市场表现与仓位配置 - 沪深300指数周涨幅1.38% 上证综指周涨幅1.52% 中证500指数周涨幅3.38% [3] - 主板和中小市值板块均建议低仓位配置 风格判断转为均衡 [2][5] - 游资活跃带动板块指数接近8月末前高位置 [3] 基本面分析 - 中国经济出现暂时性滞胀小周期 进出口数据显著走弱 CPI和PPI物价数据回升 [3] - 美国财政赤字持续扩张 借债续命模式面临考验 中东地缘政治事件显示美国全球控制力下滑 [3] - 金融数据实质转弱 预计年内同比增速趋缓 [3] 资金面与技术面 - 机构资金出现坚决减仓态度 游资进行向上突破努力 内部分歧加深 [4] - 技术面信号强度削弱 不再强烈看多 [4] - 市场主导方从基本面转为资金面 再转为游资主导 最后游资内部也出现分化 [5] 行业与操作建议 - 短期动量模型建议关注通信行业 [5] - 建议逢高降仓应对波幅扩大 近半年首次出现卖出信号 [5] - 游资跟随外盘AI热点发力拉升指数 [4]

以下是华创证券金工周报（20250825-20250829）中涉及的量化模型与因子的总结： 量化模型与构建方式 1. **模型名称**：成交量模型[12] **模型构建思路**：基于价量关系进行市场择时判断[10] **模型具体构建过程**：通过分析宽基指数的成交量变化，判断市场短期走势。当成交量放大时看多，缩量时看空或中性[12] 2. **模型名称**：低波动率模型[12] **模型构建思路**：利用市场波动率特征进行择时[10] **模型具体构建过程**：计算指数的波动率指标，当波动率处于低位时模型信号为中性或看空，波动率升高时可能转为看多[12] 3. **模型名称**：特征龙虎榜机构模型[12] **模型构建思路**：基于龙虎榜机构资金流向进行择时判断[10] **模型具体构建过程**：跟踪龙虎榜上机构资金的买卖情况，机构净买入时看多，净卖出时看空[12] 4. **模型名称**：特征成交量模型[12] **模型构建思路**：结合特殊成交量特征进行择时[10] **模型具体构建过程**：分析异常成交量 patterns，如放量突破等，作为看多信号[12] 5. **模型名称**：智能算法沪深300模型[12] **模型构建思路**：应用智能算法对沪深300指数进行择时[10] **模型具体构建过程**：使用机器学习等智能算法分析多因子数据，生成择时信号[12] 6. **模型名称**：智能算法中证500模型[12] **模型构建思路**：应用智能算法对中证500指数进行择时[10] **模型具体构建过程**：使用机器学习等智能算法分析多因子数据，生成择时信号[12] 7. **模型名称**：涨跌停模型[13] **模型构建思路**：通过涨跌停板数量变化进行中期择时[10] **模型具体构建过程**：监控市场涨跌停个股数量比例，涨停增多时看多，跌停增多时看空[13] 8. **模型名称**：月历效应模型[13] **模型构建思路**：利用月份效应进行择时[10] **模型具体构建过程**：基于历史月份收益率规律，在不同月份给出看多或看空信号[13] 9. **模型名称**：长期动量模型[14] **模型构建思路**：基于长期动量效应进行择时[10] **模型具体构建过程**：计算指数的长期动量指标，动量向上时看多，向下时看空[14] 10. **模型名称**：A股综合兵器V3模型[15] **模型构建思路**：综合多周期多策略的耦合模型[10] **模型具体构建过程**：将短期、中期、长期不同模型的信号进行加权耦合，形成综合择时观点[15] 11. **模型名称**：A股综合国证2000模型[15] **模型构建思路**：针对国证2000指数的综合择时模型[10] **模型具体构建过程**：专门针对国证2000指数特点，综合多种择时信号[15] 12. **模型名称**：成交额倒波幅模型[16] **模型构建思路**：基于成交额与波动率关系进行港股择时[10] **模型具体构建过程**：分析港股成交额与波动率的倒置关系，作为择时信号[16] 13. **模型名称**：形态学监控模型[41] **模型构建思路**：基于技术形态识别进行择时和选股[41] **模型具体构建过程**：识别杯柄形态、双底形态等技术形态，在形态突破时产生交易信号[41][44][48] 模型的回测效果 1. 双底形态组合，累计收益率49.44%，相对上证综指超额收益38.36%[41] 2. 杯柄形态组合，累计收益率63.34%，相对上证综指超额收益52.26%[41] 3. 上周杯柄形态突破个股，平均超额收益-0.8%[42] 4. 