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. 计算各行业指数的拥挤度指标，可能结合交易量、价格波动、资金流向等数据 2. 对拥挤度进行每日滚动计算和排名 3. 输出拥挤度较高（如基础化工、机械设备）和较低（如传媒、房地产）的行业信号[4] - 模型评价：能够动态捕捉行业短期过热或低估状态，但需结合主力资金流动数据验证[4] 2. 模型名称：溢价率Z-score模型 - 模型构建思路：通过滚动测算ETF溢价率的标准化分数（Z-score），筛选存在套利机会的标的[5] - 模型具体构建过程： 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. 根据Z-score阈值（如±2）标记异常溢价标的[5] - 模型评价：需警惕市场情绪导致的短期溢价波动风险[5] --- 模型的回测效果 1. 行业拥挤度监测模型： - 前一交易日拥挤度靠前行业：基础化工（99%）、机械设备（98%）、环保（95%）[10] - 拥挤度较低行业：传媒（1%）、房地产（9%）[10] - 主力资金验证：电力设备（-50.82亿元）、计算机（-130.13亿元）与拥挤度高位行业部分重合[11] 2. 溢价率Z-score模型： - 建议关注标的：恒生医疗ETF基金（溢价率-0.81%）、港股通医药ETF（溢价率未披露）[12] --- 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：通过监测主力资金净流入额，反映短期资金对行业的偏好[11] - 因子具体构建过程： 1. 按申万一级行业分类统计主力资金净流入额（单位：亿元） 2. 计算近3日滚动合计值，识别资金持续流入/流出的行业[11] - 因子评价：需结合行业基本面避免短期噪声干扰 2. 因子名称：ETF资金流动因子 - 因子构建思路：跟踪ETF资金净流入数据，捕捉市场资金配置趋势[6] - 因子具体构建过程： 1. 按ETF类别（宽基、行业主题等）分类统计单日净流入额 2. 输出TOP3流入/流出标的（如中证500ETF +3.52亿元，恒生医疗ETF -5.15亿元）[6][7] --- 因子的回测效果 1. 主力资金净流入因子： - 近3日资金增配行业：煤炭（+3.79亿元）、综合（+1.27亿元）[11] - 大幅减配行业：计算机（-130.13亿元）、电子（-92.52亿元）[11] 2. ETF资金流动因子： - 跨境ETF近3日净流入：43.90亿元（恒生科技ETF +1.51亿元）[6] - 行业主题ETF净流出：-13.89亿元（创新药ETF -4.89亿元）[6]