文章核心观点 - 国家统计局数据显示，2025年12月70城房价整体下行，新房和二手房市场均面临压力，但市场内部已出现分化迹象，部分城市新房价格企稳或上涨[1][2] - 二手房市场呈现“量价背离”特征，核心城市成交量在政策刺激下有所回升，但价格因业主“惜售”心态和购房者观望情绪而持续下跌[3][5][6] - 当前房价下跌的核心驱动因素已从供需失衡转向市场“预期共识”的崩塌与重建，买卖双方对政策解读和价格底部的博弈加剧[8][9][10] - 行业认为房价“加速下跌期”可能已过，但市场是否触底仍有待观察，未来走势取决于政策力度与市场预期的进一步演变[11] 70城房价数据表现 - **新房市场**：2025年12月，一线城市新房价格环比下跌0.3%，二三线城市均环比下跌0.4%，70个城市中有58个城市新房价格下跌[2] - **新房市场分化**：上海新房价格逆势环比上涨0.2%，长春、三亚等5个城市同步上涨，另有6个城市价格持平，显示市场并非“全线下跌”[4] - **二手房市场**：2025年12月，70个城市二手房价格全线下跌，其中北京以环比下跌1.3%的幅度领跌[2] - **二手房跌幅收窄**：2025年12月，一线城市二手房价格跌幅较前期收窄0.2个百分点[5] 核心城市市场动态 - **成交量回升**：2026年1月前18日，深圳贝壳门店二手房签约量环比上涨25%；上海市2025年11月和12月单月二手房成交量均超过2.2万套；近期深圳周度二手房录得量突破1600套[5] - **挂牌量变化**：深圳业主周度新增挂牌量较12月上旬下降10%；上海二手房挂牌量较新政时期减少约一万套，部分业主选择撤牌而非降价[6] - **价格下跌主因**：北京二手房跌幅最大，主要因改善型业主信心不足导致房源集中挂牌，而购房者持续观望等待更低价格[9] 行业背景与市场情绪 - **销售承压**：全国新建商品房销售额在去年（应指2024年）下跌12.6%，房企在非核心区域倾向于以价换量来维持现金流[4] - **业主心态转变**：业主心态从“猛割肉求成交”转变为“小幅让利换体面”，出现“惜售”心理，阻碍了成交量回升向价格的有效传导[6][7] - **购房者预期**：市场预期从“买涨不买跌”转变为“越跌越不敢买，越不敢买越跌”，尤其对二三线城市房产的资产增值预期显著降温[9] 政策影响与市场博弈 - **政策出台**：2026年开年，换房退税、商业贷款首付比例下调等政策相继落地，旨在稳定市场预期[10] - **博弈加剧**：政策刺激导致买卖双方解读分化，业主认为政策托底而惜售，购房者预期政策会继续加码而保持观望，加剧了价格博弈[10]

市场成交与“天量天价”现象分析 - 2026年1月12日，A股市场单日总成交额突破3.6万亿元，刷新了2024年10月8日的历史纪录，再创成交新高[1][4][18][21] - 报告核心围绕如何前瞻性识别潜在市场调整信号，着重探讨技术分析中的“天量天价”现象，旨在为左侧布局提供参考[1][4][18][21] - “天量天价”通常指一段时期内明确且难以超越的巨量成交，可能对应价格的重要顶部拐点，其逻辑在于后续量能若无法持续放大可能出现“量价背离”，对多头走势构成压力[1][5][18][22] - 但回顾A股历史，并非所有重要价格拐点都伴随“天量”，即天量与天价不一定同步出现[1][5][18][22] 当前市场状况评估 - 当前市场成交额持续放大并创出历史极值，表明场内资金活跃度已被充分调动[1][5][19][22] - 然而，场外资金是否实质性进场、本轮行情的支撑逻辑与基本面是否匹配，以及市场情绪是否趋于过热，仍需进一步跟踪与确认[1][5][19][22] - 报告未着重讨论同样创历史新高的融资余额指标，主要原因是当前市场对该指标是否已达到阶段性极限缺乏类似2024年10月8日那样的共识，若缺乏合理的极限值作为参照，“天量”的讨论便失去锚点[2][5][19][22] 趋势分析与市场展望 - 从趋势跟踪角度看，顺势而为是市场尤其是技术派普遍认同的逻辑，根据监控的趋势指标，当前市场走势整体仍有利于多头[2][6][20][23] - 但趋势发展往往并非一蹴而就，在快速上涨后，市场通常需要经历震荡巩固、犹豫徘徊而后再度向上的过程[2][6][20][23] - 综合“天量天价”的逻辑与多次提及的历史类比走势，当前市场可能即将进入震荡整固阶段，然而从趋势节奏来看，后续市场仍有望再次尝试挑战前期高点[2][6][20][23] 研究背景与观点延续 - 自2025年11月底以来，该系列周报观点持续明确偏多，从2025年11月30日的《震荡偏积极-定量视角下的收官之战》开始，随后的系列报告均反复提示本轮行情具备挑战前高的潜力[4][21] - 上期研报《波浪和周期分析视角下的16连阳》进一步探讨了行情走势节奏与短期目标，目前相关观点与逻辑正逐步得到市场印证[4][21]

