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. 增强策略ETF模型 - 构建思路：通过主动管理策略对标的指数成分股进行优化配置，力争超越基准指数表现[24] - 具体构建过程： 1. 选择标的指数（如沪深300/中证500等） 2. 采用多因子选股模型筛选成分股 3. 动态调整权重配置（如超配高Alpha个股） 4. 控制跟踪误差在目标范围内 - 模型评价：策略灵活性高，但依赖基金经理主动管理能力 2. SmartBeta ETF模型 - 构建思路：基于特定因子（如红利、低波动）对传统指数进行规则化优化[20] - 具体构建过程： 1. 确定目标因子（如中证红利低波动指数） 2. 使用因子筛选公式： $w_i = \frac{因子得分_i}{\sum_{j=1}^n 因子得分_j}$ 3. 定期再平衡组合 量化因子与构建方式 1. 超额收益率因子 - 构建思路：衡量基金相对基准指数的超额收益能力[25] - 具体构建过程： $超额收益率 = R_{基金} - R_{基准}$ 其中R为指定周期收益率 2. 融资净买入因子 - 构建思路：反映杠杆资金对ETF的偏好程度[19] - 具体构建过程： 1. 计算每日融资买入额-偿还额 2. 累计周度数据 模型的回测效果 1. 增强策略ETF模型 - 上周超额收益率：招商中证1000增强1.30%[26] - 近1年超额收益率：天弘中证1000增强13.28%[26] 2. SmartBeta ETF模型 - 周成交额：华泰柏瑞中证红利低波动ETF 22.99亿元[20] - 年化波动率：嘉实沪深300红利低波动ETF 0.00%[20] 因子的回测效果 1. 超额收益率因子 - 沪深300增强基金中位数：近1年超额5.11%[41] - 中证1000增强基金极值：大成中证1000增强17.07%[41] 2. 融资净买入因子 - 科创50ETF周净买入1.97亿元[19] - 消费ETF周净买入1.02亿元[19] 注：所有数据均来自2025年6月9日-13日的测试窗口期[12][19][26]