量化模型与因子总结 量化因子与构建方式 1. **因子名称：大买单成交金额占比**[8] * **因子构建思路**：该因子旨在刻画大资金的买入行为。通过逐笔成交数据还原买卖单，筛选出大单，并计算其中大买单的成交金额占总成交额的比例，以衡量大额资金买入的强度。[8] * **因子具体构建过程**： 1. 数据准备：获取股票的逐笔成交数据，数据中包含“叫买序号”和“叫卖序号”。[8] 2. 还原买卖单：根据逐笔成交数据中的叫买和叫卖序号，将逐笔成交数据还原为原始的买卖单数据。[8] 3. 筛选大单：对还原后的买卖单，按照每单的成交量设定阈值，筛选出符合条件的大额订单（大单）。[8] 4. 计算指标：针对每个交易日，计算所有被识别为“大买单”的成交金额之和，除以当日该股票的总成交金额，得到“大买单成交金额占比”。[8] 公式为： $$大买单成交金额占比 = \frac{\sum 大买单成交金额}{当日总成交金额} \times 100\%$$ 其中，分子为所有符合大单条件的买入订单的成交金额总和，分母为当日该股票的总成交金额。[8] * **因子评价**：该因子直接来源于高频交易数据，能够实时反映机构或大户等大资金的买入动向，是监测市场资金流向的重要微观指标。[8] 2. **因子名称：净主动买入金额占比**[8] * **因子构建思路**：该因子旨在刻画投资者的主动买入行为。通过逐笔成交数据中的买卖标志区分主动买入和主动卖出，计算两者金额的净差额占总成交额的比例，以反映市场主动买入的意愿强弱。[8] * **因子具体构建过程**： 1. 数据准备：获取股票的逐笔成交数据，数据中包含“买卖标志”。[8] 2. 界定主动买卖：根据逐笔成交数据中的买卖标志，判断每一笔成交是属于“主动买入”（以卖一价成交）还是“主动卖出”（以买一价成交）。[8] 3. 计算净额：将当日所有“主动买入”的成交金额相加，减去所有“主动卖出”的成交金额，得到“净主动买入金额”。[8] 4. 计算占比：将计算得到的净主动买入金额，除以当日该股票的总成交金额，得到“净主动买入金额占比”。[8] 公式为： $$净主动买入金额占比 = \frac{\sum 主动买入成交金额 - \sum 主动卖出成交金额}{当日总成交金额} \times 100\%$$ 其中，分子为主动买入与主动卖出的成交金额净差额，分母为当日该股票的总成交金额。[8] * **因子评价**：该因子剔除了被动成交（如被动接盘）的影响，纯粹反映投资者主动发起交易的意愿，是衡量市场情绪和资金流向的有效指标。[8] 因子的回测效果 （注：本报告为跟踪周报，主要展示当期指标截面排名和时序分位数，未提供基于历史回测的长期绩效指标（如IC、IR、多空收益等）。以下为报告期内各标的在指定窗口期（近5个交易日）的因子取值情况。） 1. **大买单成交金额占比因子** * **个股层面（近5日均值）**：排名前列的股票包括韩建河山(93.5%)、民爆光电(89.7%)、杭电股份(86.1%)等。[10] * **宽基指数层面（近5日均值）**：上证指数(72.5%)、上证50(71.4%)、沪深300(71.8%)、中证500(73.0%)、创业板指(68.7%)。[13] * **行业层面（中信一级行业，近5日均值）**：排名前列的行业包括银行(79.7%)、石油石化(78.6%)、钢铁(78.1%)等。[14] * **ETF层面（近5日均值）**：排名前列的ETF包括华泰柏瑞中证A500ETF(93.1%)、汇添富MSCI中国A50互联互通ETF(92.8%)、国泰上证10年期国债ETF(92.6%)等。[16] 2. **净主动买入金额占比因子** * **个股层面（近5日均值）**：排名前列的股票包括民生银行(21.1%)、凯瑞德(20.3%)、洲际油气(19.5%)等。[11] * **宽基指数层面（近5日均值）**：上证指数(1.2%)、上证50(-1.6%)、沪深300(-0.3%)、中证500(3.4%)、创业板指(0.0%)。[13] * **行业层面（中信一级行业，近5日均值）**：排名前列的行业包括石油石化(11.7%)、基础化工(8.9%)、电力及公用事业(5.9%)等。[14] * **ETF层面（近5日均值）**：排名前列的ETF包括富国中证光伏产业ETF(60.2%)、富国中证旅游主题ETF(18.0%)、富国中证消费50ETF(13.2%)等。[17]

