根据提供的金融工程日报内容，该报告主要描述了市场表现、情绪和资金流向等日常监测指标，并未涉及具体的量化模型或量化因子的构建、测试与评价。报告内容属于市场数据统计和描述性分析，而非量化策略或因子研究。 因此，本总结中“量化模型与构建方式”及“量化因子与构建方式”部分无相关内容。报告的核心内容为对特定日期的市场情况进行总结，以下将对其中的市场监测指标进行归纳。 市场监测指标与计算方式 **1 指标名称：封板率** - 指标构建思路：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例，来衡量涨停股票的封板强度[16] - 指标具体构建过程： - 首先，筛选出上市满3个月以上的股票[16] - 然后，找出在当日交易中最高价达到涨停价的股票集合 - 接着，在该集合中找出收盘价仍为涨停价的股票 - 最后，计算封板率，公式为： $$封板率 = \frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$ [16] - 指标测试结果取值：2025年11月11日封板率为67%，较前日提升3%[16] **2 指标名称：连板率** - 指标构建思路：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数量的比例，来衡量涨停行情的持续性[16] - 指标具体构建过程： - 首先，筛选出上市满3个月以上的股票[16] - 然后，确定昨日收盘涨停的股票集合 - 接着，在该集合中找出今日收盘再次涨停的股票 - 最后，计算连板率，公式为： $$连板率 = \frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$ [16] - 指标测试结果取值：2025年11月11日连板率为28%，较前日提升2%[16] **3 指标名称：大宗交易折价率** - 指标构建思路：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，来反映大额交易的折溢价情况[25] - 指标具体构建过程： - 获取当日所有大宗交易的成交数据，包括成交金额和成交数量[25] - 计算这些成交份额按当日收盘价（或成交均价）计算的总市值 - 计算折价率，公式为： $$折价率 = \frac{大宗交易总成交金额}{当日成交份额的总市值} - 1$$ [25] - 该公式计算结果为负值表示折价交易，为正值表示溢价交易[25] - 指标测试结果取值：近半年以来平均折价率为6.31%，2025年11月10日当日折价率为4.62%[25] **4 指标名称：股指期货年化贴水率** - 指标构建思路：将股指期货主力合约与现货指数之间的基差进行年化处理，以标准化衡量期货合约的贴水或升水程度，反映市场预期和对冲成本[27] - 指标具体构建过程： - 计算基差：基差 = 股指期货价格 - 现货指数价格[27] - 计算年化贴水率，公式为： $$年化贴水率 = \frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ [27] - 公式中，250通常作为一年的大致交易日数，用于年化计算[27] - 指标测试结果取值：近一年以来各股指期货主力合约年化贴水率中位数及2025年11月11日取值如下[27]： - 上证50股指期货：中位数0.36%，当日值0.48%，处于近一年47%分位点 - 沪深300股指期货：中位数3.16%，当日值4.87%，处于近一年31%分位点 - 中证500股指期货：中位数10.82%，当日值14.52%，处于近一年30%分位点 - 中证1000股指期货：中位数13.21%，当日值17.81%，处于近一年27%分位点 **5 指标名称：两融余额占比与两融交易占比** - 指标构建思路：通过计算两融余额占流通市值的比重以及两融交易额占市场总成交额的比重，来监测杠杆资金在市场中的规模和活跃度[21] - 指标具体构建过程： - 两融余额占比计算：获取当前市场的总流通市值和两融余额（融资余额+融券余额），计算比例[21] $$两融余额占比 = \frac{两融余额}{市场总流通市值}$$ - 两融交易占比计算：获取当日市场总成交额和两融交易额（融资买入额+融券卖出额），计算比例[21] $$两融交易占比 = \frac{融资买入额 + 融券卖出额}{市场总成交额}$$ - 指标测试结果取值：截至2025年11月10日，两融余额占流通市值比重为2.5%，两融交易占市场成交额比重为11.10%[21]；近一年来两融余额占比维持在2.4%左右，两融交易占比维持在9.7%左右[21]

