证券研究报告|金融工程研究报告 [Table_Date] 2025 年 09 月 20 日 [Table_Title] 一周市场数据复盘 20250919 [Table_Summary] ► 宽基指数表现 上周市场普遍上涨，创业板指、科创 50 和中证 500 指数 涨幅较大，分别上涨 2.34%、1.84%和 0.32%。 今年以来小盘风格延续强势，创业板指、科创 50 和中证 2000指数涨跌幅居前，分别为44.33%、37.79%和32.59%。 ► 行业指数表现 上周涨幅最大的行业是煤炭、电力设备和电子，分别上 涨 3.51%、3.07%和 2.96%。 今年以来通信和有色金属行业表现最好，分别上涨 64.09%和 51.05%。 PE 分位数最高的行业是煤炭，为 100%。达 99%的行业 包括房地产、电子、机械设备、商贸零售和计算机；PE 分位 数最低的三个行业是食品饮料、农林牧渔和非银金融，分别 为 15%、19%、31%。 ► 行业拥挤度 我们使用行业指数最近一周价格和成交金额变动的马氏 距离衡量拥挤度。 上周汽车行业出现短期显著拥挤。 评级及分析师信息 [Table_Author] 分析师： ...

量化模型与构建方式 行业拥挤度监测模型 1. 模型名称：行业拥挤度监测模型[3] 2. 模型构建思路：通过多维度指标监测申万一级行业指数的拥挤程度，识别过热或过冷行业[3] 3. 模型具体构建过程：模型基于多个市场指标（如交易量、价格波动、资金流向等）构建综合拥挤度指标，每日对申万一级行业指数进行监测排名。具体计算过程未详细披露，但通过热力图形式展示近30个交易日的拥挤度变化[3][9] 4. 模型评价：能够有效识别行业拥挤状态变化，为行业轮动提供参考依据[3] 溢价率Z-score模型 1. 模型名称：溢价率Z-score模型[4] 2. 模型构建思路：通过统计套利方法识别ETF溢价率的异常波动，挖掘潜在套利机会[4] 3. 模型具体构建过程：计算ETF溢价率的Z-score统计量，公式为： $$Z = \frac{P_{溢价率} - \mu_{溢价率}}{\sigma_{溢价率}}$$ 其中$P_{溢价率}$为当前溢价率，$\mu_{溢价率}$为历史溢价率均值，$\sigma_{溢价率}$为历史溢价率标准差。通过滚动窗口计算Z-score值，当Z-score超过特定阈值时生成交易信号[4] 4. 模型评价：能够有效捕捉ETF定价偏差，但需警惕标的回调风险[4] 量化因子与构建方式 资金净流入因子 1. 因子名称：资金净流入因子[5] 2. 因子构建思路：通过监测各类ETF产品的资金流动情况，识别资金偏好方向[5] 3. 因子具体构建过程：每日计算各类ETF产品的资金净流入额，公式为： $$资金净流入 = 流入资金总额 - 流出资金总额$$ 按宽基ETF、行业主题ETF、风格策略ETF、跨境ETF四大类别分别统计，并筛选单日资金净流入TOP3和净流出TOP3产品[5] 主力资金净流动因子 1. 因子名称：主力资金净流动因子[11] 2. 因子构建思路：监测申万一级行业指数的主力资金流向变化[11] 3. 因子具体构建过程：计算各行业指数的主力资金净流入额，按T日、T-1日、T-2日分别统计，并汇总近3个交易日合计值。公式为： $$近3日主力净流入合计 = 主力净流入_T + 主力净流入_{T-1} + 主力净流入_{T-2}$$ 其中主力净流入额为正值表示资金流入，负值表示资金流出[11] 模型的回测效果 （报告中未提供具体的模型回测效果指标数据） 因子的回测效果 （报告中未提供具体的因子回测效果指标数据）

