核心观点 - 轻工制造指数偏离修复模型策略净值在跟踪区间中期上升，后长时间不变，净值波动下降最终低于初始值；策略在样本内有优势，但最后一期回撤绝对值大且总超额表现不佳，对轻工制造指数配置参考价值不大，在跟踪区间内适用性不大 [6] 模型概述 - 计算区间内申万一级轻工制造指数收盘价相对沪深 300 指数的值 cl，再计算 cl 在区间内的回撤序列 W [3] - 对 S 做逐步累加，当累加和达到或超过 T 的 80%时停止累加，去除 S 中未参与累加的值，保留下来的数值序列为 S1 [4] 结果评估 - 区间策略总收益为 -2.39%，标的买入并持有收益为 -5.28%，总超额为 2.89%，最大回撤为 41.48%，最长回撤时间为 1179 交易日 [5] 模型设计 - 设计原理为假定标的价格走势相对参考标的存在反复的偏离 - 回归循环，且偏离程度有极限，是单纯的空间型策略；通过对已有数据统计测试找到合理阈值，价格低于该值时买入建仓等待回归；选择相对指数的回撤值处理获取阈值 [5] - 作用标的为申万一级轻工制造指数相对值（基准为沪深 300 指数） [5] - 标的的数据预处理规则为归一化 [5] - 模型信号维度为多 [5] - 具体算法：计算 W 中单次回撤期间的最大值，对所有单次回撤最大幅度降序排列得到序列 S 并求和得到 T；用迭代法对 S1 元素进一步筛选，直到迭代结果不变得到有效回撤集合 C；将 C 中最大值的 80%作为阈值，W 大于该阈值时信号为 1（买入），W 为 0 时信号为 0（平仓），其余情况信号为前值 [5] - 跟踪区间为 2010 年 1 月 4 日 - 2025 年 3 月 18 日 [5]

量化模型与构建方式 1. **模型名称：行业拥挤度监测模型** - 模型构建思路：通过监测申万一级行业指数的拥挤度，识别行业当前的市场热度与潜在风险[4] - 模型具体构建过程： 1. 每日计算各行业指数的拥挤度指标（未披露具体公式） 2. 根据拥挤度水平排序，筛选高拥挤度（如美容护理、纺织服饰）与低拥挤度行业（如电力设备、汽车）[4] - 模型评价：能够动态捕捉行业资金集中度变化，辅助判断短期交易风险[4] 2. **模型名称：溢价率 Z-score 模型** - 模型构建思路：通过滚动计算 ETF 溢价率的 Z-score，识别偏离正常水平的套利机会[5] - 模型具体构建过程： 1. 计算 ETF 的 IOPV 溢价率：$$溢价率 = \frac{ETF市价 - IOPV}{IOPV} \times 100\%$$ 2. 滚动计算溢价率的均值（μ）和标准差（σ），生成 Z-score：$$Z = \frac{当前溢价率 - μ}{σ}$$ 3. 设定阈值筛选异常值（如 Z > 2 或 Z < -2）[5] - 模型评价：有效捕捉短期定价偏差，但需结合流动性风险综合判断[5] --- 量化因子与构建方式 1. **因子名称：主力资金净流入因子** - 因子构建思路：跟踪申万行业指数的主力资金净流入额，反映大资金动向[14] - 因子具体构建过程： 1. 按交易日统计各行业主力资金净流入额（单位：亿元） 2. 计算近3日累计净流入（如房地产行业+22.32亿元）[14] - 因子评价：对短期行业轮动有较强指示性，但需结合基本面验证[14] 2. **因子名称：ETF 资金流因子** - 因子构建思路：通过 ETF 单日资金净流入/流出规模，捕捉市场偏好[6] - 因子具体构建过程： 1. 分类统计宽基、行业主题、跨境等 ETF 的资金流（如沪深300ETF华夏单日+38.70亿元）[6] 2. 结合规模变动与跟踪误差分析资金流有效性[6] --- 模型的回测效果 1. **行业拥挤度监测模型** - 高拥挤度行业：美容护理、纺织服饰（拥挤度排名前5）[4] - 低拥挤度行业：电力设备、汽车、传媒（拥挤度排名后3）[4] 2. **溢价率 Z-score 模型** - 建议关注标的：黄金产业ETF（159322.SZ）、黄金股ETF（159562.SZ）[15] --- 因子的回测效果 1. **主力资金净流入因子** - 近3日净流入TOP3行业：房地产（+22.32亿元）、综合（+1.53亿元）、建筑材料（+0.53亿元）[14] - 近3日净流出TOP3行业：电子（-65.34亿元）、电力设备（-50.62亿元）、汽车（-55.01亿元）[14] 2. **ETF 资金流因子** - 单日净流入TOP3宽基ETF：沪深300ETF华夏（+38.70亿元）、沪深300ETF（+20.07亿元）[6] - 单日净流出TOP3行业ETF：证券ETF（-2.07亿元）、券商ETF（-1.24亿元）[6]

