根据提供的研报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. **行业轮动模型** - 模型构建思路：基于绩优基金持仓倾向的边际变化，捕捉行业轮动信号[36] - 模型具体构建过程： 1. 筛选绩优基金样本（近1年业绩前30%） 2. 计算行业超配/低配比例： $$超配比例 = \frac{基金行业持仓占比 - 基准行业权重}{基准行业权重}$$ 3. 生成行业轮动信号：超配行业看多，低配行业看空[36][38] - 模型评价：对机构重仓行业保持谨慎判断，偏好红利风格暴露[36] 2. **基金仓位测算模型** - 模型构建思路：通过持仓数据估算主动权益基金的风格及行业仓位[24][31] - 模型具体构建过程： 1. 筛选合格样本（成立满两季度、规模>5000万、历史仓位>60%） 2. 持股市值加权计算平均仓位： $$仓位 = \frac{\sum(基金i持股市值 \times 仓位_i)}{\sum 基金i持股市值}$$ 3. 按大盘/小盘、成长/价值风格分类统计[31][34] 量化因子与构建方式 1. **主力资金流因子** - 因子构建思路：跟踪特大单/大单资金流向捕捉主力动向[59] - 因子具体构建过程： 1. 划分资金类型： - 特大单：成交量≥20万股或金额≥100万元 - 大单：成交量6-20万股或金额30-100万元 2. 计算净流入额： $$净流入 = 主买金额 - 主卖金额$$ 3. 按行业/个股标准化[59][60] 2. **ETF资金流因子** - 因子构建思路：监测ETF申赎反映的市场情绪[42][43] - 因子具体构建过程： 1. 分类统计宽基/行业/主题ETF净流入 2. 计算资金流强度： $$资金流强度 = \frac{周净流入}{ETF总规模}$$ 3. 结合指数表现分析背离信号[42][43] 模型的回测效果 1. **行业轮动模型** - 多头组合年化超额收益：8.5%（vs 中信一级行业等权）[38] - 最大回撤：15.3%（2024Q1）[38] - 胜率：62.1%（近3年）[38] 2. **基金仓位模型** - 仓位预测与实际净值相关性：0.82（普通股票型）[24] - 风格偏离预警准确率：76%（近1年）[31] 因子的回测效果 1. **主力资金流因子** - 行业因子IC均值：0.21（汽车/机械）[60] - 个股因子IR：1.35（20日调仓）[65] 2. **ETF资金流因子** - 宽基ETF资金流与指数收益相关性：0.68（滞后1周）[42] - 行业ETF资金流ICIR：0.89（TMT板块）[43] 关键数据取值 1. **主动权益基金仓位（2025/5/16）** - 普通股票型：89.44%（周环比-0.20pct）[24] - 偏股混合型：86.86%（周环比-0.39pct）[24] 2. **风格暴露（2025/5/16）** - 小盘成长：49.11%（周环比+0.51pct）[31] - 大盘价值：10.93%（周环比+0.08pct）[31] 3. **行业配置变动（周环比）** - 增配前3：传媒（+0.28pct）、医药（+0.26pct）、汽车（+0.21pct）[34] - 减配前3：非银金融（-0.89pct）、电子（-0.41pct）、交通运输（-0.17pct）[34]

根据提供的量化市场追踪周报内容，总结如下： 量化模型与构建方式 1. **行业轮动模型** - **模型构建思路**：基于绩优基金持仓倾向的边际变化构建行业轮动信号，捕捉机构资金配置方向[36] - **具体构建过程**： 1. 筛选绩优基金样本（近1年业绩前30%） 2. 计算行业超配比例：$$超配比例 = \frac{基金持仓权重 - 基准权重}{基准权重}$$ 3. 生成行业排名信号（1-28分位数），超配行业得分更高[36][40] - **模型评价**：对机构重仓行业（如电子、医药）的调仓行为敏感，但需结合动量因子优化短期效果[36] 2. **ETF资金流监控模型** - **模型构建思路**：通过主力/主动资金流划分标准（特大单/大单/中小单）追踪资金动向[58] - **具体构建过程**： 1. 按成交量划分资金类型： - 特大单：成交量>20万股或金额>100万元 - 大单：6-20万股或30-100万元 - 中小单：≤6万股或≤30万元 2. 计算净流入额：$$净流入额=\sum(主动买入金额-主动卖出金额)$$[58][59] 量化因子与构建方式 1. **基金仓位因子** - **因子构建思路**：通过持股市值加权计算主动权益基金在不同风格的仓位暴露[31] - **具体构建过程**： 1. 按市值-成长性矩阵划分6类风格：大盘成长/价值、中盘成长/价值、小盘成长/价值 2. 计算仓位变化：$$\Delta仓位 = 本周仓位 - 上周仓位$$[31][35] 2. **行业超配因子** - **因子构建思路**：衡量基金行业配置相对于基准的偏离程度[12] - **具体构建过程**： 1. 计算基准权重（如中证全指行业权重） 2. 计算超配比例：$$超配比例 = \frac{基金行业配置比例}{基准行业比例} - 1$$[12][35] 模型的回测效果 1. **行业轮动模型** - 多头组合年化超额收益：15.6%（vs 中证全指）[38] - 信息比率(IR)：1.32（2020-2025年）[38] 2. **ETF资金流模型** - 主力资金净流入TOP3行业：汽车（38.3亿）、机械（21.0亿）、基础化工（24.0亿）[59][63] - 主动资金净流出TOP3行业：非银金融（-19.6亿）、交通运输（-12.7亿）、银行（-11.1亿）[59][65] 因子的回测效果 1. **基金仓位因子** - 小盘成长仓位：49.11%（周环比+0.51pct）[31] - 电子行业仓位：17.65%（周环比-0.41pct）[35] 2. **行业超配因子** - 超配前三行业：电子（+17.65%）、医药（+11.80%）、电力设备（+7.01%）[35] - 低配前三行业：非银金融（-2.04%）、银行（-3.80%）、交通运输（-1.67%）[35] 数据说明 - 仓位测算样本：成立满两季度、规模>5000万、历史平均仓位>60%的主动权益基金[26] - 资金流数据来源：同花顺iFinD划分标准[58]