根据提供的研报内容，总结如下： 量化模型与构建方式 1. **模型名称：行业拥挤度监测模型**[3] * **模型构建思路**：通过构建模型对申万一级行业指数的拥挤度进行每日监测，以识别拥挤度较高和较低的行业[3] * **模型具体构建过程**：报告未提供该模型的具体构建过程和公式 2. **模型名称：溢价率 Z-score 模型**[4] * **模型构建思路**：通过滚动测算ETF产品的溢价率Z-score，来搭建ETF产品筛选信号模型，以发现存在潜在套利机会的标的[4] * **模型具体构建过程**：报告未提供该模型的具体构建过程和公式 量化因子与构建方式 报告未明确提及具体的量化因子构建方式。 模型的回测效果 报告未提供上述量化模型的回测效果指标取值。 因子的回测效果 报告未提供具体量化因子的回测效果指标取值。

根据提供的报告内容，经过仔细审阅，该报告为一份指数化投资周报，主要内容聚焦于指数产品的成立、募集、申报情况以及ETF市场行情回顾和资金流向分析[1][2][3]。报告并未涉及任何具体的量化模型或量化因子的构建、测试与评价。 因此，本总结中**量化模型与构建方式**、**模型的回测效果**、**量化因子与构建方式**、**因子的回测效果** 四个部分均无相关内容。

根据提供的报告内容，经过全面审阅，本报告为指数化投资周报，核心内容为指数产品动态、ETF市场行情与资金流向的总结，并未涉及任何量化模型或量化因子的构建、测试与分析。因此，报告中不存在需要总结的量化模型或因子相关内容。 报告的主要内容聚焦于以下方面： - 指数产品的成立、上市、募集和申报情况[5][9][13] - 基于美林投资时钟理论的各类资产ETF近期收益率回顾[15][16] - 按行业风格划分的A股ETF近期收益率表现[17][19] - 跨境ETF市场表现[20] - 全市场ETF规模变动及资金流向分析[24][26][33] 以上内容均为对市场现状的描述与总结，不包含模型或因子的构建过程、公式、评价及测试结果。

根据研报内容，本次报告主要对宽基指数进行市场数据跟踪和统计，未涉及具体的量化交易模型或用于选股的阿尔法因子。报告核心内容为对各类市场指标的计算和展示。以下是报告中出现的主要指标及其构建方式的总结。 指标与构建方式 **1 指数表现指标** - **构建思路**：通过计算不同时间窗口的指数涨跌幅以及连续上涨（连阳）或下跌（连阴）的天数，来跟踪市场的短期、中期和长期表现[9][10] - **具体构建过程**： - **涨跌幅计算**：计算指数在当日、当周、当月、当季及当年的价格变动百分比[10] - **连阴连阳**：统计指数K线连续为阴线或阳线的天数，正数表示连阳，负数表示连阴[11] **2 均线比较指标** - **构建思路**：通过比较指数当前收盘价与不同周期移动平均线（MA）的位置关系，以及相对于近250日高点和低点的位置，来判断指数的短期趋势和相对强弱[14] - **具体构建过程**： - 计算指数的5日（MA5）、10日（MA10）、20日（MA20）、60日（MA60）、120日（MA120）及250日（MA250）移动平均线[15] - 计算当前收盘价相对于各条均线的百分比差值，公式为： $$ \text{差值} = \frac{\text{收盘价} - \text{均线值}}{\text{均线值}} \times 100\% $$ [15] - 同样方法计算当前收盘价相对于近250日最高点和最低点的百分比位置[15] **3 