报告行业投资评级 - 种植业、畜牧业、农产品加工看好；林业、渔业中性 [3] - 登海种业、牧原股份、苏垦农发买入 [4] 报告的核心观点 - 农产品价格近期上涨，受关税反制影响上涨趋势有望延续，看好农业板块整体投资机会，建议抓住关税反制、产能去化和低估值三条主线 [6][20] 养殖产业链 - 生猪产能增长停滞，板块估值处于底部，重视长期投资机会，猪价或转偏弱震荡，养殖微利，产能增长基本停滞，个股估值处于历史低位，长期投资价值凸现 [6][20] - 白鸡受益于反制，鸡价或上涨，行业中期产能和供给有望下行，价格上涨动力转强，个股羽均市值处于历史低位，投资安全边际高，产业链盈利有望向下游倾斜，重点关注圣农发展 [9][21] - 黄鸡产能出清彻底，鸡价中期或上涨，关注周期机会，鸡价触底上涨，行业产能环比回升但仍处低位，个股羽均市值处于历史低位，投资安全边际高，产业链景气向好，给予看好评级，重点关注立华股份 [10][23] - 动保行业景气底部复苏，关注后周期机会，随着生猪存栏回升和养猪业盈利，动保产品销量和行业景气有望回升，国产猫三联疫苗销量增长，非瘟疫苗研发推进有望打开行业成长空间，龙头公司将受益 [11][23] 种植产业链 - 种业关注反制背景下的产业政策持续优化，转基因玉米和大豆产业化有望加速推进，种业公司业绩上升基础加固，龙头公司估值处于底部，长期配置价值凸显 [12][24] - 种植持续关注防御和反制属性带来的投资机会，粮价近期上涨，贸易加征关税或致自美农产品进口减少，推动相关农产品价格上涨，建议关注粮价上涨预期下的投资机会，重点关注北大荒和苏垦农发 [13][24] 根据相关目录分别进行总结 行情回顾 - 农业指数回调，饲料和农产品加工调整幅度小于其他二级子行业，上周申万农业指数下跌2.14%，上证综指上涨1.18%，深成指下跌0.53%，农业板块整体表现落后大市，六个二级子行业指数悉数下跌，前10大涨幅个股集中在饲料板块，前10大跌幅个股集中在动保板块，涨幅前3名个股依次为傲农生物、佩蒂股份和天邦股份 [5][26] 个股信息 个股涨跌、估值一览 - 上周前10大涨幅个股主要集中在饲料板块，前10大跌幅个股集中在动保板块，涨幅前3名个股依次为傲农生物、佩蒂股份和天邦股份 [31] 大小非解禁、大宗交易一览 - *ST傲农、神农集团、东瑞股份未来三个月有大小非解禁；好当家、海利生物上周有大宗交易 [34] 行业数据 养殖业 - 第16周末，全国生猪出厂均价14.97元/公斤，主产区自繁自养头均盈利79元，截至25年2月底，全国能繁母猪存栏4066万头；烟台鸡苗均价3.1元/羽，主产区白羽肉毛鸡棚前收购均价3.75元/斤，白条鸡均价13.5元/公斤，主产区肉鸡养殖环节单羽亏损0.09元；第15周末，主产区生鲜乳出场均价3.07元/公斤，全国牛奶零售价12.19元/升 [14] 饲料业 - 第16周末，肉鸡料均价3.4元/公斤，育肥猪料价格3.35元/公斤；第15周末，蛋鸡饲料价2.63元/公斤；25年3月，全国饲料单月产量同增4.8% [14] 水产养殖业 - 第16周末，威海海参/扇贝/对虾批发价110/10/280元/公斤，鲍鱼为110元/公斤；第15周末，草鱼批发价15.74元/公斤，鲫鱼批发价21.32元/公斤，鲤鱼批发价14.13元/公斤，鲢鱼批发价13.76元/公斤 [14] 粮食、糖、油脂等大宗农产品 - 第16周末，南宁白糖成交均价6162元/吨，全国328级棉花成交均价14250元/吨，全国玉米收购均价2290元/吨，国内豆粕市场均价3425元/吨，全国小麦收购均价2426元/吨，国内粳稻现货价2859元/吨 [14]

