量化模型与因子总结 量化模型与构建方式 1. **模型/因子名称**：市场情绪监测模型（封板率与连板率）[16] * **模型/因子构建思路**：通过统计上市股票的涨停封板情况和连续涨停情况，来量化市场短期炒作情绪和赚钱效应的强弱。[16] * **模型/因子具体构建过程**： * **封板率**：统计当日最高价曾触及涨停的股票中，最终收盘价仍为涨停的股票比例。计算公式为： $$封板率 = \frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$ [16] * **连板率**：统计前一日收盘涨停的股票中，在当日继续收盘涨停的股票比例。计算公式为： $$连板率 = \frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$ [16] 2. **模型/因子名称**：市场资金监测模型（两融余额与交易占比）[23] * **模型/因子构建思路**：通过计算融资融券余额及其交易额在市场中的占比，来反映杠杆资金的活跃程度和市场风险偏好。[23] * **模型/因子具体构建过程**： * **两融余额占比**：计算融资融券余额占A股市场总流通市值的比重。 * **两融交易占比**：计算融资买入额与融券卖出额之和占市场总成交额的比例。[23] 3. **模型/因子名称**：折溢价监测模型（ETF折溢价、大宗交易折溢价、股指期货升贴水）[24][27][29] * **模型/因子构建思路**：通过观察ETF、大宗交易和股指期货的价格与其对应基础资产净值或现货价格之间的差异，来捕捉市场情绪、大资金动向及对未来市场的预期。[24][27][29] * **模型/因子具体构建过程**： * **ETF折溢价**：直接观察ETF场内交易价格与其IOPV（基金份额参考净值）的差异。[24] * **大宗交易折价率**：计算大宗交易成交总额与按当日收盘价计算的相同份额总市值之间的比率差。计算公式为： $$折价率 = \frac{大宗交易总成交金额}{当日成交份额的总市值} - 1$$ [27] * **股指期货年化贴水率**：计算股指期货主力合约价格与现货指数价格之间的基差，并进行年化处理，以衡量对冲成本或市场预期。计算公式为： $$年化贴水率 = \frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ [29] 其中，基差 = 期货价格 - 现货价格。 模型的回测效果 1. **市场情绪监测模型（封板率与连板率）**，2026年1月30日封板率65%[16]，连板率10%[16] 2. **市场资金监测模型（两融余额与交易占比）**，截至2026年1月29日，两融余额占流通市值比重2.6%[23]，两融交易占市场成交额比重9.6%[23] 3. **折溢价监测模型（ETF折溢价）**，2026年1月29日，溢价较多的ETF为油气ETF博时（溢价4.13%）[24]，折价较多的ETF为国证2000ETF工银（折价2.03%）[24] 4. **折溢价监测模型（大宗交易折溢价）**，近半年平均折价率6.93%[27]，2026年1月29日当日折价率7.58%[27] 5. **折溢价监测模型（股指期货升贴水）**，近一年年化贴水率中位数：上证500.65%[29]、沪深3003.78%[29]、中证50011.11%[29]、中证100013.61%[29]；2026年1月30日当日年化升贴水率：上证50升水2.11%（近一年92%分位）[29]、沪深300升水0.85%（近一年90%分位）[29]、中证500贴水0.84%（近一年94%分位）[29]、中证1000升水0.60%（近一年98%分位）[29]

