根据提供的量化市场追踪周报内容，总结如下： 量化模型与构建方式 1. 行业轮动模型 - 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，捕捉机构资金配置方向[36] - 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：$超配比例 = \frac{基金持仓权重 - 基准权重}{基准权重}$ 3. 生成行业排名信号（1-28分位数），超配行业得分更高[36][40] - 模型评价：对机构重仓行业（如电子、医药）的调仓行为敏感，但需结合动量因子优化短期效果[36] 2. ETF资金流监控模型 - 模型构建思路：通过主力/主动资金流划分标准（特大单/大单/中小单）追踪资金动向[58] - 具体构建过程： 1. 按成交量划分资金类型： - 特大单：成交量>20万股或金额>100万元 - 大单：6-20万股或30-100万元 - 中小单：≤6万股或≤30万元 2. 计算净流入额：$净流入额=\sum(主动买入金额-主动卖出金额)$[58][59] 量化因子与构建方式 1. 基金仓位因子 - 因子构建思路：通过持股市值加权计算主动权益基金在不同风格的仓位暴露[31] - 具体构建过程： 1. 按市值-成长性矩阵划分6类风格：大盘成长/价值、中盘成长/价值、小盘成长/价值 2. 计算仓位变化：$\Delta仓位 = 本周仓位 - 上周仓位$[31][35] 2. 行业超配因子 - 因子构建思路：衡量基金行业配置相对于基准的偏离程度[12] - 具体构建过程： 1. 计算基准权重（如中证全指行业权重） 2. 计算超配比例：$超配比例 = \frac{基金行业配置比例}{基准行业比例} - 1$[12][35] 模型的回测效果 1. 行业轮动模型 - 多头组合年化超额收益：15.6%（vs 中证全指）[38] - 信息比率(IR)：1.32（2020-2025年）[38] 2. ETF资金流模型 - 主力资金净流入TOP3行业：汽车（38.3亿）、机械（21.0亿）、基础化工（24.0亿）[59][63] - 主动资金净流出TOP3行业：非银金融（-19.6亿）、交通运输（-12.7亿）、银行（-11.1亿）[59][65] 因子的回测效果 1. 基金仓位因子 - 小盘成长仓位：49.11%（周环比+0.51pct）[31] - 电子行业仓位：17.65%（周环比-0.41pct）[35] 2. 行业超配因子 - 超配前三行业：电子（+17.65%）、医药（+11.80%）、电力设备（+7.01%）[35] - 低配前三行业：非银金融（-2.04%）、银行（-3.80%）、交通运输（-1.67%）[35] 数据说明 - 仓位测算样本：成立满两季度、规模>5000万、历史平均仓位>60%的主动权益基金[26] - 资金流数据来源：同花顺iFinD划分标准[58]