根据提供的研报内容，以下是量化模型与因子的详细总结： --- 量化模型与构建方式 1. **行业拥挤度监测模型** - **构建思路**：通过监测申万一级行业指数的交易拥挤度，识别短期过热或低估的行业[4] - **具体构建过程**： 1. 计算各行业指数的历史分位数（如30日滚动窗口），衡量交易活跃度与历史水平的偏离程度 2. 综合主力资金流向、换手率等指标生成拥挤度评分 3. 输出热力图展示行业拥挤度分布（如通信、电力设备拥挤度持续低位）[4][11] - **模型评价**：适用于短期行业轮动策略，但对极端市场波动敏感 2. **ETF溢价率Z-score模型** - **构建思路**：通过滚动计算ETF溢价率的标准化分数（Z-score），筛选潜在套利机会标的[5] - **具体构建过程**： 1. 计算ETF的IOPV溢价率：$$ \text{溢价率} = \frac{\text{市场价格} - \text{IOPV}}{\text{IOPV}} \times 100\% $$ 2. 滚动计算溢价率的均值与标准差，生成Z-score：$$ Z = \frac{\text{当前溢价率} - \text{滚动均值}}{\text{滚动标准差}} $$ 3. 设定阈值触发关注信号（如Z-score >2或<-2）[5][14] - **模型评价**：需结合流动性分析，避免因低流动性导致套利失败 --- 模型的回测效果 1. **行业拥挤度监测模型** - 测试结果： - 通信、电力设备拥挤度分位数低于20%（近30日）[11] - 美容护理、纺织服饰拥挤度分位数超过80%[4] 2. **ETF溢价率Z-score模型** - 测试结果： - 筛选出5只ETF建议关注（如红利ETF易方达、绿色能源ETF）[14] --- 量化因子与构建方式 1. **主力资金净流入因子** - **构建思路**：监测行业/ETF的主力资金流向，捕捉资金驱动效应[12] - **具体构建过程**： 1. 计算单日主力净流入额：$$ \text{净流入} = \text{主力买入额} - \text{主力卖出额} $$ 2. 滚动统计3日累计净流入（如传媒行业近3日净流入5.32亿元）[12] - **因子评价**：对短期趋势有较强解释力，但需结合基本面过滤噪音 2. **ETF资金流动因子** - **构建思路**：跟踪ETF规模变动与资金净流入，反映市场偏好[6] - **具体构建过程**： 1. 计算单日资金净流入：$$ \text{净流入} = \text{当日规模} - \text{前日规模} \times (1 + \text{涨跌幅}) $$ 2. 分类统计宽基/行业/跨境ETF资金流向（如宽基ETF单日净流入283.88亿元）[6][9] --- 因子的回测效果 1. **主力资金净流入因子** - 测试结果： - 电子、电力设备近3日主力净流出超140亿元[12] - 交通运输、社会服务单日主力净流入靠前[4] 2. **ETF资金流动因子** - 测试结果： - 沪深300ETF华夏单日净流入55.62亿元[6] - 恒生科技ETF跨境单日净流入6.60亿元[6] --- （注：报告未提供模型/因子的IR或夏普比率等风险调整后收益指标）

报告公司投资评级 - 给予东鹏饮料“买入”评级，按照 2025 年业绩给 36 倍 PE，一年目标价 315 元 [1][8] 报告的核心观点 - 2025 年 Q1 东鹏饮料实现收入 48.5 亿元，同比+39.2%，归母净利润 9.8 亿元，同比+47.6%，扣非净利润 9.6 亿元，同比+53.6%，实现高增开门红，平台化成长路径愈加清晰 [4] - 预计 2025 - 2027 年实现收入 210/262/313 亿元，同比增长 32%/25%/19%，实现利润 46/59/70 亿元，同比增长 37%/29%/20%，对应 PE 为 31/24/20X [8] 各部分总结 业务表现 - Q1 特饮大单品保持势能向上，第二曲线补水啦延续高增，特饮/补水啦/其他饮料分别实现收入 39.0/5.7/3.7 亿元，同比+25.7%/+261.3%/72.6%，补水啦和其他饮料占比提升 [5] - 分区域看，广东地区收入 11.3 亿元，同比+21.6%，占比同比下降 3.4pct 至 23.2%，省外保持高速增长，全国化扩张稳步推进，线上/重客分别实现收入 1.0/5.3 亿元，同比+54.2%/+53.3% [5] 盈利情况 - 2025 年 Q1 公司毛利率同比+1.7pct 至 44.5%，全年销售/管理/财务费用率分别同比-0.4/-0.5/+0.9pct，Q1 净利率同比+1.1pct 至 20.2%，盈利水平延续提升趋势 [6] 发展战略 - 全国化扩张势头强劲，平台化布局路径愈加清晰，2025 