量化模型与构建方式 1. **模型/因子名称：封板率** * **构建思路**：通过计算盘中最高价涨停且收盘时仍维持涨停的股票数量占所有盘中最高价涨停股票数量的比例，来衡量市场涨停板的“封板”强度或资金封板的坚决程度[17]。 * **具体构建过程**： 1. 筛选上市满3个月以上的股票[17]。 2. 在每个交易日，识别出盘中最高价达到涨停价的股票集合A[17]。 3. 在集合A中，进一步识别出收盘价仍为涨停价的股票集合B[17]。 4. 计算封板率，公式为： $$封板率 = \frac{集合B的股票数量}{集合A的股票数量}$$[17] 2. **模型/因子名称：连板率** * **构建思路**：通过计算连续两个交易日收盘涨停的股票数量占前一日所有收盘涨停股票数量的比例，来衡量市场涨停板的连续性和赚钱效应的持续性[17]。 * **具体构建过程**： 1. 筛选上市满3个月以上的股票[17]。 2. 在每个交易日，识别出前一日（T-1日）收盘涨停的股票集合C[17]。 3. 在集合C中，进一步识别出当日（T日）收盘也涨停的股票集合D[17]。 4. 计算连板率，公式为： $$连板率 = \frac{集合D的股票数量}{集合C的股票数量}$$[17] 3. **模型/因子名称：大宗交易折价率** * **构建思路**：通过计算大宗交易成交总金额与按当日市价计算的交易份额总市值的差异比例，来反映大资金通过大宗交易平台交易的折价或溢价水平，常用于观察机构或大股东的买卖情绪和流动性折价[26]。 * **具体构建过程**： 1. 获取当日所有大宗交易的成交数据，包括每笔交易的成交价格和成交数量[26]。 2. 计算大宗交易总成交金额（成交价×成交数量的总和）[26]。 3. 计算当日成交份额按收盘价（或成交时市价）计算的总市值[26]。 4. 计算折价率，公式为： $$折价率 = \frac{大宗交易总成交金额}{当日成交份额的总市值} - 1$$[26] 结果为负表示折价交易，为正表示溢价交易。 4. **模型/因子名称：股指期货年化贴水率** * **构建思路**：将股指期货主力合约与现货指数之间的基差（期货价格-现货价格），进行年化处理，以标准化衡量不同期限合约的贴水或升水程度，反映市场对未来走势的预期和对冲成本[28]。 * **具体构建过程**： 1. 选定标的指数（如上证50、沪深300等）及其对应的股指期货主力合约[28]。 2. 计算基差：基差 = 期货价格 - 现货指数价格[28]。 3. 计算年化贴水率，公式为： $$年化贴水率 = \frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$[28] 其中，250为一年中大约的交易天数，用于年化。结果为负表示贴水，为正表示升水。 模型的回测效果 （注：本篇报告为市场监测日报，未提供量化模型或因子在历史样本外的长期回测绩效指标，如年化收益率、夏普比率、最大回撤、信息比率（IR）等。报告主要展示上述指标在特定日期（2026年4月21日或22日）的截面或时序取值[17][26][28]。） 量化因子与构建方式 （注：本篇报告未涉及用于选股或资产定价的传统阿尔法因子（如价值、动量、质量等）的构建与测试。） 因子的回测效果 （注：本篇报告未涉及传统阿尔法因子的回测效果。）

量化模型与构建方式 本报告为市场监测日报，未涉及具体的量化选股模型或多因子模型。报告主要定义并计算了多个用于刻画市场情绪、资金流向及折溢价状态的量化指标（因子）[16][21][25][28]。 1. **因子名称：封板率** [16] * **因子构建思路：** 通过计算盘中触及涨停且最终成功封住涨停的股票比例，来度量市场追涨情绪和涨停板的可靠性[16]。 * **因子具体构建过程：** 1. 选定样本：上市满3个月以上的股票[16]。 2. 计算指标：在交易日T，统计所有样本股中，当日最高价曾达到涨停价且收盘价也为涨停价的股票数量，记为A；统计当日最高价曾达到涨停价的股票总数，记为B[16]。 3. 计算公式： $$封板率 = \frac{A}{B}$$ [16] 其中，A代表最高价涨停且收盘涨停的股票数，B代表最高价涨停的股票数[16]。 2. **因子名称：连板率** [16] * **因子构建思路：** 通过计算连续涨停股票的比例，来度量市场投机情绪的强度和持续性[16]。 * **因子具体构建过程：** 1. 选定样本：上市满3个月以上的股票[16]。 