量化模型与构建方式 1. **模型/因子名称：RSI相对强弱指标**[2] * **构建思路：** 通过计算一定周期内价格平均涨幅与平均跌幅的比值，来衡量市场的超买或超卖状态，从而判断短期价格走势[2]。 * **具体构建过程：** 1. 计算一定周期（N天）内每日的涨跌幅。 2. 分别计算该周期内所有上涨日涨幅的平均值（Avg Gain）和所有下跌日跌幅的绝对值平均值（Avg Loss）。 3. 计算相对强度RS：$$RS = \frac{Avg\ Gain}{Avg\ Loss}$$ 4. 计算RSI指标：$$RSI = 100 - \frac{100}{1 + RS}$$ 5. 根据报告，计算周期为12天[2]。当RSI>70时，市场被认为处于超买状态；当RSI<30时，市场被认为处于超卖状态[2]。 2. **模型/因子名称：净申购（亿元）**[2] * **构建思路：** 通过计算ETF单位净值的变动与基金份额变化的综合影响，来反映当日资金的净流入或流出情况[2]。 * **具体构建过程：** 1. 获取当日（T日）的ETF单位净值NAV(T)和前一日（T-1日）的单位净值NAV(T-1)。 2. 获取T日ETF的日收益率R(T)。 3. 计算T日的净申购金额NETBUY(T)，公式为：$$NETBUY(T) = NAV(T) - NAV(T-1) * (1 + R(T))$$[2] 4. 公式中，NAV(T-1)为前一交易日的ETF净值[2]。 模型的回测效果 （报告中未提供具体模型的回测效果指标值，如年化收益率、夏普比率、最大回撤等，因此此部分跳过） 量化因子与构建方式 （报告中提及的RSI和净申购，在内容上更偏向于技术指标和资金流指标，通常作为因子使用，其构建方式已在“量化模型与构建方式”部分详细说明。报告未提供其他独立的、用于选股或择时的量化因子构建方法。） 因子的回测效果 （报告中未提供因子的具体测试结果，如IC值、IR、多空收益、分组收益等，仅展示了各ETF在特定日期的因子截面数据[4][7]。因此无法总结统一的指标取值。）

量化模型与构建方式 1. **模型/因子名称：RSI相对强弱指标**[2] * **构建思路：** 通过计算一定周期内平均涨幅与平均跌幅的比值，来衡量市场的超买或超卖状态[2]。 * **具体构建过程：** 1. 计算一定周期（报告中为12天）内每日上涨幅度的平均值（AvgGain）和每日下跌幅度（取正值）的平均值（AvgLoss）[2]。 2. 计算相对强度（RS），公式为：$$RS = \frac{AvgGain}{AvgLoss}$$[2] 3. 将RS代入公式计算RSI值：$$RSI = 100 - \frac{100}{1 + RS}$$[2] * **模型/因子评价：** RSI>70表示市场可能处于超买状态，RSI<30表示市场可能处于超卖状态[2]。 2. **模型/因子名称：净申购（亿元）**[2] * **构建思路：** 通过比较ETF当日净值与根据前日净值及指数收益率推算的理论净值之间的差异，估算当日的资金净流入/流出金额[2]。 * **具体构建过程：** 1. 获取当日ETF净值（NAV(T)）和前一交易日ETF净值（NAV(T-1)）[2]。 2. 获取ETF跟踪指数在当日的收益率（R(T)）[2]。 3. 计算理论净值：NAV(T-1) * (1 + R(T))[2]。 4. 计算净申购金额（NETBUY(T)），公式为：$$NETBUY(T) = NAV(T) - NAV(T-1) * (1 + R(T))$$[2] 模型的回测效果 （报告中未提供针对量化模型的统一回测结果，如年化收益率、夏普比率、最大回撤等指标，因此此部分跳过。） 量化因子与构建方式 （报告中提及的RSI和净申购，在内容上更偏向于对单只ETF的日频状态指标描述，而非用于横截面选股的Alpha因子。报告未提供基于这些指标构建多空组合或进行因子测试的内容。因此，此部分仅将上述两者作为指标列出，其构建方式已在“量化模型与构建方式”部分说明。） 因子的回测效果 （报告中未提供针对量化因子的IC、IR、多空收益、分组收益等回测测试结果，因此此部分跳过。） 报告中的其他指标取值（日频跟踪数据） 1. **RSI相对强弱指标**：报告列出了各只ETF在计算日的RSI具体数值，例如华泰柏瑞沪深300ETF为44.62[4]，南方中证500ETF为42.50[4]，华夏恒生科技ETF为39.29[4]等。 