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]

量化模型与构建方式 1. 模型名称：CCBA/CCB定价模型[6][21] 模型构建思路：基于可转债的赎回概率调整进行定价，用于衡量转债的理论价值[6] 模型具体构建过程：报告未详细描述CCBA/CCB模型的具体构建公式和步骤，但指出其用于计算转债的理论定价，并在此基础上计算定价偏离度[6][21] 2. 模型名称：CCB_out定价模型[21] 模型构建思路：在CCB定价模型的基础上，进一步考虑退市风险，以得到更稳健的理论定价[21] 模型具体构建过程：报告未详细描述CCB_out模型的具体构建公式和步骤，但指出其用于计算定价偏离度[21] 3. 模型名称：转债&股债组合轮动策略（择时策略）[2][10] 模型构建思路：基于转债市场整体估值（定价偏离度）的高低，在转债资产和股债组合之间进行动态资产配置，估值低估时超配转债，反之超配股债组合[2][10] 模型具体构建过程： a. 计算市场定价偏离度[10]。 b. 计算Z值：$$Z值 = \frac{定价偏离度}{过去3年标准差}$$[10] c. 对Z值按照±1.5倍标准差进行截尾处理[10]。 d. 计算分数：将截尾后的Z值除以-1.5得到分数[10]。 e. 确定权重：转债权重 = 50% + 50% × 分数，剩余仓位配置股债组合（50% 7-10Y国债 + 50% 中证1000全收益指数）[2][10]。 4. 模型名称：收益分解模型[16] 模型构建思路：将转债的收益拆解为债底收益、股票拉动收益和转债估值收益三个部分，以分析收益来源[16] 模型具体构建过程：报告未详细描述该模型的具体构建公式和步骤，但指出其基于专题报告《可转债定价模型与应用》[16] 模型的回测效果 1. 转债&股债组合轮动策略，报告指出该策略能够实现稳定的超额收益[2][10]，但未提供具体的量化指标值。 量化因子与构建方式 1. 因子名称：定价偏离度（基于CCBA/CCB模型）[6] 因子构建思路：通过比较转债市场价格与其理论模型定价的差异，来衡量转债估值的高低[6] 因子具体构建过程：$$定价偏离度 = \frac{转债价格}{CCBA模型定价} - 1$$[6] 因子评价：该指标用于判断转债市场整体估值水平，偏离度越高代表估值越高[6][15] 2. 因子名称：定价偏离度（基于CCB_out模型）[21] 因子构建思路：在考虑退市风险后，计算转债价格与理论定价的差异，作为估值因子[21] 因子具体构建过程：$$定价偏离度 = \frac{转债价格}{CCB\_out模型定价} - 1$$[21] 3. 因子名称：正股动量因子[24][26] 因子构建思路：使用正股过去一段时间的历史收益率来衡量其趋势强度[24][26] 因子具体构建过程：使用正股过去1个月、3个月、6个月的动量进行等权打分构建[24][26] 4. 因子名称：转债换手率因子[28][32] 因子构建思路：通过转债的成交活跃度（换手率）来捕捉市场关注度或短期交易机会[28][32] 因子具体构建过程：报告提及使用5日和21日的转债换手率[28] 5. 因子名称：转债与股票换手率比率[28] 因子构建思路：比较转债自身换手率与其正股换手率的相对关系[28] 因子具体构建过程：报告提及使用5日和21日的转债与股票换手率比率[28] 6. 因子名称：信用替代筛选因子[33] 因子构建思路：通过比较转债的到期收益率（YTM）与信用债收益率，筛选出具备债性配置价值的转债[33] 因子具体构建过程：筛选条件为：转债YTM + 1% > 3年期AA级信用债YTM[33] 复合策略与构建方式 （注：以下策略综合运用了前述模型和因子，并包含了具体的组合构建规则，因此归类为复合策略。） 1. 策略名称：低估值策略[21] 策略构建思路：在偏债、平衡、偏股三个分域中，分别选取基于CCB_out模型定价偏离度最低的转债，并结合分域估值进行择时配置[21] 策略具体构建过程： a. 计算个券定价偏离度（使用CCB_out模型）[21]。 b. 筛选条件：转债余额3亿以上且评级AA-及以上[21]。 c. 构建组合：在偏债、平衡、偏股分域中，分别选取定价偏离度最低的15只转债，共45只形成低估值转债池[21]。 d. 分域择时：根据三个分域市场的相对估值，超配估值过低的分域，低配估值过高的分域[21]。 2. 策略名称：低估值+强动量策略[24] 策略构建思路：在低估值策略与分域择时的基础上，进一步结合正股动量因子，筛选出兼具低估值和正股趋势强度的标的，以增强策略弹性[24] 策略具体构建过程：在低估值策略的基础上，将定价偏离度因子与正股动量因子（过去1、3、6个月动量等权打分）相结合进行选券[24][26] 3. 策略名称：低估值+高换手策略[27][28] 策略构建思路：首先筛选市场估值较低的转债池，再从中选择成交活跃度高的标的进行配置[27][28] 策略具体构建过程： a. 使用CCB_out定价偏离度因子，选择市场上估值较低的50%转债形成低估池[27][28]。 b. 