量化因子与构建方式 1. **因子名称：大买单成交金额占比**[7] * **因子构建思路**：该因子旨在刻画大资金的买入行为。通过逐笔成交数据还原买卖单，筛选出大单，并计算其中大买单的成交金额占总成交额的比例。[7] * **因子具体构建过程**： 1. 数据准备：获取股票的逐笔成交数据，数据中包含“叫买序号”和“叫卖序号”字段。[7] 2. 还原买卖单：根据逐笔成交数据中的叫买和叫卖序号，将逐笔成交数据还原为原始的买卖单数据。[7] 3. 筛选大单：对还原后的买卖单，按照每单的成交量设定阈值，筛选出符合条件的大额订单（大单）。[7] 4. 计算指标：针对每个交易日，计算属于大买单的成交金额总和，然后除以该股票当日的总成交金额，得到大买单成交金额占比。[7] $$大买单成交金额占比 = \frac{当日大买单成交金额总和}{当日总成交金额}$$ * **因子评价**：该因子直接反映了机构或大户等大资金的买入意愿和强度，是监测资金动向的高频指标。 2. **因子名称：净主动买入金额占比**[7] * **因子构建思路**：该因子旨在刻画投资者的主动买入行为。通过逐笔成交数据判断交易的主动性，计算主动买入与主动卖出的净额占比。[7] * **因子具体构建过程**： 1. 数据准备：获取股票的逐笔成交数据，数据中包含“买卖标志”字段。[7] 2. 界定主动方向：根据逐笔成交数据中的买卖标志，判断每一笔成交是属于主动买入（以卖一价成交）还是主动卖出（以买一价成交）。[7] 3. 计算净额：将当日所有主动买入的成交金额相加，减去所有主动卖出的成交金额，得到净主动买入金额。[7] 4. 计算指标：将计算得到的净主动买入金额除以该股票当日的总成交金额，得到净主动买入金额占比。[7] $$净主动买入金额占比 = \frac{当日主动买入成交金额总和 - 当日主动卖出成交金额总和}{当日总成交金额}$$ * **因子评价**：该因子反映了市场交易中买方主动发起的攻击性力量，是衡量资金流向和投资者情绪的重要指标。 因子的回测效果 （注：本报告为跟踪周报，主要展示特定时间窗口内因子的截面排序结果和时序分位数，而非长期历史回测的统计指标。因此，以下“指标值”为报告期内计算的具体数值。） 1. **大买单成交金额占比因子**，在个股层面，近5日（20260119-20260123）指标值排名前列的包括：江化微 (96.1%)、锋龙股份 (94.9%)、宁波港 (86.4%)、红塔证券 (86.4%)、重庆钢铁 (86.1%)[9]。在宽基指数层面，近5日指标值分别为：上证指数 (73.2%)、上证50 (70.4%)、沪深300 (72.2%)、中证500 (74.0%)、创业板指 (71.4%)[12]。在行业层面，近5日指标值排名前五的中信一级行业为：钢铁 (78.6%)、煤炭 (77.7%)、传媒 (77.6%)、综合 (77.5%)、有色金属 (77.4%)[13]。在ETF层面，近5日指标值排名前列的包括：华泰柏瑞中证A500ETF (93.0%)、嘉实沪深300ETF (92.3%)、易方达沪深300ETF (92.1%)等[15]。 2. **净主动买入金额占比因子**，在个股层面，近5日（20260119-20260123）指标值排名前列的包括：辽港股份 (25.5%)、荣安地产 (22.8%)、北辰实业 (21.2%)、鞍钢股份 (20.6%)、安阳钢铁 (20.3%)[10]。在宽基指数层面，近5日指标值分别为：上证指数 (-0.6%)、上证50 (-9.0%)、沪深300 (-7.4%)、中证500 (4.9%)、创业板指 (-1.2%)[12]。在行业层面，近5日指标值排名前五的中信一级行业为：钢铁 (7.1%)、有色金属 (5.0%)、医药 (4.1%)、综合金融 (3.4%)、综合 (3.3%)[13]。在ETF层面，近5日指标值排名前列的包括：鹏华中证细分化工产业主题ETF (22.7%)、富国中证细分化工产业主题ETF (18.2%)、华夏创业板人工智能ETF (16.9%)等[16]。

