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 - 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，捕捉资金流向变化[37] - 构建过程： 1. 筛选绩优基金样本（成立期满两个季度、规模>5000万元、仓位>60%）[23] 2. 计算行业超配比例：$超配比例 = \frac{基金行业持仓市值}{基金总市值} - \frac{行业流通市值}{全市场流通市值}$ 3. 生成轮动信号：每周跟踪超配比例变化，排名前5的行业作为多头组合[41] - 模型评价：结合主动资金动向与基本面，对机构重仓行业具有较强解释力[37] 2. 公募基金仓位测算模型 - 构建思路：通过持股市值加权计算主动权益基金的整体仓位水平[23] - 构建过程： 1. 数据清洗：剔除QDII基金及非A股投资标的[24] 2. 加权计算：$仓位 = \frac{\sum(样本基金持股市值 \times 仓位)}{\sum样本基金持股市值}$ 3. 风格分解：按大盘/中盘/小盘、成长/价值六类风格划分仓位[29] - 模型评价：高频跟踪公募调仓行为，但对冲基金等非公开数据覆盖不足[23] 模型的回测效果 1. 信达金工行业轮动策略： - 2020年以来多头组合年化超额收益15.8%[39] - 最大回撤22.3%，信息比率(IR)1.72[39] 2. 公募仓位测算模型： - 主动权益基金平均仓位86.84%（2025/5/9）[22] - 风格仓位标准差4.2pct，行业仓位标准差1.8pct[29][33] 量化因子与构建方式 1. 绩优基金超配因子 - 构建思路：捕捉绩优基金相对基准的行业配置差异[37] - 构建过程： 1. 计算行业主动配置比例：$主动配置 = \frac{基金行业持仓}{基金总资产} - 基准指数行业权重$ 2. 标准化处理：按中信一级行业分组Z-score标准化[34] - 因子评价：对后续3个月行业收益具有显著预测能力[41] 2. 资金流因子 - 构建思路：划分主力/中小单资金流向，监测市场情绪[59] - 构建过程： 1. 按成交量划分资金类型（特大单>20万股/100万元，小单<1万股/5万元）[59] 2. 计算净流入：$净流入 = \sum(主动买入金额) - \sum(主动卖出金额)$ 3. 行业层面聚合计算[65] 因子的回测效果 1. 绩优基金超配因子： - 多头组合年化alpha 6.4%，IC均值0.21[39] - 国防军工、通信等行业RankIC达0.35[41] 2. 资金流因子： - 主力资金周净流入TOP5行业后续5日胜率62%[65] - 银行板块特大单净流入45.58亿元（2025W18）[67] 关键指标对比 | 模型/因子 | 年化收益 | 最大回撤 | 信息比率(IR) | 样本覆盖率 | |----------------|---------|---------|------------|-----------| | 行业轮动策略 | 15.8% | 22.3% | 1.72 | 85%[39] | | 绩优基金超配因子| 6.4% | 18.7% | 0.89 | 100%[41] | | 主力资金流因子 | 9.2% | 25.1% | 1.03 | 76%[65] |