美联储利率决策影响 - 美联储维持利率不变的决定符合市场预期 但点阵图透露的信息对市场情绪造成冲击 [1] - 通胀压力是美联储暂不降息的核心考量 关税政策对物价的传导效应尚未完全显现 [2] - 市场普遍预期7月会议将维持现状 最早降息时点可能推迟至9月或10月 [2] 美元信用体系变化 - 美元结算体系被武器化导致国际资本对美元的信任度下降 美元信用出现裂痕 [3] - 港股近两个月表现强势 显示国际资本正在寻找独立于美元体系的避风港 [5] 市场行为特征分析 - 当前市场呈现"外部杠杆型行情"特征 中性消息被过度解读引发超常波动 [6] - 散户过度关注消息面利好利空 而忽略机构资金真实动向导致投资失误 [6] - 典型案例显示 股票在连续涨停后突然跌停 或连续下跌后强势反弹 反映市场操纵行为 [7] 量化分析工具价值 - 量化工具能揭示机构资金真实动向 "机构库存"数据可有效识别机构交易活跃度 [10] - 案例分析显示 涨停股缺乏机构库存支撑 而下跌股机构库存密集预示反弹 [12] - 可视化分析工具帮助投资者穿透市场表象 识别机构心理战操作手法 [14] 市场机会新视角 - 量化数据揭示在降息预期之外存在更深层的资金流动机会 [15] - 新型分析工具通过标注周期、数量、状态等维度 改变传统投资决策方式 [17]

美国5月CPI数据及市场反应 - 5月美国CPI年率2.4%，低于预期的2.5%，核心CPI同比增长2.8%，低于预期的2.9% [2] - 数据公布后市场对降息预期升温，芝加哥商品交易所（CME）显示9月降息概率飙升至70%，年内预计至少两次降息 [5] - 但6月降息概率仅2.4%，显示市场认为短期内降息可能性极低 [6] 通胀与降息逻辑 - 通胀放缓（CPI低于预期）可能预示经济降温，促使美联储考虑降息以刺激经济 [7] - 降息预期推动市场资金活跃度提升，股市可能受益 [7] 市场行为与机构策略 - 机构资金倾向于利用预期差布局，可能在降息前制造市场震荡以吸筹，待利好落地后拉高出货 [8] - 历史案例显示，机构持续活跃（通过库存数据观察）的股票后续涨幅显著（如某股票震荡后暴涨130%） [12] - 若机构库存数据短暂出现后消失，股价可能崩盘，表明机构持续参与是股价上涨的关键 [15] 数据驱动的投资策略 - 量化分析机构交易行为（如库存数据）比单纯依赖K线或消息更有效 [10][17] - 通过数据识别机构动向（如橙色柱体密集度）可提前捕捉市场机会 [12][17]

量化模型与构建方式 1. DL_EM_Dynamic 因子 - 因子名称：DL_EM_Dynamic - 构建思路：采用矩阵分解算法从基金选股网络中提取股票内在属性，结合LSTM生成的动态因子表示[19] - 具体构建过程： 1. 基于基金持仓数据构建基金-股票网络矩阵 2. 使用矩阵分解提取基金和股票的内在属性矩阵 3. 将静态属性与LSTM生成的动态因子表示拼接 4. 输入MLP网络生成最终因子预测[19] - 因子评价：能够捕捉市场动态变化，增强模型表现[19] 2. Meta_RiskControl 因子 - 因子名称：Meta_RiskControl - 构建思路：在深度学习模型中加入风格因子暴露控制，结合元增量学习框架[25] - 具体构建过程： 1. 模型输出乘以股票因子暴露作为最终输出 2. 损失函数中加入风格偏离惩罚项 3. 使用ALSTM模型作为底层模型 4. 外层采用元增量学习框架进行定期更新[25] - 因子评价：有效控制模型回撤，降低风格波动[25] 3. Meta_Master 因子 - 因子名称：Meta_Master - 构建思路：利用市场状态信息和深度风险模型改进Transformer预测模型[35] - 具体构建过程： 1. 构建120个市场状态特征 2. 使用加权MSE损失函数放大多头端误差 3. 采用在线元增量学习定期更新模型 4. 结合深度风险模型计算市场状态[35] - 因子评价：适应动态市场变化，提升模型稳健性[35] 4. 深度学习可转债因子 - 因子名称：深度学习可转债因子 - 构建思路：使用GRU网络学习可转债非线性定价逻辑[50] - 具体构建过程： 1. 引入可转债特有时序因子 2. 将截面属性因子与GRU输出拼接 3. 