- 本周市场整体呈现震荡下行态势，沪深两市成交额一度回落至6000亿以下，仅国防军工行业录得正收益[4][8] - 宽基ETF资金净流入超400亿元，其中300ETF净流入约293亿元[3][38] - 主动权益型基金仓位较上周明显抬升，平均仓位约为86.15%，其中普通股票型基金仓位为87.82%[14][16] - 中盘成长风格仓位上调至28.61%，小盘成长仓位下降至25.36%[24] - 主动权益型基金行业配置中，机械、电子行业配比上调较多，家电行业配比明显下降[28][29] - 基于绩优基金的行业轮动模型显示，超配行业包括有色金属、煤炭、电力及公用事业等，低配行业包括食品饮料、非银行金融等[31][35] - 境内新成立基金21只，总份额约165.95亿元，其中债券型基金占比最高[45][76]

量化因子与构建方式 单因子表现 - **因子名称**：日内波动率与成交金额的相关性 **因子的构建思路**：通过衡量日内波动率与成交金额之间的相关性，捕捉市场短期波动特征 **因子具体构建过程**：计算日内波动率与成交金额的相关性，剔除行业与市值影响后，构建多头组合相对于基准指数的超额收益[8][9][11] - **因子名称**：市净率因子 **因子的构建思路**：基于市净率（PB）衡量股票的估值水平，低市净率股票可能具有更高的投资价值 **因子具体构建过程**：计算股票的市净率，剔除行业与市值影响后，构建多头组合相对于基准指数的超额收益[8][9][11] - **因子名称**：下行波动率占比 **因子的构建思路**：通过衡量下行波动率在总波动率中的占比，捕捉市场风险特征 **因子具体构建过程**：计算下行波动率占比，剔除行业与市值影响后，构建多头组合相对于基准指数的超额收益[8][9][11] - **因子名称**：ROIC增强因子 **因子的构建思路**：基于投资回报率（ROIC）增强策略，捕捉高回报率股票的超额收益潜力 **因子具体构建过程**：计算ROIC指标，剔除行业与市值影响后，构建多头组合相对于基准指数的超额收益[8][9][11] 大类因子表现 - **因子名称**：估值因子 **因子的构建思路**：通过估值指标（如市盈率、市净率等）衡量股票的投资价值 **因子具体构建过程**：基于估值指标构建因子，剔除行业与市值影响后，计算全市场股票池的超额收益[17] - **因子名称**：市值因子 **因子的构建思路**：通过市值大小捕捉市场风格特征 **因子具体构建过程**：基于市值大小构建因子，剔除行业与市值影响后，计算全市场股票池的超额收益[17] - **因子名称**：非线性市值因子 **因子的构建思路**：通过非线性方式衡量市值对股票收益的影响 **因子具体构建过程**：基于非线性市值构建因子，剔除行业与市值影响后，计算全市场股票池的超额收益[17] - **因子名称**：残差波动率因子 **因子的构建思路**：通过残差波动率衡量股票的风险特征 **因子具体构建过程**：基于残差波动率构建因子，剔除行业与市值影响后，计算全市场股票池的超额收益[17] 行业内因子表现 - **因子名称**：净资产增长率因子 **因子的构建思路**：通过净资产增长率衡量企业的成长性 **因子具体构建过程**：计算净资产增长率，剔除行业与市值影响后，分析在各行业的表现[20] - **因子名称**：净利润增长率因子 **因子的构建思路**：通过净利润增长率衡量企业盈利能力的提升 **因子具体构建过程**：计算净利润增长率，剔除行业与市值影响后，分析在各行业的表现[20] - **因子名称**：BP因子 **因子的构建思路**：基于账面市值比（BP）衡量股票的估值水平 **因子具体构建过程**：计算BP指标，剔除行业与市值影响后，分析在各行业的表现[20] - **因子名称**：EP因子 **因子的构建思路**：基于市盈率倒数（EP）衡量股票的估值水平 **因子具体构建过程**：计算EP指标，剔除行业与市值影响后，分析在各行业的表现[20] --- 因子的回测效果 单因子表现 - **沪深300股票池** - 日内波动率与成交金额的相关性：最近1周收益2.11%，最近1个月收益3.46%，最近1年收益2.37%，最近10年净值曲线82.45%[9] - 市净率因子：最近1周收益1.92%，最近1个月收益1.49%，最近1年收益16.20%，最近10年净值曲线90.30%[9] - 下行波动率占比：最近1周收益1.79%，最近1个月收益3.21%，最近1年收益9.67%，最近10年净值曲线94.64%[9] - ROIC增强因子：最近1周收益-1.49%，最近1个月收益-2.23%，最近1年收益-2.83%，最近10年净值曲线51.24%[9] - **中证500股票池** - 下行波动率占比：最近1周收益2.59%，最近1个月收益3.94%，最近1年收益2.30%，最近10年净值曲线183.07%[12] - 市净率因子：最近1周收益2.01%，最近1个月收益4.05%，最近1年收益7.74%，最近10年净值曲线122.82%[12] - 日内波动率与成交金额的相关性：最近1周收益1.74%，最近1个月收益2.09%，最近10年净值曲线158.33%[12] - ROIC增强因子：最近1周收益-0.78%，最近1个月收益-1.11%，最近1年收益3.31%，最近10年净值曲线216.99%[12] - **流动性1500股票池** - 对数市值因子：最近1周收益1.69%，最近1个月收益0.64%，最近1年收益-0.41%，最近10年净值曲线4.45%[15] - 下行波动率占比：最近1周收益1.45%，最近1个月收益2.85%，最近1年收益2.45%，最近10年净值曲线146.61%[15] - 日内波动率与成交金额的相关性：最近1周收益1.21%，最近1个月收益2.38%，最近1年收益2.01%，最近10年净值曲线194.60%[15] - ROIC增强因子：最近1周收益-1.53%，最近1个月收益-1.15%，最近10年净值曲线155.57%[15] 大类因子表现 - 估值因子：本周全市场股票池收益0.59%[17] - 市值因子：本周全市场股票池收益-1.26%[17] - 非线性市值因子：本周全市场股票池收益-0.51%[17] - 残差波动率因子：本周全市场股票池收益-0.50%[17] 行业内因子表现 - 净资产增长率因子：在农林牧渔、银行和休闲服务行业取得正收益[20] - 净利润增长率因子：在农林牧渔、银行和休闲服务行业取得正收益[20] - BP因子：在多数行业正收益明显[20] - EP因子：在多数行业取得负收益[20]

根据提供的文档内容，未发现任何关于量化模型或量化因子的具体描述、构建思路、构建过程、公式或测试结果等相关内容

量化因子与构建方式 1. 因子名称：基金超配比例因子（$FOP_{i,t}$） - **因子的构建思路**：衡量公募基金对某只股票的超配程度，反映基金经理对股票的偏好程度[17][41] - **因子具体构建过程**： 公式为： $$FOP_{i,t} = \frac{weight_{fund_{i,t}}}{weight_{market_{i,t}}} - 1$$ 其中，$weight_{fund_{i,t}}$ 表示股票 $i$ 在公募基金持仓中的比重，$weight_{market_{i,t}}$ 表示股票 $i$ 在市场总市值中的比重。$FOP_{i,t}$ 越高，说明公募基金对该股票的超配程度越高[17][41] - **因子评价**：基金超配比例因子能够有效反映公募基金对股票的偏好，但超配程度高的股票并不一定意味着未来收益高，因其对市场情绪的敏感性较强[41][42] 2. 因子名称：基金超配比例变化因子（$FOC_{i,t}$） - **因子的构建思路**：衡量公募基金对某只股票超配比例的时序变化，捕捉基金经理对股票配置的动态调整[41] - **因子具体构建过程**： 公式为： $$FOC_{i,t} = \frac{1 + FOP_{i,t}}{1 + FOP_{i,t-1}} - 1$$ 其中，$FOP_{i,t}$ 表示当前期的超配比例，$FOP_{i,t-1}$ 表示上一期的超配比例。