报告介绍了华创金工基于K线形态量化研究成果打造的“看线宝”微信小程序,覆盖个股/可转债/期货/ETF形态识别、ETF智能择时与ETF轮动等功能,并将形态识别成果用于指数级择时与轮动模型构建,辅以十年历史回测与胜率筛选机制以提升信号可靠性
| 策略名称 | 年化收益 | 最大回撤 |
|---|---|---|
| 每日调仓策略 | 21.85% | -48.41% |
元数据与概览
逐节深度解读
图表与图片逐一解读(关键图表)
封面图(page 0)
说明:封面为华创专题报告视觉元素,用于品牌与正式发布场景的展示,强调专业研究机构背景与城市(上海)定位。
图表1:研究核心阶段示意图(page 1)
描述与解读:图示化地将研究分为四层模块(Foundations / Recognition / Macro / Ecosystem),视觉上将K线形态作为基础模块,上层为时点择时与生态构建,支持文本中“四阶段”论述,意在证明产品从研究到实战的路线图。
限制性说明:该图为概念示意,未提供量化边界或阶段度量指标(如样本量、识别准确率随时间变化等),因此更多为战略与产品路线可视化,而非验证性的统计图表。
图表2:形态云系统首页(page 2)
描述与解读:展示Web端“形态云”主界面及功能菜单,说明该系统已运行并有超过3000名注册用户且仅允许公募基金注册,体现先行Web端的用户群与权限管理策略 。
隐含问题:报告同时指出部分客户因IP限制与浏览器兼容性导致无法正常显示,因此将核心功能迁移至微信小程序以提升可达性与分享性,这表明Web端在客户覆盖上存在约束推动小程序落地的现实动力。
图表3:看线宝首页与图表(page 3)
描述与解读:移动端首页布局展示搜索、核心工具矩阵(学习、效果排行、ETF推荐、择时、新闻、榜单等),体现产品对“工具库+搜索+用户中心”的产品化逻辑,强调便捷检索与场景化入口。
图表4:K线全屏专业图表模式(page 3)
描述与解读:图例显示日线选择、多时间窗口(1M/3M/6M/YTD/1Y/全部)、胜率筛选(60%-80%)、正负向筛选按钮等交互控件,图上标注三角形形态信号点,表明系统可在移动端实现多周期对比与信号可视化。
方法学提示:胜率过滤与历史回测为本产品的核心卖点,但报告未在该处给出胜率计算口径(是否包含手续费、样本选择周期、是否剔除停牌/退市等),这对信号的可操作性和回测结果的可信度具有重要影响,应在后续文档中明确。
图表5:ETF智能择时示例(page 4)
描述与解读:图中显示策略净值(蓝线)、基准净值(绿色线)与标的股价(蜡烛图),并在图表上以浅色背景区分“看多”区间,表明系统可对ETF实施基于成分股聚合信号的择时并提供策略净值跟踪。
驱动假设:该模块依赖“成分股形态聚合”算法(文本说明),但报告未详细披露聚合逻辑(如加权方式、是否考虑流动性/市值/成分权重等),这决定了策略是否具有鲁棒性。
图表6:ETF轮动页面(page 4)
描述与解读:展示策略统计(年化收益21.85%、最大回撤-49.41%为示例数值)以及每日策略结论与历史表现列表,表明轮动策略提供回测绩效指标与历史调仓记录供用户参考。
风险提示:所示的最大回撤值较高,提示策略在极端行情下可能面临较大回撤风险;报告在其他部分也强调“数据基于历史,不代表未来”,需用户谨慎解读 。
图表7:项目核心目录(page 5)
描述与解读:以目录树展示前端页面、组件、工具函数和后端接口文件,证明项目具有较完整的工程化与模块化架构,便于维护与扩展。
估值与财务预测(报告缺失说明)
风险因素评估(报告列举与扩展)
批判性视角与细微差别
结论性综合
附:本文中引用的关键图片(按原文出现顺序)
若需我进一步:
【量化看市场系列之三】“看线宝”小程序上线.pdf