 100\%$$ 2. **因子名称：估值分位数因子（PE、PB）** [5][10][11][13] * **因子构建思路**：用于评估市场或指数的估值水平，通过计算当前估值指标（PE或PB）在其自身历史数据中所处的位置（分位数），来判断估值的高低[5][10]。 * **因子具体构建过程**： 1. 选取标的指数（如WIND全A）。 2. 计算其历史每日的市盈率（PE）和市净率（PB）。 3. 对于当前时点的PE（或PB）值，计算其在过去一段历史时期（例如报告中数据自2014年10月17日起）所有PE（或PB）值序列中的分位数。 4. 分位数越高，代表当前估值相对自身历史水平越高[12][14]。 3. **因子名称：赚钱效应因子** [5][8][9] * **因子构建思路**：反映市场近期的盈利状况，是判断市场趋势的辅助指标[5][9]。 * **因子具体构建过程**：（报告未详细说明其计算方式，仅提及该因子的当前数值。通常可定义为一定周期内上涨股票数量占比或指数累计涨幅等。） 4. **因子名称：成交量触底信号因子** [5][8][10] * **因子构建思路**：将市场成交量与一个预设的极值阈值（如2万亿元）进行比较，以判断市场情绪是否达到短期冰点，可能预示着反弹机会[5][8][10]。 * **因子具体构建过程**：监测市场（如沪深两市）的每日总成交金额，当成交金额接近或低于预设的阈值（报告中为2万亿）时，触发“触底信号”[5][8][10]。 因子的回测效果 （报告中未提供各因子具体的历史测试指标数值，如IC值、IR、多空收益等。）

量化模型与构建方式 1. **模型名称：择时体系（均线距离模型）**[2][6] * **模型构建思路**：通过比较市场指数（WIND全A）的短期均线与长期均线的相对位置和距离，来区分市场的整体环境（如上行趋势、震荡格局等），为仓位决策提供依据。[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，MA20）和120日移动平均线（长期均线，MA120）。[2][6] 2. 计算两条均线之间的距离，通常以百分比差值表示。公式为： $$均线距离 = \frac{MA20 - MA120}{MA120} \times 100\%$$ 其中，MA20代表短期均线值，MA120代表长期均线值。[2][6] 3. 根据均线距离的绝对值大小及其方向（MA20在MA120之上或之下）来判断市场状态。例如，报告中提到“距离绝对值继续大于3%”作为判断市场未进入窄幅震荡的一个阈值。[2][6] 2. **模型名称：仓位管理模型**[2][7] * **模型构建思路**：综合市场估值水平（PE/PB分位数）和短期趋势判断（如择时体系信号），为绝对收益产品提供具体的股票仓位建议。[2][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步骤，仅提及了其决策逻辑。即结合WIND全A指数的PE分位数（报告中为80分位点）、PB分位数（报告中为50分位点）以及短期趋势判断（择时体系显示为震荡格局），输出建议仓位（报告中为50%）。[2][7] 3. **模型名称：行业趋势配置模型**[2][5][7] * **模型构建思路**：识别并推荐处于上行趋势的行业板块，用于行业配置指导。[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公式和步骤。模型输出结果显示关注“通信/工业金属/储能”等延续上行趋势的板块。[2][5][7] 4. **模型名称：中期困境反转预期模型**[2][5][7] * **模型构建思路**：寻找具有中期困境反转预期的行业，即当前可能面临困难但未来有望改善的领域。[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公式和步骤。模型输出信号显示关注“零售旅游等服务型消费”。[2][5][7] 5. **模型名称：TWO BETA模型**[2][5][7] * **模型构建思路**：基于特定的Beta逻辑（可能指宏观Beta、行业Beta等）进行板块推荐。[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公式和步骤。模型继续推荐“科技板块”，并具体关注“国产算力和商业航天”。[2][5][7] 模型的回测效果 （报告中未提供各模型的历史回测绩效指标，如年化收益率、夏普比率、最大回撤、信息比率（IR）等具体数值。） 量化因子与构建方式 （报告中未提及具体的量化因子构建。） 因子的回测效果 （报告中未提及具体的量化因子及其测试结果。）