量化模型与构建方式 1. **模型名称：上涨家数占比情绪指标** - **模型构建思路**：通过计算指数成分股的近期正收益个数来判断市场情绪，强势股的持续上行能为整个板块带来机会[12] - **模型具体构建过程**： 1. 计算沪深300指数N日上涨家数占比： $$沪深300指数N日上涨家数占比 = \frac{沪深300指数成分股过去N日收益大于0的个股数}{成分股总数}$$ 2. 当指标高于70%时，市场情绪较高；低于阈值时可能预示风险[12] - **模型评价**：能较快捕捉上涨机会，但对下跌市场的判断存在缺陷，可能错失持续亢奋阶段的收益[12] 2. **模型名称：动量情绪指标择时策略** - **模型构建思路**：通过双重平滑处理上涨家数占比指标，捕捉短期与长期情绪趋势差异[13][15] - **模型具体构建过程**： 1. 对沪深300指数N日上涨家数占比分别计算窗口期为N1（慢线）和N2（快线）的移动平均，其中N1=230，N2=35[13] 2. 当快线>慢线时看多市场，反之持谨慎观点[15] - **模型评价**：快线慢线同步向上时能有效维持看多信号[16] 3. **模型名称：均线情绪指标** - **模型构建思路**：基于八均线体系划分趋势状态，通过价格与均线关系判断情绪区间[20][26] - **模型具体构建过程**： 1. 计算沪深300收盘价的8条均线（参数：8,13,21,34,55,89,144,233）[20] 2. 统计当日收盘价大于均线的数量，超过5条时看多[26] - **模型评价**：指标值与涨跌变化规律清晰，适用于短期情绪判断[20] 4. **模型名称：PB-ROE-50策略** - **模型构建思路**：结合PB-ROE定价模型与超预期因子（SUE、ROE同比增长）挖掘预期差股票[31] - **模型具体构建过程**： 1. 基于Wilcox（1984）模型筛选低PB高ROE股票 2. 通过SUE因子增强选股，最终构建50只股票组合[31] - **模型评价**：在中证800和全市场股票池中超额收益显著[31] 5. **模型名称：机构调研策略** - **模型构建思路**：利用公募/私募调研数据挖掘alpha，结合调研次数与股价相对表现选股[39] - **模型具体构建过程**： 1. 公募调研选股：筛选被调研次数多且调研前相对基准涨幅低的股票 2. 私募跟踪策略：聚焦知名私募调研标的[39] --- 量化因子与构建方式 1. **因子名称：有息负债率** - **因子构建思路**：衡量企业偿债压力，高值预示流动性风险[44] - **因子具体构建过程**： 1. 传统口径：$$传统有息负债率 = \frac{短期借款+长期借款+应付债券}{总资产}$$ 2. 宽松口径增加其他流动负债等科目[44] 2. **因子名称：财务成本负担率** - **因子构建思路**：从利润表角度量化企业还息压力[48] - **因子具体构建过程**： $$财务成本负担率 = \frac{利息费用}{息税前利润}$$ 数值>10倍表明财务风险极高[48] --- 模型的回测效果 1. **PB-ROE-50模型** - 中证500超额收益：0.59%（上月），3.62%（今年以来）[35] - 中证800超额收益：2.91%（上月），9.73%（今年以来）[35] - 全市场超额收益：2.34%（上月），10.36%（今年以来）[35] 2. **机构调研模型** - 公募调研选股IR：3.66%（上月），7.03%（今年以来）[42] - 私募跟踪策略IR：5.58%（上月），18.00%（今年以来）[42] --- 因子的回测效果 1. **有息负债率因子** - 宽松口径下前30名股票负债率均>44%，传统口径排名差异显著（如中毅达传统排名4732）[45] 2. **财务成本负担率因子** - 头部股票数值极高（辽宁成大为241084倍，银宝山新2314倍）[49]

