根据研报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. 主动偏股基金仓位高频估测模型 - 模型构建思路：基于基金每日披露的净值序列，利用带约束条件的多元回归模型，在基准或构建的其他资产序列组成的自变量中寻找基金仓位的最优估计结果[67]。 - 模型具体构建过程： 1. 以基金净值序列为因变量，基准或构建的资产序列为自变量。 2. 采用多元回归模型，通过约束条件优化仓位估计。 3. 构建模拟组合提升估算准确性，并跟踪行业配置动向。 - 模型评价：能够高频跟踪主动偏股基金的仓位变化趋势，提供行业配置偏好的实时洞察[67]。 2. REITs指数系列模型 - 模型构建思路：构建完整的REITs系列指数，综合反映REITs市场表现，并提供不同底层资产、项目类型的细分指数[51]。 - 模型具体构建过程： 1. 采用分级靠档方法确保指数份额稳定。 2. 使用除数修正法保证指数连续性（如新发、扩募等非交易因素变动时）。 3. 提供价格指数和全收益指数，考虑高分红特性[51]。 - 模型评价：为投资者提供指数化投资工具，支持资产配置策略优化[51]。 量化因子与构建方式 1. 行业主题基金标签因子 - 因子构建思路：通过基金持仓信息判断其长期行业主题标签，区分行业主题基金、行业轮动基金和行业均衡基金[39]。 - 因子具体构建过程： 1. 观察基金近四期中报/年报的持仓信息。 2. 根据持仓集中度和行业分布定义标签（如金融地产、TMT、医药等）。 - 因子评价：帮助投资者定位细分赛道优质产品，支持主题投资需求[39]。 2. ETF资金流向因子 - 因子构建思路：跟踪股票型ETF资金流向，分析加仓方向（如中小盘、科创板、金融地产主题）[55]。 - 因子具体构建过程： 1. 统计不同类型ETF的净流入/流出数据。 2. 按宽基、行业、主题等分类分析资金动向[55][64]。 - 因子评价：反映市场短期资金偏好，辅助判断板块热度[55]。 模型的回测效果 1. 主动偏股基金仓位高频估测模型 - 本周仓位变动：下降0.48个百分点[67]。 - 行业配置动向：石油石化、通信、医药生物获增配；家用电器、计算机、食品饮料遭减持[67]。 2. REITs指数系列模型 - 本周收益：REITs综合指数上涨1.41%，产权类指数上涨2.56%，特许经营权类指数下降0.08%[54]。 - 细分表现：市政设施REITs指数涨幅最高（8.10%）[54]。 因子的回测效果 1. 行业主题基金标签因子 - 本周表现：金融地产（+0.44%）、TMT（+0.37%）正收益；医药（-6.25%）显著回撤[39][40]。 2. ETF资金流向因子 - 本周净流入：股票型ETF流入146.69亿元，中小盘主题ETF流入46.75亿元，金融地产主题ETF流入46.61亿元[55][64]。 - 净流出：中证A500ETF龙头流出5.36亿元[66]。