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，反映市场涨停股的封板情况[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，计算当日封板率[16] - 模型评价：封板率下降可能反映市场情绪转弱 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： $连板率=\frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$ 统计上市满3个月以上的股票，计算当日连板率[16] - 模型评价：连板率下降可能反映市场追涨意愿降低 3. 年化贴水率模型 - 模型构建思路：通过计算股指期货主力合约与现货指数的基差年化值，反映市场预期和套利成本[28] - 模型具体构建过程： $年化贴水率=\frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$ 分别计算上证50、沪深300、中证500和中证1000股指期货主力合约的年化贴水率[28] - 模型评价：贴水率分位数可反映当前市场情绪相对于历史水平的位置 量化因子与构建方式 1. 大宗交易折价率因子 - 因子构建思路：通过大宗交易成交价与市场价的偏离程度，反映大资金的投资偏好[26] - 因子具体构建过程： $折价率=\frac{大宗交易总成交金额}{当日成交份额的总市值}-1$ 统计近半年大宗交易的日均折价率[26] - 因子评价：折价率扩大可能反映机构减持意愿增强 2. ETF折溢价因子 - 因子构建思路：通过ETF场内交易价格与场外净值的偏离程度，反映投资者情绪[23] - 因子具体构建过程： 筛选日成交额超过100万的股票型ETF，计算(场内价格-场外净值)/场外净值[23] - 因子评价：溢价较多的ETF可能反映资金短期追捧 模型的回测效果 1. 封板率模型，当日封板率59%，较前日下降13%[16] 2. 连板率模型，当日连板率25%，较前日下降2%[16] 3. 年化贴水率模型，当日上证50年化升水率0.25%(61%分位)，沪深300年化贴水率3.17%(46%分位)，中证500年化贴水率11.41%(37%分位)，中证1000年化贴水率12.84%(44%分位)[28] 因子的回测效果 1. 大宗交易折价率因子，近半年平均折价率5.82%，当日折价率8.01%[26] 2. ETF折溢价因子，当日新能源车电池ETF溢价1.77%，中证2000ETF基金折价0.95%[23]