量化因子与构建方式 1. **因子名称：大买单成交金额占比**[7] * **因子构建思路**：该因子旨在刻画大资金的买入行为。通过逐笔成交数据还原买卖单，并筛选出大单，计算其中大买单的成交金额占当日总成交金额的比例。[7] * **因子具体构建过程**： 1. 数据准备：获取股票的逐笔成交数据，数据中包含叫买序号、叫卖序号、成交价格、成交量等信息。[7] 2. 还原买卖单：根据逐笔成交数据中的叫买和叫卖序号，将逐笔成交数据还原为买方发起的买单和卖方发起的卖单数据。[7] 3. 筛选大单：对还原后的买卖单，按照每单的成交量设定阈值，筛选出成交量达到“大单”标准的交易。[7] 4. 计算指标：对于筛选出的大单，区分买单和卖单。计算所有大买单的成交金额之和，再除以该股票当日的总成交金额，得到大买单成交金额占比。[7] * 公式：$$大买单成交金额占比 = \frac{\sum (大买单成交价格 \times 大买单成交量)}{当日总成交金额} \times 100\%$$ 2. **因子名称：净主动买入金额占比**[7] * **因子构建思路**：该因子旨在刻画投资者的主动买入行为。根据逐笔成交数据中的买卖标志，区分主动买入和主动卖出，计算两者金额的净差额占当日总成交金额的比例。[7] * **因子具体构建过程**： 1. 数据准备：获取股票的逐笔成交数据，数据中包含买卖标志、成交价格、成交量等信息。[7] 2. 界定主动买卖：根据逐笔成交数据中的买卖标志（例如，B代表主动性买单，S代表主动性卖单），界定每笔成交属于主动买入还是主动卖出。[7] 3. 计算净额：将所有主动买入的成交金额求和，减去所有主动卖出的成交金额求和，得到净主动买入金额。[7] 4. 计算占比：将净主动买入金额除以该股票当日的总成交金额，得到净主动买入金额占比。[7] * 公式：$$净主动买入金额占比 = \frac{\sum (主动买入成交金额) - \sum (主动卖出成交金额)}{当日总成交金额} \times 100\%$$ 因子的回测效果 1. **大买单成交金额占比因子**，近5日（20260112-20260116）均值排名前5的个股指标值：惠博普 92.6%[9]、美年健康 89.6%[9]、志特新材 89.2%[9]、津滨发展 88.4%[9]、江南高纤 87.7%[9] 2. **净主动买入金额占比因子**，近5日（20260112-20260116）均值排名前5的个股指标值：杭萧钢构 16.7%[10]、纬德信息 15.4%[10]、中科微至 15.0%[10]、新风光 13.8%[10]、联合水务 13.3%[10] 3. **大买单成交金额占比因子**，近5日（20260112-20260116）主要宽基指数指标值：上证指数 73.8%[12]、上证50 70.6%[12]、沪深300 73.1%[12]、中证500 73.0%[12]、创业板指 71.6%[12] 4. **净主动买入金额占比因子**，近5日（20260112-20260116）主要宽基指数指标值：上证指数 -5.8%[12]、上证50 -12.9%[12]、沪深300 -8.8%[12]、中证500 -3.4%[12]、创业板指 -4.4%[12] 5. **大买单成交金额占比因子**，近5日（20260112-20260116）排名前5的中信一级行业指标值：房地产 79.8%[13]、煤炭 78.5%[13]、钢铁 78.2%[13]、建筑 77.9%[13]、综合 77.8%[13] 6. **净主动买入金额占比因子**，近5日（20260112-20260116）排名前5的中信一级行业指标值：电子 2.2%[13]、汽车 0.9%[13]、家电 0.1%[13]、机械 -1.0%[13]、电力设备及新能源 -3.1%[13] 7. **大买单成交金额占比因子**，近5日（20260112-20260116）均值排名前5的ETF指标值：华泰柏瑞中证A500ETF 