根据提供的金融工程日报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. 封板率模型 - 模型构建思路：通过统计最高价涨停且收盘涨停的股票数与最高价涨停的股票数的比值，反映市场涨停股的稳定性[16] - 模型具体构建过程： $封板率=\frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$ 统计上市满3个月以上的股票，计算日内封板情况[16] - 模型评价：封板率下降可能反映市场追涨情绪减弱[16] 2. 连板率模型 - 模型构建思路：通过统计连续两日收盘涨停的股票数与昨日收盘涨停的股票数的比值，反映涨停股的持续性[16] - 模型具体构建过程： $连板率=\frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$ 同样基于上市满3个月的股票样本[16] 3. 股指期货贴水率模型 - 模型构建思路：通过计算股指期货主力合约与现货指数的年化基差，反映市场对冲成本与预期[27] - 模型具体构建过程： $年化贴水率=\frac{基差}{指数价格}×\frac{250}{合约剩余交易日数}$ 涵盖上证50、沪深300、中证500和中证1000主力合约[27] - 模型评价：贴水率分位数可指示建仓成本优势[27] 量化因子与构建方式 1. 大宗交易折价因子 - 因子构建思路：通过大宗交易成交价与市价的偏离度反映大资金交易情绪[25] - 因子具体构建过程： $折价率=\frac{大宗交易总成交金额}{当日成交份额的总市值}-1$ 统计近半年日均折价率作为基准[25] 2. ETF折溢价因子 - 因子构建思路：通过ETF场内交易价格与净值的偏离度捕捉套利机会[23] - 因子具体构建过程：筛选日成交额超100万的股票型ETF，计算溢价率排名[23] 模型的回测效果 1. 封板率模型 - 当日封板率66%，较前日下降7%[16] - 近一个月封板率趋势显示市场情绪波动[16] 2. 连板率模型 - 当日连板率29%，较前日下降6%[16] 3. 股指期货贴水率模型 - 中证500贴水率3.38%（近一年81%分位）[27] - 中证1000贴水率10.93%（近一年55%分位）[27] 因子的回测效果 1. 大宗交易折价因子 - 近半年平均折价率5.80%，当日折价率4.64%[25] 2. ETF折溢价因子 - 当日最高溢价1.29%（A50增强ETF），最高折价0.74%（粮食ETF广发）[23] 注：报告中未涉及传统多因子模型（如价值/成长因子）的构建与测试，主要聚焦市场情绪类指标[16][23][25][27]