量化模型与构建方式 1. **模型名称**：重仓股补全法（模拟全持仓模型）[45] * **模型构建思路**：由于基金季报仅披露前十大重仓股，信息不完整，为了更全面地分析基金的行业配置偏好，在保证一定准确度的同时兼顾时效性，构建此模型来模拟基金的全部持仓[45]。 * **模型具体构建过程**：该方法在证监会行业配置约束下，利用上期持仓股票和全市场其他股票来补全本期行业配置缺失的部分，从而模拟本期全部持仓，进而估计基金的中信行业配置信息[45]。具体步骤如下： 1. **数据基础**：使用基金定期报告披露的完整持仓（年报、半年报）或上期模拟持仓作为基准[45]。 2. **补全逻辑**：假设基金经理的配置偏好具有延续性，其管理的基金在前后两期非重仓股的行业配置比例保持不变[45]。 3. **操作流程**： * 在Q1（或Q3）节点，使用上期的年报（或半年报）的真实完整持仓信息[45]。 * 在Q2（或Q4）节点，使用上期Q1（或Q3）的模拟持仓信息[45]。 * 对于本期季报，已知前十大重仓股（重仓股）的持仓。对于非重仓部分，假设其行业配置结构与上期完整持仓（或模拟持仓）中非重仓部分的行业配置结构相同。 * 在满足证监会行业配置比例要求的前提下，用全市场其他股票按上期的行业配置比例填充非重仓部分，最终合成一个模拟的全持仓组合[45]。 量化因子与构建方式 1. **因子名称**：行业配置权重因子[44][45][46] * **因子构建思路**：通过计算基金在特定行业上的持仓市值占其总股票持仓市值的比例，来衡量基金对该行业的配置偏好和暴露程度[44][45][46]。 * **因子具体构建过程**： 1. 对于单只基金，计算其持有某行业所有股票的总市值。 2. 计算该基金持有的所有股票的总市值。 3. 行业配置权重 = (持有某行业股票总市值 / 基金持有所有股票总市值) × 100%[44][45][46]。 4. 报告中对所有主动权益类基金进行汇总，分别计算了基于**重仓股**的行业配置权重[44]和基于**模拟全持仓**的行业配置权重[45][46]。 2. **因子名称**：板块配置权重因子[48][49][50] * **因子构建思路**：在行业配置的基础上，根据行业的内在属性和差异性，将中信行业归类为周期、消费、医药、金融、科技、其他六大板块，从更宏观的板块视角分析基金的配置偏好及变动[47][48]。 * **因子具体构建过程**： 1. **板块划分**：依据报告中提供的映射表，将每个中信一级行业归入一个板块（例如：有色金属归入周期板块，电子归入科技板块）[47][48]。 2. **权重计算**：对于单只基金，将其在某个板块内所有行业的配置权重相加，得到该基金的板块配置权重。 3. 报告中对所有主动权益类基金进行汇总，分别计算了基于**重仓股**的板块配置权重[48][49]和基于**模拟全持仓**的板块配置权重[50]。 3. **因子名称**：配置变动（差值）因子[44][45][46][48][49][50] * **因子构建思路**：通过计算相邻两期（如2025年四季度与三季度）行业或板块配置权重的差值，来量化基金配置偏好的动态变化，识别其加仓和减仓的方向[44][45][46][48][49][50]。 * **因子具体构建过程**： 1. 配置变动值 = 本期配置权重 - 上期配置权重[44][45][46][48][49][50]。 2. 正值表示加仓，负值表示减仓。 模型的回测效果 （报告中未提供该模型的量化回测绩效指标，如年化收益率、夏普比率、最大回撤等。） 因子的回测效果 （报告中未提供基于这些因子构建策略的量化回测绩效指标，如多空收益、IC值、IR等。报告主要展示了因子在特定时点（2025年四季度）的截面取值及相对上期的变动情况。） **行业配置权重因子（基于重仓股，2025年四季度末截面值及相对三季度变动）**[44] * 电子行业：配置权重20.73%，较上季度变动-1.23个百分点[44]。 * 通信行业：配置权重9.84%，较上季度变动+1.84个百分点[44]。 * 医药行业：配置权重9.08%，较上季度变动-1.90个百分点[44]。 * 有色金属行业：配置权重7.86%，较上季度变动+2.12个百分点[44]。 * 电力设备及新能源行业：配置权重7.97%，较上季度变动-0.59个百分点[44]。 * 基础化工行业：配置权重4.64%，较上季度变动+1.27个百分点[44]。 * 非银行金融行业：配置权重2.92%，较上季度变动+1.11个百分点[44]。 **行业配置权重因子（基于模拟全持仓，2025年四季度末截面值及相对三季度变动）**[45][46] * 电子行业：配置权重17.75%，较上季度变动-0.19个百分点[46]。 * 医药行业：配置权重9.44%，较上季度变动-0.76个百分点[46]。 * 机械行业：配置权重7.43%，较上季度变动+0.22个百分点[46]。 * 有色金属行业：配置权重7.00%，较上季度变动+1.10个百分点[46]。 * 电力设备及新能源行业：配置权重7.46%，较上季度变动-0.38个百分点[46]。 * 基础化工行业：配置权重5.80%，较上季度变动+0.55个百分点[46]。 * 通信行业：配置权重6.36%，较上季度变动+0.90个百分点[46]。 * 非银行金融行业：配置权重2.73%，较上季度变动+0.69个百分点[46]。 **板块配置权重因子（基于重仓股，2025年四季度末截面值及相对三季度变动）**[48][49] * 科技板块：配置权重37.87%，较上季度变动-2.38个百分点[48][49]。 * 周期板块：配置权重32.64%，较上季度变动+4.24个百分点[48][49]。 * 消费板块：配置权重14.70%，较上季度变动-0.87个百分点[48][49]。 * 医药板块：配置权重9.08%，较上季度变动-1.90个百分点[48][49]。 * 金融板块：配置权重5.72%，较上季度变动+0.91个百分点[48][49]。 **板块配置权重因子（基于模拟全持仓，2025年四季度末截面值及相对三季度变动）**[50] * 周期板块：配置权重38.13%，较上季度变动+1.87个百分点[50]。 * 科技板块：配置权重29.85%，较上季度变动-1.04个百分点[50]。 * 消费板块：配置权重15.92%，较上季度变动-0.64个百分点[50]。 * 金融板块：配置权重6.64%，较上季度变动+0.56个百分点[50]。 * 医药板块：配置权重9.44%，较上季度变动-0.76个百分点[50]。

