核心观点 - 市场下周或继续以震荡为主 [1][2] 市场观点与量化指标 - 基于沪深300指数的流动性冲击指标周五为6.21，高于前一周的5.07，意味着当前市场流动性高于过去一年平均水平6.21倍标准差 [2] - 上证50ETF期权成交量的PUT-CALL比率周五为0.96，高于前一周的0.89，显示投资者对上证50ETF短期走势谨慎程度上升 [2] - 上证综指和Wind全A五日平均换手率分别为1.34%和1.97%，处于2005年以来的77.24%和82.76%分位点，交易活跃度有所下降 [2] - 情绪模型得分为0分（满分5分），趋势模型和加权模型信号均为负向 [2] - 高频资金流模型对主要宽基指数发出负向信号（沪深300、中证500、中证1000、中证2000指数均为负向） [2] - 均线强弱指数当前市场得分为181，处于2023年以来的62.50%分位点 [2] 宏观因子 - 上周人民币汇率震荡，在岸和离岸汇率周涨幅分别为0.07%、0.27% [2] - 中国1月官方制造业PMI为49.3，低于前值50.1和Wind一致预期50.18 [2] - 标普全球中国制造业PMI为50.3，高于前值50.1 [2] 技术分析 - Wind全A指数于2月2日向下突破SAR翻转指标 [2] 市场回顾 - 上周（20260202-20260206），上证50指数下跌0.93%，沪深300指数下跌1.33%，中证500指数下跌2.68%，创业板指下跌3.28% [3] - 当前全市场PE（TTM）为23.0倍，处于2005年以来的81.0%分位点 [3] 因子拥挤度观察 - 高盈利因子拥挤度有所下降，最新值为-0.01 [3] - 小市值因子拥挤度为0.06，低估值因子拥挤度为-0.31，高盈利增长因子拥挤度为0.28 [3] 行业拥挤度 - 综合、基础化工、通信、有色金属和电子的行业拥挤度相对较高 [3] - 商贸零售和综合的行业拥挤度上升幅度相对较大 [3]

量化模型与构建方式 1. **模型名称：情绪模型**[4][14] * **模型构建思路**：通过构建与涨跌停板相关的因子来刻画市场的情绪强弱，并综合多个因子信号生成情绪得分和择时信号[4][14]。 * **模型具体构建过程**：模型包含五个细分情绪因子，每个因子根据其计算规则生成0或1的信号，最后汇总得到总分（满分5分）[18]。具体因子及信号规则如下： 1. **净涨停占比因子**：计算规则未在报告中详述，当期信号为0[18]。 2. **跌停次日收益因子**：计算规则未在报告中详述，当期信号为0[18]。 3. **涨停板占比因子**：计算规则未在报告中详述，当期信号为0[18]。 4. **跌停板占比因子**：计算规则未在报告中详述，当期信号为0[18]。 5. **高频打板收益因子**：计算规则未在报告中详述，当期信号为0[18]。 * **模型评价**：该模型用于判断市场情绪的高低，情绪得分低（如0分）表明市场情绪低迷[4][7][14]。 2. **模型名称：高频资金流模型**[4][14] * **模型构建思路**：通过分析高频资金流的走势，对主要宽基指数发出买入或卖出信号，以辅助择时决策[4][14]。 * **模型具体构建过程**：模型针对不同宽基指数（沪深300、中证500、中证1000、中证2000）生成四种策略信号：激进多头、激进多空、稳健多头、稳健多空[18]。信号取值为1（正向/买入）、0（中性）或-1（负向/卖出）。具体构建方法参考专题报告，本报告未详述[14]。 3. **指标名称：均线强弱指数**[4][14] * **构建思路**：通过计算Wind二级行业指数的均线排列情况，来综合判断市场的整体技术强弱[4][14]。 * **具体构建过程**：报告未详细说明具体计算步骤，仅提及该指数基于Wind二级行业指数算出。当期市场得分为181分，并给出了其在2023年以来的历史分位点（62.50%）[4][14]。 4. **指标名称：流动性冲击指标**[4][8] * **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其历史平均水平的偏离程度[4][8]。 * **具体构建过程**：报告未给出具体计算公式。指标数值表示当前市场的流动性高于过去一年平均水平的标准差倍数。例如，数值6.21表示高于过去一年均值6.21倍标准差[4][8]。 5. **因子名称：因子拥挤度（复合指标）**[19] * **因子构建思路**：因子拥挤是指跟踪某一因子的资金过多导致其收益稳定性下降的现象。该复合指标通过综合多个子指标来度量因子的拥挤程度，作为因子失效的预警[19]。 * **因子具体构建过程**：使用四个子指标度量因子拥挤程度，并综合打分[19]。具体子指标包括： 1. **估值价差**：计算规则详见对应专题报告，本报告未详述[19]。 2. **配对相关性**：计算规则详见对应专题报告，本报告未详述[19]。 3. **长期收益反转**：计算规则详见对应专题报告，本报告未详述[19]。 4. **因子波动率**：计算规则详见对应专题报告，本报告未详述[19]。 * **因子评价**：该指标可用于预警因子失效风险，当拥挤度过高时，提示该因子的收益或收益稳定性可能下降[19]。 6. **指标名称：行业拥挤度**[23] * **构建思路**：参考专题报告构建，用于度量各行业板块的拥挤程度[23]。 * **具体构建过程**：报告未给出具体计算公式，计算方法详见对应专题报告[23]。 模型的回测效果 1. **情绪模型**，情绪得分0分（满分5分）[4][14]，趋势模型信号为负向[4][14]，加权模型信号为负向[4][14] 2. **高频资金流模型**，沪深300指数信号：激进多头1，激进多空0，稳健多头0，稳健多空0[18]；中证500指数信号：激进多头1，激进多空0，稳健多头0，稳健多空0[18]；中证1000指数信号：激进多头0，激进多空-1，稳健多头0，稳健多空0[18]；中证2000指数信号：激进多头0，激进多空-1，稳健多头0，稳健多空-1[18] 3. **均线强弱指数**，当前得分181[4][14]，2023年以来历史分位点62.50%[4][14] 4. **流动性冲击指标**，当期数值6.21[4][8] 量化因子与构建方式 1. **因子名称：小市值因子拥挤度**[20] * **因子构建思路**：作为复合因子拥挤度的一个应用，专门度量小市值因子的拥挤情况[20]。 * **因子具体构建过程**：其值为复合因子拥挤度模型对小市值因子的综合打分结果[20]。 2. **因子名称：低估值因子拥挤度**[20] * **因子构建思路**：作为复合因子拥挤度的一个应用，专门度量低估值因子的拥挤情况[20]。 * **因子具体构建过程**：其值为复合因子拥挤度模型对低估值因子的综合打分结果[20]。 3. **因子名称：高盈利因子拥挤度**[20] * **因子构建思路**：作为复合因子拥挤度的一个应用，专门度量高盈利因子的拥挤情况[20]。 * **因子具体构建过程**：其值为复合因子拥挤度模型对高盈利因子的综合打分结果[20]。 