量化模型与构建方式 1. **模型名称：量能择时模型**[1][12][22] * **模型构建思路**：通过分析主要宽基指数的量能指标变化，来判断市场情绪和趋势，从而发出择时信号[1][12]。 * **模型具体构建过程**：报告未详细描述该模型的具体计算步骤和公式，仅提及根据“量能指标”进行判断，并给出了各宽基指数的择时观点[22][23]。 2. **模型名称：沪深300上涨家数占比择时模型**[23][26] * **模型构建思路**：通过计算沪深300指数成分股中过去一段时间内收益为正的股票占比，来衡量市场情绪和赚钱效应，并利用该指标的短期与长期移动平均线的关系来生成交易信号[23][26]。 * **模型具体构建过程**： 1. 计算沪深300指数N日上涨家数占比：统计沪深300指数成分股中，过去N个交易日收益率大于0的个股数量，并计算其占总成分股数的比例[23]。 $$沪深300指数N日上涨家数占比 = \frac{过去N日收益大于0的个股数}{沪深300指数成分股总数}$$ 2. 对上述指标值进行两次不同窗口期的指数移动平均（EMA），得到慢线（窗口期N1）和快线（窗口期N2），其中N1 > N2。报告中参数为N1=50， N2=35[26]。 3. 生成信号：当快线大于慢线时，看多市场；当快线小于慢线时，对市场持中性态度[26]。 3. **模型名称：均线情绪指标择时模型**[30][31] * **模型构建思路**：通过判断沪深300指数收盘价与一组长期均线（八均线体系）的相对位置，来评估市场的趋势状态和情绪，并据此生成交易信号[30]。 * **模型具体构建过程**： 1. 计算沪深300指数的八条均线，均线参数分别为8, 13, 21, 34, 55, 89, 144, 233[30]。 2. 计算当日沪深300指数收盘价大于这八条均线数值的数量[31]。 3. 生成信号：当收盘价大于均线值的数量超过5条时，看多沪深300指数[31]。 4. **因子名称：估值分位数（PE TTM）**[2][19][20] * **因子构建思路**：使用市盈率（TTM）的历史分位数来评估宽基指数或行业指数的估值水平，并将其划分为“安全”、“适中”、“危险”等级，以判断其估值风险[2][19][20]。 * **因子具体构建过程**： 1. 计算指数或行业的当前市盈率（PE_TTM）。 2. 计算该PE_TTM在近10年历史数据中的分位数。报告提到了两种分位数计算方式：“区间比”和“绝对值比”，但未给出具体公式[20][21]。 3. 根据“绝对值比”分位数进行等级划分：安全(0,20%]，适中(20%,80%]，危险(80%,100%][20][21]。 5. **因子名称：横截面波动率**[35][36][37] * **因子构建思路**：计算特定指数（如沪深300、中证500、中证1000）成分股在截面上的收益率波动率，用以衡量市场分化程度和选股（Alpha）环境的好坏[35]。 * **因子具体构建过程**：报告未给出具体的计算公式，但指出其用于观察指数成分股的横截面波动情况，并提供了不同时间窗口的平均值[35][37]。 6. **因子名称：时间序列波动率**[37][38][40] * **因子构建思路**：计算特定指数成分股加权的时间序列波动率，用以衡量市场整体波动水平和风险环境，进而评估Alpha策略的实施环境[37]。 * **因子具体构建过程**：报告未给出具体的计算公式，但指出其用于观察指数成分股加权后的时间序列波动情况，并提供了不同时间窗口的平均值[37][40]。 7. **因子名称：基金抱团分离度**[3][77] * **因子构建思路**：通过计算抱团基金组合截面收益率的标准差，来度量公募基金的抱团程度。标准差越小，说明抱团基金表现越趋同，抱团程度越高；反之则表示抱团正在瓦解[77]。 * **因子具体构建过程**： 1. 构造抱团基金组合。 2. 计算该组合内各基金在同一时期的截面收益率。 3. 计算这些截面收益率的标准差，该标准差即为“分离度”指标[77]。 模型的回测效果 *报告未提供各量化择时模型（如量能择时、上涨家数占比择时、均线情绪择时）的具体回测绩效指标（如年化收益率、夏普比率、最大回撤等）。* 量化因子与构建方式 *（因子部分已在“量化模型与构建方式”中列出，此处不再重复）* 因子的回测效果 1. **横截面波动率因子**[37] * **沪深300横截面波动率**：近两年平均值1.99%，近一年平均值1.96%，近半年平均值1.98%，近一季度平均值2.07%[37]。 * **中证500横截面波动率**：近两年平均值2.22%，近一年平均值2.22%，近半年平均值2.29%，近一季度平均值2.32%[37]。 * **中证1000横截面波动率**：近两年平均值2.47%，近一年平均值2.48%，近半年平均值2.47%，近一季度平均值2.50%[37]。 2. **时间序列波动率因子**[40] * **沪深300时序波动率**：近两年平均值1.03%，近一年平均值0.93%，近半年平均值1.01%，近一季度平均值0.96%[40]。 * **中证500时序波动率**：近两年平均值1.36%，近一年平均值1.15%，近半年平均值1.22%，近一季度平均值1.16%[40]。 * **中证1000时序波动率**：近两年平均值1.55%，近一年平均值1.23%，近半年平均值1.13%，近一季度平均值1.11%[40]。 3. **股指期货贴水率因子**[56][62] * **上证50贴水率**：近两年平均值-0.01%，近一年平均值-0.05%，近半年平均值0.04%，近一季度平均值0.03%[62]。 * **沪深300贴水率**：近两年平均值-0.03%，近一年平均值-0.10%，近半年平均值-0.03%，近一季度平均值-0.03%[62]。 * **中证500贴水率**：近两年平均值-0.17%，近一年平均值-0.28%，近半年平均值-0.20%，近一季度平均值-0.11%[62]。 * **中证1000贴水率**：近两年平均值-0.27%，近一年平均值-0.36%，近半年平均值-0.28%，近一季度平均值-0.19%[62]。

量化模型与构建方式 1. **模型名称：成交量模型**[1][8][11][13] * **模型构建思路**：基于价量关系进行短期市场择时，核心思想简单普世[8]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 2. **模型名称：特征龙虎榜机构模型**[1][11][13] * **模型构建思路**：利用龙虎榜中的机构买卖行为特征进行短期市场择时[1][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 3. **模型名称：特征成交量模型**[1][13] * **模型构建思路**：基于特定的成交量特征进行短期市场择时[1][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 4. **模型名称：智能算法沪深300模型 / 智能算法中证500模型**[1][11][13] * **模型构建思路**：应用智能算法（如机器学习）对沪深300或中证500指数进行短期择时[1][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 