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，来衡量市场买卖力量的强弱，判断资产是否处于超买或超卖状态[2]。 * 具体构建过程： 1. 设定计算周期N（报告中为12天）[2]。 2. 计算周期内每日的上涨幅度（若当日收盘价高于前一日收盘价）和下跌幅度（若当日收盘价低于前一日收盘价）[2]。 3. 计算周期N内的平均涨幅（Average Gain）和平均跌幅（Average Loss）[2]。 4. 计算相对强度RS：RS = 平均涨幅 / 平均跌幅[2]。 5. 计算RSI指标：$RSI = 100 – \frac{100}{1 + RS}$[2]。 * 模型/因子评价： 该指标是经典的技术分析工具，用于识别市场的短期超买和超卖状态，为交易提供参考[2]。 2. 模型/因子名称：净申购金额（NETBUY）[2] * 构建思路： 通过比较ETF当前净值与考虑净值增长率后的前一日净值规模，估算当日资金的净流入（申购减去赎回）金额[2]。 * 具体构建过程： 1. 获取当日（T日）的ETF单位净值NAV(T)[2]。 2. 获取前一日（T-1日）的ETF单位净值NAV(T-1)[2]。 3. 获取T日ETF的净值增长率R(T)[2]。 4. 计算净申购金额：$NETBUY(T) = NAV(T) – NAV(T-1) \times (1 + R(T))$[2]。公式中，NETBUY(T)为T日的净申购金额估算值[2]。 量化模型与因子的回测效果 （注：本报告为ETF日频数据跟踪表，未提供模型或因子在历史回测中的表现指标（如年化收益率、夏普比率、最大回撤、信息比率IR等）。报告展示的是特定时点（2026-05-12）各ETF对应指标的截面数据取值[1][5][6]。） RSI相对强弱指标截面取值（计算周期：12天）[2][5][6]： * 华泰柏瑞沪深300ETF (510300.SH): 74.42[5] * 易方达沪深300ETF (510310.SH): 74.05[5] * 华夏沪深300ETF (510330.SH): 73.71[5] * 嘉实沪深300ETF (159919.SZ): 73.01[5] * 天弘沪深300ETF (515330.SH): 71.95[5] * 南方中证500ETF (510500.SH): 71.70[5] * 华夏上证科创板50ETF (588000.SH): 78.03[5] * 广发纳斯达克100ETF (159941.SZ): 79.18[5] * 华宝中证全指证券公司ETF (512000.SH): 61.38[6] * 华宝中证银行ETF (512800.SH): 36.48[6] * （其他ETF的RSI值详见报告数据表[5][6]，此处不逐一列举） 净申购金额（亿元）截面取值[2][5][6]： * 华泰柏瑞沪深300ETF (510300.SH): -28.81[5] * 易方达沪深300ETF (510310.SH): -31.32[5] * 华夏沪深300ETF (510330.SH): -17.70[5] * 嘉实沪深300ETF (159919.SZ): -15.51[5] * 天弘沪深300ETF (515330.SH): -0.43[5] * 南方中证500ETF (510500.SH): -18.36[5] * 华夏上证科创板50ETF (588000.SH): -8.40[5] * 广发纳斯达克100ETF (159941.SZ): 4.08[5] * 华宝中证全指证券公司ETF (512000.SH): 1.85[6] * 华宝中证银行ETF (512800.SH): -0.43[6] * （其他ETF的净申购金额详见报告数据表[5][6]，此处不逐一列举）