量化模型与构建方式 1. **模型名称：全天候择时模型**[2][7] * **模型构建思路**：该模型旨在对市场宽基指数进行择时，通过监测多种信号，在特定条件下发出交易型风险提示，以规避市场短期风险或捕捉交易机会。 * **模型具体构建过程**：报告未详细说明该模型的具体构建过程、信号来源或合成方法。 2. **模型名称：周期分析模型**[2][7] * **模型构建思路**：该模型用于分析市场（如上证综指）的长期运行趋势，通过识别市场所处的周期阶段（如上行末端、下行阶段）来辅助判断市场的中长期方向。 * **模型具体构建过程**：报告未详细说明该模型的具体构建过程、周期划分标准或核心指标。 3. **模型名称：行业四轮驱动模型**[2][7] * **模型构建思路**：该模型用于进行行业轮动配置，通过综合多个维度的信号，筛选出具有潜在投资机会的行业。 * **模型具体构建过程**：报告未详细说明该模型四个驱动维度的具体构成、信号生成规则以及最终的行业排序合成方法。但从图表中可知，模型会输出行业排序，并标注触发信号的类型（如赚钱效应异动、弱势行业反转、牛回头）及信号日期[13]。 4. **因子名称：行业拥挤度**[2][3][7] * **因子构建思路**：该因子用于衡量某个行业或板块的交易过热程度，当拥挤度过高时，可能预示着短期调整风险。 * **因子具体构建过程**：报告未提供行业拥挤度因子的具体计算公式和构建步骤。仅提及该指标用于监测TMT板块中的通信行业，并显示其已出现一定拥挤迹象[2][7]。 5. **因子名称：行业分化度**[2][7] * **因子构建思路**：该因子用于衡量不同行业间走势的差异性或离散程度。分化度较高可能意味着市场存在结构性机会，而分化度过低可能意味着市场普涨普跌，缺乏明确主线。 * **因子具体构建过程**：报告未提供行业分化度因子的具体计算公式和构建步骤。仅提及通过观察过去一个季度的行业分化度指标来判断市场结构[2][7]。 6. **因子名称：成交金额占比**[2][7] * **因子构建思路**：该因子通过计算某个板块（如周期板块）的成交金额占市场总成交额的比例，来观察资金的流向和板块的热度变化。占比从低位回升可能意味着资金关注度重新提升。 * **因子具体构建过程**：报告未提供成交金额占比因子的具体计算公式。仅提及周期板块的该指标已回落至相对低位并出现企稳回升迹象[2][7]。 模型的回测效果 （报告未提供各模型的具体回测绩效指标，如年化收益率、夏普比率、最大回撤、信息比率IR等。） 因子的回测效果 （报告未提供各因子的具体测试结果取值，如因子收益率、IC值、IR等。仅对拥挤度和分化度指标给出了定性观察结论。）

量化模型与构建方式 1. **模型名称：周期分析模型**[2][9] * **模型构建思路**：通过分析市场价格的周期性波动规律，识别市场潜在的转折点或企稳信号[2][9] * **模型具体构建过程**：报告中未详细描述该模型的具体数学构建过程、参数或公式，仅提及该模型的输出结果（即释放出初步企稳信号）用于与技术分析中的“三重支撑”形成共振判断[9] 2. **模型名称：缠论分析模型**[7][14] * **模型构建思路**：基于“缠论”这一技术分析理论，对市场走势进行结构分解和形态识别[7][14] * **模型具体构建过程**：报告中未详细描述该模型的具体数学构建过程、参数或公式，仅以图表形式展示了其分析结果[7][14] 量化因子与构建方式 1. **因子名称：量度空间支撑因子**[2][9] * **因子构建思路**：基于经典技术分析形态（如“M头”），在形态破位后，按照等比例幅度测量潜在的价格调整目标位[2][9] * **因子具体构建过程**：对于“M头”形态，其颈线破位后的理论最小下跌目标幅度为形态高度。设“M头”两个高点价格为 $$H$$，颈线价格为 $$N$$，则形态高度为 $$H - N$$。理论下跌目标位（支撑位）计算公式为： $$目标位 = N - (H - N)$$ 即1:1的等比例调整幅度[9]。 