$FOC_{i,t}$ 越高，说明基金对该股票的超配程度提升越显著[41] - **因子评价**：超配比例变化因子在中小盘股的多头端表现优异，能够捕捉到基金经理对股票配置的积极调整[45][47] 3. 因子名称：重仓股超配比例因子（$FOP_{adj\_qtr}$） - **因子的构建思路**：基于季报披露的前十大重仓股数据，剔除抱团效应后，衡量基金对股票的超配程度[48][51] - **因子具体构建过程**： 公式与全持仓超配比例因子类似，但数据来源为季报披露的重仓股数据，且通过剔除抱团效应对数据进行调整[48][51] - **因子评价**：重仓股超配比例因子在大盘股中效果更显著，能够更好地反映基金对大盘股的偏好[48][51] 4. 因子名称：基金持仓因子（$FOA$） - **因子的构建思路**：将全持仓超配比例因子（$FOP_{i,t}$）和重仓股超配比例因子（$FOP_{adj\_qtr}$）合成，综合反映基金持仓对股票的偏好[57][58] - **因子具体构建过程**： 通过对$FOP_{i,t}$和$FOP_{adj\_qtr}$进行加权合成，调仓频率为月频，最终得到基金持仓因子$FOA$[57][58] - **因子评价**：合成后的基金持仓因子选股效果显著增强，能够在多样化的股票池中表现出较好的分组效果[58][60] --- 因子的回测效果 1. 基金超配比例因子（$FOP_{i,t}$） - **全体样本**：多空年化收益14.4%，多头超额年化收益6.8%，多头超额夏普比1.11[47] - **沪深300**：多空年化收益6.4%，多头超额年化收益4.3%，多头超额夏普比0.67[47] - **中证500**：多空年化收益8.4%，多头超额年化收益6.7%，多头超额夏普比1.62[47] - **中证1000**：多空年化收益11.7%，多头超额年化收益7.0%，多头超额夏普比1.13[47] 2. 基金超配比例变化因子（$FOC_{i,t}$） - **全体样本**：多空年化收益9.5%，多头超额年化收益8.2%，多头超额夏普比1.04[57] - **沪深300**：多空年化收益5.9%，多头超额年化收益6.0%，多头超额夏普比1.02[57] - **中证500**：多空年化收益5.0%，多头超额年化收益6.8%，多头超额夏普比1.25[57] - **中证1000**：多空年化收益6.8%，多头超额年化收益9.1%，多头超额夏普比1.30[57] 3. 重仓股超配比例因子（$FOP_{adj\_qtr}$） - **全体样本**：多空年化收益10.0%，多头超额年化收益8.8%，多头超额夏普比1.12[54] - **沪深300**：多空年化收益6.2%，多头超额年化收益6.3%，多头超额夏普比0.89[54] - **中证500**：多空年化收益8.5%，多头超额年化收益8.4%，多头超额夏普比1.35[54] - **中证1000**：多空年化收益9.9%，多头超额年化收益10.4%，多头超额夏普比1.39[54] 4. 基金持仓因子（$FOA$） - **全体样本**：多空年化收益14.0%，多头超额年化收益9.4%，多头超额夏普比1.31[60] - **沪深300**：多空年化收益7.5%，多头超额年化收益5.7%，多头超额夏普比0.83[60] - **中证500**：多空年化收益8.4%，多头超额年化收益7.1%，多头超额夏普比1.40[60] - **中证1000**：多空年化收益11.3%，多头超额年化收益10.3%，多头超额夏普比1.60[60]

- 本次提供的文档中未包含任何量化模型或量化因子的相关内容[1][2][3][4][5][6][7][8][9][10][11][12][13][14][15]

