（来源：贝塔阿尔法）
// 核心结论 //
随机森林模型预测市场的情绪划分。
市场存在情绪周期，传统方法使用价格、估值、成交等方法判断情绪。基于拓展传统思路，挖掘出三个维度的情绪指标，使用多维市场特征数据训练随机森林模型预测市场未来涨跌幅度。构建模型过程中使用月频滚动过去24个月的训练方法并使用线性加权的打分方法，提升靠近近期的分数的权重占比。通过计算得到的LWMA240情绪评分结合动量反转多空策略，相较于原始的动量、反转因子多空组净值表现，情绪调整后的因子多空组收益提升显著，回撤程度显著收敛。
价量共振因子对情绪方向较为敏感。
股票的价能和量能都可以刻画出股票在一定时间周期内的表现。根据量和价的变动方向，我们可以简单的将其划分为放量上涨、放量下跌、缩量上涨和缩量上升的形态。我们可以通过量能和价能的乘积作为两者的共振程度来刻画股票的情绪，股票的共振程度越强越代表已进入了高情绪状态。价量共振因子的多空组净值波动周期和随机森林模型给出的市场情绪分数所划分的情绪高低周期节奏接近。结合情绪评分调整价量共振因子方向构建的单因子多头组业绩对判断情绪冷暖的情绪评分阈值敏感。适度提高阈值可以提升单因子分组鲁棒性和多头组的业绩稳定性。
波动、估值、流动性、基本面共同增强情绪择时下的选股策略。
单一的价量共振因子结合情绪预判能够具备一定的选股能力。同样伴随情绪变化能够看到明显因子选股方向性变动的因子还包括波动、流动性和估值水平（市净率）。在情绪择时部分选用上述因子在情绪评分正、负时分别对因子打分方向做出调整。但量价类因子主要聚焦在股票的技术面形态，缺少基本面支撑，因此我们同步使用净资产收益率（ROE_TTM）作为多因子模型的补充。基本面因子的打分方向与情绪不直接挂钩，始终保持ROE越高打分越高的方向。五因子等权得到的综合因子在目标股票池内分组稳定性得到提升，最终选择构建综合打分最高的50只股票周频调仓。策略自2014年9月3日至2025年1月27日，top50组合年化收益为20.92%，相对于中证全指年化超额16.86%，信息比率为1.07。
情绪模型近期分数观点。
2014年年初至今模型预测的市场情绪围绕0分附近波动，自2014年9月23日至2015年1月7日区间内呈现连贯的回暖。最新截面（2025年1月27日）模型预测涨跌幅组别分数为-2分，且连续6天预测为-2分的大幅下跌状态。2025年初至1月27日模型预测组别分数均值约为-0.72，情绪评分均值约为0.29。
风险提示：
若市场环境或政策因素发生不利变化将可能造成行业发展表现不及预期；报告采用的样本数据有限，存在样本不足以代表整体市场的风险，且数据处理统计方式可能存在误差；市场存在一定的波动性风险；报告中结论均基于对历史客观数据的统计和分析，但过往数据并不代表未来表现。
// 报告正文 //
>>>
研究报告名称：《结合情绪预测模型的价量选股思路》
对外发布时间：2025年2月24日
报告发布机构：华福证券研究所
本报告分析师：李杨 SAC：S0210524100005；赵馨 SAC：S0210525010002
