量化模型与构建方式 1. 模型名称：择时体系模型 - 模型构建思路：通过比较wind全A指数的长期均线（120日）和短期均线（20日）的距离来判断市场整体环境[2][9] - 模型具体构建过程：计算20日均线与120日均线的差值，公式为： $$\text{均线距离} = \frac{\text{20日均线值} - \text{120日均线值}}{\text{120日均线值}} \times 100\%$$ 当距离绝对值小于3%时，市场定义为震荡格局[2][9] 2. 模型名称：仓位管理模型 - 模型构建思路：结合wind全A指数的估值水平（PE、PB分位数）和短期趋势判断，给出仓位建议[3][10] - 模型具体构建过程： - PE分位数位于50%附近为中等水平，PB分位数位于10%附近为较低水平[3][10] - 根据估值与趋势综合判断，当前建议仓位为60%[3][10] 3. 模型名称：TWO BETA模型 - 模型构建思路：通过行业Beta分析推荐科技板块[2][8] - 模型具体构建过程：未披露具体计算过程，输出结果为推荐信创、通信/固态电池等科技子行业[2][8] 4. 模型名称：行业配置模型 - 模型构建思路：中期角度推荐困境反转型板块[2][8] - 模型具体构建过程：未披露具体因子，输出结果为推荐恒生医疗、轻工/家电等出口链行业[2][8] 模型的回测效果 1. 择时体系模型：最新均线距离为-2.80%，市场判定为震荡格局[2][9] 2. 仓位管理模型：当前建议仓位60%，基于PE分位数50%、PB分位数10%[3][10] 量化因子与构建方式 1. 因子名称：均线距离因子 - 因子构建思路：通过20日与120日均线差值捕捉市场趋势变化[2][9] - 因子具体构建过程：同择时体系模型的均线距离公式[2][9] - 因子评价：对震荡市和趋势市有区分能力[2][9] 2. 因子名称：估值分位数因子 - 因子构建思路：利用PE/PB历史分位数判断估值高低[3][10] - 因子具体构建过程： - PE分位数计算周期：2014年10月17日至2025年5月9日[12] - PB分位数计算周期：同上[16] 因子的回测效果 1. 均线距离因子：最新值为-2.80%，触发震荡市阈值（<3%）[2][9] 2. 估值分位数因子： - PE分位数50%（中等水平）[3][10] - PB分位数10%（较低水平）[3][10]

量化模型与构建方式 1. **模型名称**：均线距离择时模型 - **模型构建思路**：通过计算wind全A指数的短期均线（20日）与长期均线（120日）的距离，判断市场整体环境趋势[2][3] - **模型具体构建过程**： 1. 计算20日均线（短期）和120日均线（长期）的数值 2. 计算两线距离百分比： $$ \text{均线距离} = \frac{\text{20日均线} - \text{120日均线}}{\text{120日均线}} \times 100\% $$ 3. 根据阈值划分市场状态： - 距离≥3%为上行趋势 - -3%＜距离＜3%为震荡趋势 - 距离≤-3%为下行趋势[2][3][8] - **模型评价**：通过均线交叉关系捕捉市场趋势变化，但对突发性事件反应滞后 2. **模型名称**：TWO BETA行业配置模型 - **模型构建思路**：基于宏观经济周期与行业特性，筛选具有超额收益潜力的板块[3][8] - **模型具体构建过程**： 1. 定义经济周期指标（如利率、PMI等） 2. 计算各行业对经济周期的敏感度（Beta系数） 3. 结合行业估值与动量指标进行综合筛选[3][8][10] 3. **模型名称**：仓位管理模型 - **模型构建思路**：结合估值分位数与趋势信号动态调整仓位[3][10] - **模型具体构建过程**： 1. 计算wind全A的PE/PB历史分位数（PE 50分位、PB 20分位） 2. 叠加均线距离信号（当前-3.08%） 3. 输出仓位建议： - 估值低位+下行趋势→50%中性仓位[3][8][10] 模型的回测效果 1. 均线距离择时模型： - 当前均线距离：-3.08%[2][3] - 市场状态：下行趋势边缘[8][10] 2. TWO BETA模型： - 推荐板块：科技（信创、AI芯片）、银行[3][8] 3. 仓位管理模型： - 当前建议仓位：50%[3][10] 量化因子与构建方式 1. **因子名称**：赚钱效应因子 - **因子构建思路**：反映市场整体盈利能力的动态指标[2][3] - **因子具体构建过程**： 1. 计算近期市场累计收益率 2. 标准化处理： $$ \text{赚钱效应} = \frac{\text{指数N日收益率} - \text{均值}}{\text{标准差}} $$ 3. 当前值：-1.7%[3][8][10] 2. **因子名称**：估值分位数因子 - **因子构建思路**：衡量指数相对历史估值水平[3][11] - **因子具体构建过程**： 1. 计算wind全A的PE/PB在过去10年的分位数 2. 当前值： - PE分位数：50% - PB分位数：20%[3][11][12] 因子的回测效果 1. 赚钱效应因子： - 当前值：-1.7%[3][8] - 阈值：转正为趋势反转信号[10] 2. 估值分位数因子： - PE分位数：50%（中等水平）[3][11] - PB分位数：20%（较低水平）[11][12]