5. **模型名称：涨跌停模型**[1][11][13] * **模型构建思路**：基于市场涨跌停股票的数量或相关特征进行中期市场择时[1][8][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 6. **模型名称：上下行收益差模型**[1][11][13][16] * **模型构建思路**：通过比较市场上行和下行收益的差异来进行中期市场择时[1][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 7. **模型名称：月历效应模型**[1][13] * **模型构建思路**：基于月份、季节等时间周期相关的市场规律进行中期择时[1][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 8. **模型名称：长期动量模型**[1][14] * **模型构建思路**：基于资产的长期价格趋势（动量）进行长期市场择时[1][14]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 9. **模型名称：A股综合兵器V3模型 / A股综合国证2000模型**[1][15] * **模型构建思路**：将不同周期或不同策略的择时模型信号进行耦合，形成综合择时观点，以达到攻守兼备的效果[8][15]。 * **模型具体构建过程**：报告未提供该模型的具体耦合方法和详细步骤。 10. **模型名称：成交额倒波幅模型**[1][11][16] * **模型构建思路**：结合成交额与波动率（波幅）指标进行港股中期择时[1][16]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 11. **模型名称：形态识别模型（双底形态、杯柄形态）**[45][46][47][52] * **模型构建思路**：通过识别股票价格走势图中的特定技术形态（如双底、杯柄）来捕捉突破机会，进行选股或择时[45][46]。 * **模型具体构建过程**：报告未提供形态识别的具体量化规则和算法步骤，但展示了识别出的形态关键点（如A、B、C点）和形态持续时间（长度）[49][51][55][56][57][58][59][60]。 12. **模型名称：HCVIX模型**[41][43][45] * **模型构建思路**：复现并计算中国市场的波动率指数（VIX），作为判断市场情绪的参考指标，该指数通常与大盘呈现负相关关系[41][43]。 * **模型具体构建过程**：根据公开的VIX计算方法进行复现，计算基于50ETF、沪深300指数等期权的隐含波动率[43]。报告未提供具体的计算公式。 模型的回测效果 1. **双底形态模型**，本周收益5.73%，同期上证综指收益3.82%，本周超额收益1.91%，自2020年12月31日至今累计收益22.56%，累计超额收益3.92%[46] 2. **杯柄形态模型**，本周收益4.05%，同期上证综指收益3.82%，本周超额收益0.23%，自2020年12月31日至今累计收益17.11%，累计超额收益-1.53%[46] 3. **上周杯柄形态突破个股组合**，平均超额收益1.99%[47] 4. **上周双底形态突破个股组合**，平均超额收益1.94%[52] 量化因子与构建方式 1. **因子名称：分析师一致预期调整比例**[20][21][24] * **因子构建思路**：通过统计行业内分析师上调或下调盈利预测的个股比例，来观察行业层面的预期变化[20][21]。 * **因子具体构建过程**：对于每个行业，计算本周内盈利预测被上调的个股数占行业总覆盖个股数的比例，以及被下调的个股比例[20][24]。报告未提供具体公式。 因子的回测效果 *(报告未提供因子的独立测试结果，如IC、IR、多空收益等)*

量化模型与构建方式 **本报告未涉及具体的量化模型或量化因子的构建、测试与评价。** 报告内容主要为市场回顾、技术分析解读及行业主题展望[6][8][11][15][18][20][23][26][27][30][31][34][35][38]。 模型的回测效果 **本报告未提供任何量化模型的回测效果指标。** 量化因子与构建方式 **本报告未涉及具体的量化因子的构建、测试与评价。** 因子的回测效果 **本报告未提供任何量化因子的回测效果指标。**

量化模型与因子总结 根据所提供的量化基金业绩跟踪周报，报告核心内容为对各类公募量化基金（指数增强、主动量化、市场中性）的历史业绩进行统计、分析和展示[1][2][3]。报告本身并未涉及具体的**量化模型**或**量化因子**的构建、测试与评价。 报告的主要内容是业绩结果的呈现，包括不同时间窗口（本周、本月、近一年等）下，各类基金的平均收益/超额收益、分位数、跟踪误差、最大回撤等指标的统计值[10]。同时，报告也展示了基于基金等权组合构建的模拟净值走势[22][23][26][28][29][31][32]。 因此，本报告是一份**基金业绩跟踪报告**，而非关于**量化模型或因子**的研究报告。报告中未提及任何具体的模型名称、因子构建思路、构建过程或公式。 模型的回测效果 （报告中无相关内容） 量化因子与构建方式 （报告中无相关内容） 因子的回测效果 （报告中无相关内容）

量化模型与因子总结 量化因子与构建方式 1. **因子名称：基差比例因子**[15][17][21] * **因子构建思路**：通过计算股指期货价格与其对应现货指数价格的相对差异（基差），来衡量市场情绪和套利空间。贴水（负基差）通常可能反映市场悲观情绪或流动性紧张，升水（正基差）则可能反映看涨情绪[15][23]。 * **因子具体构建过程**：对于特定指数（如上证50、沪深300等），选取其股指期货次月合约的结算价和对应现货指数的收盘价进行计算。 * 计算公式为： $$基差比例 = \frac{期货结算价}{对应现货指数收盘价} - 1$$ * 该比值以百分比表示，正值代表期货升水，负值代表期货贴水[21]。 2. **因子名称：股指期货期限结构因子**[23][26][28] * **因子构建思路**：通过比较同一标的股指期货不同到期月份合约之间的价差（升贴水结构），来反映市场对未来不同时间点的预期。远月合约相对于近月合约的升贴水变化，可以揭示市场情绪的期限结构[23]。 * **因子具体构建过程**：对于同一标的指数（如沪深300、中证1000），同时计算其近月合约与远月合约（如次月 vs 当季、次季等）的基差比例，然后观察其差值或结构形态[26][28][30]。 3. **因子名称：国债期货隐含收益率因子**[32][39][41] * **因子构建思路**：通过国债期货价格反推出的隐含到期收益率，与现货国债收益率进行比较，以反映期货市场投资者对未来利率走势的预期。隐含收益率低于现货收益率，可能表明市场预期未来利率下降（债券价格上涨），情绪偏乐观[32][39]。 * **因子具体构建过程**：根据国债期货合约的报价和交割条款，使用定价模型计算其隐含的到期收益率。报告中直接引用了该数据，并与10年期国债现货收益率进行对比[39][41]。 