量化模型与构建方式 1. 模型名称：公募基金仓位估计模型 - 模型构建思路：基于基金季报披露的前十大重仓股、上市公司十大股东信息及行业配置，结合历史非重仓股持仓数据，模拟补全基金的全部股票持仓[7][8][9] - 模型具体构建过程： 1. 从基金季报（T期）获取前十大重仓股和证监会行业配置数据[8] 2. 结合上市公司1、3季度的十大股东信息，补充重仓股细节[7] 3. 假设非重仓股在各行业下的持股种类不变，根据T-1期（半年报/年报）的非重仓股持仓，按比例放缩权重生成T期模拟持仓[9] 4. 将模拟持仓拆分为大、小盘组合，通过加权最小二乘法回归基金日收益率与大/小盘指数日收益率，估计每日仓位配置[11] - 模型评价：解决了基金持仓披露不全和滞后性问题，实现了日度仓位监控[11] 2. 模型名称：基金风格分析模型 - 模型构建思路：基于模拟持仓数据，从大小盘配置、市值暴露、行业配置三个维度刻画基金风格[11] - 模型具体构建过程： 1. 使用中信一级行业分类划分股票，计算各行业配置权重[16][17] 2. 通过历史分位点（2016年至今）评估当前行业配置的极端程度[18] 3. 结合大盘/小盘仓位变动趋势分析风格切换[13][15] --- 模型的回测效果 1. 公募基金仓位估计模型： - 普通股票型基金仓位中位数：91.75%（周环比+0.06%）[13] - 偏股混合型基金仓位中位数：88.43%（周环比-0.75%）[13] - 大盘仓位变动：普通股票型+1.51%，偏股混合型+1.46%[13] - 小盘仓位变动：普通股票型-1.45%，偏股混合型-2.22%[13] - 历史分位点：普通股票型93.72%，偏股混合型88.08%（2016年以来）[13][16] 2. 基金风格分析模型： - 行业配置权重最高：电子（18.16%）、电力设备（10.50%）、医药（10.14%）[17] - 行业配置分位点极端值：电子元器件（91.67%）、汽车（96.59%）处于历史高位[18] --- 量化因子与构建方式 1. 因子名称：大小盘仓位因子 - 因子构建思路：通过基金日收益率与大/小盘指数回归，提取市值风格暴露[11] - 因子具体构建过程： 使用加权最小二乘法拟合方程： $R_{fund,t} = \alpha + \beta_{large} \cdot R_{large,t} + \beta_{small} \cdot R_{small,t} + \epsilon_t$ 其中$\beta_{large}$和$\beta_{small}$分别代表大盘和小盘仓位暴露[11] 2. 因子名称：行业动量因子 - 因子构建思路：跟踪基金行业配置周度变动捕捉短期趋势[20] - 因子具体构建过程： 计算中信一级行业权重周度变化： $\Delta w_{i,t} = w_{i,t} - w_{i,t-1}$ 其中$w_{i,t}$为第$i$行业在$t$周的配置权重[17][20] --- 因子的回测效果 1. 大小盘仓位因子： - 当前小盘仓位：普通股票型47.2%，偏股混合型45.6%[13] - 周度变动：小盘仓位普遍下降1.45%~2.22%[13] 2. 行业动量因子： - 本周增持行业：医药（+0.5%）、食品饮料（+0.3%）[20] - 本周减持行业：电子（-0.8%）、计算机（-0.6%）[20]