量化模型与构建方式 1 **模型名称：行业拥挤度监测模型** **模型构建思路：** 通过监测申万一级行业指数的拥挤度，识别行业过热或低估状态，为投资决策提供参考[3] **模型具体构建过程：** 报告未提供具体的构建公式和详细步骤，仅提及对申万一级行业指数的拥挤度进行每日监测[3] 2 **模型名称：溢价率 Z-score 模型** **模型构建思路：** 通过计算ETF溢价率的Z-score值，识别存在潜在套利机会的ETF产品[4] **模型具体构建过程：** 报告未提供具体的构建公式和详细步骤，仅提及通过滚动测算提供信号[4] 量化因子与构建方式 1 **因子名称：行业拥挤度因子** **因子构建思路：** 基于申万一级行业指数构建，用于衡量行业交易拥挤程度[3] **因子具体构建过程：** 报告未提供具体的构建公式和详细步骤[3] 2 **因子名称：主力资金净流入因子** **因子构建思路：** 通过计算主力资金净流入额，反映资金对行业或ETF的短期偏好[13] **因子具体构建过程：** 直接使用Wind数据中的主力净流入额（单位：亿元），包括当日（T）、前一日（T-1）及前两日（T-2）数据，并计算近3个交易日合计值[13] 公式： $$近3日合计 = T + T-1 + T-2$$ 模型的回测效果 （报告未提供模型回测结果） 因子的回测效果 1. **行业拥挤度因子** - 拥挤度较高行业：有色、电力设备、电子[3] - 拥挤度较低行业：食品饮料、美护[3] - 拥挤度变动较大行业：汽车、轻工[3] 2. **主力资金净流入因子** - 近3日主力资金净流入较高行业：传媒（+8.81亿元 T日）、汽车（+5.47亿元 T日）[13] - 近3日主力资金净流出较高行业：电子（-50.84亿元 T日）、计算机（-59.24亿元 T日）、电力设备（-23.89亿元 T日）[13] - 近3日合计净流入：传媒（-41.41亿元）、计算机（-59.49亿元）、机械设备（-58.22亿元）[13] 3. **ETF资金流动因子** - 宽基ETF：单日净流出85.26亿元[5] - 行业主题ETF：单日净流入0.27亿元[5] - 风格策略ETF：单日净流入3.52亿元[5] - 跨境ETF：单日净流入38.39亿元[5]

量化模型与构建方式 1 **模型名称：行业拥挤度监测模型** **模型构建思路：** 通过监测申万一级行业指数的拥挤度，识别当前市场过热或过冷的行业，为投资决策提供参考[3] **模型具体构建过程：** 模型每日计算各行业的拥挤度水平，具体计算方式未详细说明，但会输出各行业的拥挤度排名及变动情况[3] 2 **模型名称：溢价率Z-score模型** **模型构建思路：** 通过计算ETF溢价率的Z-score值，识别存在潜在套利机会的ETF产品，同时提示回调风险[4] **模型具体构建过程：** 模型滚动计算ETF溢价率的Z-score值，具体公式未详细说明，但会基于Z-score值生成ETF产品的关注信号[4] 量化因子与构建方式 1 **因子名称：行业拥挤度因子** **因子构建思路：** 用于衡量申万一级行业指数的市场拥挤程度，帮助识别行业过热或过冷状态[3] **因子具体构建过程：** 因子每日计算各行业的拥挤度，具体计算方式未详细说明，但会输出拥挤度排名及变动情况[3] 2 **因子名称：溢价率Z-score因子** **因子构建思路：** 用于衡量ETF溢价率相对于历史水平的偏离程度，识别潜在套利机会[4] **因子具体构建过程：** 因子滚动计算ETF溢价率的Z-score值，具体公式未详细说明，但会基于Z-score值生成ETF产品的关注信号[4] 模型的回测效果 （无相关内容） 因子的回测效果 （无相关内容）