上周双底形态突破个股，平均超额收益-5.28%[46] 量化因子与构建方式 1. **因子名称**：龙虎榜机构资金流向因子[12] **因子构建思路**：基于龙虎榜机构买卖净额构建[12] **因子具体构建过程**：计算龙虎榜上机构买入金额与卖出金额的差值，作为资金流向指标[12] 2. **因子名称**：成交量异常因子[12] **因子构建思路**：识别异常成交量 patterns[12] **因子具体构建过程**：计算当前成交量与历史平均成交量的偏离度，识别异常放量或缩量[12] 3. **因子名称**：波动率因子[12] **因子构建思路**：衡量市场波动程度[12] **因子具体构建过程**：计算指数收益率的标准差，作为波动率指标$$ \sigma = \sqrt{\frac{1}{N-1}\sum_{i=1}^{N}(r_i - \bar{r})^2} $$[12] 4. **因子名称**：动量因子[14] **因子构建思路**：捕捉价格趋势效应[14] **因子具体构建过程**：计算过去一段时间内的累计收益率，作为动量指标$$ Momentum = \frac{P_t}{P_{t-n}} - 1 $$[14] 5. **因子名称**：涨跌停因子[13] **因子构建思路**：反映市场极端情绪[13] **因子具体构建过程**：计算涨停个股数量与跌停个股数量的比例或差值[13] 6. **因子名称**：月历效应因子[13] **因子构建思路**：捕捉月份周期性 patterns[13] **因子具体构建过程**：基于历史数据计算各月份的平均收益率，构建月份虚拟变量[13] 7. **因子名称**：成交额波幅关系因子[16] **因子构建思路**：分析成交额与波动率的相关性[16] **因子具体构建过程**：计算成交额与波动率的比值或相关性指标[16] 8. **因子名称**：形态识别因子[41] **因子构建思路**：识别特定技术形态[41] **因子具体构建过程**：通过价格走势 pattern 识别杯柄形态、双底形态等，在形态确认时产生信号[41] 因子的回测效果 （报告中未提供具体因子的单独回测结果）

量化模型与构建方式 1. 择时雷达六面图综合模型 - **模型名称**：择时雷达六面图综合模型 - **模型构建思路**：基于多维视角的择时框架，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个指标对市场进行刻画，并概括为“估值性价比”、“宏观基本面”、“资金&趋势”、“拥挤度&反转”四大类，生成[-1,1]之间的综合择时分数[1][6] - **模型具体构建过程**： 1. 从六个维度选取21个指标（具体指标见下方因子部分） 2. 每个指标根据其计算规则生成[-1,1]之间的分数 3. 将指标分数按四大类进行汇总 4. 最终综合打分位于[-1,1]之间，用于判断市场整体观点[1][6] 2. 流动性维度模型 - **模型名称**：流动性综合模型 - **模型构建思路**：从货币和信用两个子维度综合判断流动性状况[1][9] - **模型具体构建过程**： 1. 包含货币方向、货币强度、信用方向、信用强度四个因子 2. 综合得分为四个因子分数的组合[9][10] 3. 经济面维度模型 - **模型名称**：经济面综合模型 - **模型构建思路**：从增长和通胀两个子维度综合判断经济基本面状况[1][9] - **模型具体构建过程**： 1. 包含增长方向、增长强度、通胀方向、通胀强度四个因子 2. 综合得分为四个因子分数的组合[9][10] 4. 估值面维度模型 - **模型名称**：估值面综合模型 - **模型构建思路**：从多个估值指标综合判断市场估值性价比[1][9] - **模型具体构建过程**： 1. 包含席勒ERP、PB、AIAE三个因子 2. 综合得分为三个因子分数的组合[9][10] 5. 资金面维度模型 - **模型名称**：资金面综合模型 - **模型构建思路**：从内资和外资两个子维度综合判断资金流向[1][9] - **模型具体构建过程**： 1. 包含两融增量、成交额趋势、中国主权CDS利差、海外风险厌恶指数四个因子 2. 综合得分为四个因子分数的组合[9][10] 6. 技术面维度模型 - **模型名称**：技术面综合模型 - **模型构建思路**：从趋势和反转两个角度捕捉技术信号[1][9] - **模型具体构建过程**： 1. 包含价格趋势、新高新低两个因子 2. 综合得分为两个因子分数的组合[9][10] 7. 拥挤度维度模型 - **模型名称**：拥挤度综合模型 - **模型构建思路**：从衍生品和可转债两个子维度捕捉情绪过度反应信号[1][9] - **模型具体构建过程**： 1. 包含期权隐含升贴水、期权VIX、期权SKEW、可转债定价偏离度四个因子 2. 综合得分为四个因子分数的组合[9][10] 量化因子与构建方式 1. 货币方向因子 - **因子名称**：货币方向因子 - **因子构建思路**：判断当前货币政策的方向[12] - **因子具体构建过程**：选取央行使用的货币政策工具利率与短端市场利率，计算其相较于90天前的平均变化方向。若货币方向因子>0，则判断货币政策宽松；若<0，则判断货币政策收紧[12] 2. 货币强度因子 - **因子名称**：货币强度因子 - **因子构建思路**：表征短端市场利率相对于政策利率的偏离幅度[15] - **因子具体构建过程**：基于"利率走廊"概念，计算偏离度=DR007/7年逆回购利率-1，并进行平滑与zscore形成货币强度因子。若<-1.5倍标准差，则预期未来120个交易日为宽松环境，分数为1；若>1.5倍标准差，则分数为-1[15] 3. 