量化模型与构建方式 1. 模型/因子名称：RSI相对强弱指标[2] * 构建思路： 通过计算一定周期内平均涨幅与平均跌幅的比值，来衡量市场的超买或超卖状态[2]。 * 具体构建过程： 1. 计算一定周期（报告中为12天）内每日上涨幅度的平均值（AvgGain）和每日下跌幅度（取正值）的平均值（AvgLoss）[2]。 2. 计算相对强度（RS），公式为：$RS = \frac{AvgGain}{AvgLoss}$[2] 3. 将RS代入公式计算RSI值：$RSI = 100 - \frac{100}{1 + RS}$[2] * 模型/因子评价： RSI>70表示市场可能处于超买状态，RSI<30表示市场可能处于超卖状态[2]。 2. 模型/因子名称：净申购（亿元）[2] * 构建思路： 通过比较ETF当日净值与根据前日净值及指数收益率推算的理论净值之间的差异，估算当日的资金净流入/流出金额[2]。 * 具体构建过程： 1. 获取当日ETF净值（NAV(T)）和前一交易日ETF净值（NAV(T-1)）[2]。 2. 获取ETF跟踪指数在当日的收益率（R(T)）[2]。 3. 计算理论净值：NAV(T-1) * (1 + R(T))[2]。 4. 计算净申购金额（NETBUY(T)），公式为：$NETBUY(T) = NAV(T) - NAV(T-1) * (1 + R(T))$[2] 模型的回测效果 （报告中未提供针对量化模型的统一回测结果，如年化收益率、夏普比率、最大回撤等指标，因此此部分跳过。） 量化因子与构建方式 （报告中提及的RSI和净申购，在内容上更偏向于对单只ETF的日频状态指标描述，而非用于横截面选股的Alpha因子。报告未提供基于这些指标构建多空组合或进行因子测试的内容。因此，此部分仅将上述两者作为指标列出，其构建方式已在“量化模型与构建方式”部分说明。） 因子的回测效果 （报告中未提供针对量化因子的IC、IR、多空收益、分组收益等回测测试结果，因此此部分跳过。） 报告中的其他指标取值（日频跟踪数据） 1. RSI相对强弱指标：报告列出了各只ETF在计算日的RSI具体数值，例如华泰柏瑞沪深300ETF为44.62[4]，南方中证500ETF为42.50[4]，华夏恒生科技ETF为39.29[4]等。 2. 净申购（亿元）：报告列出了各只ETF在计算日的净申购金额，例如华泰柏瑞沪深300ETF为1.53亿元[4]，南方中证500ETF为14.14亿元[4]，华夏上证科创板50ETF为-16.84亿元[4]等。 3. 涨跌幅（%）：报告列出了各只ETF在计算日的涨跌幅，例如华泰柏瑞沪深300ETF为1.59%[4]，南方中证500ETF为1.64%[4]，华夏上证科创板50ETF为3.40%[4]等。 4. 成交额（亿元）：报告列出了各只ETF在计算日的成交额，例如华泰柏瑞沪深300ETF为22.67亿元[4]，南方中证500ETF为27.81亿元[4]，华夏上证科创板50ETF为41.02亿元[4]等。 5. 流通市值（亿元）：报告列出了各只ETF在计算日的流通市值，例如华泰柏瑞沪深300ETF为2031.79亿元[4]，南方中证500ETF为750.21亿元[4]，华夏上证科创板50ETF为692.64亿元[4]等。 6. 机构持仓占比（%）：报告列出了各只ETF最近一期披露的机构持仓占比（预估值），例如部分行业主题ETF如汇添富中证上海国企ETF为97.53%[6]，博时央企创新驱动ETF为96.02%[6]等。 7. 管理费率（%）：报告列出了各只ETF的管理费率，例如华泰柏瑞沪深300ETF为0.15%[4]，天弘沪深300ETF为0.50%[4]等。 8. 跟踪指数：报告列出了各只ETF所跟踪的指数名称，例如沪深300[4]、中证500[4]、科创50[4]等。 9. T+0：报告标明了各只ETF是否支持T+0交易，例如宽基ETF通常为“否”[4]，部分跨境ETF（如恒生科技、纳斯达克100等）为“是”[4]。