量化模型与构建方式 1. 模型名称：情绪择时模型[12] * 模型构建思路：通过构建与市场涨跌停板相关的因子来刻画市场的情绪强弱，并基于此进行择时判断[12]。 * 模型具体构建过程：模型包含五个细分情绪因子，分别为净涨停占比、跌停次日收益、涨停板占比、跌停板占比、高频打板收益[14]。每个因子根据其数值或状态给出0或1的信号，最终将五个因子的信号值相加，得到总分（满分5分）作为情绪模型的得分[12][14]。 2. 模型名称：趋势模型[12] * 模型构建思路：未在报告中详细说明，但作为与情绪模型并列的择时模型，其信号用于判断市场趋势方向[12]。 * 模型具体构建过程：报告未提供具体构建过程，仅提及模型信号为负向[12]。 3. 模型名称：加权模型[12] * 模型构建思路：未在报告中详细说明，但作为与情绪模型并列的择时模型，其信号用于判断市场趋势方向[12]。 * 模型具体构建过程：报告未提供具体构建过程，仅提及模型信号为负向[12]。 4. 模型/指标名称：均线强弱指数[12] * 构建思路：通过计算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[12]。 * 具体构建过程：报告未提供具体计算公式。构建过程为：基于Wind二级行业指数，计算其均线相关指标，并综合打分。当前市场得分为170，处于2023年以来的60.6%分位点[12]。 5. 指标名称：流动性冲击指标[2] * 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过去一年平均水平的偏离程度[2]。 * 具体构建过程：报告未提供具体计算公式。指标数值代表当前市场流动性高于过去一年平均水平的倍数标准差。例如，指标值为0.41意味着流动性高于过去一年平均水平0.41倍标准差[2]。 6. 指标名称：PUT-CALL比率[2] * 构建思路：使用上证50ETF期权的成交量比率（认沽期权成交量/认购期权成交量）来反映投资者对短期走势的谨慎或乐观情绪[2]。 * 具体构建过程：$PUT-CALL比率 = \frac{认沽期权成交量}{认购期权成交量}$ 比率下降通常意味着投资者谨慎程度下降[2]。 7. 因子名称：因子拥挤度（复合指标）[15] * 因子构建思路：因子拥挤是指跟踪或投资某一因子的资金过多，导致该因子收益或收益稳定性下降的现象。拥挤度指标可作为因子失效的预警指标[15]。 * 因子具体构建过程：使用四个子指标综合度量因子拥挤程度，包括估值价差、配对相关性、长期收益反转、因子波动率[15]。报告指出详细计算方法请参考对应专题报告，未在本文中给出具体公式[15]。综合打分由这四个分项指标合成[19]。 量化模型的回测效果 1. 情绪择时模型，模型得分0分（满分5分）[12] 2. 趋势模型，信号方向为负向[12] 3. 加权模型，信号方向为负向[12] 4. 均线强弱指数，当前得分170，历史分位点（2023年以来）60.6%[12] 5. 流动性冲击指标（基于沪深300），当前数值0.41[2] 6. PUT-CALL比率（上证50ETF期权），当前数值0.83[2] 量化因子与构建方式 1. 因子名称：小市值因子拥挤度[4][19] * 因子构建思路：衡量小市值因子的拥挤程度，预警其可能失效的风险[15]。 * 因子具体构建过程：作为复合因子拥挤度的一种，其具体构建过程与前述“因子拥挤度（复合指标）”一致，由估值价差、配对相关性、市场波动、收益反转四个子指标合成[15][19]。报告未提供各子指标的具体公式。 2. 因子名称：低估值因子拥挤度[4][19] * 因子构建思路：衡量低估值因子的拥挤程度，预警其可能失效的风险[15]。 * 因子具体构建过程：构建过程同“小市值因子拥挤度”，为复合指标[15][19]。 3. 因子名称：高盈利因子拥挤度[4][19] * 因子构建思路：衡量高盈利因子的拥挤程度，预警其可能失效的风险[15]。 * 因子具体构建过程：构建过程同“小市值因子拥挤度”，为复合指标[15][19]。 4. 因子名称：高盈利增长因子拥挤度[4][19] * 因子构建思路：衡量高盈利增长（高增长）因子的拥挤程度，预警其可能失效的风险[15]。 * 因子具体构建过程：构建过程同“小市值因子拥挤度”，为复合指标[15][19]。 5. 因子名称：行业拥挤度[21] * 因子构建思路：衡量特定行业板块的拥挤程度[21]。 * 因子具体构建过程：报告指出详细计算方法请参考对应专题报告《行业轮动系列研究 15——行业板块拥挤度》，未在本文中给出具体公式[21]。 6. 因子名称：净涨停占比（情绪因子）[14] * 因子构建思路：作为情绪择时模型的细分因子之一，用于刻画市场情绪[14]。 * 因子具体构建过程：报告未提供具体计算公式，仅给出其当前信号值为0[14]。 7. 因子名称：跌停次日收益（情绪因子）[14] * 因子构建思路：作为情绪择时模型的细分因子之一，用于刻画市场情绪[14]。 * 因子具体构建过程：报告未提供具体计算公式，仅给出其当前信号值为0[14]。 8. 因子名称：涨停板占比（情绪因子）[14] * 因子构建思路：作为情绪择时模型的细分因子之一，用于刻画市场情绪[14]。 * 因子具体构建过程：报告未提供具体计算公式，仅给出其当前信号值为0[14]。 9. 因子名称：跌停板占比（情绪因子）[14] * 因子构建思路：作为情绪择时模型的细分因子之一，用于刻画市场情绪[14]。 * 因子具体构建过程：报告未提供具体计算公式，仅给出其当前信号值为0[14]。 10. 因子名称：高频打板收益（情绪因子）[14] * 因子构建思路：作为情绪择时模型的细分因子之一，用于刻画市场情绪[14]。 * 因子具体构建过程：报告未提供具体计算公式，仅给出其当前信号值为0[14]。 量化因子的回测效果 1. 小市值因子拥挤度，综合打分0.22，估值价差0.58，配对相关性-0.09，市场波动-0.18，收益反转0.56[19] 2. 低估值因子拥挤度，综合打分-0.51，估值价差-0.72，配对相关性0.04，市场波动-0.23，收益反转-1.12[19] 3. 高盈利因子拥挤度，综合打分0.05，估值价差-0.69，配对相关性-0.08，市场波动-0.31，收益反转1.27[19] 4. 高盈利增长因子拥挤度，综合打分0.22，估值价差0.66，配对相关性-0.46，市场波动0.37，收益反转0.29[19] 5. 净涨停占比（情绪因子），当前信号0[14] 6. 跌停次日收益（情绪因子），当前信号0[14] 7. 涨停板占比（情绪因子），当前信号0[14] 8. 跌停板占比（情绪因子），当前信号0[14] 9. 高频打板收益（情绪因子），当前信号0[14]