量化模型与因子总结 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。报告主要展示和计算了一系列用于监测市场状态、情绪和资金流向的量化指标。 量化因子与构建方式 报告涉及多个用于市场监测的量化指标，可视为市场状态因子或情绪因子。 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板的股票比例，来反映市场追涨资金的强度和涨停板的可靠性。[16] * **因子具体构建过程**： 1. 筛选上市满3个月以上的股票。[16] 2. 在指定交易日，找出盘中最高价达到涨停价的股票集合。 3. 在上述股票集合中，找出收盘价仍为涨停价的股票。 4. 计算封板率，公式为： $$封板率=\frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$ [16] 2. **因子名称：连板率** [16] * **因子构建思路**：通过计算连续两日收盘涨停的股票占昨日涨停股票的比例，来反映市场短线炒作的延续性和赚钱效应。[16] * **因子具体构建过程**： 1. 筛选上市满3个月以上的股票。[16] 2. 在指定交易日，找出前一日（T-1日）收盘涨停的股票集合。 3. 在上述股票集合中，找出当日（T日）收盘也涨停的股票。 4. 计算连板率，公式为： $$连板率=\frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$ [16] 3. **因子名称：大宗交易折价率** [27] * **因子构建思路**：通过计算大宗交易成交总额相对于其市值的折价比例，来反映大资金的投资偏好和减持意愿，折价率高通常意味着卖出方让利较多或接盘方要求较高的风险补偿。[27] * **因子具体构建过程**： 1. 获取指定交易日所有大宗交易的成交数据，包括每笔交易的成交金额和成交数量。[27] 2. 计算大宗交易总成交金额。 3. 计算大宗交易成交份额按当日收盘价计算的总市值。 4. 计算折价率，公式为： $$折价率=\frac{大宗交易总成交金额}{当日成交份额的总市值}-1$$ [27] 4. **因子名称：股指期货年化贴水率** [29] * **因子构建思路**：通过计算股指期货主力合约价格相对于现货指数的基差，并进行年化处理，来反映市场对未来走势的预期、对冲成本以及市场情绪。升水（正基差）通常表示市场预期乐观或对冲需求低，贴水（负基差）则相反。[29] * **因子具体构建过程**： 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。[29] 2. 计算基差：基差 = 股指期货价格 - 现货指数价格。[29] 3. 计算年化贴水率，公式为： $$年化贴水率=\frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ [29] * **公式说明**：公式将基差率（基差/指数价格）年化，以方便不同期限合约之间的比较。其中250为一年中大约的交易天数。[29] 模型的回测效果 报告未涉及量化模型的回测效果。 因子的回测效果 报告未提供上述因子的历史回测表现（如IC、IR、多空收益等）。报告主要展示了这些因子在特定交易日（2026年1月30日及附近日期）的截面或时间序列取值，用于描述当日市场状态。 1. **封板率因子**，2026年1月30日取值：65%[16] 2. **连板率因子**，2026年1月30日取值：10%[16] 3. **大宗交易折价率因子**，2026年1月29日取值：7.58%[27]；近半年以来平均值：6.93%[27] 4. **股指期货年化贴水率因子**，2026年1月30日取值及历史分位点：[29] * 上证50股指期货：年化升水率 2.11%，处于近一年来92%分位点[29] * 沪深300股指期货：年化升水率 0.85%，处于近一年来90%分位点[29] * 中证500股指期货：年化贴水率 0.84%，处于近一年来94%分位点[29] * 中证1000股指期货：年化升水率 0.60%，处于近一年来98%分位点[29] * **历史中位数参考值（近一年）**：[29] * 上证50：0.65% * 沪深300：3.78% * 中证500：11.11% * 中证1000：13.61%

