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. 模型名称：信达金工行业轮动策略 - 模型构建思路：基于绩优基金持仓倾向的边际变化构建行业轮动信号，捕捉机构资金流向[33] - 模型具体构建过程： 1. 筛选绩优基金样本（近1年业绩前30%） 2. 计算行业超配比例：$超配比例 = \frac{基金持仓行业权重 - 基准行业权重}{基准行业权重}$ 3. 生成行业轮动信号：超配比例环比上升且排名前10的行业为推荐配置[33][37] - 模型评价：能够有效跟踪机构资金动向，但对市场风格切换敏感[33] 2. 模型名称：主力/主动资金流分析模型 - 模型构建思路：通过划分特大单、大单、中小单资金流向，识别主力与散户行为差异[50] - 模型具体构建过程： 1. 按成交量划分资金类型： - 特大单：成交量≥20万股或金额≥100万元 - 大单：6-20万股或30-100万元 - 中小单：≤6万股或≤30万元 2. 计算净流入额：$净流入额 = 主买金额 - 主卖金额$[50][51] 量化因子与构建方式 1. 因子名称：公募基金仓位因子 - 因子构建思路：跟踪主动权益型基金仓位变化，反映机构风险偏好[17] - 因子具体构建过程： 1. 筛选样本：成立满两季度、规模＞5000万、历史平均仓位＞60% 2. 加权计算：$市场平均仓位 = \frac{\sum(基金持股市值 \times 基金仓位)}{\sum基金持股市值}$[20] 2. 因子名称：ETF资金流向因子 - 因子构建思路：监测各类ETF净流入/流出情况，捕捉市场热点[38] - 因子具体构建过程： 1. 按类型分类统计（宽基/行业/跨境等） 2. 计算净流入：$净流入 = 申购金额 - 赎回金额$[38][61] 模型的回测效果 1. 信达金工行业轮动策略 - 年化超额收益：8.2%（vs 中信一级行业等权基准）[36] - 胜率：63.5%（2020-2025年）[36] 2. 主力资金流模型 - 主力净流入TOP5行业周收益率：平均1.9%[51][57] - 主力净流出行业后续周回调概率：72%[51] 因子的回测效果 1. 公募基金仓位因子 - 仓位＞90%时，后续1月沪深300下跌概率68%[17][22] - 仓位变动与市场波动率相关性：0.41[17] 2. ETF资金流向因子 - TMT板块单周净流入＞50亿时，次周超额收益IR：1.25[38][61] - 跨境ETF净流入与港股科技指数相关性：0.78[61] 指标取值（统一口径） | 模型/因子 | 年化收益 | 最大回撤 | IR | 胜率 | |--------------------|----------|----------|------|-------| | 行业轮动策略 | 15.7% | 22.3% | 1.8 | 63.5% | | 主力资金流模型 | 12.1% | 18.9% | 1.2 | 58.7% | | 公募基金仓位因子 | - | - | 0.9 | 67.2% | | ETF资金流向因子 | - | - | 1.4 | 61.3% | 注：所有指标基于2020-2025年周频回测，基准为沪深300指数[36][51][61]