量化模型与构建方式 1. 模型/因子名称：封板率 * 构建思路：通过计算盘中最高价涨停且收盘时仍维持涨停的股票数量占所有盘中最高价涨停股票数量的比例，来衡量市场涨停板的“封板”强度或资金封板的坚决程度[17]。 * 具体构建过程： 1. 筛选上市满3个月以上的股票[17]。 2. 在每个交易日，识别出盘中最高价达到涨停价的股票集合A[17]。 3. 在集合A中，进一步识别出收盘价仍为涨停价的股票集合B[17]。 4. 计算封板率，公式为： $封板率 = \frac{集合B的股票数量}{集合A的股票数量}$[17] 2. 模型/因子名称：连板率 * 构建思路：通过计算连续两个交易日收盘涨停的股票数量占前一日所有收盘涨停股票数量的比例，来衡量市场涨停板的连续性和赚钱效应的持续性[17]。 * 具体构建过程： 1. 筛选上市满3个月以上的股票[17]。 2. 在每个交易日，识别出前一日（T-1日）收盘涨停的股票集合C[17]。 3. 在集合C中，进一步识别出当日（T日）收盘也涨停的股票集合D[17]。 4. 计算连板率，公式为： $连板率 = \frac{集合D的股票数量}{集合C的股票数量}$[17] 3. 模型/因子名称：大宗交易折价率 * 构建思路：通过计算大宗交易成交总金额与按当日市价计算的交易份额总市值的差异比例，来反映大资金通过大宗交易平台交易的折价或溢价水平，常用于观察机构或大股东的买卖情绪和流动性折价[26]。 * 具体构建过程： 1. 获取当日所有大宗交易的成交数据，包括每笔交易的成交价格和成交数量[26]。 2. 计算大宗交易总成交金额（成交价×成交数量的总和）[26]。 3. 计算当日成交份额按收盘价（或成交时市价）计算的总市值[26]。 4. 计算折价率，公式为： $折价率 = \frac{大宗交易总成交金额}{当日成交份额的总市值} - 1$[26] 结果为负表示折价交易，为正表示溢价交易。 4. 模型/因子名称：股指期货年化贴水率 * 构建思路：将股指期货主力合约与现货指数之间的基差（期货价格-现货价格），进行年化处理，以标准化衡量不同期限合约的贴水或升水程度，反映市场对未来走势的预期和对冲成本[28]。 * 具体构建过程： 1. 选定标的指数（如上证50、沪深300等）及其对应的股指期货主力合约[28]。 2. 计算基差：基差 = 期货价格 - 现货指数价格[28]。 3. 计算年化贴水率，公式为： $年化贴水率 = \frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$[28] 其中，250为一年中大约的交易天数，用于年化。结果为负表示贴水，为正表示升水。 模型的回测效果 （注：本篇报告为市场监测日报，未提供量化模型或因子在历史样本外的长期回测绩效指标，如年化收益率、夏普比率、最大回撤、信息比率（IR）等。报告主要展示上述指标在特定日期（2026年4月21日或22日）的截面或时序取值[17][26][28]。） 量化因子与构建方式 （注：本篇报告未涉及用于选股或资产定价的传统阿尔法因子（如价值、动量、质量等）的构建与测试。） 因子的回测效果 （注：本篇报告未涉及传统阿尔法因子的回测效果。）