量化模型与构建方式 1. 模型名称：公募基金实时持仓测算模型[17] * 模型构建思路：基于市场公开信息，对公募基金的持仓进行实时估算，以监测其配置动向[17]。 * 模型具体构建过程：这是一个复杂的处理流程，综合利用了基金净值、定期披露的持仓报告、以及基金公司的调研行为等公开数据。具体方法详见开源金融工程团队的专题报告《偏股混合型基金指数（885001.WI）：优势、复制与超越》[17]。 2. 因子名称：主力资金净流入因子[29] * 因子构建思路：通过加总特定金额区间的挂单来近似代表主力资金的动向，以此作为观察市场大额资金流向的代理变量[29]。 * 因子具体构建过程：将每日交易中，挂单金额在20万元至100万元之间的“大单”与挂单金额超过100万元的“超大单”的成交额进行加总，计算其净流入（买入额减去卖出额）[29]。 3. 因子名称：雪球大V关注度因子[28] * 因子构建思路：利用雪球平台大V用户对股票的关注行为（如发布解读、观点分享），提取具有信息含量的市场情绪和关注度信号[28]。 * 因子具体构建过程：统计在特定时间段内，粉丝数量较多的雪球大V用户关注某只股票的数量。具体构建细节可参考开源金融工程团队专题报告《雪球大V用户的选股行为alpha》[28]。 4. 因子名称：龙虎榜营业部资金因子[32] * 因子构建思路：利用交易所龙虎榜披露的营业部交易数据，捕捉市场上最活跃、最具影响力的资金动向[32]。 * 因子具体构建过程：对于登上龙虎榜的个股，提取其“营业部资金净流入”数据，即当日买入金额最大的前五家营业部总额减去卖出金额最大的前五家营业部总额[33]。具体分析框架可参考专题报告《机构行为alpha的细分结构：龙虎榜、机构调研、大宗交易》[32]。 5. 因子名称：高频股东户数变动因子[34] * 因子构建思路：基于交易所互动平台的高频股东户数数据，监测股东结构的变化，研究发现股东户数大幅增加可能预示后续股价风险[34]。 * 因子具体构建过程：获取上市公司最新两期公布的股东户数，计算其变动比例。公式为： $股东户数变动比例 = \frac{最新股东户数 - 上期股东户数}{上期股东户数} \times 100\%$ 具体信息含量分析详见专题报告《高频股东数据的隐含信息量》[34]。 模型的回测效果 （报告未提供具体量化模型的回测绩效指标，如年化收益率、夏普比率、最大回撤等。） 因子的回测效果 （报告未提供单个因子的具体回测绩效指标，如IC值、IR、多空收益等。报告主要展示了基于这些因子或行为信号筛选出的个股列表及其在特定时间段内的市场表现[16][24][27][29][30][33][34][36]。）