4. **因子名称：国债期货期限结构因子**[43][45][49] * **因子构建思路**：类似于股指期货，通过比较国债期货不同期限合约之间的价差，来反映市场对未来利率路径的预期。升水结构可能预期利率下行，贴水结构可能预期利率上行[43]。 * **因子具体构建过程**：计算同一品种（如10年期、30年期国债期货）不同到期月份合约的价格差，例如近月合约与远月合约的价差，并观察其变动情况[45][48][49]。 5. **因子名称：期权波动率指数（VIX）因子**[52][53][54] * **因子构建思路**：利用期权价格编制的波动率指数，反映市场对未来30天标的资产波动率的预期，是衡量市场恐慌或不确定性情绪的重要指标[52]。 * **因子具体构建过程**：报告直接跟踪了各大期权品种的VIX指数，如300ETF期权、50ETF期权、1000指数期权等的VIX数据[53][54]。该指数通常由平值及虚值期权价格通过特定模型（如模型无关的方差互换公式）计算得出。 6. **因子名称：期权波动率偏离因子**[60][62] * **因子构建思路**：通过比较期权市场隐含波动率（如VIX）与标的资产的历史实际波动率，判断期权定价的相对高低。隐含波动率低于历史波动率可能意味着期权价值被低估[60]。 * **因子具体构建过程**：将期权VIX指数与标的指数计算出的历史波动率进行对比。报告中指出，1000指数期权波动率（隐含）小幅低于标的的实际波动率，而300ETF期权波动率与标的的实际波动率持平[60]。 7. **因子名称：期权持仓量PCR（Put/Call Ratio）因子**[64][66][68] * **因子构建思路**：通过计算看跌期权（Put）与看涨期权（Call）的持仓量比值，来衡量市场多空情绪。PCR上升通常被视为市场情绪转向谨慎或悲观的信号，下降则可能反映情绪转向乐观[64][70]。 * **因子具体构建过程**：分别统计特定期权品种（如50ETF期权、300ETF期权）所有合约的看跌期权总持仓量和看涨期权总持仓量，然后计算比值。 * 计算公式为： $$持仓量 PCR = \frac{看跌期权总持仓量}{看涨期权总持仓量}$$ 因子的回测效果 > **注意**：本报告为市场监测月报，主要展示各因子在特定时间段（2025年12月）的观测值或状态描述，并未提供基于历史数据的标准化回测绩效指标（如年化收益、夏普比率、信息比率IR等）。因此，以下“取值”为报告所述的现象或数据结论。 1. **基差比例因子** * **具体取值**：2025年12月，主要指数股指期货贴水幅度维持在低水平。上证50与沪深300贴水不明显，中证500和中证1000仍有一定贴水。例如，12月31日，上证50、沪深300、中证500、中证1000的次月合约基差比例分别为-0.20%、-0.44%、-0.77%、-1.20%[20][22]。 2. **股指期货期限结构因子** * **具体取值**：远月合约贴水幅度大于近月合约，结构稳定。平均贴水比例较上月收窄，反映投资者情绪中性偏积极[26][28]。 3. **国债期货隐含收益率因子** * **具体取值**：截至2025年12月31日，10年期国债期货对应隐含收益率为1.76%，低于现货对应的1.85%[39]。 4. **国债期货期限结构因子** * **具体取值**：12月份，10年期国债期货近远月合约价差在0附近波动，反映投资者对未来债市情绪中性[49]。 5. **期权波动率指数（VIX）因子** * **具体取值**：12月份，主要期权VIX指数走势平稳。例如，12月31日，300ETF期权、50ETF期权、1000指数期权的VIX分别为16.35%、14.69%、20.24%[54]。 6. **期权波动率偏离因子** * **具体取值**：12月份，1000指数期权波动率小幅低于标的的实际波动率，300ETF期权波动率与标的的实际波动率持平，显示期权价值合理或低估[60]。 7. **期权持仓量PCR（Put/Call Ratio）因子** * **具体取值**：12月份，300ETF期权和50ETF期权的PCR指标从11月的上行转为下行，显示市场情绪偏谨慎[70]。

量化模型与构建方式 1. **模型名称**：港股精选组合模型[14] **模型构建思路**：该模型旨在对分析师推荐股票池进行基本面和技术面的双层优选，挑选出同时具备基本面支撑和技术面共振的超预期股票[14][15] **模型具体构建过程**： 1. **构建分析师推荐股票池**：以分析师上调盈利预测、分析师首次关注、分析师研报标题超预期事件作为分析师推荐事件，构建初始股票池[15] 2. **基本面与技术面双层筛选**：对分析师推荐股票池中的股票，从基本面和技术面两个维度进行精选，具体筛选标准未在本报告中详述，但参考了专题报告《基于分析师推荐视角的港股投资策略》[14][15] **模型评价**：该模型在港股市场长期回测中表现出色，获得了显著的超额收益[15] 2. **模型/因子名称**：平稳创新高股票筛选模型[21][23] **模型/因子构建思路**：基于动量效应和趋势跟踪理论，从创出近期新高的股票中，筛选出分析师关注度高、股价走势相对强势且路径平稳的股票，以捕捉市场热点[21][23] **模型/因子具体构建过程**： 1. **基础股票池**：全部港股，但剔除成立时间不超过15个月的股票[24] 2. **计算250日新高距离**：作为核心指标，用于判断创新高状态及强度[23] $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 其中，$Closet$为最新收盘价，$ts\_max(Close, 250)$为过去250个交易日收盘价的最大值。该值越接近0，表示股价越接近或创出新高[23] 3. **分层筛选条件**： * **样本池**：过去20个交易日创出过250日新高的股票[23] * **分析师关注度**：过去6个月买入或增持评级的分析师研报不少于5份[24] * **股价相对强弱**：过去250日涨跌幅位于样本池前20%[24] * **股价平稳性**：在满足上述条件的股票池内，用以下两个指标综合打分，取排名在前50%的股票（最少取50只）[24] * **价格路径平滑性**：股价位移路程比，计算公式为 $\frac{过去120日涨跌幅绝对值}{过去120日日涨跌幅绝对值加总}$[23] * **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[24] * **趋势延续性**：过去5日的250日新高距离在时间序列上的均值，取排序靠前的50只股票作为最终组合[24] 模型的回测效果 1. **港股精选组合模型**[20] * 全样本年化收益：19.08%[20] * 全样本相对恒生指数超额收益：18.06%[20] * 全样本信息比(IR)：1.19[20] * 全样本跟踪误差：14.60%[20] * 全样本最大回撤：23.73%[20] * 全样本收益回撤比：0.76[20] * 本周(20260105-20260109)绝对收益：3.72%[18] * 本周(20260105-20260109)超额收益(相对恒指)：4.12%[18] * 