根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. 主动偏股基金仓位高频估测模型 - 构建思路：基于基金每日净值序列，采用带约束条件的多元回归模型估算股票仓位[61] - 具体构建： 1. 以基准指数或构建的资产序列作为自变量 2. 通过回归分析寻找最优仓位估计 3. 构建模拟组合提升估算准确性 4. 输出整体仓位变动趋势及行业配置偏好 - 模型评价：解决了公募基金仓位披露频率低的问题，但估算结果与实际仓位存在差异[61] 2. REITs指数系列模型 - 构建思路：通过指数化投资反映REITs市场表现，区分底层资产类型[45] - 具体构建： 1. 采用分级靠档法稳定样本份额 2. 使用除数修正法处理非交易因素变动（如新发、扩募） 3. 提供价格指数和全收益指数双版本 4. 细分产权类/特许经营权类指数及12类项目指数[45][46] - 模型评价：为资产配置提供标准化工具，但需注意高分红特性对指数的影响[45] 量化因子与构建方式 1. 行业主题基金标签因子 - 构建思路：通过持仓分析定义基金的长期行业属性[34] - 具体构建： 1. 提取近四期中报/年报持仓数据 2. 划分三类标签： - 行业主题基金（明确主题集中度） - 行业轮动基金（持仓切换显著） - 行业均衡基金（分散配置） 3. 构建对应主题指数（如TMT/新能源/医药等9类）[34][36] - 因子评价：有效区分基金风格，但需动态跟踪标签变化[34] 2. ETF资金流向因子 - 构建思路：监控不同类型ETF的资金净流入与收益率关系[53][58] - 具体构建： 1. 按宽基/行业/主题等21类细分ETF 2. 计算周度资金净流入： $净流入 = 当日份额 \times 单位净值 - 前日份额 \times 前日净值$ 3. 结合收益率分析市场偏好[58] - 因子评价：反映短期市场情绪，但对异常规模变动需过滤[53] 模型的回测效果 1. REITs指数模型 - 综合指数：年化收益0.32%，最大回撤-42.67%，夏普比率-0.11[48] - 细分指数： - 消费基础设施REITs表现最佳（年化10.69%，夏普0.86） - 特许经营权类REITs表现最差（年化-3.97%）[48] 2. 行业主题基金指数 - TMT主题：本周收益6.16%，年内累计收益32.97%[34][40] - 消费主题：本周收益1.36%，月度波动率最低（3.12%）[36] 因子的回测效果 1. ETF资金流向因子 - 金融科技ETF：周净流出6.65亿元，但收益率达11.53%[58] - 医药主题ETF：周净流入19.78亿元，收益率3.16%[58] 2. 行业配置因子 - 通信行业：本周仓位增加幅度最大（+2.07pcts）[65] - 银行行业：仓位减持最显著（-1.94pcts）[65] （注：原文未涉及部分模型/因子的具体公式或评价内容已按规则省略）