量化模型与构建方式 1. **模型名称**：趋势跟踪模型[2][10] **模型构建思路**：基于技术分析中“顺势而为”的普遍逻辑，通过监控市场趋势指标来判断市场整体走势对多头的有利程度[10] **模型具体构建过程**：报告未详细描述该趋势跟踪模型的具体构建过程、参数或公式，仅提及将其作为市场判断的参考依据之一[10] 2. **模型名称**：周期分析模型[11] **模型构建思路**：未明确阐述 **模型具体构建过程**：报告未详细描述该周期分析模型的具体构建过程、参数或公式，仅以“上证综指-周期分析”图表形式展示分析结果[11] 3. **模型名称**：波浪理论分析模型[12] **模型构建思路**：未明确阐述 **模型具体构建过程**：报告未详细描述该波浪理论分析模型的具体构建过程、参数或公式，仅以“上证综指-波浪理论分析”图表形式展示分析结果[12] 4. **模型名称**：历史类比走势模型[3][10] **模型构建思路**：通过将当前市场走势与历史相似阶段进行对比，来推测未来可能的走势路径[10] **模型具体构建过程**：报告未详细描述该历史类比模型的具体构建过程、匹配规则或相似度度量方法，仅以“上证综指-类比走势分析”图表形式展示类比结果[3][10] 量化因子与构建方式 1. **因子名称**：“天量”成交额因子[1][8][9] **因子构建思路**：识别市场在一段时期内出现的明确且难以超越的巨量成交，作为潜在顶部拐点的预警信号[1][9] **因子具体构建过程**：报告未给出该因子的量化定义和具体计算步骤。通常，“天量”可能通过比较当前成交额与过去特定窗口期（如N日、N月）的历史分位数（如95%分位或最大值）来判断[1][8][9] **因子评价**：该信号并非绝对可靠，历史上并非所有重要价格拐点都伴随“天量”，即天量与天价不一定同步出现[9] 2. **因子名称**：量价背离因子[1][9] **因子构建思路**：观察价格持续上涨过程中，成交量能否同步放大或至少维持，若价格创新高而成交量未能跟上，则形成“量价背离”，可能对多头走势构成压力[1][9] **因子具体构建过程**：报告未给出该因子的具体量化构建方法。通常，量价背离可以通过比较价格序列与成交量序列的趋势、动量或创新高情况来识别[1][9] 3. **因子名称**：融资余额因子[2][9] **因子构建思路**：监控市场融资余额的绝对水平及其变化，作为衡量场内杠杆资金情绪和潜在极限的指标[2][9] **因子具体构建过程**：报告未给出该因子的具体量化构建方法。本期报告未着重讨论该因子，主要原因是当前市场对其是否达到阶段性极限缺乏共识，难以确定合理的极限值作为“天量”的参照锚点[2][9] 模型的回测效果 （报告中未提供任何量化模型的回测效果指标数据，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 （报告中未提供任何量化因子的回测效果指标数据，如IC值、IR、多空收益、分组收益等）

2025年深圳香蜜湖金融年会核心观点 - 本届年会主题为“识变局，开新局——促进粤港澳大湾区科技-产业-金融良性循环” [1][5] - 全国政协委员、工业和信息化部原副部长王江平发表主题演讲，核心观点是2026年工业经济的关键在于扭转“量价背离”的格局 [1][3][5][7] 当前工业经济现状与问题 - 中国工业经济正处于一轮典型的“量价背离”周期，其特点是工业增加值（量）保持增长，但工业生产者出厂价格指数（PPI，价）持续处于低位 [3][7] - 这一背离周期自2022年10月开始，已持续38个月，尽管近期（10月、11月）环比略有缓解，但仍处于深度调整期 [3][7] - 