量化模型与构建方式 1. 模型名称：无 模型构建思路：无 模型具体构建过程：无 量化因子与构建方式 1. 因子名称：封板率[16] 因子构建思路：通过计算当日最高价涨停且收盘涨停的股票数量占最高价涨停股票总数的比例，来衡量涨停板的封板强度和市场追涨情绪[16] 因子具体构建过程：筛选上市满3个月以上的股票，统计在特定交易日（T日）内，最高价达到涨停价的股票集合，再从中统计收盘价也达到涨停价的股票数量，两者相除得到封板率[16] 计算公式： $封板率=\frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$[16] 2. 因子名称：连板率[16] 因子构建思路：通过计算连续两个交易日收盘涨停的股票数量占前一日收盘涨停股票总数的比例，来衡量市场涨停效应的持续性[16] 因子具体构建过程：筛选上市满3个月以上的股票，统计在特定交易日（T-1日）收盘涨停的股票集合，再从中统计在T日收盘也涨停的股票数量，两者相除得到连板率[16] 计算公式： $连板率=\frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$[16] 3. 因子名称：两融余额占比[21] 因子构建思路：通过计算融资融券余额占A股市场总流通市值的比重，来反映杠杆资金在市场中的整体规模和参与程度[21] 因子具体构建过程：获取特定日期的市场融资余额与融券余额之和（即两融余额），再除以当日A股市场的总流通市值[21] 计算公式： $两融余额占比=\frac{两融余额}{市场总流通市值}$[21] 4. 因子名称：两融交易占比[21] 因子构建思路：通过计算融资买入额与融券卖出额之和占市场总成交额的比例，来反映杠杆资金交易的活跃度[21] 因子具体构建过程：获取特定交易日的市场融资买入总额与融券卖出总额，求和后除以当日市场的总成交金额[21] 计算公式： $两融交易占比=\frac{融资买入额+融券卖出额}{市场总成交额}$[21] 5. 因子名称：ETF折溢价率[22] 因子构建思路：通过计算ETF场内交易价格与其IOPV（基金份额参考净值）或场外净值之间的差异，来捕捉市场情绪和短期套利机会[22] 因子具体构建过程：对于日成交额超过100万元的境内股票型ETF，计算其当日收盘价与单位净值（或IOPV）的差值占单位净值的百分比[22] 计算公式： $ETF折溢价率=\frac{ETF收盘价-单位净值}{单位净值} \times 100\%$[22] 6. 因子名称：大宗交易折价率[25] 因子构建思路：通过计算大宗交易成交均价相对于二级市场价格的折让幅度，来观察大资金的交易意愿和情绪，折价率高通常意味着卖出方有较强的减持意愿或流动性需求[25] 因子具体构建过程：统计特定交易日发生的所有大宗交易，计算其总成交金额，再除以按当日收盘价计算的这些交易股份的总市值，最后减去1得到整体折价率[25] 计算公式： $折价率=\frac{大宗交易总成交金额}{当日成交份额的总市值}-1$[25] 7. 因子名称：股指期货年化贴水率[27] 因子构建思路：通过计算股指期货主力合约价格与现货指数价格之间的基差，并进行年化处理，来量化市场对未来走势的预期、对冲成本以及情绪（贴水通常代表悲观预期或套保需求旺盛）[27] 因子具体构建过程：对于特定股指期货主力合约（如上证50、沪深300等），计算其结算价与对应现货指数收盘价的差值（基差），除以现货指数价格，再乘以（250/合约剩余交易日数）进行年化[27] 计算公式： $年化贴水率=\frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$[27] 因子评价：该因子是衡量市场情绪和对冲成本的重要指标，其变化受金融市场利率、股市分红、微观资金成本、套利力量等多重因素影响[27] 模型的回测效果 无相关内容 因子的回测效果 1. 封板率因子，2025年12月9日取值为65%[16] 2. 连板率因子，2025年12月9日取值为23%[16] 3. 两融余额占比因子，截至2025年12月8日取值为2.6%[21] 4. 两融交易占比因子，截至2025年12月8日取值为11.1%[21] 5. 大宗交易折价率因子，2025年12月8日取值为8.94%，近半年平均值为6.54%[25] 6. 股指期货年化贴水率因子，2025年12月9日取值如下： * 上证50股指期货：6.63%，近一年中位数为0.70%[27] * 沪深300股指期货：10.21%，近一年中位数为3.62%[27] * 中证500股指期货：11.82%，近一年中位数为11.22%[27] * 中证1000股指期货：13.88%，近一年中位数为13.67%[27]