量化模型与构建方式 1. 模型名称：指数增强策略（沪深300、中证500、中证1000、中证2000） - **模型构建思路**：通过成分股内选股，利用量化模型在指数成分股中挖掘超额收益机会，构建增强型投资组合[3] - **模型具体构建过程**：基于指数成分股，结合量化因子进行选股，优化组合权重以实现超额收益。具体因子选择和权重优化过程未在报告中详细说明[3] --- 模型的回测效果 1. 沪深300指数增强策略 - 本周收益：2.07%[3] - 本周超额收益：0.87%[3] - 本年收益：10.56%[3] - 本年超额收益：9.35%[3] - 超额最大回撤：-2.76%[3] 2. 中证500指数增强策略 - 本周收益：1.24%[3] - 本周超额收益：0.15%[3] - 本年收益：-0.39%[3] - 本年超额收益：9%[3] - 超额最大回撤：-1.8%[3] 3. 中证1000指数增强策略 - 本周收益：2.44%[3] - 本周超额收益：1.04%[3] - 本年收益：-4.75%[3] - 本年超额收益：12.39%[3] - 超额最大回撤：-1.38%[3] 4. 中证2000指数增强策略 - 本周收益：2.21%[3] - 本周超额收益：1.07%[3] - 本年收益：-14.44%[3] - 本年超额收益：9.55%[3] - 超额最大回撤：-1.47%[3] --- 量化因子与构建方式 1. 因子名称：标准化预期外单季度归母净利润-带漂移项 - **因子的构建思路**：通过标准化处理和漂移调整，捕捉单季度归母净利润的超预期表现[2] - **因子具体构建过程**：未提供详细公式和构建过程[2] 2. 因子名称：标准化预期外市盈率（归母）-带漂移项 - **因子的构建思路**：通过标准化和漂移调整，衡量市盈率的超预期变化[2] - **因子具体构建过程**：未提供详细公式和构建过程[2] 3. 因子名称：标准化预期外单季度营业收入-带漂移项 - **因子的构建思路**：通过标准化和漂移调整，捕捉单季度营业收入的超预期表现[2] - **因子具体构建过程**：未提供详细公式和构建过程[2] 4. 因子名称：EPG分位数 - **因子的构建思路**：通过分位数方法衡量企业盈利增长与估值的匹配程度[2] - **因子具体构建过程**：未提供详细公式和构建过程[2] 5. 因子名称：分析师预测净利润增长率FY3 - **因子的构建思路**：基于分析师预测数据，衡量未来三年净利润增长的预期[2] - **因子具体构建过程**：未提供详细公式和构建过程[2] 6. 因子名称：单季度扣非净利润同比增长率 - **因子的构建思路**：衡量单季度扣非净利润的同比增长情况[2] - **因子具体构建过程**：未提供详细公式和构建过程[2] 7. 因子名称：单季度归母净利润同比增长率 - **因子的构建思路**：衡量单季度归母净利润的同比增长情况[2] - **因子具体构建过程**：未提供详细公式和构建过程[2] 8. 因子名称：单季度营业利润同比增长率 - **因子的构建思路**：衡量单季度营业利润的同比增长情况[2] - **因子具体构建过程**：未提供详细公式和构建过程[2] 9. 因子名称：标准化预期外归母净利润同比 - **因子的构建思路**：通过标准化处理，捕捉归母净利润同比增长的超预期表现[2] - **因子具体构建过程**：未提供详细公式和构建过程[2] 10. 因子名称：单季度归母ROA变动 - **因子的构建思路**：衡量单季度归母ROA的变化情况[2] - **因子具体构建过程**：未提供详细公式和构建过程[2] 11. 因子名称：标准化预期外归母净利润同比-带漂移项 - **因子的构建思路**：通过标准化和漂移调整，捕捉归母净利润同比增长的超预期表现[2] - **因子具体构建过程**：未提供详细公式和构建过程[2] 12. 因子名称：超预期 - **因子的构建思路**：综合衡量多种超预期因子的表现[2] - **因子具体构建过程**：未提供详细公式和构建过程[2] 13. 因子名称：成长 - **因子的构建思路**：衡量企业成长性相关指标的表现[2] - **因子具体构建过程**：未提供详细公式和构建过程[2] 14. 