总结 量化模型与构建方式 - 模型名称：公募实时持仓测算模型 模型构建思路：基于基金净值、持仓披露、调研行为等市场公开信息，实时测算公募基金对特定板块的持仓动态[15] 模型具体构建过程： 1. 收集基金净值数据 2. 整理基金持仓披露信息 3. 结合基金调研行为，综合处理上述数据，得出公募基金对机器人板块的持仓动态[15] 模型评价：该模型能够实时反映公募基金的持仓变化，为市场资金流向提供重要参考[15] - 模型名称：ETF资金持仓动态模型 模型构建思路：通过ETF持仓占板块股票市值比例的变化，监测资金流入流出情况[16] 模型具体构建过程： 1. 收集ETF基金的持仓数据 2. 计算ETF持仓占板块股票市值的比例 3. 分析比例变化趋势，得出资金流向结论[16] 模型评价：ETF持仓动态已成为市场资金流向的重要观察窗口，能够反映指数投资的资金行为[16] - 模型名称：两融余额动向模型 模型构建思路：通过融资余额和融券余额的变化，分析投资者对市场的看多或看空情绪[16] 模型具体构建过程： 1. 收集融资余额和融券余额数据 2. 分析融资余额的变化趋势，判断市场看多情绪 3. 分析融券余额的变化趋势，判断市场看空情绪[16] 模型评价：融资余额的增加通常被认为是投资者看多后市的信号[16] 模型的回测效果 - 公募实时持仓测算模型：2024年12月以来，公募基金对机器人板块的配置仓位有所回升[15][17] - ETF资金持仓动态模型：2024年以来，ETF持仓占机器人板块股票市值比例持续上升，达到4.6%[16][18] - 两融余额动向模型：融资余额自2024年9月25日后大幅反弹向上，融券余额处于较低水平[16][19][20] 量化因子与构建方式 - 因子名称：机构调研因子 因子的构建思路：通过统计机构对个股的调研次数，衡量机构对个股的关注度[21] 因子具体构建过程： 1. 收集机构调研数据 2. 统计每只个股的调研次数 3. 将调研次数作为因子值，反映机构关注度[21] 因子评价：调研次数较高的个股通常受到机构的重点关注，可能具有较高的市场热度[21] - 因子名称：雪球大V关注因子 因子的构建思路：通过统计雪球大V对个股的关注数量，衡量市场投资者对个股的兴趣[23] 因子具体构建过程： 1. 收集雪球平台大V用户的关注数据 2. 统计每只个股的大V关注数量 3. 将关注数量作为因子值，反映市场投资者的兴趣[23][24] 因子评价：雪球大V的关注行为具有一定的信息含量，能够反映市场投资者的偏好[23] - 因子名称：主力资金流入因子 因子的构建思路：通过统计大单与超大单的净流入金额，衡量主力资金对个股的偏好[28] 因子具体构建过程： 1. 收集大单（20-100万元）与超大单（>100万元）的交易数据 2. 计算大单与超大单的净流入金额 3. 将净流入金额作为因子值，反映主力资金的偏好[28][29] 因子评价：主力资金的流入能够反映市场对个股的关注度和资金支持力度[28] - 因子名称：龙虎榜因子 因子的构建思路：通过统计个股进入龙虎榜的频次及资金流入情况，衡量市场活跃资金的关注度[30] 因子具体构建过程： 1. 收集交易所每日龙虎榜数据 2. 统计个股进入龙虎榜的频次 3. 分析龙虎榜资金净流入情况，作为因子值[30][31] 因子评价：龙虎榜数据能够反映市场最热点的交易动向[30] - 因子名称：高频股东户数因子 因子的构建思路：通过统计股东户数的变化，衡量个股的投资者结构变化[33] 因子具体构建过程： 1. 收集交易所披露的股东户数数据 2. 计算最新两期股东户数的变动比例 3. 将变动比例作为因子值，反映投资者结构变化[33][34] 因子评价：股东户数的大幅增加可能是对后续股价的潜在风险提示[33] 因子的回测效果 - 机构调研因子：汇川技术、埃斯顿、中控技术等个股调研次数最多，分别为38次、35次、32次[21][22] - 雪球大V关注因子：绿的谐波、柯力传感、金奥博等个股大V关注数量最高，分别为41、40、33[23][24][25] - 主力资金流入因子：歌尔股份、秦川机床、汇洲智能等个股主力净流入金额最高，分别为7.49亿元、2.30亿元、2.19亿元[28][29] - 龙虎榜因子：三丰智能、卓郎智能、新元科技等个股进入龙虎榜，资金净流入分别为-1.2亿元、0.4亿元、0.5亿元[30][31] - 高频股东户数因子：海得控制、宝塔实业、金银河等个股股东户数增幅最高，分别为92.48%、74.73%、66.78%[33][34]