2. **净申购（亿元）**：报告列出了各只ETF在计算日的净申购金额，例如华泰柏瑞沪深300ETF为1.53亿元[4]，南方中证500ETF为14.14亿元[4]，华夏上证科创板50ETF为-16.84亿元[4]等。 3. **涨跌幅（%）**：报告列出了各只ETF在计算日的涨跌幅，例如华泰柏瑞沪深300ETF为1.59%[4]，南方中证500ETF为1.64%[4]，华夏上证科创板50ETF为3.40%[4]等。 4. **成交额（亿元）**：报告列出了各只ETF在计算日的成交额，例如华泰柏瑞沪深300ETF为22.67亿元[4]，南方中证500ETF为27.81亿元[4]，华夏上证科创板50ETF为41.02亿元[4]等。 5. **流通市值（亿元）**：报告列出了各只ETF在计算日的流通市值，例如华泰柏瑞沪深300ETF为2031.79亿元[4]，南方中证500ETF为750.21亿元[4]，华夏上证科创板50ETF为692.64亿元[4]等。 6. **机构持仓占比（%）**：报告列出了各只ETF最近一期披露的机构持仓占比（预估值），例如部分行业主题ETF如汇添富中证上海国企ETF为97.53%[6]，博时央企创新驱动ETF为96.02%[6]等。 7. **管理费率（%）**：报告列出了各只ETF的管理费率，例如华泰柏瑞沪深300ETF为0.15%[4]，天弘沪深300ETF为0.50%[4]等。 8. **跟踪指数**：报告列出了各只ETF所跟踪的指数名称，例如沪深300[4]、中证500[4]、科创50[4]等。 9. **T+0**：报告标明了各只ETF是否支持T+0交易，例如宽基ETF通常为“否”[4]，部分跨境ETF（如恒生科技、纳斯达克100等）为“是”[4]。

量化模型与构建方式 1. **模型/因子名称：RSI相对强弱指标**[2] * **构建思路：** 通过计算一定周期内平均涨幅与平均跌幅的比值，来衡量市场或资产价格的超买或超卖状态。[2] * **具体构建过程：** 1. 计算一定周期（N天，报告中为12天）内每日的涨跌幅。 2. 分别计算该周期内所有上涨日涨幅的平均值（Avg Gain）和所有下跌日跌幅的绝对值平均值（Avg Loss）。 3. 计算相对强度（RS）为 Avg Gain / Avg Loss。 4. 将RS代入公式计算RSI值：$$RSI = 100 – 100 / (1 + RS)$$[2] * **模型/因子评价：** 该指标用于判断市场状态，RSI>70通常被视为超买，RSI<30则被视为超卖，为交易提供参考信号。[2] 2. **模型/因子名称：净申购金额（NETBUY）**[2] * **构建思路：** 通过比较ETF当日净值与考虑净值增长率后的前一日净值，估算当日的资金净流入（申购）金额。[2] * **具体构建过程：** 1. 获取当日（T日）的ETF单位净值（NAV(T)）和前一日（T-1日）的单位净值（NAV(T-1)）。 2. 获取T日ETF的净值增长率（R(T)）。 3. 将上述数据代入公式计算：$$NETBUY(T) = NAV(T)–NAV(T-1)*（1+R（T））$$[2] 其中，NETBUY(T)为T日的净申购金额估算值。 模型的回测效果 （报告中未提供量化模型的回测结果数据） 量化因子与构建方式 （报告中涉及的因子构建方式已在“量化模型与构建方式”部分列出） 因子的回测效果 （报告中未提供量化因子的历史测试或回测结果数据，仅展示了特定日期的截面数据）

报告行业投资评级 - 未提及 报告的核心观点 - 报告对ETF各类日频数据进行每日跟踪，涵盖宽基和主题ETF，展示多只ETF的日内行情趋势、管理费率、跟踪指数等信息，但不构成投资建议 [2] 相关目录总结 数据说明 - 本表针对ETF各类日频数据进行每日跟踪，不构成投资建议 [2] - 按ETF追踪指数类别分为“宽基”和“主题”子表，“宽基”跟踪主流宽基指数，“主题”跟踪某行业或风格指数 [2] - 在每个类型中选取规模较大的一只或几只ETF基金进行分析 [2] - RSI相对强弱指标是一定周期（12天）内平均涨幅和平均跌幅的比值，RSI>70市场超买，RSI<30市场超卖 [2] - 日内行情趋势采用5分钟级别的日内成交价构成趋势图，部分分时数据可能缺失 [2] - 净申购（亿元）计算公式为NETBUY(T) = NAV(T)–NAV(T - 1)*(1 + R(T)) [2] - T+0表示是否支持T+0交易方式 [2] - 机构持仓占比为ETF基金最近一期年报、半年报披露的，剔除对应联接基金持有占比，数据可能有偏差 [3] - 