通过研究涨跌停股数量的变化，可以直观反映市场情绪的强弱;而追涨和低吸策略的收益则能够揭示市场中投资者行为的有效性和情绪倾向。
当采用此类策略的投资者较多且能够获利时，往往意味着市场整体情绪偏向乐观，推动资金不断涌入热点板块或超跌个股。这种情况下，涨跌停板不仅反映了个股的强弱，更成为市场情绪高涨、资金活跃的重要标志。
涨跌停制度某种程度上放大了市场情绪，当股票的股价上涨/下跌至接近涨跌停板时不会趋于平稳，反而会进一步加速，并最终封板，这一现象被形象地称为“磁吸效应”(magnet effect)。
涨停个股数和跌停个股数与下周市场收益率的相关性分别为0.069和-0.050，p值分别为0.055、和0.163。统计区间:2010-2025.04.03(后文同，除特别注明外)
涨停板占比、跌停板占比和涨跌停比值与下周市场收益率的相关性分别为0.078、-0.062和0.040，p值分别为0.029.0.086和0.260。除涨跌停比值外，其余两个衍生因子的IC表现和显著性均强于原因子。
涨停板占比因子胜率和触发信号时次均收益表现较好，触发信号的次均收益均显著高于未触发信号时，且始终高于基准;胜率也均大于50%，但在盈亏比方面表现稍差。
采用0.8作为涨停板因子的触发阈值，简单构建了以Wind全A为标的的组合(括号内为Wind全A指数数据)，组合的年化收益率为5.33%(3.82%)，年化波动率为15.60%(22.40%)，最大回50.55%(55.08%)。
跌停板占比因子在除了阈值为0.015时(大于因子中位数)，无论是从胜率、触发信号次均收益还是盈亏比的角度来看，均表现较好。
采用0.01作为跌停板因子的触发阈值，简单构建了以Wind全A为标的的组合(括号内为Wind全A指数数据)，组合的年化收益率为4.07%(3.82%)，年化波动率为13.60%(22.40%)，最大回35.22%(55.08%)。
净涨停占比和涨跌停强度与下周市场收益率的相关性分别为0.112和0.042，p值分别为0.002和0.240。净涨停占比因子可以更直观反映市场中多空力量的净差异，对市场情绪的捕捉更为准确。
采用0.04作为净涨停占比因子的触发阈值，简单构建了以Wind全A为标的的组合(括号内为Wind全A指数数据)，组合的年化收益率为6.06%(3.82%)，年化波动率为15.74%(22.40%)，最大回撤29.53%(55.08%)。
涨停个股的次日平均收益率为2.48%，跌停个股的次日平均收益率为-2.34%,似乎“打板策略”可以获得较高的收益。但实际上，采用高频数据后我们发现，2016年以来，“打板策略”每次交易的平均收益为-0.93%(统计区间:2016-2025.04.03)。
采用2.5%作为涨停次日收益因子的触发阈值，简单构建了以Wind全A为标的的组合(括号内为Wind全A指数数据)，组合的年化收益率为2.85%(3.82%)，年化波动率为16.15%(22.40%)，最大回撤69.47%(55.08%)。
情绪择时模型组合的年化收益率为6.65%(3.82%)，年化波动率为15.37%(22.40%)，最大回撤29.39%(55.08%)。
组合仅在23.2%的时候保持空仓，其余时间均有仓位，有近一半的时间仓位超过7成。
以中证1000为标的，组合的年化收益率为7.61%(1.93%)，年化波动率为17.84%(27.15%)，最大回撤41.80%(71.74%)。
通过加入对市场整体趋势的分析，我们可以帮助情绪择时模型更好地识别宏观环境的变化，从而在市场上行/下行/震荡的不同阶段采用不同的信号阈值，提高模型的全局判断能力。
每个因子对市场走势的预测能力有所不同。为了更精准地利用因子信号，我们引入了因子信号加权的改进方法。当该信号>0.65时，我们对标的进行满仓买入;当信号值位于(0.5,0.65]区间内，我们保持80%的仓位;当信号值不超过0.5时，我们进行空仓。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