数据显示，有26个行业的价格出现明显降幅 [3][7] - 长期的量价分化会损伤企业盈利和再投资能力，阻碍工业经济可持续、高质量地走科技创新道路 [3][7] 2026年工业经济核心任务 - 2026年工业经济的核心任务与观察重点，在于能否有效扭转或至少显著缩小“量价背离”的格局 [3][7] 系统性政策建议 - **优化供给**：坚决化解过剩产能，通过环保、能耗、技术标准淘汰落后产能，特别强调要“遏制地方政府的投资冲动”，同时推动行业兼并重组以提升产业集中度 [3][7] - **扩大需求**：在激活内需潜力的同时，积极拓展外需，推动出口产品从劳动密集型向技术密集型升级 [3][7] - **稳定预期**：重点在于稳定民营资本的预期和信心，落实“两个毫不动摇”，政策需从“大水漫灌”向精准“滴灌”转变 [3][7] - **应对风险**：强化产业链安全，开展有组织的出海以防止“出口内卷”，并对大宗商品价格波动做好对冲预案 [4][8]

市场整体表现 - 上证指数围绕4000点反复争夺但未能有效突破，市场呈缩量震荡格局[1] - 两市成交额未能突破2.5万亿元大关，该数字被视为市场继续上行的关键指标[1] - 市场陷入典型“真空期”，三季报披露结束而年报数据尚需等待，政策层面处于青黄不接状态[3] - 大盘周线见顶概率较大，中长短三条均线冲出通道，超买钝化情况严重，三大指数均出现明显顶背离形态[3] 资金面分析 - 上周A股主力资金净流出高达2369亿元，增量资金未至而存量资金持续撤离[3] - 北向资金近期呈现小幅净流出态势，外资在高位减持态度谨慎[3] - 两融余额稳定在2.49万亿元高位，占A股流通市值比例升至2.55%[10] - 社保基金与公募基金在456只个股上“同框”持仓，合计持仓市值超千亿元[8] - 公募基金采用“哑铃型配置”，一边拥抱低估值价值股，一边布局高成长赛道[8] 板块与行业动态 - 板块轮动加快，上周领涨方向为发电、化工和部分区域股，前周领涨的医药和AI应用则出现调整[5] - 科技板块出现明显分化，AI板块估值高企问题突出，部分概念股估值已严重脱离基本面[6] - 电子行业配置比例超过25%，双创板块超过40%，成长风格超过60%，均为2010年以来最高水平[10] - 政策和产业趋势向上且估值性价比较高的板块包括电新（风电、储能、固态电池）、机械设备（机器人）、有色金属等[13] 政策与环境因素 - 央行、证监会等部门集中释放政策礼包，证监会合格境外投资者制度优化方案已落地[8] - 央行近期开展7000亿元的买断式逆回购操作，期限91天，旨在保持银行体系流动性充裕[8] - 国务院关税委员会宣布自11月10日起停止对原产于美国的部分进口商品加征关税，高端轴承、精密刀具等关键部件成本预计下降15%至20%[10] - 美联储10月降息25个基点开启宽松周期，但12月降息预期降温可能引发全球市场波动[10] 市场结构与估值 - A股总市值从十年前的52万亿元增至107万亿元，硬科技企业已取代传统行业巨头跻身市值前列[10] - 当前A股估值水平较2015年同期显著更低，市场结构更健康[10] - 三季度上市公司营业总收入和归母净利润同比增长率分别达到58.27%和53.58%[3] 未来催化剂与展望 - 沪指预计在3980-4030点之间波动，量能放大是突破关键[13] - 11月10日将举行2025中国机器人产业发展大会，随后有电池新能源产业国际高峰论坛、6G发展大会、全球半导体市场峰会等重要事件[13] - 10月份国民经济运行数据将于11月14日发布，包括工业生产、固定资产投资、社会消费品零售总额等指标[13]

核心观点 - A股市场出现指数上涨但成交量萎缩的异常现象 两市成交额缩量1404亿元至8411亿元 超4200只个股上涨但量能仅为峰值期的1/3 需警惕主力资金借假突破诱多的风险[1] 量价表现 - 指数上涨但成交量萎缩至8000亿区间 接近短期流动性下沿 真突破需满足放量3倍以上且持续的条件 当前量能不足[3] - 2025年2月寒武纪突破年线时成交量激增320% MACD同步金叉 1个月内股价翻倍[3] - 2024年12月紫光古汉突破年线后仅维持3天便放量下跌 突破时换手率超30%却无价格支撑 实为对倒出货[4] 资金流向 - 主力资金净流入仅427亿元 