量化模型与构建方式 本报告为资金行为跟踪分析，未涉及具体的量化预测模型或选股因子的构建与回测。报告核心是通过观察和对比不同市场参与者的资金流向数据，来识别潜在的投资机会或市场结构变化[1]。报告中隐含的分析逻辑可以概括为一种基于资金流的观察框架。 1. **分析框架名称：公募与融资资金预期差分析框架**[1] * **构建思路**：通过对比公募基金（代表机构投资者）的持仓偏好与融资资金（代表杠杆交易者）的短期流向，寻找两者存在“预期差”的板块。当公募基金低配而融资资金近期净买入时，可能意味着该板块存在未被机构充分重视但已被敏锐资金布局的机会，上行阻力相对较小[4][24]。 * **具体构建过程**： 1. **数据准备**：获取两个核心数据集。一是公募基金定期报告（如四季报）披露的持仓数据，计算各行业板块相对于基准指数（如中证800）的超配或低配程度[24][26]。二是融资融券的每日明细数据，计算在特定时期（如融资保证金新规实施后）各板块的融资净买入额[24][26]。 2. **指标计算**： * 公募低配程度：通常计算为（公募基金在板块i的持仓市值占比 - 板块i在基准指数中的市值占比）[26]。该值为负且绝对值越大，表示公募基金相对低配越严重。 * 融资净买入：计算特定时间窗口内，板块i的融资买入额与融资偿还额的差值[26]。 3. **交叉分析**：将各板块以上述两个指标为横纵坐标，绘制散点图进行分析[26]。重点关注“公募低配程度高（横轴负值大）”且“融资净买入多（纵轴正值大）”的象限，这些板块被认为是具备潜在机会的方向[4][24]。 * **模型评价**：该框架是一种事件驱动或资金流驱动的分析思路，侧重于市场微观结构变化和不同资金行为的博弈，能够快速捕捉市场风格的边际变化和短期资金偏好[3][16]。 量化因子与构建方式 报告未构建传统的Alpha因子，但明确提出了用于筛选板块的复合观察指标。 1. **因子名称：新规后融资净买入** * **构建思路**：以融资保证金新规实施为事件分界点，观察之后一段时间内杠杆资金对各板块的净买入情况，用以识别受新规影响较小或反而获得杠杆资金青睐的板块[3][16]。 * **具体构建过程**：确定融资保证金新规生效的日期T。对于每个板块（或个股汇总至板块），计算从日期T开始到报告截止日（如1月底）的累计融资净买入额。公式为： $$ \text{新规后融资净买入}_i = \sum_{t=T}^{T_{end}} ( \text{融资买入额}_{i, t} - \text{融资偿还额}_{i, t} ) $$ 其中，i代表板块，t代表交易日[16][23]。 * **因子评价**：该指标反映了在交易成本（杠杆成本）上升的新环境下，高风险偏好资金的最新动向，有助于规避因去杠杆而面临抛压的板块，并发现资金新流入的领域[3][16]。 2. **因子名称：主动基金相对超低配程度** * **构建思路**：利用公募基金定期报告，计算其持仓相对于市场基准的偏离度，以衡量机构投资者对某个板块的偏好或冷落程度[24][26]。 * **具体构建过程**：以最近一期公募基金季报（如四季报）的全部持仓数据为基础。对于每个板块i，计算其两个比例： 1. 板块i在公募基金重仓股总市值中的占比。 2. 板块i在基准指数（如中证800）总市值中的占比。 将两者相减，得到超低配程度。公式为： $$ \text{超低配程度}_i = \frac{{\text{公募重仓股中板块i市值}}}{{\text{公募重仓股总市值}}} - \frac{{\text{基准指数中板块i市值}}}{{\text{基准指数总市值}}} $$ 结果为负表示低配，正值表示超配[26]。 * **因子评价**：该指标反映了机构资金的长期配置布局和拥挤度。低配板块可能意味着机构关注度低、潜在卖压小，也可能意味着存在未来增持（回补仓位）的空间[4][24]。 分析框架与因子的应用结果 报告基于上述框架和指标，对2026年1月底的市场进行了分析，并给出了观察结论。 1. **公募与融资资金预期差分析框架的应用结果**： * 通过绘制“主动基金相对超低配程度”（横轴）与“新规后融资净买入”（纵轴）的散点图，识别出以下特征板块[24][26]： * **公募低配且融资买入板块**：电力、基建、煤炭、船舶等板块。这些板块公募持仓比例相对中证800较低，但在融资保证金新规后获得了融资净流入，被认为可能存在机构仓位回补机会，上行阻力较小[4][24]。 * **公募持仓不低但融资买入板块**：通信设备、化学制药、贵金属等板块。尽管机构已有一定持仓，但融资盘可能在近期板块表现相对较弱时持续逢低买入[24]。 * **公募持仓拥挤且融资流出板块**：半导体、消费电子等硬科技板块。在新规实施后呈现出去杠杆特征，融资资金加速撤离[16][24]。 2. **新规后融资净买入因子的观察结果**： * **整体规模**：1月底融资余额规模保持在2.7万亿元附近，未出现大幅回落[3][16]。 * **流向结构**：新规实施前后发生显著转向[3][8]。 * **新规前（1月上半月）**：融资资金涌向高弹性板块，如半导体（净流入172亿元）[3][16]。 * **新规后（1月下半月）**：资金从高位科技板块流出，如半导体转为净流出75亿元，消费电子、软件、军工等板块也出现反转[3][16]。资金转向流入防御性及估值安全边际较高的板块，如保险、银行、基建、电力（下半月维持稳定正流入），以及工业金属、其他小金属、煤炭、农化等[3][16][22]。 3. **主动基金相对超低配程度因子的观察结果**： * 报告指出电力、基建、煤炭、船舶等板块处于公募基金相对中证800较低配的水平[4][24]。

