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. 模型名称：公募基金实时持仓测算模型 - 模型构建思路：基于基金净值、持仓披露、调研行为等市场公开信息，对公募基金持仓进行实时测算[17] - 模型具体构建过程： 1. 收集基金净值数据、定期报告披露的持仓信息及调研行为数据 2. 通过回归分析建立基金净值与持仓标的的关联模型 3. 动态调整权重以反映最新市场变化 - 模型评价：能够有效捕捉公募基金对恒生科技板块的配置变化，但依赖公开数据的时效性 2. 模型名称：ETF资金流向监测模型 - 模型构建思路：统计跟踪恒生科技指数的ETF净流入金额，作为市场资金动态的代理变量[17] - 模型具体构建过程： 1. 筛选所有跟踪恒生科技指数的ETF产品 2. 计算每日净流入金额（申购金额-赎回金额） 3. 累计统计特定时间段内的净流入总量 量化因子与构建方式 1. 因子名称：南下资金净流入因子 - 因子构建思路：通过港股通渠道的净买入金额衡量资金对个股的偏好[21] - 因子具体构建过程： 1. 获取港股通每日个股交易数据 2. 计算单日净流入金额（买入额-卖出额） 3. 按时间窗口（如月度/季度）累计求和 - 因子评价：直接反映机构资金动向，但受港股通额度限制影响 2. 因子名称：雪球大V关注度因子 - 因子构建思路：统计雪球平台大V用户对个股的讨论热度作为情绪指标[23] - 因子具体构建过程： 1. 抓取雪球大V发布的个股相关帖子 2. 按个股代码聚合讨论数量 3. 标准化处理（如除以大V总数） 3. 因子名称：主力资金净流入因子 - 因子构建思路：通过大单（20-100万元）和超大单（>100万元）交易识别主力资金动向[24] - 因子具体构建过程： 1. 筛选符合金额阈值的委托单 2. 计算净流入金额（买入方向成交额-卖出方向成交额） 3. 按时间窗口累计 模型的回测效果 1. 公募基金实时持仓模型：2025年对恒生科技的配置仓位大幅上升[17] 2. ETF资金流向模型：2025年累计净流入超200亿元[17] 因子的回测效果 1. 南下资金净流入因子： - 阿里巴巴-W净流入786.03亿元[22] - 美团-W净流入432.94亿元[22] 2. 雪球大V关注度因子： - 小米集团-W获45次大V关注[24] - 美团-W获40次关注[24] 3. 主力资金净流入因子： - 比亚迪股份净流入62.57亿元[26] - 小米集团-W净流入38.16亿元[26]