在低估池中，使用转债高换手因子（转债换手率（5、21日）及转债与股票换手率比率（5、21日））选择标的进行配置[28]。 4. 策略名称：平衡偏债增强策略[30][32] 策略构建思路：在低估转债池中剔除偏股转债，并在偏债和平衡转债中分别使用不同的增强因子进行配置，旨在获取绝对收益[30][32] 策略具体构建过程： a. 使用CCB_out定价偏离度因子，选择市场上估值较低的50%转债，并去掉偏股转债，形成低估池[30][32]。 b. 在偏债转债中，使用转债换手率因子+正股动量因子进行增强[32]。 c. 在平衡转债中，使用转债换手率因子进行增强[32]。 5. 策略名称：信用债替代策略[33] 策略构建思路：通过信用替代筛选因子构建具备债性价值的转债池，并搭配正股动量因子和波动率控制方法，以信用债为底仓进行增强，追求低波动的绝对收益[33] 策略具体构建过程： a. 筛选转债池：条件为转债YTM+1% > 3年期AA级信用债YTM，且余额3亿以上、评级AA-及以上[33]。 b. 在转债池中选出正股1个月动量最强的20只进行配置，个券最大权重不超过2%[33]。 c. 通过波动率控制方法降低短期回撤，剩余仓位配置信用债[33]。 6. 策略名称：波动率控制策略[35] 策略构建思路：基于多个增强策略（偏债、平衡、偏股）和信用债，通过波动率控制方法动态调整资产权重，将组合整体波动控制在目标水平[35] 策略具体构建过程： a. 分别构建偏债增强、平衡增强、偏股增强策略：在各自分域中选取低估值+强动量打分最高的15只转债（共45只）[35]。 b. 将上述三个增强策略以及信用债作为底层资产[35]。 c. 通过波动率控制方法，将整个组合的波动率控制在4%[35]。 策略的回测效果 （注：以下所有策略的基准均为“等权指数”（余额3亿以上且AA-及以上转债等权），测试区间为2018年至2026年1月16日[24][27][30][33][38]。指标包括区间收益、年化波动、最大回撤、区间超额收益和信息比率（IR）。） 1. 低估值策略[24] 全样本年化收益：20.8%[24] 全样本年化波动：13.1%[24] 全样本最大回撤：18.0%[24] 全样本区间超额收益（相对等权指数）：8.9%[24] 全样本信息比率（IR）：1.51[24] 2. 低估值+强动量策略[27] 全样本年化收益：24.7%[27] 全样本年化波动：13.7%[27] 全样本最大回撤：13.2%[27] 全样本区间超额收益（相对等权指数）：12.4%[27] 全样本信息比率（IR）：2.15[27] 3. 低估值+高换手策略[30] 全样本年化收益：23.7%[30] 全样本年化波动：15.0%[30] 全样本最大回撤：15.9%[30] 全样本区间超额收益（相对等权指数）：11.5%[30] 全样本信息比率（IR）：1.85[30] 4. 平衡偏债增强策略[33] （该策略为绝对收益型，未提供相对基准的超额收益和IR） 全样本年化收益：22.6%[33] 全样本年化波动：12.1%[33] 全样本最大回撤：13.9%[33] 5. 信用债替代策略[33][38] （该策略为绝对收益型，基准为信用债净值） 全样本年化收益：7.1%[33] 全样本年化波动：低于3%[33] 全样本最大回撤：低于3%[33] 6. 波动率控制策略[38] （该策略为绝对收益型，基准为信用债净值） 全样本年化收益：9.6%[38] 全样本年化波动：4.4%[38] 全样本最大回撤：4.4%[38]

量化模型与构建方式 1. 模型名称：CCBA/CCB定价模型 * **模型构建思路**：基于可转债的期权属性，构建一个包含赎回概率调整的定价模型，用于计算可转债的理论价值，并以此衡量市场实际价格与理论价值的偏离程度（即估值水平）[6]。 * **模型具体构建过程**：该模型在专题报告《可转债的赎回概率调整定价模型》中介绍。其核心是计算“定价偏离度”指标，该指标反映了转债市场价格相对于其模型理论定价的溢价或折价幅度[6]。具体公式为： $$定价偏离度 = \frac{转债价格}{CCBA模型定价} - 1$$ 其中，CCBA模型定价为考虑赎回概率调整后的可转债理论价值。报告后续策略中使用的CCB_out模型是在CCB定价模型基础上，进一步加入了退市风险调整得到的[21]。 2. 模型名称：转债&股债组合轮动策略（择时模型） * **模型构建思路**：基于转债市场的整体估值水平（定价偏离度），在转债资产和股债组合之间进行动态资产配置。当转债市场低估时超配转债，高估时超配股债组合，以获取稳定的超额收益[2][10]。 * **模型具体构建过程**： 1. **构建基准股债组合**：由于转债弹性低于权益且正股风格接近小盘股，构建一个由50%的7-10年期国债和50%的中证1000全收益指数组成的股债组合作为比较基准[2][10]。 2. **计算估值分数**： a. 计算定价偏离度的Z值：$$Z值 = \frac{定价偏离度}{过去3年定价偏离度的标准差}$$[10] b. 对Z值进行截尾处理：按照±1.5倍标准差进行截尾[10]。 c. 