因子名称：分析师超预期 - **因子的构建思路**：基于分析师预测数据，捕捉超预期的表现[2] - **因子具体构建过程**：未提供详细公式和构建过程[2] 15. 因子名称：市值 - **因子的构建思路**：衡量企业市值对收益的影响[2] - **因子具体构建过程**：未提供详细公式和构建过程[2] --- 因子的回测效果 沪深300内表现较好的因子 - 标准化预期外单季度归母净利润-带漂移项[2] - 标准化预期外市盈率（归母）-带漂移项[2] - 标准化预期外单季度营业收入-带漂移项[2] 中证500内表现较好的因子 - EPG分位数[2] - 分析师预测净利润增长率FY3[2] - 单季度扣非净利润同比增长率[2] 中证1000内表现较好的因子 - 单季度归母净利润同比增长率[2] - 单季度营业利润同比增长率[2] - 单季度扣非净利润同比增长率[2] 中证2000内表现较好的因子 - 标准化预期外归母净利润同比[2] - 单季度归母净利润同比增长率[2] - 标准化预期外归母净利润同比-带漂移项[2] 中证全指内表现较好的因子 - EPG分位数[2] - 单季度归母ROA变动[2] - 标准化预期外归母净利润同比[2] 大类因子表现 - 沪深300内较好因子：超预期、成长、分析师超预期[2] - 中证500内较好因子：成长、超预期、市值[2] - 中证1000内较好因子：成长、超预期、分析师[2] - 中证2000内较好因子：超预期、成长、分析师超预期[2] - 中证全指内较好因子：超预期、成长、分析师[2]

根据提供的文档内容，报告中并未涉及具体的量化模型或量化因子的构建、测试及评价内容，因此无法按照任务要求总结相关内容

- 本文是"海量Level 2数据因子挖掘"系列研究报告的第一篇，从所有行情数据的根源——Level 2逐笔订单数据出发，通过大小订单的角度对所有交易订单进行窥探，并结合多维度解耦的分析方法构建出了93个有效的大小单因子[2][20][24] - 基于Level 2逐笔订单数据构建的大小单占比因子，本文构建了24个从时间维度进行解耦的大单占比因子，12个从订单维度解耦的大小单占比因子，以及48个多维度解耦的大小单占比因子[10][24][27] - 大小单因子的构建思路是通过对买卖订单中成交量大于均值+N倍标准差的订单界定为大单，剩余的则相应地界定为小单，分别采用3个不同的标准差阈值来对大小单进行界定[27] - 大买单占比因子BigBuy_1p0的表现较为突出，5日换仓RankIC均值为5.4%、胜率为64%，多头年化收益率达33.15%、最大回撤率为13.43%、夏普比率为1.83[28][31] - 精选大小单因子组合在2020~2023年期间的20日换仓下，实证结果表明在全市场及各大板块上均取得了较为出色的表现[10][88][145] - 在200档分档组合构建下，大小单因子组合在全市场板块的多头较为显著，取得了36.61%的多头年化收益率，最大回撤率为17.52%，夏普比率为2.03，相对同期的中证全指取得了33.07%的超额年化收益率[10][89][95] - 在50档分档组合构建下，大小单因子组合在沪深300、中证500、中证800、中证1000和创业板板块的多头较为显著，分别取得了12.24%、22.55%、18.54%、24.61%、36.20%的多头年化收益率，夏普比率分别为0.75、1.12、1.14、1.36、1.59，相比同期的板块指数分别取得了13.40%、18.67%、18.95%、17.39%、25.07%的超额年化收益率[10][88][145]