4. **因子名称：高盈利增长因子拥挤度**[20] * **因子构建思路**：作为复合因子拥挤度的一个应用，专门度量高盈利增长（高增长）因子的拥挤情况[20]。 * **因子具体构建过程**：其值为复合因子拥挤度模型对高盈利增长因子的综合打分结果[20]。 因子的回测效果 1. **小市值因子拥挤度**，综合打分0.06[20]，估值价差0.60[20]，配对相关性-0.32[20]，市场波动-0.62[20]，收益反转0.58[20] 2. **低估值因子拥挤度**，综合打分-0.31[20]，估值价差-0.47[20]，配对相关性-0.44[20]，市场波动1.21[20]，收益反转-1.55[20] 3. **高盈利因子拥挤度**，综合打分-0.01[20]，估值价差-0.72[20]，配对相关性-0.45[20]，市场波动-0.42[20]，收益反转1.56[20] 4. **高盈利增长因子拥挤度**，综合打分0.28[20]，估值价差1.02[20]，配对相关性-0.53[20]，市场波动-0.61[20]，收益反转1.22[20] 5. **行业拥挤度**，综合行业2.40[27]，基础化工行业2.10[27]，通信行业2.08[27]，有色金属行业2.07[27]，电子行业1.67[27]，国防军工行业1.36[27]，电力设备行业1.04[27]，机械设备行业0.95[27]，商贸零售行业0.38[27]，计算机行业0.00[27]，社会服务行业-0.02[27]，建筑材料行业-0.02[27]，钢铁行业-0.06[27]，银行行业-0.25[27]，交通运输行业-0.28[27]，传媒行业-0.29[27]，石油石化行业-0.32[27]，纺织服饰行业-0.44[27]，汽车行业-0.54[27]，轻工制造行业-0.61[27]，农林牧渔行业-0.77[27]，非银金融行业-0.79[27]，医药生物行业-0.85[27]，煤炭行业-0.86[27]，食品饮料行业-1.00[27]，家用电器行业-1.10[27]，房地产行业-1.10[27]，美容护理行业-1.14[27]，环保行业-1.18[27]，公用事业行业-1.31[27]，建筑装饰行业-1.51[27]

量化模型与构建方式 1. **模型名称：流动性冲击指标**[4] * **模型构建思路**：通过计算当前市场流动性相对于其历史均值的偏离程度（以标准差倍数衡量），来评估市场流动性的异常水平[4]。 * **模型具体构建过程**：该指标基于沪深300指数计算。具体计算过程未在报告中详细说明，但核心逻辑是计算当前流动性指标值（如成交额）相对于过去一年（约250个交易日）该指标均值的标准差倍数[4]。公式可理解为： $$流动性冲击指标_t = \frac{L_t - \mu_{L, t-250:t-1}}{\sigma_{L, t-250:t-1}}$$ 其中，$L_t$ 代表第t日的流动性指标（如成交额），$\mu_{L, t-250:t-1}$ 和 $\sigma_{L, t-250:t-1}$ 分别代表截至前一日过去一年流动性指标的均值和标准差。 2. **模型名称：PUT-CALL比率**[4] * **模型构建思路**：通过计算上证50ETF期权看跌合约（PUT）与看涨合约（CALL）的成交量比率，来反映市场投资者对标的资产短期走势的谨慎或乐观情绪[4]。 * **模型具体构建过程**：直接计算看跌期权总成交量与看涨期权总成交量的比值。 $$PUT-CALL比率_t = \frac{\sum 看跌期权成交量_t}{\sum 看涨期权成交量_t}$$ 3. **模型名称：SAR指标（停损转向指标）**[14] * **模型构建思路**：一种趋势跟踪指标，用于判断市场趋势的转折点。当价格线从下方突破SAR线时，发出买入信号；当价格线从上方跌破SAR线时，发出卖出信号[14]。 * **模型具体构建过程**：报告未给出具体计算公式。SAR指标的计算涉及加速因子（AF）和极值点（EP）的迭代更新，其通用公式为： $$SAR_t = SAR_{t-1} + AF \times (EP - SAR_{t-1})$$ 其中，AF初始值通常为0.02，随着趋势延续每次增加0.02，上限为0.2；EP为当前上涨趋势中的最高价或下跌趋势中的最低价。当价格趋势反转时，SAR值重置。 4. **模型名称：均线强弱指数**[4][14] * **模型构建思路**：通过统计全市场（或行业指数）中价格位于其长期均线之上的股票（或指数）数量或比例，来量化市场的整体技术强度[4][14]。 * **模型具体构建过程**：报告未给出具体计算公式。构建思路是基于Wind二级行业指数，计算每个行业指数价格与其长期移动平均线（如200日均线）的相对位置，然后对所有行业进行打分或加权，汇总得到全市场的均线强弱指数得分[14]。 5. **模型名称：情绪模型**[4][14] * **模型构建思路**：通过构建多个与涨跌停板相关的微观因子，综合刻画市场的投机情绪和赚钱效应强弱[4][14]。 * **模型具体构建过程**：报告参考了专题报告《从涨停板、打板策略到赚钱效应引发的情绪择时指标》[14]。模型包含多个细分情绪因子，如净涨停占比、跌停次日收益、涨停板占比、跌停板占比、高频打板收益等[18]。这些因子通过一定的规则（如阈值比较）转化为0或1的信号，最后可能通过等权或加权方式汇总成一个综合情绪得分（0-5分）[14][18]。 6. **模型名称：高频资金流模型**[4][14] * **模型构建思路**：利用高频资金流（可能指主力资金净流入、大单资金流向等）的走势和特征，对主要宽基指数生成择时交易信号[4][14]。 * **模型具体构建过程**：报告参考了专题报告《高频资金流如何辅助宽基择时决策》[14]。模型针对不同指数（如沪深300、中证500等）和不同风险偏好（激进、稳健）以及策略类型（多头、多空），生成了独立的信号[18]。具体构建细节未说明，但核心是利用资金流数据判断趋势的强弱和持续性。 7. **模型/因子名称：因子拥挤度模型**[19] * **模型构建思路**：使用多个维度的指标来度量跟踪或投资某一因子的资金是否过多，从而预警因子可能失效的风险[19]。 * **模型具体构建过程**：报告参考了专题报告《选股因子系列（四十二）——因子失效预警：因子拥挤》[19]。模型使用四个指标度量因子拥挤程度[19]： 1. **估值价差**：因子多空组合两端股票的估值差异。 2. **配对相关性**：因子多空组合两端股票收益的相关性。 3. **长期收益反转**：因子长期收益的动量或反转效应。 4. **因子波动率**：因子收益序列的波动情况。 每个指标计算后都进行标准化（Z-Score）处理，然后通过一定的规则（如等权平均）合成一个综合拥挤度得分[20]。 8. **模型名称：行业拥挤度模型**[23] * **模型构建思路**：类似于因子拥挤度，但应用于行业层面，用于评估某个行业交易是否过热或过冷[23]。 * **模型具体构建过程**：报告参考了专题报告《行业轮动系列研究 15——行业板块拥挤度》[23]。具体计算指标未详细说明，但最终结果是一个标准化的拥挤度分数[26][27]。 