资金占比与换手率指标** - **构建思路**：通过计算各指数成交金额占全市场（中证全指）成交金额的比例，以及指数的整体换手率，来观察资金流向和市场活跃度[17] - **具体构建过程**： - **交易金额占比**：某指数当天交易金额 / 中证全指当天交易金额 [17][18] - **指数换手率**：采用流通股本加权平均计算，公式为： $$ \text{指数换手率} = \frac{\sum (\text{成分股流通股本} \times \text{成分股换手率})}{\sum (\text{成分股流通股本})} $$ [18] **4 收益分布形态指标（峰度与偏度）** - **构建思路**：通过计算指数日收益率分布的峰度和偏度，并与近5年历史数据对比，来观察收益率分布形态的变化[22][24][26] - **具体构建过程**： - **峰度**：衡量收益率分布与正态分布相比的陡峭或平坦程度。报告中计算的是超额峰度（Excess Kurtosis），即在计算出的峰度值上减去3（正态分布的峰度值）[26] - **偏度**：衡量收益率分布的不对称性。正偏态表示有更多的极端正收益，负偏态则表示有更多的极端负收益[24][26] **5 风险溢价指标** - **构建思路**：以十年期国债即期收益率作为无风险利率，计算指数收益率与其差值，作为投资者因承担市场风险而要求的额外回报，并观察其历史分位和统计特征[28][29][31] - **具体构建过程**： - **风险溢价** = 指数收益率 - 十年期国债即期收益率 [28][31] - 计算该风险溢价在近1年和近5年历史数据中的分位值[31] - 计算近1年的均值、波动率（标准差），以及当前值相对于均值±1倍、±2倍标准带的偏离情况[31] **6 PE-TTM指标** - **构建思路**：使用滚动市盈率（PE-TTM）作为衡量指数估值水平的指标，并观察其历史分位和统计特征[37][38][41] - **具体构建过程**： - **PE-TTM** = 指数总市值 / 指数成分股最近12个月净利润之和 [37] - 计算当前PE-TTM在近1年、近5年以及全部历史数据中的分位值[41] - 计算近1年的均值、波动率（标准差），以及当前值相对于均值±1倍、±2倍标准带的偏离百分比[41] **7 股债性价比指标** - **构建思路**：将指数盈利收益率（PE-TTM的倒数）与无风险收益率（十年期国债利率）进行比较，其差值代表股票资产相对于债券资产的潜在超额回报，用于判断大类资产配置价值[43] - **具体构建过程**： - **股债性价比** = (1 / 指数PE-TTM) - 十年期国债即期收益率 [43] **8 股息率指标** - **构建思路**：跟踪指数的股息率，反映现金分红回报水平，尤其在市场低迷期和高利率下行期是重要的投资风格指标[45][46][50] - **具体构建过程**： - **股息率** = 指数成分股年度现金分红总额 / 指数总市值 [45] - 计算当前股息率在近1年、近5年以及全部历史数据中的分位值[50] - 计算近1年的均值、波动率（标准差），以及当前值相对于均值±1倍、±2倍标准带的偏离百分比[50] **9 破净率指标** - **构建思路**：统计指数中市净率（PB）小于1的个股数量占比，作为市场整体估值情绪的逆向指标，破净率越高通常表明市场情绪越低迷[52] - **具体构建过程**： - **破净率** = (指数中市净率(PB) < 1的个股数量 / 指数总成分股数量) × 100% [52] 指标的最新取值 | 指标名称 | 上证50 | 沪深300 | 中证500 | 中证1000 | 中证2000 | 中证全指 | 创业板指 | 数据来源/备注 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | **当日涨幅%** | 0.51 | 0.35 | 0.22 | 0.28 | 0.61 | 0.39 | -0.92 | [10][11] | | **当年涨幅%** | 13.75 | 19.32 | 28.26 | 26.95 | 34.17 | 24.75 | 48.43 | [10][11] | | **日K连阳天数** | 4 | 4 | - | - | - | 4 | - | [10][11] | | **交易金额占比%** | - | 27.72 | - | 20.25 | 23.02 | - | - | [17] | | **换手率** | 0.29 | 0.72 | 1.8 | 2.82 | 4.5 | 1.93 | 2.85 | [17] | | **当前峰度 (超额)** | 0.08 | 0.67 | 0.90 | 1.53 | 1.60 | 0.95 | 1.38 | [26] | | **当前偏度** | 1.34 | 1.54 | 1.56 | 1.64 | 1.70 | 1.59 | 1.64 | [26] | | **风险溢价 (当前值)** | 0.50% | 0.34% | 0.21% | 0.28% | 0.61% | 0.38% | -0.92% | [31] | | **风险溢价 (近5年分位值)** | 73.73% | 66.43% | 57.86% | 57.14% | 63.49% | 66.19% | 27.30% | [31] | | **PE-TTM (当前值)** | 12.01 | 14.38 | 33.52 | 48.42 | 157.47 | 21.58 | 41.63 | [41] | | **PE-TTM (近5年分位值)** | 87.60% | 87.02% | 97.19% | 98.26% | 83.39% | 96.78% | 56.61% | [41] | | **股息率 (当前值)** | 3.25% | 2.63% | 1.34% | 1.08% | 0.76% | 1.96% | 0.97% | [50] | | **股息率 (近5年分位值)** | 35.12% | 34.30% | 14.38% | 33.31% | 12.73% | 31.57% | 65.21% | [50] | | **破净率%** | 18.0 | 15.0 | 10.8 | 6.6 | 2.5 | 5.4 | 1.0 | [52] |

根据提供的金融工程报告，以下是关于报告中涉及的量化模型和因子的总结。 量化模型与构建方式 1. **模型名称：扩散指数行业轮动模型**[21] * **模型构建思路**：该模型基于价格动量原理，通过计算行业的扩散指数来识别具有向上趋势的行业，从而进行行业轮动配置[21][34] * **模型具体构建过程**：模型针对每个中信一级行业计算其扩散指数。具体过程涉及观察行业内成分股的表现，但报告中未提供计算扩散指数的具体公式和详细步骤[21][23] 2. **模型名称：GRU因子行业轮动模型**[29] * **模型构建思路**：该模型利用GRU（门控循环单元）深度学习网络对分钟频量价数据进行处理，生成GRU行业因子，以把握短期交易信息并进行行业轮动[29][35] * **模型具体构建过程**：模型使用历史分钟频量价数据训练GRU网络。GRU网络能够捕捉时间序列数据的依赖关系，输出每个行业的因子值。报告指出该模型在短周期表现较好，但未提供网络结构、输入特征、训练周期等具体构建细节和公式[29][35] 模型的回测效果 1. **扩散指数行业轮动模型** * 2025年11月以来超额收益：1.28%[26] * 2025年以来超额收益：6.21%[21][26] * 2024年全年超额收益：-5.82%[21] * 2023年全年超额收益：-4.58%[21] * 2022年全年超额收益：6.12%[21] 2. **GRU因子行业轮动模型** * 2025年11月以来超额收益：1.65%[32] * 2025年以来超额收益：-4.49%[29][32] 量化因子与构建方式 1. **因子名称：行业扩散指数**[23] * **因子构建思路**：该因子用于衡量某个行业整体趋势的强弱，数值越高代表该行业的向上趋势越强[23] * **因子具体构建过程**：报告未提供行业扩散指数因子的具体计算方法和公式，仅提供了截至特定日期的各行业因子取值[23][24] 2. **因子名称：GRU行业因子**[30] * **因子构建思路**：该因子由GRU深度学习模型生成，旨在从分钟频量价数据中提取有效信息，以预测行业短期表现[30][35] * **因子具体构建过程**：作为GRU模型的直接输出，每个行业对应一个因子值。