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）两个核心财务指标，筛选出估值合理且盈利能力强的股票[25] - **模型具体构建过程**： 1. 从中证800股票池中筛选股票 2. 计算每只股票的PB和ROE值 3. 按PB从低到高、ROE从高到低排序 4. 选取排名前50的股票构建组合[25] - **模型评价**：该组合在中证800股票池中表现优异，超额收益显著[25] 2. **模型名称：机构调研组合** - **模型构建思路**：跟踪公募和私募机构的调研行为，选取被频繁调研的股票[28] - **模型具体构建过程**： 1. 统计机构调研数据 2. 筛选近期被密集调研的股票 3. 分为公募调研选股和私募调研跟踪两个子策略[28] - **模型评价**：近期表现不佳，获取负超额收益[28] 3. **模型名称：大宗交易组合** - **模型构建思路**：基于"高成交、低波动"原则，筛选大宗交易中具有超额收益潜力的股票[32] - **模型具体构建过程**： 1. 计算"大宗交易成交金额比率" 2. 计算"6日成交金额波动率" 3. 选择成交金额比率高且波动率低的股票 4. 月频调仓[32] - **模型评价**：长期表现优异，今年以来超额收益率达28.91%[33] 4. **模型名称：定向增发组合** - **模型构建思路**：利用定向增发事件效应，筛选具有投资价值的股票[38] - **模型具体构建过程**： 1. 以股东大会公告日为时间节点 2. 综合考虑市值因素 3. 控制调仓周期和仓位[38] - **模型评价**：在再融资政策收紧背景下仍保持较好表现[38] 模型的回测效果 1. **PB-ROE-50组合** - 中证500超额收益：0.62%（本周），3.61%（今年以来）[26] - 中证800超额收益：2.14%（本周），9.77%（今年以来）[26] - 全市场超额收益：0.76%（本周），10.18%（今年以来）[26] 2. **机构调研组合** - 公募调研选股：-0.67%（本周），6.65%（今年以来）[29] - 私募调研跟踪：-0.55%（本周），17.80%（今年以来）[29] 3. **大宗交易组合** - 超额收益：0.75%（本周），28.91%（今年以来）[33] 4. **定向增发组合** - 超额收益：1.55%（本周），9.32%（今年以来）[39] 量化因子与构建方式 1. **大类因子** - beta因子：本周收益0.73%[20] - 残差波动率因子：本周收益0.60%[20] - 规模因子：本周收益-0.51%[20] - 非线性市值因子：本周收益-0.40%[20] 2. **单因子表现（沪深300股票池）** - 表现最好： - 总资产毛利率TTM：2.64%[12] - 单季度总资产毛利率：2.37%[12] - 单季度ROA：2.28%[12] - 表现最差： - 标准化预期外盈利：-0.86%[12] - 5日成交量的标准差：-1.00%[12] - 动量调整小单：-1.10%[12] 3. **单因子表现（中证500股票池）** - 表现最好： - 单季度总资产毛利率：1.39%[14] - 5日反转：1.17%[14] - 总资产毛利率TTM：0.95%[14] - 表现最差： - 动量调整大单：-0.87%[14] - 日内波动率与成交金额的相关性：-1.31%[14] - 下行波动率占比：-1.48%[14] 4. **单因子表现（流动性1500股票池）** - 表现最好： - 总资产毛利率TTM：1.35%[18] - 单季度总资产毛利率：1.27%[18] - 单季度营业收入同比增长率：0.93%[18] - 表现最差： - 成交量的5日指数移动平均：-1.45%[18] - 5日成交量的标准差：-1.53%[18] - 下行波动率占比：-1.58%[18] 5. **行业内因子表现** - 净资产增长率因子：在传媒、通信行业正收益明显[23] - 净利润增长率因子：在家用电器、纺织服装、传媒行业表现较好[23] - 每股净资产因子：在通信、计算机行业表现较好[23] - 5日动量因子：在休闲服务、食品饮料行业动量效应明显[23] - BP因子：在美容护理行业表现较好[23] - EP因子：在综合行业表现较好[23] 因子的回测效果 1. **沪深300股票池因子** - 总资产毛利率TTM：最近1周2.64%，最近1个月2.18%[13] - 单季度总资产毛利率：最近1周2.37%，最近1个月2.16%[13] - 单季度ROA：最近1周2.28%，最近1个月5.83%[13] 