模型的回测效果 1. **流动性冲击指标**， 基于沪深300指数的指标值为6.21（2026年2月6日）[4] 2. **PUT-CALL比率**， 上证50ETF期权成交量比率为0.96（2026年2月6日）[4] 3. **均线强弱指数**， 当前市场得分为181，处于2023年以来62.50%分位点[14] 4. **情绪模型**， 综合得分为0分（满分5分）[14] 5. **高频资金流模型**， 沪深300指数：激进多头信号为1，激进多空为0，稳健多头为0，稳健多空为0[18]；中证500指数：激进多头信号为1，激进多空为0，稳健多头为0，稳健多空为0[18]；中证1000指数：激进多头信号为0，激进多空为-1，稳健多头为0，稳健多空为0[18]；中证2000指数：激进多头信号为0，激进多空为-1，稳健多头为0，稳健多空为-1[18] 量化因子与构建方式 1. **因子名称：小市值因子**[20] * **因子构建思路**：选择市值较小的股票，基于小市值公司可能具有更高成长性或溢价的理论。 * **因子具体构建过程**：报告未给出具体构建公式。通常使用总市值或流通市值进行排序或标准化，构建多空组合。 2. **因子名称：低估值因子**[20] * **因子构建思路**：选择估值指标（如市盈率PE、市净率PB）较低的股票，基于价值投资理论。 * **因子具体构建过程**：报告未给出具体构建公式。通常使用PE或PB等估值指标进行排序或标准化，构建多空组合。 3. **因子名称：高盈利因子**[20] * **因子构建思路**：选择盈利能力（如净资产收益率ROE、总资产收益率ROA）较强的股票。 * **因子具体构建过程**：报告未给出具体构建公式。通常使用ROE或ROA等盈利指标进行排序或标准化，构建多空组合。 4. **因子名称：高盈利增长因子（高增长因子）**[20] * **因子构建思路**：选择盈利增长（如净利润增长率、营业收入增长率）较快的股票。 * **因子具体构建过程**：报告未给出具体构建公式。通常使用盈利增长率指标进行排序或标准化，构建多空组合。 5. **因子名称：情绪细分因子**[18] * **因子构建思路**：从不同角度刻画市场涨停板相关的投机情绪[14]。 * **因子具体构建过程**：包含净涨停占比、跌停次日收益、涨停板占比、跌停板占比、高频打板收益等细分因子[18]。具体计算方式未说明。 因子的回测效果 1. **小市值因子拥挤度**， 综合打分0.06，估值价差0.60，配对相关性-0.32，市场波动-0.62，收益反转0.58（2026年2月6日）[20] 2. **低估值因子拥挤度**， 综合打分-0.31，估值价差-0.47，配对相关性-0.44，市场波动1.21，收益反转-1.55（2026年2月6日）[20] 3. **高盈利因子拥挤度**， 综合打分-0.01，估值价差-0.72，配对相关性-0.45，市场波动-0.42，收益反转1.56（2026年2月6日）[20] 4. **高盈利增长因子拥挤度**， 综合打分0.28，估值价差1.02，配对相关性-0.53，市场波动-0.61，收益反转1.22（2026年2月6日）[20] 5. **情绪细分因子信号**， 净涨停占比信号0，跌停次日收益信号0，涨停板占比信号0，跌停板占比信号0，高频打板收益信号0（截至报告时点）[18]

核心观点 - 市场下周或存在一定的结构性机会 [1][2] 量化指标与市场观点 - 基于沪深300指数的流动性冲击指标周五为5.07，低于前一周的5.09，意味着当前市场流动性高于过去一年平均水平5.07倍标准差 [2] - 上证50ETF期权成交量的PUT-CALL比率周五为0.89，低于前一周的0.98，显示投资者对上证50ETF短期走势的谨慎程度下降 [2] - 上证综指和Wind全A五日平均换手率分别为1.75%和2.49%，处于2005年以来的84.56%和89.72%分位点，交易活跃度有所上升 [2] - 根据2005年以来的日历效应，上证综指、沪深300、中证500、创业板指在2月上半月上涨概率分别为90%、90%、100%、80%，涨幅均值分别为2.85%、3.61%、5.34%、4.65% [2] 技术分析信号 - 情绪模型得分为0分（满分5分），趋势模型和加权模型信号均为负向，显示市场情绪较为悲观 [2] - 高频资金流模型对主要宽基指数发出信号：沪深300指数为正向，中证500指数为正向，中证1000指数为负向，中证2000指数为负向 [2] - 根据均线强弱指数，当前市场得分为172，处于2023年以来的59.50%分位点 [2] 宏观与市场回顾 - 1月在岸和离岸人民币汇率周涨幅分别为0.07%、0.27% [2] - 中国1月官方制造业PMI为49.3，低于前值50.1和Wind一致预期50.18 [2] - 上周（20260126-20260130）市场表现：上证50指数上涨1.13%，沪深300指数上涨0.08%，中证500指数下跌2.56%，创业板指下跌0.09% [3] - 当前全市场PE（TTM）为23.3倍，处于2005年以来的82.0%分位点 [3] 因子与行业拥挤度 - 小市值因子拥挤度为0.05，有所下降；低估值因子拥挤度为-0.28；高盈利因子拥挤度为0.20；高盈利增长因子拥挤度为0.53 [3] - 通信、有色金属、综合、电子和基础化工的行业拥挤度相对较高 [4] - 电子和国防军工的行业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：情绪择时模型**[14] * **模型构建思路**：通过构建与涨跌停板相关的因子来刻画市场的情绪强弱，并综合多个情绪因子信号生成择时信号。[14] * **模型具体构建过程**：模型包含五个细分情绪因子：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。每个因子独立计算并生成信号（例如，0分或1分），最终将所有因子信号汇总，得到一个总分（满分5分）。[14][17] * **模型评价**：该模型用于判断市场情绪的强弱和方向。[14] 2. **模型名称：高频资金流择时模型**[14] * **模型构建思路**：通过分析高频资金流的走势，对主要宽基指数生成买入或卖出信号。[14] * **模型具体构建过程**：模型针对不同宽基指数（如沪深300、中证500等）分别构建。根据高频资金流数据，模型会生成四种不同风险偏好的信号：激进多头、激进多空、稳健多头、稳健多空。信号“1”代表正向（做多），“0”代表负向（不做多或做空）。[14][17][20] 3. **模型名称：因子拥挤度模型**[18] * **模型构建思路**：使用多个指标度量因子的拥挤程度，以预警因子可能因资金过度追逐而失效的风险。[18] * **模型具体构建过程**：对于每个待评估的因子（如小市值、低估值等），计算四个分项拥挤度指标： 1. **估值价差**：衡量因子多空组合的估值差异。 2. **配对相关性**：衡量因子内股票收益的相关性。 3. **长期收益反转**：可能指因子动量或反转效应。 