量化模型与构建方式 1. 模型/因子名称：大买单成交金额占比[7] * 构建思路：利用逐笔成交数据，通过叫买和叫卖序号还原买卖单数据，筛选出大单，并计算其中大买单成交金额占总成交额的比例，以刻画大资金的买入行为[7]。 * 具体构建过程： 1. 获取逐笔成交数据，数据中包含每笔成交的“叫买序号”和“叫卖序号”[7]。 2. 根据“叫买序号”和“叫卖序号”将逐笔成交数据还原为原始的买单和卖单数据[7]。 3. 设定一个成交量阈值，筛选出成交量大于该阈值的单子，定义为“大单”[7]。 4. 从“大单”中，识别出属于“买单”的部分，即“大买单”[7]。 5. 计算“大买单成交金额占比”。公式为： $大买单成交金额占比 = \frac{当日大买单成交总金额}{当日总成交金额}$[7] * 模型/因子评价：该指标直接反映了大额资金的买入意愿和强度，是监测主力资金动向的高频指标。 2. 模型/因子名称：净主动买入金额占比[7] * 构建思路：利用逐笔成交数据中的买卖标志，界定每笔成交属于主动买入还是主动卖出，计算两者的净额并除以总成交金额，以刻画投资者的主动买入行为[7]。 * 具体构建过程： 1. 获取逐笔成交数据，数据中包含每笔成交的“买卖标志”[7]。 2. 根据“买卖标志”判断每一笔成交是“主动买入”还是“主动卖出”[7]。 3. 分别加总当日所有“主动买入”成交金额和所有“主动卖出”成交金额[7]。 4. 计算“净主动买入金额”及“净主动买入金额占比”。公式为： $净主动买入金额 = 主动买入总金额 - 主动卖出总金额$[7] $净主动买入金额占比 = \frac{净主动买入金额}{当日总成交金额}$[7] * 模型/因子评价：该指标反映了市场交易中买方主动发起的攻击性资金流，能有效捕捉市场的情绪和短期资金流向。 模型的回测效果 本报告为跟踪周报，主要展示指标在特定时间窗口（近5个交易日）的截面排名和时序分位数，未提供长期回测的绩效指标（如年化收益率、夏普比率、信息比率IR等）。以下为报告期内各标的的指标取值。 1. 大买单成交金额占比模型/因子 * 个股层面（前5名）：重庆钢铁 (88.3%)[9]、华帝股份 (87.8%)[9]、金隅集团 (86.6%)[9]、山东路桥 (86.1%)[9]、鞍钢股份 (85.9%)[9] * 宽基指数层面（5日均值）：上证指数 (71.7%)[12]、上证50 (68.2%)[12]、沪深300 (71.1%)[12]、中证500 (72.4%)[12]、创业板指 (70.0%)[12] * 行业层面（5日均值前5名）：交通运输 (79.8%)[13]、银行 (79.2%)[13]、房地产 (78.3%)[13]、综合 (78.3%)[13]、钢铁 (77.5%)[13] * ETF层面（前5名）：易方达沪深300ETF (93.7%)[15]、华泰柏瑞沪深300ETF (93.4%)[15]、华泰柏瑞中证A500ETF (93.4%)[15]、南方中证全指家用电器ETF (93.1%)[15]、华夏中证A500ETF (92.8%)[15] 2. 净主动买入金额占比模型/因子 * 个股层面（前5名）：上港集团 (23.5%)[10]、美盈森 (20.0%)[10]、嵘泰股份 (20.0%)[10]、安车检测 (19.9%)[10]、凤凰传媒 (19.0%)[10] * 宽基指数层面（5日均值）：上证指数 (-3.8%)[12]、上证50 (-8.1%)[12]、沪深300 (-6.0%)[12]、中证500 (-4.7%)[12]、创业板指 (-4.7%)[12] * 行业层面（5日均值前5名）：交通运输 (5.8%)[13]、国防军工 (4.7%)[13]、通信 (0.7%)[13]、纺织服装 (0.6%)[13]、轻工制造 (0.2%)[13] * ETF层面（前5名）：富国国证机器人产业ETF (20.9%)[16]、鹏华国证机器人产业ETF (20.5%)[16]、景顺长城国证机器人产业ETF (19.4%)[16]、华夏中证细分有色金属产业ETF (18.2%)[16]、南方中证全指房地产ETF (17.7%)[16]