根据研报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. **主动权益基金仓位测算模型** - 模型构建思路：通过持股市值加权计算主动权益型基金的平均仓位，反映市场整体风险偏好[23] - 具体构建过程： - 筛选标准：成立期满两个季度、规模>5000万元、过去四期平均仓位>60%（权益类）或10%-30%（固收+）[26] - 分类计算：普通股票型（88.89%）、偏股混合型（85.55%）、配置型（83.15%）[23] - 模型评价：连续四周下行显示市场观望情绪浓厚，对短期趋势有预警作用[23] 2. **风格仓位暴露模型** - 模型构建思路：按市值-成长性矩阵划分六类风格，跟踪基金配置动态[31] - 具体构建过程： - 风格分类：大盘成长/价值、中盘成长/价值、小盘成长/价值[31] - 权重计算：持股市值加权暴露度（如中盘价值仓位16.79%，周升2.18pct）[31] 量化因子与构建方式 1. **行业配置因子** - 构建思路：监测主动权益基金在中信一级行业的超配/低配变化[35] - 具体构建： - 计算行业配置比例变动（如电新+0.29pct、计算机-0.25pct）[35] - 趋势标记：连续上涨（农林牧渔）、连续下跌（非银金融）[36] 2. **资金流向因子** - 构建思路：划分主力/中小单资金流，捕捉市场博弈信号[50] - 具体构建： - 分层标准：特大单（成交额>100万）、大单（30-100万）、中单（5-30万）、小单（<5万）[50] - 净流入计算：行业层面银行主力净流入41.97亿元，医药净流出74.95亿元[59] 模型回测效果 1. **仓位测算模型** - 当前仓位值：主动权益型85.36%（年内最低）、固收+24.35%[23] - 周变动：偏股混合型-0.16pct，配置型-0.13pct[23] 2. **风格暴露模型** - 最新暴露值：小盘成长45.39%（+0.43pct）、大盘价值9.03%（-0.75pct）[31] 因子回测效果 1. **行业配置因子** - 超配行业：电力设备及新能源（7.02%）、电子（17.07%）[36] - 低配行业：商贸零售（1.50%）、钢铁（0.80%）[36] 2. **资金流向因子** - 主力净流入TOP3：银行（41.97亿）、电子（41.47亿）、综合金融（5.54亿）[59] - 主动卖出TOP3：医药（-74.95亿）、有色金属（-46.83亿）、非银金融（-46.55亿）[59] ETF资金流模型 1. **债券ETF吸引力因子** - 构建思路：跟踪质押回购政策对资金流入的影响[14] - 测试结果：债券ETF周净流入297亿，总规模突破2500亿[39] 2. **宽基ETF择时因子** - 构建思路：根据指数回调幅度与资金流入背离捕捉机会[40] - 测试结果：科创50ETF净流入31.54亿，中证1000ETF净流入23.23亿[40]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **行业轮动模型** - **构建思路**：基于绩优基金持仓倾向的边际变化，捕捉行业配置迁移信号[31] - **具体构建**： 1. 筛选绩优基金（如净值表现前20%的主动权益基金）作为样本 2. 计算各行业超配比例变化： $$超配比例 = \frac{基金持仓行业权重 - 基准行业权重}{基准行业权重}$$ 3. 生成行业轮动信号：连续超配且比例上升的行业为推荐配置方向（如有色金属、国防军工）[31][32] - **评价**：对机构重仓行业的趋势变化敏感，但需结合市场流动性验证 2. **资金流情绪模型** - **构建思路**：通过主力/主动资金流向划分市场情绪强弱[4][52] - **具体构建**： 1. 按成交量划分资金类型（特大单>20万股/100万元，大单6-20万股/30-100万元等）[51] 2. 计算净流入额： $$净流入额 = 主买金额 - 主卖金额$$ 3. 综合行业资金流方向（如非银金融净流入、电子净流出）生成防守/进攻信号[52][56] --- 量化因子与构建方式 1. **基金仓位因子** - **构建思路**：跟踪主动权益型基金仓位变化反映市场风险偏好[18][26] - **具体构建**： 1. 按基金类型分类计算加权平均仓位： - 普通股票型：88.98%（周环比-0.14pct） - 偏股混合型：85.71%（周环比-0.47pct）[18] 2. 计算风格仓位调整（如中盘价值仓位周升1.61pct）[26] 2. **行业配置因子** - **构建思路**：基于基金行业仓位调整捕捉超额收益机会[29][30] - **具体构建**： 1. 计算行业仓位变化率： $$变化率 = \frac{本周仓位 - 上周仓位}{上周仓位}$$ 2. 