信用方向因子 - **因子名称**：信用方向因子 - **因子构建思路**：表征商业银行对实体经济传导时的松紧[18] - **因子具体构建过程**：使用中长期贷款指标，计算信用方向因子为：中长期贷款当月值→计算过去十二个月增量→计算同比。若信用方向因子相比于三个月之前上升则看多，分数为1；反之则看空，分数为-1[18] 4. 信用强度因子 - **因子名称**：信用强度因子 - **因子构建思路**：捕捉信用指标是否大幅超预期或者不及预期[21] - **因子具体构建过程**：信用强度因子=（新增人民币贷款当月值–预期中位数）/预期标准差。若>1.5倍标准差，则定义未来60个交易日为信用显著超预期环境，分数为1；若<-1.5倍标准差，则分数为-1[21] 5. 增长方向因子 - **因子名称**：增长方向因子 - **因子构建思路**：基于PMI数据判断经济增长方向[24] - **因子具体构建过程**：基于中采制造业PMI、中采非制造业PMI、财新制造业PMI构建增长方向因子=PMI→计算过去十二月均值→计算同比。若增长方向因子相比于三个月之前上升则看多，分数为1；反之则看空，分数为-1[24] 6. 增长强度因子 - **因子名称**：增长强度因子 - **因子构建思路**：捕捉经济增长指标是否大幅超预期或者不及预期[27] - **因子具体构建过程**：计算PMI预期差=（PMI–预期中位数）/预期标准差。若增长强度因子>1.5倍标准差，则定义未来60个交易日为增长显著超预期环境，分数为1；若<-1.5倍标准差，则分数为-1[27] 7. 通胀方向因子 - **因子名称**：通胀方向因子 - **因子构建思路**：判断通胀水平对货币政策的制约[31] - **因子具体构建过程**：计算通胀方向因子=0.5×CPI同比平滑值+0.5×PPI同比原始值。若通胀方向因子相较于三个月之前降低，则说明是通胀下行环境，此时看多，分数为1；反之看空，分数为-1[31] 8. 通胀强度因子 - **因子名称**：通胀强度因子 - **因子构建思路**：捕捉通胀指标是否大幅超预期或者不及预期[32] - **因子具体构建过程**：分别计算CPI与PPI预期差=（披露值–预期中位数）/预期标准差，并计算通胀强度因子=CPI与PPI预期差均值。若<-1.5，则定义未来60个交易日为通胀显著不及预期环境，分数为1；若>1.5倍标准差，则分数为-1[32] 9. 席勒ERP因子 - **因子名称**：席勒ERP因子 - **因子构建思路**：计算经周期调整的股权风险溢价[37] - **因子具体构建过程**：计算过去6年通胀调整后的平均盈利得到席勒PE，然后计算席勒ERP=1/席勒PE-10年期国债到期收益率，并计算过去6年zscore作为分数[37] 10. PB因子 - **因子名称**：PB因子 - **因子构建思路**：基于市净率指标判断估值水平[39] - **因子具体构建过程**：对PB指标处理：PB×（-1）并计算过去6年zscore，1.5倍标准差截尾后标准化到±1之间得到分数[39] 11. AIAE因子 - **因子名称**：AIAE因子 - **因子构建思路**：计算全市场权益配置比例，反映市场整体风险偏好[42] - **因子具体构建过程**：构建A股的AIAE指标=中证全指总流通市值/（中证全指总流通市值+实体总债务），将AIAE×（-1）并计算过去6年zscore得到分数[42] 12. 两融增量因子 - **因子名称**：两融增量因子 - **因子构建思路**：通过两融余额变化判断市场杠杆资金情绪[44] - **因子具体构建过程**：计算融资余额-融券余额，并计算其过去120日均增量与过去240日均增量。若120日均增量>过去240日均增量时看多，分数为1；反之看空，分数为-1[44] 13. 成交额趋势因子 - **因子名称**：成交额趋势因子 - **因子构建思路**：通过成交额变化判断市场成交热度与资金活跃度[47] - **因子具体构建过程**：对对数成交额计算其均线距离=ma120/ma240-1。当均线距离的max(10)=max(30)=max(60)时看多，分数为1；当均线距离的min(10)=min(30)=min(60)时看空，分数为-1[47] 14. 中国主权CDS利差因子 - **因子名称**：中国主权CDS利差因子 - **因子构建思路**：通过CDS利差变化判断海外投资者对中国经济与主权信用风险的定价[50] - **因子具体构建过程**：当平滑后CDS利差的20日差分<0时，说明CDS利差下降，海外投资者预期中国基本面转好，此时看多，分数为1；反之看空，分数为-1[50] 15. 海外风险厌恶指数因子 - **因子名称**：海外风险厌恶指数因子 - **因子构建思路**：通过花旗风险厌恶指数判断海外市场风险偏好[53] - **因子具体构建过程**：当平滑后风险厌恶指数的20日差分<0时，外资风险偏好上升，此时看多，分数为1；反之看空，分数为-1[53] 16. 价格趋势因子 - **因子名称**：价格趋势因子 - **因子构建思路**：使用均线距离衡量标的价格趋势与强度[57] - **因子具体构建过程**：使用均线距离（ma120/ma240-1）衡量趋势。