量化模型与构建方式 1. 模型名称：大额买入跟踪模型[7] 模型构建思路：通过逐笔成交数据还原买卖单，筛选大单并计算大买单成交金额占比，以刻画大资金的买入行为[7] 模型具体构建过程： - 从逐笔成交数据中，根据叫买和叫卖序号还原买卖单数据[7] - 按照每单的成交量筛选得到大单[7] - 计算大买单的成交金额占当日总成交金额的比例，即大买单成交金额占比[7] $大买单成交金额占比 = \frac{大买单成交金额}{当日总成交金额} \times 100\%$[7] 2. 模型名称：净主动买入资金流向模型[7] 模型构建思路：利用逐笔成交数据中的买卖标志界定主动买入和主动卖出行为，计算净主动买入金额占比，以跟踪投资者的主动买入行为[7] 模型具体构建过程： - 根据逐笔成交数据中的买卖标志，界定每笔成交属于主动买入还是主动卖出[7] - 将主动买入成交金额与主动卖出成交金额相减，得到净主动买入金额[7] - 计算净主动买入金额占当日总成交金额的比例，即净主动买入金额占比[7] $净主动买入金额占比 = \frac{主动买入成交金额 - 主动卖出成交金额}{当日总成交金额} \times 100\%$[7] 模型的回测效果 1. 大额买入跟踪模型，大买单成交金额占比5日均值：国发股份 86.5%[9]，吉林高速 86.3%[9]，重庆钢铁 85.8%[9]，紫金银行 85.6%[9]，建元信托 85.5%[9] 2. 净主动买入资金流向模型，净主动买入金额占比5日均值：方大特钢 24.8%[10]，辽港股份 18.3%[10]，华侨城A 17.6%[10]，栖霞建设 14.6%[10]，皖维高新 14.3%[10] 量化因子与构建方式 1. 因子名称：大买单成交金额占比因子[7] 因子构建思路：通过计算大买单成交金额的相对比例，构建一个刻画大资金买入强度的因子[7] 因子具体构建过程： - 从逐笔成交数据还原买卖单数据并筛选大单[7] - 计算因子值：$大买单成交金额占比 = \frac{大买单成交金额}{当日总成交金额} \times 100\%$[7] 2. 因子名称：净主动买入金额占比因子[7] 因子构建思路：通过计算净主动买入金额的相对比例，构建一个反映市场主动买入情绪的因子[7] 因子具体构建过程： - 从逐笔成交数据中区分主动买入和主动卖出[7] - 计算因子值：$净主动买入金额占比 = \frac{主动买入成交金额 - 主动卖出成交金额}{当日总成交金额} \times 100\%$[7] 因子的回测效果 1. 大买单成交金额占比因子，5日均值分位数：国发股份 97.9%[9]，吉林高速 82.3%[9]，重庆钢铁 83.1%[9]，紫金银行 62.6%[9]，建元信托 90.5%[9] 2. 净主动买入金额占比因子，5日均值分位数：方大特钢 100.0%[10]，辽港股份 95.1%[10]，华侨城A 99.6%[10]，栖霞建设 99.2%[10]，皖维高新 99.6%[10]