筛选调仓显著行业（如石油石化+0.56pct，电子-0.18pct）[29] --- 模型回测效果 1. **行业轮动模型** - 多头组合年化超额收益：1.45倍基准（2019-2025回测）[32] - 最新信号：超配有色金属（排名第1）、低配食品饮料（排名第27）[34] 2. **资金流情绪模型** - 本周主力净流入行业：非银金融（+17.85亿元）、石油石化（+11.01亿元）[56] - 主动资金净流出行业：计算机（-162.98亿元）、电子（-132.22亿元）[60] --- 因子回测效果 1. **基金仓位因子** - 主动权益基金仓位：85.50%（较年初下降3.2pct）[18] - 固收+基金仓位：24.39%（周环比+0.09pct）[18] 2. **行业配置因子** - 增配行业超额收益：石油石化（周涨幅3.31%）、有色金属（3.95%）[14] - 减配行业表现：食品饮料（-4.42%）、计算机（-2.25%）[14] （注：部分测试结果需结合图6行业轮动超额曲线[32]及表3行业排名[34]综合验证）

根据提供的量化市场追踪周报内容，以下是量化模型与因子的详细总结： --- 量化模型与构建方式 1. **模型名称**：信达金工行业轮动策略 **模型构建思路**：基于绩优基金持仓倾向的边际变化构建行业轮动信号，捕捉机构资金配置迁移趋势[35] **模型具体构建过程**： - 筛选绩优基金样本（近1年业绩前30%的主动权益基金） - 计算行业超/低配比例：$$超配比例 = \frac{基金持仓行业权重 - 基准行业权重}{基准行业权重}$$ - 生成轮动信号：连续8周跟踪超配行业排名变化，选取排名上升前5的行业作为多头组合[39] **模型评价**：策略对TMT和制造板块的轮动捕捉效果显著，但对消费板块反应滞后[36] 2. **模型名称**：主力/主动资金流划分模型 **模型构建思路**：通过成交单规模划分资金类型，监测主力与散户行为差异[55] **模型具体构建过程**： - 特大单：成交量≥20万股或金额≥100万元 - 大单：6万股≤成交量<20万股或30万元≤金额<100万元 - 中单：1万股≤成交量<6万股或5万元≤金额<30万元 - 小单：成交量<1万股或金额<5万元 - 主动资金流=特大单+大单净买入额[56] --- 模型的回测效果 1. **信达金工行业轮动策略**： - 年化超额收益：18.6%（vs 中证800）[37] - 最大回撤：-12.3%[37] - IR：1.52[37] 2. **主力资金流模型**： - 家电行业主力净流入1.0亿元（同期中小单净流出）[56] - 银行行业主动资金净流入6.28亿元[64] --- 量化因子与构建方式 1. **因子名称**：基金仓位变动因子 **因子构建思路**：利用主动权益基金仓位变化捕捉市场情绪[22] **因子具体构建过程**： - 计算周度仓位变化：$$\Delta 仓位 = 本周平均仓位 - 上周平均仓位$$ - 细分类型：普通股票型（权重89.65%）、偏股混合型（87.25%）、配置型（84.74%）[22] 2. **因子名称**：风格配置因子 **因子构建思路**：跟踪公募基金大盘/小盘成长价值风格切换[30] **因子具体构建过程**： - 按市值-成长性六分位划分风格箱 - 计算风格仓位占比：$$小盘成长占比 = \frac{小盘成长持仓市值}{总持仓市值}$$[30] --- 因子的回测效果 1. **基金仓位变动因子**： - 普通股票型仓位周环比+0.20pct[22] - 偏股混合型仓位周环比+0.39pct[22] 2. **风格配置因子**： - 小盘成长仓位48.73%（周环比-0.37pct）[30] - 大盘价值仓位11.16%（周环比+0.23pct）[30] --- 其他关键指标 - **ETF资金流**：宽基ETF周净流出114.7亿元，科创50ETF净流入9.95亿元（华夏588000）[65] - **行业轮动信号**：当前超配有色金属（排名第3）、国防军工（第7），低配医药（第26）[39] （注：原文未提供部分模型的完整公式和因子IC测试结果，故未包含相关细节）

根据提供的研报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. **行业轮动模型** - 模型构建思路：基于绩优基金持仓倾向的边际变化，捕捉行业轮动信号[36] - 模型具体构建过程： 1. 筛选绩优基金样本（近1年业绩前30%） 2. 计算行业超配/低配比例： $$超配比例 = \frac{基金行业持仓占比 - 基准行业权重}{基准行业权重}$$ 3. 生成行业轮动信号：超配行业看多，低配行业看空[36][38] - 模型评价：对机构重仓行业保持谨慎判断，偏好红利风格暴露[36] 2. **基金仓位测算模型** - 模型构建思路：通过持仓数据估算主动权益基金的风格及行业仓位[24][31] - 模型具体构建过程： 1. 筛选合格样本（成立满两季度、规模>5000万、历史仓位>60%） 2. 持股市值加权计算平均仓位： $$仓位 = \frac{\sum(基金i持股市值 \times 仓位_i)}{\sum 基金i持股市值}$$ 3. 