量化模型与因子总结 量化模型与构建方式 根据研报内容，报告主要对市场数据进行跟踪和统计，未涉及具体的量化交易模型或选股模型的构建。报告的核心是计算并展示一系列用于衡量市场状态和估值的指标（因子）。 量化因子与构建方式 报告计算并跟踪了多个用于描述宽基指数市场特征的量化因子。 1. **因子名称**：风险溢价[28] * **因子构建思路**：以十年期国债即期收益率为无风险利率参考，计算股票指数收益率相对于无风险利率的溢价，用于衡量其相对投资价值和偏离情况[28]。 * **因子具体构建过程**：风险溢价 = 股票指数的预期收益率或收益率 - 十年期国债即期收益率。报告中展示的“当前风险溢价”具体计算方式未明确给出，但核心是两者之差[28][32]。 2. **因子名称**：股债性价比[47] * **因子构建思路**：通过比较股票市场收益率与债券市场收益率的差异，来判断股票和债券哪类资产更具投资价值[47]。 * **因子具体构建过程**：股债性价比 = 股票指数PE-TTM的倒数 - 十年期国债即期收益率[47]。公式为： $$股债性价比 = \frac{1}{PE-TTM} - R_{f}$$ 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。 3. **因子名称**：股息率[49] * **因子构建思路**：反映指数的现金分红回报率，是红利投资风格的重要跟踪指标[49]。 * **因子具体构建过程**：股息率 = 成分股现金分红总额 / 指数总市值。报告中的“当前值”即为该计算结果[49][54]。 4. **因子名称**：破净率[55] * **因子构建思路**：统计指数中市净率小于1的个股占比，反映市场整体的估值态度和悲观程度[55][57]。 * **因子具体构建过程**：破净率 = (指数成分股中市净率小于1的股票数量) / (指数成分股总数量)。报告中“破净率”即为此值[55][58]。 5. **因子名称**：收益分布形态指标（偏度与峰度）[25] * **因子构建思路**：通过计算指数日收益率分布的偏度和峰度，来描述收益率分布的不对称性和尖峭程度，以观察市场极端收益情形的变化[25]。 * **因子具体构建过程**： * **偏度**：衡量分布不对称性。正偏态表示极端正收益情形增加[25]。计算公式（样本偏度）通常为： $$偏度 = \frac{n}{(n-1)(n-2)} \sum_{i=1}^{n} \left( \frac{r_i - \bar{r}}{s} \right)^3$$ 其中，$n$为样本数，$r_i$为日收益率，$\bar{r}$为样本均值，$s$为样本标准差。 * **峰度**：衡量分布尖峭程度。报告中计算的是超额峰度（峰度减去3），因此正态分布的超额峰度为0[26]。峰度越大，说明收益率分布更集中[25]。计算公式（样本超额峰度）通常为： $$峰度 = \left[ \frac{n(n+1)}{(n-1)(n-2)(n-3)} \sum_{i=1}^{n} \left( \frac{r_i - \bar{r}}{s} \right)^4 \right] - \frac{3(n-1)^2}{(n-2)(n-3)}$$ 6. **因子名称**：交易金额占比[19] * **因子构建思路**：衡量单个宽基指数成交额在全市场中的比重，反映资金流向和关注度[19]。 * **因子具体构建过程**：交易金额占比 = (该指数当日总成交金额) / (中证全指当日总成交金额)[19]。 7. **因子名称**：指数换手率[19] * **因子构建思路**：衡量指数成分股的整体交易活跃度[19]。 * **因子具体构建过程**：指数换手率 = Σ(成分股流通股本 * 成分股换手率) / Σ(成分股流通股本)[19]。 因子的回测效果 报告未提供基于历史数据的因子选股有效性回测结果（如IC、IR、多空收益等）。报告主要展示了各因子在**当前时点（2026年2月4日）** 的截面取值以及相对于自身历史的统计情况。 1. **风险溢价因子**[32] * 当前风险溢价：上证50 (1.13%)， 沪深300 (0.82%)， 中证500 (0.14%)， 中证1000 (-0.03%)， 中证2000 (0.10%)， 中证全指 (0.45%)， 创业板指 (-0.41%) * 近5年分位值：上证50 (88.57%)， 沪深300 (81.03%)， 中证500 (54.60%)， 中证1000 (45.24%)， 中证2000 (48.89%)， 中证全指 (67.86%)， 创业板指 (39.92%) 2. **PE-TTM因子**[43][45] * 当前值：上证50 (11.66)， 沪深300 (14.14)， 中证500 (37.72)， 中证1000 (50.52)， 中证2000 (169.35)， 中证全指 (22.38)， 创业板指 (43.10) * 近5年历史分位值：上证50 (82.73%)， 沪深300 (86.36%)， 中证500 (99.26%)， 中证1000 (99.17%)， 中证2000 (91.74%)， 中证全指 (98.76%)， 创业板指 (63.47%) 3. **股债性价比因子**[47] * 测试结果：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）[47]。 4. **股息率因子**[54][56] * 当前值：上证50 (3.23%)， 沪深300 (2.73%)， 中证500 (1.25%)， 中证1000 (1.00%)， 中证2000 (0.70%)， 中证全指 (1.93%)， 创业板指 (0.87%) * 近5年历史分位值：上证50 (31.90%)， 沪深300 (35.37%)， 中证500 (4.79%)， 中证1000 (23.64%)， 中证2000 (2.81%)， 中证全指 (26.28%)， 创业板指 (55.95%) 5. **破净率因子**[58] * 当前值：上证50 (24.0%)， 沪深300 (16.67%)， 中证500 (10.6%)， 中证1000 (6.6%)， 中证2000 (2.45%)， 中证全指 (5.42%) 6. **收益分布形态指标**[26] * 当前峰度（vs. 近5年）：上证50 (-1.86)， 沪深300 (-1.80)， 中证500 (-1.38)， 中证1000 (-1.51)， 中证2000 (-1.94)， 中证全指 (-1.76)， 创业板指 (-2.56) * 当前偏度（vs. 近5年）：上证50 (-0.52)， 沪深300 (-0.44)， 中证500 (-0.37)， 中证1000 (-0.43)， 中证2000 (-0.48)， 中证全指 (-0.46)， 创业板指 (-0.61) 7. **交易金额占比因子**[19] * 当前值：沪深300 (25.86%)， 中证2000 (21.38%)， 中证1000 (20.99%) 8. **指数换手率因子**[19] * 当前值：中证2000 (4.18)， 创业板指 (3.91)， 中证1000 (3.18)， 中证500 (2.41)， 中证全指 (2.08)， 沪深300 (0.8)， 上证50 (0.37)

