量化模型与构建方式 1. 模型名称：科技股票池筛选模型 模型构建思路：通过筛选科技指数成分股与TMT板块个股，构建科技股票池，并基于持仓占比筛选主动科技主题基金[2] 模型具体构建过程： - 取科技指数的所有成分股，与中信一级行业属于TMT板块的个股取并集，记为科技股票池 - 计算主动权益基金近4期所有持股在科技股票池中持仓占比的均值及最小值 - 将持仓占比均值大于60%且最小值大于40%的主动权益基金定义为主动科技主题基金[2] 模型评价：该模型能够有效筛选出专注于科技主题的主动基金，但依赖于持仓数据的准确性[2] 模型的回测效果 1. 科技股票池筛选模型，主动科技主题基金区间收益最小值为-32.68%，最大值为69.23%，中位数为9.36%[2] 2. 科技股票池筛选模型，被动科技主题基金区间收益最小值为-4.20%，最大值为41.88%，中位数为21.11%[5] 量化因子与构建方式 1. 因子名称：科技指数市值风格因子 因子构建思路：通过计算科技指数成分股的市值分布，将科技指数划分为大市值、中大市值、小市值及均衡市值风格[39] 因子具体构建过程： - 大市值风格：成分股中总市值在1000亿以上的权重占比在50%以上 - 中大市值风格：成分股中总市值在300亿-1000亿的权重占比在50%以上 - 小市值风格：成分股中总市值在300亿以下的权重占比在50%以上 - 均衡市值风格：不属于上述三种风格的科技指数[39] 因子评价：该因子能够有效刻画科技指数的市值风格，但需定期更新成分股市值数据[39] 2. 因子名称：科技指数收益因子 因子构建思路：通过计算科技指数在不同科技周期中的区间收益及最大回撤，分析其业绩表现[23] 因子具体构建过程： - 计算科技指数在每轮科技周期中的区间收益及最大回撤 - 分析区间收益排名前60%的科技指数[36] 因子评价：该因子能够识别出在不同科技周期中表现优异的科技指数，但需结合具体市场环境解读[23] 因子的回测效果 1. 科技指数市值风格因子，大市值风格科技指数成分股中总市值在1000亿以上的权重占比为82.71%[40] 2. 科技指数收益因子，软件指数在4轮科技周期中的区间收益排名均在前60%[36]