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. 主动偏股基金仓位高频估测模型 - 构建思路：通过净值序列回归估算基金仓位变动[62] - 具体构建： 1. 以每日净值为因变量，基准指数或行业指数为自变量 2. 采用带约束的多元回归模型求解仓位权重 3. 通过模拟组合优化估算精度 4. 计算行业配置偏离度：$\Delta w_i = w_{i,t} - w_{i,t-1}$ 其中$w_i$代表第i行业仓位占比[62][63] - 模型评价：能捕捉短期调仓动向但存在滞后性 2. REITs指数构建模型 - 构建思路：分级靠档法保持指数稳定性[47] - 具体构建： 1. 按底层资产类型划分产权类/特许经营权类指数 2. 采用除数修正法处理非交易变动（如扩募） 3. 同步计算价格指数和全收益指数 4. 细分项目指数公式：$I_t = I_{t-1} \times \frac{\sum (P_{i,t} \times S_{i,t})}{\sum (P_{i,t-1} \times S_{i,t-1})}$ 其中$P$为价格，$S$为调整份额[47][48] 量化因子与构建方式 1. 行业主题基金标签因子 - 构建思路：基于持仓数据识别基金主题特征[36] - 具体构建： 1. 提取近4期年报/中报持仓前五大行业 2. 定义三类标签： - 行业主题（单一行业占比>40%） - 行业轮动（行业集中度年变化>30%） - 行业均衡（其他情形） 3. 计算主题指数收益率：$R_{theme} = \sum_{i=1}^n w_i \times R_{fund_i}$[36][37] 2. ETF资金流因子 - 构建思路：监测细分赛道资金动向[53] - 具体构建： 1. 按宽基/行业/主题分类计算净流入 2. 标准化处理：$Flow_{std} = \frac{Flow_i - \mu_{flow}}{\sigma_{flow}}$ 3. 结合收益率构建资金热度指标[53][54] 模型的回测效果 1. 主动偏股基金仓位模型 - 周度仓位变动：-0.66pcts[62] - 行业配置偏离极值： - 医药生物 +0.82pcts - 非银金融 -1.15pcts[63][68] 2. REITs指数模型 - 本周收益： | 指数类型 | 收益率 | 年化波动率 | |---|---|--| | 综合指数 | 1.73% | 11.23% | | 消费基础设施 | 3.24% | 10.63% | | 能源基础设施 | -0.09% | 10.19% |[48][52] 因子的回测效果 1. 行业主题因子 - 本周收益： | 主题 | 收益率 | |---|---| | 金融地产 | 1.45% | | TMT | -1.02% | | 行业轮动 | 0.45% |[36][37] 2. ETF资金流因子 - 极端值监测： | 类别 | 净流入(亿) | |---|---| | 科创板ETF | +17.98 | | 大盘宽基ETF | -128.90 | | 黄金ETF | -43.08 |[53][54][59]