量化模型与构建方式 1.扩散指数模型 - 模型名称：扩散指数模型[3][13][15][34][35] - 模型构建思路：通过监测微盘股成分股未来价格涨跌的扩散情况，判断市场情绪和变盘临界点[34] - 模型具体构建过程： 横轴代表未来N天后股价相对现在的涨跌幅度，从1.1（涨10%）到0.9（跌10%）[34] 纵轴代表回顾过去窗口期的长度T天或未来N天（N=20-T）[34] 计算每个（涨跌幅，时间窗口）组合下的扩散指数值，例如横轴0.95和纵轴15天值为0.33，表示5天后如果所有成分股跌5%，扩散指数值为0.33[34] 通过观察扩散指数值的分布和变化趋势进行市场判断[34][35] 2.首次阈值法（左侧交易） - 模型名称：首次阈值法[3][13][15][39] - 模型构建思路：作为扩散指数模型的左侧交易方法，在特定阈值触发时给出交易信号[3][39] - 模型具体构建过程： 当扩散指数值达到预设阈值（如0.9850）时触发信号[39] 于2025年5月8日收盘收0.9850触发空仓信号[3][39] 3.延迟阈值法（右侧交易） - 模型名称：延迟阈值法[3][13][15][41][43] - 模型构建思路：作为扩散指数模型的右侧交易方法，在确认趋势后给出交易信号[3][43] - 模型具体构建过程： 当扩散指数值达到确认阈值（如0.8975）时触发信号[43] 于2025年5月15日收盘收0.8975给予空仓信号[3][43] 4.双均线法（自适应交易） - 模型名称：双均线法[3][13][15][44] - 模型构建思路：作为扩散指数模型的自适应交易方法，通过均线交叉判断交易时机[3][44] - 模型具体构建过程： 使用两条移动平均线进行趋势判断[44] 当短期均线下穿长期均线时触发空仓信号[44] 于2025年8月4日收盘再次翻空[3][44] 模型的回测效果 1. 首次阈值法，2025年5月8日触发空仓信号[3][39] 2. 延迟阈值法，2025年5月15日触发空仓信号[3][43] 3. 双均线法，2025年8月4日触发空仓信号[3][44] 量化因子与构建方式 1.过去一年波动率因子 - 因子名称：过去一年波动率因子[3][14][29] - 因子构建思路：衡量股票过去一年的价格波动情况[3][14] - 因子具体构建过程： 计算股票过去一年收益率的标准差[3][14] 本周rankIC值为0.135，历史平均值为-0.032[3][14][29] 2.残差波动率因子 - 因子名称：残差波动率因子[3][14][29] - 因子构建思路：衡量股票剔除市场风险后的特异性波动[3][14] - 因子具体构建过程： 通过回归模型剔除市场收益后计算残差波动率[3][14] 本周rankIC值为0.057，历史平均值为-0.039[3][14][29] 3.成长因子 - 因子名称：成长因子[3][14][29] - 因子构建思路：衡量公司的成长性[3][14] - 因子具体构建过程： 通常使用营收增长率、利润增长率等指标[3][14] 本周rankIC值为0.053，历史平均值为-0.004[3][14][29] 4.杠杆因子 - 因子名称：杠杆因子[3][14][29] - 因子构建思路：衡量公司的财务杠杆水平[3][14] - 因子具体构建过程： 使用资产负债率、权益乘数等指标[3][14] 本周rankIC值为0.042，历史平均值为-0.006[3][14][29] 5.非流动性因子 - 因子名称：非流动性因子[3][14][29] - 因子构建思路：衡量股票的交易流动性程度[3][14] - 因子具体构建过程： 使用Amihud非流动性指标或其他流动性度量[3][14] 本周rankIC值为0.041，历史平均值为0.04[3][14][29] 6.过去10天收益率因子 - 因子名称：过去10天收益率因子[3][14][29] - 因子构建思路：衡量股票短期价格动量[3][14] - 因子具体构建过程： 计算股票过去10天的累计收益率[3][14] 本周rankIC值为-0.131，历史平均值为-0.061[3][14][29] 7.非线性市值因子 - 因子名称：非线性市值因子[3][14][29] - 因子构建思路：捕捉市值与收益率的非线性关系[3][14] - 因子具体构建过程： 通过对数市值或其他非线性变换构建[3][14] 本周rankIC值为-0.13，历史平均值为-0.033[3][14][29] 8.对数市值因子 - 因子名称：对数市值因子[3][14][29] - 因子构建思路：衡量公司规模效应[3][14] - 因子具体构建过程： 取公司总市值的自然对数[3][14] 本周rankIC值为-0.13，历史平均值为-0.033[3][14][29] 9.10天总市值换手率因子 - 因子名称：10天总市值换手率因子[3][14][29] - 因子构建思路：衡量股票的换手活跃度[3][14] - 因子具体构建过程： 计算过去10天总成交金额除以总市值的平均值[3][14] 本周rankIC值为-0.13，历史平均值为-0.06[3][14][29] 10.pe_ttm倒数因子 - 因子名称：pe_ttm倒数因子[3][14][29] - 因子构建思路：衡量股票的估值水平（盈利率）[3][14] - 因子具体构建过程： 取市盈率TTM的倒数（E/P）[3][14] 本周rankIC值为-0.129，历史平均值为0.017[3][14][29] 因子的回测效果 1. 过去一年波动率因子，本周rankIC值0.135，历史平均值-0.032[3][14][29] 2. 残差波动率因子，本周rankIC值0.057，历史平均值-0.039[3][14][29] 3. 成长因子，本周rankIC值0.053，历史平均值-0.004[3][14][29] 4. 杠杆因子，本周rankIC值0.042，历史平均值-0.006[3][14][29] 5. 非流动性因子，本周rankIC值0.041，历史平均值0.04[3][14][29] 6. 过去10天收益率因子，本周rankIC值-0.131，历史平均值-0.061[3][14][29] 7. 非线性市值因子，本周rankIC值-0.13，历史平均值-0.033[极3][14][29] 8. 对数市值因子，本周rankIC值-0.13，历史平均值-0.033[3][14][29] 9. 10天总市值换手率因子，本周rankIC值-极0.13，历史平均值-0.06[3][14][29] 10. pe_ttm倒数因子，本周rankIC值-0.129，历史平均值0.017[3][14][29]