什么样的行为算是择时呢？盘中或收盘的某个信息、某个指标触发了自己敏感的神经（量化里叫做阈值），在你原先设定的信仰下，产生了买入或者卖出的决策，这就是择时。

一个择时指标，没有高低贵贱之分，只有暂时的有效性之分，有些指标在这几年有效，有些指标则可能在趋势年份有效。而一个择时体系是不是值得坚持，不光取决于指标本身，还取决于以什么样的方法用好这些指标。

01 一个择时体系的关键：因子和信号

择时体系（你也可以说是择时策略）关键的两个要素就是因子和信号。所谓因子，就是你发现了一个影响后市走势的原因，比如收盘价、成交量、期权认购认沽成交比、波动率指数、深度实值认购的时间价值等等；所谓信号，就是基于这些因子，给出明天的操作决策（做多、做空、还是空仓）。

02 因子的构建

先来具体说说因子，要建立择时体系，先要获得一些原始数据（比如从yahoo、wind、大智慧等导出数据），简单的因子直接导出数据即可（比如收盘价、成交量、期权认购认沽比），复杂的因子还要经过一个数据加工的过程，把一些简单原始的数据变成另一个数值，最简单的数据加工就是差分加工和比率加工，如果今天的成交量是原始因子值，那么用今天的成交量减去昨日的成交量就是差分加工，用今天的成交量除以昨日的成交量就是比率加工。 

接着你需要根据你的信仰，确定这个因子是正向因子还是负向因子，容易理解，正向因子就是这个因子值越大你越倾向于看涨，负向因子就是这个因子值越小，你越倾向于看涨。举个例子，深度实值认购期权的时间价值越大，表示市场看涨情绪越高，所以这是一个正向因子。

不过需要注意的是，万物都是动态的，有些时候直觉上的正向因子，会因为在某个市场风格切换，或市场环境变化而变成负向因子。最简单的例子就是收盘价因子，有的时候市场处于趋势的右侧，具有动量效应，收盘价创新高表示压力支撑的转换，应该买入，所以是一个正向因子，但有的时候，收盘价的虚高意味着泡沫的形成，可能更适合卖出，这时候它就是一个负向因子。 

得到了因子的原始数值和加工后数值，并确定了它是正向还是负向以后，我们就可以进入下一步信号的构建了。

03 信号的构建

对于一个因子，我们首先尽可能预留多一些的历史数据，然后从小到大进行排序（这里假设因子是正向因子）。比如在今天收盘前，你已经搜集了某个因子的3000个历史数据，那么你需要做的就是先把这些历史数据从小到大进行排序，得到经过排序后的3000个数据。

接着要做的就是对这些历史数据进行某一种分割。如果你仅仅希望产生多空两个信号，那就把这个因子的历史数据分为两个部分；如果你希望产生多、空、中性三个信号，那就把历史数据分为三个部分。常用的切割方式有三种，分别是：分位数分割、均值等轨分割、以及均值变轨分割。 

所谓分位数分割，就是用两个分位数（a和b，a小于b）把排序后的历史数据分成三个部分，第一个部分是数值小于a分位数的部分，第二个部分是数值介于a分位数与b分位数之间的部分，第三个是数值大于b分位数的部分。       

比如，如果a分位数是33%分位数，b分位数是66%分位数，那么这3000个排序后的历史数据就等分成了三个部分，第一个部分是较小的1000个数据，第二个部分是中间的1000个数据，第三个部分是较大的1000个数据。

所谓均值等轨分割，就是先求出3000个历史数据的平均数，比如，它恰好位于第1200个位置，然后你用一个固定的比例a%，把排序后的历史数据分成三个部分，第一个部分是数值小于1200*（1-a%）的部分，第二个部分是数值介于1200*（1-a%）与1200*（1+a%）之间的部分，第三个是数值大于1200*（1+a%）的部分。如果这个a取为10%，那么第一个部分就是较小的1080个数据，第二个部分就是中间的240个数据，第三个部分就是较大的1680个数据。

所谓均值变轨分割，同样先求出3000个历史数据的平均数，比如，它恰好位于第1200个位置，然后你用一个非固定的比例a(t)，把排序后的历史数据分成三个部分。第一个部分是数值小于1200*（1-a(t)）的部分，第二个部分是数值介于1200*（1-a(t)）与1200*（1+a(t)）之间的部分，第三个是数值大于1200*（1+a(t)）的部分。

相比于上面说的均值等轨分割，区别在于这个a(t)是随着时间变化的。在实盘里，布林线双轨就非常类似于这种分割方法，每天的上轨是由最近的20天均价加上两倍标准差，每天的下轨是由最近的20天均价减去两倍标准差，双轨之间的距离每天都是在变的