报告未提供该因子值计算的具体技术细节和公式[30] 因子的回测效果 1. **行业扩散指数因子** * 报告未提供该因子独立的测试指标（如IC值、IR等），其效果直接体现在扩散指数行业轮动模型的超额收益上[21][26] 2. **GRU行业因子** * 报告展示了该因子的周度Rank IC序列和累计Rank IC曲线，但未给出具体的IC均值、IR等统计指标[31]

根据提供的研报内容，以下是关于量化模型与因子的总结。 量化因子与构建方式 1. **因子名称：大买单成交金额占比**[7] * **因子构建思路**：该因子旨在刻画大资金的买入行为。其核心思路是利用逐笔成交数据，通过还原买卖单并筛选大单，计算大买单的成交金额在总成交金额中的比例。[7] * **因子具体构建过程**： 1. 数据准备：获取股票的逐笔成交数据，数据中包含叫买序号和叫卖序号。[7] 2. 还原买卖单：根据逐笔成交数据中的叫买和叫卖序号，将逐笔成交数据还原为原始的买卖单数据。[7] 3. 筛选大单：对还原后的买卖单，按照每单的成交量设定阈值，筛选出符合条件的大额订单（大单）。[7] 4. 计算因子值：计算筛选出的大单中，所有买单（大买单）的成交金额之和，然后除以当日该股票的总成交金额，得到大买单成交金额占比。公式如下：[7] $$大买单成交金额占比 = \frac{大买单成交金额}{当日总成交金额}$$ * **因子评价**：该因子直接反映了大额资金的买入意愿和强度。 2. **因子名称：净主动买入金额占比**[7] * **因子构建思路**：该因子旨在刻画投资者的主动买入行为。其核心思路是利用逐笔成交数据中的买卖标志，区分主动买入和主动卖出，并计算其净额相对于总成交额的比例。[7] * **因子具体构建过程**： 1. 数据准备：获取股票的逐笔成交数据，数据中包含买卖标志。[7] 2. 界定主动交易：根据逐笔成交数据中的买卖标志，界定每一笔成交是属于主动买入还是主动卖出。[7] 3. 计算净额：将当日所有主动买入的成交金额相加，减去所有主动卖出的成交金额相加，得到净主动买入金额。[7] 4. 计算因子值：将计算得到的净主动买入金额除以当日该股票的总成交金额，得到净主动买入金额占比。公式如下：[7] $$净主动买入金额占比 = \frac{主动买入金额 - 主动卖出金额}{当日总成交金额}$$ * **因子评价**：该因子反映了市场中主动性的买卖压力，是衡量资金流向的重要指标。 因子的回测效果 1. **大买单成交金额占比因子**，近5日（20251103-20251107）指标值示例：海陆重工 93.0%[9]，摩恩电气 89.2%[9]，北辰实业 88.2%[9] 2. **净主动买入金额占比因子**，近5日（20251103-20251107）指标值示例：力聚热能 21.2%[10]，国投电力 21.1%[10]，乔治白 20.2%[10]

根据提供的金融工程日报内容，报告主要描述了市场表现、情绪指标和资金流向等观测性指标，并未涉及具体的量化模型或量化因子的构建、测试和评价。报告内容属于市场数据统计和描述，而非量化模型或因子研究。 因此，本报告中没有需要总结的量化模型或量化因子相关内容。

量化模型与构建方式 1 转债CRR定价模型 - **模型名称**：转债CRR定价模型[41] - **模型构建思路**：通过CRR二叉树模型计算可转债的理论价值，该模型比BSM模型更能准确反映内嵌条款和信用利差的影响[14] - **模型具体构建过程**：使用CRR二叉树模型对可转债进行定价，定义"定价偏离度"为转债CRR理论定价减去转债市场价格，定价偏离度越高说明转债价格越便宜[14]；模型在2024年7月进行迭代，增加了对正股退市风险的定价惩罚[45][51] - **模型评价**：该定价方式较直接观察溢价率更为合理，能够考虑正股波动等因素在转债时间价值上的影响[14] 