量化模型与因子总结 量化因子与构建方式 1. **因子名称：封板率** [19] * **因子构建思路**：通过计算当日最高价涨停且最终收盘也涨停的股票比例，来衡量市场追涨资金的封板意愿和强度，是反映市场短期情绪和资金博弈热度的高频指标。[19] * **因子具体构建过程**： 1. 选定股票池：上市满3个月以上的股票。[19] 2. 识别股票状态：在交易日T，识别出盘中最高价达到涨停价的股票集合A。[19] 3. 计算因子值：在集合A中，统计收盘价也涨停的股票数量。封板率即为该数量与集合A股票总数的比值。[19] * **公式**： $$封板率=\frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$ [19] 2. **因子名称：连板率** [19] * **因子构建思路**：通过计算连续两个交易日收盘涨停的股票比例，来度量市场涨停效应的持续性，反映题材或个股的赚钱效应能否延续，是观察市场情绪强度和热点持续性的重要指标。[19] * **因子具体构建过程**： 1. 选定股票池：上市满3个月以上的股票。[19] 2. 识别基准股票：在交易日T-1，统计所有收盘涨停的股票集合B。[19] 3. 计算因子值：在集合B中，统计在交易日T收盘也涨停的股票数量。连板率即为该数量与集合B股票总数的比值。[19] * **公式**： $$连板率=\frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$ [19] 3. **因子名称：大宗交易折价率** [29] * **因子构建思路**：通过计算大宗交易成交价相对于市价的折价幅度，来观察大额资金的交易成本和交易情绪。折价率的高低可以反映大资金对特定股票的流动性需求、减持压力或对后市的看法。[29] * **因子具体构建过程**： 1. 数据获取：获取当日所有大宗交易的成交数据和对应股票的市价数据。[29] 2. 计算总成交金额与总市值：汇总当日所有大宗交易的成交总金额，并计算这些交易涉及股份按当日市价计算的总市值。[29] 3. 计算因子值：折价率等于大宗交易总成交金额与按市价计算的总市值之比减1。[29] * **公式**： $$折价率=\frac{大宗交易总成交金额}{当日成交份额的总市值}-1$$ [29] 4. **因子名称：股指期货年化升贴水率** [31] * **因子构建思路**：通过计算股指期货价格与现货指数价格之间的年化基差，来反映市场对未来指数走势的预期、对冲成本以及市场情绪。升水通常代表乐观预期或对冲成本较低，贴水则相反。[31] * **因子具体构建过程**： 1. 数据获取：获取特定股指期货主力合约的结算价（F）和对应现货指数的收盘价（S），以及该期货合约的剩余交易日数（T）。[31] 2. 计算基差：基差 = 期货价格(F) - 现货价格(S)。[31] 3. 计算年化因子值：年化升贴水率等于基差除以现货价格，再乘以年化因子（250/合约剩余交易日数）。[31] * **公式**： $$年化贴水率=\frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ [31] * **公式说明**：公式中“基差”定义为期货价格减去现货价格，因此计算结果为正表示年化升水，为负表示年化贴水。[31] 因子的回测效果 *本报告为市场监测日报，未提供因子的历史回测绩效指标（如IC、IR、多空收益等）。报告主要展示了各因子在特定日期（2026年1月22日或23日）的截面取值或时间序列状态。* [19][29][31] 1. **封板率因子**，2026年1月23日取值：**82%**，较前日变化：**提升7%**。[19] 2. **连板率因子**，2026年1月23日取值：**23%**，较前日变化：**下降1%**。[19] 3. **大宗交易折价率因子**，2026年1月22日取值：**6.85%**，近半年平均值：**6.82%**。[29] 4. **股指期货年化升贴水率因子** * **上证50股指期货**，2026年1月23日取值：**1.36% (升水)**，近一年中位数：**0.68% (贴水)**，当日历史分位点：**89%**。[31] * **沪深300股指期货**，2026年1月23日取值：**1.05% (升水)**，近一年中位数：**3.79% (贴水)**，当日历史分位点：**93%**。[31] * **中证500股指期货**，2026年1月23日取值：**5.82% (升水)**，近一年中位数：**11.11% (贴水)**，当日历史分位点：**99%**。[31] * **中证1000股指期货**，2026年1月23日取值：**3.98% (升水)**，近一年中位数：**13.61% (贴水)**，当日历史分位点：**98%**。[31]

量化模型与因子总结 量化因子与构建方式 1. **因子名称**：250日新高距离[11] * **因子构建思路**：该因子用于衡量当前价格距离过去一段时间内最高价格的回落幅度，是趋势跟踪和动量策略的核心指标。其理论基础在于，研究表明股价接近其52周（或250日）最高价时，未来收益往往更高[11]。 * **因子具体构建过程**：对于给定的证券，计算其最新收盘价与过去250个交易日最高收盘价的相对距离。 * 具体公式为： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ * 其中，`Closet` 代表最新收盘价，`ts_max(Close, 250)` 代表过去250个交易日收盘价的最大值[11]。 * 若最新收盘价创出新高，则该因子值为0；若价格从高点回落，则该因子为正值，表示回落的幅度[11]。 2. **因子名称**：股价路径平滑性（位移路程比）[27] * **因子构建思路**：该因子用于衡量股价上涨过程的平稳性。研究表明，遵循平滑价格路径的高动量股票，其未来收益可能优于价格路径跳跃的股票[27]。 * **因子具体构建过程**：通过计算股价在一定时期内的净位移（起点到终点的涨幅）与总路程（期间每日涨跌幅绝对值的总和）的比值来度量平滑性。 * 具体公式为： $$股价位移路程比 = \frac{过去120日涨跌幅的绝对值}{过去120日日涨跌幅绝对值加总}$$ * 该比值越接近1，表明股价路径越平滑（上涨过程回撤小）；比值越小，表明路径越曲折[27]。 3. **因子名称**：创新高持续性[29] * **因子构建思路**：该因子用于度量股票在近期维持强势、接近其一年高点的持续能力。 * **因子具体构建过程**：计算股票在过去120个交易日内，其“250日新高距离”在时间序列上的平均值[29]。该平均值越小，表明股票在近期越持续地保持在接近一年高点的位置。 4. **因子名称**：趋势延续性[29] * **因子构建思路**：该因子用于捕捉股票短期内的强势延续状态。 * **因子具体构建过程**：计算股票在过去5个交易日内，其“250日新高距离”在时间序列上的均值[29]。该均值越小，表明股票在近期（5日）越持续地接近新高，短期趋势越强。 量化模型与构建方式 1. **模型名称**：平稳创新高股票筛选模型[27] * **模型构建思路**：该模型旨在从市场中筛选出不仅创出新高，而且上涨过程平稳、趋势延续性好、并得到分析师一定关注的“高质量”动量股票。其结合了截面动量（相对强弱）与时间序列动量（路径平滑性）的研究思想[27][29]。 * **模型具体构建过程**：采用多步骤条件筛选法，从全市场股票中逐步收敛至目标股票池。 1. **初选股票池**：筛选上市满15个月，且在过去20个交易日内曾创出250日新高的股票[20]。 2. **分析师关注度筛选**：要求过去3个月内，获得“买入”或“增持”评级的分析师研报不少于5份[29]。 3. **股价相对强弱筛选**：要求过去250日涨跌幅位于全市场前20%[29]。 4. **股价平稳性筛选**：在满足上述条件的股票池内，使用“股价路径平滑性（位移路程比）”和“创新高持续性”两个指标进行综合打分，选取排名在前50%的股票[29]。 5. **最终筛选**：在步骤4得到的股票池中，依据“趋势延续性”因子（过去5日250日新高距离的时序均值）进行排序，选取排名最靠前的50只股票作为最终的“平稳创新高股票”[29]。 模型的回测效果 *（注：报告未提供该筛选模型的量化回测绩效指标，如年化收益率、夏普比率、信息比率(IR)、最大回撤等。报告仅展示了在特定时点（2026年1月23日）应用该模型筛选出的具体股票列表及部分特征数据[33]。）* 因子的回测效果 *（注：报告未提供单个因子的独立测试结果，如因子IC值、分组收益、多空收益等量化指标。报告主要展示了“250日新高距离”因子在指数、行业、概念及个股层面的截面数据[12][13][16][20][21]。）*

量化模型与构建方式 1. **模型名称**：华福金工权益基金评价模型[17] **模型构建思路**：通过将基金收益率与一系列基准指数进行一元线性回归，计算拟合优度（R²），以确定每只基金在特定时期内的业绩参考基准，从而对基金进行风格分类和评价[17]。 **模型具体构建过程**： 1. 确定22个基准指数作为自变量，基金收益率作为因变量[17][20]。 2. 对每只基金，逐个与每个基准指数进行一元线性回归，计算每一期的R²[17]。 3. 在每个月底，向前选取窗口期为6个月的基金收益率数据进行滚动窗口回归，得到每个基金随时间变化的R²矩阵[17]。 4. 选取最近6期R²的均值，将均值最大的R²所对应的基准指数，确定为该基金当期的业绩参考指数[17]。 2. **模型名称**：华福金工基金综合打分体系[41] **模型构建思路**：构建一个立体的基金评价体系，横向比较全市场胜率，纵向考察长期业绩、短期业绩及投资能力的变化趋势，对主动权益基金进行综合打分并划分等级[41]。 **模型具体构建过程**： 1. **横向比较**：根据基金相对其自适应基准（由前述评价模型确定）的长期超额收益胜率在全市场基金经理中的排名分档[41]。 2. **纵向考察**：兼顾长期与短期业绩，并考察基金经理获取超额收益（α）能力的变化趋势[41]。 3. **等级划分**：综合以上维度，将基金划分为不同等级[41]： * **AAA级（稳定alpha型）**：长期超额收益胜率排名前25%，α值较为分散且无下滑迹象[41]。 * **AA+级（α持续上升型）**：α值序列呈现稳健提升态势，胜率排名前25%[41][42]。 * **AA级（α择时型）**：胜率高，但α值相对不稳定[41]。 * **BB+级（逆风翻盘型）**：α值趋势持续上升，但胜率排名在前25%-50%之间[42]。 量化因子与构建方式 1. **因子名称**：基金相对单一指数拟合优度（R²）[32] **因子构建思路**：通过计算基金收益率与单一最相关基准指数回归的R²，来度量基金策略的集中度或多元化程度，进而判断市场整体热点情况[32]。 **因子具体构建过程**： 1. 对每只样本基金，使用前述“权益基金评价模型”确定其当期业绩参考指数[17]。 2. 计算该基金收益率与该特定指数收益率进行一元线性回归的R²[32]。 3. 计算所有样本基金该R²的平均值，作为衡量市场整体策略集中度的因子[32]。 模型的回测效果 （注：报告未提供模型历史回测的定量指标，如年化收益率、夏普比率、最大回撤等。仅展示了模型应用后的统计结果。） 因子的回测效果 1. **基金相对单一指数拟合优度（R²）因子**，2025年12月平均值：0.75[32]

