量化模型与因子总结 量化模型与构建方式 1. 公募实时持仓测算模型 * 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：这是一个复杂的处理流程，具体方法详见开源金融工程团队专题报告《偏股混合型基金指数（885001.WI）：优势、复制与超越》[17] 2. 筹码收益模型 * 模型构建思路：通过估算投资者在不同价格上的资金持仓来推算平均持仓成本，并计算当前价格相对于历史筹码成本的收益率，以反映赚钱效应[26] * 模型具体构建过程：筹码收益衡量当前价格相对于历史筹码成本的收益率。研究显示，市场赚钱效应较好时筹码收益呈现动量效应，反之则呈现反转效应。具体方法详见开源金融工程团队专题报告《筹码结构视角下的动量反转融合》[26] 3. 雪球大V选股行为模型 * 模型构建思路：基于雪球平台大V用户的投资观点和行为数据，挖掘其选股行为中蕴含的Alpha[32] * 模型具体构建过程：粉丝数量较多的雪球大V用户的投资观点和投资行为具有丰富信息含量。具体模型构建方法详见开源金融工程团队专题报告《雪球大V用户的选股行为alpha》[32] 4. 高频股东户数隐含信息模型 * 模型构建思路：利用交易所互动平台提供的高频股东户数数据，分析股东户数大幅增加对后续股价的预示作用[37] * 模型具体构建过程：研究显示，股东户数的大幅增加，是对后续股价的潜在风险提示。具体模型构建方法详见开源金融工程团队专题报告《高频股东数据的隐含信息量》[37] 量化因子与构建方式 1. ETF资金持仓因子 * 因子构建思路：通过计算ETF持仓占股票市值的比例，来观察市场资金的动态[18][20] * 因子具体构建过程：选用ETF持仓数据，计算其占相关板块股票市值的比重，通常采用5日移动平均（MA5）来平滑数据。其占比时间序列可用于观察资金动向[22] [22] 2. 融资余额因子 * 因子构建思路：使用融资融券交易中未偿还的融资总金额作为投资者情绪和看多后市的代理变量[23] * 因子具体构建过程：直接采用交易所披露的融资余额数据，其增加通常意味着投资者看多后市[23] 3. 筹码收益因子 * 因子构建思路：计算当前价格相对于历史筹码成本的收益率，用以衡量筹码的赚钱效应[26] * 因子具体构建过程：首先估算历史筹码的平均持仓成本，然后用当前价格除以平均成本并减1，得到收益率。 [26][29] 4. 机构调研因子 * 因子构建思路：以上市公司接受机构调研的次数作为关注度的度量[30] * 因子具体构建过程：统计特定时间段内（如年初以来）各公司被机构调研的总次数[30] 5. 雪球大V关注度因子 * 因子构建思路：以雪球平台上大V用户对某只股票的讨论和关注数量作为热度的度量[32][33] * 因子具体构建过程：统计特定时间段内，雪球大V用户发布关于某只股票的观点或讨论的数量[33] 6. 主力资金净流入因子 * 因子构建思路：通过大单和超大单的加总来近似衡量主力资金的动向[33] * 因子具体构建过程：定义大单为挂单金额20-100万元的交易，超大单为挂单金额>100万元的交易。将特定时间段内的大单和超大单净流入金额加总，作为主力资金净流入因子[33] 7. 龙虎榜营业部活跃度因子 * 因子构建思路：通过龙虎榜上榜个股的营业部成交额和资金净流入数据，反映市场最活跃资金的动向[36] * 因子具体构建过程：选取登上龙虎榜的个股，记录其营业部总成交额和营业部资金净流入额[36][38] 8. 股东户数增幅因子 * 因子构建思路：通过计算最新两期股东户数的变动比例，来观察筹码分散度的变化[37][40] * 因子具体构建过程：基于最新两期的股东户数信息，计算其变动比例。 [40] 模型的回测效果 本报告未提供相关模型的具体回测指标数值。 因子的回测效果 本报告未提供相关因子的具体IC、IR等回测指标数值，但展示了一些因子的最新截面数据。 * 筹码收益因子：截至2025年8月21日，液冷指数成分股中曙光数创(26.77%)、领益智造(22.60%)、银轮股份(17.75%)的筹码收益最高[29] * 机构调研因子：2025年初至8月21日，飞龙股份(30次)、科创新源(6次)、中石科技(6次)接受调研次数最多[30] * 雪球大V关注度因子：2025年8月1日至8月21日，英维克(121次)、川环科技(70次)、飞龙股份(50次)受到雪球大V关注最多[33] * 主力资金净流入因子：2025年8月1日至8月21日，苏州天脉(2.92亿元)、腾龙股份(2.36亿元)、华正新材(1.52亿元)主力资金净流入最多[34] * 股东户数增幅因子：截至2025年8月21日，众捷汽车(218153.85%)、银轮股份(57.20%)、华峰铝业(45.12%)的股东户数增幅居前[38]