量化模型与因子总结 量化模型与构建方式 1. 模型名称：封板率与连板率计算模型[18] * 模型构建思路：通过统计上市满3个月以上的股票，计算其涨停封板成功率以及连续涨停的概率，用以衡量市场短线炒作的热度和持续性[18]。 * 模型具体构建过程： 1. 封板率：筛选出在交易日盘中最高价曾达到涨停价的股票，再从中统计收盘价仍为涨停的股票数量，两者之比即为封板率[18]。 公式为： $封板率 = \frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$[18] 2. 连板率：统计前一日收盘涨停的股票中，在当日收盘仍为涨停的股票数量，两者之比即为连板率[18]。 公式为： $连板率 = \frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$[18] 2. 模型名称：大宗交易折价率计算模型[28] * 模型构建思路：通过计算大宗交易成交价相对于市值的折价幅度，来反映大额资金的交易情绪和偏好[28]。 * 模型具体构建过程：统计每日所有大宗交易的总成交金额，并计算这些交易份额若按当日市价计算的总市值，用总成交金额除以总市值再减1得到整体折价率[28]。 公式为： $折价率 = \frac{大宗交易总成交金额}{当日成交份额的总市值} - 1$[28] 3. 模型名称：股指期货年化贴水率计算模型[30] * 模型构建思路：计算股指期货主力合约价格与现货指数价格之间的基差，并将其年化，用以衡量市场对未来走势的预期以及股指对冲的成本[30]。 * 模型具体构建过程：首先计算基差（股指期货价格减去现货指数价格），然后除以现货指数价格，再乘以年化因子（250天除以合约剩余交易日数），得到年化贴水率[30]。 公式为： $年化贴水率 = \frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$[30] * 模型评价：该指标受金融市场利率、股市分红、市场情绪等多因素影响，其变化能反映市场预期[30]。 模型的回测效果 1. 封板率与连板率计算模型，2026年4月3日封板率取值68%[18]，2026年4月3日连板率取值19%[18]。 2. 大宗交易折价率计算模型，近半年平均折价率取值7.15%[28]，2026年4月2日折价率取值4.10%[28]。 3. 股指期货年化贴水率计算模型，近一年中证500股指期货年化贴水率中位数取值10.99%[30]，2026年4月3日中证500股指期货年化贴水率取值11.90%[30]。 量化因子与构建方式 1. 因子名称：ETF折溢价因子[25] * 因子构建思路：利用ETF场内交易价格与场外净值（IOPV）的差异构建因子，反映投资者对特定板块或主题的情绪[25]。 * 因子具体构建过程：筛选日成交额超过100万元的境内股票型ETF，计算其收盘价与IOPV的差值占IOPV的比例，即为该ETF的日度折溢价率[25]。 2. 因子名称：机构调研热度因子[32] * 因子构建思路：统计近期对上市公司进行调研的机构数量，作为衡量机构关注度的代理变量[32]。 * 因子具体构建过程：统计近7天内对某家上市公司进行调研或参加分析师会议的机构总数[32]。 3. 因子名称：龙虎榜机构净流入因子[37] * 因子构建思路：通过龙虎榜公布的机构专用席位买卖数据，构建反映机构资金当日净流入强度的因子[34][37]。 * 因子具体构建过程：对于登上龙虎榜的个股，汇总其所有机构专用席位的买入总额与卖出总额，两者之差即为该股票的机构净流入额[37]。 因子的回测效果 （注：报告未提供基于上述因子的策略回测结果，如年化收益、夏普比率、最大回撤等量化指标，故本部分无具体数值可总结。）