预测未来收益[50] - 因子评价：相比传统策略收益显著提升[50] 模型的回测效果 1. DL_EM_Dynamic 因子 - 中证1000 RankIC均值12.1%[9] - 中证1000多头组合超额收益3.5%[9] - 年化超额收益23.4%，IR 2.03[23] 2. Meta_RiskControl 因子 - 全A RankIC均值12.8%[9] - 全A多头组合超额收益2.7%[9] - 沪深300增强组合年化超额收益15.0%，IR 1.58[30] 3. Meta_Master 因子 - 周度RankIC均值14.7%[9] - 全A多头组合超额收益3.9%[9] - 中证1000增强组合年化超额收益25.2%，IR 2.33[47] 4. 深度学习可转债因子 - 偏股型RankIC 11%，平衡型9.5%，偏债型3.9%[53] - 平衡+偏债组合年化超额收益10.9%[55]

科技行业回暖信号 - 科技板块成交量跌至冰点 市场情绪触底 卖方机构普遍预期反弹在即 [1] - 美股微软3月Token量达到前两个月总和 谷歌4月Token量同比猛涨 推动微软股价创新高 [3] - 阿里云日Token量近期大幅增长 中美科技公司应用端测试和用量激增 显示行业复苏迹象 [3] 机构资金行为模式 - 机构采取"温水煮青蛙"策略 横盘阶段持续积累筹码 股价拉升后吸引散户接盘 [4] - 机构利用震荡行情制造低价恐慌 诱导散户抛售 同时低价吸纳筹码 [6][10] - 量化数据显示 橙色K线密集区代表机构活跃交易 蓝色K线出现后通常伴随股价快速上涨 [12] 量化数据分析应用 - 蓝K线转为蓝柱表明抛售资金回流抄底 橙色柱出现预示机构完成控盘 [13] - 组合数据可识别机构布局信号：蓝线-蓝柱转换配合橙色库存柱形成铁证 [15] - 当前每日机构重点持仓股票数量降至78家 需警惕错误跟风 [17] 散户行为特征 - 散户存在损失厌恶心理 下跌时恐慌抛售 上涨时追高买入 [6] - 散户易受K线形态锚定效应影响 忽视背后资金流动的真实意图 [10] - 过度自信导致散户频繁预测失误 量化工具可有效规避情绪陷阱 [15]

量化模型与构建方式 1. **模型名称**：择时雷达六面图 - **模型构建思路**：基于流动性、经济面、估值面、资金面、技术面、拥挤度六个维度选取21个指标，综合生成[-1,1]之间的择时分数，划分为"估值性价比"、"宏观基本面"、"资金&趋势"、"拥挤度&反转"四大类[1][6] - **模型具体构建过程**： 1. **流动性维度**：货币方向、货币强度、信用方向、信用强度4个指标[12][15][18][22] 2. **经济面维度**：增长方向、增长强度、通胀方向、通胀强度4个指标[23][27][28][31] 3. **估值面维度**：席勒ERP、PB、AIAE 3个指标[32][36][39] 4. **资金面维度**：两融增量、成交额趋势、中国主权CDS利差、海外风险厌恶指数4个指标[41][44][47][49] 5. **技术面维度**：价格趋势、新高新低数2个指标[51][54] 6. **拥挤度维度**：期权隐含升贴水、VIX、SKEW、可转债定价偏离度4个指标[58][60][64][66] - **模型评价**：多维动态加权框架，能捕捉市场多空信号但需定期调参[1][6] 量化因子与构建方式 1. **因子名称**：货币方向因子 - **构建思路**：判断货币政策宽松/收紧方向[12] - **具体构建**：计算央行政策利率与短端市场利率90天平均变化方向，>0为宽松（分数1），<0为收紧（分数-1）[12] 2. **因子名称**：货币强度因子 - **构建思路**：量化短端利率偏离政策利率的程度[15] - **具体构建**： $$偏离度 = \frac{DR007}{7天逆回购利率}-1$$ 平滑后zscore，<-1.5σ为宽松（分数1），>1.5σ为紧缩（分数-1）[15] 3. **因子名称**：信用方向因子 - **构建思路**：反映商业银行信贷松紧[18] - **具体构建**：中长期贷款12个月增量同比，较3个月前上升为1，反之为-1[18] 4. **因子名称**：增长方向因子 - **构建思路**：跟踪PMI趋势变化[23] - **具体构建**：中采制造业/非制造业PMI、财新PMI的12月均值同比，较3个月前上升为1，反之为-1[23] 5. **因子名称**：席勒ERP - **构建思路**：通胀调整后的股权风险溢价[32] - **具体构建**： $$席勒ERP = \frac{1}{席勒PE} - 10年期国债收益率$$ 计算3年zscore并截尾至±1[32] 6. **因子名称**：价格趋势因子 - **构建思路**：捕捉均线趋势强度[51] - **具体构建**： $$均线距离 = \frac{ma120}{ma240}-1$$ 方向分数（>0为1）+强度分数（max(20)=max(60)为1），取均值[51] 模型回测效果 1. **择时雷达六面图**： - 综合打分0.10（中性）[8] - 流动性得分-0.50（看空）[8][12][15][18][22] - 经济面得分0.25（中性偏多）[8][23][27][28][31] - 估值面得分0.31（中性偏多）[8][32][36][39] - 资金面得分0.00（中性）[8][41][44][47][49] - 技术面得分-0.50（看空）[8][51][54] - 拥挤度得分0.51（看多）[8][58][60][64][66] 因子回测效果 1. **货币方向因子**：当前分数1.00[10][12] 2. **货币强度因子**：当前分数-1.00[10][15] 3. **信用方向因子**：当前分数-1.00[10][18] 4. **增长方向因子**：当前分数-1.00[10][23] 5. **席勒ERP**：当前分数0.55[10][32] 6. **价格趋势因子**：当前分数0.00[10][51]

楼市趋势 - 新房价格尚未触底 当前二手房价格普遍比新房低25%~40% 且持续下跌 4月一线城市二手房价格环比下降0.2% 二三线城市环比均下降0.4% [1] - 调整≠崩盘 市场存在周期性修复 中国楼市2015~2017年快速上涨后透支部分增长空间 当前进入调整期 [3] 股市与楼市关联性 - 股市和楼市均具有周期性 牛市往往在市场最绝望时孕育 指数下跌时存在神秘力量托底 [4] - 机构资金介入迹象表现为股价震荡和下跌 某股票去年暴涨130% 大涨前振幅超44% [6] 机构交易行为分析 - 机构操作隐蔽 需通过量化分析还原真实动作 如建仓 出货 洗盘或拉涨 [8] - 橙色柱子密集代表机构交易活跃 蓝色带圈位置显示机构洗盘套路 连续三次借下跌洗盘为大涨蓄力 [10] 洗盘结束信号 - 蓝色K线变蓝色柱子表明空头资金回流抄底 橙色柱子密集显示机构筹码高度集中 [13] - A股机遇在市场绝望时出现 需看懂机构洗盘和蓄力动作 避免被震仓洗出局 [15]

量化模型与构建方式 1. **模型名称**：择时雷达六面图 - **模型构建思路**：基于流动性、经济面、估值面、资金面、技术面、拥挤度六个维度选取21个指标，综合生成[-1,1]区间的择时分数，划分为"估值性价比"、"宏观基本面"、"资金&趋势"、"拥挤度&反转"四大类[1][6] - **模型具体构建过程**： 1. **指标标准化**：各维度指标通过z-score或阈值法标准化至[-1,1]区间 2. **权重分配**：四大类权重均等（未明确说明具体权重） 3. **综合打分**：加权汇总生成最终择时分数，分数>0为看多，<0为看空[6][8] 量化因子与构建方式 1. **因子名称**：货币方向因子 - **构建思路**：判断货币政策宽松/收紧方向[10] - **具体构建**：计算央行货币政策工具利率与短端市场利率90天平均变化方向，>0为宽松（分数=1），<0为收紧（分数=-1）[10] 2. **因子名称**：货币强度因子 - **构建思路**：量化短端利率偏离政策利率的程度[13] - **具体构建**： $$偏离度 = \frac{DR007}{7天逆回购利率} - 1$$ 平滑后计算z-score，<-1.5σ为宽松（分数=1），>1.5σ为紧缩（分数=-1）[13] 3. **因子名称**：信用方向因子 - **构建思路**：捕捉商业银行信贷传导趋势[14] - **具体构建**：计算中长期贷款过去12个月增量同比，较3个月前上升为看多（分数=1），反之为看空（分数=-1）[14] 4. **因子名称**：信用强度因子 - **构建思路**：识别信贷数据超预期程度[18] - **具体构建**： $$信用强度因子 = \frac{新增人民币贷款 - 预期中位数}{预期标准差}$$ >1.5σ为超预期（分数=1），<-1.5σ为不及预期（分数=-1）[18] 5. **因子名称**：增长方向因子 - **构建思路**：跟踪PMI经济扩张趋势[20] - **具体构建**：计算PMI过去12个月均值同比，较3个月前上升为看多（分数=1），反之为看空（分数=-1）[20] 6. **因子名称**：通胀方向因子 - **构建思路**：判断通胀下行带来的政策宽松空间[25] - **具体构建**： $$通胀方向因子 = 0.5 \times CPI同比平滑值 + 0.5 \times PPI同比原始值$$ 较3个月前下降为看多（分数=1），上升为看空（分数=-1）[25] 7. **因子名称**：席勒ERP - **构建思路**：衡量股票相对债券的长期估值吸引力[30] - **具体构建**： $$席勒ERP = \frac{1}{6年平均通胀调整PE} - 10年期国债收益率$$ 计算3年z-score并截尾标准化至[-1,1][30][32] 8. **因子名称**：AIAE - **构建思路**：反映全市场风险偏好[36] - **具体构建**： $$AIAE = \frac{中证全指流通市值}{中证全指流通市值 + 实体总债务}$$ 取负值后计算3年z-score[36] 9. **因子名称**：期权SKEW - **构建思路**：捕捉衍生品市场极端风险预期[60] - **具体构建**：当50ETF近5日收益率<0且SKEW分位数>70%时看多（分数=1），收益率>0且分位数<30%时看空（分数=-1）[60] 模型回测效果 1. **择时雷达六面图**： - 综合打分：0.18（中性偏多）[8] - 流动性得分：-0.50（看空）[8] - 经济面得分：0.75（看多）[8] - 估值面得分：0.29（中性偏多）[8] - 技术面得分：-0.25（中性偏空）[8] - 拥挤度得分：0.51（看多）[8] 因子回测效果 1. **货币方向因子**：当前分数1.00[9] 2. **货币强度因子**：当前分数-1.00[9] 3. **信用方向因子**：当前分数-1.00[9] 4. **增长方向因子**：当前分数1.00[9] 5. **席勒ERP**：当前分数0.51[9][32] 6. **AIAE**：当前分数0.24[9] 7. **期权SKEW**：当前分数1.00[9]

量化模型与构建方式 1. **模型名称**：择时雷达六面图 - **模型构建思路**：从流动性、经济面、估值面、资金面、技术面、拥挤度六个维度选取21个指标，综合生成[-1,1]区间的择时分数，划分为"估值性价比"、"宏观基本面"、"资金&趋势"、"拥挤度&反转"四大类[1][6] - **模型具体构建过程**： 1. **流动性维度**：货币方向因子（货币政策利率变化方向）、货币强度因子（DR007偏离度）、信用方向因子（中长期贷款同比）、信用强度因子（新增贷款超预期幅度）[10][14][17][22] 2. **经济面维度**：增长方向因子（PMI同比）、增长强度因子（PMI超预期幅度）、通胀方向因子（CPI/PPI组合）、通胀强度因子（通胀数据超预期幅度）[26][28][31][32] 3. **估值面维度**：席勒ERP（6年通胀调整PE倒数减国债收益率）、PB（市净率zscore）、AIAE（权益配置比例zscore）[38][40][44] 4. **资金面维度**：内资（两融增量、成交额趋势）、外资（CDS利差、海外风险厌恶指数）[47][50][53][56] 5. **技术面维度**：价格趋势（均线距离）、新高新低数（成分股反转信号）[59][62] 6. **拥挤度维度**：衍生品（期权隐含升贴水、VIX、SKEW）、可转债定价偏离度[65][66][71][74] 量化因子与构建方式 1. **因子名称**：货币方向因子 - **构建思路**：判断货币政策宽松/收紧方向[10] - **具体构建**：计算央行货币政策工具利率与短端市场利率90天平均变化方向，>0为宽松（分数1），<0为收紧（分数-1）[10] 2. **因子名称**：货币强度因子 - **构建思路**：量化短端利率偏离政策利率的程度[14] - **具体构建**： $$偏离度 = \frac{DR007}{7天逆回购利率} - 1$$ 平滑后zscore，<-1.5σ为宽松（分数1），>1.5σ为收紧（分数-1）[14] 3. **因子名称**：信用强度因子 - **构建思路**：捕捉信用数据超预期幅度[22] - **具体构建**： $$信用强度因子 = \frac{新增人民币贷款 - 预期中位数}{预期标准差}$$ >1.5σ为超预期（分数1），<-1.5σ为不及预期（分数-1）[22] 4. **因子名称**：席勒ERP - **构建思路**：消除周期影响的股权风险溢价[38] - **具体构建**： $$席勒ERP = \frac{1}{席勒PE} - 10年期国债收益率$$ 计算3年zscore并截尾标准化至±1[38] 5. **因子名称**：价格趋势因子 - **构建思路**：捕捉中长期动量信号[59] - **具体构建**： $$均线距离 = \frac{ma120}{ma240} - 1$$ 方向分数（>0为1，反之为-1）与强度分数（20/60日极值）取均值[59] 模型回测效果 1. **择时雷达六面图**： - 综合打分0.18（中性偏多）[8] - 细分维度得分： - 流动性-0.50（看空）[8] - 经济面0.75（看多）[8] - 估值面0.28（中性偏多）[8] - 资金面0.00（中性）[8] - 技术面-0.25（中性偏空）[8] - 拥挤度0.51（看多）[8] 因子回测效果 1. **货币方向因子**：当前分数1（看多）[11] 2. **货币强度因子**：当前分数-1（看空）[14] 3. **信用方向因子**：当前分数-1（看空）[18] 4. **席勒ERP**：当前分数0.56[42] 5. **AIAE**：当前分数0.19[44] 6. **期权SKEW**：当前分数1（看多）[71] （注：因子评价部分原文未提供定性分析，故未列出）

量化模型与构建方式 1. **模型名称**：择时雷达六面图 - **模型构建思路**：从流动性、经济面、估值面、资金面、技术面、拥挤度六个维度选取21个指标，综合生成[-1,1]之间的择时分数，划分为"估值性价比"、"宏观基本面"、"资金&趋势"、"拥挤度&反转"四大类[1][6] - **模型具体构建过程**： 1. **流动性维度**：包含货币方向、货币强度、信用方向、信用强度4个子因子[10][12] 2. **经济面维度**：包含增长方向、增长强度、通胀方向、通胀强度4个子因子[21][26] 3. **估值面维度**：包含席勒ERP、PB、AIAE 3个子因子[30][34][37] 4. **资金面维度**：包含内资（两融增量、成交额趋势）、外资（CDS利差、风险厌恶指数）4个子因子[39][45][47] 5. **技术面维度**：包含价格趋势、新高新低数2个子因子[49][51] 6. **拥挤度维度**：包含期权隐含升贴水、VIX、SKEW、可转债定价偏离度4个子因子[55][56][59][61] - **模型评价**：多维指标综合反映市场状态，但需注意不同维度信号可能冲突[1][6] 量化因子与构建方式 流动性维度 1. **因子名称**：货币方向因子 - **构建思路**：通过货币政策利率与短端市场利率变化判断政策方向[12] - **具体构建**：计算央行货币政策工具利率与短端利率90天前平均变化方向，>0为宽松（分数1），<0为收紧（分数-1）[12] 2. **因子名称**：货币强度因子 - **构建思路**：基于利率走廊概念衡量短端利率偏离政策利率程度[15] - **具体构建**： $$偏离度 = \frac{DR007}{7天逆回购利率}-1$$ 平滑后zscore，<-1.5σ为宽松（1分），>1.5σ为紧缩（-1分）[15] 3. **因子名称**：信用方向因子 - **构建思路**：通过中长期贷款同比变化判断信用环境[18] - **具体构建**：计算中长期贷款过去12个月增量同比，较3个月前上升为1分，下降为-1分[18] 4. **因子名称**：信用强度因子 - **构建思路**：捕捉信贷数据超预期程度[20] - **具体构建**： $$信用强度因子 = \frac{新增人民币贷款 - 预期中位数}{预期标准差}$$ >1.5σ为1分，<-1.5σ为-1分[20] 经济面维度 5. **因子名称**：增长方向因子 - **构建思路**：基于PMI同比变化判断经济趋势[21] - **具体构建**：计算PMI过去12月均值同比，较3个月前上升为1分，下降为-1分[21] 6. **因子名称**：增长强度因子 - **构建思路**：衡量PMI超预期幅度[25] - **具体构建**： $$增长强度因子 = \frac{PMI - 预期中位数}{预期标准差}$$ >1.5σ为1分，<-1.5σ为-1分[25] 7. **因子名称**：通胀方向因子 - **构建思路**：结合CPI与PPI判断通胀趋势[26] - **具体构建**： $$通胀方向因子 = 0.5 \times CPI平滑值 + 0.5 \times PPI原始值$$ 较3个月前下降为1分，上升为-1分[26] 8. **因子名称**：通胀强度因子 - **构建思路**：捕捉通胀数据超预期程度[29] - **具体构建**：计算CPI与PPI预期差均值，<-1.5σ为1分，>1.5σ为-1分[29] 估值面维度 9. **因子名称**：席勒ERP - **构建思路**：基于周期调整盈利衡量权益性价比[30] - **具体构建**： $$席勒ERP = \frac{1}{席勒PE} - 10年期国债收益率$$ 计算3年zscore并截尾标准化至±1[30] 10. **因子名称**：PB因子 - **构建思路**：传统估值指标逆向处理[34] - **具体构建**：PB×(-1)后计算3年zscore，1.5σ截尾标准化[34] 11. **因子名称**：AIAE因子 - **构建思路**：衡量全市场风险偏好[37] - **具体构建**： $$AIAE = \frac{中证全指流通市值}{中证全指流通市值 + 实体总债务}$$ 逆向处理后计算3年zscore[37] 资金面维度 12. **因子名称**：两融增量因子 - **构建思路**：跟踪杠杆资金变化[39] - **具体构建**：融资余额-融券余额的120日均增量>240日均量为1分，反之为-1分[39] 13. **因子名称**：中国主权CDS利差因子 - **构建思路**：反映外资对中国信用风险定价[45] - **具体构建**：20日差分<0为1分（利差下降），反之为-1分[45] 技术面维度 14. **因子名称**：价格趋势因子 - **构建思路**：均线系统判断趋势强度[49] - **具体构建**： $$均线距离 = \frac{ma120}{ma240}-1$$ 方向与强度分数均值，范围±1[49] 拥挤度维度 15. **因子名称**：期权VIX因子 - **构建思路**：波动率情绪反转信号[56] - **具体构建**：50ETF近5日收益率<0且分位数>70%为1分，>0且>70%为-1分[56] 模型回测效果 1. **择时雷达六面图**： - 综合打分：0.33分（看多）[1] - 流动性得分：0.00（中性）[8] - 经济面得分：0.75（看多）[8] - 估值面得分：0.26（中性偏多）[8] - 资金面得分：0.25（中性偏多）[8] - 技术面得分：-0.25（中性偏空）[8] - 拥挤度得分：0.75（看多）[8] 因子回测效果 （注：当前报告未提供历史回测指标，仅展示最新信号状态） 1. **货币方向因子**：1分（看多）[12] 2. **货币强度因子**：-1分（看空）[16] 3. **信用方向因子**：-1分（看空）[18] 4. **增长方向因子**：1分（看多）[21] 5. **通胀强度因子**：1分（看多）[29] 6. **AIAE因子**：-0.11分（中性）[37] 7. **中国主权CDS利差因子**：1分（看多）[45] 8. **价格趋势因子**：0.5分（看多）[49] 9. **期权VIX因子**：1分（看多）[56]

