金融工程定期:脑机接口板块的资金行为监测
开源证券·2026-01-09 22:43

量化模型与构建方式 1. 模型名称:公募基金实时持仓测算模型[4][19] 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,对公募基金的持仓进行实时测算,以监控其对各板块的配置变化[4][19] 模型具体构建过程:报告未详细描述该模型的构建过程,仅提及它是一个复杂的处理流程,具体方法可参考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》[19] 2. 模型名称:雪球大V用户选股行为模型[29] 模型构建思路:通过追踪雪球平台上粉丝数量较多的“大V”用户对上市公司的关注和讨论行为,挖掘其投资观点和行为中蕴含的信息量,以构建选股因子[29] 模型具体构建过程:报告未详细描述该模型的构建过程,具体方法可参考开源金融工程团队专题报告《雪球大V用户的选股行为alpha》[29] 3. 模型名称:龙虎榜机构行为模型[33] 模型构建思路:利用交易所每日披露的龙虎榜数据,分析最活跃营业部的交易动向,以捕捉市场上热点资金的流向和机构行为信号[33] 模型具体构建过程:报告未详细描述该模型的构建过程,具体方法可参考开源金融工程团队专题报告《机构行为alpha的细分结构:龙虎榜、机构调研、大宗交易》[33] 4. 模型名称:高频股东户数信息模型[36] 模型构建思路:基于交易所互动平台提供的高频股东户数数据,研究股东户数的变动所隐含的关于后续股价走势的信息[36] 模型具体构建过程:报告未详细描述该模型的构建过程,具体方法可参考开源金融工程团队专题报告《高频股东数据的隐含信息量》[36] 量化因子与构建方式 1. 因子名称:ETF资金持仓占比[4][23] 因子构建思路:通过计算ETF基金持有的某板块股票市值占该板块流通市值的比重,来监测通过ETF渠道流入或流出该板块的资金动向[4][23] 因子具体构建过程:报告未给出具体的计算公式,但描述了其核心计算逻辑。首先,汇总所有ETF基金对脑机接口板块成分股的持仓市值。然后,计算该持仓总值占脑机接口板块总流通市值的比例。报告中展示的是该比例的5日移动平均(MA5)序列[23][25] 因子评价:ETF持仓动态已成为观察市场资金动向的重要窗口[23] 2. 因子名称:两融余额(融资余额)[4][23] 因子构建思路:直接使用融资融券交易中未偿还的融资总金额作为因子,用以衡量投资者通过杠杆资金看多后市的情绪强弱[4][23] 因子具体构建过程:直接获取脑机接口板块成分股的融资余额总和,作为该板块的融资余额因子值[23][26] 3. 因子名称:机构调研热度[5][27] 因子构建思路:以上市公司接受机构调研的次数作为因子,衡量机构投资者对该公司的关注度[5][27] 因子具体构建过程:统计指定时间窗口内(报告中为近三个月),各公司接受机构调研的总次数,次数越多表示热度越高[27][28] 4. 因子名称:雪球大V关注度[5][29] 因子构建思路:统计雪球平台上粉丝数量较多的“大V”用户对某家上市公司的关注数量,作为反映市场情绪和关注度的因子[5][29] 因子具体构建过程:在指定时间窗口内(报告中为2025年12月20日以来),统计关注了某家公司的雪球大V用户数量,数量越多表示关注度越高[29][31] 5. 因子名称:主力资金净流入[5][30] 因子构建思路:将大单和超大单的净流入金额加总,作为主力资金动向的代理变量,用以捕捉大额资金的流向[5][30] 因子具体构建过程:首先定义大单(挂单金额20-100万元)和超大单(挂单金额>100万元)。然后,在指定时间窗口内(报告中为2025年12月20日以来),计算个股每日大单与超大单的净买入金额(买入额-卖出额)之和,再在整个时间窗口内进行累计,得到主力资金净流入因子值[30][32] 6. 因子名称:龙虎榜营业部资金净流入[5][33] 因子构建思路:利用龙虎榜披露的营业部交易数据,计算上榜营业部的资金净流入,以反映最活跃资金对个股的短期交易态度[5][33] 因子具体构建过程:对于出现在龙虎榜上的个股,提取其“营业部资金净流入”数据。该数据反映了当日上榜的所有营业部的总买入金额与总卖出金额之差。报告展示了多只个股在特定时间段内上榜时的该数据[33][34] 7. 因子名称:高频股东户数增幅[5][36] 因子构建思路:计算上市公司最新两期股东户数的变动比例,股东户数大幅增加可能意味着筹码分散,对后续股价构成潜在风险[5][36] 因子具体构建过程:获取上市公司最新一期和上一期的股东户数。计算其变动比例,公式如下: 股东户数增幅=最新股东户数上期股东户数上期股东户数×100%股东户数增幅 = \frac{最新股东户数 - 上期股东户数}{上期股东户数} \times 100\% 增幅越大,表示股东户数增加越快[36][37] 模型的回测效果 (报告未提供所述模型的量化回测效果指标,如年化收益率、夏普比率、最大回撤、信息比率(IR)等) 因子的回测效果 (报告未提供所述因子的量化回测效果指标,如IC值、ICIR、因子多空组合收益等)