量化模型与构建方式 1. **模型名称**：封板率计算模型[16] **模型构建思路**：通过计算当日最高价涨停且收盘涨停的股票数量与最高价涨停股票总数的比例，来衡量市场涨停板的封板质量[16] **模型具体构建过程**：首先，筛选出上市满3个月以上的股票。然后，找出在当日盘中最高价达到涨停价的股票。最后，计算这些股票中收盘价仍为涨停的股票所占的比例。具体公式为： $$封板率=最高价涨停且收盘涨停的股票数/最高价涨停的股票数$$[16] 2. **模型名称**：连板率计算模型[16] **模型构建思路**：通过计算连续两日收盘涨停的股票数量占前一日收盘涨停股票总数的比例，来衡量市场涨停板的延续性[16] **模型具体构建过程**：首先，筛选出上市满3个月以上的股票。然后，找出在前一日收盘涨停的股票。最后，计算这些股票中在当日收盘也涨停的股票所占的比例。具体公式为： $$连板率=连续两日收盘涨停的股票数/昨日收盘涨停的股票数$$[16] 3. **模型名称**：大宗交易折价率计算模型[25] **模型构建思路**：通过比较大宗交易成交金额与按市价计算的成交份额总市值，计算折价率，以反映大资金交易的折让程度和市场情绪[25] **模型具体构建过程**：首先，获取当日所有大宗交易的成交总金额。然后，计算这些成交份额按当日市场价格计算的总市值。最后，用成交总金额除以总市值再减1，得到折价率。具体公式为： $$折价率=大宗交易总成交金额/当日成交份额的总市值-1$$[25] 4. **模型名称**：股指期货年化贴水率计算模型[27] **模型构建思路**：通过计算股指期货主力合约价格与现货指数价格的基差，并进行年化处理，来衡量股指期货的升贴水程度，反映市场预期和对冲成本[27] **模型具体构建过程**：首先，计算基差（股指期货价格 - 现货指数价格）。然后，将基差除以现货指数价格，得到未年化的贴水率。最后，乘以年化因子（250除以合约剩余交易日数），得到年化贴水率。具体公式为： $$年化贴水率=基差/指数价格*(250/合约剩余交易日数)$$[27] **模型评价**：年化贴水率的大小会影响股指对冲的成本，其变化一定程度上能反映市场对于未来的预期[27] 模型的回测效果 1. 封板率计算模型，2026年1月26日封板率取值61%[16] 2. 封板率计算模型，较前日封板率变化-22%[16] 3. 连板率计算模型，2026年1月26日连板率取值16%[16] 4. 连板率计算模型，较前日连板率变化-7%[16] 5. 大宗交易折价率计算模型，近半年以来平均折价率取值6.86%[25] 6. 大宗交易折价率计算模型，2026年1月23日折价率取值9.23%[25] 7. 股指期货年化贴水率计算模型，近一年上证50股指期货年化贴水率中位数取值0.68%[27] 8. 股指期货年化贴水率计算模型，近一年沪深300股指期货年化贴水率中位数取值3.79%[27] 9. 股指期货年化贴水率计算模型，近一年中证500股指期货年化贴水率中位数取值11.11%[27] 10. 股指期货年化贴水率计算模型，近一年中证1000股指期货年化贴水率中位数取值13.61%[27] 11. 股指期货年化贴水率计算模型，2026年1月26日上证50股指期货年化升水率取值2.14%[27] 12. 股指期货年化贴水率计算模型，2026年1月26日沪深300股指期货年化升水率取值2.00%[27] 13. 股指期货年化贴水率计算模型，2026年1月26日中证500股指期货年化贴水率取值3.27%[27] 14. 股指期货年化贴水率计算模型，2026年1月26日中证1000股指期货年化贴水率取值6.90%[27] 量化因子与构建方式 1. **因子名称**：昨日涨停股今日收益因子[13] **因子构建思路**：统计前一日收盘涨停的股票在次日的平均收益表现，用于观察涨停股的短期动量或反转效应[13] **因子具体构建过程**：首先，筛选出上市满3个月以上且在前一日收盘涨停的股票。然后，计算这些股票在当日的收盘收益，并求其平均值。该因子即为这个平均收益值[13] 2. **因子名称**：昨日跌停股今日收益因子[13] **因子构建思路**：统计前一日收盘跌停的股票在次日的平均收益表现，用于观察跌停股的短期动量或反转效应[13] **因子具体构建过程**：首先，筛选出上市满3个月以上且在前一日收盘跌停的股票。然后，计算这些股票在当日的收盘收益，并求其平均值。该因子即为这个平均收益值[13] 3. **因子名称**：两融余额占比因子[21] **因子构建思路**：计算融资融券余额占A股市场总流通市值的比重，用于衡量杠杆资金在市场中的整体规模和参与度[21] **因子具体构建过程**：首先，获取当前市场的融资余额与融券余额，相加得到两融余额。然后，获取A股市场的总流通市值。