当均线距离>0时趋势方向分数=1，反之为-1。当均线距离的max(20)=max(60)时，趋势强度分数为1；当min(20)=min(60)时，趋势强度分数为-1。趋势综合分数=（趋势方向分数+趋势强度分数）/2[57] 17. 新高新低因子 - **因子名称**：新高新低因子 - **因子构建思路**：通过指数成分股的新高新低个数捕捉反转信号[60] - **因子具体构建过程**：当中证800成分股占过去一年新低数-新低数的ma20>0时，说明最近新低较多，市场有见底预期，此时看多，分数为1；反之发出看空信号，分数为-1[60] 18. 期权隐含升贴水因子 - **因子名称**：期权隐含升贴水因子 - **因子构建思路**：通过期权隐含升贴水反映期权市场对未来标的收益率的预期与情绪[63] - **因子具体构建过程**：若50ETF近5日收益率<0，且指标分位数<30%，则看多持续20日，分数为1；若50ETF近5日收益率>0，且指标分位数>70%，则看空持续20日，分数为-1[63] 19. 期权VIX因子 - **因子名称**：期权VIX因子 - **因子构建思路**：通过期权VIX指数反映期权投资者对未来标的波动率的预期与市场情绪[64] - **因子具体构建过程**：若50ETF近5日收益率<0，且指标分位数>70%，则看多持续20日，分数为1；若50ETF近5日收益率>0，且指标分位数>70%，则看空持续20日，分数为-1[64] 20. 期权SKEW因子 - **因子名称**：期权SKEW因子 - **因子构建思路**：通过期权SKEW指数反映期权投资者对未来标的偏度的预期与市场情绪[68] - **因子具体构建过程**：若50ETF近5日收益率<0，且指标分位数>70%，则看多持续20日，分数为1；若50ETF近5日收益率>0，且指标分位数<30%，则看空持续20日，分数为-1[68] 21. 可转债定价偏离度因子 - **因子名称**：可转债定价偏离度因子 - **因子构建思路**：通过可转债定价偏离度反映市场情绪[70] - **因子具体构建过程**：计算可转债定价偏离度=转债价格/模型定价-1，并计算分数=定价偏离度×（-1）并计算过去3年zscore得到分数。定价偏离度越高，拥挤度越高，分数越低[70] 模型的回测效果 1. 择时雷达六面图综合模型 - 当前综合打分：-0.48分[1][9] - 观点：中性偏空[1][9] 2. 流动性综合模型 - 当前得分：0.00分[9][10] - 观点：中性[9] 3. 经济面综合模型 - 当前得分：-0.25分[9][10] - 观点：中性偏空[9] 4. 估值面综合模型 - 当前得分：-0.39分[9][10] - 观点：中性偏空[9] 5. 资金面综合模型 - 当前得分：-0.50分[9][10] - 观点：中性偏空[9] 6. 技术面综合模型 - 当前得分：-0.50分[9][10] - 观点：看空[9] 7. 拥挤度综合模型 - 当前得分：-1.00分[9][10] - 观点：看空[9] 因子的回测效果 1. 货币方向因子 - 当前分数：1.00分[10][12] - 信号：看多[12] 2. 货币强度因子 - 当前分数：-1.00分[10][15] - 信号：看空[15] 3. 信用方向因子 - 当前分数：1.00分[10][19] - 信号：看多[19] 4. 信用强度因子 - 当前分数：-1.00分[10][21] - 信号：看空[21] 5. 增长方向因子 - 当前分数：-1.00分[10][25] - 信号：看空[25] 6. 增长强度因子 - 当前分数：-1.00分[10][28] - 信号：看空[28] 7. 通胀方向因子 - 当前分数：1.00分[10][31] - 信号：看多[31] 8. 通胀强度因子 - 当前分数：0.00分[10][33] - 信号：无显著信号[33] 9. 席勒ERP因子 - 当前分数：0.13分[10][41] - 上周分数：0.23分[10] - 变化：-0.11分[10] 10. PB因子 - 当前分数：-0.51分[10][40] - 上周分数：-0.44分[10] - 变化：-0.06分[10] 11. AIAE因子 - 当前分数：-0.78分[10][42] - 上周分数：-0.68分[10] - 变化：-0.10分[10] 12. 两融增量因子 - 当前分数：-1.00分[10][44] - 信号：看空[44] 13. 成交额趋势因子 - 当前分数：-1.00分[10][47] - 信号：看空[47] 14. 中国主权CDS利差因子 - 当前分数：-1.00分[10][51] - 上周分数：1.00分[10] - 变化：-2.00分[10] - 信号：看空[51] 15. 海外风险厌恶指数因子 - 当前分数：1.00分[10][54] - 信号：看多[54] 16. 价格趋势因子 - 当前分数：0.00分[10][59] - 信号：无显著信号[59] 17. 新高新低因子 - 当前分数：-1.00分[10][60] - 信号：看空[60] 18. 期权隐含升贴水因子 - 当前分数：-1.00分[10][63] - 信号：看空[63] 19. 期权VIX因子 - 当前分数：-1.00分[10][65] - 信号：看空[65] 20. 期权SKEW因子 - 当前分数：-1.00分[10][68] - 信号：看空[68] 21. 可转债定价偏离度因子 - 当前分数：-1.00分[10][70] - 信号：看空[70]

