本篇报告从网络结构出发，从个股收益相关网络中提取市场结构中蕴含的状态特征，把“预测涨跌”拆成“风险”与“机会”两个并不对称的问题分别建模，再构建了一套稳定的仓位映射逻辑。
　　个股相关网络中的市场状态信息
　　一般而言，市场在风险或机会出现之前，往往先在结构上留下痕迹：上涨广度收窄、个股同涨同跌加剧、少数共同因子支配力上升等。本文从特征值、特征向量、图拓扑、相关分布与动态状态五个层面，把个股相关网络压缩为一组谱特征，刻画市场状态及其转变。
　　双轨建模：风险与机会分开刻画
　　风险与机会在经济逻辑上并不对称：下跌来自风险的累积与暴露，上涨则通常来自风险释放后的重新定价。在风险侧，以相对入场价的最大跌幅为目标；机会侧则以识别相对强势为目标。实证表明，两个模型的驱动逻辑全然不同：风险侧看结构处在历史什么位，机会侧看结构正往哪个方向动、动得多快。
　　“风险闸口+机会增强”双信号下的二元仓位映射
　　两侧模型的输出信号的分组并不单调，中间区段的细微差别不宜赋予经济含义，可用信息基本集中在两端。因此不采用连续映射，而是先将预测值转为滚动分位，再按“风险闸口+机会增强”定出二元仓位；涉及的阈值则按季重调并对多组取平均，缓解二元规则的极端性，自由度仅三个可解释参数。
　　“双信号”择时策略明显优于买入持有基准，且信号可迁移
　　样本外（2020-01-01至2026-07-31），中证全指择时策略年化收益16.90%（指数3.75%），最大回撤由？39.33%收敛至？15.58%，夏普由0.27升至1.05，平均敞口0.66。同一套信号迁移至沪深300、中证500、国证2000同样有效，年化超额分别为10.67%、15.60%和16.68%。
　　风险提示
　　量化模型基于历史数据，过去的回测业绩不代表未来；量化模型本身存在失效的风险。