92.9%[15]、易方达中证A500ETF 91.6%[15]、国泰中证A500ETF 91.5%[15]、华泰柏瑞沪深300ETF 91.0%[15]、易方达沪深300ETF 91.0%[15] 8. **净主动买入金额占比因子**，近5日（20260112-20260116）均值排名前5的ETF指标值：东财上证科创板50成份ETF 23.4%[16]、海富通上证城投债ETF 20.9%[16]、国泰上证10年期国债ETF 15.6%[16]、富国创业板人工智能ETF 14.3%[16]、嘉实中证稀土产业ETF 14.1%[16]

量化因子与构建方式 1. **因子名称：大买单成交金额占比**[7] * **因子构建思路**：该因子旨在刻画大资金的买入行为。通过逐笔成交数据还原买卖单，并筛选出大单，计算其中大买单的成交金额占当日总成交金额的比例。[7] * **因子具体构建过程**： 1. 使用逐笔成交数据，根据数据中的叫买和叫卖序号，将逐笔成交还原为买卖单数据。[7] 2. 按照每单的成交量设定阈值，筛选得到“大单”。[7] 3. 从大单中识别出“大买单”，并计算其成交金额。 4. 计算该因子值：大买单成交金额占当日总成交金额的比例。[7] * **因子评价**：该因子直接反映了大规模资金在特定标的上的买入强度，可用于跟踪主力资金动向。 2. **因子名称：净主动买入金额占比**[7] * **因子构建思路**：该因子旨在刻画投资者的主动买入行为。根据逐笔成交数据中的买卖标志界定主动买卖方向，计算净主动买入金额占当日总成交金额的比例。[7] * **因子具体构建过程**： 1. 使用逐笔成交数据，根据数据中的买卖标志，界定每一笔成交属于“主动买入”还是“主动卖出”。[7] 2. 分别汇总计算当日所有主动买入成交金额和主动卖出成交金额。 3. 计算净主动买入金额：主动买入成交金额 - 主动卖出成交金额。[7] 4. 计算该因子值：净主动买入金额占当日总成交金额的比例。[7] * **因子评价**：该因子反映了市场交易中主动买入力量的净强度，是衡量资金流向和投资者情绪的重要指标。 因子的回测效果 本报告未提供基于长期历史数据的因子回测绩效指标（如IC、IR、多空收益等），而是展示了特定时间窗口内（2025年12月15日至12月19日，共5个交易日）上述因子在不同维度标的上的计算值和历史分位数。所有指标均为“过去5日均值”及其“时序分位数”。[8][9][11][12][13][14][15][16] 1. **大买单成交金额占比因子** * **个股层面取值**：排名前列的个股因子值在85.2%至88.1%之间，其5日均值时序分位数普遍较高，多位于90%以上。[9] * **宽基指数层面取值**：主要宽基指数的因子5日均值在70.5%（创业板指）至73.8%（中证500）之间，其分位数差异较大，创业板指分位数仅6.1%，而上证指数、中证500分位数超过80%。[12] * **行业层面取值**：中信一级行业的因子5日均值在69.7%（电子）至80.3%（银行）之间。分位数较高的行业包括国防军工(98.0%)、非银行金融(98.8%)、电力及公用事业(97.1%)等。[13] * **ETF层面取值**：排名前列的ETF因子值在90.0%至93.4%之间，分位数较高的包括富国中证军工龙头ETF(100.0%)、鹏华中证国防ETF(99.6%)等。[15] 2. **净主动买入金额占比因子** * **个股层面取值**：排名前列的个股因子值在16.8%至26.2%之间，其5日均值时序分位数均为100.0%或接近100%。[10] * **宽基指数层面取值**：主要宽基指数的因子5日均值在0.1%（创业板指）至5.8%（上证50）之间。上证50的分位数高达92.6%，而其他指数分位数均低于21%。[12] * **行业层面取值**：中信一级行业的因子5日均值在-4.7%（电子）至12.7%（钢铁）之间。分位数较高的行业包括国防军工(91.0%)、食品饮料(32.8%)等。[13] * **ETF层面取值**：排名前列的ETF因子值在11.8%至18.2%之间，分位数较高的包括银华中证5G通信主题ETF(100.0%)、华夏中证细分食品饮料产业主题ETF(99.6%)等。[16]