2. **中证500股票池因子** - 单季度总资产毛利率：最近1周1.39%，最近1个月0.96%[15] - 5日反转：最近1周1.17%，最近1个月3.43%[15] - 总资产毛利率TTM：最近1周0.95%，最近1个月0.42%[15] 3. **流动性1500股票池因子** - 总资产毛利率TTM：最近1周1.35%，最近1个月0.23%[19] - 单季度总资产毛利率：最近1周1.27%，最近1个月-0.15%[19] - 单季度营业收入同比增长率：最近1周0.93%，最近1个月0.62%[19] 4. **行业内因子** - 每股经营利润TTM因子：在通信、综合行业正收益明显[24] - 1月动量因子：在休闲服务、食品饮料行业动量效应明显[24] - 对数市值因子：在综合行业表现较好[24] - 残差波动率因子：在国防军工、建筑材料行业表现较好[24] - 流动性因子：在建筑材料、医药生物行业正收益明显[24]

根据研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称：股指期货分红点位预测模型** - **模型构建思路**：基于历史数据和成分股分红信息，预测股指期货合约存续期内标的指数的分红点位[9][12][17][19] - **模型具体构建过程**： 1. 对中证500、沪深300、上证50、中证1000指数未来一年分红点位进行预测 2. 计算各合约存续期内分红点位占比 3. 公式： $$年化基差 = (实际基差 + 预期分红点位)/指数价格 \times 360/合约剩余天数$$ 4. 示例：中证500指数在IC2512合约存续期内分红点位预估为4.82，占比0.08%[9] 2. **模型名称：期现对冲策略（连续对冲/最低贴水）** - **模型构建思路**：利用股指期货基差收敛特性优化对冲效果[46][47][48] - **模型具体构建过程**： - **连续对冲策略**： 1. 现货端持有全收益指数，期货端做空等额名义本金合约 2. 调仓规则：持有季月/当月合约至到期前2日切换 - **最低贴水策略**： 1. 每日计算所有可交易合约年化基差 2. 选择贴水幅度最小的合约开仓，持有8个交易日或到期前2日切换[48] 3. **模型名称：Cinda-VIX/SKEW指数** - **模型构建思路**：反映期权市场对标的资产波动率和尾部风险的预期[64][72] - **模型具体构建过程**： 1. 调整海外VIX/SKEW算法适应国内期权市场 2. 计算不同期限（30/60/90/120日）隐含波动率偏斜特征 3. SKEW公式： $$SKEW = 100 + 10 \times (虚值看跌期权IV - 虚值看涨期权IV)$$[72] --- 模型的回测效果 | 模型名称 | 年化收益 | 波动率 | 最大回撤 | 净值 | 年换手次数 | |-------------------------|------------|--------|----------|----------|------------| | IC季月连续对冲 | -1.90% | 4.73% | -8.34% | 0.9440 | 4 |[50]| | IF最低贴水策略 | 1.38% | 3.11% | -4.06% | 1.0420 | 15.27 |[55]| | IH季月连续对冲 | 2.00% | 3.51% | -3.75% | 1.0615 | 4 |[59]| | IM最低贴水策略 | -3.84% | 5.57% | -11.11% | 0.8852 | 15.91 |[61]| --- 量化因子与构建方式 1. **因子名称：年化基差因子** - **因子构建思路**：反映期货合约相对现货的溢价/折价水平[21] - **因子具体构建过程**： 1. 计算实际基差：合约收盘价 - 指数收盘价 2. 叠加预期分红调整： $$调整后基差 = 实际基差 + 存续期内未实现分红$$ 3. 年化处理： $$年化基差 = 调整后基差/指数价格 \times 360/剩余天数$$[21] 2. **因子名称：SKEW因子** - **因子构建思路**：衡量市场对尾部风险的担忧程度[72][73] - **因子具体构建过程**： 1. 提取不同行权价期权的隐含波动率(IV) 2. 计算虚值看跌与看涨期权的IV差值 3. 标准化处理：SKEW>100表示担忧尾部风险[73] --- 因子的回测效果 | 因子名称 | 当前值 | 历史分位 | |----------------|--------------|------------| | 沪深300SKEW | 106.06点 | >97%分位 |[73]| | 中证1000SKEW | 110.41点 | >97%分位 |[73]| | 中证500VIX | 23.22 | - |[64]| | IC年化基差 | -10.33% | 低于中位数 |[22]|