空值代表刚上市基金行情数据不满足计算指标或未进行年报半年报披露，部分QDII净值披露晚，未披露数据处理为空值 [3] 宽基ETF - 涉及华泰柏瑞沪深300ETF、易方达沪深300ETF等多只基金，展示其证券代码、流通市值、涨跌幅、RSI相对强弱指标、净申购、成交额、机构持仓占比、是否支持T+0等信息，如华泰柏瑞沪深300ETF流通市值4217.77亿元，涨跌幅 -0.13% [4] 行业主题ETF - 涵盖消费电子、非银、银行、红利、新能源、芯片半导体、光伏、军工、ESG、机器人、央国企、人工智能、房地产、生物医药、中概互联、资源、消费等多个主题ETF，展示各主题下多只基金的相关信息，如消费电子主题下华夏国证消费电子主题ETF流通市值31.89亿元，涨跌幅 -0.46% [7]

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：RSI相对强弱指标**[2] * **因子构建思路**：通过计算一定周期内价格平均涨幅与平均跌幅的比值，来衡量市场的超买或超卖状态[2] * **因子具体构建过程**：首先计算一定周期（N=12天）内每日涨幅的平均值（AvgGain）和每日跌幅的平均值（AvgLoss），然后计算相对强度RS，最后得到RSI值[2] 公式为： $$RSI = 100 – 100 / (1 + RS)$$ 其中，RS = AvgGain / AvgLoss[2] * **因子评价**：RSI>70表示市场可能处于超买状态，RSI<30表示市场可能处于超卖状态[2] 2. **因子名称：净申购**[2] * **因子构建思路**：通过比较当前净值与考虑收益率后的前一日净值，来计算当日ETF的净申购金额[2] * **因子具体构建过程**：使用基金净值数据计算[2] 公式为： $$NETBUY(T) = NAV(T) – NAV(T-1) * (1 + R(T))$$ 其中，NETBUY(T)为T日净申购金额，NAV(T)为T日ETF净值，NAV(T-1)为T-1日ETF净值，R(T)为T日ETF收益率[2] 因子的回测效果 研报中未提供RSI因子和净申购因子的具体回测指标（如IC值、IR值等）的测试结果。报告主要以表格形式展示了多个ETF在特定日期的RSI值和净申购金额的截面数据[4][6]。

根据提供的研报内容，总结如下： 量化因子与构建方式 1. **因子名称：RSI相对强弱指标**[2] * **因子构建思路**：通过计算一定周期内价格平均涨幅与平均跌幅的比值，来衡量市场的超买或超卖状态[2] * **因子具体构建过程**： 1. 计算一定周期（例如12天）内每日的涨幅和跌幅[2] 2. 计算该周期内的平均涨幅（Average Gain）和平均跌幅（Average Loss）[2] 3. 计算相对强度RS：RS = 平均涨幅 / 平均跌幅[2] 4. 计算RSI值：$$RSI = 100 - \frac{100}{1 + RS}$$[2] 5. 根据RSI值判断市场状态：RSI > 70为超买状态，RSI < 30为超卖状态[2] 2. **因子名称：净申购**[2] * **因子构建思路**：通过计算ETF基金净值的变动与价格变动之间的差异，来估算资金的净流入或流出情况[2] * **因子具体构建过程**： 1. 获取当前交易日（T）的基金净值NAV(T)和前一个交易日（T-1）的基金净值NAV(T-1)[2] 2. 获取当前交易日（T）的基金收益率R(T)[2] 3. 计算净申购金额：$$NETBUY(T) = NAV(T) - NAV(T-1) \times (1 + R(T))$$[2] 因子在样本中的表现 1. **RSI相对强弱指标因子**：在宽基ETF样本中，其取值分布在34.41至74.42之间，例如华泰柏瑞沪深300ETF为56.01，易方达创业板ETF为53.60，天弘创业板ETF为34.41，华夏野村日经225ETF为74.42[4] 2. **净申购因子**：在宽基ETF样本中，其取值分布在-15.05亿元至6.15亿元之间，例如华夏沪深300ETF为1.07亿元，易方达沪深300ETF为-5.07亿元，易方达上证科创板50ETF为6.15亿元，易方达中证海外互联ETF为-15.05亿元[4]