本年(20260102-20260109)绝对收益：6.16%[18] * 本年(20260102-20260109)超额收益(相对恒指)：3.81%[18] 量化因子与构建方式 1. **因子名称**：250日新高距离[23] **因子构建思路**：衡量当前股价相对于过去一段时间最高点的位置，用于识别创出新高的股票，是动量效应和趋势跟踪策略的核心指标[21][23] **因子具体构建过程**： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 其中，$Closet$为最新收盘价，$ts\_max(Close, 250)$为过去250个交易日收盘价的最大值[23] * 若最新收盘价创出新高，则因子值为0[23] * 若最新收盘价较新高回落，则因子值为正值，表示回落幅度[23] 2. **因子名称**：价格路径平滑性（股价位移路程比）[23][24] **因子构建思路**：通过比较一段时间内的净涨幅与累计波动幅度，来度量股价上涨路径的平稳程度，平稳上涨的股票被认为趋势更健康[23][24] **因子具体构建过程**： $$价格路径平滑性 = \frac{过去120日涨跌幅绝对值}{过去120日日涨跌幅绝对值加总}$$ 该比值越接近1，表明股价路径越平滑（上涨过程中回撤小）[23] 3. **因子名称**：创新高持续性[24] **因子构建思路**：通过计算过去一段时间内“250日新高距离”因子的均值，来评估股票维持强势、接近新高状态的能力[24] **因子具体构建过程**： 计算过去120个交易日的“250日新高距离”因子的时间序列均值[24] 该均值越小，表明股票在近期越能持续保持在接近新高的位置[24] 4. **因子名称**：趋势延续性[24] **因子构建思路**：通过计算最近几个交易日内“250日新高距离”因子的均值，来捕捉短期趋势的强弱，用于筛选近期强势延续的股票[24] **因子具体构建过程**： 计算过去5个交易日的“250日新高距离”因子的时间序列均值[24] 该值越小，表明股票在近期（短期）内越强势，越接近新高[24]

量化模型与因子总结 量化模型与构建方式 1. **模型名称：国信金工多因子指数增强模型**[11][12] * **模型构建思路**：以多因子选股为主体，通过收益预测、风险控制和组合优化三个主要步骤，构建能够稳定战胜特定基准指数（如沪深300、中证500等）的增强组合[11][12]。 * **模型具体构建过程**： 1. **收益预测**：基于多因子模型对股票未来收益进行预测。 2. **风险控制**：控制组合相对于基准指数在行业、风格（如市值）等方面的暴露，以控制跟踪误差。 3. **组合优化**：在满足风险约束的条件下，通过优化算法求解最优的股票权重，以最大化预期收益或信息比率。具体优化模型未在提供内容中详细展开，但提及了包含行业中性、风格中性等约束[12]。 2. **模型名称：单因子MFE（Maximized Factor Exposure）组合模型**[15][40] * **模型构建思路**：为了在更贴近实际投资约束（如行业、风格暴露控制）的条件下检验单因子的有效性，采用组合优化的方式，构建一个在满足各项约束下最大化该因子暴露的投资组合，通过该组合相对于基准的表现来判断因子有效性[15][40]。 * **模型具体构建过程**： 1. **优化目标**：最大化组合在目标单因子上的加权暴露。 2. **约束条件**：包括控制组合相对于基准指数的风格暴露、行业偏离、个股权重偏离、成分股内权重占比、禁止卖空以及权重和为1等[40][41]。 3. **优化模型公式**： $$\begin{array}{ll}\max & f^{T}w \\\ s.t. & s_{l} \leq X(w-w_{b}) \leq s_{h} \\\ & h_{l} \leq H(w-w_{b}) \leq h_{h} \\\ & w_{l} \leq w-w_{b} \leq w_{h} \\\ & b_{l} \leq B_{b}w \leq b_{h} \\\ & \mathbf{0} \leq w \leq l \\\ & \mathbf{1}^{T}w = 1\end{array}$$ 其中： * $f$ 为因子取值向量。 * $w$ 为待求解的股票权重向量。 * $w_b$ 为基准指数成分股权重向量。 * $X$ 为股票对风格因子的暴露矩阵。 * $s_l$, $s_h$ 为风格因子相对暴露的上下限。 * $H$ 为股票的行业暴露矩阵。 * $h_l$, $h_h$ 为行业偏离的上下限。 * $w_l$, $w_h$ 为个股相对于基准权重偏离的上下限。 * $B_b$ 为个股是否属于基准指数成分股的0-1向量。 * $b_l$, $b_h$ 为成分股内权重占比的上下限。 * $l$ 为个股权重上限。 * $\mathbf{1}$ 为元素全为1的向量[40][41]。 4. **构建流程**：每月末，根据设定的约束条件（如行业中性、市值中性、个股权重偏离限制等），通过求解上述优化问题，为每个因子构建其MFE组合，并进行换仓和回测[44]。 3. **模型名称：公募重仓指数**[42][43] * **模型构建思路**：为了测试因子在公募基金这一重要市场参与者持仓池中的有效性，通过汇总公募基金的持股信息，构建一个代表“机构风格”的动态指数作为新的因子测试样本空间[42]。 * **模型具体构建过程**： 1. **样本基金筛选**：选取普通股票型和偏股混合型基金，剔除规模小于五千万且上市不足半年的基金[43]。 2. **持仓数据获取**：从基金的定期报告（年报、半年报、季报）中获取持股信息。对于季报，需结合前期的年报或半年报信息来构建完整持仓[43]。 3. **权重计算与成分股选取**：将所有符合条件基金的持仓股票权重进行平均，得到公募基金平均持仓。将平均后的股票权重降序排列，选取累计权重达到90%的股票作为成分股，以此构建公募重仓指数[43]。 量化因子与构建方式 报告构建了一个包含30余个因子的因子库，涵盖多个维度[16][17]。 1. **因子类别：估值** * **因子名称与构建过程**： * **BP**：净资产除以总市值[17]。 * **单季EP**：单季度归母净利润除以总市值[17]。 * **单季SP**：单季度营业收入除以总市值[17]。 * **EPTTM**：过去12个月（TTM）归母净利润除以总市值[17]。 * **SPTTM**：过去12个月（TTM）营业收入除以总市值[17]。 * **EPTTM分位点**：EPTTM值在过去一年历史序列中的分位点[17]。 * **股息率**：最近四个季度预案分红金额除以总市值[17]。 2. **因子类别：反转** * **因子名称与构建过程**： * **一个月反转**：过去20个交易日的涨跌幅[17]。 * **三个月反转**：过去60个交易日的涨跌幅[17]。 3. **因子类别：动量** * **因子名称与构建过程**： * **一年动量**：近一年（剔除最近一个月）的股价动量[17]。 4. **因子类别：成长** * **因子名称与构建过程**： * **单季净利同比增速**：单季度净利润的同比增长率[17]。 * **单季营收同比增速**：单季度营业收入的同比增长率[17]。 * **单季营利同比增速**：单季度营业利润的同比增长率[17]。 * **SUE (标准化预期外盈利)**：(单季度实际净利润 - 预期净利润) / 预期净利润的标准差[17]。 * **SUR (标准化预期外收入)**：(单季度实际营业收入 - 预期营业收入) / 预期营业收入的标准差[17]。 * **单季超预期幅度**：预期单季度净利润除以财报公布的单季度净利润[17]。 5. **因子类别：盈利** * **因子名称与构建过程**： * **单季ROE**：(单季度归母净利润 * 2) / (期初归母净资产 + 期末归母净资产)[17]。 * **单季ROA**：(单季度归母净利润 * 2) / (期初归母总资产 + 期末归母总资产)[17]。 * **DELTAROE**：当期单季度净资产收益率 - 去年同期单季度净资产收益率[17]。 * **DELTAROA**：当期单季度总资产收益率 - 去年同期单季度总资产收益率[17]。 6. **因子类别：流动性** * **因子名称与构建过程**： * **非流动性冲击**：过去20个交易日的日涨跌幅绝对值与成交额比值的均值[17]。 * **一个月换手**：过去20个交易日换手率的均值[17]。 * **三个月换手**：过去60个交易日换手率的均值[17]。 7. **因子类别：波动** * **因子名称与构建过程**： * **特异度**：1 - 过去20个交易日Fama-French三因子回归模型的拟合优度(R²)[17]。 * **一个月波动**：过去20个交易日日内真实波幅的均值[17]。 * **三个月波动**：过去60个交易日日内真实波幅的均值[17]。 8. **因子类别：公司治理** * **因子名称与构建过程**： * **高管薪酬**：公司前三名高管报酬总额的自然对数[17]。 9. **因子类别：分析师** * **因子名称与构建过程**： * **预期EPTTM**：基于分析师一致预期的滚动市盈率(EP)的倒数[17]。 * **预期BP**：基于分析师一致预期的滚动市净率(PB)的倒数[17]。 * **预期PEG**：基于分析师一致预期的PEG比率[17]。 * **预期净利润环比**：当前一致预期净利润除以3个月前的一致预期净利润[17]。 * **三个月盈利上下调**：过去3个月内，分析师上调家数减去下调家数，再除以总覆盖家数[17]。 * **三个月机构覆盖**：过去3个月内覆盖该公司的机构（分析师团队）数量[17]。 模型的回测效果 * **国信金工指数增强组合**（截至2026年1月9日当周）[5][14] * **沪深300增强组合**：本周超额收益0.44%，本年超额收益0.44%[5][14]。 * **中证500增强组合**：本周超额收益-1.80%，本年超额收益-1.80%[5][14]。 * **中证1000增强组合**：本周超额收益-2.20%，本年超额收益-2.20%[5][14]。 * **中证A500增强组合**：本周超额收益0.61%，本年超额收益0.61%[5][14]。 因子的回测效果 以下为各因子在对应样本空间中，其MFE组合在“最近一周”的表现（超额收益）[18][21][23][25][27]。 1. **沪深300样本空间** [18] * **三个月机构覆盖**：0.86% * **DELTAROA**：0.61% * **DELTAROE**：0.52% * **单季EP**：0.44% * **单季ROA**：0.31% * **EPTTM年分位点**：0.19% * **高管薪酬**：0.13% * **三个月反转**：0.11% * **SPTTM**：0.05% * **预期BP**：0.04% * **单季净利同比增速**：0.04% * **EPTTM**：0.03% * **预期PEG**：0.03% * **单季营利同比增速**：0.03% * **标准化预期外盈利(SUE)**：0.03% * **一个月反转**：-0.04% * **单季超预期幅度**：-0.05% * **BP**：-0.06% * **三个月波动**：-0.06% * **一个月波动**：-0.09% * **三个月换手**：-0.12% * **三个月盈利上下调**：-0.13% * **单季营收同比增速**：-0.13% * **单季ROE**：-0.13% * **单季SP**：-0.14% * **预期EPTTM**：-0.15% * **标准化预期外收入(SUR)**：-0.24% * **一个月换手**：-0.27% * **股息率**：-0.28% * **非流动性冲击**：-0.42% * **特异度**：-0.42% * **一年动量**：-0.45% * **预期净利润环比**：-0.78% 2. **中证500样本空间** [21] * **单季净利同比增速**：表现较好 * **预期净利润环比**：表现较好 * **特异度**：表现较好 * **一个月波动**：表现较差 * **EPTTM**：表现较差 * **单季ROE**：表现较差 * *(注：文档未提供具体数值表，仅文字描述)* 3. **中证1000样本空间** [23] * **一年动量**：1.94% * **单季营收同比增速**：1.31% * **标准化预期外收入(SUR)**：0.92% * **三个月机构覆盖**：0.81% * **三个月反转**：0.72% * **预期净利润环比**：0.32% * **高管薪酬**：0.27% * **三个月盈利上下调**：0.22% * **DELTAROA**：0.03% * **单季净利同比增速**：0.03% * **标准化预期外盈利(SUE)**：-0.05% * **单季营利同比增速**：-0.21% * **非流动性冲击**：-0.30% * **一个月反转**：-0.33% * **特异度**：-0.63% * **单季ROE**：-0.67% * **EPTTM年分位点**：-0.72% * **预期PEG**：-0.74% * **单季超预期幅度**：-1.02% * **DELTAROE**：-1.09% * **单季SP**：-1.42% * **SPTTM**：-1.46% * **单季ROA**：-1.66% * **一个月换手**：-2.15% * **三个月换手**：-2.30% * **一个月波动**：-2.47% * **BP**：-2.56% * **预期BP**：-2.79% * **单季EP**：-3.04% * **三个月波动**：-3.09% * **预期EPTTM**：-3.22% * **股息率**：-3.27% * **EPTTM**：-3.56% 