计算分数：将截尾后的Z值除以-1.5得到最终的估值分数[10]。 3. **动态配置权重**：转债权重 = 50% + 50% × 估值分数，剩余仓位配置上述股债组合。通过该公式，当估值分数为1（极度低估）时，转债权重为100%；当估值分数为-1（极度高估）时，转债权重为0%[10]。 3. 模型名称：收益分解模型 * **模型构建思路**：将可转债的收益来源进行拆解，分别分析债底收益、正股上涨带来的收益以及转债估值变化带来的收益，用于复盘市场表现[16]。 * **模型具体构建过程**：基于专题报告《可转债定价模型与应用》中的方法，将近一个月（2025/12/19-2026/1/16）中证转债指数的累计收益分解为三个部分：债底收益（由CCB模型计算）、股票拉动收益（由CCB模型计算）、转债估值收益（由CCB模型计算）[16][17]。 量化因子与构建方式 1. 因子名称：定价偏离度因子（估值因子） * **因子构建思路**：通过比较可转债市场价格与其理论模型定价（CCB_out模型）的差异，构建一个衡量个券估值高低的因子。价格低于理论值越多，因子值越小，代表估值越低，越具投资价值[21][23]。 * **因子具体构建过程**：使用CCB_out模型（CCB定价模型+退市风险调整）计算每只可转债的理论定价，然后按以下公式计算定价偏离度： $$定价偏离度 = \frac{转债价格}{CCB\_out模型定价} - 1$$[21] 该因子值越小，表明转债相对于其理论价值越便宜。 2. 因子名称：正股动量因子 * **因子构建思路**：利用转债正股的历史价格动量信息，选择正股趋势向上的转债，以增强策略的弹性[24][26]。 * **因子具体构建过程**：计算正股过去1个月、3个月、6个月的收益率（动量），然后将这三个不同时间窗口的动量值进行等权打分，综合形成一个正股动量因子[24][26]。 3. 因子名称：转债换手率因子 * **因子构建思路**：使用转债自身的成交活跃度（换手率）作为因子，筛选市场关注度高、交易活跃的个券[27][28]。 * **因子具体构建过程**：报告中使用了两个维度的换手率指标：一是转债自身的5日和21日换手率；二是转债与股票换手率的比率（5日、21日）。这些指标用于衡量转债的交易活跃度[28]。 4. 因子名称：高换手因子（复合因子） * **因子构建思路**：在低估值转债池中，进一步结合转债换手率因子，筛选出既低估又交易活跃的个券[27]。 * **因子具体构建过程**：首先使用定价偏离度因子筛选出市场上估值较低的50%的转债，形成“低估池”。然后在该池中，使用转债换手率因子（具体构建方式见因子3）选择成交热度较高的转债进行配置[27][28]。 5. 因子名称：信用替代筛选因子 * **因子构建思路**：通过比较可转债的到期收益率（YTM）与信用债的收益率，筛选出具备信用债替代价值的可转债[33]。 * **因子具体构建过程**：设定筛选条件为：转债的YTM加上1%后，仍大于3年期AA级信用债的YTM。满足此条件的转债被视为具有配置性价比，可纳入备选池[33]。 模型的回测效果 （注：以下模型回测基准均为“等权指数”，即余额3亿以上且评级AA-及以上的转债等权组合[21]） 1. **转债&股债组合轮动策略（择时模型）**：报告指出该策略能够实现稳定的超额收益[2][10]，但未提供具体的量化指标。 2. **收益分解模型**：该模型为分析模型，用于收益归因，未提供策略回测效果。 因子的回测效果 （注：以下所有策略回测区间均为2018年至2026年1月16日，基准均为上述“等权指数”[24][27][30]） 1. 低估值策略（核心因子：定价偏离度） * **区间收益（全样本年化）**：20.8%[24] * **年化波动（全样本年化）**：13.1%[24] * **最大回撤（全样本）**：18.0%[24] * **区间超额（全样本年化）**：8.9%[24] * **信息比率（IR）（全样本）**：1.51[24] 2. 低估值+强动量策略（核心因子：定价偏离度 + 正股动量） * **区间收益（全样本年化）**：24.7%[27] * **年化波动（全样本年化）**：13.7%[27] * **最大回撤（全样本）**：13.2%[27] * **区间超额（全样本年化）**：12.4%[27] * **信息比率（IR）（全样本）**：2.15[27] 3. 低估值+高换手策略（核心因子：定价偏离度 + 转债换手率） * **区间收益（全样本年化）**：23.7%[30] * **年化波动（全样本年化）**：15.0%[30] * **最大回撤（全样本）**：15.9%[30] * **区间超额（全样本年化）**：11.5%[30] * **信息比率（IR）（全样本）**：1.85[30] 4. 平衡偏债增强策略（核心因子：定价偏离度、转债换手率、正股动量） * **区间收益（全样本年化）**：22.6%[33] * **年化波动（全样本年化）**：12.1%[33] * **最大回撤（全样本）**：13.9%[33] * **区间超额**：该策略为绝对收益型，未直接对比等权指数提供超额收益数据。 * **信息比率（IR）**：未提供。 5. 信用债替代策略（核心因子：信用替代筛选因子、正股动量） * **区间收益（全样本年化）**：7.1%[33] * **年化波动（全样本年化）**：低于3%[33] * **最大回撤（全样本）**：低于3%[33] * **区间超额**：该策略以信用债为基准，未提供相对于转债等权指数的超额。 * **信息比率（IR）**：未提供。 6. 波动率控制策略（核心子策略：低估值+强动量） * **区间收益（全样本年化）**：9.6%[38] * **年化波动（全样本年化）**：4.4%[38] * **最大回撤（全样本）**：4.4%[38] * **区间超额**：该策略目标为控制波动，未提供相对于转债等权指数的超额。 * **信息比率（IR）**：未提供。

量化模型与构建方式 1. **模型名称：高景气成长与红利策略轮动择时模型**[54] * **模型构建思路**：构建一个系统化的定量轮动模型，用于判断在特定市场环境下，是配置高景气成长风格（以创业板指为代表）还是红利风格（以中证红利全收益为代表）更优[54]。 * **模型具体构建过程**： 1. **因子/信号选取**：从单因子测试中选取五个有效的宏观与资金面指标作为模型的输入信号[54]。这五个指标分别是：期限利差、社融增速、CPI与PPI四象限、10年期美债利率、资金博弈（包含ETF、险资、外资等资金流向）[54]。 2. **信号生成**：在每个月底，对每个指标进行判断，给出配置建议信号。对于每个指标，若看多高景气成长则信号值为1，若看多红利则信号值为0[54][57]。 3. **综合打分**：将五个指标的信号值取算术平均值，得到最终的复合打分[54]。复合打分结果用于指导配置比例，例如打分结果可以解读为建议配置红利与成长的比例[54][55]。 模型的回测效果 1. **高景气成长与红利策略轮动择时模型**，累计收益403.31%[55]，年化收益18.04%[55]，最大回撤27.08%[55]，年化波动率22.89%[55]，年化Sharpe比率0.79[55]，Calmar比率0.67[55]。 2. **业绩基准（等权配置）**，累计收益66.59%[55]，年化收益5.38%[55]，最大回撤35.22%[55]，年化波动率20.65%[55]，年化Sharpe比率0.26[55]，Calmar比率0.15[55]。 3. **轮动策略相对基准的超额收益**，累计超额收益198.16%[55]，年化超额收益11.86%[55]，超额最大回撤13.16%[55]，年化跟踪误差11.01%[55]，信息比率(IR)1.08[55]。 量化因子与构建方式 1. **因子名称：期限利差因子**[54][57] * **因子构建思路**：利用长短期国债收益率之差（期限利差）作为判断成长与红利风格轮动的信号之一[54]。 * **因子具体构建过程**：计算关键期限国债（如10年期与1年期）的收益率差值。当期限利差走阔时，模型倾向于发出看多高景气成长的信号（赋值为1）；反之则看多红利（赋值为0）[54][57]。 2. **因子名称：社融增速因子**[54][57] * **因子构建思路**：将社会融资规模存量同比增速作为衡量国内信用环境和经济预期的指标，用于风格轮动判断[54]。 * **因子具体构建过程**：跟踪社融增速的变化。当社融增速上行时，可能发出看多高景气成长的信号（1）；下行时可能看多红利（0）[54][57]。 3. **因子名称：CPI与PPI四象限因子**[54][57] * **因子构建思路**：通过分析消费者价格指数（CPI）和生产者价格指数（PPI）的相对变化（组合成四个象限），来判断经济所处的通胀/通缩周期阶段，从而指导风格配置[54]。 * **因子具体构建过程**：根据CPI和PPI的同比变化方向（上升或下降），将经济状态划分为四个象限。不同象限对应不同的风格偏好信号（1或0）[54][57]。 4. **因子名称：10年期美债利率因子**[54][57] * **因子构建思路**：将10年期美国国债收益率作为反映全球无风险利率和流动性环境的外部指标，用于A股风格轮动[54]。 * **因子具体构建过程**：监测10年期美债利率的水平和变化。根据模型设定，当美债利率处于有利于成长股的环境时（例如较低或下行），发出看多高景气成长的信号（1）；反之则看多红利（0）[54][57]。 5. **因子名称：资金博弈因子**[54][57] * **因子构建思路**：综合监测ETF、保险资金、外资（北向资金）等主要机构投资者的资金流向，作为市场情绪和资金偏好的代理指标[54]。 * **因子具体构建过程**：跟踪上述几类资金的净流入/流出情况。当资金博弈指标显示风险偏好上升（例如数值大于0.5）时，发出看多高景气成长的信号（1）；反之则看多红利（0）[54][57]。 因子的回测效果 *(注：报告未提供上述五个单因子独立的回测绩效指标，仅展示了它们合成后的轮动模型效果。)*