量化因子与构建方式 1. **因子名称**：大买单成交金额占比[7] * **因子构建思路**：通过逐笔成交数据还原买卖单，筛选大单，计算大买单成交金额占总成交金额的比例，以刻画大资金的买入行为[7]。 * **因子具体构建过程**： 1. 使用逐笔成交数据，根据叫买和叫卖序号，将数据还原为买卖单数据[7]。 2. 按照每单的成交量筛选得到大单[7]。 3. 计算大买单的成交金额占当日总成交金额的比例[7]。 * 公式：$$大买单成交金额占比 = \frac{当日大买单成交金额}{当日总成交金额} \times 100\%$$ 2. **因子名称**：净主动买入金额占比[7] * **因子构建思路**：根据逐笔成交数据中的买卖标志，界定主动买入和主动卖出，计算两者成交金额之差占总成交金额的比例，以刻画投资者的主动买入行为[7]。 * **因子具体构建过程**： 1. 使用逐笔成交数据，根据买卖标志界定每笔成交属于主动买入还是主动卖出[7]。 2. 计算主动买入成交金额与主动卖出成交金额的差值，得到净主动买入金额[7]。 3. 计算净主动买入金额占当日总成交金额的比例[7]。 * 公式：$$净主动买入金额占比 = \frac{当日主动买入成交金额 - 当日主动卖出成交金额}{当日总成交金额} \times 100\%$$ 因子的回测效果 1. **大买单成交金额占比因子**，近5日（20251208-20251212）均值：再升科技 91.4%[9]，安妮股份 91.2%[9]，康欣新材 87.9%[9]，广田集团 87.6%[9]，中泰化学 87.5%[9]，宁波港 87.3%[9]，古越龙山 87.2%[9]，酒钢宏兴 87.1%[9]，富森美 87.1%[9]；上证指数 73.0%[12]，上证50 68.9%[12]，沪深300 72.0%[12]，中证500 73.3%[12]，创业板指 71.4%[12]；非银行金融行业 78.5%[13]，钢铁行业 78.2%[13]，银行业 78.1%[13]，房地产业 77.9%[13]，电力及公用事业行业 77.6%[13]；国泰中证A500ETF 91.5%[15]，国泰上证10年期国债ETF 91.1%[15]，华宝中证军工ETF 90.9%[15]，华宝中证银行ETF 90.7%[15]，广发中证军工ETF 90.5%[15]。 2. **净主动买入金额占比因子**，近5日（20251208-20251212）均值：热景生物 15.9%[10]，蓝晓科技 14.5%[10]，壹连科技 14.0%[10]，厦门银行 14.0%[10]，华懋科技 13.1%[10]，苑东生物 12.6%[10]，晋亿实业 12.6%[10]，东山精密 11.3%[10]；上证指数 0.8%[12]，上证50 3.1%[12]，沪深300 2.6%[12]，中证500 5.0%[12]，创业板指 3.5%[12]；非银行金融行业 6.3%[13]，电力设备及新能源行业 5.9%[13]，通信行业 2.5%[13]，电子行业 2.2%[13]，电力及公用事业行业 1.8%[13]；国泰上证10年期国债ETF 25.9%[16]，华夏中证5G通信主题ETF 19.1%[16]，华夏中证人工智能ETF 16.7%[16]，广发上证科创板50ETF 15.9%[16]，易方达中证科创创业50ETF 14.6%[16]。