较前期动辄千亿规模大幅缩水 流入方向高度集中[5] - 新能源赛道虹吸效应明显 固态电池和光伏设备板块涨幅超6% 但资金仅集中在天际股份、先导智能等少数龙头股 中小题材股跟涨乏力[5] - 银行保险等权重板块逆势下跌 但金融股盘中异动拉升指数 形成护指数跌个股的虚假繁荣 类似2025年1月宁德时代缩量洗盘前征兆[5] 技术指标 - 创业板指大涨但MACD红柱缩短 RSI超买后掉头向下 与2025年9月5日缩量反包行情一致[6] - 上证指数停滞在5日和10日均线下方 20日均线成多空分水岭[7] - 突破前筹码分布杂乱 部分热门股换手率超30%却价格滞涨 暗示主力对倒出货[7] 历史参照 - 2025年3月29日类似缩量普涨行情 成交缩量2600亿后市场短暂反弹未能持续[1] - 2025年8月20日沪指缩量26%后假突破3700点 随后二次探底 当前若无法站稳3825点平台可能重演该剧本[8] 操作策略 - 采用3天确认法则 突破后观察3天是否站稳关键位如3800点 期间仓位控制在30%以内[8] - 实施去弱留强策略 优先保留AI算力和固态电池等行业龙头 清仓无业绩支撑的跟风股[8] - 严格执行止损纪律 若持仓股跌破20日均线或单日跌幅超8%立即砍仓[9]

动量指标体系核心观点 - 动量指标分为中周期和短周期两类 中周期指标重点解决波段拐点判断问题 短周期指标解决强势股筛选问题 [1] - 动量分析需结合价格和成交量两种因子 量价匹配关系对动量评估至关重要 [2] - VAD和OVS指标构成动量体系核心 分别服务于中周期和短周期动量分析 配合RSR和RSLine指标使用 [2] 中周期动量指标特性 - BIAS指标被特别偏爱 因其顶底背离特性有助于判断波段转折 [1] - VAD指标作为标配中期动量指标 由威廉姆斯成交量累积派发线改进而来 能同时体现价格动量背离和量价背离 [1] - VAD指标计算公式：HI赋值最高价和1日前收盘价的较大值 LW赋值最低价和1日前收盘价的较小值 BSR计算为(收盘价-1日前收盘价)/(HI-LW) 最终AD输出为BSR*成交额的N日累和/10000000 [5][6] - 参数设置：N值缺省为21.00 最小1.00 最大500.00 [6] 短周期动量指标特性 - 单纯涨幅排名存在不足 需考虑量价结合和资金介入规模 [2] - OVS指标作为标配短期动量指标 基本定义为涨幅*成交金额 必要时乘以价格多空效率比 [2] - OVS指标原型出自埃尔德强力指标 将量柱定义V改为成交金额AMO 以准确反映交易过程中的金额效应 [2] - OVS指标包含三个计算部分：PV2计算BSR*ZF*AMO/MA(AMO,N1)的N1日累和*100 PV3计算ZF*AMO/MA(YAMO,N2)的N2日累和*100 OV3计算ZF*AMO的N2日累和/10000000 [2] 指标应用体系 - 长中短周期指标需相互配合 灵活运用于发现强势板块和个股 [2] - 动量指标体系可为评估买卖点提供重要参考依据 [2] - 具体使用技巧需参考体系内其他文章内容 [2]

模型核心观点 - 报告基于27个技术指标构建多信号策略，通过量价数据调整仓位以获取超额收益，其中基于"背离"概念的指标在34个指数上平均超额年化收益率达3.75% [3][8] - 多信号策略中，5信号策略在中证1000指数上表现最佳，年化收益率2.54%，超额年化收益率11.27% [3] - 滚动合成策略分为稳健型（后置买卖）和追涨型（前置买卖）：稳健策略调仓频率T+10时平均超额年化收益率3.99%，追涨策略7月在沪深300和中证1000分别取得-0.32%和0.00%超额收益 [3][9][12] 宽基指数最新信号 - **沪深300**：16个看多信号，8个减仓信号，最优单指标维持仓位，滚动策略均维持持仓 [2][16] - **中证500**：15个看多信号，8个减仓信号，最优单指标看多，滚动策略均维持持仓 [2][16] - **中证1000**：15个看多信号，8个减仓信号，最优单指标看多，但滚动追涨与稳健策略均发出减仓信号 [2][16] 行业信号统计 - **看多信号集中行业**：电子、医药生物、国防军工、通信、煤炭均出现18个看多指标，公用事业仅5个看多信号 [19] - **减仓信号突出行业**：公用事业19个减仓指标，银行17个，环保16个，家用电器14个 [19] 策略持仓分布 - **非滚动策略**：中证500/1000全仓持有（100%），沪深300持仓80.14%，家用电器持仓60.45%，食品饮料持仓12.66% [20][21] - **滚动策略**：中证1000追涨策略全仓持有但信号为减仓（-2），煤炭追涨策略100%持仓且信号为看多（2），医药生物追涨策略全仓看多（1） [22][23] 超额收益表现 - **7月行业表现**：银行滚动稳健策略超额收益2.19%，建筑材料非滚动7信号策略亏损11.84%，电子滚动追涨策略超额收益归零 [12][10][11] - **宽基指数对比**：滚动追涨策略在中证1000超额收益（0.00%）显著优于稳健策略（-4.55%），沪深300滚动追涨策略（-0.32%）跑赢稳健策略（-3.43%） [12]

高频数据与主力资金行为研究 - 高频数据颗粒度不断深入，从日度行情数据发展到逐笔成交数据，帮助捕捉更多量与价细节[2][3] - 逐笔成交数据记录了每笔成交的数量、价格、时间及买卖方订单信息，是行情数据源头[5] - 根据订单大小、成交时长、主动买卖方向等特征可将成交记录划分为不同类型，构建成交量占比因子[11][13] 标准化笔均成交金额因子(SATD) - 采用笔均成交金额(ATD)指标刻画主力资金行为，将特殊时刻笔均成交金额除以全天笔均成交金额构建SATD因子[17][18] - 不同时刻订单信息含量不同，日内跌幅较大、股价较低、成交量较高、量价背离等特殊时刻更具信息含量[1][16] - SATD因子构建步骤：划分分钟时刻类型→计算类型区间笔均成交金额→除以全天笔均成交金额[19][20][21] 基于股价涨跌的SATD因子 - 下跌时刻SATD因子RankIC均值6.84%，年化RankICIR 3.23，月胜率83.93%，多头月均超额0.78%[38] - 跌幅越大因子表现越好，跌幅最大10%时刻SATD因子RankIC均值7.31%，年化RankICIR 4.04[55] - 引入逐笔数据后，跌幅最大时刻主卖SATD因子RankIC均值8.96%，年化RankICIR 4.24，月胜率86%[63] 基于股价高低的SATD因子 - 股价最低10%时刻SATD因子RankIC均值7.21%，年化RankICIR 4.52，月胜率91.96%[82] - 引入逐笔数据后，股价最低时刻主卖SATD因子RankIC均值8.30%，年化RankICIR 4.41，月胜率89.29%[91] - 股价最低时刻因子在年化RankICIR及月胜率等维度表现优于其他因子[89] 基于成交热度的SATD因子 - 成交量最高10%时刻SATD因子RankIC均值9.70%，年化RankICIR 3.67，月胜率83.04%[102] - 引入逐笔数据后，成交量最高时刻主卖SATD因子RankIC均值10.69%，年化RankICIR 3.86，月胜率85.71%[109] - 成交量最高时刻因子RankIC均值明显高于其他因子[106] 主力复合因子表现 - 将跌幅最大、股价最低、成交量最高时刻主卖SATD因子等权合成，构建主力复合因子[148] - 月频调仓下主力复合因子RankIC均值10.33%，年化RankICIR 4.32，月胜率90.18%[149] - 周频调仓下主力复合因子周度RankIC均值7.02%，年化RankICIR 6.46，周胜率81.51%[163] - 主力复合因子在不同宽基及风格股票池中均展现出较强选股效果[160][161]

量化模型与因子总结 量化因子与构建方式 1. 标准化笔均成交金额因子(SATD) **构建思路**：通过特殊时刻笔均成交金额与全天笔均成交金额的比值来刻画主力资金行为[1] **具体构建过程**： 1. 计算特殊时刻笔均成交金额： $$A T D_{P}={\frac{\sum_{t\in P}A m t_{t}}{\sum_{t\in P}D e a l N u m_{t}}}$$ 其中P为特殊时刻集合，Amtt为t时刻成交额，DealNumt为t时刻成交笔数 2. 计算全天笔均成交金额： $$A T D_{T}={\frac{\sum_{t\in T}A m t_{t}}{\sum_{t\in T}D e a l N u m_{t}}}$$ 3. 