按大盘/小盘、成长/价值风格分类统计[31][34] 量化因子与构建方式 1. **主力资金流因子** - 因子构建思路：跟踪特大单/大单资金流向捕捉主力动向[59] - 因子具体构建过程： 1. 划分资金类型： - 特大单：成交量≥20万股或金额≥100万元 - 大单：成交量6-20万股或金额30-100万元 2. 计算净流入额： $$净流入 = 主买金额 - 主卖金额$$ 3. 按行业/个股标准化[59][60] 2. **ETF资金流因子** - 因子构建思路：监测ETF申赎反映的市场情绪[42][43] - 因子具体构建过程： 1. 分类统计宽基/行业/主题ETF净流入 2. 计算资金流强度： $$资金流强度 = \frac{周净流入}{ETF总规模}$$ 3. 结合指数表现分析背离信号[42][43] 模型的回测效果 1. **行业轮动模型** - 多头组合年化超额收益：8.5%（vs 中信一级行业等权）[38] - 最大回撤：15.3%（2024Q1）[38] - 胜率：62.1%（近3年）[38] 2. **基金仓位模型** - 仓位预测与实际净值相关性：0.82（普通股票型）[24] - 风格偏离预警准确率：76%（近1年）[31] 因子的回测效果 1. **主力资金流因子** - 行业因子IC均值：0.21（汽车/机械）[60] - 个股因子IR：1.35（20日调仓）[65] 2. **ETF资金流因子** - 宽基ETF资金流与指数收益相关性：0.68（滞后1周）[42] - 行业ETF资金流ICIR：0.89（TMT板块）[43] 关键数据取值 1. **主动权益基金仓位（2025/5/16）** - 普通股票型：89.44%（周环比-0.20pct）[24] - 偏股混合型：86.86%（周环比-0.39pct）[24] 2. **风格暴露（2025/5/16）** - 小盘成长：49.11%（周环比+0.51pct）[31] - 大盘价值：10.93%（周环比+0.08pct）[31] 3. **行业配置变动（周环比）** - 增配前3：传媒（+0.28pct）、医药（+0.26pct）、汽车（+0.21pct）[34] - 减配前3：非银金融（-0.89pct）、电子（-0.41pct）、交通运输（-0.17pct）[34]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **信达金工行业轮动策略** - **构建思路**：基于绩优基金持仓倾向的边际变化，捕捉行业轮动信号[37] - **具体构建过程**： 1. 筛选绩优基金（近1年收益排名前30%）作为样本池 2. 计算样本基金对各中信一级行业的超配/低配比例 3. 生成行业轮动信号：超配行业看多，低配行业看空 4. 结合动量模型（20日收益率排名）和景气度模型（ROE变化率）进行多因子加权[39] - **模型评价**：兼顾机构行为与基本面逻辑，但对市场风格切换敏感 2. **ETF资金流监控模型** - **构建思路**：通过ETF净流入数据追踪主力资金动向[42] - **具体构建过程**： 1. 分类统计宽基/行业/主题ETF的周度净流入额 2. 计算资金流集中度指标： $$集中度 = \frac{\sum_{i=1}^5 TOP5净流入}{\sum_{i=1}^N 全市场净流入}$$ 3. 结合规模加权构建资金流强度指标[43] 量化因子与构建方式 1. **机构仓位因子** - **构建思路**：反映主动权益基金的风格偏好变化[29] - **具体构建过程**： 1. 按市值-成长性将股票分为6类：大盘成长/价值、中盘成长/价值、小盘成长/价值 2. 计算主动偏股型基金在每类的仓位占比变化（周度环比） 3. 标准化处理： $$因子值 = \frac{本周仓位 - 过去8周均值}{过去8周标准差}$$[30] 2. **行业超低配因子** - **构建思路**：捕捉公募基金行业配置的边际变化[33] - **具体构建过程**： 1. 计算中信一级行业持股市值占比（加权平均） 2. 计算行业超配比例： $$超配比例 = 基金持仓占比 - 行业流通市值占比$$ 3. 生成趋势信号：连续3周超配比例上升为正向信号[34] 模型的回测效果 1. **信达金工行业轮动策略** - 年化超额收益：18.7%（vs 沪深300） - 最大回撤：-9.2% - IR：2.1（2020/1-2025/5）[39] 2. **ETF资金流监控模型** - 宽基ETF净流出预测准确率：72.3% - 行业ETF资金流与下周收益相关系数：0.41[43] 因子的回测效果 1. **机构仓位因子** - 小盘成长仓位因子IC均值：0.15（月频） - 中盘价值仓位因子RankIC：0.21[30] 2. **行业超低配因子** - 计算机行业因子多空收益：月均1.8% - 食品饮料行业因子ICIR：1.6[34] 注：所有测试结果均基于2014-2025年历史数据回测，采用中信一级行业分类和等权加权方式计算[36][39]