量化模型与构建方式 1. **模型名称**：北上资金行业净流入计算模型[1][6][20] * **模型构建思路**：为了更准确地衡量北上资金在特定时间段内对各行业的主动配置行为，需要剔除因股价涨跌带来的持股市值被动变化影响，计算经调整后的净流入金额[6][20]。 * **模型具体构建过程**：模型的核心是计算“剥离行业自身涨跌幅影响后的修正净流入”。具体步骤如下： 1. 确定计算期初（T0，如2025.9.30）和期末（T1，如2025.12.31）[1][6]。 2. 获取T0时刻北上资金在行业i上的持股市值 \( H_{i, T0} \) [1]。 3. 获取行业i在T0到T1期间的涨跌幅 \( R_i \) [6][20]。 4. 计算若北上资金在T0到T1期间未进行任何交易，仅因价格变动，在T1时刻行业i的预期持股市值：\( \hat{H}_{i, T1} = H_{i, T0} \times (1 + R_i) \)。 5. 获取T1时刻北上资金在行业i上的实际持股市值 \( H_{i, T1} \) [1]。 6. 计算行业i在T0到T1期间的净流入金额：\( Flow_i = H_{i, T1} - \hat{H}_{i, T1} \)。该值为正则表示资金净流入，为负则表示净流出[6][20][25]。 量化因子与构建方式 1. **因子名称**：北上资金行业超配比例[5][15] * **因子构建思路**：通过比较北上资金在某个行业的配置比例与市场基准（如沪深300指数）中该行业的权重，来判断北上资金相对于市场是超配还是低配该行业，以此反映其偏好[5][15]。 * **因子具体构建过程**： 1. 在特定时点（如2025.12.31），计算北上资金在行业i上的持股市值占其总持股市值的比例：\( W_{north, i} = \frac{H_{i}}{\sum_{j} H_{j}} \) [1][5]。 2. 获取同一时点市场基准指数（如沪深300）中行业i的权重 \( W_{index, i} \) [5][15]。 3. 计算行业i的超配比例：\( Overweight_i = W_{north, i} - W_{index, i} \) [5][15]。该值为正则表示超配，为负则表示低配。 模型的回测效果 *本报告为资金流向的观察性点评，未提供基于历史数据的模型回测绩效指标（如年化收益率、夏普比率、最大回撤等）。报告主要展示了模型在特定报告期（2025年第四季度）的应用结果[1][6][20]。* 因子的回测效果 *本报告为资金流向的观察性点评，未提供基于历史数据的因子回测绩效指标（如IC值、IR、多空收益等）。报告主要展示了因子在特定报告期（2025年第四季度）的截面取值结果[5][6][15][20]。*

资金流向 - 2025年二季度北向资金整体净流入，环比一季度约537.37亿元[2][6] - 2025年二季度外资港股市场整体净流出，环比一季度约1133亿港币[6] 行业偏好 - 2025年二季度外资在A股金融、工业、通讯业务、医疗四大板块资金净流入均超百亿，半导体等赛道净流入超百亿[6][16] - 2025年二季度外资港股资金净流入靠前行业为资讯科技、工业和必需性消费，能源储存装置等赛道净流入靠前[6][16] 板块差异 - 港股科技及稀缺制造业板块二季度吸引资金布局，个别A股制造业龙头在港股IPO贡献资金流入[7][19] - 外资在A股银行和港股银行配置分化，北向资金加仓A股银行，外资中介在港股银行持股量下滑[8][27] 原因分析 - 国际中介在港股持股量连续三个季度环比下滑，北向资金二季度持股量环比上行，金融易受整体净流出影响[29] - 科技、金融银行是港股涨幅靠前板块，资金卖出获利了结或是二季度净流出原因[8][30] 风险提示 - 测算基于历史数据，不代表未来表现，策略可能失效[37] - 外资配置港股测算基于国际中介持股量，或不能准确反映整体变化[37]