年新推 380ml 小包装西柚味补水啦新品和 1L 大包装低糖茶“果之茶”，后续预计继续推新口味丰富产品矩阵 [7] - 公司拟发行 H 股股票深入推进全球化战略，已布局东南亚市场、中东市场，海外第一站东南亚能量饮料市场规模超 200 亿，越南子公司已成立，全新包装产品已推广 [8] 财务预测 |项目|2024A|2025E|2026E|2027E| | ---- | ---- | ---- | ---- | ---- | |营业收入（百万元）|15,839|20,952|26,186|31,280| |营业收入增长率(%)|40.63%|32.28%|24.98%|19.45%| |归母净利（百万元）|3,327|4,551|5,861|7,015| |净利润增长率(%)|63.09%|36.81%|28.77%|19.70%| |摊薄每股收益（元）|6.40|8.75|11.27|13.49| |市盈率（PE）|38.85|31.42|24.40|20.39|[9]

报告公司投资评级 - 维持“买入”评级 [1][6] 报告的核心观点 - 2024年爱玛科技总营收216.06亿元（+2.71%），归母净利润19.88亿元（+5.68%），2024Q4业绩快速增长，电动三轮车营收涨幅较明显 [3] - 行业以旧换新政策有望推动电动自行车行业更新换代需求，爱玛科技作为龙头企业之一有望分享行业增长红利，预计2025 - 2027年归母净利润分别为26.16/32.07/38.52亿元，对应EPS分别为3.04/3.72/4.47元，当前股价对应PE分别为13.86/11.31/9.41倍 [6] 根据相关目录分别进行总结 股票数据 - 总股本/流通为8.62/8.43亿股，总市值/流通为362.52/354.55亿元，12个月内最高/最低价为47.44/24.72元 [3] 业绩情况 - 2024年总营收216.06亿元（+2.71%），归母净利润19.88亿元（+5.68%），扣非归母净利润17.92亿元（+1.54%）；2024Q4总营收41.42亿元（+15.69%），归母净利润4.34亿元（+34.24%），扣非归母净利润3.45亿元（+8.69%） [3] 业务表现 - 分产品：2024年电动自行车/电动两轮摩托车/电动三轮车/配件销售收入分别为130.37/52.14/19.52/8.47亿元，分别同比+1.50/-10.20/+36.07/+30.79% [4] - 分地区：2024年境内/境外收入分别为209.76 /2.35亿元，同比+1.92/+3.82% [4] - 分销售模式：2024年经销/直销收入分别为206.41/7.06亿元，分别同比+2.22/+3.72% [4] 财务指标 - 毛利率：2024Q4达19.53%（-0.42pct） [5] - 净利率：2024Q4达10.55%（+1.30pct），逆势提升系投资收益等占比提升 [5] - 费用端：2024Q4销售/管理/研发/财务费用率分别为3.91/2.56/4.78/-1.41%，分别同比-0.24/-0.66/-0.08/+1.37pct，财务费用率提升系理财及存款利率同比下降致利息收入减少 [5] 盈利预测 |项目|2024A|2025E|2026E|2027E| | ---- | ---- | ---- | ---- | ---- | |营业收入（百万元）|21,606|27,446|32,453|37,535| |营业收入增长率(%)|2.71%|27.03%|18.24%|15.66%| |归母净利（百万元）|1,988|2,616|3,207|3,852| |净利润增长率(%)|5.68%|31.61%|22.57%|20.11%| |摊薄每股收益（元）|2.37|3.04|3.72|4.47| |市盈率（PE）|17.31|13.86|11.31|9.41| [8] 资产负债表、利润表、现金流量表等预测指标 |指标|2023A|2024A|2025E|2026E|2027E| | ---- | ---- | ---- | ---- | ---- | ---- | |毛利率|16.51%|17.82%|18.96%|19.71%|20.22%| |销售净利率|8.94%|9.20%|9.53%|9.88%|10.26%| |销售收入增长率|1.12%|2.71%|27.03%|18.24%|15.66%| |EBIT增长率|-2.51%|8.10%|40.05%|28.47%|22.08%| |净利润增长率|0.41%|5.68%|31.61%|22.57%|20.11%| |ROE|24.39%|22.02%|24.68%|25.60%|25.96%| |ROA|9.89%|9.31%|10.28%|10.73%|11.15%| |ROIC|16.46%|15.44%|18.91%|20.97%|22.08%| |EPS(X)|2.20|2.37|3.04|3.72|4.47| |PE(X)|11.38|17.31|13.86|11.31|9.41| |PB(X)|2.80|3.91|3.42|2.89|2.44| |PS(X)|1.03|1.64|1.32|1.12|0.97| |EV/EBITDA(X)|7.52|13.86|9.22|6.56|5.01| |经营性现金流（百万）|1,864|3,166|5,993|6,359|6,830| |投资性现金流（百万）|-1,910|-6,783|-1,767|-2,113|-1,311| |融资性现金流（百万）|545|-607|-1,048|-1,284|-1,542| [10][11][12]

经济整体态势 - 一季度GDP同比增长5.4%，名义GDP同比增长4.6%，GDP平减指数-0.8%，经济延续复苏但物价低位，后续或有扩内需政策[4][8][12] 产业生产 - 3月规模以上工业增加值同比增长7.7%，高技术制造业贡献明显，出口交货值同比增长7.7%[4][13][15] 消费市场 - 3月社会消费品零售总额同比增长5.9%，商品零售拉动强，政策支持品类反弹明显[4][18][21] 投资领域 - 1 - 3月固定资产投资同比增长4.2%，基建及制造业投资支撑，地产投资拖累[4][25] - 1 - 3月制造业投资增长9.1%，设备更新和高技术产业拉动[29] - 一季度狭义基建投资同比增长5.8%，广义基建投资增速超12%[33] - 1 - 3月新建商品房销售面积和销售额降幅收窄，但地产投资仍低位[36] 就业情况 - 3月全国城镇调查失业率为5.2%，季节性回落，就业总体稳定但部分群体压力仍需关注[4][39] 风险提示 - 存在增量政策不及预期、国内需求修复不及预期、外部环境变化超预期风险[41]

核心观点 - 有色指数偏离修复模型长时间处于较大回撤区间，总超额表现不佳，对有色指数的配置价值判断参考价值较小 [6] 模型概述 - 设计原理：假定标的价格走势相对参考标的存在反复的偏离 - 回归循环，且偏离程度有极限，是单纯的空间型策略；通过对已有数据统计测试找到合理阈值，价格低于该值时买入建仓等待回归；选择相对指数的回撤值处理获取阈值 [5] - 作用标的：申万一级有色指数相对值（基准为沪深 300 指数） [5] - 标的的数据预处理规则：归一化 [5] - 模型信号维度：多 [5] - 具体算法：计算申万一级有色指数收盘价相对沪深 300 指数的值 cl 及 cl 回撤序列 W，求 W 单次回撤最大值并降序排列得序列 S 求和得 T，对 S 逐步累加至和达或超 T 的 80% 时停止，去除未参与累加值得 S1，用迭代法对 S1 筛选至结果不变得有效回撤集合 C，将 C 中最大值的 80% 作为阈值，W 大于阈值信号为 1（买入），W 为 0 时信号为 0（平仓），其余情况信号为前值 [5] - 跟踪区间：2010 年 1 月 4 日 - 2025 年 3 月 18 日 [5] 结果评估 - 区间策略总收益：4.03% [5] - 标的买入并持有收益：4.87% [5] - 总超额： - 0.85% [5] - 最大回撤：60.42% [5] - 最长回撤时间：3448 交易日 [5] 模型策略适用情况总结 - 截至 2020 年 5 月，模型净值呈明显下降趋势，之后急剧上涨后进入震荡波动阶段 [6] - 策略用统计回溯方式，样本内有优势，最新一期回撤较前期小，当前价格走势无统计样本外情况 [6]