2 转债低估值动量模型 - **模型名称**：转债低估值动量模型[46] - **模型构建思路**：结合估值指标和价量指标的多因子策略，寻找转股溢价率处于相对低位且正股具有上行趋势的转债[46] - **模型具体构建过程**：根据转债的估值（绝对定价及相对定价）在市场中的相对点位、以及正股过去短期的动量情况进行综合打分[48] 3 转债基金持仓DELTA跟踪模型 - **模型名称**：转债基金持仓DELTA跟踪模型[36] - **模型构建思路**：通过回归模型动态跟踪转债基金持仓的风格占比情况，计算加权DELTA值来监测基金持仓风格变化[36] - **模型具体构建过程**：将基金持仓中以可转债为主要配置标的的基金定义为转债基金，以回归模型动态跟踪其可转债持仓的风格占比情况，随后根据各风格指数的DELTA值加权计算得到转债基金的DELTA估计值[36] 4 幂函数溢价率拟合模型 - **模型名称**：幂函数溢价率拟合模型[11] - **模型构建思路**：通过幂函数模型拟合截面转债的平价价值与转股溢价率关系，得到对应平价价值下的转债溢价率中枢[11] - **模型具体构建过程**：将截面转债的平价价值作为解释变量，转股溢价率作为被解释变量进行幂函数拟合[11] 5 BSM隐含波动率模型 - **模型名称**：BSM隐含波动率模型[33] - **模型构建思路**：通过BSM模型逆算得到全市场转债对应正股的隐含波动率，刻画投资者交易出的正股未来波动率预期[33] - **模型具体构建过程**：以BSM模型进行逆算，得到全市场转债所对应全体正股的隐含波动率中位数和余额加权结果[33] 6 短久期转债隐含预期模型 - **模型名称**：短久期转债隐含预期模型[34] - **模型构建思路**：利用短久期转债的转股溢价率反映市场对短期正股市场的预期表现[34] - **模型具体构建过程**：挑选市场中到期时间最短的1/3转债，以距离到期日的倒数对转股溢价率进行加权，计算得到短久期转债的隐含正股预期指数[34] 量化因子与构建方式 1 定价偏离度因子 - **因子名称**：定价偏离度因子[14] - **因子构建思路**：衡量转债市场价格与理论定价的偏离程度[14] - **因子具体构建过程**：定价偏离度 = 转债CRR定价 - 转债市价[14] 2 转股溢价率因子 - **因子名称**：转股溢价率因子[11][34] - **因子构建思路**：衡量转债价格相对于转换价值的溢价水平[11] - **因子具体构建过程**：通过截面统计得到债性、平衡和股性转债的溢价率中位数[12] 3 正股PB估值因子 - **因子名称**：正股PB估值因子[18] - **因子构建思路**：衡量转债对应正股的估值水平[18] - **因子具体构建过程**：以自下而上的方式对市场成分券的正股PB进行合成，形成全市场PB中位数指标[18] 4 分析师盈利预期因子 - **因子名称**：分析师盈利预期因子[22] - **因子构建思路**：反映分析师对正股未来盈利的预期强度[22] - **因子具体构建过程**：对当前财年和次一财年的预期数据进行时间加权合成未来12个月的预期增速，并计算同比值去除周期因素[22] 5 盈利预期分歧因子 - **因子名称**：盈利预期分歧因子[25] - **因子构建思路**：衡量分析师对盈利预期的一致程度[25] - **因子具体构建过程**：计算分析师未来12个月预期增速的标准差，并计算同比变化量数据以去除周期性[25] 模型的回测效果 1 转债CRR定价组合 - **当期收益**：0.13%[41][46] - **当年收益**：14.42%[46] - **年化收益**：15.71%[41][46] - **年化波动**：12.62%[46] - **最大回撤**：12.08%[41][46] - **收益波动比**：1.25[46] - **收益回撤比**：1.30[41][46] - **月度胜率**：63.83%[41][46] 2 转债低估值动量组合 - **当期收益**：1.50%[47][52] - **当年收益**：19.59%[52] - **年化收益**：16.33%[47][52] - **年化波动**：12.68%[52] - **最大回撤**：11.26%[47][52] - **收益波动比**：1.29[52] - **收益回撤比**：1.45[47][52] - **月度胜率**：67.02%[47][52] 因子的回测效果 1 定价偏离度因子 - **全市场中位数**：-8.56元[15] - **余额加权值**：-7.80元[15] - **股性转债中位数**：-8.56元[17] - **平衡转债中位数**：-9.50元[17] - **债性转债中位数**：-8.18元[17] - **股性转债加权值**：-6.28元[17] - **平衡转债加权值**：-9.08元[17] - **债性转债加权值**：-8.20元[17] 2 转股溢价率因子 - **股性转债中位数**：13.23%[12] - **平衡转债中位数**：30.49%[12] - **债性转债中位数**：63.73%[12] 3 正股PB估值因子 - **全市场PB中位数**：2.60[18] - **历史5年分位数**：91.39%[18] 4 分析师盈利预期因子 - **营收增速同比**：-2.88%[22][25] - **净利润增速同比**：0.20%[22][25] 5 盈利预期分歧因子 - **营业收入分歧**：-0.92%[25] - **净利润分歧**：-0.45%[25] 6 BSM隐含波动率因子 - **全市场中位数**：43.87%[33] - **余额加权值**：43.04%[33] 7 短久期隐含预期因子 - **隐含正股预期指数**：45.23[34] 8 基金持仓DELTA因子 - **全市场平均值**：72.12%[36] - **股性风格贡献**：47.41%[36] - **平衡风格贡献**：21.26%[36] - **债性风格贡献**：3.45%[36]

根据提供的研报内容，以下是关于量化模型和因子的总结： 量化模型与构建方式 1. **模型名称：主动偏股基金仓位高频估测模型**[62] * **模型构建思路**：由于公募基金仓位披露频率低，该模型利用基金每日净值序列，通过带约束条件的多元回归模型，对主动偏股基金的股票仓位进行相对高频的测算[62] * **模型具体构建过程**：以基金每日披露的净值序列作为因变量，在基准或构建的其他资产序列组成的自变量中，使用带约束条件的多元回归模型寻找基金仓位的最优估计结果。报告提及在自变量组合序列的选择和构建、回归模型选取、样本加权方式等细节上已有充分讨论，并采用构建各只基金的模拟组合来提升估算准确度[62]。模型进一步用于测算基金在各行业赛道的最新投向偏好[62] 2. **模型名称：REITs系列指数构建模型**[49] * **模型构建思路**：为投资者提供基于指数化投资思想的资产配置新视角，构建完整的REITs系列指数以综合反映REITs市场表现，并提供不同底层资产、项目类型的细分REITs指数[49] * **模型具体构建过程**：计算中采用分级靠档的方法以确保计算指数的份额保持相对稳定。当样本成分名单或样本成分的调整市值出现非交易因素的变动时（如新发、扩募等），采用除数修正法保证指数的连续性。考虑到REITs的高分红特性，指数均提供价格指数和全收益指数[49] 3. **因子名称：长期行业主题标签因子**[36] * **因子构建思路**：通过观察基金在近四期中报/年报的持仓信息来判断其长期的行业主题特征，构建主动偏股基金完整的行业主题和细分赛道标签，以支持资产配置、主题投资和产品选择的需求，并构建行业主题基金指数作为衡量工具[36] * **因子具体构建过程**：随着市场变化，基金在不同运作期间呈现的行业主题特征会发生变化。