量化模型与因子总结 量化模型与构建方式 1. **模型名称**：成交量模型[12] **模型构建思路**：基于价量关系构建短期择时信号[10] **模型具体构建过程**：通过分析宽基指数的成交量变化与价格变动的关系，判断市场短期走势。具体构建过程未详细说明。 2. **模型名称**：低波动率模型[12] **模型构建思路**：利用波动率指标构建择时信号[10] **模型具体构建过程**：通过计算宽基指数的波动率，判断市场状态。具体构建过程未详细说明。 3. **模型名称**：特征龙虎榜机构模型[12] **模型构建思路**：基于龙虎榜机构数据构建择时信号[10] **模型具体构建过程**：通过分析龙虎榜中机构投资者的买卖行为，构建择时信号。具体构建过程未详细说明。 4. **模型名称**：特征成交量模型[12] **模型构建思路**：基于成交量特征构建择时信号[10] **模型具体构建过程**：通过分析成交量的变化特征，构建择时信号。具体构建过程未详细说明。 5. **模型名称**：智能算法沪深300模型[12] **模型构建思路**：应用智能算法对沪深300指数进行择时[10] **模型具体构建过程**：使用智能算法（如机器学习）分析沪深300指数的相关数据，生成择时信号。具体构建过程未详细说明。 6. **模型名称**：智能算法中证500模型[12] **模型构建思路**：应用智能算法对中证500指数进行择时[10] **模型具体构建过程**：使用智能算法（如机器学习）分析中证500指数的相关数据，生成择时信号。具体构建过程未详细说明。 7. **模型名称**：涨跌停模型[13] **模型构建思路**：基于涨跌停板现象构建中期择时信号[10] **模型具体构建过程**：通过分析市场中涨跌停股票的数量和分布，判断市场中期趋势。具体构建过程未详细说明。 8. **模型名称**：月历效应模型[13] **模型构建思路**：利用月历效应（如月初、月末效应）构建择时信号[10] **模型具体构建过程**：通过统计历史数据中特定时间段的市场表现，生成择时信号。具体构建过程未详细说明。 9. **模型名称**：长期动量模型[14] **模型构建思路**：基于动量效应构建长期择时信号[10] **模型具体构建过程**：通过计算宽基指数的长期收益率，判断市场长期趋势。具体构建过程未详细说明。 10. **模型名称**：A股综合兵器V3模型[15] **模型构建思路**：综合多周期多策略的A股择时模型[10] **模型具体构建过程**：耦合短期、中期、长期的不同模型信号，进行综合判断。具体构建过程未详细说明。 11. **模型名称**：A股综合国证2000模型[15] **模型构建思路**：针对国证2000指数的综合择时模型[10] **模型具体构建过程**：耦合适用于国证2000指数的多模型信号，进行综合判断。具体构建过程未详细说明。 12. **模型名称**：成交额倒波幅模型[16] **模型构建思路**：基于成交额与波幅的关系构建港股择时信号[10] **模型具体构建过程**：通过分析港股指数的成交额与价格波幅的关系，生成择时信号。具体构建过程未详细说明。 13. **模型名称**：杯柄形态模型[44][45] **模型构建思路**：识别杯柄形态技术图形以捕捉上涨突破机会[44] **模型具体构建过程**：识别股价走势中形成的“杯状”和“柄状”结构，在柄部调整结束后价格突破杯沿时产生买入信号。具体步骤包括识别A点（杯左起点）、B点（杯底）、C点（杯右终点/柄部起点），当价格突破C点水平时确认信号。 14. **模型名称**：双底形态模型[44][52] **模型构建思路**：识别双底形态技术图形以捕捉上涨突破机会[44] **模型具体构建过程**：识别股价走势中形成的两个低点（A点和C点）及之间的反弹高点（B点），当价格突破B点（颈线）时产生买入信号。具体步骤包括识别A点（第一个底）、B点（颈线）、C点（第二个底），当价格突破B点水平时确认信号。 模型的回测效果 1. **杯柄形态模型**，本周收益2.83%[44]，同期上证综指收益3.49%[44]，本周超额收益-0.66%[44]，2020年12月31日至今累计收益64.88%[44]，累计超额收益54.73%[44] 2. **双底形态模型**，本周收益2.52%[44]，同期上证综指收益3.49%[44]，本周超额收益-0.97%[44]，2020年12月31日至今累计收益49.3%[44]，累计超额收益39.14%[44] 量化因子与构建方式 *(注：本报告中未明确提及量化因子的具体构建细节。)* 因子的回测效果 *(注：本报告中未提供量化因子的测试结果取值。)*