量化模型与构建方式 1. **模型名称：股指分红点位预测模型**[12][41] * **模型构建思路**：为了准确计算股指期货的升贴水，需要精确预测指数成分股在期货合约存续期内的分红总额，并将其折算为对指数点位的具体影响（即分红点数）[12][41]。 * **模型具体构建过程**：该模型的核心是计算从当前时刻 `t` 到期货合约到期日 `T` 之间，指数所有成分股分红所导致的总分红点数。具体流程如下[41][42][46]： 1. **获取基础数据**：获取指数成分股列表、个股权重、个股总市值和指数收盘价[47]。 2. **预测个股分红金额**：对于每只成分股，若已公布分红金额则直接采用；若未公布，则需预测。分红金额预测分解为对净利润和股息支付率的预测[45][50]。 * **净利润预测**：采用基于历史净利润分布的动态预测法。若公司已公布年报、快报或业绩预告，则直接采用；否则，根据其历史季度盈利分布的稳定性进行分类预测[52]。 * **股息支付率预测**： * 若公司去年分红，则以去年股息支付率作为今年预测值[56]。 * 若公司去年不分红，则以最近3年股息支付率平均值作为预测值[56]。 * 若公司过去从未分红，则默认今年不分红[56]。 * 当预期股息支付率大于100%时，进行截尾处理[56]。 3. **预测个股除息日**：对于每只成分股，若已公布除息日则直接采用；否则需预测[45][54]。 * 若公司已公布分红预案，则根据其所处分红阶段（预案或决案），判断历史从公告日到除息日的间隔天数是否稳定。若稳定，则用该历史平均间隔天数与今年公告日进行线性外推；若不稳定，则采用历史分红日期判断[59]。 * 若公司未公布分红预案，则判断其去年或前年是否分红，并采用对应的历史分红日期作为估计。若历史日期不合理（如在当前之前、距当前不足10天或在今年股东大会召开日之前），则采用默认日期[59]。 * 默认日期规则：预测日在7月21日前设为7月31日；在7月22日至8月21日之间设为8月31日；否则设为9月30日[59]。 * 若公司过去两年未分红，则采用默认日期[59]。 4. **计算分红点数**：汇总所有满足条件（除息日 `t < d_n ≤ T`）的成分股，计算总分红点数。核心公式为： $$分红点数 = \sum_{n=1}^{N} \frac{成分股分红金额}{成分股总市值} \times 成分股权重 \times 指数收盘价$$[41] 其中，`N` 为指数成分股数量，`d_n` 为第 `n` 只成分股的除权除息日。 * **模型评价**：该模型通过精细化处理成分股权重、净利润、股息支付率和除息日等关键变量，旨在提高分红点位预测的准确性[12][41]。回测显示，对于上证50和沪深300指数预测误差较小，对于中证500和中证1000指数预测也基本稳定[64]。 2. **因子名称：日度成分股权重估算因子**[48] * **因子构建思路**：由于主流数据通常只提供月末指数权重，为了在非月末时点更精确地计算分红对指数的影响，需要对日度成分股权重进行估算[48]。 * **因子具体构建过程**：假设最近一次公布权重日期为 `t_0`，该日成分股 `n` 的权重为 `w_{n0}`。记从 `t_0` 到当前日期 `t` 期间，个股 `n` 的非复权涨跌幅为 `r_n`，则当前日期 `t` 的估算权重 `W_{n,t}` 为： $$W_{n,t}={\frac{w_{n0}\times(1+r_{n})}{\sum_{i=1}^{N}w_{i0}\times(1+r_{i})}}$$[48] *注：报告后续指出，为更精确，实际采用了中证指数公司每日披露的日度收盘权重数据，而非此估算值[49]。* 模型的回测效果 1. **股指分红点位预测模型**，2024年预测误差：上证50指数和沪深300指数误差基本在5个点左右，中证500指数和中证1000指数误差基本在10个点左右[64]。 2. **股指分红点位预测模型**，2025年预测误差：上证50指数和沪深300指数误差基本在5个点左右，中证500指数和中证1000指数误差基本在10个点左右[64]。 3. **股指分红点位预测模型**，对股指期货主力合约的预测效果：2024年及2025年，对上证50、沪深300、中证500及中证1000股指期货当月主力合约的预测股息点与实际股息点对比显示，模型具有较好的预测准确性[64]。 量化因子与构建方式 1. **因子名称：已实现股息率**[17] * **因子构建思路**：计算指数成分股中，在当年已经完成现金分红的公司，其分红总额相对于这些公司总市值的加权比率，用以衡量截至当前时点指数已兑现的分红收益[17]。 * **因子具体构建过程**： $$全年已实现股息率 = \sum_{i=1}^{N1} \frac{个股已分红金额}{个股总市值} \times 个股权重$$[17] 其中，`N1` 表示指数成分股中今年已现金分红的公司数量[17]。 2. **因子名称：剩余股息率**[17] * **因子构建思路**：计算指数成分股中，尚未进行现金分红的公司，其预计分红总额相对于这些公司总市值的加权比率，用以衡量指数在未来可能获得的分红收益[17]。 * **因子具体构建过程**： $$全年剩余股息率 = \sum_{i=1}^{N2} \frac{个股待分红金额}{个股总市值} \times 个股权重$$[17] 其中，`N2` 表示指数成分股中尚未现金分红的公司数量[17]。 3. **因子名称：年化升贴水率**[13] * **因子构建思路**：将股指期货合约价格相对于其标的指数价格（已剔除分红影响）的溢价或折价幅度，年化处理，以便于不同期限合约间的比较，反映市场情绪与风险偏好[12][13]。 * **因子具体构建过程**：基于扣除分红影响后的期货与指数价差（含分红价差），结合合约到期天数，计算年化收益率。具体计算过程未在提供文本中详细展开，但结果展示于表格[13]。 因子的回测效果 *（注：报告中未提供上述因子的独立历史回测绩效指标，如IC、IR、多空收益等。仅展示了截至报告日的截面数据。）* 1. **已实现股息率因子**，截至2026年1月21日取值：上证50指数为0.00%，沪深300指数为0.00%，中证500指数为0.00%，中证1000指数为0.00%[3][17]。 2. **剩余股息率因子**，截至2026年1月21日取值：上证50指数为2.29%，沪深300指数为1.79%，中证500指数为1.06%，中证1000指数为0.85%[3][17]。 3. **年化升贴水率因子**，截至2026年1月21日主力合约取值：IH主力合约为2.38%，IF主力合约为1.12%，IC主力合约为4.31%，IM主力合约为1.65%[4][13]。

量化模型与构建方式 **本报告为ETF产品投资价值分析，未涉及具体的量化选股模型或多因子模型的构建。报告核心内容为对中证全指医疗器械指数的介绍、分析以及跟踪该指数的ETF产品表现。报告中提及的“风格因子暴露”是基于Wind等数据服务商提供的通用风格因子体系进行的描述性分析，并未构建新的量化因子。** 量化因子与构建方式 **报告未详细阐述任何量化因子的具体构建过程。报告中提到的风格因子（如估值、成长、盈利等）是金融工程领域的通用因子，其具体计算方法未在本文中说明。** 模型的回测效果 **报告未提供任何量化模型的回测效果数据。** 因子的回测效果 **报告未提供任何量化因子的测试结果（如IC值、IR值等）。** 指数绩效表现 **报告详细展示了中证全指医疗器械指数（H30217.CSI）的历史绩效表现，可视为一个基准“模型”的测试结果。** 1. **指数名称：中证全指医疗器械指数** * **指数构建思路：** 选取中证全指样本股中属于医疗保健设备与用品行业的股票，以反映该行业股票的整体表现[30]。 * **指数具体构建过程：** 1. **样本空间：** 满足以下条件的A股和红筹企业发行的存托凭证：（1）非ST、*ST证券；（2）科创板证券、北交所证券上市时间分别超过一年和两年；（3）其他证券上市时间超过一个季度，除非该证券自上市以来日均总市值排在前30位[31]。 2. **选样方法：** （1）将样本空间证券按中证行业分类方法分类。（2）如果行业内证券数量少于或等于50只，则全部证券作为指数样本。（3）如果行业内证券数量多于50只，则依次剔除行业内全部证券成交金额排名后10%的证券以及累积总市值占比达行业内全部证券98%以后的证券，剔除过程中优先确保剩余证券数量不少于50只，将剩余证券作为指数样本[31]。 3. **加权方式：** 调整后自由流通市值加权[31]。 4. **样本调整：** 每半年定期调整一次（6月、12月的第二个周五的下一交易日实施），权重因子随样本定期调整而调整。当样本公司发生特殊事件导致行业归属变更或退市时，进行临时调整[31]。 * **指数评价：** 指数质地纯粹，100%聚焦医疗器械细分板块，β属性纯正[3]。成分股重点聚焦创业板和科创板，覆盖医疗设备、医疗耗材和体外诊断三大方向[3]。对“脑机接口”等前沿科技概念具备较好的布局优势[3]。 指数绩效指标取值 **以下为指数自基日（2004-12-31）以来的绩效表现，数据截至报告期末[41][42]。** 1. **中证全指医疗器械指数**，区间涨跌幅 **1015.07%**，区间年化收益率 **12.52%**，夏普比 **0.54**，卡玛比 **0.17**[41][42]。 2. **300医药指数**，区间涨跌幅 **781.94%**，区间年化收益率 **11.22%**，夏普比 **0.52**，卡玛比 **0.17**[42]。 3. **中证医疗指数**，区间涨跌幅 **677.60%**，区间年化收益率 **10.56%**，夏普比 **0.48**，卡玛比 **0.14**[42]。 4. **中证500指数**，区间涨跌幅 **722.77%**，区间年化收益率 **10.86%**，夏普比 **0.51**，卡玛比 **0.15**[42]。 5. **上证指数**，区间涨跌幅 **223.94%**，区间年化收益率 **5.90%**，夏普比 **0.34**，卡玛比 **0.08**[42]。 产品跟踪效果指标取值 **以下为招商中证全指医疗器械ETF（159898.OF）相对于其标的指数的跟踪效果，观测期为2025年1月14日至2026年1月14日[65][69]。** 1. **招商中证全指医疗器械ETF**，累计超额收益 **3.7%**[69]，日间跟踪偏离度 **保持在±0.2%以内**[69]。