4. **中证A500样本空间** [25] * **单季净利同比增速**：1.14% * **DELTAROE**：0.88% * **单季营利同比增速**：0.70% * **三个月反转**：0.29% * **单季SP**：0.25% * **三个月机构覆盖**：0.21% * **高管薪酬**：0.20% * **预期PEG**：0.02% * **DELTAROA**：0.00% * **标准化预期外收入(SUR)**：-0.09% * **标准化预期外盈利(SUE)**：-0.20% * **特异度**：-0.21% * **BP**：-0.25% * **EPTTM年分位点**：-0.25% * **SPTTM**：-0.27% * **预期BP**：-0.28% * **非流动性冲击**：-0.30% * **单季超预期幅度**：-0.32% * **一个月反转**：-0.32% * **预期净利润环比**：-0.36% * **三个月盈利上下调**：-0.43% * **单季营收同比增速**：-0.43% * **一年动量**：-0.43% * **三个月换手**：-0.46% * **一个月换手**：-0.53% * **预期EPTTM**：-0.74% * **单季ROA**：-0.78% * **单季EP**：-0.87% * **股息率**：-0.89% * **单季ROE**：-0.98% * **三个月波动**：-1.09% * **一个月波动**：-1.22% * **EPTTM**：-1.29% 5. **公募重仓指数样本空间** [27] * **单季净利同比增速**：表现较好 * **预期净利润环比**：表现较好 * **三个月反转**：表现较好 * **预期EPTTM**：表现较差 * **EPTTM**：表现较差 * **一个月波动**：表现较差 * *(注：文档未提供具体数值表，仅文字描述)*

量化模型与因子总结 量化模型与构建方式 1. **模型名称：PB-ROE-50组合** * **模型构建思路：** 基于PB（市净率）和ROE（净资产收益率）两个核心指标进行选股，旨在寻找估值合理且盈利能力强的公司[24]。 * **模型具体构建过程：** 报告未详细描述该组合的具体构建公式和步骤，仅提及其为基于PB和ROE指标构建的组合[24]。 2. **模型名称：机构调研组合（公募调研选股策略）** * **模型构建思路：** 利用公募基金调研上市公司的行为信息进行选股[27]。 * **模型具体构建过程：** 报告未详细描述该策略的具体构建公式和步骤，仅提及其为基于公募调研事件的选股策略[27]。 3. **模型名称：机构调研组合（私募调研跟踪策略）** * **模型构建思路：** 利用私募基金调研上市公司的行为信息进行选股[27]。 * **模型具体构建过程：** 报告未详细描述该策略的具体构建公式和步骤，仅提及其为基于私募调研事件的选股策略[27]。 4. **模型名称：大宗交易组合** * **模型构建思路：** 根据“高成交、低波动”原则，筛选发生大宗交易且后续表现可能更佳的股票[31]。 * **模型具体构建过程：** 通过统计分析发现，“大宗交易成交金额比率”越高、“6日成交金额波动率”越低的股票后续表现更佳。模型根据这两个指标，以月频调仓方式构造组合[31]。具体公式未在报告中给出。 5. **模型名称：定向增发组合** * **模型构建思路：** 以定向增发的股东大会公告日为事件节点，进行事件驱动选股[37]。 * **模型具体构建过程：** 综合考虑市值因素、调仓周期以及对仓位的控制来构造组合[37]。具体公式和详细步骤未在报告中给出。 模型的回测效果 （注：以下模型业绩统计区间均为2026.01.05-2026.01.09[25][28][32][38]） 1. **PB-ROE-50组合** * 本周超越基准收益率（中证500）： -2.18%[24][25] * 本周超越基准收益率（中证800）： 1.36%[24][25] * 本周超越基准收益率（全市场）： 1.23%[24][25] * 本周绝对收益率（中证500）： 5.56%[25] * 本周绝对收益率（中证800）： 5.59%[25] * 本周绝对收益率（全市场）： 6.34%[25] 2. **机构调研组合（公募调研选股策略）** * 本周超越基准收益率（中证800）： -0.31%[27][28] * 本周绝对收益率： 3.85%[28] 3. **机构调研组合（私募调研跟踪策略）** * 本周超越基准收益率（中证800）： 2.28%[27][28] * 本周绝对收益率： 6.55%[28] 4. **大宗交易组合** * 本周超越基准收益率（中证全指）： 0.69%[31][32] * 本周绝对收益率： 5.77%[32] 5. **定向增发组合** * 本周超越基准收益率（中证全指）： -1.58%[37][38] * 本周绝对收益率： 3.38%[38] 量化因子与构建方式 （注：报告中列出了大量因子，但均未提供具体的构建公式和详细过程，仅给出了因子名称和方向。以下为报告中出现的全部因子列表。） 1. **因子名称：** 5日平均换手率；**因子方向：** 负向[13] 2. **因子名称：** 换手率相对波动率；**因子方向：** 负向[13] 3. **因子名称：** 单季度营业收入同比增长率；**因子方向：** 正向[13] 4. **因子名称：** 6日成交金额的标准差；**因子方向：** 负向[13] 5. **因子名称：** 单季度营业利润同比增长率；**因子方向：** 正向[13] 6. **因子名称：** 单季度ROE同比；**因子方向：** 正向[13] 7. **因子名称：** 单季度净利润同比增长率；**因子方向：** 正向[13] 8. **因子名称：** 毛利率TTM；**因子方向：** 正向[13] 9. **因子名称：** 单季度ROA同比；**因子方向：** 正向[13] 10. **因子名称：** 单季度EPS；**因子方向：** 正向[13] 11. **因子名称：** 净利润断层；**因子方向：** 正向[13] 12. **因子名称：** 早盘后收益因子；**因子方向：** 负向[13] 13. **因子名称：** 5日反转；**因子方向：** 负向[13] 14. **因子名称：** 6日成交金额的移动平均值；**因子方向：** 负向[13] 15. **因子名称：** 动量调整小单；**因子方向：** 负向[13] 16. **因子名称：** 早盘收益因子；**因子方向：** 正向[13] 17. **因子名称：** ROIC增强因子；**因子方向：** 正向[13] 18. **因子名称：** EPTTM分位点；**因子方向：** 正向[13] 19. **因子名称：** 标准化预期外收入；**因子方向：** 正向[13] 20. **因子名称：** 市盈率TTM倒数；**因子方向：** 正向[13] 21. **因子名称：** 动量弹簧因子；**因子方向：** 正向[13] 22. **因子名称：** 营业利润率TTM；**因子方向：** 正向[13] 23. **因子名称：** 5分钟收益率偏度；**因子方向：** 负向[13] 24. **因子名称：** 净利润率TTM；**因子方向：** 正向[13] 25. **因子名称：** 总资产增长率；**因子方向：** 正向[13] 26. **因子名称：** 5日成交量的标准差；**因子方向：** 负向[13] 27. **因子名称：** 总资产毛利率TTM；**因子方向：** 正向[13] 28. **因子名称：** 市盈率因子；**因子方向：** 正向[13] 29. **因子名称：** 经营现金流比率；**因子方向：** 正向[13] 