4. **因子波动率**：衡量因子收益的波动情况。 将这四个分项指标得分标准化后，综合计算得到一个复合拥挤度分数。[18][19] 4. **模型名称：行业拥挤度模型**[23] * **模型构建思路**：构建指标度量不同行业的拥挤程度，以识别交易过热或关注度过高的行业。[23] * **模型具体构建过程**：报告提及该模型参考了专题报告《行业轮动系列研究 15——行业板块拥挤度》，但未在本周报中详述具体构建公式。模型输出结果为各行业的拥挤度数值。[23][25] 模型的回测效果 1. **情绪择时模型**，当前模型得分为0分（满分5分），趋势模型信号为负向，加权模型信号为负向。[14] 2. **高频资金流择时模型**，截至2026年1月30日，对主要宽基指数的信号为：沪深300指数（正向）、中证500指数（正向）、中证1000指数（负向）、中证2000指数（负向）。[14][17][20] 3. **因子拥挤度模型**，截至2026年1月30日，复合拥挤度分数为：小市值因子0.05，低估值因子-0.28，高盈利因子0.20，高盈利增长因子0.53。[19] 4. **行业拥挤度模型**，截至2026年1月30日，行业拥挤度较高的有：通信(2.46)、有色金属(2.28)、综合(1.82)、电子(1.71)、基础化工(1.59)；拥挤度上升幅度较大的有：电子(+1.11)、国防军工(+1.08)。[23][25][26] 量化因子与构建方式 1. **因子名称：流动性冲击指标**[2][8] * **因子构建思路**：基于沪深300指数构建，用于衡量当前市场流动性相对于历史水平的偏离程度。[2][8] * **因子具体构建过程**：报告未给出具体计算公式，但指出该指标数值代表“当前市场的流动性高于过去一年平均水平X倍标准差”。例如，数值5.07意味着流动性高于过去一年均值5.07个标准差。[8] 2. **因子名称：PUT-CALL比率**[2][8] * **因子构建思路**：使用上证50ETF期权的成交量数据计算，反映投资者对标的指数短期走势的乐观或谨慎情绪。[2][8] * **因子具体构建过程**：计算公式为PUT合约成交量除以CALL合约成交量。比率下降通常表示谨慎情绪下降或乐观情绪上升。[8] 3. **因子名称：五日平均换手率**[2][8] * **因子构建思路**：通过计算市场指数的近期平均换手率，来度量市场的交易活跃度。[2][8] * **因子具体构建过程**：计算上证综指或Wind全A指数最近五个交易日的换手率平均值。[8] 4. **因子名称：均线强弱指数**[14] * **因子构建思路**：通过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。[14] * **因子具体构建过程**：报告未给出具体计算公式，但指出该指数得分为172，处于2023年以来的59.50%分位点。[14] 5. **因子名称：估值价差（因子拥挤度分项）**[18][19] * **因子构建思路**：作为因子拥挤度的度量指标之一，用于衡量因子多空组合的估值差异。[18] * **因子具体构建过程**：报告未给出具体计算公式，但在因子拥挤度模型中以分项得分形式出现。[19] 6. **因子名称：配对相关性（因子拥挤度分项）**[18][19] * **因子构建思路**：作为因子拥挤度的度量指标之一，用于衡量因子内股票收益的相关性。[18] * **因子具体构建过程**：报告未给出具体计算公式，但在因子拥挤度模型中以分项得分形式出现。[19] 7. **因子名称：长期收益反转（因子拥挤度分项）**[18][19] * **因子构建思路**：作为因子拥挤度的度量指标之一，可能用于度量因子的动量或反转效应。[18] * **因子具体构建过程**：报告未给出具体计算公式，但在因子拥挤度模型中以分项得分形式出现。[19] 8. **因子名称：因子波动率（因子拥挤度分项）**[18][19] * **因子构建思路**：作为因子拥挤度的度量指标之一，用于衡量因子收益的波动情况。[18] * **因子具体构建过程**：报告未给出具体计算公式，但在因子拥挤度模型中以分项得分形式出现。[19] 因子的回测效果 1. **流动性冲击指标**，2026年1月30日数值为5.07。[8] 2. **PUT-CALL比率**，2026年1月30日数值为0.89。[8] 3. **五日平均换手率**，2026年1月30日，上证综指为1.75%（处于2005年以来84.56%分位点），Wind全A为2.49%（处于2005年以来89.72%分位点）。[8] 4. **均线强弱指数**，当前市场得分为172，处于2023年以来的59.50%分位点。[14] 5. **估值价差（因子拥挤度分项）**，截至2026年1月30日，小市值因子得分0.55，低估值因子得分-1.14，高盈利因子得分-0.48，高增长因子得分1.35。[19] 6. **配对相关性（因子拥挤度分项）**，截至2026年1月30日，小市值因子得分-0.46，低估值因子得分-0.57，高盈利因子得分-0.32，高增长因子得分-0.23。[19] 7. **长期收益反转（因子拥挤度分项）**，截至2026年1月30日，小市值因子得分0.54，低估值因子得分-1.63，高盈利因子得分1.61，高增长因子得分1.21。[19] 8. **因子波动率（因子拥挤度分项）**，截至2026年1月30日，小市值因子得分-0.45，低估值因子得分2.24，高盈利因子得分-0.02，高增长因子得分-0.24。[19]

量化模型与构建方式 1. **模型名称：SAR技术指标择时模型**[1][7][14] * **模型构建思路**：使用抛物线转向指标（SAR）来识别市场趋势的潜在反转点，生成买入或卖出信号[1][7][14]。 * **模型具体构建过程**：SAR指标的计算涉及一个递归过程，其核心思想是随着价格趋势的发展，止损点（即SAR值）会加速移动。具体公式和计算步骤在报告中未详细给出，但标准SAR计算公式通常如下： $$SAR_{t} = SAR_{t-1} + AF \times (EP - SAR_{t-1})$$ 其中，`SAR_t`为当前周期的SAR值，`SAR_{t-1}`为上一周期的SAR值，`AF`为加速因子（随着新极值点出现而递增，但有上限），`EP`为当前上涨趋势中的最高价或下跌趋势中的最低价（极值点）。当价格从下方突破SAR时，发出买入信号；当价格从上方跌破SAR时，发出卖出信号[15]。 2. **模型名称：市场均线强弱指数**[4][14] * **模型构建思路**：通过计算各行业指数相对于其均线的位置，来综合判断整个市场的技术强弱[4][14]。 * **模型具体构建过程**：报告提及该指数基于Wind二级行业指数计算。具体构建过程未详细说明，但通常思路可能是：计算每个行业指数相对于其某条移动平均线（如20日、60日均线）的偏离度或强弱状态，然后将所有行业的得分进行加总或平均，得到代表整体市场强度的指数。当前得分为238，处于2023年以来86.52%的分位点[14]。 