核心观点 - 政策推动供给端出清，第一阶段行情起于政策预期，主升浪需行业格局改善配合；策略应对关注自然出清和政策出清两条主线 [2][8][9] 政策背景 - 市场竞争“内卷化”核心症结是产能过剩，恶性竞争阻碍产业创新升级，近期政策密集提及整治“内卷式”竞争，推动落后产能退出，关注底部供需格局改善行业 [8] 历史经验 - 2015年供给侧结构性改革是类似案例，政策推动出清行业第一阶段行情源于政策预期，第二阶段主升浪需行业格局改善，修复现金流与负债表，如煤炭、钢铁、水泥 [8] 宏观与行业背景 - 上一轮产能过剩（2011 - 2016年）集中在上游资源行业，本轮源于新能源等行业高景气，集中在中下游领域 [9] - 上一轮产能过剩周期，行业从企稳到反转财务指标改善顺序为：资本开支增速转负→资本开支增速拐点、经营性现金流增速拐点→收入增速拐点→库存增速拐点、毛利率拐点→ROE拐点、产能利用率拐点 [9] - 上一轮底部供给端出清失败行业特征：政策节奏、力度和精准性有限；行业格局分散，自律性和协同性差，过剩产能难退出 [9] 策略应对 自然出清 - 延续《出清的信号—从产能周期看行业比较》筛选方式，上游关注需求侧指标，中下游侧重供给侧指标，关注农业化工、通用机械、制药、零部件及元器件等行业 [10] 政策出清 - 关注年初以来多次发布整治“内卷式”竞争政策的行业，如光伏、锂电池、汽车、水泥等 [10] 相关政策梳理 - 2025年多个行业出台“反内卷”政策，如中央财经委部署治理企业低价无序竞争，多行业发布倡议书、开展整治行动等 [17] 行业财务指标分析 - 从财务领先指标看，部分行业指标率先改善或处于底部，可能率先迎来供需格局改善，通过对不同行业不同维度指标打分筛选得出 [32][33][34]

根据提供的研报内容，以下是关于量化模型和因子的总结： 量化模型与构建方式 1. **模型名称**：北上资金行业配置模型 **模型构建思路**：通过分析北上资金在不同行业的持仓市值和净流入情况，构建行业配置模型，以评估北上资金在各行业的配置偏好和欠配情况[4][14][16] **模型具体构建过程**： - 计算北上资金在各行业的持仓市值和净流入金额 - 对比沪深300指数中各行业的权重，计算北上资金的欠配比例 - 剥离行业自身涨跌幅的影响，修正净流入金额 **模型评价**：该模型能够有效反映北上资金在行业层面的配置动态，但需注意资金面变动并非行业趋势的唯一决定因素[30] 2. **模型名称**：北上资金二级行业净流入模型 **模型构建思路**：分析北上资金在二级行业（如银行二级行业）的净流入情况，以识别资金流向的热点行业[19][20] **模型具体构建过程**： - 剥离行业涨跌幅影响，计算修正后的净流入金额 - 按净流入金额排序，识别净流入最多和净流出最多的二级行业 **模型评价**：该模型能够捕捉北上资金在细分行业的配置变化，但计算方式和口径的改变可能影响最终结论[30] 模型的回测效果 1. **北上资金行业配置模型**： - 北上资金在银行上的配置比例为11.09%，沪深300中银行占比为15.71%，欠配约4.62%[16] - 2025Q2北上资金净流入最多的行业包括半导体、证券及期货、新能源车设备等[20][22] 2. **北上资金二级行业净流入模型**： - 2025Q2北上资金在银行二级行业中，净流入最多的是城商行（31.92亿元），股份行和国有行分别净流出24.97亿元和8.37亿元[20] - 净流入最多的5个二级行业为半导体、证券及期货、新能源车设备、制药、通信设备[20][22] 量化因子与构建方式 1. **因子名称**：北上资金欠配比例因子 **因子构建思路**：通过对比北上资金配置比例与沪深300行业权重，计算欠配比例，以反映资金配置的偏离程度[16] **因子具体构建过程**： - 计算北上资金在某一行业的配置比例 - 计算该行业在沪深300中的权重 - 欠配比例 = 沪深300行业权重 - 北上资金配置比例 **因子评价**：该因子能够直观反映北上资金的配置偏好，但需结合其他因素综合判断行业趋势[30] 2. **因子名称**：北上资金净流入因子 **因子构建思路**：通过剥离行业涨跌幅影响，计算修正后的净流入金额，以反映资金的真实流向[19][20] **因子具体构建过程**： - 计算北上资金在某一行业的持仓市值变化 - 剥离行业涨跌幅的影响，得到修正后的净流入金额 **因子评价**：该因子能够有效识别资金流向的热点行业，但计算方式可能影响结果的准确性[30] 因子的回测效果 1. **北上资金欠配比例因子**： - 银行行业的欠配比例为4.62%，为北上资金欠配最多的行业[16] 2. **北上资金净流入因子**： - 2025Q2城商行净流入31.92亿元，股份行净流出24.97亿元[20] - 半导体、证券及期货等二级行业净流入金额较高[20][22]