根据提供的研报内容，以下是关于量化模型和因子的总结。报告内容主要涉及市场数据回顾和基金业绩跟踪，未详细阐述具体的量化模型构建过程或量化因子定义。因此，以下总结将基于报告中明确提及的模型和因子相关概念进行。 量化模型与构建方式 1. **模型名称**： ETF资金净流入计算模型[10] * **模型构建思路**： 通过跟踪ETF每日份额变化与前一日净值的乘积，来计算一级市场的资金净流入或净流出情况[10] * **模型具体构建过程**： 1. 获取ETF每日的基金份额数据 2. 计算每日份额较前一日的变化额 3. 获取前一日ETF的单位净值 4. 将每日份额变化额乘以前一日净值，得到该日的净申购/赎回额 5. 对报告期内发生份额拆分的ETF进行数据调整，以确保计算口径的一致性 6. 将报告期内（如上周年内）所有交易日的净申购/赎回额加总，得到该期间的资金净流入合计值[10] * **模型评价**： 该模型是监测ETF市场资金动向的基础工具 2. **模型名称**： 增强策略ETF/增强指数型基金超额收益计算模型[23][35][36] * **模型构建思路**： 通过比较基金收益率与其业绩比较基准的收益率，来评估基金的主动管理能力[23][35][36] * **模型具体构建过程**： 1. 选定评估周期（如上周、2025年以来、近1年） 2. 计算评估周期内基金的净值增长率（收益率） 3. 计算同一评估周期内业绩比较基准的收益率 4. 使用以下公式计算超额收益率： $$超额收益率 = 基金收益率 - 业绩比较基准收益率$$[23][35][36] * **模型评价**： 该模型是衡量指数增强产品投资效果的核心指标 模型的回测效果 *报告未提供上述计算模型的量化回测指标（如年化收益率、夏普比率、最大回撤等）。报告中的结果均为特定时间窗口（如上周、近一年）下的具体计算值，而非模型历史表现的统计检验结果[10][23][35][36]。* 量化因子与构建方式 *报告内容为市场数据描述与基金业绩展示，未涉及量化因子的构建、测试或分析。* 因子的回测效果 *报告内容为市场数据描述与基金业绩展示，未涉及量化因子的回测效果。*

根据提供的研报内容，经过全面梳理，总结如下： 量化模型与构建方式 研报中未详细阐述具体的量化模型或量化因子的构建思路、过程及公式。 模型的回测效果 研报中未提供具体量化模型的回测效果指标数据。 量化因子与构建方式 研报中未详细阐述具体的量化因子的构建思路、过程及公式。 因子的回测效果 研报中未提供具体量化因子的回测效果指标数据。 基金业绩表现跟踪 **1 增强策略ETF业绩跟踪** - **构建思路**：跟踪已上市的增强策略ETF，计算其相对于业绩比较基准的超额收益率[26] - **具体构建过程**：选取已上市的增强策略ETF，计算其周度、年初至今及近一年的收益率，并与对应的业绩比较基准收益率进行比较，得出超额收益率[26][27] - **评价**：增强策略ETF整体表现良好，多数产品能取得正超额收益[26] **2 增强指数型基金业绩跟踪** - **构建思路**：跟踪各类增强指数型基金（如沪深300、中证500、中证1000、国证2000增强基金），计算其超额收益率[39][40][41] - **具体构建过程**：在各类增强指数型基金中，筛选出成立满一年的基金，计算其上周超额收益率和近一年超额收益率，并进行排名[39][40][41] **3 主动量化基金收益统计** - **构建思路**：统计全市场主动量化基金的收益率中位数[36] - **具体构建过程**：计算所有主动量化基金在上周的收益率中位数和近一年的收益率中位数[36] **4 行业主题基金收益统计** - **构建思路**：按主题（如TMT、制造、消费等）分类统计主题基金的收益率中位数[36] - **具体构建过程**：将主题基金按投资主题分类，分别计算各类主题基金在上周的收益率中位数和近一年的收益率中位数[36] 业绩表现的具体测试结果取值 **1 增强策略ETF业绩指标** - 招商中证2000增强策略ETF (159552.OF)：上周超额收益率0.86%，2025年以来超额收益率23.82%，近1年超额收益率29.97%[27] - 工银中证1000增强策略ETF (561280.OF)：上周超额收益率0.06%，2025年以来超额收益率18.79%，近1年超额收益率24.59%[27] - 海富通中证2000增强策略ETF (159553.OF)：上周超额收益率0.85%，2025年以来超额收益率18.28%，近1年超额收益率23.12%[27] - 天弘中证1000增强策略ETF (159685.OF)：上周超额收益率0.21%，2025年以来超额收益率13.50%，近1年超额收益率19.09%[27] - 华泰柏瑞中证1000增强策略ETF (561590.OF)：上周超额收益率1.36%，2025年以来超额收益率13.33%，近1年超额收益率15.50%[27] **2 增强指数型基金业绩指标** - 汇添富国证2000指数增强A (019318.OF)：上周超额收益率1.24%，近一年超额收益率31.92%[41] - 博道中证1000指数增强A (017644.OF)：近一年超额收益率29.12%[40] - 鹏华国证2000指数增强A (017892.OF)：上周超额收益率0.74%，近一年超额收益率29.39%[41] - 工银瑞信中证1000指数增强A (016942.OF)：上周超额收益率0.93%，近一年超额收益率26.66%[41] - 汇添富中证1000指数增强A (017953.OF)：上周超额收益率1.13%，近一年超额收益率25.39%[41] - 鹏华中证500指数增强A (014344.OF)：上周超额收益率0.89%，近一年超额收益率18.88%[41] - 安信量化精选沪深300指数增强A (003957.OF)：近一年超额收益率12.06%[40] **3 主动量化基金收益指标** - 上周收益率中位数：3.24%[36] - 近1年收益率中位数：27.97%[36] **4 行业主题基金收益指标** - TMT主题基金：上周收益率中位数8.20%，近1年收益率中位数51.91%[36] - 制造主题基金：近1年收益率中位数27.52%[36]

