量化模型与构建方式 1. 模型名称：ETF资金流模型 [1][11] * 模型构建思路：通过监测重要宽基ETF的资金流向，推断市场重要资金（如中央汇金）的态度和意图，并据此判断市场风格和板块轮动方向[1][11]。 * 模型具体构建过程：模型监测一组由重要资金（如中央汇金）持有比例较高的宽基ETF（报告中提及包括沪深300ETF、中证500ETF等共14只）。计算这些ETF在特定时间段（如每日）的资金净流入/流出额。通过分析资金流出的规模与持续性，推断重要资金是在流入支持市场还是在流出控制节奏。同时，对比不同板块或主题ETF的资金流向差异，寻找资金可能集中涌入的方向[1][11]。 * 模型评价：该模型用于捕捉市场“聪明钱”的动向，对判断大盘指数上行节奏和市场风格切换有一定指示意义[1][11]。 2. 模型名称：价格分段体系 [14][17] * 模型构建思路：通过技术分析方法，对指数价格走势进行多时间周期（如日线、周线）的分解和识别，以判断当前市场所处的趋势阶段[14][17]。 * 模型具体构建过程：报告中的图表展示了上证综指的价格分段结果，涉及“日线”、“周线”和“dea”指标。构建过程通常包括：1) 选取标的指数（如上证综指）；2) 计算不同时间周期的移动平均线或趋势线；3) 使用算法（如MACD中的DEA线）对价格序列进行平滑处理，以识别趋势的转折点或分段；4) 将不同周期的分段结果叠加，观察其重合与背离情况。公式可能涉及移动平均计算，例如简单移动平均(SMA)： $SMA_t = \frac{P_t + P_{t-1} + ... + P_{t-n+1}}{n}$ 其中，$SMA_t$ 表示在时间 $t$ 的简单移动平均值，$P$ 表示价格，$n$ 为移动平均的周期[14][17]。 3. 模型名称：微观市场结构择时模型（知情交易者活跃度指标） [15][18] * 模型构建思路：通过构建“知情交易者活跃度”指标，监测市场中可能具备信息优势的交易者的行为变化，以此作为市场情绪和未来走势的择时参考[15][18]。 * 模型具体构建过程：报告未详细说明该指标的具体计算公式。通常，这类模型会基于高频交易数据（如订单流、买卖不平衡、交易量分布等）来识别知情交易的概率或强度。构建过程可能包括：1) 收集个股或市场层面的逐笔交易数据；2) 计算能够区分知情交易与流动性交易的代理变量（如VPIN、订单失衡等）；3) 进行标准化或平滑处理，得到时间序列指标；4) 设定阈值或观察其与市场指数的同步/背离关系进行判断[15][18]。 * 模型评价：该指标旨在捕捉市场内部结构的微妙变化，当指标与市场走势出现背离时，可能预示着趋势的转折[15]。 量化因子与构建方式 1. 因子名称：分析师行业景气预期因子 [19][20] * 因子构建思路：利用卖方分析师对公司未来盈利的一致预测数据，构建行业层面的景气度变化指标，以捕捉基本面预期的边际变化[19][20]。 * 因子具体构建过程：针对申万一级行业，进行以下计算： 1) ROE预期变化因子：计算行业内成分股分析师一致预测的滚动未来12个月ROE（ROEFTTM），然后计算该指标本周值与上周值的环比变化率[19][20]。 2) 净利润增速预期变化因子：计算行业内成分股分析师一致预测的滚动未来12个月净利润增速（FTTM），然后计算该指标本周值与上周值的环比变化率[19][20]。 公式可概括为： $\text{行业预期变化率} = \frac{\text{本周行业一致预期值中位数} - \text{上周行业一致预期值中位数}}{|\text{上周行业一致预期值中位数}|}$ 通过排序这些变化率，可以识别出分析师预期边际改善最显著的行业[19][20]。 2. 因子名称：行业融资融券净流入因子 [21][23] * 因子构建思路：通过监测各行业融资融券资金的净流入情况，反映杠杆资金对行业板块的偏好和热度[21][23]。 * 因子具体构建过程：对于每个申万一级行业，计算指定周期（本周）内： $\text{行业融资融券净买入额} = \sum_{i \in \text{行业}} (\text{融资净买入额}_i - \text{融券净卖出额}_i)$ 其中，$i$ 代表属于该行业的个股。计算结果是行业层面的资金净流入绝对金额，正值表示融资资金净流入（看多），负值表示净流出（看空）[21][23]。 3. 因子名称：BARRA风格因子 [24][25] * 因子构建思路：采用经典的BARRA多因子模型框架，从一系列描述股票特征的基本面、市场面和风险面指标中，提取出具有持续解释能力的共同风格因子，用以描述和监测市场风格偏好[24][25]。 * 因子具体构建过程：报告提及了多类BARRA风格因子，其构建是系统性的工程，通常包括： * 基本面类因子：如价值（Value）、成长（Growth）。价值因子可能基于BP、EP等指标；成长因子可能基于净利润增长率、营收增长率等。 * 盈利类因子：如盈利能力（Profitability），可能基于ROE、ROA等指标。 * 交易类因子：如流动性（Liquidity，常用换手率度量）、动量（Momentum，过去一段时间收益率）、波动率（Beta，衡量系统风险）。 * 市值类因子：包括市值（Size，总市值的对数）和非线性市值（Non-linear Size）。 具体构建时，会对个股的原始特征进行标准化、去极值、行业中性化等处理，然后通过截面回归或因子模拟组合的方式提取纯因子收益序列[24][25]。 * 因子评价：BARRA风格因子体系是量化投资中用于风险管理和收益归因的核心工具，能有效刻画市场在不同时期对各类股票特征的偏好变化[24]。 模型的回测效果 （报告中未提供具体模型的量化回测指标，如年化收益率、夏普比率、最大回撤等数值结果。） 因子的回测效果 （报告中未提供具体因子的IC值、IR、多空收益等量化测试结果。仅对因子近期表现进行了定性描述[24]。）