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]

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：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[7] 其核心思路是利用逐笔成交数据，识别出大额买单，并计算其成交金额在总成交额中的比例[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[7] 2. 数据还原：根据逐笔成交数据中的叫买和叫卖序号，将数据还原为买卖单数据[7] 3. 筛选大单：对还原后的买卖单数据，按照每单的成交量设定阈值，筛选出大额交易单[7] 4. 计算指标：从大额交易单中，提取大买单的成交金额，并计算其占当日该股票总成交金额的比例[7] 公式如下： $$大买单成交金额占比 = \frac{当日大买单成交金额}{当日总成交金额}$$[7] 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[7] 其核心思路是根据逐笔成交数据区分主动买入和主动卖出，计算其净额占总体成交的比例[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[7] 2. 行为界定：根据逐笔成交数据中的买卖标志，界定每一笔成交属于主动买入还是主动卖出[7] 3. 计算净额：将当日所有主动买入成交金额之和，减去所有主动卖出成交金额之和，得到净主动买入金额[7] 4. 计算指标：计算该净主动买入金额占当日总成交金额的比例[7] 公式如下： $$净主动买入金额占比 = \frac{当日主动买入成交金额 - 当日主动卖出成交金额}{当日总成交金额}$$[7] 因子的回测效果 * **大买单成交金额占比因子**：在个股层面，近5日（20250922-20250926）该因子均值排名前列的股票其指标值介于87.3%至89.1%之间，时序分位数均高于95%[9] 在宽基指数层面，近5日该因子均值介于70.2%（上证50）至72.3%（上证指数）之间[12] 在行业层面，近5日该因子均值排名前五的中信一级行业为：银行（80.0%）、石油石化（79.0%）、非银行金融（78.2%）、钢铁（78.2%）、房地产（78.1%）[4][13] 在ETF层面，近5日该因子均值排名前列的ETF其指标值介于87.8%至89.7%之间[15] * **净主动买入金额占比因子**：在个股层面，近5日（20250922-20250926）该因子均值排名前列的股票其指标值介于10.9%至17.9%之间，时序分位数均高于95%[10] 在宽基指数层面，近5日该因子均值介于-6.6%（创业板指）至1.1%（上证50）之间[12] 在行业层面，近5日该因子均值排名前五的中信一级行业为：银行（10.1%）、石油石化（3.9%）、农林牧渔（2.0%）、房地产（1.4%）、电力及公用事业（1.0%）[4][13] 在ETF层面，近5日该因子均值排名前列的ETF其指标值介于6.9%至16.0%之间[16]

量化模型与构建方式 1. **模型名称**：大额买入跟踪模型[7] **模型构建思路**：通过逐笔成交数据还原买卖单，筛选大单并计算大买单成交金额占比，以刻画大资金的买入行为[7] **模型具体构建过程**： - 从逐笔成交数据中，根据叫买和叫卖序号还原买卖单数据[7] - 按照每单的成交量筛选得到大单[7] - 计算大买单的成交金额占当日总成交金额的比例，即大买单成交金额占比[7] $$大买单成交金额占比 = \frac{大买单成交金额}{当日总成交金额} \times 100\%$$[7] 2. **模型名称**：净主动买入资金流向模型[7] **模型构建思路**：利用逐笔成交数据中的买卖标志界定主动买入和主动卖出行为，计算净主动买入金额占比，以跟踪投资者的主动买入行为[7] **模型具体构建过程**： - 根据逐笔成交数据中的买卖标志，界定每笔成交属于主动买入还是主动卖出[7] - 将主动买入成交金额与主动卖出成交金额相减，得到净主动买入金额[7] - 计算净主动买入金额占当日总成交金额的比例，即净主动买入金额占比[7] $$净主动买入金额占比 = \frac{主动买入成交金额 - 主动卖出成交金额}{当日总成交金额} \times 100\%$$[7] 模型的回测效果 1. **大额买入跟踪模型**，大买单成交金额占比5日均值：**国发股份 86.5%**[9]，**吉林高速 86.3%**[9]，**重庆钢铁 85.8%**[9]，**紫金银行 85.6%**[9]，**建元信托 85.5%**[9] 2. **净主动买入资金流向模型**，净主动买入金额占比5日均值：**方大特钢 24.8%**[10]，**辽港股份 18.3%**[10]，**华侨城A 17.6%**[10]，**栖霞建设 14.6%**[10]，**皖维高新 14.3%**[10] 量化因子与构建方式 1. **因子名称**：大买单成交金额占比因子[7] **因子构建思路**：通过计算大买单成交金额的相对比例，构建一个刻画大资金买入强度的因子[7] **因子具体构建过程**： - 从逐笔成交数据还原买卖单数据并筛选大单[7] - 计算因子值：$$大买单成交金额占比 = \frac{大买单成交金额}{当日总成交金额} \times 100\%$$[7] 2. **因子名称**：净主动买入金额占比因子[7] **因子构建思路**：通过计算净主动买入金额的相对比例，构建一个反映市场主动买入情绪的因子[7] **因子具体构建过程**： - 从逐笔成交数据中区分主动买入和主动卖出[7] - 计算因子值：$$净主动买入金额占比 = \frac{主动买入成交金额 - 主动卖出成交金额}{当日总成交金额} \times 100\%$$[7] 因子的回测效果 1. **大买单成交金额占比因子**，5日均值分位数：**国发股份 97.9%**[9]，**吉林高速 82.3%**[9]，**重庆钢铁 83.1%**[9]，**紫金银行 62.6%**[9]，**建元信托 90.5%**[9] 2. **净主动买入金额占比因子**，5日均值分位数：**方大特钢 100.0%**[10]，**辽港股份 95.1%**[10]，**华侨城A 99.6%**[10]，**栖霞建设 99.2%**[10]，**皖维高新 99.6%**[10]