根据提供的研报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. **模型名称**：打新收益测算模型 **模型构建思路**：通过假设账户参与所有新股的打新，计算单账户的个股打新收益情况，并按照新股上市日期统计月度、季度、年度数据[40] **模型具体构建过程**： - 单账户个股打新收益计算公式： $$单账户个股打新收益 = min（账户规模，申购上限） \times 中签率 \times 收益率$$ - A/B/C类投资者打满收益计算公式： $$A/B/C类投资者打满收益 = 申购上限 \times A/B/C类网下中签率 \times 收益率$$ 其中： - 中签率考虑个股网下打新实际中签结果 - 收益率方面，对于科创板和创业板上市的新股以及全面注册制下主板上市新股，采用上市首日成交均价相对发行价的涨跌幅；非注册制下主板上市新股采用开板当日成交均价相对于发行价的涨跌幅[40] 2. **模型名称**：基金产品打新表现模型 **模型构建思路**：计算基金产品的打新参与度与报价入围率，并根据其实际参与和获配的新股股数测算基金产品的打新收益[57] **模型具体构建过程**： - 参与度计算公式： $$参与度 = \frac{参与报价新股数}{网下询价发行新股总数}$$ - 报价入围率计算公式： $$报价入围率 = \frac{有效报价个数}{参与报价新股数}$$ - 以最新基金季报公布的基金产品规模为基准计算基金产品的打新收益率[57] 模型的回测效果 1. **打新收益测算模型** - 2025年7月，5亿规模账户主板打新收益率：A类0.159%、C类0.141%[41] - 创业板打新收益率：A类0.035%、C类0.034%[41] - 科创板打新收益率：A类0.064%、C类0.063%[41] - 2025年7月，A类账户5亿规模账户当月打新收益率约为0.257%，2025年累计收益1.000%；C类账户5亿规模账户当月打新收益率约为0.238%，2025年累计收益0.908%[47] 2. **基金产品打新表现模型** - 2025年7月，打新参与度>=90%、报价入围率>=85%、且最新基金季报披露规模在2-5亿的基金产品中，估算收益率较高的20只基金，如中欧沪深300指数A估算收益率为0.337%[58] 量化因子与构建方式 1. **因子名称**：中签率因子 **因子构建思路**：反映网下打新实际中签结果[40] **因子具体构建过程**：直接采用个股网下打新实际中签结果[40] 2. **因子名称**：收益率因子 **因子构建思路**：反映新股上市后的涨跌幅[40] **因子具体构建过程**： - 对于科创板和创业板上市的新股以及全面注册制下主板上市新股，采用上市首日成交均价相对发行价的涨跌幅 - 非注册制下主板上市新股采用开板当日成交均价相对于发行价的涨跌幅[40] 因子的回测效果 1. **中签率因子** - 2025年7月，主板网下中签率：A类0.12‰、C类0.12‰[22] - 双创板块网下中签率：A类0.33‰、C类0.33‰[22] 2. **收益率因子** - 2025年7月，主板新股上市首日平均涨幅为276.29%[22] - 双创板块新股上市首日平均涨幅为265.28%[22]