量化模型与构建方式 1. **模型名称：成交量模型** - 模型构建思路：基于市场成交量变化判断短期市场情绪[12] - 模型具体构建过程：监测宽基指数成交量突破阈值（如20日均值），触发看多/中性信号[12] 2. **模型名称：低波动率模型** - 模型构建思路：利用波动率指标识别市场稳定性[12] - 模型具体构建过程：计算指数历史波动率（如30日标准差），低于阈值时触发中性信号[12] 3. **模型名称：特征龙虎榜机构模型** - 模型构建思路：跟踪机构资金流向判断市场热度[12] - 模型具体构建过程：统计龙虎榜机构净买入占比，中位数以上为看多信号[12] 4. **模型名称：智能算法沪深300/中证500模型** - 模型构建思路：结合机器学习和价量因子预测指数趋势[12] - 模型具体构建过程：输入历史价格、成交量、换手率等特征，输出看多信号[12] 5. **模型名称：涨跌停模型** - 模型构建思路：通过涨跌停股数量反映市场极端情绪[13] - 模型具体构建过程：统计全A股涨跌停比例，阈值触发中性信号[13] 6. **模型名称：长期动量模型** - 模型构建思路：捕捉指数长期趋势延续性[14] - 模型具体构建过程：计算上证50等指数250日收益率，突破阈值翻多[14] 7. **模型名称：成交额倒波幅模型（港股）** - 模型构建思路：结合成交额与波动率判断港股中期趋势[16] - 模型具体构建过程：$$信号=\frac{成交额}{波幅}$$，高于历史分位数看多[16] 8. **复合模型：A股综合兵器V3模型** - 模型构建思路：多因子耦合（防御+进攻因子）[15] - 模型具体构建过程：加权短期成交量、中期涨跌停、长期动量信号，输出看空[15] 模型的回测效果 1. 成交量模型：上证50看多，沪深300看多，中证500中性[12] 2. 低波动率模型：上证50中性[12] 3. 特征龙虎榜机构模型：沪深300中性[12] 4. 智能算法模型：沪深300看多，中证500看多[12] 5. 涨跌停模型：全A中性[13] 6. 长期动量模型：上证50看多[14] 7. 成交额倒波幅模型：恒生指数看多[16] 8. A股综合兵器V3模型：看空[15] 量化因子与构建方式 1. **因子名称：杯柄形态因子** - 因子构建思路：识别价格“杯柄”突破形态[45] - 因子具体构建过程： 1. 定义杯底（A点）、杯沿（B点）、柄部（C点）[45] 2. 突破柄部高点时触发信号：$$突破价>C点最高价$$[45] - 因子评价：中长期超额收益显著[44] 2. **因子名称：双底形态因子** - 因子构建思路：捕捉W形底部反转机会[52] - 因子具体构建过程： 1. 识别两个低点（A/C点）和颈线（B点）[52] 2. 突破颈线时触发：$$突破价>B点最高价$$[52] 因子的回测效果 1. 杯柄形态因子：2020年至今累计超额收益50.35%[44] 2. 双底形态因子：2020年至今累计超额收益36.34%[52]

量化模型与构建方式 1. **模型名称**：成交量模型 - **模型构建思路**：基于宽基指数的成交量变化判断市场短期趋势[12] - **模型具体构建过程**：监测主要宽基指数（如上证指数、沪深300等）的成交量突破历史均值的幅度，结合价格波动确认看多/看空信号[12] - **模型评价**：对短期市场情绪敏感，但需结合其他模型过滤噪音[12] 2. **模型名称**：低波动率模型 - **模型构建思路**：通过计算指数波动率分位数判断市场风险偏好[12] - **模型具体构建过程**：采用20日历史波动率，当波动率低于过去一年25%分位数时标记为“中性”[12] 3. **模型名称**：特征龙虎榜机构模型 - **模型构建思路**：跟踪龙虎榜机构资金流向构建反向信号[12] - **模型具体构建过程**：统计机构席位净买入占比，当超买时触发看空信号[12] 4. **模型名称**：智能算法沪深300/中证500模型 - **模型构建思路**：基于机器学习算法融合价量因子预测指数走势[12] - **模型具体构建过程**：输入包括动量、换手率、资金流等因子，通过XGBoost输出看多/看空信号[12] 5. **模型名称**：长期动量模型 - **模型构建思路**：捕捉指数12个月以上的趋势延续性[14] - **模型具体构建过程**：计算上证50等指数的年化收益率，突破阈值时翻多[14] 6. **模型名称**：成交额倒波幅模型（港股） - **模型构建思路**：结合成交额与波动率判断港股中期趋势[16] - **模型具体构建过程**：$$Signal = \frac{成交额}{波幅}$$，当比值突破历史中枢时看多[16] 7. **模型名称**：杯柄形态/双底形态模型 - **模型构建思路**：技术形态识别策略，捕捉个股突破机会[47][53] - **模型具体构建过程**： - **杯柄形态**：识别“A点（左杯沿）-B点（杯底）-C点（右杯沿）”结构，突破柄部时买入[47] - **双底形态**：识别“A点（第一底）-B点（反弹）-C点（第二底）”结构，突破颈线时买入[53] --- 模型的回测效果 1. **成交量模型**：本周对上证指数、沪深300等7个宽基指数发出看多信号[12] 2. **智能算法模型**：沪深300模型本周收益1.69%，中证500模型收益3.28%[12] 