量化模型与构建方式 1. **模型/因子名称**：长线重仓股识别模型[3][9] * **构建思路**：通过识别被基金连续多期重仓持有的个股，来捕捉基金经理的长期看好标的[9] * **具体构建过程**： 1. 数据准备：以主动管理型权益基金（普通股票型、偏股混合型、平衡混合型、灵活配置型；剔除量化基金）为样本，且要求基金规模超过2亿[14] 2. 定义规则：将连续4个或4个以上报告期出现在基金前十大重仓股列表中的个股，定义为该基金的“长线重仓股”[3][9] 3. 统计汇总：在特定报告期（如2025Q4），统计所有样本基金中，被定义为长线重仓股的个股，并计算持有该长线重仓股的基金总数[9][10] 2. **模型/因子名称**：长线持仓终止比例因子[14] * **构建思路**：通过计算基金终止对某只个股长线持仓的比例，来度量基金经理群体对该个股后市看法的转变程度[9][14] * **具体构建过程**： 1. 确定样本：选取在上一报告期（如2025Q3）长线重仓基金数超过20只的个股作为分析样本[3][14] 2. 计算指标：对于样本中的每只个股，计算其在当前报告期（如2025Q4）的“终止长线持仓比例”。具体公式如下： $$2025Q4终止长线持仓比例 = \frac{2025Q4终止长线重仓持有该个股的基金数量}{2025Q3长线重仓持有该个股的基金数量}$$[14] 其中，分子“2025Q4终止长线重仓持有该个股的基金数量”指的是在2025Q3将其视为长线重仓股，但在2025Q4的前十大重仓股中不再持有该个股的基金数量[14] 3. 衍生应用：将上述因子应用于行业层面。以申万一级行业为标准，汇总行业内所有个股的分子与分母，计算行业的终止长线持仓比例，用以观察基金经理对行业后市看法的变化[3][20][22] 模型/因子的回测效果 *本报告为基于持仓的统计分析报告，未提供模型或因子在历史时间序列上的回溯测试绩效指标（如年化收益率、夏普比率、信息比率IR、最大回撤等）。报告主要展示了特定时点（2025Q4）的截面统计结果[10][14][18][22]。*

量化模型与因子总结 量化因子与构建方式 1. **因子名称：250日新高距离**[11] * **因子构建思路**：该因子用于衡量当前价格距离过去250个交易日最高点的回落幅度，其理论基础在于研究表明股价接近52周（约250日）最高价时，未来收益往往更高，是动量与趋势跟踪策略的核心指标之一[11]。 * **因子具体构建过程**：对于每个标的（个股、指数等），计算其最新收盘价与过去250个交易日收盘价最大值的相对距离。具体公式如下： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 其中，$Closet$代表最新收盘价，$ts\_max(Close, 250)$代表过去250个交易日收盘价的最大值[11]。若最新收盘价创出新高，则该因子值为0；若价格从高点回落，则该因子为正值，表示回落的幅度[11]。 2. **模型名称：平稳创新高股票筛选模型**[27][29] * **模型构建思路**：该模型旨在从近期创出新高的股票中，进一步筛选出具有更强动量持续性的“平稳创新高”股票。其思路结合了分析师关注度、股价相对强弱、以及动量的时间序列特性（如路径平滑性、持续性），旨在规避“彩票型”股票，筛选出遵循平滑价格路径、动量效应可能更强大的标的[27]。 * **模型具体构建过程**：模型采用多步骤条件筛选法，在“过去20个交易日创出过250日新高”的股票池中进行[27]。 1. **分析师关注度筛选**：过去3个月内，获得“买入”或“增持”评级的分析师研报数量不少于5份[29]。 2. **股价相对强弱筛选**：过去250日涨跌幅位于全市场前20%[29]。 3. **股价平稳性筛选**：在满足上述条件的股票池内，使用以下两个指标综合打分，选取排名在前50%的股票[29]： * **价格路径平滑性**：使用股价位移路程比进行衡量。具体计算公式为：`过去120日涨跌幅的绝对值 / 过去120日日涨跌幅绝对值加总`[27]。该比值越接近1，表明价格路径越平滑。 * **创新高持续性**：过去120日的250日新高距离在时间序列上的均值。该值越小，表明在考察期内股价越持续地接近或创出新高[29]。 4. **趋势延续性筛选**：在通过平稳性筛选的股票中，计算`过去5日的250日新高距离在时间序列上的均值`，并选取该值排序最靠前的50只股票作为最终输出[29]。 模型的回测效果 *本报告未提供量化模型（如平稳创新高股票筛选模型）的历史回溯测试绩效指标（如年化收益率、夏普比率、信息比率IR、最大回撤等）。报告内容主要为截至特定时点（2026年1月23日）的模型应用结果展示，而非历史回测统计[12][13][20][30]。* 因子的回测效果 *本报告未提供量化因子（如250日新高距离）的因子测试绩效指标（如IC值、ICIR、多空收益、分组收益等）。报告内容主要为截至特定时点（2026年1月23日）的因子截面数据展示[12][13][16]。*

量化模型与因子总结 量化模型与构建方式 1. **模型名称**：中长线资金增持重点规模ETF体量及成本线测算模型[7] **模型构建思路**：通过追踪中长线资金（如中央汇金、证金等）在特定宽基ETF上的历史净流入/流出数据，估算其累计持仓的加权平均成本线，并计算当前价格相对于成本线的安全垫[7][10] **模型具体构建过程**： * 数据来源：基于上市公司定期报告、基金定期报告等披露的十大流通股东及重仓股信息，识别中长线资金的持仓变动[10] * 识别净流入/流出轮次：报告识别了自2024年以来中长线资金通过宽基ETF进行的多轮大规模净流入操作，例如沪深300、中证1000等品种[3][7] * 计算加权平均成本线：对每一轮净流入，记录其买入期间的指数均价作为成本价。估算当前整体成本线时，采用买入金额加权平均的方法进行计算[7] * 计算安全垫：将当前指数价格与估算的加权平均成本线进行比较，计算（现价/成本线-1）作为安全垫，用以衡量当前价格相对于资金成本的盈亏位置[7] * 估算留存市值：考虑历史累计净买入与最新一轮（第六轮）的净流出，计算当前中长线资金在各类宽基ETF中的估算留存市值[7] 模型的回测效果 *注：本报告未提供模型在历史数据上的系统性回测绩效指标（如年化收益率、夏普比率、最大回撤等）。报告主要展示了基于历史净流入数据测算出的成本线、留存市值及安全垫等静态结果[7]。* 量化因子与构建方式 1. **因子名称**：宽基ETF单日净流入因子[5] **因子构建思路**：直接统计特定宽基ETF品种（如沪深300ETF、中证1000ETF等）在单个交易日的资金净流入（申购金额减去赎回金额）[5] **因子具体构建过程**：从市场数据（如Wind）获取各宽基ETF的每日份额变动及净值数据，计算单日净流入金额。公式为： $$单日净流入金额_t = (基金份额_t - 基金份额_{t-1}) \times 基金单位净值_t$$ 其中，`t`代表当前交易日[5]。 2. **因子名称**：中长线资金持仓行业集中度因子[9] **因子构建思路**：通过汇总中长线资金（中央汇金、证金等）在所有股票上的持仓，计算其在不同行业的持股市值占比，以观察其行业配置偏好[9] **因子具体构建过程**： * 数据整合：从定期报告中提取中长线资金对个股的持仓数据[10] * 行业归类：将持仓个股按其所属行业进行分类（如银行、非银金融等）[9] * 计算行业占比：汇总每个行业的持股市值，并计算其占总持股市值的比例[9] * 报告显示，截至25Q3，中长线资金重仓行业前五分别为：银行(37%)、非银金融(19%)、食品饮料(5%)、建筑装饰(4%)、公用事业(4%)[9] 因子的回测效果 *注：本报告未提供上述因子在选股或择时策略中的有效性测试结果（如IC、IR、多空收益等）。报告主要利用这些因子进行现状描述和统计，例如展示2026年以来宽基ETF的净流出情况，或中长线资金的历史持仓结构[3][5][7][9]。*