3. **模型名称：市场情绪模型**[4][14][16] * **模型构建思路**：通过构建与涨跌停板相关的因子，来刻画市场的情绪强弱[4][14]。 * **模型具体构建过程**：根据国泰海通量化团队前期专题报告，该模型包含多个细分情绪因子。报告列出了截至当前的部分因子信号：净涨停占比（信号为1）、跌停次日收益（信号为0）、涨停板占比（信号为0）、跌停板占比（信号为0）、高频打板收益（信号为1）[16]。这些因子信号通过一定规则（报告中未详述）汇总成情绪模型得分（当前为2分，满分5分）以及趋势模型信号（正向）和加权模型信号（正向）[14]。 4. **模型名称：高频资金流择时模型**[4][14][16] * **模型构建思路**：通过分析高频资金流的走势，对主要宽基指数发出买入或卖出信号[4][14]。 * **模型具体构建过程**：根据国泰海通量化团队前期专题报告构建。报告展示了该模型对沪深300、中证500、中证1000指数的信号。模型分为“激进多头”、“激进多空”、“稳健多头”、“稳健多空”四种策略，当前对所有观察的宽基指数均发出看多信号（信号值为1）[16]。 5. **因子名称：因子拥挤度复合指标**[18][19] * **因子构建思路**：用于预警因子因资金过度追逐而可能失效的风险，通过综合多个维度指标来度量因子的拥挤程度[18]。 * **因子具体构建过程**：根据国泰海通量化团队前期专题报告，使用四个指标度量因子拥挤度：估值价差、配对相关性、长期收益反转、因子波动率。报告未给出每个分项指标的具体计算公式。最终，将这四个指标得分综合成一个复合拥挤度打分[18][19]。 6. **因子名称：行业拥挤度指标**[25][27] * **因子构建思路**：度量特定行业板块因资金过度集中而可能面临的回调风险[25]。 * **因子具体构建过程**：根据国泰海通量化团队前期专题报告构建。报告未给出具体计算公式，但展示了截至2026年1月23日各行业的拥挤度数值及相对上月的变化[25][27][28]。 模型的回测效果 （注：本报告为周报，主要展示模型当期信号和部分指标状态，未提供历史回测绩效指标如年化收益率、夏普比率等。） 量化因子与构建方式 1. **因子名称：流动性冲击指标**[4][8] * **因子构建思路**：基于沪深300指数，衡量当前市场流动性相对于历史平均水平的偏离程度[4][8]。 * **因子具体构建过程**：报告指出，该指标值为5.09，意味着当前市场的流动性高于过去一年平均水平5.09倍标准差。具体计算公式未提供[8]。 2. **因子名称：PUT-CALL比率**[4][8] * **因子构建思路**：通过上证50ETF期权看跌期权与看涨期权的成交量比率，来观察投资者对短期走势的情绪谨慎程度[4][8]。 * **因子具体构建过程**：计算公式为看跌期权成交量除以看涨期权成交量。报告指出周五该比率为0.98，高于前一周的0.80[8]。 3. **因子名称：五日平均换手率**[4][8] * **因子构建思路**：通过计算上证综指和Wind全A指数的五日平均换手率，并观察其历史分位点，来判断市场交易活跃度[4][8]。 * **因子具体构建过程**：计算指数最近五个交易日的平均换手率。报告指出当前值分别为1.50%和2.21%，处于2005年以来的80.71%和86.58%分位点[8]。 4. **因子名称：日历效应因子**[7][9] * **因子构建思路**：基于历史数据，统计特定时间段（如1月下半月）各大宽基指数的历史表现规律，作为市场表现的参考[7][9]。 * **因子具体构建过程**：统计2005年以来，每年1月下半月各指数的涨跌幅，计算上涨概率、涨幅均值和中位数。例如，报告指出上证综指在1月下半月上涨概率为55%，涨幅均值为-1.52%[9]。 5. **因子名称：估值价差（因子拥挤度分项）**[18][19] * **因子构建思路**：作为因子拥挤度的度量指标之一，具体思路未在本文中详述[18]。 * **因子具体构建过程**：计算过程未提供。报告展示了小市值、低估值、高盈利、高增长因子的估值价差分项得分[19]。 6. **因子名称：配对相关性（因子拥挤度分项）**[18][19] * **因子构建思路**：作为因子拥挤度的度量指标之一，具体思路未在本文中详述[18]。 * **因子具体构建过程**：计算过程未提供。报告展示了小市值、低估值、高盈利、高增长因子的配对相关性分项得分[19]。 7. **因子名称：长期收益反转（因子拥挤度分项）**[18][19] * **因子构建思路**：作为因子拥挤度的度量指标之一，具体思路未在本文中详述[18]。 * **因子具体构建过程**：计算过程未提供。报告展示了小市值、低估值、高盈利、高增长因子的长期收益反转分项得分[19]。 8. **因子名称：因子波动率（因子拥挤度分项）**[18][19] * **因子构建思路**：作为因子拥挤度的度量指标之一，具体思路未在本文中详述[18]。 * **因子具体构建过程**：计算过程未提供。报告展示了小市值、低估值、高盈利、高增长因子的因子波动率分项得分[19]。 因子的回测效果 （注：本报告未提供因子IC、IR、多空收益等传统因子测试结果。主要展示了部分因子的当期数值或状态。） **因子拥挤度复合指标取值（截至2026.01.23）**[19][21] 1. 小市值因子拥挤度：0.28 2. 低估值因子拥挤度：-0.42 3. 高盈利因子拥挤度：0.31 4. 高盈利增长因子拥挤度：0.35 **行业拥挤度指标取值（截至2026.01.23，列举部分）**[27][28] 1. 有色金属行业拥挤度：2.08 2. 综合行业拥挤度：1.98 3. 通信行业拥挤度：1.97 4. 电子行业拥挤度：1.47 5. 国防军工行业拥挤度：1.46 6. 食品饮料行业拥挤度：-1.27 7. 美容护理行业拥挤度：-1.43

量化模型与构建方式 1. **模型名称：SAR择时模型**[14] * **模型构建思路**：使用抛物线转向指标（SAR）来识别市场趋势的潜在反转点，生成买入或卖出信号[14]。 * **模型具体构建过程**：SAR指标的计算涉及一个加速因子，随着趋势的延续，该因子会逐步增大，使得止损点（SAR值）加速靠近价格。当价格从下方突破SAR线时，发出买入信号；当价格从上方跌破SAR线时，发出卖出信号[14][15]。报告中将此模型应用于Wind全A指数。 2. **模型名称：市场均线强弱指数**[14] * **模型构建思路**：通过计算各行业指数相对于其均线的位置，综合评估整个市场的技术强弱[14]。 * **模型具体构建过程**：基于Wind二级行业指数，计算每个行业指数与其均线（如20日均线）的相对位置，然后对所有行业的得分进行加总或平均，得到市场整体的均线强弱分数。报告指出当前得分为238，处于2023年以来的86.52%分位点，表明市场技术面偏强[14][16]。 3. **模型名称：市场情绪模型**[14] * **模型构建思路**：通过构建与涨跌停板相关的因子，来刻画市场的情绪强弱和赚钱效应[14]。 * **模型具体构建过程**：根据国泰海通量化团队前期专题报告，构建了多个细分情绪因子，包括：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][17]。