根据提供的研报内容，以下是关于量化模型和因子的总结。研报主要涉及对ETF的跟踪监控，其中明确构建了一个量化因子。 量化因子与构建方式 **1 因子名称：RSI相对强弱指标[2]** * **因子构建思路**：通过计算一定周期内价格平均涨幅与平均跌幅的比值，来衡量市场的超买或超卖状态，从而判断短期趋势强度[2] * **因子具体构建过程**： 1. 首先，计算一定周期（N=12天）内每日上涨幅度和下跌幅度的平均值[2] 2. 计算相对强度RS，公式为： $$RS = \frac{N日内平均涨幅}{N日内平均跌幅}$$[2] 3. 将RS代入以下公式，得到RSI值： $$RSI = 100 – \frac{100}{1 + RS}$$[2] * **因子评价**：该指标常用于判断市场状态，当RSI>70时，认为市场处于超买状态；当RSI<30时，认为市场处于超卖状态[2] **2 因子名称：净申购[2]** * **因子构建思路**：通过当日净值与考虑收益率后的前日净值的变化，来计算当日资金的净流入流出情况，反映市场资金动向[2] * **因子具体构建过程**： 1. 计算公式为： $$NETBUY(T) = NAV(T) – NAV(T-1) \times (1 + R(T))$$[2] 2. 其中，NETBUY(T)为T日的净申购金额，NAV(T)为T日的ETF净值，NAV(T-1)为T-1日的ETF净值，R(T)为T日的ETF收益率[2] 因子的回测效果取值 研报以表格形式展示了多个ETF在特定日期的因子截面数据，以下是部分示例[4][6]： * **RSI相对强弱指标**： * 华泰柏瑞沪深300ETF (510300.SH): 58.17[4] * 南方中证500ETF (510500.SH): 51.89[4] * 华夏上证50ETF (510050.SH): 63.89[4] * 国泰中证煤炭ETF (515220.SH): 75.88[6] * 华夏机器人ETF (562500.SH): 42.23[6] * **净申购（亿元）**： * 华泰柏瑞沪深300ETF (510300.SH): -13.98[4] * 易方达沪深300ETF (510310.SH): 0.70[4] * 华宝中证银行ETF (512800.SH): 10.54[6] * 易方达中证海外互联ETF (513050.SH): 27.41[6] * 华夏中证人工智能ETF (515070.SH): -2.27[6]

报告行业投资评级 未提及 报告核心观点 报告对ETF各类日频数据进行每日跟踪，包括宽基和主题ETF的涨跌幅、流通市值、RSI相对强弱指标、净申购、成交额等指标，为投资者提供参考，但不构成投资建议 [2] 相关目录总结 数据说明 - 本表针对ETF各类日频数据进行每日跟踪，不构成投资建议 [2] - 根据ETF追踪指数类别分为“宽基”和“主题”两个子表，宽基ETF跟踪主流宽基指数，主题ETF跟踪某行业/风格指数 [2] - 基金池构建是在每个类型中选取规模较大的一只或几只ETF基金进行分析 [2] - RSI相对强弱指标计算公式为RSI = 100 – 100 / (1 + RS)，RSI>70市场处于超买状态，RSI<30市场处于超卖状态 [2] - 日内行情趋势采用5分钟级别的日内成交价构成的趋势图，部分分时数据可能存在缺失 [2] - 净申购计算公式为NETBUY(T) = NAV(T)–NAV(T - 1)*(1 + R(T)) [2] - 机构持仓占比为ETF基金最近一期年报、半年报披露的机构持仓占比，剔除对应联接基金持有占比，数据为预估值可能存在偏差 [3] - 空值代表刚刚上市基金行情数据不满足计算指标或还未进行年报半年报披露，部分QDII的净值披露较晚，未披露的数据处理为空值 [3] 宽基ETF数据 - 沪深300相关ETF中，华泰柏瑞沪深300ETF流通市值4144.22亿元，涨跌幅0.06%，净申购-18.92亿元等；易方达沪深300ETF流通市值2969.36亿元，涨跌幅0.00%等 [4] - 中证500相关ETF中，南方中证500ETF流通市值1340.09亿元，涨跌幅-0.56%，净申购-5.52亿元等；华夏中证500ETF流通市值165.72亿元，涨跌幅-0.57%等 [4] - 上证50相关ETF中，华夏上证50ETF流通市值1770.23亿元，涨跌幅0.00%，净申购-4.51亿元等；易方达上证50ETF流通市值43.83亿元，涨跌幅-0.10%等 [4] - 中证800、中证1000、中证2000、中证A50、中证A100、中证A500、科创50、科创100、创业板、港股、日股、美股、其他海外宽基指数等相关ETF也有各自的流通市值、涨跌幅、净申购等数据 [4] 行业主题ETF数据 - 