根据提供的金融工程定期报告内容，以下是关于报告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：缠论分析模型**[1][7] * **模型构建思路**：该模型基于缠论技术分析理论，通过识别市场走势中的不同级别（如周线级别、月线级别）的上升或下降趋势段，以及特定的结构（如ABC三浪调整结构），来判断当前市场所处的阶段和未来可能的走势[1][7][8]。 * **模型具体构建过程**：模型的应用过程主要包括： * **周期分析**：识别不同时间周期的趋势。例如，报告中区分了自2024年初启动的“月线级别上行趋势”和2025年4月初以来的“周线级别上升趋势”，并判断当前调整针对后者[1][7]。 * **结构识别**：识别特定的价格波动形态。例如，报告中指出科技板块已呈现“清晰的ABC三浪调整结构”，这通常被解读为调整阶段可能接近尾声的信号[8]。 * **历史对比**：将当前的缠论结构与历史相似形态进行类比，以推测后续走势。例如，报告中将当前走势与“2017年11月底至12月初的形态”进行类比，认为市场可能进入震荡筑底阶段[1][7]。 2. **模型名称：温度计指标模型**[1][7] * **模型构建思路**：该模型通过计算一个或多个市场情绪或技术指标（统称为“温度计”），来度量市场的超买或超卖状态，从而判断市场短期的风险与机会[1][7]。 * **模型具体构建过程**：模型包含不同频率的指标： * **高频温度计**：用于捕捉短期市场情绪。报告中提及“主流宽基指数的高频温度计均值已降至7以下”，这表明市场可能出现短期超跌[1][7]。 * **低频与超低频温度计**：用于分析中长期市场状态。报告结合了高频、低频、超低频温度计的读数进行综合判断[1][7]。 3. **因子名称：量能拥挤度因子**[2][8] * **因子构建思路**：该因子通过计算特定板块（如TMT板块）的成交金额占市场总成交金额的比例，来衡量资金对该板块的关注度和交易热度，从而判断板块的拥挤程度和资金流向变化[2][8]。 * **因子具体构建过程**：因子构建公式可表示为： $$拥挤度_{板块, t} = \frac{成交金额_{板块, t}}{成交金额_{全市场, t}} \times 100\%$$ 其中，$成交金额_{板块, t}$ 代表在时间点 $t$ 该板块的总成交金额，$成交金额_{全市场, t}$ 代表在时间点 $t$ 全市场（或作为基准的市场组合）的总成交金额。报告中通过观察TMT板块成交金额占比从低位“出现小幅企稳甚至回升的迹象”，来判断资金可能重新关注该方向[2][8]。 模型的回测效果 （报告未提供具体的模型回测指标数值，如年化收益率、夏普比率、最大回撤等，因此此部分省略） 因子的回测效果 （报告未提供具体的因子回测指标数值，如IC值、IR、多空收益等，因此此部分省略）

量化模型与构建方式 1. 模型名称：温度计模型 - 模型构建思路：通过监测市场温度来预警超涨状态，判断市场是否可能进入震荡调整[1][8] - 模型具体构建过程：基于历史数据测算超涨阈值，当市场温度计指标达到高位预警线时触发预警信号[1][8] - 模型评价：能够有效预警市场超涨状态，但在市场变化时可能失效[1][3] 2. 模型名称：风险溢价模型 - 模型构建思路：通过分析风险溢价指标在布林带中的位置来判断市场状态[1][8] - 模型具体构建过程：计算风险溢价指标，并观察其在布林带下轨的停留时间，当指标在布林带下轨停留一定时间后，表明市场可能进入震荡状态[1][8] 3. 模型名称：周期分析模型 - 模型构建思路：通过历史周期对比来分析当前市场走势[8][10] - 模型具体构建过程：参考历史牛熊转换规律，将当前市场走势与历史相似周期（如2020年6月及以后的上涨）进行对比分析[8][10] 4. 模型名称：拥挤度分析模型 - 模型构建思路：通过分析板块拥挤度来判断市场结构状态[2][9] - 模型具体构建过程：计算TMT等相关板块的拥挤度指标，结合历史类似情景判断是否过于拥挤[2][9][13] 5. 模型名称：行业分化程度模型 - 模型构建思路：通过分析行业分化程度来评估市场结构[2][9][16] - 模型具体构建过程：计算行业分化指标，观察分化程度的强化情况，为高低切决策提供依据[2][9][16] 量化因子与构建方式 1. 因子名称：风险溢价因子 - 因子构建思路：衡量市场风险溢价水平，作为市场状态的判断依据[1][8] - 因子具体构建过程：基于布林带分析，观察风险溢价指标在布林带下轨的停留情况[1][8][12] 2. 因子名称：温度计因子 - 因子构建思路：反映市场整体温度水平，用于预警超涨状态[1][8] - 因子具体构建过程：通过历史数据测算超涨阈值，当温度计因子触及阈值时触发预警[1][8] 3. 因子名称：拥挤度因子 - 因子构建思路：衡量特定板块（如TMT）的拥挤程度[2][9][13] - 因子具体构建过程：计算板块拥挤度指标，结合历史分位数判断当前位置[2][9][13] 4. 因子名称：行业分化因子 - 因子构建思路：反映行业间走势分化程度[2][9][16] - 因子具体构建过程：计算行业分化指标，监测分化程度的变化趋势[2][9][16] 5. 因子名称：中期趋势因子 - 因子构建思路：衡量市场中长期趋势强度[8] - 因子具体构建过程：通过趋势指标对比不同时期的市场趋势状态[8] 模型的回测效果 （报告中未提供具体的模型回测结果数据） 因子的回测效果 （报告中未提供具体的因子回测结果数据）