3. **杯柄形态组合**：2020年至今累计收益54.21%，超额收益50.74%[46] 4. **双底形态组合**：2020年至今累计收益39.3%，超额收益35.83%[53] --- 量化因子与构建方式 1. **因子名称**：分析师上调比例因子 - **因子构建思路**：反映行业一致预期变化[20] - **因子具体构建过程**：$$Factor = \frac{分析师上调个股数}{行业总覆盖个股数}$$[20] 2. **因子名称**：基金超低配因子 - **因子构建思路**：监测机构仓位偏离度[33] - **因子具体构建过程**：$$Factor = \frac{基金持仓占比 - 行业市值占比}{行业市值占比}$$[33] --- 因子的回测效果 1. **分析师上调比例因子**：煤炭行业本周上调比例5.56%，钢铁行业7.55%[20] 2. **基金超低配因子**：电子行业超配15.64%（股票型基金），食品饮料超配8.99%（混合型基金）[33]

选股与买卖时机 - 寻找下一个行业巨头的成长股策略长期收益较差，预测公司未来成为巨头极其困难，如洁美科技和辰安科技未达预期[3][4] - 买入股票的唯一理由应是股价具备投资价值而非期待更高接盘者，忽视估值可能导致高位站岗风险，动态估值需结合未来2-3年可预见的因素[4][5] - 市场择时策略不可持续，技术分析在量化交易盛行的环境中有效性下降，传统技术信号常被算法交易冲击[6] 人性对抗-贪婪和恐惧 - 股市泡沫破灭具有历史规律性，牛市尾声需警惕高估值并控制仓位，避免因"这次不同"的错觉而忽视周期风险[7] - 市场下跌时恐慌抛售会错失低价机会，如创新药ETF（513120）在非理性下跌中因双重打击被误判，错失后续70-80%的涨幅[7] 公司研究 - 投资决策不能仅基于对公司产品的偏爱，需评估生意吸引力，如培育钻石炒作中因忽视行业逻辑薄弱导致被套[8] - 财务分析需结合现金流而非单一盈利数据，经营现金流停滞但盈利增长可能隐藏风险，需联动利润表、资产负债表和现金流量表[8][9] 投资本质 - 长期收益积累依赖于减少主动失误，理性对抗人性弱点是投资核心，避开常见误区可降低试错成本[9]

职业发展历程 - 2006-2008年在太平洋证券实习期间从营业部调入投行部、资管部，并立志成为国内最优秀的基金经理 [2] - 2008-2014年加入海通证券金融工程团队，凭借数学专业背景专注量化研究，助力团队获得2009/2013年新财富、水晶球市场第一 [3] - 2014年受周金涛邀请加入中信建投任金融工程首席，传承康波周期理论体系 [3] 市场研判与策略贡献 - 2018年运用量化基本面宏观择时体系，准确预测上证指数调整400点和300点 [4] - 2018年作为上交所唯一量化专家参与救市会议，提出5条救市建议并被全部采纳 [4] - 2020年3月发布《当下判断全球股市重大拐点的三个核心理由》，主导中信建投自营盘加仓决策，助力公司Q2业绩超预期 [5] 业绩与荣誉 - 2023年获上证报最佳分析师金融工程第一名 [7] - 2024年团队择时观点拟合收益达53.69%，创历史新高，准确提示两次关键拐点 [8] 创业与未来规划 - 2024年创立上海睿成基金，目标打造中国版"桥水基金"，融合康波周期、量化行业轮动等策略 [8][9] - 计划通过绝对收益型产品把握未来30年国运增长机遇，实现"Top1基金经理"职业目标 [11] 方法论与核心理念 - 择时体系作为核心能力，结合康波周期理论实现长期资产配置 [9] - 量化选股、行业轮动等策略将复合应用于产品管理，提升收益维度 [9]

量化模型与构建方式 1. **模型名称**：成交量模型 - **模型构建思路**：基于市场成交量变化判断短期市场情绪[12] - **模型评价**：对市场流动性敏感，但易受异常交易干扰 2. **模型名称**：低波动率模型 - **模型构建思路**：通过计算标的指数波动率分位数判断市场风险偏好[12] - **模型评价**：防御性较强，适用于震荡市 3. **模型名称**：特征龙虎榜机构模型 - **模型构建思路**：跟踪龙虎榜机构买卖行为构建资金流向因子[12] - **模型评价**：对机构主导行情有效性较高 4. **模型名称**：智能沪深300/中证500模型 - **模型构建思路**：结合量价特征与机器学习算法优化宽基指数择时[12] - **模型评价**：智能化程度高，但存在过拟合风险 5. **模型名称**：涨跌停模型 - **模型构建思路**：统计涨停/跌停股票比例反映市场极端情绪[13] - **模型评价**：对市场转折点敏感 6. **模型名称**：长期动量模型 - **模型构建思路**：计算宽基指数12个月动量筛选趋势性机会[14] - **模型评价**：在单边市中表现优异 7. **模型名称**：成交额倒波幅模型（港股） - **模型构建思路**：$$ \text{信号}=\frac{\text{成交额}}{\text{波动率}} $$ 捕捉港股资金效率[16] - **模型评价**：适用于高流动性市场 模型的回测效果 1. 成交量模型：当前信号中性[12] 2. 低波动率模型：当前信号中性[12] 3. 