量化模型与因子总结 量化因子与构建方式 1. **因子名称：连阴连阳天数因子**[12] * **因子构建思路**：通过计算指数K线连续为阴线或阳线的天数，来捕捉市场的短期动量或反转趋势。[12] * **因子具体构建过程**：对于每个交易日，从当日开始向前回溯，若指数日收益率连续为正，则连阳天数累加；若连续为负，则连阴天数累加（以负数表示）。当收益率符号改变时，计数重置。最终输出一个代表连续天数的数值，正数表示连阳，负数表示连阴。[12] 2. **因子名称：均线突破因子**[15][16] * **因子构建思路**：通过比较指数收盘价与不同周期的移动平均线（MA）的位置关系，来判断指数短期、中期和长期的趋势强度。[15][16] * **因子具体构建过程**：首先计算指数收盘价的5日、10日、20日、60日、120日、250日简单移动平均线（MA）。然后计算收盘价相对于各条均线的百分比偏离度。公式为： $$ vsMA_N = (Close / MA_N - 1) \times 100\% $$ 其中，$Close$为当日收盘价，$MA_N$为N日移动平均线。该值大于0表示收盘价位于均线之上，反之则在均线之下。[16] 3. **因子名称：近N日高位/低位突破因子**[15][16] * **因子构建思路**：通过判断指数收盘价是否突破过去一段时期（如250个交易日）的最高价或最低价，来识别趋势的延续或极端状态。[15][16] * **因子具体构建过程**：计算指数在过去250个交易日内的最高收盘价（近250日高位）和最低收盘价（近250日低位）。然后计算收盘价相对于这两个极值的百分比偏离度。公式为： $$ vsHigh_{250} = (Close / High_{250} - 1) \times 100\% $$ $$ vsLow_{250} = (Close / Low_{250} - 1) \times 100\% $$ 其中，$High_{250}$和$Low_{250}$分别代表近250日最高收盘价和最低收盘价。收盘价创出新高时，$vsHigh_{250}$为0%。[16] 4. **因子名称：收益分布形态因子（偏度与峰度）**[24][25] * **因子构建思路**：通过计算指数日收益率分布的偏度（Skewness）和超额峰度（Excess Kurtosis），来量化收益分布的不对称性和尾部风险特征。[24][25] * **因子具体构建过程**：基于指数过去一段时期（如近一年）的日收益率序列，计算其偏度和峰度。报告中使用的峰度为超额峰度，即在计算峰度后减去正态分布的峰度值3。偏度为正表示分布右偏（极端正收益更多），为负表示左偏（极端负收益更多）。峰度值越大，表示收益率分布更集中，尾部更薄；负的峰度值表示分布比正态分布更平坦。[24][25] 5. **因子名称：风险溢价因子**[27][31] * **因子构建思路**：计算股票指数预期收益率与无风险收益率之差，作为投资者承担市场风险所要求的额外回报，用于衡量市场的相对投资价值。[27][31] * **因子具体构建过程**：使用指数的市盈率倒数（1/PE-TTM）作为股票预期收益率的代理变量，减去十年期国债即期收益率作为无风险利率，得到风险溢价。公式为： $$ 风险溢价 = \frac{1}{PE\_TTM} - R_f $$ 其中，$PE\_TTM$为指数滚动市盈率，$R_f$为十年期国债即期收益率。同时，计算该风险溢价在近1年、近5年历史数据中的分位值，以判断当前风险溢价的相对水平。[31] 6. **因子名称：估值分位因子（PE-TTM）**[39][42][44] * **因子构建思路**：将指数当前的滚动市盈率（PE-TTM）置于其历史序列中，计算其所处的百分比位置，以判断当前估值的高低。[39][42][44] * **因子具体构建过程**：首先获取指数当前的PE-TTM值。然后，分别计算该值在近1年和近5年历史PE-TTM序列中的分位值（Percentile）。例如，近5年分位值为100%表示当前估值处于近5年最高水平。[42][44] 7. **因子名称：股债性价比因子**[46] * **因子构建思路**：比较股票市场与债券市场的相对吸引力，通常用股票收益率（市盈率倒数）与债券收益率之差来表示。[46] * **因子具体构建过程**：该因子构建过程与风险溢价因子相同，即： $$ 股债性价比 = \frac{1}{PE\_TTM} - R_f $$ 其中$R_f$为十年期国债即期收益率。报告通过观察该值相对于其历史分位数（如80%分位为机会值，20%分位为危险值）的位置来判断股债资产的相对配置价值。[46] 8. **因子名称：股息率因子**[48][53] * **因子构建思路**：计算指数成分股的现金分红回报率，作为价值投资和红利策略的参考指标。[48][53] * **因子具体构建过程**：指数股息率为其成分股股息率的加权平均。报告展示了当前股息率及其在近1年、近5年以及全部历史数据中的分位值，用于评估当前股息率在历史上的相对水平。[53] 9. **因子名称：破净率因子**[54][57] * **因子构建思路**：计算指数中市净率（PB）小于1的个股数量占比，反映市场整体的估值悲观程度或极端低估情况。[54][57] * **因子具体构建过程**：对于指数中的每一个成分股，判断其市净率是否小于1。破净率即为市净率小于1的个股数量除以指数总成分股数量。公式为： $$ 破净率 = \frac{Count(PB < 1)}{Total Count} \times 100\% $$ 该值越高，表明市场整体估值越低。