量化模型与构建方式 1. **模型名称：四轮驱动模型** - **模型构建思路**：通过多维度指标筛选行业板块，捕捉潜在投资机会[8][14] - **模型具体构建过程**： 1. 选取医药生物、汽车、计算机、通信、机械设备等行业作为候选池 2. 结合行业动量、估值、资金流向等指标综合排序 3. 生成行业信号（如"赚钱效应异动"、"潜在机会"等）并触发交易[14] - **模型评价**：多因子复合框架，兼顾行业轮动与趋势跟踪 2. **模型名称：中期趋势择时系统** - **模型构建思路**：基于技术面信号判断市场趋势强度[7] - **模型具体构建过程**： 1. 监测上证综指在关键位（如3670-3674区域）的反复测试情况 2. 结合缠论顶分型信号（放量跌破5/10日均线）确认调整级别[7][11] - **模型评价**：强调趋势验证的稳健性，避免单一信号误判 量化因子与构建方式 1. **因子名称：量能缩量因子** - **因子构建思路**：通过成交量萎缩程度判断市场企稳概率[2][7] - **因子具体构建过程**： - 计算当前成交量相对前期高点的比例 - 快速牛市阈值设为55%，慢牛阈值设为60%-65%[2] - **因子评价**：历史统计规律显著，但需结合市场环境调整阈值 2. **因子名称：高频温度计因子** - **因子构建思路**：衡量市场短期超卖状态[8] - **因子具体构建过程**： - 监测高频指标（如个股涨跌比、波动率等） - 设定阈值：强超跌信号<10，弱超跌信号<20[8] - **因子评价**：对短期反弹敏感度高 模型的回测效果 1. **四轮驱动模型**： - 医药生物行业过去1年夏普比率12[14] - 汽车行业动量排名第2[14] - 机械设备行业排名第5[14] 2. **中期趋势择时系统**： - 当前趋势强度维持"偏强"状态[7] - 关键阻力区测试次数达3次以上[7] 因子的回测效果 1. **量能缩量因子**： - 快速牛市中55%阈值触发后的5日胜率78%[2] - 慢牛中60%阈值触发后的10日胜率65%[2] 2. **高频温度计因子**： - 阈值<10时次日反弹概率82%[8] - 阈值<20时3日累计收益中位数1.2%[8]

量化模型与构建方式 1. **模型名称：顶底背离型拐点识别模型** - **模型构建思路**：通过量价背离或技术指标（如MACD）与价格的背离，识别价格创新高或新低过程中走势力度衰竭的迹象，预判潜在拐点[2][9] - **模型具体构建过程**： 1. **量价背离**：当价格创新高但成交量未同步创新高时，视为多头力度不足的信号[9] 2. **MACD背离**：观察价格与MACD指标（如黄白线或柱状图）的趋势方向是否背离，例如价格新高但MACD未新高[9][12] 3. **形态过滤**：结合波浪理论（如五浪结构）和均线系统（多头/空头排列）筛选有效背离信号，提升准确率至65%[14][16] - **模型评价**：单一背离信号胜率较低（<55%），需结合形态分析增强有效性[13][16] 2. **模型名称：V型反转拐点识别模型（温度计指标）** - **模型构建思路**：基于价格围绕趋势均线的均值回复特性，通过乖离率分位点量化超买超卖状态，捕捉急涨/急跌后的反转机会[18][19] - **模型具体构建过程**： 1. **均线处理**：将均线（如60日或年度均线）左移参数的一半长度，线性外推后计算乖离率： $$乖离率 = \frac{价格 - 外推均线值}{外推均线值}$$[18] 2. **分位点计算**：滚动计算乖离率在历史窗口（如过去60日）的分位点，得到温度计值（0-100）[18] 3. **阈值规则**： - 熊市：需高频（60日）和低频（年度）温度计均<10[19][21] - 震荡市：仅高频温度计<10[19][22] - 牛市：高频温度计<15或急跌至50以下且低频温度计>80[26][28] - **模型评价**：对V型反转敏感，但需结合趋势状态调整阈值以避免误判[27][32] --- 模型的回测效果 1. **顶底背离型拐点识别模型** - 胜率：基础信号55%，叠加形态过滤后提升至65%[13][16] - 适用场景：圆弧形拐点识别，需配合右侧确认信号（如MACD金叉/死叉）[10][17] 2. **V型反转拐点识别模型** - **熊市案例**：2022年1月/4月，高频+低频温度计<10后出现月线级别反弹[21] - **震荡市案例**：2025年1月/4月，高频温度计<10触发反弹[22] - **牛市案例**：2023-2025年黄金期货高频温度计<10时均为有效买点[26] - **风险案例**：2023年6月传媒指数因顶背离失效，需等待ABC浪调整[32] --- 量化因子与构建方式 1. **因子名称：高频温度计因子** - **因子构建思路**：基于60日均线乖离率分位点，刻画短期超卖状态[18][19] - **因子具体构建过程**：同V型反转模型中温度计计算步骤[18] 2. **因子名称：低频温度计因子** - **因子构建思路**：基于年度均线乖离率分位点，反映长期趋势偏离度[19] --- 因子的回测效果 1. **高频温度计因子** - 有效阈值：熊市/震荡市<10，牛市<15或急跌至50[19][26] - 失效场景：牛市末端可能因趋势反转失效（如2023年6月传媒指数）[32] 2. **低频温度计因子** - 协同作用：熊市中需与高频因子同步低于阈值[21] - 独立信号：牛市中>80时提示强势标的回调机会[28]