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. **增强策略ETF模型** - 模型构建思路：通过量化方法对基准指数进行增强，以获取超额收益[25][26] - 模型具体构建过程： 1. 选择基准指数（如沪深300、中证500等） 2. 采用多因子选股模型，结合基本面、技术面等因子 3. 通过优化算法构建投资组合，控制跟踪误差 4. 定期调整组合权重 - 模型评价：该模型能够有效获取超额收益，但受市场环境影响较大[26] 2. **指数增强基金模型** - 模型构建思路：在跟踪基准指数的同时，通过量化方法获取超额收益[42] - 模型具体构建过程： 1. 确定基准指数（如沪深300、中证1000等） 2. 构建多因子模型，包括价值、成长、动量等因子 3. 优化组合权重，控制跟踪误差 4. 定期再平衡 - 模型评价：长期来看能够稳定获取超额收益，但短期可能受市场波动影响[42] 量化因子与构建方式 1. **多因子选股模型** - 因子构建思路：结合多种因子进行选股，提高组合收益[42] - 因子具体构建过程： 1. 价值因子：如PE、PB等 2. 成长因子：如营收增长率、净利润增长率等 3. 动量因子：如过去6个月收益率 4. 质量因子：如ROE、毛利率等 5. 通过因子加权构建综合评分 - 因子评价：能够有效区分股票优劣，但因子有效性会随时间变化[42] 模型的回测效果 1. **增强策略ETF模型** - 上周超额收益率：最高1.88%（鹏华上证科创板50成份增强策略ETF）[27] - 2025年以来超额收益率：最高6.64%（工银中证1000增强策略ETF）[27] - 近1年超额收益率：最高14.89%（银华中证2000增强策略ETF）[27] 2. **指数增强基金模型** - 上周超额收益率： - 沪深300增强：最高1.14%[42] - 中证500增强：最高0.59%[42] - 中证1000增强：最高0.84%[42] - 国证2000增强：最高1.04%[42] - 近1年超额收益率： - 沪深300增强：最高15.24%[42] - 中证500增强：最高9.84%[42] - 中证1000增强：最高17.26%[42] - 国证2000增强：最高22.77%[42] 因子的回测效果 1. **多因子选股模型** - 主动量化基金上周收益率中位数：1.53%[36] - 近1年收益率中位数：12.79%[36] - TMT主题基金近1年收益率中位数：22.40%[37] - 金融地产主题基金近1年收益率中位数：21.36%[37] 注：报告中未提供具体的因子构建公式，因此未列出相关公式内容。

根据提供的金融工程周报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. **ETF资金流动计算模型** - 模型构建思路：通过每日份额变化与前一日净值的乘积计算ETF净申购/赎回额，并对份额拆分的ETF进行调整[12] - 模型具体构建过程： $$净申购/赎回额 = (当日份额 - 前一日份额) \times 前一日净值$$ 对份额拆分情况采用线性调整处理[12] - 模型评价：直接反映市场资金动向，但需依赖准确的份额和净值数据 2. **增强策略ETF超额收益模型** - 模型构建思路：通过对比ETF净值增长率与业绩基准的差异计算超额收益[26] - 模型具体构建过程： $$超额收益率 = ETF净值增长率 - 基准指数收益率$$ 采用滚动窗口计算不同时间维度的超额收益（周/年/年初至今）[26] 模型的回测效果 1. **ETF资金流动模型** - 股票型ETF周净流出107.05亿元，债券型净流入41.99亿元[12] - 科创50ETF周净流入27.36亿元，沪深300ETF净流出超50亿元[12] 2. **增强策略ETF模型** - 招商中证1000增强策略ETF近1年超额收益13.71%[26] - 工银中证1000增强策略ETF 2025年以来超额收益5.45%[26] - 34只增强ETF中19只上周跑赢基准[26] 量化因子与构建方式 1. **自由现金流因子** - 因子构建思路：跟踪SmartBeta类ETF中自由现金流主题产品的表现差异[18] - 因子具体构建过程： 通过对比华泰上证红利ETF（15.37亿成交）与自由现金流ETF（如159201.OF 11.84亿成交）的相对收益构建[18] 2. **行业主题动量因子** - 因子构建思路：捕捉金融地产/TMT等主题基金的持续超额收益[36] - 因子具体构建过程： 计算主题基金收益率中位数（金融地产近1年19.58%，TMT 20.21%）[36] 因子的回测效果 1. **自由现金流因子** - 华泰柏瑞中证红利低波动ETF周收益2.07%[18] - 华夏国证自由现金流ETF周收益1.46%[18] 2. **行业主题动量因子** - 金融地产主题基金上周收益中位数2.83%[36] - TMT主题基金近1年收益中位数20.21%[36] 其他量化指标 1. **增强指数基金超额收益** - 安信量化精选沪深300增强周超额0.66%[38] - 海富通中证500增强周超额1.06%[38] - 国金中证1000增强周超额0.97%[38] 2. **主动量化基金表现** - 上周收益率中位数1.89%，近1年8.36%[35]