量化模型与构建方式 1. 模型名称：量能择时模型 - **模型构建思路**：通过量能信号判断市场情绪，提供择时建议[30] - **模型具体构建过程**： 1. 统计各宽基指数的量能信号 2. 根据量能信号的强弱，给出“空”或“多”的择时观点 3. 截至2024年7月12日，各指数量能择时观点均为“空”[31] 2. 模型名称：沪深300上涨家数占比情绪指标 - **模型构建思路**：通过统计沪深300成分股中正收益股票的占比，判断市场情绪的冷暖[30][31] - **模型具体构建过程**： 1. 计算公式： $ \text{沪深300指数N日上涨家数占比} = \frac{\text{过去N日收益大于0的个股数}}{\text{沪深300成分股总数}} $ 2. 对指标进行两次不同窗口期的平滑处理，分别生成“快线”和“慢线”，其中N1=50，N2=35，N1>N2 3. 当快线大于慢线时，市场情绪看多；反之看空[34][39] - **模型评价**：该指标能较快捕捉上涨机会，但在市场过热阶段可能错失部分收益，同时对下跌市场的判断存在缺陷[33] 3. 模型名称：均线情绪指标 - **模型构建思路**：基于八均线体系，通过均线区间值判断市场趋势状态[40] - **模型具体构建过程**： 1. 计算沪深300收盘价的八均线数值，均线参数为8、13、21、34、55、89、144、233 2. 根据八均线区间值赋值：区间值为1/2/3时赋值-1，4/5/6时赋值0，7/8/9时赋值1 3. 当前价格大于八均线指标值的数量超过5时，看多沪深300指数[40][45] - **模型评价**：通过区间划分，指标值与沪深300涨跌变化规律更加清晰[40] --- 模型的回测效果 1. 量能择时模型 - 各宽基指数量能择时观点均为“空”[31] 2. 沪深300上涨家数占比情绪指标 - 最近一周指标环比下降，上涨家数占比低于50%，市场情绪处于修复阶段[33] - 当前沪深300指数未处于情绪景气区间[34] 3. 均线情绪指标 - 短期内沪深300指数处于情绪非景气区间[40] --- 量化因子与构建方式 1. 因子名称：横截面波动率因子 - **因子构建思路**：通过横截面波动率衡量市场的Alpha环境，波动率越高，Alpha环境越好[44] - **因子具体构建过程**： 1. 计算沪深300、中证500和中证1000的横截面波动率 2. 统计不同时间窗口的波动率均值及其分位点[46] - **因子评价**：短期内横截面波动率上行，Alpha环境环比改善[44] 2. 因子名称：时间序列波动率因子 - **因子构建思路**：通过时间序列波动率衡量市场的短期波动特征，波动率越高，短期Alpha环境越好[47] - **因子具体构建过程**： 1. 计算沪深300、中证500和中证1000成分股的加权时间序列波动率 2. 统计不同时间窗口的波动率均值及其分位点[50] - **因子评价**：短期内时间序列波动率上行，Alpha环境环比改善[47] --- 因子的回测效果 1. 横截面波动率因子 - 沪深300横截面波动率：近一季度平均值1.82%，占近半年分位52.69%[46] - 中证500横截面波动率：近一季度平均值1.95%，占近半年分位59.52%[46] - 中证1000横截面波动率：近一季度平均值2.18%，占近半年分位72.51%[46] 2. 时间序列波动率因子 - 沪深300时间序列波动率：近一季度平均值0.55%，占近半年分位75.00%[50] - 中证500时间序列波动率：近一季度平均值0.42%，占近半年分位55.56%[50] - 中证1000时间序列波动率：近一季度平均值0.26%，占近半年分位74.90%[50]

- 本周风格指数普遍上涨，成长风格相较红利风格占优，小盘股相较大盘股占优，基金重仓股相较微盘股占优，反转风格相较动量风格占优[2][65] - 红利风格拥挤度及超额净值处于历史高点，本周拥挤度上升；成长风格拥挤度及超额净值持续处于历史低位[3][69] - 大盘风格当前配置风险较低，小盘风格超额净值及拥挤度均处于历史低位，当前配置性价比较高[3][73] - 微盘股拥挤度持续处于历史极高分位，当前配置风险较高；基金重仓拥挤度近期持续上升，当前配置风险较高[3][75] - 本周美国国债利率下行，成长风格跑赢红利风格，与长期经验一致；大盘风格跑输小盘风格，与长期经验背离[3][77]