[57] 因子的回测效果 （注：本报告为市场数据跟踪报告，主要展示各宽基指数在不同因子上的截面取值和状态描述，并未提供基于这些因子的选股模型回测结果，如多空组合收益、IC、IR等。因此，此处列出报告截止日（2026年1月22日）各主要宽基指数在关键因子上的具体取值。） 1. **连阴连阳天数因子**：上证50日K连阴天数为5天[12]；中证500、中证1000、中证2000、中证全指、创业板指日K连阳天数均为2天[12]。 2. **均线突破因子**：创业板指收盘价高于其5日均线（vsMA5为0.3%）[16]；中证500收盘价高于其所有列示均线，且相对于MA60偏离度达13.2%[16]。 3. **近250日高位突破因子**：中证500与中证2000收盘价均触及其近250日高位（vs近250日高位为0.0%）[15][16]。 4. **收益分布形态因子**：当前峰度负偏离最大的是创业板指（当前vs.近5年为-2.82），最小的是中证500（-1.58）[24][25]。当前负偏态最大的是创业板指（当前vs.近5年为-0.68），最小的是中证500（-0.43）[24][25]。 5. **风险溢价因子**：当前风险溢价最高的是创业板指（1.00%），最低的是上证50（-0.47%）[31]。近5年分位值最高的是创业板指（76.75%）和中证2000（76.35%），最低的是上证50（30.32%）[31]。 6. **估值分位因子（PE-TTM）**：近5年历史分位值最高的是中证500和中证1000（均为100.0%），较低的是创业板指（63.47%）和上证50（81.74%）[42][44]。 7. **股债性价比因子**：所有指数当前股债性价比均未高于其近5年80%分位（机会值）；中证500和中证全指低于其近5年20%分位（危险值）[46]。 8. **股息率因子**：当前股息率最高的是上证50（3.27%），最低的是中证2000（0.69%）[53]。近5年历史分位值较高的是创业板指（57.85%）和沪深300（37.02%），较低的是中证2000（0.41%）和中证500（3.39%）[53]。 9. **破净率因子**：当前破净率最高的是上证50（24.0%），最低的是中证2000（2.3%）[57]。

量化模型与因子总结 量化因子与构建方式 股票市场中观因子 1. **因子名称**：大小盘风格[11] * **因子构建思路**：衡量市场整体风格是偏向大盘股还是小盘股[10]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常使用市值加权指数（如沪深300）与等权指数或小盘股指数的相对强弱或收益率差来度量[10][11]。 2. **因子名称**：价值成长风格[11] * **因子构建思路**：衡量市场整体风格是偏向价值股还是成长股[10]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常使用价值指数与成长指数的相对强弱或收益率差来度量[10][11]。 3. **因子名称**：大小盘风格波动[11] * **因子构建思路**：衡量大小盘风格收益差的波动水平，反映风格切换的剧烈程度[10]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常计算大小盘风格因子（如上述大小盘风格因子）的滚动标准差[10][11]。 4. **因子名称**：价值成长风格波动[11] * **因子构建思路**：衡量价值成长风格收益差的波动水平，反映风格切换的剧烈程度[10]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常计算价值成长风格因子（如上述价值成长风格因子）的滚动标准差[10][11]。 5. **因子名称**：行业指数超额收益离散度[11] * **因子构建思路**：衡量各行业指数相对于市场基准的超额收益的分散程度，反映行业表现的差异性[10]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常计算各行业超额收益的横截面标准差[10][11]。 6. **因子名称**：行业轮动度量[11] * **因子构建思路**：衡量行业轮动的速度[10]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常基于行业收益率排名的变动率或相关性进行度量[10][11]。 7. **因子名称**：成分股上涨比例[11] * **因子构建思路**：衡量特定指数（如沪深300、中证500）内上涨股票的数量占比，反映市场的赚钱效应和广度[10]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常计算指数成分股中当日（或周期内）收益率为正的股票数量占总成分股数量的比例[10][11]。 8. **因子名称**：前100个股成交额占比[11] * **因子构建思路**：衡量市场成交额向头部个股集中的程度，即个股成交集中度[10]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常计算全市场（或特定板块）成交额排名前100的个股的成交额之和，除以全市场（或该板块）总成交额[10][11]。 9. **因子名称**：前5行业成交额占比[11] * **因子构建思路**：衡量市场成交额向头部行业集中的程度，即行业成交集中度[10]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常计算全市场中成交额排名前5的行业的成交额之和，除以全市场总成交额[10][11]。 10. **因子名称**：指数波动率[11] * **因子构建思路**：衡量市场整体的波动水平，作为市场活跃度和风险的一个指标[10]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常计算主要市场指数（如上证综指、沪深300等）的已实现波动率或历史波动率[10][11]。 11. **因子名称**：指数换手率[11] * **因子构建思路**：衡量市场整体的交易活跃度[10]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常计算全市场或主要指数的总成交额与总流通市值的比率[10][11]。 