30. **因子名称：** 市销率TTM倒数；**因子方向：** 正向[13] 31. **因子名称：** 市净率因子；**因子方向：** 正向[13] 32. **因子名称：** 单季度总资产毛利率；**因子方向：** 正向[13] 33. **因子名称：** 下行波动率占比；**因子方向：** 负向[13] 34. **因子名称：** 小单净流入；**因子方向：** 负向[13] 35. **因子名称：** 单季度ROE；**因子方向：** 正向[13] 36. **因子名称：** 标准化预期外盈利；**因子方向：** 正向[13] 37. **因子名称：** 对数市值因子；**因子方向：** 负向[13] 38. **因子名称：** 单季度ROA；**因子方向：** 正向[13] 39. **因子名称：** 日内波动率与成交金额的相关性；**因子方向：** 负向[13] 40. **因子名称：** 大单净流入；**因子方向：** 正向[13] 41. **因子名称：** 成交量的5日指数移动平均；**因子方向：** 负向[13] 42. **因子名称：** 动量调整大单；**因子方向：** 正向[13] 43. **因子名称：** ROA稳定性；**因子方向：** 正向[13] 44. **因子名称：** ROE稳定性；**因子方向：** 正向[13] 45. **因子名称：** 净资产增长率因子；**因子方向：** 未明确[22] 46. **因子名称：** 净利润增长率因子；**因子方向：** 未明确[22] 47. **因子名称：** 每股净资产因子；**因子方向：** 未明确[22] 48. **因子名称：** 每股经营利润TTM因子；**因子方向：** 未明确[22] 49. **因子名称：** 5日动量因子；**因子方向：** 未明确[22] 50. **因子名称：** 1月动量因子；**因子方向：** 未明确[22] 51. **因子名称：** BP因子；**因子方向：** 未明确[22] 52. **因子名称：** EP因子；**因子方向：** 未明确[22] 53. **因子名称：** 残差波动率因子；**因子方向：** 未明确[22] 54. **因子名称：** 流动性因子；**因子方向：** 未明确[22] 55. **大类因子名称：** Beta因子；**因子方向：** 未明确[20] 56. **大类因子名称：** 残差波动率因子；**因子方向：** 未明确[20] 57. **大类因子名称：** 规模因子；**因子方向：** 未明确[20] 58. **大类因子名称：** 动量因子；**因子方向：** 未明确[20] 因子的回测效果 （注：以下为报告中提及的近期（2026.01.05-2026.01.09）因子表现，收益为剔除行业与市值影响后多头组合相对于基准指数的超额收益[12]。不同股票池的因子表现数据分别列出。） 沪深300股票池因子表现[12][13] 1. **5日平均换手率因子，** 最近1周收益： 4.90% 2. **换手率相对波动率因子，** 最近1周收益： 4.59% 3. **单季度营业收入同比增长率因子，** 最近1周收益： 3.92% 4. **动量调整大单因子，** 最近1周收益： -1.11% 5. **ROA稳定性因子，** 最近1周收益： -1.15% 6. **ROE稳定性因子，** 最近1周收益： -1.43% 中证500股票池因子表现[14][15] 1. **毛利率TTM因子，** 最近1周收益： 1.29% 2. **单季度净利润同比增长率因子，** 最近1周收益： 1.09% 3. **总资产增长率因子，** 最近1周收益： 0.81% 4. **市净率因子，** 最近1周收益： -3.51% 5. **市盈率TTM倒数因子，** 最近1周收益： -4.06% 6. **市盈率因子，** 最近1周收益： -4.69% 流动性1500股票池因子表现[18][19] 1. **毛利率TTM因子，** 最近1周收益： 2.17% 2. **单季度营业收入同比增长率因子，** 最近1周收益： 2.14% 3. **单季度营业利润同比增长率因子，** 最近1周收益： 1.85% 4. **日内波动率与成交金额的相关性因子，** 最近1周收益： -2.64% 5. **市盈率因子，** 最近1周收益： -3.01% 6. **市盈率TTM倒数因子，** 最近1周收益： -3.18% 全市场股票池大类因子表现[20] 1. **Beta因子，** 本周收益： 1.07% 2. **残差波动率因子，** 本周收益： 1.02% 3. **规模因子，** 本周收益： 0.59% 4. **动量因子，** 本周收益： -1.08%

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相对于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。当价格创出新高时，该因子值为0，表明趋势强劲；值越大，表明从高点回落越多，趋势可能转弱[11]。 * **因子具体构建过程**：对于每个标的（个股、指数或行业指数），计算其最新收盘价与过去250个交易日（约一年）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，\(Closet\) 为最新收盘价，\(ts\_max(Close, 250)\) 为过去250个交易日收盘价的最大值[11]。 2. **模型名称：平稳创新高股票筛选模型**[26][28] * **模型构建思路**：该模型旨在从近期创出新高的股票中，进一步筛选出价格路径相对平滑、趋势延续性好的“平稳创新高”股票。其理论基础在于研究表明，遵循平滑价格路径的高动量股收益可能优于遵循跳跃价格路径的高动量股[26]。 * **模型具体构建过程**：模型采用多步骤筛选法，具体流程如下： 1. **初选股票池**：筛选出上市满15个月，且在过去20个交易日内创出过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[28]。 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%[28]。 4. **股价平稳性综合打分**：在满足上述条件的股票池内，使用以下两个指标进行综合打分，并选取排名在前50%的股票[28]： * **价格路径平滑性**：使用“股价位移路程比”指标。该指标计算公式为：过去120日涨跌幅的绝对值 / 过去120日日涨跌幅绝对值的加总。该比值越接近1，表明价格路径越平滑（位移接近路程，波动小）[26][28]。 * **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，表明在近期持续接近或创出新高的状态越稳定[28]。 5. **趋势延续性筛选**：计算过去5日的250日新高距离在时间序列上的均值，并最终选取该值排序最靠前的50只股票作为“平稳创新高股票”[28]。 模型的回测效果 *本报告为市场监测周报，主要展示截至特定日期的截面数据与筛选结果，未提供模型或因子在历史时间序列上的系统性回测绩效指标（如年化收益、夏普比率、信息比率IR、最大回撤等）。