量化模型与构建方式 1. **模型名称**：择时雷达六面图 - **模型构建思路**：从流动性、经济面、估值面、资金面、技术面、拥挤度六个维度选取21个指标，综合生成[-1,1]区间的择时分数，反映市场中性偏多或偏空信号[1][6] - **模型具体构建过程**： 1. **指标分类**：将指标概括为四大类——"估值性价比"（如席勒ERP、PB）、"宏观基本面"（如PMI、通胀）、"资金&趋势"（如两融增量、外资CDS利差）、"拥挤度&反转"（如期权VIX、可转债偏离度）[1][6] 2. **分数标准化**：对单指标计算zscore或分位数，截尾后标准化到±1区间，例如： - 估值类指标：$$ \text{席勒ERP分数} = \frac{\text{ERP} - \mu_{3年}}{\sigma_{3年}} $$，截尾1.5倍标准差[31][32] - 技术面指标：价格趋势分数=0.5×(方向分数+强度分数)，方向分数由均线距离(ma120/ma240-1)符号决定[53][54] 3. **综合打分**：加权汇总各维度分数，生成最终择时信号[6][8] 2. **因子名称**：货币方向因子 - **因子构建思路**：通过货币政策利率与短端市场利率的变化方向判断货币宽松/收紧[10] - **因子具体构建过程**：计算央行政策利率与短端利率（如DR007）90天平均变化方向，若>0为宽松（分数=1），<0为收紧（分数=-1）[10] 3. **因子名称**：货币强度因子 - **因子构建思路**：量化短端利率偏离政策利率的程度[13] - **因子具体构建过程**： $$ \text{偏离度} = \frac{\text{DR007}}{7\text{天逆回购利率}} - 1 $$ 平滑后计算zscore，若<-1.5σ则未来120日分数=1，>1.5σ则=-1[13][16] 4. **因子名称**：信用强度因子 - **因子构建思路**：捕捉信贷数据超预期程度[18] - **因子具体构建过程**： $$ \text{信用强度因子} = \frac{\text{新增人民币贷款} - \text{预期中位数}}{\text{预期标准差}} $$ 若>1.5σ则未来60日分数=1，<-1.5σ则=-1[18][19] 5. **因子名称**：新高新低因子 - **因子构建思路**：通过成分股价格极值捕捉反转信号[56] - **因子具体构建过程**：计算中证800成分股过去一年新高数-新低数的20日均值，若>0则分数=1，<0则=-1[56][57] 模型的回测效果 1. **择时雷达六面图模型**： - 当前综合打分：0.23（中性偏多）[6][8] - 分维度打分： - 流动性：-0.50（看空）[8][10] - 经济面：0.75（看多）[8][20] - 估值面：0.46（看多）[8][37] - 资金面：-0.75（看空）[8][48] - 技术面：0.75（看多）[8][55] - 拥挤度：0.78（看多）[8][59] 量化因子与构建方式 （部分因子已合并至模型部分，以下补充其他关键因子） 6. **因子名称**：期权隐含升贴水因子 - **因子构建思路**：通过期权定价反推市场情绪[59] - **因子具体构建过程**：若50ETF近5日收益率<0且分位数<30%，则未来20日分数=1；若收益率>0且分位数>70%，则=-1[59][63] 7. **因子名称**：可转债定价偏离度因子 - **因子构建思路**：衡量可转债估值泡沫[66] - **因子具体构建过程**： $$ \text{偏离度} = \frac{\text{转债价格}}{\text{模型定价}} - 1 $$ 计算过去3年zscore并取负值，分数范围±1[66][67] 因子的回测效果 1. **货币方向因子**：当前分数=-1[10][12] 2. **货币强度因子**：当前分数=-1[13][16] 3. **信用强度因子**：当前分数=1[18][19] 4. **新高新低因子**：当前分数=1[56][58] 5. **期权VIX因子**：当前分数=1[60][62] 6. **可转债偏离度因子**：当前分数=0.12[66][67]