根据提供的量化市场追踪周报内容，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. 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，捕捉机构资金流向变化[37] - 具体构建过程： 1. 筛选绩优基金样本（近3月回报排名前30%） 2. 计算行业超配比例：$超配比例 = \frac{基金行业持仓市值}{全市场行业市值} - 基准权重$ 3. 生成周度轮动信号：对超配比例变化率排名，前5行业为多头组合[37][38] - 模型评价：对机构重仓行业变化敏感，但存在滞后性 2. 主动权益基金仓位测算模型 - 模型构建思路：通过持股市值加权计算主动权益基金整体仓位暴露[22][23] - 具体构建过程： 1. 样本筛选：成立满两季度、规模>5000万、历史平均仓位>60% 2. 仓位计算：$仓位 = \frac{股票持仓市值}{基金净资产}$ 3. 风格分解：按大盘/中盘/小盘+成长/价值六分位统计[29][30] - 模型评价：能有效跟踪市场风险偏好变化 量化因子与构建方式 1. 资金流因子 - 因子构建思路：根据主力资金净流入方向构建行业/个股强弱信号[60][64] - 具体构建过程： 1. 划分资金类型（特大单>100万/大单30-100万/中小单<30万） 2. 计算净流入额：$净流入=主动买入额-主动卖出额$ 3. 生成多空组合：主力净流入&中小单净流出的标的[60] 2. ETF资金流向因子 - 因子构建思路：跟踪宽基/行业ETF资金流动反映配置需求[42][43] - 具体构建过程： 1. 按类型分类统计净申购金额 2. 计算资金集中度：$集中度=\frac{TOP5 ETF净流入}{同类总净流入}$ 3. 结合规模变化构建趋势指标[68] 模型的回测效果 1. 行业轮动模型 - 年化超额收益：12.7%（vs 中证800）[39] - 信息比率(IR)：1.35[39] - 最大回撤：8.2%（2024Q4）[39] 2. 主动权益仓位模型 - 仓位变动与中证全指相关性：0.62[23] - 风格仓位预测准确率：73.5%（周频）[30] 因子的回测效果 1. 资金流因子 - 电子行业因子IC：0.32（近1年）[67] - 多空组合周胜率：68.4%[64] 2. ETF资金流向因子 - 宽基ETF净流入与指数收益相关性：0.41（滞后1周）[42] - 行业ETF资金因子RankIC：0.28[68] 注：所有测试结果均基于2024/6-2025/6样本区间[39][68]