量化模型与构建方式 1. 模型名称：量能择时模型 - 模型构建思路：通过量能信号判断市场趋势，量能信号看多时，市场趋势向好[17] - 模型具体构建过程： - 计算各大宽基指数的量能信号 - 量能信号为看多时，市场趋势向好 - 模型评价：该模型能够较好地捕捉市场趋势变化，适用于短期市场择时[17] 2. 模型名称：沪深300上涨家数占比情绪指标 - 模型构建思路：通过计算沪深300指数成分股的上涨家数占比，判断市场情绪[18] - 模型具体构建过程： - 计算沪深300指数N日上涨家数占比，公式为： $\text{沪深300指数N日上涨家数占比} = \frac{\text{沪深300指数成分股过去N日收益大于0的个股数}}{\text{沪深300指数成分股总数}}$ - 通过两次不同窗口期的平滑捕捉指标变动情况，N1和N2分别为50和35 - 当快线大于慢线时，看多市场；当快线小于慢线时，对市场持中性态度[19][22] - 模型评价：该指标能够较快捕捉上涨机会，但在市场过热阶段可能会错失部分收益[18][19] 3. 模型名称：均线情绪指标 - 模型构建思路：通过八均线体系判断市场趋势状态[23] - 模型具体构建过程： - 计算沪深300收盘价的八均线数值，均线参数为8，13，21，34，55，89，144，233 - 当前价格大于八均线指标值的数量超过5时，看多沪深300指数[23] - 模型评价：该指标能够较好地反映市场情绪变化，适用于中短期市场择时[23][25] 模型的回测效果 1. 量能择时模型 - 沪深300指数：量能择时信号为看多[17] 2. 沪深300上涨家数占比情绪指标 - 沪深300指数：上涨家数占比在57%左右[19] 3. 均线情绪指标 - 沪深300指数：短期内处于情绪景气区间[25] 量化因子与构建方式 1. 因子名称：横截面波动率 - 因子的构建思路：通过计算指数成分股的横截面波动率，判断Alpha环境[26] - 因子具体构建过程： - 计算沪深300、中证500和中证1000指数成分股的横截面波动率 - 统计近两年、近一年、近半年和近一季度的平均值及分位点[28] - 因子评价：该因子能够较好地反映市场的Alpha环境变化，适用于短期Alpha策略[26] 2. 因子名称：时间序列波动率 - 因子的构建思路：通过计算指数成分股的时间序列波动率，判断Alpha环境[29] - 因子具体构建过程： - 计算沪深300、中证500和中证1000指数成分股的时间序列波动率 - 统计近两年、近一年、近半年和近一季度的平均值及分位点[30] - 因子评价：该因子能够较好地反映市场的波动性变化，适用于中短期Alpha策略[29] 因子的回测效果 1. 横截面波动率 - 沪深300指数：近一季度平均值为1.94，占近两年分位点61.90%[28] - 中证500指数：近一季度平均值为2.02，占近两年分位点71.43%[28] - 中证1000指数：近一季度平均值为2.19，占近两年分位点69.72%[28] 2. 时间序列波动率 - 沪深300指数：近一季度平均值为0.69%，占近两年分位点82.40%[30] - 中证500指数：近一季度平均值为0.49%，占近两年分位点81.75%[30] - 中证1000指数：近一季度平均值为0.27%，占近两年分位点85.26%[30]