量化模型与构建方式 1. **模型名称**：国信金工指数增强组合 - **模型构建思路**：以多因子选股为主体，分别构建对标沪深300、中证500、中证1000及中证A500指数的增强组合，通过收益预测、风险控制和组合优化三部分实现稳定超额收益[9][10] - **模型具体构建过程**： 1. **收益预测**：基于30余个因子（估值、反转、成长等）构建复合信号 2. **风险控制**：约束行业暴露、风格暴露（如市值中性）、个股权重偏离（最大1%）[38][39] 3. **组合优化**：采用目标函数最大化因子暴露，约束条件包括： $$ \begin{array}{ll} max & f^{T}w \\ s.t. & s_{l} \leq X(w-w_{b}) \leq s_{h} \\ & h_{l} \leq H(w-w_{b}) \leq h_{h} \\ & w_{l} \leq w-w_{b} \leq w_{h} \\ & b_{l} \leq B_{b}w \leq b_{h} \\ & \mathbf{0} \leq w \leq l \\ & \mathbf{1}^{T}w = 1 \end{array} $$ 其中$f$为因子向量，$w$为权重，$X$为风格暴露矩阵，$H$为行业暴露矩阵[38][39] 量化因子与构建方式 1. **因子名称**：单季ROA - **构建思路**：衡量企业单季度总资产收益率，反映短期盈利能力[15] - **具体构建**： $$ \text{单季ROA} = \frac{\text{单季度归母净利润} \times 2}{\text{期初总资产 + 期末总资产}} $$ - **因子评价**：在沪深300和中证A500中近期表现突出，稳定性较高[17][23] 2. **因子名称**：标准化预期外收入（SUR） - **构建思路**：衡量实际收入与预期收入的偏离程度[15] - **具体构建**： $$ SUR = \frac{\text{单季度实际营业收入 - 预期营业收入}}{\text{预期营业收入标准差}} $$ - **因子评价**：在中证500和中证1000中近期有效性显著[19][21] 3. **因子名称**：DELTAROA - **构建思路**：反映企业盈利能力同比改善[15] - **具体构建**： $$ DELTAROA = \text{当期单季ROA} - \text{去年同期单季ROA} $$ - **因子评价**：在公募重仓指数中持续有效[25] 4. **因子名称**：三个月反转 - **构建思路**：捕捉短期价格反转效应[15] - **具体构建**： $$ \text{三个月反转} = -\text{过去60交易日涨跌幅} $$ - **因子评价**：近期在沪深300和中证1000中表现较差[17][21] 模型回测效果 1. **国信金工指数增强组合**： - 沪深300增强：本周超额0.47%，本年9.69%[12] - 中证500增强：本周超额0.92%，本年10.86%[12] - 中证1000增强：本周超额0.08%，本年15.70%[12] - 中证A500增强：本周超额1.00%，本年10.95%[12] 2. **公募指数增强产品**： - 沪深300增强：中位数本周0.13%，本年2.94%[30] - 中证500增强：中位数本周0.16%，本年4.27%[32] - 中证1000增强：中位数本周0.21%，本年7.21%[34] 因子回测效果 1. **沪深300样本空间**： - 单季ROA：本周1.09%，年化IR 3.43%[17] - 标准化预期外收入：本周0.73%，年化IR 4.58%[17] - 三个月反转：本周-0.53%，年化IR 1.13%[17] 2. **中证1000样本空间**： - 标准化预期外盈利：本周1.00%，年化IR 8.89%[21] - 一个月波动：本周-1.14%，年化IR 2.44%[21] 3. **公募重仓样本空间**： - DELTAROA：本周1.12%，年化IR 4.03%[25] - 预期PEG：本周0.94%，年化IR 1.72%[25] 注：所有因子测试均通过MFE组合构建，控制行业/风格中性[38][39]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称：港股精选组合** - **构建思路**：基于分析师推荐事件（上调盈利预测、首次关注、研报标题超预期）构建股票池，再通过基本面和技术面双重筛选选出超预期股票[13][14] - **具体构建过程**： 1. 事件筛选：捕捉分析师上调盈利预测、首次覆盖、标题含"超预期"的研报事件 2. 