每个因子会生成一个信号（例如，1表示看多，0表示中性或看空），最终通过某种方式（如加权或打分卡）汇总成一个综合情绪得分。报告显示当前情绪模型得分为2分（满分5分）[14]。 4. **模型名称：高频资金流择时模型**[14] * **模型构建思路**：通过分析高频资金流的走势，对主要宽基指数发出买入或卖出信号[14]。 * **模型具体构建过程**：根据国泰海通量化团队前期专题报告，利用高频资金流数据构建模型。模型分为“激进多头”、“激进多空”、“稳健多头”、“稳健多空”四种策略，每种策略对特定指数（如沪深300、中证500、中证1000）生成信号（1代表看多）[14][17]。 5. **因子名称：因子拥挤度复合指标**[18] * **因子构建思路**：为了预警因子可能因资金过度追逐而失效的风险，使用多个维度指标综合度量因子的拥挤程度[18]。 * **因子具体构建过程**：参考国泰海通量化团队前期专题报告，使用四个指标来度量因子拥挤度[18]： 1. **估值价差**：衡量因子多空组合在估值指标上的差异。 2. **配对相关性**：衡量因子多空组合内股票收益的相关性。 3. **长期收益反转**：衡量因子近期收益与长期收益的背离情况。 4. **因子波动率**：衡量因子收益序列的波动情况。 将上述四个分项指标标准化后，通过一定方法（如等权或加权）合成一个综合拥挤度得分。报告展示了小市值、低估值、高盈利、高增长四个因子的拥挤度[19][21]。 6. **因子名称：行业拥挤度指标**[25] * **因子构建思路**：度量特定行业板块因资金过度集中而可能面临回调的风险[25]。 * **因子具体构建过程**：根据国泰海通量化团队前期专题报告《行业轮动系列研究 15——行业板块拥挤度》构建。报告未给出具体计算公式，但展示了截至2026年1月23日各行业的拥挤度数值及相对上月的变化[25][27][28]。 模型的回测效果 *注：本报告为周报，主要展示模型的最新信号和状态，未提供历史回测的绩效指标（如年化收益率、夏普比率、最大回撤等）。* 1. **SAR择时模型**：对Wind全A指数，于1月20日发出卖出信号，于1月23日再度发出买入信号[14]。 2. **市场均线强弱指数**：当前市场得分为238，处于2023年以来的86.52%分位点[14]。 3. **市场情绪模型**：综合得分为2分（满分5分），趋势模型信号为正向，加权模型信号为正向[14]。细分因子信号为：净涨停占比(1)，跌停次日收益(0)，涨停板占比(0)，跌停板占比(0)，高频打板收益(1)[17]。 4. **高频资金流择时模型**：对沪深300、中证500、中证1000指数，激进多头、激进多空、稳健多头、稳健多空四种策略信号均为1（看多）[17]。 因子的回测效果 *注：本报告未提供因子IC、IR、多空收益等传统因子测试绩效指标。主要展示了因子拥挤度指标的最新数值。* 1. **小市值因子拥挤度**：综合打分 0.28[19][21]。分项得分：估值价差 0.67，配对相关性 0.45，市场波动 -0.51，收益反转 0.51[19]。 2. **低估值因子拥挤度**：综合打分 -0.42[19][21]。分项得分：估值价差 -1.39，配对相关性 0.24，市场波动 1.39，收益反转 -1.90[19]。 3. **高盈利因子拥挤度**：综合打分 0.31[19][21]。分项得分：估值价差 -0.61，配对相关性 0.15，市场波动 0.15，收益反转 1.57[19]。 4. **高盈利增长因子拥挤度**：综合打分 0.35[19][21]。分项得分：估值价差 1.12，配对相关性 -0.49，市场波动 -0.21，收益反转 0.97[19]。 5. **行业拥挤度**：截至2026年1月23日，有色金属(2.08)、综合(1.98)、通信(1.97)、电子(1.47)、国防军工(1.46)等行业拥挤度相对较高[27][28]。国防军工和电子的行业拥挤度上升幅度相对较大[25][28]。

报告业绩回顾 - 2025年成长期优选组合累计收益84.1%，相较于885001指数获得50.9%的超额收益 [1] - 指数增强组合中，采用ICIR加权方式的收益表现优于IC均值加权方式 [1] 下周市场观点 - 市场下周有望震荡上行 [2] - 基于沪深300的流动性冲击指标周五为3.32，高于前一周的0.60，显示当前市场流动性高于过去一年平均水平3.32倍标准差 [2] - 上证50ETF期权成交量PUT-CALL比率周五为0.80，高于前一周的0.64，表明投资者对上证50ETF短期走势趋于谨慎 [2] - 上证综指和Wind全A五日平均换手率分别为1.71%和2.71%，处于2005年以来84.10%和92.01%的分位点，交易活跃度上升 [2] - 上周在岸和离岸人民币汇率周涨幅分别为0.19%和0.12% [2] - 12月新增人民币贷款9100亿元，高于Wind一致预期的6794亿元和前值的3900亿元 [2] - 12月广义货币M2同比增长8.5%，高于Wind一致预期的7.93%和前值的8% [2] - Wind全A指数于12月1日向上突破SAR翻转指标 [2] - 基于Wind二级行业指数计算的均线强弱指数当前得分为213，处于2023年以来76.93%的分位点 [2] - 市场情绪模型得分为2分，趋势模型信号为正向，加权模型信号为负向 [2] - 高频资金流模型对主要宽基指数发出看多信号，包括沪深300、中证500和中证1000指数 [2] 上周市场回顾 - 上周上证50指数下跌1.74%，沪深300指数下跌0.57%，中证500指数上涨2.18%，创业板指上涨1% [3] - 当前全市场PE为23.3倍，处于2005年以来82.0%的分位点 [3] 因子拥挤度观察 - 因子拥挤度整体保持平稳 [4] - 小市值因子拥挤度为0.20，低估值因子拥挤度为-0.75，高盈利因子拥挤度为0.35，高盈利增长因子拥挤度为0.55 [4] 行业拥挤度观察 - 通信、有色金属、综合、电子和国防军工行业的拥挤度相对较高 [5] - 国防军工和电子行业的拥挤度上升幅度相对较大 [5]