根据提供的研报内容，以下是关于量化因子与模型的总结。 量化因子与构建方式 1. **因子名称：大买单成交金额占比**[7] * **因子构建思路**：该因子旨在刻画大资金的买入行为。其核心思路是利用逐笔成交数据，通过还原买卖单并筛选大单，计算大买单的成交金额在总成交金额中的比例[7]。 * **因子具体构建过程**： 1. 数据准备：获取股票的逐笔成交数据，数据中包含“叫买序号”和“叫卖序号”字段[7]。 2. 还原买卖单：根据逐笔成交数据中的叫买和叫卖序号，将逐笔成交数据还原为原始的买卖单数据[7]。 3. 筛选大单：对还原后的买卖单，按照每单的成交量设定阈值，筛选出符合条件的大额交易单（大单）[7]。 4. 计算指标：从大单中筛选出买入方向的大单（大买单），计算其成交金额之和，再除以当日该股票的总成交金额。 $$大买单成交金额占比 = \frac{当日大买单成交金额总和}{当日总成交金额} \times 100\%$$ * **因子评价**：该因子直接反映了大规模资金在特定股票上的买入强度。 2. **因子名称：净主动买入金额占比**[7] * **因子构建思路**：该因子旨在刻画投资者的主动买入行为。其核心思路是利用逐笔成交数据中的买卖标志，区分主动买入和主动卖出，并计算其净额相对于总成交额的比例[7]。 * **因子具体构建过程**： 1. 数据准备：获取股票的逐笔成交数据，数据中包含“买卖标志”字段[7]。 2. 界定主动交易：根据逐笔成交数据中的买卖标志，界定每一笔成交是属于主动买入还是主动卖出[7]。 3. 计算净额：将当日所有主动买入的成交金额相加，减去所有主动卖出的成交金额相加，得到净主动买入金额[7]。 4. 计算指标：将净主动买入金额除以当日该股票的总成交金额。 $$净主动买入金额占比 = \frac{当日主动买入成交金额 - 当日主动卖出成交金额}{当日总成交金额} \times 100\%$$ * **因子评价**：该因子反映了市场参与者的交易意愿和资金流向，正值代表净主动买入，负值代表净主动卖出。 因子的回测效果 1. **大买单成交金额占比因子**，近5日（20251124-20251128）指标均值示例：新华都(90.6%)[9]，北辰实业(89.1%)[9]，中油工程(88.8%)[9]，河钢股份(88.6%)[9]，中化国际(88.6%)[9]，山东钢铁(88.5%)[9]，日照港(88.5%)[9]，中国铁物(88.4%)[9]，江南高纤(88.3%)[9] 2. **净主动买入金额占比因子**，近5日（20251124-20251128）指标均值示例：森鹰窗业(22.3%)[10]，汇通集团(20.0%)[10]，苑东生物(19.6%)[10]，欧林生物(16.1%)[10]，诺诚健华-U(15.5%)[10]，沪农商行(15.3%)[10]，瑞凌股份(15.2%)[10]，国电电力(15.1%)[10]，宝明科技(14.8%)[10]，力聚热能(14.4%)[10]

报告核心观点 - 报告旨在通过交易明细数据构建指标，以跟踪大额买入和净主动买入行为 [1] 行业资金流向跟踪 - 近5个交易日大额买入排名前5的中信一级行业为：银行、房地产、钢铁、综合、纺织服装 [2] - 近5个交易日净主动买入排名前5的中信一级行业为：银行、交通运输、医药、房地产、石油石化 [2] ETF资金流向跟踪 - 近5个交易日大额买入排名前5的ETF为：国泰中证A500ETF、国泰上证10年期国债ETF、嘉实标普石油天然气勘探及生产精选行业ETF、南方创业板人工智能ETF、海富通上证城投债ETF [2] - 近5个交易日净主动买入排名前5的ETF为：国泰上证10年期国债ETF、易方达沪深300非银ETF、银华上证科创板100ETF、华宝中证有色金属ETF、鹏华中证酒ETF [2]

根据提供的研报内容，以下是关于量化模型与因子的总结。 量化因子与构建方式 1. **因子名称：大买单成交金额占比**[7] * **因子构建思路**：该因子旨在刻画大资金的买入行为。其核心思路是利用逐笔成交数据，通过还原买卖单并筛选大单，计算大买单的成交金额在总成交金额中的比例。[7] * **因子具体构建过程**： 1. 数据准备：获取股票的逐笔成交数据，数据中包含叫买序号和叫卖序号。[7] 2. 还原买卖单：根据逐笔成交数据中的叫买和叫卖序号，将逐笔成交数据还原为原始的买卖单数据。[7] 3. 筛选大单：对还原后的买卖单，按照每单的成交量设定阈值，筛选出符合条件的大额订单（大单）。[7] 4. 计算因子值：计算筛选出的大单中，所有买单（大买单）的成交金额之和，然后除以当日该股票的总成交金额，得到大买单成交金额占比。