基本面筛选：从事件池中选取盈利增速、ROE等指标优于行业的股票 3. 技术面筛选：结合股价动量（如250日涨跌幅前20%）和路径平滑性（位移路程比）[14][22] - **模型评价**：长期超额收益显著，但对市场波动敏感（如2023年超额收益仅0.25%）[18] 2. **因子名称：平稳创新高因子** - **构建思路**：筛选股价创250日新高且趋势稳定的股票，结合分析师关注度与价格路径特征[19][21] - **具体构建过程**： 1. 基础筛选：过去20个交易日内创250日新高，且上市时间>15个月[22] 2. 分析师关注度：过去6个月买入/增持研报≥5份[22] 3. 价格路径指标： - 位移路程比 = $$1-\frac{\sum_{t=1}^{120}|r_t|}{\sqrt{\sum_{t=1}^{120}r_t^2}}$$ （r_t为日收益率）[22] - 250日新高距离均值 = $$\frac{1}{120}\sum_{t=1}^{120}(1-\frac{Close_t}{MaxClose_{250}})$$ [21] 4. 综合排序：对上述指标标准化后加权打分，取前50名[22] 回测效果 1. **港股精选组合** - 年化收益19.11%，超额收益18.48%（vs恒生指数）[14] - 信息比率(IR)1.22，最大回撤23.73%[18] - 2025年超额收益24.56%（绝对收益46.74%）[16] 2. **平稳创新高因子** - 入选股票平均250日涨跌幅176.3%（医药板块最高达615.9%）[27] - 创新高后20日平均收益12.7%（科技板块最高38.5%）[27] 关键指标说明 - **250日新高距离**：$$1-\frac{Close_t}{ts\_max(Close,250)}$$ [21] - **位移路程比**：衡量价格路径平滑性，越接近1趋势越稳定[22] 注：报告中未提供平稳创新高因子的多空回测指标（如IC、IR），仅展示了个股筛选结果[27]

根据提供的金融工程日报内容，以下是量化模型与因子的总结： 量化因子与构建方式 1. **因子名称：封板率因子** - 构建思路：通过统计涨停股票在盘中最高价涨停且收盘仍涨停的比例，反映市场情绪强度[17] - 具体构建过程： $$封板率=\frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$ 筛选上市满3个月的股票，计算当日满足条件的股票比例[17] - 因子评价：高频情绪指标，对短期动量策略有参考价值 2. **因子名称：连板率因子** - 构建思路：衡量涨停股票的持续性，反映市场追涨热情[17] - 具体构建过程： $$连板率=\frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$ 剔除ST股票和上市不足3个月的标的[17] 3. **因子名称：大宗交易折价率因子** - 构建思路：通过大宗交易成交价与市价的偏离度监测大资金动向[26] - 具体构建过程： $$折价率=\frac{大宗交易总成交金额}{当日成交份额的总市值}-1$$ 统计近半年日均成交金额作为流动性过滤条件[26] 4. **因子名称：股指期货贴水率因子** - 构建思路：利用期货与现货基差反映市场预期[28] - 具体构建过程： $$年化贴水率=\frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ 分别计算上证50、沪深300、中证500和中证1000主力合约数据[28] 因子回测效果 1. **封板率因子** - 当日取值：58%（较前日下降1%）[17] - 近一月分位数：未披露 2. **连板率因子** - 当日取值：25%（较前日提升0%）[17] - 近一月分位数：未披露 3. **大宗交易折价率因子** - 当日取值：4.93%[26] - 近半年均值：5.79%[26] 4. **股指期货贴水率因子** - 上证50：年化升水0.07%（60%分位）[28] - 沪深300：年化贴水4.46%（35%分位）[28] - 中证500：年化贴水12.55%（33%分位）[28] - 中证1000：年化贴水13.67%（37%分位）[28] 注：报告中未涉及完整量化模型构建，主要为市场监测类因子。龙虎榜机构席位因子因缺乏具体构建公式未列入[36][37]