* 因子的回测效果 *本报告为市场监测周报，主要展示截至特定日期的截面数据与筛选结果，未提供模型或因子在历史时间序列上的系统性回测绩效指标（如IC值、IR、多空收益等）。* 模型与因子的具体测试结果取值（截至2026年1月9日截面数据） 1. **250日新高距离因子取值**： * **主要宽基指数**：上证指数 0.00%，深证成指 0.00%，沪深300 0.66%，中证500 0.00%，中证1000 0.00%，中证2000 0.00%，创业板指 0.06%，科创50 4.10%[12]。 * **中信一级行业指数（距离新高较近）**：家电 0.00%，国防军工 0.00%，有色金属 0.00%，传媒 0.00%，电子 0.00%[13]。 * **概念指数（距离新高较近）**：新能源汽车、华为平台、互联网、金属非金属、电子设备和仪器、半导体、工程机械等概念指数距离250日新高较近[16]。 2. **平稳创新高股票筛选模型输出结果**： * 本周（2026年1月9日）从全市场筛选出**50只**平稳创新高股票，例如源杰科技、亚翔集成、信维通信等[29]。 * **板块分布**：周期板块（22只）、科技板块（14只）入选数量最多[29]。周期板块中创新高最多的是有色金属行业；科技板块中创新高最多的是电子行业[29]。 * **全市场创新高个股概况（模型初选池）**：共有911只股票在过去20个交易日创出250日新高[20]。 * **创新高个股数量最多的行业**：机械（141只）、电子（101只）、基础化工（98只）[20]。 * **创新高个股数量占比最高的行业**：国防军工（48.36%）、有色金属（43.09%）、石油石化（32.00%）[20]。 * **主要指数内创新高个股占比**：中证2000（16.80%）、中证1000（17.30%）、中证500（24.80%）、沪深300（20.00%）、创业板指（22.00%）、科创50（14.00%）[21]。

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[4][19] **模型构建思路**：基于基金净值、持仓披露、调研行为等市场公开信息，对公募基金的持仓进行实时测算，以监控其对各板块的配置变化[4][19] **模型具体构建过程**：报告未详细描述该模型的构建过程，仅提及它是一个复杂的处理流程，具体方法可参考开源金融工程团队专题报告《偏股混合型基金指数（885001.WI）：优势、复制与超越》[19] 2. **模型名称**：雪球大V用户选股行为模型[29] **模型构建思路**：通过追踪雪球平台上粉丝数量较多的“大V”用户对上市公司的关注和讨论行为，挖掘其投资观点和行为中蕴含的信息量，以构建选股因子[29] **模型具体构建过程**：报告未详细描述该模型的构建过程，具体方法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》[29] 3. **模型名称**：龙虎榜机构行为模型[33] **模型构建思路**：利用交易所每日披露的龙虎榜数据，分析最活跃营业部的交易动向，以捕捉市场上热点资金的流向和机构行为信号[33] **模型具体构建过程**：报告未详细描述该模型的构建过程，具体方法可参考开源金融工程团队专题报告《机构行为alpha的细分结构：龙虎榜、机构调研、大宗交易》[33] 4. **模型名称**：高频股东户数信息模型[36] **模型构建思路**：基于交易所互动平台提供的高频股东户数数据，研究股东户数的变动所隐含的关于后续股价走势的信息[36] **模型具体构建过程**：报告未详细描述该模型的构建过程，具体方法可参考开源金融工程团队专题报告《高频股东数据的隐含信息量》[36] 量化因子与构建方式 1. **因子名称**：ETF资金持仓占比[4][23] **因子构建思路**：通过计算ETF基金持有的某板块股票市值占该板块流通市值的比重，来监测通过ETF渠道流入或流出该板块的资金动向[4][23] **因子具体构建过程**：报告未给出具体的计算公式，但描述了其核心计算逻辑。首先，汇总所有ETF基金对脑机接口板块成分股的持仓市值。然后，计算该持仓总值占脑机接口板块总流通市值的比例。报告中展示的是该比例的5日移动平均（MA5）序列[23][25] **因子评价**：ETF持仓动态已成为观察市场资金动向的重要窗口[23] 2. **因子名称**：两融余额（融资余额）[4][23] **因子构建思路**：直接使用融资融券交易中未偿还的融资总金额作为因子，用以衡量投资者通过杠杆资金看多后市的情绪强弱[4][23] **因子具体构建过程**：直接获取脑机接口板块成分股的融资余额总和，作为该板块的融资余额因子值[23][26] 3. **因子名称**：机构调研热度[5][27] **因子构建思路**：以上市公司接受机构调研的次数作为因子，衡量机构投资者对该公司的关注度[5][27] **因子具体构建过程**：统计指定时间窗口内（报告中为近三个月），各公司接受机构调研的总次数，次数越多表示热度越高[27][28] 4. **因子名称**：雪球大V关注度[5][29] **因子构建思路**：统计雪球平台上粉丝数量较多的“大V”用户对某家上市公司的关注数量，作为反映市场情绪和关注度的因子[5][29] **因子具体构建过程**：在指定时间窗口内（报告中为2025年12月20日以来），统计关注了某家公司的雪球大V用户数量，数量越多表示关注度越高[29][31] 5. **因子名称**：主力资金净流入[5][30] **因子构建思路**：将大单和超大单的净流入金额加总，作为主力资金动向的代理变量，用以捕捉大额资金的流向[5][30] **因子具体构建过程**：首先定义大单（挂单金额20-100万元）和超大单（挂单金额>100万元）。然后，在指定时间窗口内（报告中为2025年12月20日以来），计算个股每日大单与超大单的净买入金额（买入额-卖出额）之和，再在整个时间窗口内进行累计，得到主力资金净流入因子值[30][32] 6. **因子名称**：龙虎榜营业部资金净流入[5][33] **因子构建思路**：利用龙虎榜披露的营业部交易数据，计算上榜营业部的资金净流入，以反映最活跃资金对个股的短期交易态度[5][33] **因子具体构建过程**：对于出现在龙虎榜上的个股，提取其“营业部资金净流入”数据。该数据反映了当日上榜的所有营业部的总买入金额与总卖出金额之差。报告展示了多只个股在特定时间段内上榜时的该数据[33][34] 7. **因子名称**：高频股东户数增幅[5][36] **因子构建思路**：计算上市公司最新两期股东户数的变动比例，股东户数大幅增加可能意味着筹码分散，对后续股价构成潜在风险[5][36] **因子具体构建过程**：获取上市公司最新一期和上一期的股东户数。计算其变动比例，公式如下： $$股东户数增幅 = \frac{最新股东户数 - 上期股东户数}{上期股东户数} \times 100\%$$ 增幅越大，表示股东户数增加越快[36][37] 模型的回测效果 （报告未提供所述模型的量化回测效果指标，如年化收益率、夏普比率、最大回撤、信息比率（IR）等） 因子的回测效果 （报告未提供所述因子的量化回测效果指标，如IC值、ICIR、因子多空组合收益等）