根据提供的研报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. 模型名称：四轮驱动模型 - 模型构建思路：通过多维度信号捕捉行业交易机会，结合技术面与基本面分析[17] - 模型具体构建过程： 1. 信号触发：基于行业指数的技术形态（如均线多头排列、放量突破、底背离等）生成交易信号[17] 2. 信号分类：分为“交易机会”和“出场信号”，例如： - 银行板块的C浪下跌后底背离企稳信号[17] - 创新药板块的均线回踩重启信号[17] 3. ETF映射：将信号对应到具体行业ETF（如512800.SH对应银行ETF）[17] - 模型评价：综合性强，但依赖技术形态的主观判断 2. 模型名称：风险溢价模型 - 模型构建思路：通过股债收益差（股息率减国债收益率）判断市场风险偏好[8][11] - 模型具体构建过程： 1. 计算股债收益差： $\text{股债收益差} = \text{股息率} - \text{10年期国债收益率}$ 2. 布林带分析：采用3年滚动窗口计算中轨及上下轨，当前值突破中轨时预警[8] - 模型评价：历史规律有效，但需结合其他指标验证 3. 模型名称：波浪理论周期模型 - 模型构建思路：识别三浪上涨结构以判断趋势持续性[8][10] - 模型具体构建过程： 1. 划分波浪：将4月以来的上涨划分为两浪，观察第三浪是否启动[8] 2. 结合成交量验证浪型有效性[10] --- 量化因子与构建方式 1. 因子名称：行业拥挤度因子 - 因子构建思路：通过成交金额占比衡量板块过热风险[8][15] - 因子具体构建过程： 1. 计算行业成交额占全市场比例： $\text{拥挤度} = \frac{\text{行业成交额}}{\text{全市场成交额}}$ 2. 设定阈值：科技/成长板块占比超过历史80%分位数时预警[8] - 因子评价：对短期回调敏感，但需结合趋势强度 2. 因子名称：底背离因子 - 因子构建思路：捕捉价格新低但技术指标（如MACD）未新低的反转信号[17] - 因子具体构建过程： 1. 价格序列与指标序列的背离检测 2. 应用于银行板块的C浪调整分析[17] --- 模型的回测效果 1. 四轮驱动模型： - 胜率：68%（近1年信号）[17] - 平均持仓周期：15个交易日[17] 2. 风险溢价模型： - 布林带中轨突破后的3个月胜率：72%[8] 3. 波浪理论周期模型： - 第三浪识别准确率：65%（历史10年数据）[10] 因子的回测效果 1. 行业拥挤度因子： - 阈值触发后的20日回调概率：58%[8][15] 2. 底背离因子： - 银行板块底背离后的10日超额收益：3.2%[17] 注：所有测试结果基于2025年8月16日前数据[8][10][11][15][17]