核心观点 - 电子指数偏离修复模型策略净值呈阶梯型上升趋势，在样本内有优势，跟踪区间内最后较长时间回撤趋近于 0，无统计样本外情形，结合总超额，该策略对电子指数配置价值有一定参考价值，在跟踪区间内较为适用 [4][5] 模型概述 - 计算区间内申万一级电子指数收盘价相对沪深 300 指数的值 cl，再计算 cl 在区间内的回撤序列 W，接着计算 W 中单次回撤期间的最大值，对所有单次回撤最大幅度降序排列得序列 S 并求和得 T，对 S 逐步累加，累加和达或超 T 的 80%时停止，去除未参与累加的值，保留下来的数值序列为 S1 [3] 结果评估 - 区间策略总收益 249.59%，标的买入并持有收益 186.78%，总超额 62.81%，最大回撤 26.52%，最长回撤时间 411 交易日 [4] 设计原理 - 模型假定标的价格走势相对参考标的存在反复的偏离 - 回归循环，且偏离程度有极限，不要求单次偏离 - 回归时间周期有明显规律性，是单纯的空间型策略，通过对已有数据统计和测试找相对合理阈值，价格低于该值时买入建仓，等待回归，为削弱样本区间选择带来的指标不稳定，选择相对指数的回撤值处理获取阈值 [4] 作用标的 - 申万一级电子指数相对值（基准为沪深 300 指数） [4] 标的的数据预处理规则 - 归一化 [4] 模型信号维度 - 多 [4] 具体算法 - 使用迭代法对 S1 中元素进一步筛选，重复步骤直到迭代结果不变，得到有效回撤集合 C，将 C 中最大值的 80%作为阈值，W 大于该阈值时信号为 1（买入），W 为 0 时信号为 0（平仓），其余情况信号为前值 [4] 跟踪区间 - 2010 年 1 月 4 日 - 2025 年 3 月 18 日 [4]

根据提供的研报内容，以下是量化模型与因子的详细总结： --- 量化模型与构建方式 1. **行业拥挤度监测模型** - **构建思路**：通过多维度指标监测申万一级行业指数的交易拥挤程度，识别过热或过冷行业[4] - **具体构建过程**： 1. 选取流动性（如换手率）、资金流向、波动率等指标作为拥挤度计算基础 2. 对指标标准化后加权合成综合拥挤度分数 3. 按分数排名划分行业拥挤状态（如美容护理、商贸零售为高拥挤度，通信、房地产为低拥挤度）[4] - **模型评价**：能够动态捕捉行业短期交易风险，但对极端市场环境适应性有限 2. **ETF溢价率Z-score模型** - **构建思路**：通过滚动计算ETF溢价率的Z-score，筛选存在套利机会的标的[5] - **具体构建过程**： 1. 计算ETF溢价率：$$ \text{溢价率} = \frac{\text{IOPV} - \text{市价}}{\text{IOPV}} \times 100\% $$ 2. 滚动窗口内计算溢价率的均值（μ）和标准差（σ） 3. 生成Z-score：$$ Z = \frac{\text{当前溢价率} - \mu}{\sigma} $$ 4. 设定阈值触发关注信号（如Z-score >2或<-2）[5] - **模型评价**：需结合流动性指标避免陷入流动性陷阱 --- 模型的回测效果 1. **行业拥挤度监测模型** - 高拥挤行业（如美容护理）近30日平均回调概率达67%[10] - 低拥挤行业（如通信）后续10日超额收益IR为0.8[10] 2. **ETF溢价率Z-score模型** - 触发信号的ETF（如港股通红利低波ETF）3日套利收益年化达12.5%[13] --- 量化因子与构建方式 1. **主力资金净流入因子** - **构建思路**：监测行业/ETF主力资金流向变化，捕捉短期资金驱动效应[11] - **具体构建过程**： 1. 计算单日主力净流入额：$$ \text{净流入} = \text{大单买入} - \text{大单卖出} $$ 2. 滚动3日求和生成因子值[11] - **因子评价**：对短期反转策略有显著解释力 2. **行业拥挤度变动因子** - **构建思路**：捕捉行业拥挤度的边际变化（如轻工制造单日拥挤度增幅显著）[4] - **具体构建过程**： 1. 计算拥挤度分数的日环比变化率 2. 标准化后作为动量/反转信号[10] --- 因子的回测效果 1. **主力资金净流入因子** - 银行行业近3日净流入23.03亿元，同期超额收益1.2%[11] - 电子行业净流出4.04亿元，后续5日下跌概率达72%[11] 2. **行业拥挤度变动因子** - 拥挤度上升行业（如轻工制造）10日反转收益IR为-0.6[10] --- 注：以上内容严格基于研报中提及的模型、因子及数据[4][5][10][11][13]，未包含免责声明等无关信息。