量化模型与构建方式 1. **模型/因子名称**：封板率[16] **构建思路**：通过计算当日最高价涨停且收盘涨停的股票数量与最高价涨停股票总数的比值，来衡量市场涨停板的封板强度和市场情绪[16] **具体构建过程**：筛选上市满3个月以上的股票，统计在特定交易日（T日）内，盘中最高价达到涨停价的股票集合。然后，在该集合中，进一步统计收盘价仍为涨停价的股票数量。最后，将后者除以前者，得到封板率。 **公式**： $$封板率=\frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$[16] 2. **模型/因子名称**：连板率[16] **构建思路**：通过计算连续两日收盘涨停的股票数量与昨日收盘涨停股票总数的比值，来衡量市场涨停板的连续性和追涨情绪[16] **具体构建过程**：筛选上市满3个月以上的股票，统计在特定交易日（T-1日）收盘涨停的股票集合。然后，在该集合中，进一步统计在T日收盘也涨停的股票数量。最后，将后者除以前者，得到连板率。 **公式**： $$连板率=\frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$[16] 3. **模型/因子名称**：大宗交易折价率[25] **构建思路**：通过计算大宗交易成交总额与按当日市价计算的成交份额总市值的差异，来反映大资金交易的折溢价情况，可作为市场情绪或大资金偏好的观察指标[25] **具体构建过程**：收集特定交易日（T日）发生的所有大宗交易数据，包括每笔交易的成交金额和成交数量。计算所有大宗交易的成交总金额。同时，用每笔交易的成交数量乘以该股票T日的收盘价（或当日均价），得到该笔交易按市价计算的理论市值，并求和得到所有成交份额的理论总市值。最后，用成交总金额除以理论总市值后减1，得到整体折价率。 **公式**： $$折价率=\frac{大宗交易总成交金额}{当日成交份额的总市值}-1$$[25] 4. **模型/因子名称**：股指期货年化贴水率[27] **构建思路**：通过计算股指期货价格与现货指数价格之间的基差，并进行年化处理，来衡量市场对未来走势的预期、对冲成本以及市场情绪[27] **具体构建过程**：对于特定的股指期货主力合约（如上证50、沪深300等），获取其在交易日（T日）的结算价或收盘价作为期货价格（F）。同时，获取其标的指数（如000016.SH， 000300.SH）在T日的收盘价作为现货价格（S）。计算基差（B = F - S）。确定该期货合约距离到期日的剩余交易日数（N）。最后，将基差年化，得到年化贴水率。 **公式**： $$年化贴水率=\frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$[27] **模型评价**：年化贴水率是影响股指对冲成本的关键因素，其变化能反映市场对于未来的预期[27] 模型的回测效果 （注：本篇报告为市场监测日报，主要描述市场状态和指标构建方法，未提供基于历史数据的模型回测绩效指标，如年化收益率、夏普比率、最大回撤、信息比率（IR）等。因此，此部分无相关内容。） 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Alpha因子，如价值、成长、动量、质量等因子的构建与测试。报告中的“封板率”、“连板率”、“大宗交易折价率”、“年化贴水率”更接近于市场情绪或资金面指标，已归类于“量化模型与构建方式”部分。） 因子的回测效果 （注：本篇报告未提供任何因子的IC、IR、多空收益、分组测试等回测效果数据。）

量化模型与因子总结 根据所提供的融资融券周报内容，报告主要描述了市场两融数据的统计与排名情况，并未涉及传统意义上的量化预测模型（如多因子选股模型、风险模型）或用于预测收益的量化因子的构建与回测。报告内容聚焦于对融资融券业务数据的描述性统计和横向比较。 因此，报告中涉及的“模型”或“因子”更准确地说是用于观察市场情绪和资金动向的**统计指标**。以下是这些指标的总结： 量化指标与构建方式 1. **指标名称**：融资净买入额[2][29] * **构建思路**：衡量特定时间段内（如一周）融资买入资金与偿还资金的净差额，反映投资者通过融资加杠杆的净意愿和资金流向[2]。 * **具体构建过程**：计算周期内每日融资买入额与融资偿还额的差值，并对周期内的日度差值进行求和。 $$融资净买入额_t = \sum_{i=1}^{n} (融资买入额_{t,i} - 融资偿还额_{t,i})$$ 其中，`t` 代表统计周期（如上周），`i` 代表周期内的第 `i` 个交易日，`n` 为周期内的交易日数量[2]。