量化模型与构建方式 1. 模型/因子名称：长线重仓股识别模型[3][9] * 构建思路：通过识别被基金连续多期重仓持有的个股，来捕捉基金经理的长期看好标的[9] * 具体构建过程： 1. 数据准备：以主动管理型权益基金（普通股票型、偏股混合型、平衡混合型、灵活配置型；剔除量化基金）为样本，且要求基金规模超过2亿[14] 2. 定义规则：将连续4个或4个以上报告期出现在基金前十大重仓股列表中的个股，定义为该基金的“长线重仓股”[3][9] 3. 统计汇总：在特定报告期（如2025Q4），统计所有样本基金中，被定义为长线重仓股的个股，并计算持有该长线重仓股的基金总数[9][10] 2. 模型/因子名称：长线持仓终止比例因子[14] * 构建思路：通过计算基金终止对某只个股长线持仓的比例，来度量基金经理群体对该个股后市看法的转变程度[9][14] * 具体构建过程： 1. 确定样本：选取在上一报告期（如2025Q3）长线重仓基金数超过20只的个股作为分析样本[3][14] 2. 计算指标：对于样本中的每只个股，计算其在当前报告期（如2025Q4）的“终止长线持仓比例”。具体公式如下： $2025Q4终止长线持仓比例 = \frac{2025Q4终止长线重仓持有该个股的基金数量}{2025Q3长线重仓持有该个股的基金数量}$[14] 其中，分子“2025Q4终止长线重仓持有该个股的基金数量”指的是在2025Q3将其视为长线重仓股，但在2025Q4的前十大重仓股中不再持有该个股的基金数量[14] 3. 衍生应用：将上述因子应用于行业层面。以申万一级行业为标准，汇总行业内所有个股的分子与分母，计算行业的终止长线持仓比例，用以观察基金经理对行业后市看法的变化[3][20][22] 模型/因子的回测效果 本报告为基于持仓的统计分析报告，未提供模型或因子在历史时间序列上的回溯测试绩效指标（如年化收益率、夏普比率、信息比率IR、最大回撤等）。报告主要展示了特定时点（2025Q4）的截面统计结果[10][14][18][22]。