量化模型与因子分析总结 量化模型与构建方式 1. **基准规模计算模型** - 模型构建思路：计算基金在各基准指数上的配置规模[10] - 模型具体构建过程： $$bmAsset_i = \sum_{j=1}^{N} fundAsset_j \times weight_{i,j}$$ 其中，$bmAsset_i$为基准指数i的配置规模，$fundAsset_j$为基金j的规模，$weight_{i,j}$为指数i在基金j中的基准权重占比[10] 2. **行业基准规模计算模型** - 模型构建思路：计算各行业在基准指数中的配置规模[15] - 模型具体构建过程： $$bmInduAsset_k = \sum_{s=1}^{S} bmStkAsset_s$$ 其中，$bmInduAsset_k$为行业k的基准规模，$bmStkAsset_s$为股票s的基准规模[15] 3. **个股基准规模计算模型** - 模型构建思路：计算个股在基准指数中的配置规模[17] - 模型具体构建过程： $$bmStkAsset_s = \sum_{i=1}^{I} bmAsset_i \times stkWeight_{s,i}$$ 其中，$bmAsset_i$为指数i的基准规模，$stkWeight_{s,i}$为股票s在指数i中的权重[17] 4. **行业持仓市值计算模型** - 模型构建思路：估算基金在各行业的持仓市值[18] - 模型具体构建过程： $$fundInduAsset_{k,T} = \sum_{s=1}^{S} \sum_{j=1}^{J} \frac{stkMv_{j,s,T-1}}{totalStkMv_{j,T-1}} \times totalStkMv_{j,T}$$ 其中，$fundInduAsset_{k,T}$为行业k在T时点的持仓市值，$stkMv_{j,s,T-1}$为基金j在T-1时点持有股票s的市值，$totalStkMv_{j,T-1}$为基金j在T-1时点的股票总市值，$totalStkMv_{j,T}$为基金j在T时点的股票总市值[18] 量化因子与构建方式 1. **行业偏离度因子** - 因子构建思路：衡量基金持仓与基准在行业配置上的差异[19] - 因子具体构建过程：计算各行业持仓市值占比与基准行业占比的差值[19] - 因子评价：有效识别基金行业配置偏离情况[19] 2. **行业潜在冲击因子** - 因子构建思路：标准化处理行业偏离度，考虑行业容量影响[23] - 因子具体构建过程：行业低配额/行业自由流通市值[23] - 因子评价：使不同行业间的偏离度具有可比性[23] 模型的回测效果 1. **基准规模计算模型** - 沪深300基准规模：10,885.12亿元[12] - 中证800基准规模：4,087.00亿元[12] - 中证500基准规模：957.08亿元[12] 2. **行业偏离度因子** - 电子行业超配额：1,621亿元[22] - 机械行业超配额：983亿元[22] - 化工行业超配额：685亿元[22] - 非银行业低配额：1,433亿元[22] - 银行业低配额：1,308亿元[22] 3. **行业潜在冲击因子** - 非银行业潜在流入冲击：-8%至-6%[24] - 银行业潜在流入冲击：-6%至-4%[24] - 轻工制造潜在流出冲击：4%至6%[24] - 纺织服装潜在流出冲击：2%至4%[24] 4. **以沪深300为基准的行业偏离** - 电子行业超配额：1,647亿元[27] - 机械行业超配额：1,070亿元[27] - 银行业低配额：2,381亿元[27] - 非银行业低配额：2,149亿元[27] 5. **以中证A500为基准的行业偏离** - 电子行业超配额：1,291亿元[33] - 机械行业超配额：911亿元[33] - 银行业低配额：1,286亿元[33] - 非银行业低配额：1,033亿元[33]