报告中直接使用了该计算结果。 2. **指标名称**：融券净卖出额[2][30] * **构建思路**：衡量特定时间段内融券卖出量与偿还量的净差额，反映投资者通过融券做空的净意愿[2]。 * **具体构建过程**：计算周期内每日融券卖出量与融券偿还量的差值，并对周期内的日度差值进行求和。 $$融券净卖出额_t = \sum_{i=1}^{n} (融券卖出量_{t,i} - 融券偿还量_{t,i})$$ 其中，`t` 代表统计周期，`i` 代表周期内的第 `i` 个交易日[2]。报告中直接使用了该计算结果。 3. **指标名称**：融资买入额占成交额比例[34][35] * **构建思路**：衡量融资买入交易在市场总成交中的活跃度，比例越高说明杠杆资金对交易的贡献度越大[34]。 * **具体构建过程**：用周期内的融资买入总额除以同期市场总成交金额。 $$融资买入额占成交额比例_t = \frac{融资买入总额_t}{市场总成交金额_t} \times 100\%$$ 报告中对行业和个股均计算了此指标[34][35][48]。 4. **指标名称**：融资余额占流通市值比例[34][35] * **构建思路**：衡量融资杠杆资金在标的证券流通盘中的占比，反映整体的杠杆水平[34]。 * **具体构建过程**：用期末的融资余额除以标的证券（或行业）的流通市值。 $$融资余额占流通市值比例_t = \frac{融资余额_t}{流通市值_t} \times 100\%$$ 报告中对各行业计算了此指标[34][35]。 5. **指标名称**：融券卖出额占成交额比例[39][40] * **构建思路**：衡量融券卖出交易在市场总成交中的活跃度[39]。 * **具体构建过程**：用周期内的融券卖出总额除以同期市场总成交金额。 $$融券卖出额占成交额比例_t = \frac{融券卖出总额_t}{市场总成交金额_t} \times 100\%$$ 报告中对各行业计算了此指标[39][40]。 6. **指标名称**：融券余额占流通市值比例[39][40] * **构建思路**：衡量融券做空头寸在标的证券流通盘中的占比[39]。 * **具体构建过程**：用期末的融券余额除以标的证券（或行业）的流通市值。 $$融券余额占流通市值比例_t = \frac{融券余额_t}{流通市值_t} \times 100\%$$ 报告中对各行业计算了此指标[39][40]。 指标观察结果（截至报告期） 报告展示了截至2026年1月20日当周（1月14日-1月20日）的各项指标取值或排名，具体如下： 1. **市场整体指标**： * 沪深两市两融余额：27，003.83亿元，较上周增加265.01亿元[12] * 融资余额：26，830.44亿元，较上周增加267.64亿元[12] * 融券余额：173.39亿元，较上周减少2.63亿元[12] 2. **行业层面指标（示例）**： * **融资净买入额较多行业**：电子、电力设备、非银金融[29] * **融资净买入额较少行业**：国防军工、计算机、传媒[29] * **融券净卖出额较多行业**：电子、有色金属、机械设备[30] * **融券净卖出额较少行业**：医药生物、非银金融、国防军工[30] * **融资买入额占成交额比例较高行业**：非银金融 (13.80%)、通信 (11.51%)、电子 (11.36%)[35] * **融资买入额占成交额比例较低行业**：纺织服饰 (4.51%)、轻工制造 (4.89%)、建筑材料 (6.54%)[35] * **融资余额占流通市值比例较高行业**：计算机 (4.07%)、通信 (3.67%)、国防军工 (3.39%)[35] * **融资余额占流通市值比例较低行业**：石油石化 (0.75%)、银行 (0.81%)、煤炭 (0.89%)[35] 3. **ETF层面指标**： * **融资净买入额前五名ETF**：华夏中证电网设备主题ETF (42，229.12万元)、南方中证500ETF (29，009.06万元)、国泰中证半导体材料设备主题ETF (28，963.37万元)、富国中债7-10年政策性金融债ETF (21，463.91万元)、国泰中证全指证券公司ETF (20，317.96万元)[44][45] 4. **个股层面指标**： * **融资净买入额前五名个股**：中国平安 (230，635.55万元)、中际旭创 (222，341.42万元)、贵州茅台 (208，627.60万元)、长江电力 (196，945.53万元)、特变电工 (185，731.37万元)[47][49] * **融资买入额占成交额比例前五名个股**：江化微 (28.41%)、安联锐视 (22.84%)、西山科技 (22.13%)、光大银行 (21.95%)、唯特偶 (21.77%)[48][49] * **融券净卖出额前五名个股**：杰瑞股份 (1，866.91万元)、巨人网络 (1，766.64万元)、通富微电 (1，760.36万元)、用友网络 (1，563.37万元)、平安银行 (1，485.72万元)[50][51]