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** [16] * **因子构建思路**：通过计算盘中触及涨停并最终成功封住涨停板的股票比例，来度量市场追涨情绪和涨停板的可靠性。[16] * **因子具体构建过程**： 1. 筛选上市满3个月以上的股票。[16] 2. 在指定交易日，找出盘中最高价达到涨停价的股票集合。 3. 在上述股票集合中，找出收盘价仍为涨停价的股票。 4. 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] 2. **因子名称：连板率** [16] * **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延续性和短线投机资金的活跃度。[16] * **因子具体构建过程**： 1. 筛选上市满3个月以上的股票。[16] 2. 在指定交易日，找出前一个交易日（T-1日）收盘涨停的股票集合。 3. 在上述股票集合中，找出当前交易日（T日）收盘也涨停的股票。 4. 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] 3. **因子名称：大宗交易折价率** [25] * **因子构建思路**：通过计算大宗交易成交价格相对于市价的折价幅度，来反映大资金的投资偏好、流动性折价以及市场情绪。[25] * **因子具体构建过程**： 1. 获取指定交易日所有大宗交易的成交数据，包括每笔交易的成交金额和成交数量。[25] 2. 计算大宗交易的总成交金额。 3. 计算大宗交易成交份额按当日收盘价计算的总市值。 4. 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] *注：结果为负表示折价交易，正数表示溢价交易。* 4. **因子名称：股指期货年化贴水率** [27] * **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基差，并进行年化处理，来反映市场对未来走势的预期、对冲成本以及市场情绪。[27] * **因子具体构建过程**： 1. 选定标的指数（如上证50、沪深300等）及其对应的股指期货主力合约。[27] 2. 计算基差：基差 = 期货价格 - 现货指数价格。 3. 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] *注：结果为负表示期货贴水，正数表示期货升水。公式中250为年化常用的交易日数量。* 因子的回测效果 *注：本报告为日度市场数据跟踪报告，未提供因子的长期历史回测绩效指标（如IC、IR、多空收益等）。报告主要展示了因子在特定观察日（2026年2月3日或4日）的截面取值或时间序列上的当前状态。* 1. **封板率因子**，2026年2月4日当日取值为 **74%** [16] 2. **连板率因子**，2026年2月4日当日取值为 **18%** [16] 3. **大宗交易折价率因子**： * 近半年以来平均值：**-6.95%** [25] * 2026年2月3日当日值：**-10.30%** [25] 4. **股指期货年化贴水率因子**： * **上证50股指期货**：2026年2月4日当日年化升水率为 **0.80%**，处于近一年来 **79%** 分位点[27] * **沪深300股指期货**：2026年2月4日当日年化贴水率为 **-1.04%**，处于近一年来 **82%** 分位点[27] * **中证500股指期货**：2026年2月4日当日年化升水率为 **1.68%**，处于近一年来 **97%** 分位点[27] * **中证1000股指期货**：2026年2月4日当日年化贴水率为 **-0.44%**，处于近一年来 **97%** 分位点[27] * *近一年年化贴水率中位数*：上证50为 **0.63%**，沪深300为 **-3.79%**，中证500为 **-11.15%**，中证1000为 **-13.61%** [27]

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[16]** * **因子构建思路：** 用于衡量涨停股票的封板质量，即有多少在盘中触及涨停的股票能够将涨停状态维持到收盘[16]。 * **因子具体构建过程：** 1. 筛选上市满3个月以上的股票[16]。 2. 在每个交易日，统计满足以下两个条件的股票数量： * 条件A：当日最高价达到涨停价[16]。 * 条件B：当日收盘价达到涨停价[16]。 3. 计算封板率，公式为： $$封板率 = \frac{满足条件A且满足条件B的股票数}{满足条件A的股票数}$$[16] 2. **因子名称：连板率[16]** * **因子构建思路：** 用于衡量涨停股票的连续性，即昨日涨停的股票中有多少能够在今日继续涨停[16]。 * **因子具体构建过程：** 1. 筛选上市满3个月以上的股票[16]。 2. 在每个交易日，统计满足以下两个条件的股票数量： * 条件A：在交易日T-1日收盘涨停[16]。 * 条件B：在交易日T日收盘涨停[16]。 3. 计算连板率，公式为： $$连板率 = \frac{满足条件A且满足条件B的股票数}{满足条件A的股票数}$$[16] 3. **因子名称：大宗交易折价率[25]** * **因子构建思路：** 通过计算大宗交易成交价相对于市场价格的折价幅度，来反映大资金的交易情绪和偏好[25]。 * **因子具体构建过程：** 1. 获取当日所有大宗交易的成交数据，包括每笔交易的成交金额和成交份额[25]。 2. 计算大宗交易总成交金额[25]。 3. 计算大宗交易成交份额按当日收盘价计算的总市值[25]。 4. 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] 该值为负表示折价交易，负值越大折价幅度越高[25]。 4. **因子名称：股指期货年化贴水率[27]** * **因子构建思路：** 计算股指期货价格与现货指数价格之间基差的年化比率，用于衡量市场对未来预期、对冲成本以及情绪[27]。 * **因子具体构建过程：** 1. 选定股指期货合约（如上证50、沪深300、中证500、中证1000的主力合约）及其对应的现货指数[27]。 2. 计算基差：基差 = 期货价格 - 现货指数价格[27]。 3. 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] 当结果为正时，表示期货升水；结果为负时，表示期货贴水[27]。 因子的回测效果 *本报告为市场监测日报，主要展示市场指标的实时或近期状态，未提供基于历史数据的系统性因子回测绩效指标（如IC、IR、多空收益、夏普比率等）。报告中提及的因子取值均为特定日期的观测值，而非长期回测统计结果。* 1. **封板率因子**，2026年02月04日取值为 **74%**[16] 2. **连板率因子**，2026年02月04日取值为 **18%**[16] 3. **大宗交易折价率因子**，2026年02月04日取值为 **10.30%**[25]；近半年以来平均取值为 **6.95%**[25] 4. **股指期货年化贴水率因子** * **上证50股指期货**，2026年02月04日取值为 **0.80%** (升水)[27]；近一年中位数取值为 **0.63%** (贴水)[27] * **沪深300股指期货**，2026年02月04日取值为 **-1.04%** (贴水)[27]；近一年中位数取值为 **-3.79%** (贴水)[27] * **中证500股指期货**，2026年02月04日取值为 **1.68%** (升水)[27]；近一年中位数取值为 **-11.15%** (贴水)[27] * **中证1000股指期货**，2026年02月04日取值为 **-0.44%** (贴水)[27]；近一年中位数取值为 **-13.61%** (贴水)[27]

量化模型与构建方式 1. **模型名称**：港股 CCASS 优选 20 组合[4][35] **模型构建思路**：利用港交所CCASS数据，通过“先选经纪商，再选个股”的两步筛选法，构建月度调仓的股票组合，以复制绩优经纪商的持仓[4][35] **模型具体构建过程**： * **步骤一：筛选绩优经纪商池**。以月末为截面，对全部经纪商计算两个指标：超额夏普比率（相对于基准）和月度胜率。将这两个指标分别进行标准化处理，然后等权相加得到每个经纪商的综合得分。选取综合得分最高的N家经纪商构成当期的绩优经纪商池[39]。 * **步骤二：构建股票组合**。将资金等权分配给这N家经纪商，汇总它们最新的持仓。将所有汇总持仓的股票按合计权重从高到低排序，保留权重最高的M只股票。最后，对这M只股票进行等权配置，形成当期的股票组合[39]。 * **参数设定**：在报告中，设定经纪商数量 N=10，股票数量 M=20[39]。基准指数为恒生指数[4]。 模型的回测效果 1. **港股 CCASS 优选 20 组合**，**全区间（2020.1~2026.1）年化超额收益率** 19.3%[41]，**全区间超额夏普比率** 2.45[41]，**全区间最大回撤** -7.6%[42]，**全区间月度胜率** 75.3%[42] 2. **港股 CCASS 优选 20 组合**，**2026年1月收益率** 6.32%[41]，**2026年1月超额收益率（相对恒生指数）** -0.53%[41] 3. **港股 CCASS 优选 20 组合**，**2020年年化超额收益率** 30.9%[42]，**2020年夏普比率** 2.99[42]，**2020年最大回撤** -4.8%[42]，**2020年月度胜率** 75.0%[42] 4. **港股 CCASS 优选 20 组合**，**2021年年化超额收益率** 12.0%[42]，**2021年夏普比率** 1.49[42]，**2021年最大回撤** -4.9%[42]，**2021年月度胜率** 66.7%[42] 5. **港股 CCASS 优选 20 组合**，**2022年年化超额收益率** 11.9%[42]，**2022年夏普比率** 1.41[42]，**2022年最大回撤** -6.0%[42]，**2022年月度胜率** 66.7%[42] 6. **港股 CCASS 优选 20 组合**，**2023年年化超额收益率** 22.5%[42]，**2023年夏普比率** 3.21[42]，**2023年最大回撤** -3.3%[42]，**2023年月度胜率** 75.0%[42] 7. **港股 CCASS 优选 20 组合**，**2024年年化超额收益率** 23.2%[42]，**2024年夏普比率** 3.19[42]，**2024年最大回撤** -3.9%[42]，**2024年月度胜率** 91.7%[42] 8. **港股 CCASS 优选 20 组合**，**2025年年化超额收益率** 18.6%[42]，**2025年夏普比率** 3.44[42]，**2025年最大回撤** -2.6%[42]，**2025年月度胜率** 83.3%[42] 9. **港股 CCASS 优选 20 组合**，**2026年以来年化超额收益率** -6.2%[42]，**2026年以来夏普比率** -1.28[42]，**2026年以来最大回撤** -1.8%[42]，**2026年以来月度胜率** 0.0%[42] 量化因子与构建方式 1. **因子名称**：经纪商综合得分[39] **因子构建思路**：通过标准化并合成经纪商的超额夏普比率和月度胜率两个绩效指标，得到一个用于横向比较和筛选经纪商的综合分数[39] **因子具体构建过程**： * 在每月末的截面上，对于每个经纪商，计算其历史（或指定回溯期）相对于基准（如恒生指数）的**超额夏普比率**和**月度胜率**[39]。 * 分别对全市场所有经纪商的这两个指标值进行**标准化处理**（例如Z-Score标准化）[39]。 * 将标准化后的超额夏普比率与标准化后的月度胜率进行**等权相加**，得到该经纪商的综合得分[39]。 * 公式可表示为： $$综合得分_i = Z(超额夏普比率_i) + Z(月度胜率_i)$$ 其中，$Z(\cdot)$ 代表标准化处理，$i$ 代表第 $i$ 个经纪商[39]。 因子的回测效果 （报告中未提供“经纪商综合得分”因子在选股层面的独立测试结果，仅将其作为中间步骤用于筛选经纪商，因此本部分无相关内容。）

量化模型与构建方式 根据提供的研报内容，该报告为一份市场数据统计周报，主要描述融资融券业务的整体市场概况、行业及个股数据，并未涉及具体的量化模型或量化因子的构建、测试与评价。因此，**本报告中未包含需要总结的量化模型或量化因子**。 模型的回测效果 报告中未涉及量化模型，因此无相关内容。 量化因子与构建方式 报告中未涉及量化因子，因此无相关内容。 因子的回测效果 报告中未涉及量化因子，因此无相关内容。

量化模型与因子总结 量化因子与构建方式 1. **因子名称：融资净买入额** * **因子构建思路：** 衡量特定周期内（本月）融资买入资金与融资偿还资金的净差额，反映市场通过融资渠道对特定标的（如个股、行业、ETF）的净买入意愿和资金流向[34][36][54]。 * **因子具体构建过程：** 计算周期内每日融资买入额与融资偿还额的差值，并求和。对于个股、行业或ETF，其融资净买入额的计算逻辑一致。 $$融资净买入额 = \sum_{t=1}^{T} (融资买入额_t - 融资偿还额_t)$$ 其中，`t` 代表交易日，`T` 代表计算周期（如本月）。报告中的数值为周期内的累计值[56][58]。 2. **因子名称：融券净卖出额** * **因子构建思路：** 衡量特定周期内（本月）融券卖出量（额）与融券偿还量（额）的净差额，反映市场通过融券渠道对特定标的的净卖出（做空）意愿和资金流向[36][57]。 * **因子具体构建过程：** 计算周期内每日融券卖出额与融券偿还额的差值，并求和。对于个股、行业，其融券净卖出额的计算逻辑一致。 $$融券净卖出额 = \sum_{t=1}^{T} (融券卖出额_t - 融券偿还额_t)$$ 其中，`t` 代表交易日，`T` 代表计算周期（如本月）。报告中的数值为周期内的累计值[58]。 3. **因子名称：融资买入额占成交额比例** * **因子构建思路：** 衡量融资买入交易在标的整体成交中的活跃度与占比，比例越高，说明该标的的交易中由融资买入驱动的部分越大[39][42]。 * **因子具体构建过程：** 计算周期内融资买入总额占同期成交总额的比例。报告分别展示了行业和个股层面的该比例。 $$融资买入额占成交额比例 = \frac{\sum_{t=1}^{T} 融资买入额_t}{\sum_{t=1}^{T} 成交额_t} \times 100\%$$ 其中，`t` 代表交易日，`T` 代表计算周期（如本月）[42][56]。 4. **因子名称：融资余额占流通市值比例** * **因子构建思路：** 衡量融资余额相对于标的流通规模的大小，反映融资盘在该标的中的存量杠杆水平，比例越高，潜在的杠杆风险或关注度可能越高[39][42]。 * **因子具体构建过程：** 在特定时点（如月末），用标的的融资余额除以其流通市值。 $$融资余额占流通市值比例 = \frac{融资余额}{流通市值} \times 100\%$$ 报告展示了行业在1月30日时点的该比例数值[42]。 5. **因子名称：融券卖出额占成交额比例** * **因子构建思路：** 衡量融券卖出交易在标的整体成交中的活跃度与占比，反映市场做空交易的活跃程度[44][45]。 * **因子具体构建过程：** 计算周期内融券卖出总额占同期成交总额的比例。 $$融券卖出额占成交额比例 = \frac{\sum_{t=1}^{T} 融券卖出额_t}{\sum_{t=1}^{T} 成交额_t} \times 100\%$$ 其中，`t` 代表交易日，`T` 代表计算周期（如本月）。报告展示了行业层面的该比例[45]。 6. **因子名称：融券余额占流通市值比例** * **因子构建思路：** 衡量融券余额相对于标的流通规模的大小，反映做空盘在该标的中的存量规模[44][45]。 * **因子具体构建过程：** 在特定时点（如月末），用标的的融券余额除以其流通市值。 $$融券余额占流通市值比例 = \frac{融券余额}{流通市值} \times 100\%$$ 报告展示了行业在1月30日时点的该比例数值[45]。 7. **因子名称：融资余额占比（板块/指数）** * **因子构建思路：** 分析不同板块（主板、科创板、创业板）或不同市值指数（沪深300、中证500等）的融资余额在两融市场总融资余额中的结构占比，观察资金杠杆在不同属性板块间的分布与变化[17][20][22]。 * **因子具体构建过程：** 在特定时点，计算某板块（或指数成分股）的融资余额总和，除以沪深两市A股总融资余额。 $$板块融资余额占比 = \frac{板块融资余额}{沪深两市A股总融资余额} \times 100\%$$ $$指数融资余额占比 = \frac{指数成分股融资余额}{沪深两市A股总融资余额} \times 100\%$$ 报告计算了1月30日时点各板块及主要宽基指数成分股的融资余额占比[17][22]。 8. **因子名称：融券余额占比（板块/指数）** * **因子构建思路：** 分析不同板块或不同市值指数的融券余额在两融市场总融券余额中的结构占比，观察做空资金在不同属性板块间的分布与变化[17][23]。 * **因子具体构建过程：** 在特定时点，计算某板块（或指数成分股）的融券余额总和，除以沪深两市A股总融券余额。 $$板块融券余额占比 = \frac{板块融券余额}{沪深两市A股总融券余额} \times 100\%$$ $$指数融券余额占比 = \frac{指数成分股融券余额}{沪深两市A股总融券余额} \times 100\%$$ 报告计算了1月30日时点各板块及主要宽基指数成分股的融券余额占比[17][23]。 因子的回测效果 > 注：本报告为月度数据统计报告，未提供基于历史数据的因子回测绩效指标（如IC、IR、多空收益等）。报告主要呈现了因子在特定计算周期（2026年1月）内的具体取值或排序结果。 1. **融资净买入额因子** * **行业层面取值（前五名）：** 有色金属、电子、非银金融[34] * **ETF层面取值（前五名）：** 南方中证500ETF (55,906.55万元)、华安黄金易(ETF) (47,588.06万元)、南方中证申万有色金属ETF (46,998.98万元)、广发中证传媒ETF (45,622.87万元)、国泰中证全指证券公司ETF (40,610.81万元)[49][50] * **个股层面取值（前五名）：** 中国平安 (820,465.77万元)、紫金矿业 (543,393.74万元)、天孚通信 (368,137.19万元)、招商银行 (318,135.63万元)、长江电力 (316,913.09万元)[54][56] 2. **融券净卖出额因子** * **行业层面取值（前五名）：** 有色金属、食品饮料、家用电器[36] * **个股层面取值（前五名）：** 贵州茅台 (5,417.00万元)、赤峰黄金 (3,044.54万元)、兴业银锡 (2,764.26万元)、美的集团 (2,732.83万元)、洛阳钼业 (2,003.81万元)[57][58] 3. **融资买入额占成交额比例因子** * **行业层面取值（前三名）：** 非银金融 (13.29%)、通信 (11.49%)、电子 (10.98%)[39][42] * **个股层面取值（前五名）：** 浙商银行 (21.66%)、光大银行 (20.60%)、楚天高速 (19.99%)、辽宁成大 (19.85%)、京东方A (19.84%)[55][56] 4. **融资余额占流通市值比例因子** * **行业层面取值（前三名）：** 计算机 (4.10%)、通信 (3.52%)、国防军工 (3.40%)[39][42] 5. **融券卖出额占成交额比例因子** * **行业层面取值（前三名）：** 食品饮料 (0.06%)、银行 (0.06%)、石油石化 (0.05%)[44][45] 6. **融券余额占流通市值比例因子** * **行业层面取值（前三名）：** 传媒 (0.02%)、有色金属 (0.02%)、国防军工 (0.01%)[44][45] 7. **融资余额占比（板块/指数）因子** * **板块层面取值（1月30日）：** 主板 (65.67%)、创业板 (23.09%)、科创板 (11.24%)[17] * **指数层面取值（1月30日）：** 沪深300 (36.34%)、其他 (24.23%)、中证1000 (20.52%)、中证500 (18.91%)[22] 8. **融券余额占比（板块/指数）因子** * **板块层面取值（1月30日）：** 主板 (72.18%)、创业板 (17.78%)、科创板 (10.03%)[17] * **指数层面取值（1月30日）：** 其他 (47.57%)、中证500 (21.42%)、沪深300 (20.49%)、中证1000 (10.51%)[23]

量化模型与构建方式 1. **模型名称：量化大势研判行业配置策略（资产比较策略）**[8][12] * **模型构建思路**：基于产业生命周期理论，将权益资产划分为五种内在风格属性。通过“g>ROE>D”的优先级顺序，自下而上地比较所有资产的优劣，筛选出具有基本面优势的资产，其风格属性即代表未来市场主流风格，并据此进行行业配置。[8] * **模型具体构建过程**： 1. **风格定义与资产分类**：根据产业生命周期，将股票资产划分为五种风格：外延成长、质量成长、质量红利、价值红利、破产价值。[8] 2. **资产比较框架**：采用分级比较逻辑。 * **主流资产比较**：优先比较实际增速资产（g）、预期增速资产（gf）、盈利资产（ROE）三类。只要其中一类资产具备优势，市场资金就会集中配置，次级资产机会不大。[12] * **次级资产比较**：当主流资产均无优势时，转向比较次级资产，其优先级由拥挤度决定：质量红利 > 价值红利 > 破产价值。[12] 3. **优势判断与因子应用**：对每一类风格资产，使用特定的量化因子进行横向比较，筛选出优势行业。 * **预期成长（gf）**：比较分析师预期增速（g_fttm）。[9][38] * **实际成长（g）**：比较业绩动量，使用超预期因子，如sue、sur、jor。[9][40] * **盈利能力（ROE）**：在PB-ROE框架下，选择估值较低的高ROE资产，使用PB-ROE回归残差因子。[9][43] * **质量红利**：结合股息率（dp）和盈利能力（roe）进行综合打分。[46] * **价值红利**：结合股息率（dp）和市净率倒数（bp）进行综合打分。[49] * **破产价值**：结合低市净率（pb）和小市值（size）进行综合打分（打分最低）。[53] 4. **行业配置**：以中信二三级行业（整理合并后为202个）为标的，每期在每个占优的风格策略下，选择排名靠前的5个行业，以等权重方式进行配置。[19] * **模型评价**：该框架自2009年以来对A股的风格轮动具有较好的解释能力。[19] 2. **因子名称：资产优势差（Spread）**[25] * **因子构建思路**：用于刻画某类资产中头部资产（Top组）相对于尾部资产（Bottom组）的趋势变化，类似于因子择时中的Spread指标。通过监测优势差的扩张与收缩，来判断对应风格资产的景气度。[25] * **因子具体构建过程**： 1. 每月末，计算所有行业在特定因子（如预期增速g_fttm、实际增速g_ttm、ROE）上的数值。 