量化因子与构建方式 1. **因子名称**："日与夜的殊途同归"新动量因子 - **因子构建思路**：基于日内与隔夜各自的价量关系，分别改进日内因子和隔夜因子，再重新合成新的动量因子[6][7] - **因子具体构建过程**： 1. 将交易时段切割为日与夜，分别计算日内和隔夜的价量关系 2. 对日内因子和隔夜因子进行改进，具体改进方法未详细说明[7] 3. 将改进后的日内因子和隔夜因子重新合成为新的动量因子[7] - **因子评价**：选股能力显著优于传统动量因子，稳定性较高[6][7] 因子的回测效果 1. **"日与夜的殊途同归"新动量因子**（2014/02-2025/07，全体A股剔除北交所股票） - 年化收益率：18.08%[1][14] - 年化波动率：8.75%[1][14] - 信息比率（IR）：2.07[1][14] - 月度胜率：77.54%[1][14] - 月度最大回撤率：9.07%[1][14] 2. **"日与夜的殊途同归"新动量因子**（2014/01/01-2022/07/31，全体A股） - IC均值：-0.045[1] - 年化ICIR：-2.59[1] - 10分组多空对冲年化收益率：22.64%[1] - 信息比率（IR）：2.85[1] - 月度胜率：83.33%[1] - 最大回撤率：5.79%[1] 3. **7月份表现**（2025年7月，全体A股剔除北交所股票） - 10分组多头组合收益率：4.75%[1][10] - 10分组空头组合收益率：4.40%[1][10] - 10分组多空对冲收益率：0.35%[1][10] 对比传统动量因子 - 传统动量因子（2014/01/01-2022/07/31，全体A股） - 10分组多空对冲信息比率（IR）：1.09[6] - 月度胜率：62.75%[6] - 最大回撤：20.35%[6]

根据提供的研报内容，以下是量化模型与因子的详细总结： 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** - **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，对公募基金持仓进行实时测算[20] - **模型具体构建过程**：通过复杂的数据处理流程，整合基金净值变化、定期报告披露的持仓数据以及上市公司调研记录，动态估算公募基金对特定板块（如PCB）的配置仓位[20] - **模型评价**：能够及时捕捉机构资金动向，但依赖公开数据的时效性和完整性 2. **模型名称：ETF资金持仓动态模型** - **模型构建思路**：通过监测ETF产品规模变化及持仓结构，分析资金对特定板块的配置偏好[21] - **模型具体构建过程**：计算ETF持仓占板块市值的比重（MA5平滑处理），公式为： $$ \text{ETF持仓占比} = \frac{\sum \text{ETF持有PCB成分股市值}}{\text{PCB板块总市值}} $$ 并对比历史分位数判断当前水平[23][24] 3. **模型名称：筹码收益模型** - **模型构建思路**：通过估算资金的历史持仓成本，衡量当前价格的赚钱效应[26] - **模型具体构建过程**： 1. 基于成交量与价格数据构建筹码分布曲线 2. 计算当前价格相对于筹码成本的收益率： $$ \text{筹码收益率} = \frac{\text{当前价格} - \text{平均持仓成本}}{\text{平均持仓成本}} \times 100\% $$ 3. 根据历史回测确定动量/反转效应的阈值[26][28] - **模型评价**：对市场情绪有较好的刻画能力，但需结合其他指标验证 4. **因子名称：主力资金净流入因子** - **因子构建思路**：通过大单交易数据捕捉主力资金动向[38] - **因子具体构建过程**： - 定义主力资金为大单（20-100万元）与超大单（>100万元）的加总 - 计算每日净流入额： $$ \text{主力净流入} = \sum \text{主力买入金额} - \sum \text{主力卖出金额} $$ - 滚动累计N日数据作为因子值[38] 5. **因子名称：龙虎榜营业部活跃度因子** - **因子构建思路**：利用龙虎榜公布的营业部交易数据识别资金热点[39] - **因子具体构建过程**： 1. 