量化模型与构建方式 1. 模型名称：量能择时模型[23] * 模型构建思路：通过分析主要宽基指数的量能指标，判断市场短期走势，给出看多或看空的择时信号[23]。 * 模型具体构建过程：报告未详细说明该模型的具体构建过程和计算公式，仅展示了其对各宽基指数的择时观点输出[23]。 2. 模型名称：沪深300上涨家数占比择时模型[25][27] * 模型构建思路：通过计算沪深300指数成分股中近期上涨股票的家数占比，并对其进行平滑处理，利用快慢线的交叉来捕捉市场情绪变化，从而进行择时判断[25][27]。 * 模型具体构建过程： 1. 计算基础指标：沪深300指数N日上涨家数占比 = 沪深300指数成分股过去N日收益大于0的个股数占比[23]。其中N=230[25]。 2. 对基础指标进行平滑：分别计算该指标在窗口期N1和N2的移动平均值，作为慢线和快线，其中N1>N2[27]。报告中参数为N1=50，N2=35[25]。 3. 生成信号：当快线大于慢线时，看多沪深300指数；当快线小于慢线时，对市场持中性或谨慎态度[27]。 3. 模型名称：均线情绪指标择时模型[31][34] * 模型构建思路：基于沪深300指数收盘价与一组均线（八均线体系）的位置关系，构建情绪指标，通过判断价格位于多数均线之上或之下来进行择时[31][34]。 * 模型具体构建过程： 1. 计算八均线数值：计算沪深300指数收盘价的8条均线，参数分别为8, 13, 21, 34, 55, 89, 144, 233[31]。 2. 计算当日指标值：统计当日沪深300指数收盘价大于这8条均线数值的数量[34]。 3. 生成信号：当收盘价大于均线数值的数量超过5条（即超过半数）时，看多沪深300指数[34]。 4. 因子名称：横截面波动率[35] * 因子构建思路：计算指数成分股收益率在截面上的离散程度，用于衡量市场分化程度和选股Alpha机会的强弱[35]。 * 因子具体构建过程：报告未给出具体的计算公式，但明确指出该因子用于观察沪深300、中证500、中证1000等指数成分股的短期Alpha环境[35]。通常，横截面波动率上升意味着个股表现分化加大，选股获取Alpha的机会增加[35]。 5. 因子名称：时间序列波动率[36] * 因子构建思路：计算指数成分股收益率在时间序列上的波动程度，用于衡量市场整体波动水平和Alpha环境[36]。 * 因子具体构建过程：报告未给出具体的计算公式，但将其作为市场赚钱效应的观察指标之一，用于评估沪深300、中证500、中证1000等指数的Alpha环境[36]。通常，时间序列波动率上升可能意味着市场波动加大，交易机会增多[36]。 6. 因子名称：抱团基金分离度[80] * 因子构建思路：通过计算抱团基金组合截面收益率的标准差，来度量基金抱团行为的集中或瓦解程度[80]。 * 因子具体构建过程： 1. 构造抱团基金组合（具体构造方法未详述）[80]。 2. 计算该组合内各基金在截面上的收益率标准差，即为分离度指标[80]。 3. 分离度指标值小，说明抱团基金表现趋同，抱团程度高；分离度指标值大，说明抱团行为正在瓦解[80]。 模型的回测效果 （注：本报告为市场跟踪周报，主要展示模型的最新信号和部分历史净值曲线，未提供统一的量化回测指标数值。因此，本部分根据报告内容描述模型表现。） 1. 沪深300上涨家数占比择时模型：报告指出，该模型可以较快捕捉上涨机会，但会在市场过热阶段提前止盈而错失后续上涨收益，且对下跌市场的判断存在缺陷，难以有效规避下跌风险[24]。历史净值曲线显示其策略净值走势[28]。 2. 均线情绪指标择时模型：报告展示了该策略的历史净值曲线，显示其相对于沪深300指数的表现[32]。 因子的回测效果 （注：本报告未提供因子IC、IR等传统测试结果，主要展示了因子的近期统计值和历史序列。） 1. 横截面波动率因子： * 最近一周取值：沪深300为下降，中证500、中证1000为上升[35]。 * 近一季度平均值：沪深300为2.03%，中证500为2.32%，中证1000为2.44%[36]。 * 近一季度平均值历史分位（近半年）：沪深300为67.49%，中证500为59.52%，中证1000为64.94%[36]。 2. 时间序列波动率因子： * 最近一周取值：沪深300、中证500、中证1000均环比上升[36]。 * 近一季度平均值：沪深300为0.66%，中证500为0.52%，中证1000为0.28%[39]。 * 近一季度平均值历史分位（近半年）：沪深300为57.76%，中证500为63.49%，中证1000为63.75%[39]。 3. 抱团基金分离度因子：截至2025年12月19日，该因子值环比前一周小幅上行[80]。报告展示了其历史序列与抱团基金超额最大回撤的对比图[82]。