通过分析近四期财务报告（中报/年报）的持仓信息，将基金的长期行业标签区分为行业主题基金、行业轮动基金和行业均衡基金等不同类型[36] 模型的回测效果 1. **主动偏股基金仓位高频估测模型**，本周仓位变动：-0.11个百分点[62] 2. **REITs综合指数**，本周收益：-0.47%，累计收益：-2.57%，年化收益：-0.59%，最大回撤：-42.67%，夏普比率：-0.20，年化波动：10.55%[53] 3. **产权类REITs指数**，本周收益：-0.75%，累计收益：14.10%，年化收益：3.06%，最大回撤：-45.00%，夏普比率：0.12，年化波动：12.87%[53] 4. **特许经营权类REITs指数**，本周收益：0.14%，累计收益：-20.43%，年化收益：-5.08%，最大回撤：-41.17%，夏普比率：-0.72，年化波动：9.16%[53] 5. **生态环保REITs指数**，本周收益：0.73%，累计收益：-10.08%，年化收益：-2.39%，最大回撤：-55.72%，夏普比率：-0.25，年化波动：15.55%[53] 6. **交通基础设施REITs指数**，本周收益：0.08%，累计收益：-30.17%，年化收益：-7.87%，最大回撤：-41.29%，夏普比率：-1.04，年化波动：8.97%[53] 7. **园区基础设施REITs指数**，本周收益：-2.16%，累计收益：-14.20%，年化收益：-3.43%，最大回撤：-52.07%，夏普比率：-0.35，年化波动：13.94%[53] 8. **仓储物流REITs指数**，本周收益：-1.38%，累计收益：-2.64%，年化收益：-0.61%，最大回撤：-50.32%，夏普比率：-0.13，年化波动：15.69%[53] 9. **能源基础设施REITs指数**，本周收益：-0.18%，累计收益：11.34%，年化收益：2.48%，最大回撤：-18.41%，夏普比率：0.10，年化波动：10.15%[53] 10. **保障性租赁住房REITs指数**，本周收益：-0.60%，累计收益：9.32%，年化收益：2.05%，最大回撤：-33.34%，夏普比率：0.04，年化波动：12.52%[53] 11. **消费基础设施REITs指数**，本周收益：0.45%，累计收益：49.42%，年化收益：9.59%，最大回撤：-9.89%，夏普比率：0.75，年化波动：10.81%[53] 12. **市政设施REITs指数**，本周收益：2.25%，累计收益：30.54%，年化收益：6.27%，最大回撤：-13.79%，夏普比率：0.22，年化波动：21.85%[53] 13. **水利设施REITs指数**，本周收益：-0.89%，累计收益：24.12%，年化收益：5.05%，最大回撤：-16.72%，夏普比率：0.22，年化波动：16.12%[53] 14. **新型基础设施REITs指数**，本周收益：0.29%，累计收益：10.71%，年化收益：2.35%，最大回撤：-2.83%，夏普比率：0.07，年化波动：12.34%[53] 量化因子与构建方式 1. **因子名称：长期行业主题标签因子**[36] * **因子构建思路**：通过观察基金在近四期中报/年报的持仓信息来判断其长期的行业主题特征，构建主动偏股基金完整的行业主题和细分赛道标签，以支持资产配置、主题投资和产品选择的需求，并构建行业主题基金指数作为衡量工具[36] * **因子具体构建过程**：随着市场变化，基金在不同运作期间呈现的行业主题特征会发生变化。通过分析近四期财务报告（中报/年报）的持仓信息，将基金的长期行业标签区分为行业主题基金、行业轮动基金和行业均衡基金等不同类型[36] 因子的回测效果 1. **新能源主题基金因子**，本周涨跌幅：3.41%[36] 2. **金融地产主题基金因子**，本周涨跌幅：1.24%[36] 3. **周期主题基金因子**，本周涨跌幅：1.20%[36] 4. **行业轮动基金因子**，本周涨跌幅：0.41%[36] 5. **行业均衡基金因子**，本周涨跌幅：0.27%[36] 6. **TMT主题基金因子**，本周涨跌幅：-0.06%[36] 7. **国防军工主题基金因子**，本周涨跌幅：-0.45%[36] 8. **消费主题基金因子**，本周涨跌幅：-1.22%[36] 9. **医药主题基金因子**，本周涨跌幅：-4.73%[36]