量化模型与构建方式 1. 模型/因子名称：FOF穿透后权益资产占比计算模型[12] * 构建思路：为了更准确地评估FOF产品的风险收益特征，需要穿透其持有的基金资产，计算其最终投资于股票等权益资产的真实比例[12]。 * 具体构建过程：根据FOF披露的定期报告（年报/半年报），通过其持仓的基金和股票比例来估算穿透后的权益仓位[12]。具体计算公式为： $W=\sum_{i}Fund_{i}\times Fund\_Stock_{i}+Stock$ 其中，Fund_i 表示FOF持有的基金i的规模占其自身净值的比例，Fund_Stock_i 表示基金i的股票投资市值占其自身净值的比例，Stock 表示FOF直接投资的股票市值占其自身净值的比例[12]。对于成立不足3个月的FOF，使用其基准指数对应的权益仓位作为穿透后的权益资产占比[12]。 2. 模型/因子名称：FOF分类模型[13] * 构建思路：基于计算出的穿透后权益资产占比，对FOF产品进行标准化分类，以便于比较和分析[13]。 * 具体构建过程：依据穿透后的权益资产占比 W，将FOF分为三类[13]： * 偏债型FOF：定义为 W < 30% 的FOF[13]。 * 平衡型FOF：定义为 30% ≤ W < 60% 的FOF[13]。 * 偏股型FOF：定义为 W ≥ 60% 的FOF[13]。 3. 模型/因子名称：FOF预估净增持数量因子 (ΔN)[44][45] * 构建思路：追踪FOF基金经理对某只重仓基金的投资动态，通过计算净增持该基金的FOF数量来反映其受青睐程度的变化[43]。 * 具体构建过程：对比相邻两个报告期（如2025Q3和2025Q4）FOF的重仓基金数据[43]。单只基金的FOF预估净增持数量计算公式为： $\Delta N=\sum_{i}I_{i}$ 其中，相比上一报告期，本报告期第 i 只FOF对重仓基金的投资份额变化大于0时 I_i = 1；投资份额变化小于0时 I_i = -1；投资份额变化等于0时 I_i = 0[44][45]。 4. 模型/因子名称：FOF预估净增持规模因子 (ΔMV)[46][48] * 构建思路：在净增持数量的基础上，进一步考虑规模因素，以衡量FOF资金流入/流出某只重仓基金的绝对量[43]。 * 具体构建过程：对于FOF重仓的某只基金，其FOF预估净增持规模的计算公式为： $\Delta MV=\sum_{i}\Delta uv\times\Delta Share_{i}$ 其中，Δuv 表示两个报告期间重仓基金的日度单位净值均值，ΔShare_i 表示相比上一报告期，本报告期第 i 只FOF对重仓基金的投资份额变化[46][48]。 5. 模型/因子名称：FOF预估股票调仓市值因子 (ΔMV)[69][70] * 构建思路：追踪FOF基金经理对直接投资股票标的的买卖动态，通过计算预估调仓市值来反映其股票投资策略的变化[64]。 * 具体构建过程：对比相邻两个报告期FOF的重仓股票数据[64]。对于FOF重仓的某只股票，其FOF预估股票调仓市值的计算公式为： $\Delta MV=\sum_{i}Close\times\Delta Share_{i}$ 其中，Close 表示两个报告期间重仓股票的日度收盘价均值，ΔShare_i 表示相比上一报告期，本报告期第 i 只FOF对重仓股票的投资股数变化[69][70]。 模型的回测效果 （注：本报告为FOF市场数据统计与观察报告，未提供量化模型或因子在历史数据上的系统性回测结果，如年化收益率、夏普比率、信息比率(IR)、最大回撤等指标。报告内容主要为各类统计榜单和规模、数量、收益中位数等描述性数据。） 量化因子与构建方式 （注：本报告主要涉及对FOF市场及持仓的统计分析，并定义了用于统计分析的几个关键指标（如上述的ΔN和ΔMV）。这些指标更接近于用于观察和排序的统计量，而非传统意义上用于选股或择时的阿尔法因子。因此，本部分内容已合并至“量化模型与构建方式”中。） 因子的回测效果 （注：同上，报告未提供因子的IC、IR、多空收益等传统因子测试结果。）