量化模型与因子总结 量化模型与构建方式 1. 模型/因子名称：市场情绪监测模型（封板率与连板率）[16] * 模型/因子构建思路：通过统计上市股票的涨停封板情况和连续涨停情况，来量化市场短期炒作情绪和赚钱效应的强弱。[16] * 模型/因子具体构建过程： * 封板率：统计当日最高价曾触及涨停的股票中，最终收盘价仍为涨停的股票比例。计算公式为： $封板率 = \frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$ [16] * 连板率：统计前一日收盘涨停的股票中，在当日继续收盘涨停的股票比例。计算公式为： $连板率 = \frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$ [16] 2. 模型/因子名称：市场资金监测模型（两融余额与交易占比）[23] * 模型/因子构建思路：通过计算融资融券余额及其交易额在市场中的占比，来反映杠杆资金的活跃程度和市场风险偏好。[23] * 模型/因子具体构建过程： * 两融余额占比：计算融资融券余额占A股市场总流通市值的比重。 * 两融交易占比：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。[23] 3. 模型/因子名称：折溢价监测模型（ETF折溢价、大宗交易折溢价、股指期货升贴水）[24][27][29] * 模型/因子构建思路：通过观察ETF、大宗交易和股指期货的价格与其对应基础资产净值或现货价格之间的差异，来捕捉市场情绪、大资金动向及对未来市场的预期。[24][27][29] * 模型/因子具体构建过程： * ETF折溢价：直接观察ETF场内交易价格与其IOPV（基金份额参考净值）的差异。[24] * 大宗交易折价率：计算大宗交易成交总额与按当日收盘价计算的相同份额总市值之间的比率差。计算公式为： $折价率 = \frac{大宗交易总成交金额}{当日成交份额的总市值} - 1$ [27] * 股指期货年化贴水率：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，以衡量对冲成本或市场预期。计算公式为： $年化贴水率 = \frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$ [29] 其中，基差 = 期货价格 - 现货价格。 模型的回测效果 1. 市场情绪监测模型（封板率与连板率），2026年1月30日封板率65%[16]，连板率10%[16] 2. 市场资金监测模型（两融余额与交易占比），截至2026年1月29日，两融余额占流通市值比重2.6%[23]，两融交易占市场成交额比重9.6%[23] 3. 折溢价监测模型（ETF折溢价），2026年1月29日，溢价较多的ETF为油气ETF博时（溢价4.13%）[24]，折价较多的ETF为国证2000ETF工银（折价2.03%）[24] 4. 折溢价监测模型（大宗交易折溢价），近半年平均折价率6.93%[27]，2026年1月29日当日折价率7.58%[27] 5. 折溢价监测模型（股指期货升贴水），近一年年化贴水率中位数：上证500.65%[29]、沪深3003.78%[29]、中证50011.11%[29]、中证100013.61%[29]；2026年1月30日当日年化升贴水率：上证50升水2.11%（近一年92%分位）[29]、沪深300升水0.85%（近一年90%分位）[29]、中证500贴水0.84%（近一年94%分位）[29]、中证1000升水0.60%（近一年98%分位）[29]