最后，计算两融余额占总流通市值的百分比[21] 4. **因子名称**：两融交易占比因子[21] **因子构建思路**：计算融资买入额与融券卖出额之和占市场总成交额的比例，用于衡量杠杆资金交易的活跃程度[21] **因子具体构建过程**：首先，获取当日的融资买入总额与融券卖出总额，相加得到两融交易总额。然后，获取当日市场的总成交额。最后，计算两融交易总额占总成交额的百分比[21] 因子的回测效果 1. 昨日涨停股今日收益因子，2026年1月26日因子取值0.23%[13] 2. 昨日跌停股今日收益因子，2026年1月26日因子取值-5.26%[13] 3. 两融余额占比因子，2026年1月26日因子取值2.6%[21] 4. 两融交易占比因子，2026年1月26日因子取值9.5%[21]

量化模型与构建方式 1 **模型名称**：无 **模型构建思路**：无 **模型具体构建过程**：无 模型的回测效果 1 **无模型回测效果数据** 量化因子与构建方式 1 **因子名称**：封板率因子 **因子构建思路**：通过计算当日最高价涨停且收盘涨停的股票数与最高价涨停的股票数的比例，反映市场涨停板的稳定性[18] **因子具体构建过程**： 1. 筛选上市满3个月以上的股票 2. 识别当日最高价涨停的股票集合 3. 识别当日收盘涨停的股票集合 4. 计算封板率： $$封板率 = \frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$[18] 2 **因子名称**：连板率因子 **因子构建思路**：通过计算连续两日收盘涨停的股票数与昨日收盘涨停的股票数的比例，反映市场连续涨停的强度[18] **因子具体构建过程**： 1. 筛选上市满3个月以上的股票 2. 识别昨日收盘涨停的股票集合 3. 识别当日收盘涨停的股票集合 4. 计算连板率： $$连板率 = \frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$[18] 3 **因子名称**：大宗交易折价率因子 **因子构建思路**：通过大宗交易成交价与市价的差异，反映大资金的投资偏好和市场情绪[27] **因子具体构建过程**： 1. 获取当日大宗交易总成交金额 2. 计算当日成交份额的总市值 3. 计算折价率： $$折价率 = \frac{大宗交易总成交金额}{当日成交份额的总市值} - 1$$[27] 4 **因子名称**：股指期货年化贴水率因子 **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，反映市场对未来预期的情绪和对冲成本[29] **因子具体构建过程**： 1. 计算基差：股指期货价格减去现货指数价格 2. 获取合约剩余交易日数 3. 计算年化贴水率： $$年化贴水率 = \frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$[29] 因子的回测效果 1 **封板率因子**，当日取值49%[18] 2 **连板率因子**，当日取值30%[18] 3 **大宗交易折价率因子**，当日取值8.11%[27]，近半年平均值6.06%[27] 4 **上证50年化贴水率因子**，当日取值17.39%[29]，近一年中位数0.16%[29] 5 **沪深300年化贴水率因子**，当日取值60.63%[29]，近一年中位数2.22%[29] 6 **中证500年化贴水率因子**，当日取值98.21%[29]，近一年中位数9.75%[29] 7 **中证1000年化贴水率因子**，当日取值72.23%[29]，近一年中位数12.19%[29]

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** - 因子构建思路：通过统计涨停股票的封板情况来反映市场情绪[14] - 因子具体构建过程： $$封板率 = \frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$ 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[14] - 因子评价：直接反映短线资金封板意愿，数值下降预示情绪低迷[14] 2. **因子名称：连板率** - 因子构建思路：衡量涨停股的持续性强度[14] - 因子具体构建过程： $$连板率 = \frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$ 筛选上市满3个月的股票，计算连续涨停的比例[14] - 因子评价：连板率创新低时显示市场接力意愿薄弱[14] 3. **因子名称：大宗交易折价率** - 因子构建思路：通过大宗交易价格偏离度观测机构交易情绪[23] - 因子具体构建过程： $$折价率 = \frac{大宗交易总成交金额}{当日成交份额的总市值} - 1$$ 统计近半年日均成交金额与折价率，当日数据需对比历史分位[23] 4. **因子名称：股指期货年化贴水率** - 因子构建思路：利用期现价差反映市场预期[25] - 因子具体构建过程： $$年化贴水率 = \frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ 分别计算上证50、沪深300、中证500、中证1000主力合约的贴水率及历史分位[25] --- 因子的回测效果 1. **封板率因子** - 当日取值：61%（较前日下降9%）[14] - 近一月波动区间：未披露具体范围但指出当前为低点[14] 2. **连板率因子** - 当日取值：14%（较前日下降16%）[14] - 近一月表现：创近一个月新低[14] 3. **大宗交易折价率因子** - 当日取值：7.00%（近半年均值5.61%）[23] - 近半年分位：未披露具体分位数但显示高于均值[23] 4. **股指期货年化贴水率因子** - 上证50：4.24%（近一年中位数1.53%，38%分位）[25] - 沪深300：4.80%（近一年中位数3.20%，38%分位）[25] - 中证500：10.44%（近一年中位数9.05%，42%分位）[25] - 中证1000：11.03%（近一年中位数12.09%，53%分位）[25] （注：报告中未涉及量化模型相关内容，故未列出模型部分）

根据提供的金融工程日报内容，以下是量化模型与因子的结构化总结： --- 量化因子与构建方式 1. **因子名称：封板率因子** - 构建思路：通过监测涨停股盘中封板稳定性反映市场情绪强度[15] - 具体构建： $$封板率=\frac{最高价涨停且收盘涨停股票数}{最高价涨停股票数}$$ 筛选上市满3个月的股票，统计日内最高价与收盘价均涨停的股票占比[15] - 因子评价：高频因子对短线情绪捕捉敏感 2. **因子名称：连板率因子** - 构建思路：衡量涨停股持续性强弱，反映市场追涨动能[15] - 具体构建： $$连板率=\frac{连续两日收盘涨停股票数}{昨日收盘涨停股票数}$$ 需排除新股上市前3个月数据[15] - 因子评价：对题材炒作持续性有前瞻性 3. **因子名称：大宗交易折价率因子** - 构建思路：通过大宗交易价格偏离度观测机构资金动向[25] - 具体构建： $$折价率=\frac{大宗交易总成交金额}{当日成交份额总市值}-1$$ 统计单日所有大宗交易成交额与市值的加权偏离度[25] - 因子评价：反映大资金对标的的折让要求 4. **因子名称：股指期货贴水率因子** - 构建思路：利用期现价差捕捉市场预期变化[27] - 具体构建： $$年化贴水率=\frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ 计算主力合约基差并年化处理，覆盖上证50/沪深300/中证500/中证1000指数[27] --- 因子回测效果 1. **封板率因子** - 当日值：61%（较前日下降8%）[15] - 近一月波动区间：55%-70%[15] 2. **连板率因子** - 当日值：21%（较前日提升4%）[15] - 近一月波动区间：15%-25%[15] 3. **大宗交易折价率因子** - 当日值：7.46%（近半年均值5.54%）[25] - 分位点：处于近半年85%高位[25] 4. **股指期货贴水率因子** - 上证50：14.18%（近一年13%分位）[27] - 沪深300：11.99%（近一年13%分位）[27] - 中证500：15.91%（近一年19%分位）[27] - 中证1000：21.39%（近一年13%分位）[27] --- 注：报告中未涉及量化模型的具体构建，故仅总结可量化的市场行为因子。所有因子数据均来自20250606最新统计[15][25][27]