海通SWARCH模型的优势。http://www.hibor.com.cn【慧博投研资讯】前期我们构建的SWARCH模型在分析货币供应周期和证券市场趋势的关系上取得了超过88%的预测精度。http://www.hibor.com.cn（慧博投研资讯）后来，我们又将这种建模的思想加以改进并且应用在对各个具体行业指数趋势的研究上，即所谓的L_SWARCH行业模型，模型同样取得良好的预测效果。
　　本篇报告中我们主要应用前期开发的海通L_SWARCH模型研究我国股票市场的价格变动与交易量之间的相关关系，对我国证券市场中典型指数的每周涨跌趋势进行预测，并以此为基础构建基于量价关系的程序化交易系统。
　　量化模型指标的选取。在具体构建量价关系模型的过程中我们考虑了众多的与标的指数的收盘价与成交量相关的指标，最终我们选取了标的指数的周收益率数据、标的指数的周日均成交量数据和标的指数的10日股价动量数据作为量化择时模型的基础指标。
　　模型对标的指数周涨跌趋势的预测精度达到了65%以上。实证中我们分别选取了沪深300指数和上证综合指数作为量化择时策略的标的指数，对沪深300指数我们做了129期的样本外预测，准确率达到了65.9%，对上证综合指数我们做了252期的样本外预测，准确率也达到了65.5%。
　　量化择时策略获得了较好的超额收益。在考虑了千分之五的单边交易费用的情况下，以沪深300指数为标的的量化择时策略从2007年1月1日到2009年7月17日净值增长了2.55倍，而同期的沪深300指数仅增长了0.73倍；以上证综合指数为标的的量化择时策略从2004年7月16日到2009年7月17日净值增长了2.13倍，而同期的沪深300指数仅为1.23倍。从相对强弱指标来看，量化择时策略在绝大多数的时期都明显地超越了[50%标的指数+50%现金]的基准组合的收益表现。