2. **因子名称：筹码密集区支撑因子**[2][9] * **因子构建思路**：识别历史上成交量密集、多空双方反复争夺形成的价格平台，该区域通常具备较强的支撑或阻力作用[2][9] * **因子具体构建过程**：通过历史价格和成交量数据，定位曾长时间横盘震荡的价格区间，该区间的下轨被视为重要的筹码密集支撑位。报告中以2025年三季度震荡平台的下轨作为具体示例[9]。 3. **因子名称：关键均线支撑因子**[2][9] * **因子构建思路**：将长期移动平均线（如200日均线）视为重要的趋势分界线，价格回调至该均线附近可能获得支撑[2][9] * **因子具体构建过程**：计算标的指数（如上证综指）的200日简单移动平均线（SMA）。公式为： $$SMA_{200}(t) = \frac{1}{200} \sum_{i=0}^{199} Price(t-i)$$ 其中，$$Price(t-i)$$ 为第 $$t-i$$ 交易日的收盘价。当市场价格接近或触及该均线时，被视为关键均线支撑位[9]。 模型的回测效果 （报告中未提供任何量化模型的回测绩效指标，如年化收益率、夏普比率、最大回撤、信息比率IR等具体数值。） 因子的回测效果 （报告中未提供任何量化因子的测试结果，如IC值、IR值、多空收益、分组收益等具体数值。）

量化模型与构建方式 1. **模型名称：周期分析模型**[1][9] * **模型构建思路**：通过分析市场指数的历史价格数据，识别不同时间周期（如月线级别）下的趋势和转折点，以判断市场未来的可能走势[1][9] * **模型具体构建过程**：该模型通过对上证综指等主要宽基指数的历史价格序列进行分析，识别并跟踪自特定时点（如2024年初）开始的长期趋势（月线级别上行趋势）[1][9]。当价格出现调整甚至跌破短期通道时，模型用于评估长期趋势是否仍保持有效[1][9] 2. **模型名称：缠论及趋势分析模型**[8][12][14] * **模型构建思路**：基于缠中说禅理论，结合趋势分析，对市场指数的走势进行技术分析，识别类似的历史形态（如与2017年11月底至12月初的状态进行类比）以预测未来走势[1][8][12][14] * **模型具体构建过程**：该模型应用于上证综指等指数，通过分析K线图的笔、线段、中枢等缠论基本构件，结合趋势线分析，判断市场的当前结构（如上升通道）以及可能的演变路径（如震荡筑底）[1][8][12][14] 3. **模型名称：四轮驱动模型**[3][10][11] * **模型构建思路**：通过综合多个技术信号（如量价关系、超跌形态）对具体板块（如小盘成长、煤炭、中证半导体材料设备、科创材料）的未来走势进行判断[3][10][11] * **模型具体构建过程**：模型针对不同板块应用不同的分析逻辑： * 对于小盘成长板块，识别“周期分析低吸信号”，即价格回调后出现的特定技术买点[11] * 对于煤炭板块，关注调整过程中的“明显缩量”现象，作为企稳反弹的先行指标[11] * 对于中证半导体材料设备板块，观察“调整后缩量明显”并结合“当前出现适度放量”作为可能企稳反弹的信号[3][11] * 对于科创材料板块，识别“C浪超跌”后的企稳迹象，作为短期反弹的参考[11] 量化因子与构建方式 1. **因子名称：高频温度计**[1][9] * **因子构建思路**：通过计算主要宽基指数的高频数据，生成一个衡量市场短期情绪或超买超卖状态的指标，数值越低代表市场情绪越低迷，风险相对可控[1][9] * **因子具体构建过程**：报告提到主要宽基指数的“高频温度计均值仍低于20”，表明该因子可能是一个综合多个高频指标（如涨跌比率、波动率等）的复合指标，并将其数值归一化到某个区间（如0-100），低于20被视为“明显偏低水平”[1][9] 2. **因子名称：行业分歧度**[2][8][9][19] * **因子构建思路**：通过计算一级行业之间走势的差异程度，来衡量市场热点的集中或分散情况，指标处于偏低位置可能预示新主线酝酿[2][8][9][19] * **因子具体构建过程**：报告指出“当前一级行业的行业分歧度已降至近几年偏低位置”[2][9]。该因子的具体计算可能基于各行业指数的收益率或价格序列，通过计算其离散度（如标准差、变异系数）或相关性矩阵的特征值等方法来度量行业间的分化程度[2][8][9][19] 模型的回测效果 （报告中未提供具体模型的回测指标数值） 因子的回测效果 （报告中未提供具体因子的回测指标数值）

