根据提供的金融工程日报内容，以下是总结的量化模型与因子相关内容： 量化因子与构建方式 1. **因子名称：封板率因子** - **构建思路**：通过统计涨停股票在盘中最高价涨停且收盘仍涨停的比例，反映市场情绪和资金封板意愿[16] - **具体构建过程**： $$封板率=\frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$ 统计范围限定为上市满3个月以上的股票[16] 2. **因子名称：连板率因子** - **构建思路**：衡量连续两日涨停的股票比例，用于捕捉市场短期动量效应[16] - **具体构建过程**： $$连板率=\frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$ 同样限定上市满3个月的股票样本[16] 3. **因子名称：大宗交易折价率因子** - **构建思路**：通过大宗交易成交价与市价的偏离程度，反映大资金对标的的偏好[25] - **具体构建过程**： $$折价率=\frac{大宗交易总成交金额}{当日成交份额的总市值}-1$$ 统计近半年日均折价率为5.80%[25] 4. **因子名称：股指期货年化贴水率因子** - **构建思路**：通过计算股指期货主力合约与现货指数的基差年化值，反映市场预期和套利成本[27] - **具体构建过程**： $$年化贴水率=\frac{基差}{指数价格} \times \left(\frac{250}{合约剩余交易日数}\right)$$ 覆盖上证50、沪深300、中证500和中证1000主力合约[27] 因子回测效果 1. **封板率因子** - 当日取值66%（较前日下降4%）[16] - 近一个月趋势显示波动范围60%-70%[16] 2. **连板率因子** - 当日取值30%（较前日下降2%）[16] - 近一个月均值约35%[16] 3. **大宗交易折价率因子** - 当日折价率6.90%（高于半年均值5.80%）[25] - 半年日均成交金额12亿元[25] 4. **股指期货年化贴水率因子** - 当日取值： - 上证50：0.57%（55%分位）[27] - 沪深300：3.06%（52%分位）[27] - 中证500：9.33%（49%分位）[27] - 中证1000：12.08%（51%分位）[27] - 近一年中位数分别为1.44%、3.11%、9.20%、12.42%[27] 模型评价 （注：原文未提供对模型或因子的定性评价，故跳过此部分）

根据提供的金融工程日报内容，以下是量化模型与因子的总结： 量化因子与构建方式 1. **因子名称：封板率** - 构建思路：衡量涨停股票中能够维持涨停至收盘的比例，反映市场情绪强度[17] - 具体构建过程： $$封板率=\frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$ 统计上市满3个月以上的股票，计算当日最高价涨停且收盘仍涨停的股票占比[17] - 因子评价：高频情绪指标，对短期市场动量有较强解释力 2. **因子名称：连板率** - 构建思路：捕捉连续涨停股票的比例，反映市场投机热度[17] - 具体构建过程： $$连板率=\frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$ 筛选昨日涨停股票中今日继续涨停的比例[17] - 因子评价：极端市场环境下有效性显著 3. **因子名称：大宗交易折价率** - 构建思路：通过大宗交易价格与市价的偏离度反映机构交易意愿[26] - 具体构建过程： $$折价率=\frac{大宗交易总成交金额}{当日成交份额的总市值}-1$$ 计算当日所有大宗交易成交价相对于市价的加权平均折价幅度[26] - 因子评价：对大盘股未来走势有一定预测能力 4. **因子名称：股指期货年化贴水率** - 构建思路：量化期货市场对现货指数的预期偏差[28] - 具体构建过程： $$年化贴水率=\frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ 对上证50/沪深300/中证500/中证1000主力合约分别计算[28] - 因子评价：反映市场风险偏好与对冲成本 因子回测效果 1. **封板率因子** - 当日值：74%（较前日提升5%）[17] - 近一月波动范围：未披露具体区间 2. **连板率因子** - 当日值：24%（较前日提升6%）[17] - 近一月波动范围：未披露具体区间 3. **大宗交易折价率因子** - 当日值：9.32%[26] - 近半年均值：5.78%[26] 4. **股指期货年化贴水率因子** - 上证50：3.73%（41%分位）[28] - 沪深300：5.63%（35%分位）[28] - 中证500：18.67%（13%分位）[28] - 中证1000：14.56%（40%分位）[28] 注：报告中未涉及量化模型的具体构建，仅包含市场监测类因子[17][26][28]

UWB技术发展历程 - UWB技术最早可追溯至1887年Heinrich Hertz的实验 但直到1989年美国国防部才正式命名"超宽带" 此前长期远离消费市场[1] - 2019年苹果iPhone 11集成U1芯片后 UWB在消费电子市场快速普及 三星/谷歌/华为等厂商相继跟进[1] - 尽管在防丢器/汽车钥匙/资产追踪等领域有所应用 但过去几年UWB整体发展未达预期[1][2] UWB技术特性与优势 - 基于IEEE 802.15.4标准 通过测量无线电信号飞行时间实现厘米级定位精度[3] - 相比BLE/NFC方案 UWB具备抗干扰能力强/安全性高等特性 可有效防御中继攻击[3][4] - 在汽车准入系统中能提供安全/便利/功能/可靠性四大优势 双向测距和时间戳验证确保设备真实位置[3][4] 早期UWB方案的技术瓶颈 - 采用Transceiver分立架构 需外接MCU和自研驱动 开发门槛高[4] - 第三方MCU兼容性问题导致开发周期延长 功耗管理和成本控制困难[4] - 非车规产品限制汽车市场拓展 中小厂商面临显著开发挑战[4] 新一代UWB解决方案突破 - 主流芯片厂商推出集成化SoC方案 如Qorvo QM35825集成射频模块/MCU/安全功能 显著降低设计门槛[6] - QM35825支持±5cm测距精度和±2° AoA精度 兼容FiRa/Omlox/Aliro标准 适用于智能家居/工业/医疗场景[7] - 车规级QPF5100Q通过AEC-Q100认证 工作温度-40℃至105℃ 支持850kbps-62.4Mbps数据速率[8][12] UWB应用场景拓展 - 与Nordic合作推出Matter协议参考设计 加速智能门锁等门禁控制应用落地[14] - 在汽车市场应用于儿童存在检测(CPD) 通过呼吸/心率监测预防婴儿遗留事故 优于传统摄像头方案[15] - 还可用于手势识别/错误警报消除等车载功能 多普勒效应可检测细微动作[16] 产业链协同与未来展望 - Fira/CCC联盟推动标准统一 芯片厂商持续优化SoC架构 支持全球化频谱规范[12][16] - 集成化方案解决早期分立架构痛点 车规认证突破关键市场壁垒[6][8] - 在定位精度/延迟/可靠性等方面全面优于BLE 结合测向能力拓展智能家居/工业物联网应用[13][14]