商品市场中观因子 12. **因子名称**：趋势强度[28] * **因子构建思路**：衡量商品期货价格趋势的强弱程度[23]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常基于价格时间序列计算，如使用移动平均线斜率、唐奇安通道突破或特定时间窗口内的累计收益率等[23][28]。 13. **因子名称**：市场波动水平[28] * **因子构建思路**：衡量商品期货市场的波动率水平[23]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常计算商品指数或主力合约价格的已实现波动率或历史波动率[23][28]。 14. **因子名称**：市场流动性[28] * **因子构建思路**：衡量商品期货市场的流动性状况[23]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常使用成交量、持仓量或买卖价差等指标进行度量[23][28]。 15. **因子名称**：期限结构（基差动量）[28] * **因子构建思路**：通过商品期货合约的基差（现货价格与期货价格之差，或近月合约与远月合约价格之差）变动来反映市场对未来供需的预期变化[23]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常计算基差（或近远月价差）在一段时间内的变化率[23][28]。 期权市场因子 16. **因子名称**：隐含波动率[31] * **因子构建思路**：衡量市场对未来标的资产价格波动的预期，是期权定价的核心参数[31]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常通过将期权市场价格代入B-S等定价模型反推得出，常使用平值期权或特定行权价期权的隐含波动率[31]。 17. **因子名称**：波动率偏度（看涨/看跌期权偏度）[31] * **因子构建思路**：衡量不同行权价的期权隐含波动率构成的曲线形态，反映市场对极端涨跌风险的定价差异和情绪[31]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常计算虚值看涨期权与虚值看跌期权的隐含波动率之差，或观察波动率微笑曲线的倾斜程度[31]。 可转债市场因子 18. **因子名称**：百元转股溢价率[33] * **因子构建思路**：衡量可转债市场价格相对于其转股价值的溢价程度，是评估可转债估值高低的核心指标之一[33]。 * **因子具体构建过程**：报告未详细说明具体构建公式，标准公式为： $$百元转股溢价率 = \frac{可转债价格 - 转股价值}{转股价值} \times 100\%$$ 其中，转股价值 = (100 / 转股价) × 正股价格[33]。 19. **因子名称**：纯债溢价率（按平价底价溢价率分组）[33] * **因子构建思路**：衡量可转债的债性，即其价格相对于其纯债价值的溢价程度，常用于对偏债型可转债进行估值分析[33]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常公式为： $$纯债溢价率 = \frac{可转债价格 - 纯债价值}{纯债价值} \times 100\%$$ 其中，纯债价值是将可转债视为普通债券，用未来现金流按相应信用等级的贴现率折现计算得出[33]。 20. **因子名称**：低转股溢价率转债占比[33] * **因子构建思路**：衡量市场中转股溢价率处于低水平的可转债数量占比，反映市场对正股上涨预期的强弱以及转债的股性活跃度[33]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常设定一个转股溢价率阈值（如10%或20%），统计全市场（或样本池）中转股溢价率低于该阈值的可转债数量，再除以可转债总数量[33]。 21. **因子名称**：可转债市场成交额[33] * **因子构建思路**：衡量可转债市场的整体交易活跃度[33]。 * **因子具体构建过程**：报告未详细说明具体构建公式，通常为全市场所有可转债的日成交金额之和[33]。 因子的回测效果 （注：本报告为市场跟踪周报，主要展示各因子在特定报告期（2026.01.12-01.16）的取值方向或状态，而非长期历史回测的统计指标（如IC、IR、夏普比率等）。因此，以下为各因子在报告期内的表现描述。） 1. **大小盘风格因子**，风格偏向小盘[10][11] 2. **价值成长风格因子**，风格偏向成长[10][11] 3. **大小盘风格波动因子**，波动上升[10][11] 4. **价值成长风格波动因子**，波动上升[10][11] 5. **行业指数超额收益离散度因子**，离散度上升[10][11] 6. **行业轮动度量因子**，轮动速度下降[10][11] 7. **成分股上涨比例因子**，上涨比例下降（特指沪深300、中证500指数）[10][11] 8. **前100个股成交额占比因子**，集中度基本持平[10][11] 9. **前5行业成交额占比因子**，集中度小幅上升[10][11] 10. **指数波动率因子**，波动率下降（除中证1000外）[10][11] 11. **指数换手率因子**，换手率上升[10][11] 12. **趋势强度因子**，贵金属、能化板块趋势强度上升，其他板块下降[23][28] 13. **市场波动水平因子**，黑色、能化板块波动率下降，其他板块基本持平[23][28] 14. **市场流动性因子**，贵金属、能化板块流动性下降，其他板块上升[23][28] 15. **期限结构（基差动量）因子**，贵金属、农产品板块基差动量上升，其他板块下降[23][28] 16. **隐含波动率因子**，上证50与中证1000隐含波动率从高点回落[31] 17. **波动率偏度因子**，看涨期权偏度下降，看跌期权偏度上升；中证1000看跌期权偏度仍为负值[31] 18. **百元转股溢价率因子**，出现小幅调整（止住上升势头）[33] 19. **纯债溢价率因子**，偏债型分组继续上升[33] 20. **低转股溢价率转债占比因子**，重新抬升[33] 21. **可转债市场成交额因子**，继续保持较高水平[33]