核心观点 - 市场情绪指标数值为3.2，处于高位震荡状态，较上周五的2.9小幅上涨，但部分分项指标开始回落，短期观点偏中性[2][8] - 价量一致性得分快速下跌，行业交易波动率继续回落，资金活跃度和参与度出现降温，市场成交活跃度略有下降[2][10] - 全A成交额较上周大幅下降，周五日成交额为周内最低的23483.59亿人民币，日成交量为1460.90亿股[2][14] - PCR结合VIX指标由正转负，对冲需求下降，波动率压制下潜在风险累积，短期或暗含回调压力[2][10][26] - 行业拥挤度显示综合、电力设备板块资金拥挤度高且涨幅高，计算机、电子板块资金拥挤度高但涨幅偏低，国防军工、钢铁、建筑材料等低拥挤度板块可能迎来配置机会[2][39] - 均线排列模型显示电力设备、公用事业、美容护理、食品饮料等行业短期趋势得分上升趋势靠前，电力设备短期得分继续上升至100[2][31] - 当前模型维持提示大盘风格占优信号，且5日RSI相对20日进一步下降，信号提示强烈，成长风格占优但信号提示强度降低[2][43][45] 情绪模型观点 - 市场情绪结构指标采用行业间交易波动率、行业交易拥挤度、价量一致性、科创50成交占比、行业涨跌趋势性、RSI、主力买入力量、PCR结合VIX、融资余额占比等细分指标构建，指标分数等权求和后的20日均线作为情绪结构指标，近5年A股市场情绪波动较大，2024年10月市场情绪得分突破2[7] - 截至9月5日，市场情绪指标数值为3.2，较上周五的2.9小幅上涨，周内呈现震荡趋势，部分分项指标开始回落[8] - 价量一致性快速下跌，市场价量匹配程度出现回落，资金的活跃度和参与度出现降温，但周五有小幅反弹[10][11] - 科创50相对万得全A成交占比保持快速上升趋势，市场风险偏好出现明显上升[10][16] - 行业间交易波动率继续向下回落，资金切换活跃度下降，资金流动放慢，短期情绪出现波动[10][20] - 行业涨跌趋势周内快速下降，当前信号仍位于布林带之间，资金观点分歧进一步上升[10][21] - 融资融券占比回升至布林带区间内，市场杠杆资金情绪有所修复[10][25] - PCR方向指标由正转负，PCR指标继续保持下降趋势，对冲需求下降，VIX指标下穿20日均线，隐含波动率回落至低位[10][26] 其他择时模型观点 - 均线排列模型通过对N条均线的高低进行打分，短均线在长均线之上计1分，否则计0分，将所有组合得分值标准化后求平均得到趋势得分[31] - 截至2025/9/7，电力设备、公用事业、美容护理、食品饮料等行业短期趋势得分上升趋势靠前，电力设备、综合、有色金属是短期趋势最强的行业，电力设备短期得分继续上升至100[2][31] - 行业拥挤度通过行业指数的成交额与换手率按照过去20日均值与波动率进行标准化，得到行业的交易热度指标，最终定义为行业热度指标滚动60日的百分比排名[36] - 截至2025年9月7日，周平均拥挤度最高的行业分别为商贸零售、综合、电子、通信、有色金属，拥挤度最低的行业分别为医药生物、国防军工、美容护理、纺织服饰、基础化工[38] - 相对强弱指标（RSI）计算方式为N日内的RSI = 100 - 100 / (1 + Gain / Loss)，当20日RSI>60日RSI，则比值的分子端风格占优[43] - 当前模型维持提示大盘风格占优信号，且5日RSI相对20日进一步下降，信号提示强烈，RSI模型提示成长风格占优信号，但短期内5日RSI相对20日RSI大幅下滑，信号提示强度降低[2][43][45]

根据研报内容，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**：对申万一级行业指数的拥挤度进行每日监测，以识别交易过热或过冷的行业[3] * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细过程[3] 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的溢价率Z-score，来筛选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公式和详细过程[4] 量化因子与构建方式 1. **因子名称**：行业拥挤度[3] * **因子构建思路**：通过综合指标衡量特定行业的交易热度[3] * **因子具体构建过程**：报告未提供该因子的具体构建公式和详细过程[3] 2. **因子名称**：溢价率 Z-score[4] * **因子构建思路**：衡量ETF市价相对于其净值（IOPV）的偏离程度，并经过标准化处理[4] * **因子具体构建过程**：报告未提供该因子的具体构建公式和详细过程[4] 模型的回测效果 （报告未提供相关模型的回测效果指标取值） 因子的回测效果 （报告未提供相关因子的回测效果指标取值）

重要提醒 报告导读： SAR 指标和情绪模型继续维持正向信号，均线强弱指数在经历了上周上半周 的下行后，有所下降，出现了新的上行空间。因此，我们认为，下周市场将延续涨势。 下周 （ 20250901-20250905 ，后文同） 市场观点： 下周市场将延续涨势 。 从量化指标上看，基于沪深 300 指数的流动性冲击指标周五为 1.26 ，低 于前一周（ 1.73 ），意味着当前市场的流动性高于过去一年平均水平 1.26 倍标准差。上证 50ETF 期权成交量的 PUT-CALL 比率震荡上升，周五为 0.66 ，高于前一周（ 0.64 ），投资者对上证 50ETF 短期走势乐观程度下降。上证综指和 Wind 全 A 五日平均换手率分别为 1.67% 和 2.58% ，处于 2005 年 以来的 83.35% 和 90.49% 分位点，交易活跃度有所上升。事件驱动上， 1. 上周美股市场震荡下行。道琼斯工业指数、标普 500 指数和纳斯达克指数周收 益率分别为 -0.19% 、 -0.1% 、 -0.19% 。根据 Wind ，美国 7 月核心 PCE 物价指数同比升 2.9% ，为 2025 年 2 月以来新 ...