计算标准化因子： $$S A T D_{P}={\frac{A T D_{P}}{A T D_{T}}}$$ **评价**：该因子通过去量纲化处理，使得不同股票间的因子值具有可比性[31] 2. 跌幅最大时刻主卖因子 **构建思路**：基于股价跌幅最大的时刻，结合主动卖出订单构建因子[2] **具体构建过程**： 1. 根据分钟涨跌幅排序，选取跌幅最大的10%时刻 2. 将该区间内成交记录按主动买卖方向划分 3. 计算主动卖出成交记录的笔均成交金额与全天笔均成交金额比值 **评价**：该因子对股价未来收益具有较好的预测效果[75] 3. 股价最低时刻主卖因子 **构建思路**：基于股价最低时刻的主动卖出订单构建因子[3] **具体构建过程**： 1. 根据分钟收盘价排序，选取价格最低的10%时刻 2. 将该区间内成交记录按主动买卖方向划分 3. 计算主动卖出成交记录的笔均成交金额与全天笔均成交金额比值 **评价**：该因子在年化RankICIR及月胜率等维度表现突出[97] 4. 成交量最高时刻主卖因子 **构建思路**：基于成交量最高时刻的主动卖出订单构建因子[4] **具体构建过程**： 1. 根据分钟成交量排序，选取成交量最高的10%时刻 2. 将该区间内成交记录按主动买卖方向划分 3. 计算主动卖出成交记录的笔均成交金额与全天笔均成交金额比值 **评价**：该因子RankIC均值明显高于其他因子[115] 5. 量价背离时刻主卖因子 **构建思路**：基于量价背离时刻的主动卖出订单构建因子[4] **具体构建过程**： 1. 计算每分钟内成交价格与成交量的相关系数 2. 选取相关系数最低的50%时刻作为量价背离时刻 3. 将该区间内成交记录按主动买卖方向划分 4. 计算主动卖出成交记录的笔均成交金额与全天笔均成交金额比值 **评价**：该因子对个股未来收益预测效果较好[138] 6. 主力复合因子 **构建思路**：将不同日内特殊时刻的主动买卖因子进行复合构建[4] **具体构建过程**： 1. 选取跌幅最大时刻主卖因子、股价最低时刻主卖因子、成交量最高时刻主卖因子和量价背离时刻主卖因子 2. 对各因子进行等权复合 **评价**：该因子在不同宽基及风格股票池中均展现出较强的选股效果[4] 因子回测效果 1. 标准化笔均成交金额因子(SATD) - 下跌时刻因子：RankIC均值6.84%，年化RankICIR 3.23，月胜率83.93%[46] - 上涨时刻因子：RankIC均值2.81%，年化RankICIR 1.35，月胜率63.39%[48] - 横盘时刻因子：RankIC均值-5.94%，年化RankICIR -3.45，月胜率15.18%[54] 2. 跌幅最大时刻主卖因子 - RankIC均值8.96%，年化RankICIR 4.24，月胜率86%[75] - 多头月均超额0.87%，空头月均超额-1.65%[75] - 多头年化超额11.68%，空头年化超额-19.07%[79] 3. 股价最低时刻主卖因子 - RankIC均值8.30%，年化RankICIR 4.41，月胜率89.29%[99] - 多头月均超额0.87%，空头月均超额-1.17%[99] - 多头年化超额11.68%，空头年化超额-13.78%[104] 4. 成交量最高时刻主卖因子 - RankIC均值10.69%，年化RankICIR 3.86，月胜率85.71%[118] - 多头月均超额0.73%，空头月均超额-1.97%[118] - 多头年化超额9.96%，空头年化超额-22.99%[124] 5. 量价背离时刻主卖因子 - RankIC均值9.04%，年化RankICIR 3.56，月胜率81.25%[140] - 多头月均超额0.66%，空头月均超额-1.49%[140] - 多头年化超额8.92%，空头年化超额-17.69%[142] 6. 主力复合因子 - 月频调仓：RankIC均值10.33%，年化RankICIR 4.32，月胜率90%[4] - 月频调仓：多头月均超额0.84%，空头月均超额-1.92%[4] - 周频调仓：RankIC均值7.02%，年化RankICIR 6.46，周胜率82%[4]