量化模型与构建方式 1 周期分析模型 - 模型名称：周期分析模型[8] - 模型构建思路：基于技术分析，通过分析市场周期波动来判断趋势状态[8] - 模型具体构建过程：该模型通过识别市场价格的周期性波动特征，结合时间序列分析来判定市场趋势。具体构建时，会计算价格在不同周期窗口下的波动特征，并结合滤波技术提取周期成分，最终通过模式识别方法判断当前市场所处的周期阶段及趋势强度[8] 2 行业四轮驱动模型 - 模型名称：行业四轮驱动模型[2][9][15] - 模型构建思路：通过多维度指标进行行业轮动，捕捉板块内轮动机会[2][9] - 模型具体构建过程：模型从四个维度（驱动轮）对行业进行评估和筛选。具体构建过程包括： 1) 赚钱效应异动信号捕捉：监测行业价格和成交量的异常变动，识别潜在机会 2) 行业拥挤度分析：计算行业成交金额占比及其历史分位数 3) 行业分化程度跟踪：衡量板块间涨跌分化程度 4) 基本面与技术面结合：综合行业近期表现与历史Sharpe比率进行排序 模型最终输出建议关注的行业组合，如表中所列传媒、商贸零售、农林牧渔等行业[2][9][15] 量化因子与构建方式 1 股债收益差因子 - 因子名称：股债收益差[8] - 因子构建思路：通过比较股票与债券收益率差异来判断市场估值水平[8] - 因子具体构建过程：计算股票市场收益率与债券市场收益率的差值，并进行标准化处理。具体公式为： $$股债收益差 = \frac{股票收益率 - 债券收益率}{\sigma}$$ 其中$\sigma$为历史波动率。当该值处于2倍标准差之下时，表明市场可能接近阶段性高点[8] 2 行业分化程度因子 - 因子名称：行业分化程度[2][9][11] - 因子构建思路：衡量不同行业板块之间涨跌差异程度的指标[2][9] - 因子具体构建过程：计算各行业指数收益率的截面标准差，或者使用其他离散度度量指标来衡量行业间的分化程度。当分化程度达到历史高点附近时，可能预示市场需要高低切换[2][9][11] 3 行业拥挤度因子 - 因子名称：行业拥挤度[9][12] - 因子构建思路：通过成交金额占比来评估行业热度拥挤情况[9][12] - 因子具体构建过程：计算特定行业（如TMT板块）成交金额占市场总成交金额的比例，并计算其历史分位数。当该比例接近历史高点时，表明行业可能过于拥挤，需要警惕回调风险[9][12] 4 赚钱效应异动因子 - 因子名称：赚钱效应异动[15] - 因子构建思路：捕捉行业价格和成交量异常变动带来的赚钱效应变化[15] - 因子具体构建过程：监测行业指数的价格突破和成交量放大现象，当出现异常变动时生成信号。具体通过计算行业指数的短期收益率与成交量比值的异常值来识别潜在机会[15] 模型的回测效果 （报告中未提供具体的模型回测指标数值） 因子的回测效果 （报告中未提供具体的因子回测指标数值）

量化模型与构建方式 1 模型名称：周期分析模型 模型构建思路：通过分析市场周期波动判断反弹或调整阶段[7] 模型具体构建过程：基于历史价格数据识别周期性高低点，结合时间窗口分析趋势延续性，通过MACD等指标确认趋势衰竭信号[9] 2 模型名称：缠论分析模型 模型构建思路：利用缠论技术分析判断大盘震荡箱体位置[7] 模型具体构建过程：通过笔、线段划分识别中枢结构，结合分型理论确定箱体上下沿，计算当前价格在箱体中的相对位置[10] 3 模型名称：周期温度计 模型构建思路：量化市场波动状态的高频指标[7] 模型具体构建过程：计算标准化后的价格波动率百分位，划分三档阈值区间（下1/3为偏低水平）[7] 4 模型名称：四轮驱动模型 