量化因子与构建方式 1. 因子名称：被动持股市值变化率因子（mv_passive_chg） - 因子的构建思路：通过计算区间内被动持股市值的变动率来衡量个股的被动资金流动情况 - 因子具体构建过程：计算公式为 $mv\_passive\_chg = \frac{\Delta mv\_passive}{mv\_passive\_start}$ 其中，$\Delta mv\_passive$为区间内被动持股市值的变动，$mv\_passive\_start$为期初被动持股市值[34][118] - 因子评价：整体选股效果有限，多头端有一定的选股效果，但空头端基本无效[118] 2. 因子名称：被动持股占比时序变动因子（w_passvie_zs） - 因子的构建思路：通过z-score标准化方式衡量被动持股占比的时序变动，消除不同行业市值规模和波动性的差异 - 因子具体构建过程：计算公式为 $w\_passvie\_zs = z\_score(w\_passvie)$ 其中，$w\_passvie$为被动持股市值占比[34][118] - 因子评价：该因子在所有年份中基本没有显著区分度，但其相对稳定的年度超额收益值得关注[118] 3. 因子名称：被动净流入占比因子（w_passive_inflow） - 因子的构建思路：通过计算区间内被动净流入占比来衡量个股的被动资金流动情况 - 因子具体构建过程：计算公式为 $w\_passive\_inflow = \frac{被动净流入}{期末流通市值}$ 其中，$被动净流入$为区间内ETF的申赎导致的持有市值变动[34][118] - 因子评价：整体选股效果有限，多头端有一定的选股效果，但空头端基本无效[118] 4. 因子名称：被动资金斜率因子（passive_slope） - 因子的构建思路：通过计算个股被动持股市值的斜率，反映个股本身的涨跌幅和资金流入流出情况 - 因子具体构建过程：计算公式为 $passive\_slope = \text{斜率}(mv\_passive, 时间)$ 其中，$mv\_passive$为个股的日度被动持股市值[127][128] - 因子评价：该因子更像是“多头版”反转因子，具有更强的多头选股能力和稳定性[127][128] 5. 因子名称：被动资金流Beta因子（passive_beta） - 因子的构建思路：衡量个股涨跌幅对资金流变动的敏感程度 - 因子具体构建过程：计算公式为 $passive\_beta = \beta(\text{个股涨跌幅}, \text{资金流日变化率})$ 其中，$\beta$为回归系数[131][132] - 因子评价：对被动资金流变动敏感程度较低的个股未来会有正向超额收益，属于多头因子[131][132] 因子的回测效果 1. 被动持股市值变化率因子（mv_passive_chg_20d） - Rank IC：-2.05% - IC胜率：59.3% - 多头年化超额收益：2.2%[118][121] 2. 被动持股占比时序变动因子（w_passvie_zs_20d） - Rank IC：-0.05% - IC胜率：62.7% - 多头年化超额收益：2.2%[118][121] 3. 被动净流入占比因子（w_passive_inflow_20d） - Rank IC：-0.71% - IC胜率：57.6% - 多头年化超额收益：0.1%[118][121] 4. 被动资金斜率因子（passive_slope_20d） - Rank IC：-2.01% - IC胜率：59.3% - 多头年化超额收益：2.9%[128][134] 5. 被动资金流Beta因子（passive_beta_20d） - Rank IC：-2.22% - IC胜率：72.9% - 多头年化超额收益：4.7%[134][137]