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. 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，通过跟踪超配/低配行业判断机构资金动向[37] - 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：$超配比例 = \frac{基金持仓市值_{行业}}{全市场持仓市值_{行业}} - 1$ 3. 生成行业轮动信号：超配行业权重上调，低配行业权重下调[37][39] - 模型评价：在防御性市场环境下对机构重仓行业保持谨慎判断，历史超额收益显著[39] 2. ETF资金流监控模型 - 模型构建思路：通过跟踪各类型ETF净流入数据捕捉市场风险偏好变化[42][43] - 模型具体构建过程： 1. 分类统计宽基/行业/主题ETF资金流（特大单、大单、中小单） 2. 计算净流入指标：$净流入 = \sum(申购金额 - 赎回金额)$ 3. 结合规模变动分析资金集中度[46][47] 量化因子与构建方式 1. 基金仓位因子 - 因子构建思路：通过主动权益基金仓位变化捕捉市场情绪拐点[21][22] - 因子具体构建过程： 1. 加权计算三类基金仓位： $普通股票型仓位 = \frac{\sum(持股市值)}{\sum(基金净值)} \times 100\%$ 2. 计算周度仓位变动：$\Delta仓位 = 本周仓位 - 上周仓位$[21][23] - 因子评价：对市场防御性调仓敏感，3月底以来持续下行反映风险偏好降低[21] 2. 风格仓位因子 - 因子构建思路：跟踪基金在大盘/小盘、成长/价值风格的配置变化[29][30] - 因子具体构建过程： 1. 按市值（大盘/中盘/小盘）和估值（成长/价值）六分位划分 2. 计算风格暴露：$风格权重 = \frac{风格持仓市值}{总权益持仓市值}$[29][31] 模型的回测效果 1. 信达金工行业轮动策略 - 年化超额收益：8.6%（vs 沪深300）[39] - 最大回撤：-15.2%（2022Q4）[39] - IR：1.32[39] 2. ETF资金流监控模型 - 宽基ETF周净流入准确率：72.4%（2024年以来）[46] - 行业ETF周净流入与涨跌幅相关性：0.68[47] 因子的回测效果 1. 基金仓位因子 - 仓位变动与沪深300指数20日收益率相关性：-0.41[21] - 仓位跌破85%后60日市场下跌概率：67.3%[22] 2. 风格仓位因子 - 小盘成长风格持仓占比：44.57%（历史85%分位）[29] - 大盘价值风格周变动：-0.87pct[29] 其他量化指标 1. 主力资金流指标 - 特大单净流入银行/地产：53.97亿/15.21亿[68] - 电子行业主力净流出：-75.68亿[68] 2. ETF资金流指标 - 宽基ETF周净流入TOP3：华夏沪深300ETF（115.04亿）、华泰柏瑞沪深300ETF（93.83亿）[69] - 黄金ETF连续8周净流入（周均46.48亿）[73]