提取上榜个股的营业部成交总额与净流入额 2. 构建标准化指标： $$ \text{活跃度得分} = \frac{\text{营业部净流入}}{\text{个股流通市值}} \times 100 $$ 3. 结合上榜次数加权计算综合分值[39][40] 6. **因子名称：股东户数增幅因子** - **因子构建思路**：监测股东户数变化反映筹码分散度[41] - **因子具体构建过程**： $$ \text{增幅} = \frac{\text{最新股东户数} - \text{上期户数}}{\text{上期户数}} \times 100\% $$ 结合历史分位数判断异常波动[41][42] --- 模型的回测效果 1. **公募基金实时持仓模型** - PCB板块配置仓位2025年5月以来逐步企稳[20] 2. **ETF资金持仓模型** - PCB板块ETF持仓占比达2.6%，处于历史高位[23][24] 3. **筹码收益模型** - PCB指数当前赚钱效应22.95%[28] - 成分股中生益科技筹码收益最高（40.04%）[30] 4. **主力资金因子** - 深南电路主力净流入5.12亿元（7月16日以来）[38] 5. **龙虎榜因子** - 胜宏科技龙虎榜营业部单日成交45.3亿元[40] 6. **股东户数因子** - 世运电路股东户数增幅57.26%（2025年3月31日数据）[42] --- 其他量化指标 1. **两融余额指标** - PCB板块融资余额处于历史高位，融券余额较低[25][27] 2. **机构调研热度** - 大族激光2025年以来接受69次调研[32][34] 3. **雪球大V关注度** - 胜宏科技获37位大V关注[35][37] 注：所有数据统计截止2025年7月31日[14][17][31]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化因子与构建方式 1. **因子名称：250日新高距离** - **构建思路**：通过计算当前收盘价与过去250日最高价的相对距离，捕捉个股或指数的趋势强度[10] - **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日收盘价最大值[10] - **因子评价**：有效识别接近历史高点的标的，符合动量效应理论[10][18] 2. **因子名称：平稳创新高筛选因子** - **构建思路**：结合分析师关注度、股价路径平滑性等维度筛选具备持续动量的股票[24][27] - **具体构建过程**： - **分析师关注度**：过去3个月买入/增持评级研报≥5份[27] - **股价相对强弱**：过去250日涨跌幅全市场前20%[27] - **股价平稳性**： 1. 位移路程比（价格路径平滑性） 2. 过去120日250日新高距离的时序均值[24][27] - **趋势延续性**：过去5日250日新高距离的时序均值[27] - **因子评价**：综合多维特征过滤噪声，提升动量策略稳定性[24] --- 因子的回测效果 1. **250日新高距离因子** - **指数应用**： - 上证指数距离1.54%，深证成指4.38%，创业板指8.93%（截至20250801）[11][33] - 传媒、通信行业距离分别为0.00%、1.65%，食品饮料行业距离较远[12][33] - **个股应用**：全市场1239只股票过去20日创250日新高，医药/机械行业数量最多（192/169只）[19][34] 2. **平稳创新高筛选因子** - **选股结果**：50只标的通过筛选，如胜宏科技（250日涨幅382%）、博瑞医药（219%）[28][32] - **板块分布**：制造板块15只（机械行业为主），科技板块14只（电子行业为主）[28][34] --- 关键公式说明 - **位移路程比**：未明确给出公式，但原文强调其用于衡量价格路径平滑性[24] - **创新高持续性**：定义为过去120日250日新高距离的时序均值，具体计算公式未披露[27] 注：模型部分未在研报中提及，故未总结。