智能沪深300模型：当前信号中性[12] 4. 智能中证500模型：当前信号看多[12] 5. 涨跌停模型：当前信号看多[13] 6. 长期动量模型：全宽基中性[14] 量化因子与构建方式 1. **因子名称**：杯柄形态因子 - **因子构建思路**：识别杯柄形态突破个股，计算形态长度与突破幅度[44][45] - **因子具体构建**： - A点（左杯沿）、B点（杯底）、C点（右杯沿）价格序列 - 突破条件：$$ P_{\text{break}} > \max(P_A, P_C) \times (1+\theta) $$ - **因子评价**：对成长股趋势延续性捕捉较好 2. **因子名称**：双底形态因子 - **因子构建思路**：捕捉W底形态突破个股[49][51] - **因子具体构建**： - A点（左底）、B点（颈线）、C点（右底）价格序列 - 突破条件：$$ P_{\text{break}} > P_B \times (1+\lambda) $$ - **因子评价**：在反弹市中表现突出 因子的回测效果 1. 杯柄形态因子：本周组合超额收益1.16%，年内累计超额40.69%[43] 2. 双底形态因子：本周组合超额收益2.29%，年内累计超额30.19%[43] 特殊指标监控 1. VIX指数：当前值14.78，较上周下降[41] 2. 基金仓位：股票型基金仓位90.12%（-71bps），混合型75.70%（+203bps）[23][29]

根据研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称**：成交量模型 - **构建思路**：基于市场成交量变化判断短期市场趋势[12] - **具体构建**：监测宽基指数成交量周环比变化，结合历史分位数阈值划分多空信号。当成交量突破80分位数且持续放量时触发看多，跌破20分位数时触发看空[12] - **评价**：对市场流动性变化敏感，但易受极端值干扰 2. **模型名称**：低波动率模型 - **构建思路**：利用波动率均值回归特性捕捉市场反转信号[12] - **具体构建**：计算指数20日波动率标准差，当波动率低于历史10%分位时看多，高于90%分位时看空[12] 3. **模型名称**：特征龙虎榜机构模型 - **构建思路**：跟踪机构席位净买入行为预测资金流向[12] - **具体构建**：$$ S_{net} = \sum_{i=1}^n (B_i - S_i) $$ 其中$B_i$为机构买入金额，$S_i$为卖出金额，当$S_{net}$连续3日为正时触发看多信号[12] 4. **模型名称**：智能沪深300模型 - **构建思路**：结合量价与基本面因子的多因子择时模型[12] - **具体构建**：动态加权PE、动量、换手率等因子，采用XGBoost算法生成信号[12] 5. **模型名称**：涨跌停模型 - **构建思路**：通过涨停/跌停家数比判断市场情绪[13] - **具体构建**：计算全市场涨停率$R_{up} = N_{up}/N_{total}$，当$R_{up}>15\%$看多，$R_{up}<5\%$看空[13] 6. **模型名称**：成交额倒波幅模型（港股） - **构建思路**：量价背离策略，成交额与波动率反向时预示变盘[16] - **具体构建**：$$ R = \frac{VOL_{5d}}{HV_{20d}} $$ 当$R>2$标准差时看空[16] 模型的回测效果 1. **成交量模型**：本周上证指数信号中性，年化IR 0.82[12] 2. **低波动率模型**：上证50信号中性，年化胜率58%[12] 3. **智能沪深300模型**：本周看空，近三月超额-1.2%[12] 4. **涨跌停模型**：全A信号中性，年化IR 1.05[13] 5. **成交额倒波幅模型**：恒生指数看空，近20日胜率63%[16] 量化因子与构建方式 1. **因子名称**：动量因子 - **构建思路**：价格趋势延续效应[14] - **具体构建**：$$ MOM_{21d} = \frac{P_t}{P_{t-21}} - 1 $$ 取行业标准化Z值[14] 2. **因子名称**：月历效应因子 - **构建思路**：捕捉月度周期规律[13] - **具体构建**：统计2005-2025年各月收益率均值，当本月历史胜率>60%时触发信号[13] 因子的回测效果 1. **动量因子**：国证2000指数年化IC 0.15[14] 2. **月历效应因子**：5月历史胜率53%，本周信号中性[13] 形态学模型 1. **杯柄形态** - **构建规则**：A点（左杯高点）-B点（杯底）-C点（右杯高点）突破形态，要求形态长度≥6周[44] - **测试结果**：2020年来累计超额39.09%，本周超额0.29%[40] 2. **双底形态** - **构建规则**：A点（第一底）-B点（颈线）-C点（第二底）突破，成交量需在突破时放大[49] - **测试结果**：本周超额1.68%，年化夏普1.72[40][49] 注：所有模型信号可通过http://t.hcquant.com实时查询[11]