2. 计算指标：在交易日T，统计所有样本股中，在T-1日和T日收盘价均涨停的股票数量，记为C；统计在T-1日收盘涨停的股票总数，记为D[16]。 3. 计算公式： $$连板率 = \frac{C}{D}$$ [16] 其中，C代表连续两日收盘涨停的股票数，D代表昨日收盘涨停的股票数[16]。 3. **因子名称：两融余额占比** [21] * **因子构建思路：** 通过计算融资融券余额占市场总流通市值的比重，来度量杠杆资金在市场中的总体规模和参与度[21]。 * **因子具体构建过程：** 1. 获取数据：截至交易日T的两融余额（融资余额+融券余额），以及同日A股市场的总流通市值[21]。 2. 计算公式： $$两融余额占比 = \frac{两融余额}{总流通市值}$$ [21] 4. **因子名称：两融交易占比** [21] * **因子构建思路：** 通过计算融资买入与融券卖出总额占市场总成交额的比例，来度量杠杆资金交易的活跃程度[21]。 * **因子具体构建过程：** 1. 获取数据：交易日T的融资买入额、融券卖出额以及市场总成交额[21]。 2. 计算公式： $$两融交易占比 = \frac{融资买入额 + 融券卖出额}{市场总成交额}$$ [21] 5. **因子名称：大宗交易折价率** [25] * **因子构建思路：** 通过计算大宗交易成交价相对于市价的折价幅度，来观察大资金的交易意愿和情绪，折价率高可能意味着大股东或机构减持意愿强或急于成交[25]。 * **因子具体构建过程：** 1. 获取数据：交易日T发生的所有大宗交易，记录每笔的成交金额和成交数量，以及对应股票当日的收盘价[25]。 2. 计算总成交金额：汇总当日所有大宗交易的成交金额[25]。 3. 计算按市价计的总市值：对每笔大宗交易，用其成交数量乘以当日该股票收盘价，得到该笔交易按市价计算的价值，然后汇总所有交易[25]。 4. 计算公式： $$折价率 = \frac{大宗交易总成交金额}{当日成交份额的总市值} - 1$$ [25] 该值为负表示折价交易，绝对值越大表示折价越深[25]。 6. **因子名称：股指期货年化贴水率** [28] * **因子构建思路：** 通过计算股指期货价格相对现货指数的年化基差，来反映市场对未来走势的预期、对冲成本以及市场情绪。贴水（负基差）通常意味着市场情绪偏谨慎或对冲需求旺盛[28]。 * **因子具体构建过程：** 1. 选定合约：选取各股指期货品种的主力合约[28]。 2. 计算基差：基差 = 股指期货价格 - 现货指数价格[28]。 3. 计算公式： $$年化贴水率 = \frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ [28] 其中，“基差/指数价格”为实际基差率，乘以“250/合约剩余交易日数”将其年化，以便于不同期限合约间的比较[28]。结果为负表示贴水，为正表示升水[28]。 因子的回测效果 本报告为日度市场数据跟踪，未提供上述因子的历史回测表现（如IC、IR、多空收益等）。报告仅展示了特定日期（2026年3月10日及前后）相关因子的具体取值或状态[13][16][18][21][22][25][28]。 1. **封板率因子**，2026年3月10日取值：**65%** [13][16] 2. **连板率因子**，2026年3月10日取值：**20%** [13][16] 3. **两融余额占比因子**，截至2026年3月9日取值：**2.6%** [21] 4. **两融交易占比因子**，截至2026年3月9日取值：**9.0%** [21] 5. **大宗交易折价率因子**，2026年3月9日取值：**6.75%** [25]；近半年以来平均值：**7.10%** [25] 6. **股指期货年化贴水率因子** * **上证50**，2026年3月10日取值：**0.46%** [28]；近一年中位数：**0.70%** [28] * **沪深300**，2026年3月10日取值：**7.19%** [28]；近一年中位数：**3.96%** [28] * **中证500**，2026年3月10日取值：**6.21%** [28]；近一年中位数：**10.99%** [28] * **中证1000**，2026年3月10日取值：**13.66%** [28]；近一年中位数：**13.37%** [28]