平臺突破模型中技術信息因子如何篩選有效信號并提升策略績效？

平臺突破模型通過引入技術信息因子來篩選高質量突破樣本，從而提升策略的整體績效。具體邏輯與效果如下： 首先，模型構建了涵蓋六大類共26個變量的價量信息變量集，旨在刻畫信號觸發時個股的價量狀態。這些變量包括：換手率（如當日換手率、過去5/20/45日均值及標準差）、成交額（如當日成交額相對5/20/45日均值的比率）、動量（如過去5/20/45日漲跌幅）、波動率（如過去5/20/45日收益率標準差）、市值（如總市值自然對數及波動）以及均線偏離度（如收盤價相對5/20/45日均線的偏離度）。 其次，模型以突破后45日持有期收益率為因變量，構建多元線性回歸模型，并采用逐步回歸方法進行變量篩選。回歸結果顯示，當日換手率、市值、過去20日波動率、過去45日成交額比率等變量具有顯著的負向系數，而過去5日漲跌幅、收盤價相對20日均線偏離度、過去5日成交額比率等變量具有顯著的正向系數。模型利用回歸方程擬合得到的收益率作為篩選標準，當擬合收益率大于0時判定為有效突破，篩選后樣本約占全部樣本的60%。 在績效提升方面，引入技術信息增強后，策略表現顯著改善。有效突破樣本的勝率由41.18%提升至45.65%，盈虧比由1.46提升至1.58。策略年化收益由17.17%提升至21.47%，最大回撤由26.35%降至20.85%。這表明技術信息因子能有效過濾低質量信號，改善風險收益配比。 最后，在篩選后的樣本基礎上，模型嘗試利用回歸系數為正的正向因子對持倉股票進行賦權。結果顯示，以過去5日漲跌幅（Ret5d）或收盤價相對20日均線偏離度（PriceMA20Dev）賦權的策略，年化收益率可進一步提升至26%以上，高于等權基準的21.47%。這說明動量因子對突破后趨勢延續性較強的個股具有較好的區分度，通過因子賦權可進一步優化策略收益。