量化模型与因子总结 量化模型与构建方式 本报告为市场数据跟踪报告，未涉及具体的量化预测或选股模型，因此无量化模型部分。 量化因子与构建方式 报告中对多个市场指标进行了跟踪和计算，这些指标可视为观察市场状态或构建因子的基础元素。以下是报告中涉及的主要因子及其构建方式： 1. **因子名称：均线突破因子** * **因子构建思路**：通过比较指数收盘价与不同周期移动平均线（MA）的位置关系，判断短期市场趋势和动量强度[15]。 * **因子具体构建过程**：计算指数收盘价相对于各周期移动平均线的百分比偏离度。具体公式为： $$ vsMA_N = \frac{Close - MA_N}{MA_N} \times 100\% $$ 其中，$Close$ 代表指数当日收盘价，$MA_N$ 代表N日移动平均线（报告中N取5, 10, 20, 60, 120, 250）[16]。同时，报告也计算了收盘价相对于近250交易日最高价和最低价的偏离度，构建思路类似[16]。 2. **因子名称：价格高位突破因子** * **因子构建思路**：识别指数是否突破近期价格区间的高点，作为市场强势和动量延续的信号[15]。 * **因子具体构建过程**：记录指数在过去250个交易日内的最高价（近250日高位）。计算当日收盘价与该最高价的差值或比率，判断是否创出新高。报告中，中证500收盘价等于其近250日高位，即实现突破[16]。 3. **因子名称：收益分布形态因子（偏度与峰度）** * **因子构建思路**：通过计算指数日收益率序列的偏度和峰度，刻画收益分布的不对称性和尖峰厚尾特征，以评估市场风险结构[23]。 * **因子具体构建过程**： * **偏度 (Skewness)**：衡量收益率分布的不对称性。正偏态表示极端正收益情形增加，负偏态反之[23]。报告对比了当前偏度与近5年历史偏度。 * **峰度 (Kurtosis)**：衡量收益率分布的尖峭程度。报告中的计算减去了3（正态分布峰度），因此“峰度负偏离”表示当前分布比近5年历史分布或正态分布更平坦[24]。峰度越大，说明收益率分布更集中[23]。 4. **因子名称：风险溢价 (Risk Premium)** * **因子构建思路**：计算股票指数预期收益率超过无风险利率的部分，用以衡量市场风险补偿和投资价值[26]。 * **因子具体构建过程**：以十年期国债即期收益率作为无风险利率的参考。风险溢价通常计算为指数市盈率倒数（E/P）与无风险利率之差。报告给出了各宽基指数的当前风险溢价具体数值，并计算了其在近1年、近5年历史序列中的分位值[30]。 5. **因子名称：股债性价比 (Equity Bond Yield Gap)** * **因子构建思路**：比较股票市场与债券市场的相对吸引力，常用指标是股票市场收益率（如E/P）与长期国债收益率之差[45]。 * **因子具体构建过程**：报告中使用各指数市盈率（TTM）的倒数与十年期国债即期收益率之差作为股债性价比指标[45]。并设置了基于近5年数据的80%分位值（机会值）和20%分位值（危险值）作为参考阈值[45]。 6. **因子名称：估值分位因子 (PE-TTM Percentile)** * **因子构建思路**：将指数当前市盈率（TTM）置于其历史时间序列中，观察其所处的百分比位置，以判断估值相对高低[38]。 * **因子具体构建过程**：计算指数当前PE-TTM在指定历史窗口（如近1年、近5年、全历史）内的分位值。公式本质上是计算历史数据中小于等于当前值的样本比例[41][42]。 7. **因子名称：股息率 (Dividend Yield)** * **因子构建思路**：衡量上市公司现金分红回报率的指标，是高股息投资风格的核心因子[47]。 * **因子具体构建过程**：报告列出了各宽基指数的当前股息率数值，并计算了其在近1年、近5年及全历史中的分位值，以评估其相对水平[52]。 8. **因子名称：破净率 (Price-to-Book Ratio < 1 Percentage)** * **因子构建思路**：计算市净率（PB）小于1的个股数量占指数成分股总数的比例，反映市场整体的低估程度或悲观情绪[53][55]。 * **因子具体构建过程**：统计指数成分股中，股价低于每股净资产的个股数量，再除以成分股总数，得到破净率[56]。破净率越高，表明市场低估越普遍[55]。 因子的回测效果 本报告主要为截面数据展示和历史对比，未提供基于这些因子的分层回测、多空组合收益等量化回测结果。报告中所列“测试结果”实为各因子在特定时点（2026年1月21日）对于不同宽基指数的截面取值和与历史区间的比较，具体如下： 1. **均线突破因子**：各宽基指数 vsMA5、vsMA10 等具体百分比数值[16] 2. **价格高位突破因子**：中证500 vs近250日高位为0.0%，表示触及高点；其他指数均为负值，表示未突破[16] 3. **收益分布形态因子**： * **峰度偏离**：创业板指当前峰度较近5年峰度负偏离最大（-2.71），中证500负偏离最小（-1.63）[24] * **偏度偏离**：创业板指当前偏度较近5年偏度负偏离最大（-0.66），中证500负偏离最小（-0.43）[24] 4. **风险溢价因子**： * **当前值**：中证500最高（1.11%），上证50最低（-0.12%）[30] * **近5年分位值**：中证500最高（84.37%），上证50最低（45.40%）[30] 5. **股债性价比因子**：没有指数高于其近5年80%分位（机会值），中证500和中证全指低于其近5年20%分位（危险值）[45] 6. **估值分位因子 (PE-TTM)**： * **近5年分位值**：中证500最高（100.0%），创业板指最低（62.4%）[41][42] * **当前值 vs 近1年均值±1倍标准差**：中证500当前值超出近1年均值+1倍标准差12.34%，创业板指超出2.92%[42] 7. **股息率因子**： * **当前值**：上证50最高（3.26%），中证2000最低（0.70%）[52] * **近5年分位值**：创业板指最高（58.18%），中证2000最低（1.32%）[4][52] 8. **破净率因子**：上证50最高（24.0%），中证2000最低（2.5%）[4][56]