消费电子相关ETF中，华夏国证消费电子主题ETF流通市值44.33亿元，涨跌幅-0.34%，净申购-1.00亿元等；富国中证消费电子主题ETF流通市值10.26亿元，涨跌幅-1.09%等 [6] - 非银相关ETF中，国泰中证全指证券公司ETF流通市值531.51亿元，涨跌幅-1.78%，净申购-3.94亿元等；华宝中证全指证券公司ETF流通市值347.72亿元，涨跌幅-1.53%等 [6] - 银行相关ETF中，华宝中证银行ETF流通市值141.51亿元，涨跌幅1.28%，净申购4.26亿元等；天弘中证银行ETF流通市值59.98亿元，涨跌幅1.35%等 [6] - 红利、新能源、芯片半导体、光伏、军工、ESG、机器人、央国企、人工智能、房地产、生物医药、中概互联、资源、消费等行业相关ETF也有各自的流通市值、涨跌幅、净申购等数据 [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： 量化因子与构建方式 1. **因子名称：RSI相对强弱指标** - 构建思路：通过计算一定周期内平均涨幅与平均跌幅的比值，判断市场超买或超卖状态[2] - 具体构建过程： $$RSI = 100 - \frac{100}{1 + RS}$$ 其中RS为12天内平均涨幅与平均跌幅的比值。RSI>70为超买，RSI<30为超卖[2] - 因子评价：经典动量类指标，适用于短期趋势判断 2. **因子名称：日内行情趋势** - 构建思路：基于5分钟级别成交价构建日内价格波动趋势图[2] - 具体构建过程： 提取当日最高价（红点）和最低价（红点）构成趋势线，需注意数据缺失处理[2] 3. **因子名称：净申购金额** - 构建思路：通过ETF净值变化计算资金流动情况[2] - 具体构建过程： $$NETBUY(T) = NAV(T) - NAV(T-1) \times (1+R(T))$$ 其中NAV为基金净值，R为收益率[2] 因子回测效果 1. **RSI因子** - 测试范围：宽基ETF（沪深300/中证500等）与主题ETF（非银/红利等）[2][6] - 典型取值： - 华泰柏瑞沪深300ETF：67.83 - 华夏恒生科技ETF：50.87 - 国泰CES半导体芯片ETF：51.79[4][6] 2. **净申购因子** - 测试结果（单位：亿元）： - 华夏上证50ETF：-4.16 - 易方达中证海外互联ETF：-3.23 - 华泰柏瑞红利ETF：0.86[4][6] 3. **机构持仓占比因子** - 测试结果（百分比）： - 汇添富中证800ETF：94.31% - 广发中证A100ETF：18.01% - 华安法国CAC40ETF：33.18%[4][6] 注：报告中未提及具体量化模型构建，主要展示ETF产品的多因子监控数据。所有因子测试结果均基于相同口径的日频数据[2][4][6]

根据研报内容，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：RSI相对强弱指标** - 因子构建思路：通过计算一定周期内平均涨幅和平均跌幅的比值，判断市场超买或超卖状态[2] - 因子具体构建过程： $$RSI = 100 - \frac{100}{1 + RS}$$ 其中RS为12天内平均涨幅与平均跌幅的比值，RSI>70为超买，RSI<30为超卖[2] - 因子评价：经典动量指标，适用于短期趋势判断 2. **因子名称：净申购金额** - 因子构建思路：通过ETF净值变化计算资金流动情况[2] - 因子具体构建过程： $$NETBUY(T) = NAV(T) - NAV(T-1) \times (1+R(T))$$ 其中NAV为ETF净值，R(T)为跟踪指数收益率[2] 3. **因子名称：日内行情趋势** - 因子构建思路：基于5分钟级别成交价捕捉日内价格波动特征[2] - 因子具体构建过程：使用最高价/最低价标记极端价格点，形成趋势图[2] 因子回测效果 （注：报告中未提供具体因子测试指标值，此部分无数据） 其他量化指标 1. **机构持仓占比**：剔除联接基金后的机构持仓比例，反映资金结构特征[3] 2. **成交额**：日频流动性指标，单位为亿元[4] 3. **管理费率**：年化费用比例，影响长期持有成本[4] 数据说明 - 数据频率：日频[2] - 基金分类：宽基/主题两大类别，宽基包括沪深300、中证500等主流指数[2] - 处理规则：新上市基金及未披露数据作空值处理[3] （注：报告中未涉及完整量化模型描述及复合因子构建）