量化模型与构建方式 1. **模型名称：均线强弱指数模型**[14] * **模型构建思路**：通过计算市场各行业指数相对于其关键移动平均线的位置，来综合判断市场整体的技术强弱状态[14]。 * **模型具体构建过程**： 1. 选取Wind二级行业指数作为计算基础[14]。 2. 对于每个行业指数，计算其收盘价与某一长期移动平均线（如250日均线）的相对位置[14]。 3. 根据每个行业指数相对于其均线的位置（例如，在均线之上或之下，以及偏离程度）进行打分[14]。 4. 将所有行业指数的得分加总，得到市场的均线强弱指数总分[14]。 5. 将当前总分与历史分位数进行比较，以判断当前市场在历史中的强弱位置[14]。 2. **模型名称：情绪择时模型**[14] * **模型构建思路**：基于涨跌停板相关数据构建因子，用以刻画市场的情绪强弱，并综合多个因子信号生成择时观点[14]。 * **模型具体构建过程**： 1. 根据专题报告，构建了多个涨跌停板相关情绪因子，包括：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][19]。 2. 每个因子独立生成信号（例如，看多为1，看空为0）[19]。 3. 通过加权或其他方式综合各因子信号，得到最终的情绪模型得分（满分5分）和趋势方向信号[14]。 3. **模型名称：高频资金流择时模型**[14] * **模型构建思路**：通过分析主要宽基指数的高频资金流数据（如主力资金流向）的走势，对指数发出买入或卖出信号[14]。 * **模型具体构建过程**： 1. 获取沪深300、中证500、中证1000等宽基指数的高频资金流数据[14]。 2. 根据资金流的趋势、强度等特征，设定信号生成规则[14]。 3. 模型输出多种策略信号，包括“激进多头”、“激进多空”、“稳健多头”、“稳健多空”[19]。 4. 信号为“1”代表看多，“-1”代表看空（根据上下文推断）[19]。 4. **模型名称：因子拥挤度模型**[20] * **模型构建思路**：使用多个指标综合度量因子的拥挤程度，以预警因子可能因资金过度追逐而失效的风险[20]。 * **模型具体构建过程**： 1. 选取四个分项指标来度量拥挤度：估值价差、配对相关性、长期收益反转、因子波动率[20]。 2. 分别计算目标因子（如小市值因子）在这四个指标上的得分[21]。 3. 将四个分项指标得分合成一个综合拥挤度分数[21]。合成方法在对应专题报告中详细说明[20]。 5. **模型名称：行业拥挤度模型**[27] * **模型构建思路**：构建综合指标来度量各行业的交易拥挤程度，以识别过热或过冷的行业板块[27]。 * **模型具体构建过程**：根据专题报告，构建了行业拥挤度指标，具体计算方法未在本文中详述，但展示了截至某一时点的计算结果和排名[27]。 模型的回测效果 1. **均线强弱指数模型**，当前市场得分为213，处于2023年以来的76.93%分位点[14] 2. **情绪择时模型**，情绪模型得分为2分（满分5分），趋势模型信号为正向，加权模型信号为负向[14] 3. **高频资金流择时模型**，沪深300指数信号：看多[14]；中证500指数信号：看多[14]；中证1000指数信号：看多[14] 4. **因子拥挤度模型**，小市值因子拥挤度0.20[21]；低估值因子拥挤度-0.75[21]；高盈利因子拥挤度0.35[21]；高盈利增长因子拥挤度0.55[21] 5. **行业拥挤度模型**，通信行业拥挤度1.96[30]；有色金属行业拥挤度1.95[30]；综合行业拥挤度1.82[30]；电子行业拥挤度1.40[30]；国防军工行业拥挤度1.08[30] 量化因子与构建方式 1. **因子名称：流动性冲击指标**[4] * **因子构建思路**：通过计算当前市场流动性相对于其历史平均水平的偏离程度，来度量市场的流动性冲击[4]。 * **因子具体构建过程**：以沪深300指数为标的，计算其流动性指标的Z值。具体公式为： $$流动性冲击指标 = \frac{当前流动性 - 过去一年流动性均值}{过去一年流动性标准差}$$ 报告中指出，周五该指标值为3.32，意味着当前市场流动性高于过去一年平均水平3.32倍标准差[4]。 2. **因子名称：PUT-CALL比率**[4] * **因子构建思路**：使用上证50ETF期权看跌期权与看涨期权的成交量比率，来观察市场对标的资产短期走势的谨慎或乐观情绪[4]。 * **因子具体构建过程**：计算上证50ETF期权当日看跌期权总成交量与看涨期权总成交量的比值[4]。 3. **因子名称：五日平均换手率**[4] * **因子构建思路**：通过计算市场近期平均换手率，并将其与历史分位数比较，来衡量市场的交易活跃度[4]。 * **因子具体构建过程**：计算上证综指或Wind全A指数最近五个交易日的日均换手率[4]。 4. **因子名称：净涨停占比**[14][19] * **因子构建思路**：通过涨停与跌停公司数量的净差额占比来反映市场多头力量的强度[14]。 * **因子具体构建过程**：计算（涨停公司家数 - 跌停公司家数） / 总交易公司家数（或类似基准）[14]。 5. **因子名称：跌停次日收益**[14][19] * **因子构建思路**：通过观察跌停股票在次日的平均表现，来探测市场是否存在“错杀”或恐慌性抛售后的修复动力[14]。 * **因子具体构建过程**：计算当日跌停股票在下一个交易日的平均收益率[14]。 6. **因子名称：涨停板占比**[14][19] * **因子构建思路**：通过涨停公司数量占比来直接衡量市场的赚钱效应和做多热情[14]。 * **因子具体构建过程**：计算涨停公司家数 / 总交易公司家数[14]。 7. **因子名称：跌停板占比**[14][19] * **因子构建思路**：通过跌停公司数量占比来直接衡量市场的亏钱效应和悲观情绪[14]。 * **因子具体构建过程**：计算跌停公司家数 / 总交易公司家数[14]。 8. **因子名称：高频打板收益**[14][19] * **因子构建思路**：通过模拟在涨停价买入股票并在次日卖出的策略收益，来检验涨停板策略的短期有效性，从而反映市场情绪[14]。 * **因子具体构建过程**：计算在涨停价买入当日涨停股票，并于下一交易日以开盘价或收盘价卖出的平均收益率[14]。 9. **复合因子名称：小市值因子**[20] * **因子构建思路**：识别并投资于市值较小的公司，这些公司可能具有更高的成长潜力和弹性[20]。 * **因子具体构建过程**：通常使用总市值或流通市值作为排序标准，构建做多小市值、做空大市值的组合。其拥挤度通过估值价差、配对相关性等四个子指标综合计算[20][21]。 10. **复合因子名称：低估值因子**[20] * **因子构建思路**：识别并投资于估值水平（如市盈率PE、市净率PB）较低的股票，寻求价值回归的收益[20]。 * **因子具体构建过程**：通常使用PE或PB等估值指标作为排序标准，构建做多低估值、做空高估值的组合。其拥挤度通过估值价差、配对相关性等四个子指标综合计算[20][21]。 11. **复合因子名称：高盈利因子**[20] * **因子构建思路**：识别并投资于盈利能力（如净资产收益率ROE）较强的公司[20]。 * **因子具体构建过程**：通常使用ROE等盈利指标作为排序标准，构建做多高盈利、做空低盈利的组合。其拥挤度通过估值价差、配对相关性等四个子指标综合计算[20][21]。 12. **复合因子名称：高盈利增长因子**[20] * **因子构建思路**：识别并投资于盈利增长能力较强的公司[20]。 * **因子具体构建过程**：通常使用净利润增长率等指标作为排序标准，构建做多高增长、做空低增长的组合。其拥挤度通过估值价差、配对相关性等四个子指标综合计算[20][21]。 