根据提供的研报内容，以下是关于量化模型和因子的总结： 量化因子与构建方式 1. **因子名称：行业拥挤度因子**[3][17] * **因子构建思路**：通过计算行业指数价格变动与成交金额变动的马氏距离，来衡量市场交易行为的异常集中程度，即拥挤度[3][17] * **因子具体构建过程**： 1. 选取各行业指数最近一周的价格变动数据和成交金额变动数据[3][17] 2. 计算这两个维度数据向量的马氏距离（Mahalanobis Distance）[3][17] 3. 马氏距离的计算公式为： $$D_M(x) = \sqrt{(x - \mu)^T \Sigma^{-1} (x - \mu)}$$ 其中，$x$ 代表由行业价格变动和成交金额变动组成的二维向量，$\mu$ 是各维度数据的均值向量，$\Sigma$ 是协方差矩阵，$\Sigma^{-1}$ 是协方差矩阵的逆[3][17] 4. 根据马氏距离的统计分布特性，将置信水平超过99%（即落在椭圆区域外）的行业识别为出现短期显著拥挤的行业[17] * **因子评价**：该因子能有效捕捉市场短期交易过热或过冷的异常状态，是一个有效的市场情绪监测指标[17] 因子的回测效果 1. **行业拥挤度因子**，上周出现显著拥挤的行业有：家用电器、有色金属[4][17]

基金经理Q2调仓路径 - 二季度基金经理调仓路径清晰可辨 加仓方向释放强烈信号 [1] - 科技赛道持续领跑 通信行业持仓上升至54% 5G基站建设与AI算力需求共振 [2][3] - 传媒行业持仓1.9% 游戏、广告营销等细分领域受资金追捧 AI应用落地加速推动产业链业绩爆发 [4] 周期与防御板块配置 - 农林牧渔持仓占比1.6% 配置系数1.36倍 生猪、粮食等细分赛道基本面反转预期升温 [6] - 国防军工持仓4.2% 地缘冲突催化下航空装备、地面兵装等领域长期逻辑强化 [6] - 银行持仓提升至4.9% 平准基金护盘和低估值高分红属性推动二季度领涨 [7] - 非银金融持仓1.9% 配置系数0.26倍 证券、保险板块配置系数环比提升 [7] ETF资金流向 - 沪深300ETF份额增加241亿份 规模增长1206亿元 [7][8] - 中证1000ETF份额增加115亿份 规模增长331亿元 [7][8] - 港股互联网、创新药、高股息类ETF合计吸金超560亿元 [7] 行业配置警示 - 电子行业持仓维持18.8%历史高位 半导体占比过半 行业拥挤度较高需警惕调整 [9] - 白酒配置持续走低 剔除酒类主题基金后持仓仅剩2% 配置系数降至0.54倍 [11] - 食品饮料持仓环比下降2.1个百分点 受"禁酒令"等因素影响基本面承压 [13]

市场情绪与交易活跃度 - 市场情绪指标数值为3.2，较上周五的3.25基本保持同一水平，市场情绪仍处于高位但开始有回落迹象[3][9] - 价量一致性指标周二小幅回落至布林带上界下方后再度突破，融资余额绝对值突破两万亿创历史新高[3][11] - 全A成交额连续三日突破两万亿，周四日成交额达23062.83亿人民币，日成交量1526.15亿股[3][15] 行业表现与资金动向 - 电子、计算机行业短期得分继续上升至100，成为短期趋势最强的前五个行业[3][30] - 电子、电力设备、非银金融等高涨幅板块伴随较高资金拥挤度，建筑装饰、国防军工等板块拥挤度高但涨幅偏低[3][35] - 科创50成交额占比指标有所上升但较年初仍处于较低水平，资金偏好未发生明显变化[3][17] 风格与模型信号 - 均线排列模型显示家用电器、汽车、食品饮料等行业短期趋势得分上升趋势靠前[3][30] - RSI模型提示成长风格占优信号，5日RSI较20日RSI呈现快速下降趋势[3][43] - 当前模型维持小盘风格占优信号，申万小盘/申万大盘RSI指标显示小盘风格占优[45][48] 行业拥挤度分析 - 机械设备、电子、建筑装饰为周平均拥挤度最高行业，石油石化、轻工制造等拥挤度最低[35][39] - 行业拥挤度与涨跌幅分布显示美容护理、公用事业等低涨幅低拥挤度板块可能迎来配置机会[3][39]