2. 根据因子值对行业进行排序，并分为若干组（如十分位）。 3. 计算头部组（如Top组）因子值的中位数与尾部组（如Bottom组）因子值的中位数之差。 $$资产优势差 = Top组中位数 - Bottom组中位数$$ 4. 观察该差值的时间序列变化，若差值扩大（Δ为正），则表明头部资产相对优势在增强；若差值缩小（Δ为负），则表明优势在减弱。[25][29] 模型的回测效果 1. **量化大势研判行业配置策略（资产比较策略）**，年化收益27.67%（2009年以来），2009年超额收益51%，2010年超额收益14%，2011年超额收益-11%，2012年超额收益0%，2013年超额收益36%，2014年超额收益-4%，2015年超额收益16%，2016年超额收益-1%，2017年超额收益27%，2018年超额收益7%，2019年超额收益8%，2020年超额收益44%，2021年超额收益38%，2022年超额收益62%，2023年超额收益10%，2024年超额收益52%，2025年超额收益14%，2026年1月超额收益-1%。[20][22] 量化因子与构建方式 1. **因子名称：预期净利润增速（g_fttm）**[9][38] * **因子构建思路**：基于分析师对未来净利润的一致预期，衡量资产的成长潜力。适用于所有产业周期阶段，是预期成长风格的核心筛选指标。[9] * **因子具体构建过程**：报告未给出具体计算公式，但通常指未来十二个月（Forward Twelve Months）的预期净利润增长率，由市场分析师一致预测数据计算得出。 2. **因子名称：超预期因子簇（sue, sur, jor）**[40] * **因子构建思路**：衡量公司实际发布的业绩相对于市场预期的偏离程度，捕捉业绩动量。主要适用于转型期和成长期资产，是实际成长风格的核心筛选指标。[9][40] * **因子具体构建过程**：报告未给出具体计算公式。通常包括： * **SUE（Standardized Unexpected Earnings）**：标准化意外盈余， (实际EPS - 预期EPS) / 历史盈余波动率。 * **SUR（Surprise）**：意外程度， (实际EPS - 预期EPS) / 预期EPS绝对值。 * **JOR**：可能指业绩预告或快报相关的超预期指标。 3. **因子名称：PB-ROE回归残差**[43] * **因子构建思路**：在PB-ROE估值框架下，寻找盈利能力（ROE）较高但估值（PB）相对较低的资产，即“性价比”高的盈利资产。适用于成熟期资产。[9][43] * **因子具体构建过程**： 1. 在横截面上，对行业（或公司）的市净率（PB）与净资产收益率（ROE）进行回归。 $$PB = \alpha + \beta * ROE + \epsilon$$ 2. 计算回归残差 \(\epsilon\)。残差为负表示该行业的实际PB低于其ROE所对应的理论PB，即估值相对偏低，更具投资价值。 4. **因子名称：质量红利复合因子（dp+roe）**[46] * **因子构建思路**：综合考察资产的股息回报（dp）和盈利质量（roe），筛选出既能提供稳定现金分红又具备良好盈利能力的资产。适用于成熟期资产。[46] * **因子具体构建过程**：报告未给出具体的合成公式。通常做法是对股息率（dp）和净资产收益率（roe）分别进行横截面标准化或分位数排序，然后按一定权重（如等权）相加得到综合得分。 5. **因子名称：价值红利复合因子（dp+bp）**[49] * **因子构建思路**：综合考察资产的股息回报（dp）和账面价值（bp，即市净率的倒数），筛选出高股息且估值便宜的深度价值型资产。[49] * **因子具体构建过程**：报告未给出具体的合成公式。通常做法是对股息率（dp）和市净率倒数（bp）分别进行横截面标准化或分位数排序，然后按一定权重（如等权）相加得到综合得分。 6. **因子名称：破产价值复合因子（pb+size）**[53] * **因子构建思路**：寻找市净率（pb）极低、市值（size）较小的资产，这类资产可能蕴含并购重组、壳价值或极端低估的机会。适用于停滞期和衰退期资产。[53] * **因子具体构建过程**：报告明确指出该策略选取“PB+SIZE打分最低”的行业。[53] 通常做法是对市净率（pb）和市值（size）分别进行横截面标准化或分位数排序（注意：pb因子值小代表估值低，size因子值小代表市值小），然后按一定权重相加得到综合得分，并选择得分最低的资产。 7. **因子名称：拥挤度**[12][30][34] * **因子构建思路**：衡量某一类资产或策略的交易热门程度和资金集中度。拥挤度过高可能预示着短期风险加大，用于在次级资产比较中确定优先级，并作为主流资产配置的辅助风控指标。[12][30][34] * **因子具体构建过程**：报告未给出具体计算方法。常见的拥挤度指标可能包括：换手率分位数、估值分位数、资金流入强度、因子收益率波动率等。

量化模型与构建方式 本报告为市场数据跟踪报告，未涉及具体的量化交易模型或选股因子的构建与测试。报告主要对宽基指数的各类市场指标进行统计、计算和展示，这些指标可被视为用于描述市场状态或进行估值比较的“因子”或“指标”。以下总结报告中所涉及的主要量化指标及其构建方式。 **1. 指标名称：风险溢价** * **指标构建思路**：以十年期国债即期收益率为无风险利率，计算股票指数收益率与其之差，用以衡量股票市场相对于无风险资产的超额回报，评估其投资价值和偏离程度[27]。 * **指标具体构建过程**：风险溢价 = 股票指数收益率 - 十年期国债即期收益率。报告中具体展示了各宽基指数的当前风险溢价、历史分位值、均值及波动率等统计量[31]。 **2. 指标名称：股债性价比** * **指标构建思路**：将股票指数市盈率（PE-TTM）的倒数视为股票的潜在收益率，然后减去十年期国债即期收益率，以此衡量股票相对于债券的吸引力[46]。 * **指标具体构建过程**：股债性价比 = (1 / 指数PE-TTM) - 十年期国债即期收益率[46]。