因子的回测效果 1. **流动性冲击指标**，基于沪深300指数，周五值为3.32[4] 2. **PUT-CALL比率**，周五值为0.80[4] 3. **五日平均换手率**，上证综指值为1.71%，处于2005年以来84.10%分位点[4]；Wind全A值为2.71%，处于2005年以来92.01%分位点[4] 4. **净涨停占比**，当前信号为1（看多）[19] 5. **跌停次日收益**，当前信号为0[19] 6. **涨停板占比**，当前信号为1（看多）[19] 7. **跌停板占比**，当前信号为0[19] 8. **高频打板收益**，当前信号为0[19] 9. **小市值因子**，估值价差得分0.43，配对相关性得分0.22，市场波动得分-0.28，收益反转得分0.41，综合拥挤度0.20[21] 10. **低估值因子**，估值价差得分-1.22，配对相关性得分-0.05，市场波动得分0.26，收益反转得分-2.01，综合拥挤度-0.75[21] 11. **高盈利因子**，估值价差得分-0.55，配对相关性得分0.31，市场波动得分-0.01，收益反转得分1.65，综合拥挤度0.35[21] 12. **高盈利增长因子**，估值价差得分1.09，配对相关性得分0.46，市场波动得分-0.29，收益反转得分0.95，综合拥挤度0.55[21]

量化模型与构建方式 1. **模型名称**：流动性冲击指标[2] * **模型构建思路**：用于衡量当前市场流动性相对于过去一年平均水平的标准差倍数，以判断市场流动性状况[2]。 * **模型具体构建过程**：报告未提供该指标的具体计算公式和构建步骤，仅提及了基于沪深300指数的计算结果[2]。 2. **模型名称**：情绪择时模型[14][16][17] * **模型构建思路**：通过构建涨跌停板相关因子来刻画市场情绪强弱，并综合多个细分情绪因子信号生成择时信号[14]。 * **模型具体构建过程**：模型包含多个情绪因子，每个因子生成0或1的信号。报告列举了部分细分因子及其最新信号：净涨停占比（信号1）、跌停次日收益（信号0）、涨停板占比（信号1）、跌停板占比（信号1）、高频打板收益（信号1）[17]。模型最终综合这些信号给出总分（满分5分）和方向信号[14]。 3. **模型名称**：趋势模型[14][16] * **模型构建思路**：作为情绪择时模型的一部分，根据市场趋势给出正向或负向信号[14][16]。 * **模型具体构建过程**：报告未提供具体构建过程，仅提及了其最新信号为“正向”[14]。 4. **模型名称**：加权模型[14][16] * **模型构建思路**：作为情绪择时模型的一部分，根据加权计算给出正向或负向信号[14][16]。 * **模型具体构建过程**：报告未提供具体构建过程，仅提及了其最新信号为“正向”[14]。 5. **模型名称**：SAR指标（停损转向指标）[14][15] * **模型构建思路**：一种技术分析指标，用于判断市场趋势的转向点，提供买入和卖出信号[14][15]。 * **模型具体构建过程**：报告未提供具体计算公式，但通过图表展示了Wind全A指数与SAR指标的对比，并指出Wind全A指数于12月1日向上突破翻转指标[14][15]。 6. **模型名称**：均线强弱指数[1][7][14][19] * **模型构建思路**：通过计算Wind二级行业指数的均线情况来综合衡量整个市场的技术面强弱程度[14]。 * **模型具体构建过程**：报告未提供具体计算公式。构建过程涉及使用Wind二级行业指数进行计算，最终得到一个市场得分[14]。最新得分为261，处于2023年以来的95.22%分位点，表明市场技术面处于历史高位[14]。 7. **模型名称**：日历效应模型[1][4][7][9] * **模型构建思路**：基于历史数据统计特定时间段（如1月下半月）市场指数的表现规律，用于判断未来相同时期的市场表现[1][4][7][9]。 * **模型具体构建过程**：统计2005年以来，各大宽基指数在1月下半月的上涨概率、涨幅均值和中位数[9]。例如，上证综指、沪深300、中证500、创业板指在1月下半月的上涨概率分别为55%、45%、50%、40%，涨幅均值分别为-1.52%、-0.97%、-1.42%、-1.11%[9]。 8. **因子名称**：因子拥挤度（复合因子）[18][20][21] * **因子构建思路**：用于预警因子可能因资金过度追逐而失效的风险。通过综合多个子指标来度量因子的拥挤程度[18]。 * **因子具体构建过程**：使用四个指标度量因子拥挤程度：估值价差、配对相关性、长期收益反转、因子波动率[18]。报告未提供各子指标及综合打分的具体计算公式，但提及详细计算方法可参考专题报告《选股因子系列（四十二）——因子失效预警：因子拥挤》[18]。 9. **因子名称**：行业拥挤度[4][23][25][26] * **因子构建思路**：用于衡量特定行业是否因资金过度集中而存在回调风险[4][23]。 * **因子具体构建过程**：报告未提供具体计算公式，但提及详细计算方法可参考专题报告《行业轮动系列研究 15——行业板块拥挤度》[23]。 10. **因子名称**：行业三维矩阵[27][28][29] * **因子构建思路**：通过三个维度（拥挤度、历史估值偏离度、景气度）对行业进行可视化分析，辅助判断行业投资价值[27][28][29]。 * **因子具体构建过程**： * **横轴**：历史估值偏离度，代表行业滚动500个交易日市净率（PB）的Z值[29]。 * **纵轴**：行业拥挤度[28]。 * **气泡大小**：代表行业景气度，用行业滚动120个交易日分析师预期ROE的百分位刻画[29]。 模型的回测效果 *报告未提供量化模型的历史回测效果指标（如年化收益率、夏普比率、最大回撤等）。* 量化因子与构建方式 *（因子拥挤度、行业拥挤度、行业三维矩阵因子已在上方“量化模型与构建方式”中列出，此处不再重复）* 因子的回测效果 1. **小市值因子拥挤度**，综合打分 **0.37**[21] 2. **低估值因子拥挤度**，综合打分 **-0.57**[21] 3. **高盈利因子拥挤度**，综合打分 **0.63**[21] 4. **高增长因子拥挤度**，综合打分 **1.09**[21] 5. **行业拥挤度**（截至2026.01.09），各行业取值如下[25][26]： * 通信：2.19 * 综合：1.47 * 有色金属：1.74 * 国防军工：-0.15 * 电子：0.59 * 电力设备：1.08 * 基础化工：0.59 * 机械设备：0.14 * 非银金融：0.07 * 钢铁：0.36 * 银行：0.16 * 商贸零售：0.16 * 石油石化：-0.44 * 社会服务：-0.07 * 轻工制造：-0.16 * 计算机：-0.97 * 医药生物：-0.76 * 公用事业：-0.48 * 农林牧渔：-0.67 * 交通运输：-0.32 * 纺织服饰：-0.50 * 传媒：-1.04 * 煤炭：-0.71 * 汽车：-0.89 * 建筑材料：-0.34 * 建筑装饰：-0.89 * 美容护理：-0.68 * 食品饮料：-1.01 * 家用电器：-1.03 * 房地产：-0.90 * 环保：-1.03