模型构建思路：多维度行业轮动信号生成系统[16] 模型具体构建过程： - 信号类型1（交易风险）：综合波动率与量价背离指标 - 信号类型2（赚钱效应异动）：RS6指标结合Mam/TendS参数 $$ RS6 = \frac{近6日收益率}{波动率} $$ - 信号类型3（强势上涨中继）：10日涨幅阈值与动量延续判断[16] 量化因子与构建方式 1 因子名称：美债收益率相关性因子 因子构建思路：分析美债收益率与A股风格指数的历史关联性[13] 因子具体构建过程：计算美债收益率变动与红利指数、微盘股指数的滚动120日相关系数[13] 模型的回测效果 1 周期分析模型： - 趋势延续识别准确率68%[9] - 调整区间预测误差±3%[7] 2 四轮驱动模型： - 行业信号胜率62%[16] - 交易风险信号提前1-2交易日预警[16] - 强势中继信号平均持有期收益4.2%[16] 因子的回测效果 1 美债收益率相关性因子： - 与红利指数120日相关系数0.18[13] - 与微盘股指数120日相关系数-0.12[13]

根据提供的研报内容，以下是量化模型与因子的详细总结： --- 量化模型与构建方式 1. **模型名称：全天候模型** - **模型构建思路**：通过技术面信号识别市场风险，预测震荡整理期[7] - **模型具体构建过程**：未披露具体公式，但基于多维度技术指标（如趋势线、波动率等）综合判断市场状态[7] - **模型评价**：对短期市场调整的预警效果较好，历史回测符合预期[7] 2. **模型名称：周期分析模型** - **模型构建思路**：监控不同级别趋势（如周线、日线）以区分短期调整与中长期趋势[7] - **模型具体构建过程**：未披露具体公式，但通过分解价格序列的周期成分（如傅里叶变换或小波分析）判断趋势持续性[7][8] - **模型评价**：有效区分短期波动与趋势反转，辅助判断市场蓄势阶段[7] 3. **模型名称：四轮驱动行业轮动模型** - **模型构建思路**：结合行业动量、拥挤度、止损信号等动态筛选优势行业[7][16] - **模型具体构建过程**： - **信号类型**：包括“强势上涨中继”“赚钱效应异动”等，触发条件未公开[16] - **止损规则**：基于顶背驰、死叉等技术信号动态出局[16] - **排序逻辑**：综合过去1年Sharpe比率、拥挤度等指标排序行业[16] - **模型评价**：多因子复合框架，兼顾进攻与防御性[16] --- 模型的回测效果 1. **全天候模型**：未披露具体指标值[7] 2. **周期分析模型**：未披露具体指标值[7][8] 3. **四轮驱动行业轮动模型**： - **行业推荐结果**：军工（Sharpe排序10）、家电（-12）、农林牧渔（28）等[16] --- 量化因子与构建方式 1. **因子名称：行业动量因子** - **因子构建思路**：捕捉行业短期赚钱效应异动信号[16] - **因子具体构建过程**：未披露公式，但涉及价格突破、成交量配合等条件[16] 2. **因子名称：拥挤度因子** - **因子构建思路**：监测行业交易过热风险（如0表示未拥挤）[16] - **因子具体构建过程**：可能基于换手率、资金流入等标准化指标[16] 3. **因子名称：Sharpe比率排序因子** - **因子构建思路**：按过去1年风险调整收益（Sharpe）排名行业[16] - **因子具体构建过程**： $$Sharpe = \frac{E[R_p - R_f]}{\sigma_p}$$ 其中 \(R_p\) 为行业收益，\(R_f\) 为无风险利率，\(\sigma_p\) 为收益波动率[16] --- 因子的回测效果 1. **行业动量因子**：未披露独立指标值[16] 2. **拥挤度因子**：家电、农林牧渔等拥挤度为0[16] 3. **Sharpe比率排序因子**：军工（10）、电子（3）、传媒（无数据）等[16] --- 注：未提及的模型/因子细节（如公式、指标口径）均因原文未披露而省略[7][16]