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价格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，从而判断短期价格走势[2]。 * 具体构建过程： 1. 计算一定周期（N天）内每日的涨跌幅。 2. 分别计算该周期内所有上涨日涨幅的平均值（Avg Gain）和所有下跌日跌幅的绝对值平均值（Avg Loss）。 3. 计算相对强度RS：$RS = \frac{Avg\ Gain}{Avg\ Loss}$ 4. 计算RSI指标：$RSI = 100 - \frac{100}{1 + RS}$ 5. 根据报告，计算周期为12天[2]。当RSI>70时，市场被认为处于超买状态；当RSI<30时，市场被认为处于超卖状态[2]。 2. 模型/因子名称：净申购（亿元）[2] * 构建思路： 通过计算ETF单位净值的变动与基金份额变化的综合影响，来反映当日资金的净流入或流出情况[2]。 * 具体构建过程： 1. 获取当日（T日）的ETF单位净值NAV(T)和前一日（T-1日）的单位净值NAV(T-1)。 2. 获取T日ETF的日收益率R(T)。 3. 计算T日的净申购金额NETBUY(T)，公式为：$NETBUY(T) = NAV(T) - NAV(T-1) * (1 + R(T))$[2] 4. 公式中，NAV(T-1)为前一交易日的ETF净值[2]。 模型的回测效果 （报告中未提供具体模型的回测效果指标值，如年化收益率、夏普比率、最大回撤等，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，在内容上更偏向于技术指标和资金流指标，通常作为因子使用，其构建方式已在“量化模型与构建方式”部分详细说明。报告未提供其他独立的、用于选股或择时的量化因子构建方法。） 因子的回测效果 （报告中未提供因子的具体测试结果，如IC值、IR、多空收益、分组收益等，仅展示了各ETF在特定日期的因子截面数据[4][7]。因此无法总结统一的指标取值。）