量化模型与构建方式 1. 模型名称：万图师AI模型 模型构建思路：通过AI模型对指数进行打分，筛选出看涨概率较高的指数，并进一步筛选对应的ETF[6] 模型具体构建过程： - 对指数进行打分，选取得分在0.8以上的指数[6] - 找到对应的ETF，筛选最近30天日均成交额在3千万元以上的ETF[6] - 同一指数对应的ETF，选取IOPV溢价率较低的ETF[6] 模型评价：模型通过多维度筛选，结合成交额和溢价率，具有较强的实操性和市场适应性 2. 模型名称：龙虎榜资金流模型 模型构建思路：通过分析龙虎榜资金流入情况，判断行业资金流向[4] 模型具体构建过程： - 统计当期行业净流入排名，筛选资金流入较多的行业[4] 模型评价：直接反映市场资金动向，对短期行业走势有较强指示作用 3. 模型名称：公募基金权益仓位变化模型 模型构建思路：通过跟踪公募基金仓位变化，分析市场资金配置动向[4] 模型具体构建过程： - 统计主动权益类基金的仓位变化[4] - 分析申万行业加仓和减仓情况[4] 模型评价：反映机构投资者行为，对中长期市场趋势有一定参考价值 4. 模型名称：ETF份额变化模型 模型构建思路：通过跟踪ETF份额变化，分析市场资金偏好[4] 模型具体构建过程： - 统计各板块ETF份额增长和减少比例[4] 模型评价：反映市场资金对特定板块的偏好，对行业轮动有参考意义 模型的回测效果 1. 万图师AI模型： - 看涨概率：综合84%，电力设备84%[4] - ETF筛选结果：中证2000增强ETF（看涨概率93.52%），创业板ETF天弘（看涨概率93.37%）等[7] 2. 龙虎榜资金流模型： - 当期净流入排名：国防军工1，通信2[4] 3. 公募基金权益仓位变化模型： - 主动权益类基金仓位：本周89.0%，上周89.0%[4] - 加仓行业：环保（仓位变化0.85%→0.87%）[4] - 减仓行业：机械设备（仓位变化4.02%→3.97%）[4] 4. ETF份额变化模型： - 份额增长比例较高：化工[4] - 份额减少比例较高：传媒[4] 量化因子与构建方式 1. 因子名称：看涨概率因子 因子构建思路：通过AI模型对指数进行打分，生成看涨概率[6] 因子具体构建过程： - 对指数进行AI模型打分，生成看涨概率值[6] 因子评价：直接反映模型对指数未来走势的预测能力 2. 因子名称：资金净流入因子 因子构建思路：通过龙虎榜数据计算行业资金净流入[4] 因子具体构建过程： - 统计行业当期资金净流入排名[4] 因子评价：反映市场资金短期流向，对行业轮动有较强指示作用 3. 因子名称：ETF份额变化因子 因子构建思路：通过ETF份额变化分析市场资金偏好[4] 因子具体构建过程： - 统计ETF份额增长和减少比例[4] 因子评价：反映市场资金对特定板块的偏好变化 因子的回测效果 1. 看涨概率因子： - 看涨概率取值：综合84%，电力设备84%[4] 2. 资金净流入因子： - 当期净流入排名：国防军工1，通信2[4] 3. ETF份额变化因子： - 份额增长比例较高：化工[4] - 份额减少比例较高：传媒[4]