报告通过图表展示了该指标的历史走势，并对比了其与近5年历史分位值（如80%分位的机会值和20%分位的危险值）的关系[46]。 **3. 指标名称：指数换手率** * **指标构建思路**：衡量宽基指数整体交易的活跃程度，计算其成分股按流通股本加权的平均换手率[18]。 * **指标具体构建过程**：报告给出了具体的计算公式：指数换手率 = Σ(成分股流通股本 * 成分股换手率) / Σ(成分股流通股本)[18]。 **4. 指标名称：破净率** * **指标构建思路**：统计指数成分股中市净率（PB）小于1的个股数量占比，反映市场整体的估值低迷程度或悲观情绪[54][56]。 * **指标具体构建过程**：破净率 = (指数成分股中市净率 < 1 的股票数量) / 指数成分股总数。报告列出了各主要宽基指数的当前破净率[57]。 **5. 指标名称：收益分布形态指标（偏度与峰度）** * **指标构建思路**：通过计算指数日收益率序列的偏度和峰度，描述其分布形态特征，例如分布是否对称、尾部是否厚重[24]。 * **指标具体构建过程**：报告计算了各宽基指数当前日收益率序列的偏度和峰度，并与近5年的历史数据进行比较。其中注明，峰度计算中减去了3（正态分布的峰度值）[25]。偏度为正表示分布右偏（正收益极端情况更多），为负表示左偏（负收益极端情况更多）。峰度值（减3后）为正表示分布比正态分布更尖峭（尾部更厚），为负则表示更平缓[24]。 **6. 指标名称：均线比较指标** * **指标构建思路**：通过比较指数当前价格与不同周期移动平均线（MA）的位置关系，判断短期、中期和长期的市场趋势[15]。 * **指标具体构建过程**：计算指数收盘价相对于MA5、MA10、MA20、MA60、MA120、MA250的偏离百分比，公式为：偏离百分比 = (收盘价 / MA_n - 1) * 100%。报告中用“vsMA5”等列展示了具体数值[15][16]。 **7. 指标名称：连阴连阳天数** * **指标构建思路**：统计指数K线连续为阴线或阳线的天数，用于观察市场的连续上涨或下跌动能[12]。 * **指标具体构建过程**：从1开始计数，正数表示连续阳线的天数，负数表示连续阴线的天数[12]。 **8. 指标名称：交易金额占比** * **指标构建思路**：计算单一宽基指数成交额占全市场（以中证全指为代表）成交额的比例，反映资金在不同板块或风格间的聚集情况[18]。 * **指标具体构建过程**：交易金额占比 = 该指数当日交易金额 / 中证全指当日交易金额[18]。 指标的回测效果 本报告未提供基于这些指标的策略回测结果，如年化收益率、夏普比率、最大回撤等。报告主要呈现了截至2026年2月3日（报告基准日）这些指标的截面数据、历史分位值及与历史均值和标准差的比较。以下为部分指标在报告基准日的具体取值： **1. 风险溢价指标** [31] * 上证50：当前值1.04%，近5年分位值86.67% * 沪深300：当前值1.17%，近5年分位值88.33% * 中证500：当前值3.10%，近5年分位值98.73% * 中证1000：当前值2.92%，近5年分位值98.25% * 中证2000：当前值2.82%，近5年分位值96.98% * 中证全指：当前值2.11%，近5年分位值97.22% * 创业板指：当前值1.85%，近5年分位值87.14% **2. PE-TTM估值指标** [43] * 上证50：当前值11.52，近5年分位值81.24% * 沪深300：当前值13.99，近5年分位值83.72% * 中证500：当前值37.57，近5年分位值99.26% * 中证1000：当前值50.48，近5年分位值99.17% * 中证2000：当前值169.05，近5年分位值91.40% * 中证全指：当前值22.21，近5年分位值98.60% * 创业板指：当前值43.09，近5年分位值63.39% **3. 股息率指标** [53] * 上证50：当前值3.27%，近5年分位值33.55% * 沪深300：当前值2.76%，近5年分位值37.77% * 中证500：当前值1.25%，近5年分位值5.29% * 中证1000：当前值1.00%，近5年分位值23.72% * 中证2000：当前值0.70%，近5年分位值2.73% * 中证全指：当前值1.94%，近5年分位值27.02% * 创业板指：当前值0.87%，近5年分位值56.03% **4. 破净率指标** [57] * 上证50：24.0% * 沪深300：16.67% * 中证500：11.0% * 中证1000：6.8% * 中证2000：2.55% * 中证全指：5.56% * （创业板指未列出） **5. 收益分布形态指标（以当前值计）** [25] * 上证50：峰度 -0.14， 偏度 1.29 * 沪深300：峰度 0.58， 偏度 1.53 * 中证500：峰度 0.88， 偏度 1.56 * 中证1000：峰度 0.95， 偏度 1.50 * 中证2000：峰度 0.79， 偏度 1.51 * 中证全指：峰度 0.70， 偏度 1.53 * 创业板指：峰度 1.19， 偏度 1.61 **6. 资金与交易活跃度指标（2026年2月3日）** [18] * 交易金额占比：沪深300 (26.52%)、中证500 (21.61%)、中证1000 (20.92%) * 换手率：中证2000 (3.98)、创业板指 (3.75)、中证1000 (3.01)、中证500 (2.44)、中证全指 (1.98)、沪深300 (0.81)、上证50 (0.39)

量化模型与构建方式 **注意：** 根据提供的研报内容，报告主要描述了资产证券化（ABS）和不动产投资信托基金（REITs）市场的发行、成交及分层结构等市场数据与现状，并未涉及任何具体的量化模型或量化因子的构建、测试与分析。因此，本报告中**没有**需要总结的量化模型或量化因子内容。 模型的回测效果 **注意：** 报告中未涉及任何量化模型的回测效果。 量化因子与构建方式 **注意：** 报告中未涉及任何量化因子的构建与测试。 因子的回测效果 **注意：** 报告中未涉及任何量化因子的回测效果。