公式如下：[7] $$大买单成交金额占比 = \frac{大买单成交金额}{当日总成交金额}$$ * **因子评价**：该因子直接反映了大额资金的买入意愿和强度。 2. **因子名称：净主动买入金额占比**[7] * **因子构建思路**：该因子旨在刻画投资者的主动买入行为。其核心思路是利用逐笔成交数据中的买卖标志，区分主动买入和主动卖出，并计算其净额相对于总成交额的比例。[7] * **因子具体构建过程**： 1. 数据准备：获取股票的逐笔成交数据，数据中包含买卖标志。[7] 2. 界定主动交易：根据逐笔成交数据中的买卖标志，界定每一笔成交是属于主动买入还是主动卖出。[7] 3. 计算净额：将当日所有主动买入的成交金额相加，减去所有主动卖出的成交金额相加，得到净主动买入金额。[7] 4. 计算因子值：将计算得到的净主动买入金额除以当日该股票的总成交金额，得到净主动买入金额占比。公式如下：[7] $$净主动买入金额占比 = \frac{主动买入金额 - 主动卖出金额}{当日总成交金额}$$ * **因子评价**：该因子反映了市场中主动性的买卖压力，是衡量资金流向的重要指标。 因子的回测效果 1. **大买单成交金额占比因子**，近5日（20251103-20251107）指标值示例：海陆重工 93.0%[9]，摩恩电气 89.2%[9]，北辰实业 88.2%[9] 2. **净主动买入金额占比因子**，近5日（20251103-20251107）指标值示例：力聚热能 21.2%[10]，国投电力 21.1%[10]，乔治白 20.2%[10]

根据提供的研报内容，以下是关于量化因子与模型的总结： 量化因子与构建方式 1. **因子名称：大买单成交金额占比**[8] * **因子构建思路**：该因子旨在刻画大资金的买入行为[8] 其构建思路是基于逐笔成交数据，通过还原买卖单并筛选大单，计算大买单金额在总成交额中的比例[8] * **因子具体构建过程**： 1. 数据准备：获取股票的逐笔成交数据，数据中包含叫买序号和叫卖序号[8] 2. 还原买卖单：根据逐笔成交数据中的叫买和叫卖序号，将逐笔成交数据还原为原始的买卖单数据[8] 3. 筛选大单：对还原后的买卖单，按照每单的成交量设定阈值，筛选出符合条件的大额订单（大单）[8] 4. 计算因子值：针对筛选出的大单，计算其中所有买单的成交金额总和，然后将此总和除以当日该股票的总成交金额，得到大买单成交金额占比[8] 公式如下： $$大买单成交金额占比 = \frac{当日大买单成交总金额}{当日总成交金额}$$[8] 2. **因子名称：净主动买入金额占比**[8] * **因子构建思路**：该因子旨在刻画投资者的主动买入行为[8] 其构建思路是基于逐笔成交数据中的买卖标志，区分主动买入和主动卖出，并计算其净额相对于总成交额的比例[8] * **因子具体构建过程**： 1. 数据准备：获取股票的逐笔成交数据，数据中包含买卖标志[8] 2. 界定主动交易：根据逐笔成交数据中的买卖标志，界定每一笔成交是属于主动买入还是主动卖出[8] 3. 计算净额：将当日所有主动买入的成交金额相加，减去当日所有主动卖出的成交金额相加，得到净主动买入金额[8] 4. 计算因子值：将计算得到的净主动买入金额除以当日该股票的总成交金额，得到净主动买入金额占比[8] 公式如下： $$净主动买入金额占比 = \frac{当日主动买入总金额 - 当日主动卖出总金额}{当日总成交金额}$$[8] 因子的回测效果 1. **大买单成交金额占比因子** * 在个股层面的近期表现（2025年10月20日至2025年10月24日过去5日均值）：石化机械 (88.4%)、神开股份 (87.0%)、东方园林 (86.4%) 等[10] * 在宽基指数层面的近期表现（2025年10月20日至2025年10月24日过去5日均值）：上证指数 (75.2%)、上证50 (73.9%)、沪深300 (75.5%)、中证500 (76.0%)、创业板指 (75.2%)[13] * 在行业（中信一级）层面的近期表现（2025年10月20日至2025年10月24日过去5日均值）：银行 (80.7%)、钢铁 (79.5%)、非银行金融 (79.2%) 等[14] * 在ETF层面的近期表现（2025年10月20日至2025年10月24日过去5日均值）：博时中证全球中国教育ETF (91.2%)、华夏创成长ETF (90.5%)、富国上证综指ETF (90.0%) 等[16] 2. **净主动买入金额占比因子** * 在个股层面的近期表现（2025年10月20日至2025年10月24日过去5日均值）：唐山港 (20.7%)、常青股份 (17.0%)、双元科技 (16.3%) 等[11] * 在宽基指数层面的近期表现（2025年10月20日至2025年10月24日过去5日均值）：上证指数 (-0.8%)、上证50 (3.3%)、沪深300 (2.3%)、中证500 (0.8%)、创业板指 (5.3%)[13] * 在行业（中信一级）层面的近期表现（2025年10月20日至2025年10月24日过去5日均值）：电子 (8.0%)、通信 (7.4%)、国防军工 (3.5%) 等[14] * 在ETF层面的近期表现（2025年10月20日至2025年10月24日过去5日均值）：博时上证科创板芯片ETF (15.6%)、易方达中证红利ETF (15.2%)、华泰柏瑞中证2000ETF (15.0%) 等[17]

核心观点 - 报告旨在通过交易明细数据构建指标，跟踪市场大额买入和净主动买入行为，覆盖个股、宽基指数、行业及ETF在2025年10月13日至10月17日期间的资金流向 [1][4] 个股资金流向跟踪 - 近5个交易日大额买入（大买单成交金额占比）排名前5的个股为：亚太药业(94.4%)、国晟科技(89.1%)、安控科技(86.8%)、华远控股(86.4%)、德力股份(86.3%) [4][9] - 近5个交易日净主动买入（净主动买入金额占比）排名前5的个股为：沪农商行(28.6%)、雅戈尔(23.8%)、国投电力(22.6%)、山东高速(20.1%)、江阴银行(19.8%) [4][10] 宽基指数资金流向跟踪 - 主要宽基指数大买单成交金额占比5日均值分别为：上证指数(72.0%)、上证50(69.7%)、沪深300(71.6%)、中证500(71.5%)、创业板指(69.9%) [12] - 主要宽基指数净主动买入金额占比5日均值均为负值，显示整体呈现净主动卖出状态，其中中证500(-8.9%)和上证指数(-7.9%)的净卖出比例相对较高 [12] 行业资金流向跟踪 - 近5个交易日大额买入排名前5的中信一级行业为：综合(79.0%)、银行(78.9%)、钢铁(78.3%)、煤炭(78.2%)、交通运输(77.3%) [4][13] - 近5个交易日净主动买入排名前5的中信一级行业为：银行(-0.8%)、钢铁(-1.1%)、煤炭(-1.9%)、交通运输(-2.1%)、农林牧渔(-3.7%)，其净主动买入占比虽为负但幅度较小 [4][13] - 多个行业呈现显著的净主动卖出，其中综合金融(-16.8%)、汽车(-15.1%)、电力设备及新能源(-13.0%)的净卖出比例较高 [13] ETF资金流向跟踪 - 近5个交易日大额买入排名前5的ETF为：国泰上证国有企业红利ETF(91.4%)、富国中证旅游主题ETF(89.3%)、华泰柏瑞上证红利ETF(88.4%)、华夏中证旅游主题ETF(88.3%)、华夏中证1000ETF(87.7%) [4][15] - 近5个交易日净主动买入排名前5的ETF为：华泰柏瑞红利低波ETF(28.6%)、华宝中证银行ETF(22.5%)、国泰中证畜牧养殖ETF(19.4%)、汇添富中证主要消费ETF(16.8%)、国泰上证国有企业红利ETF(15.5%) [4][16] 跟踪指标计算方法 - 大买单成交金额占比：根据逐笔成交数据还原买卖单，筛选大单后计算大买单成交金额占当日总成交金额的比例，用以刻画大资金买入行为 [7] - 净主动买入金额占比：根据逐笔成交数据中的买卖标志界定主动买入和主动卖出，计算两者成交金额之差占当日总成交金额的比例，用以刻画投资者主动买入行为 [7]