量化模型与因子总结 量化因子与构建方式 1 **因子名称：RSI相对强弱指标**[2] **因子构建思路**：通过计算一定周期内平均涨幅与平均跌幅的比值，衡量市场超买超卖状态[2] **因子具体构建过程**： - 计算周期：12天[2] - 计算公式： $$RSI = 100 - \frac{100}{1 + RS}$$ 其中RS为周期内平均涨幅与平均跌幅的比值[2] - 判断标准：RSI>70表示超买状态，RSI<30表示超卖状态[2] 2 **因子名称：净申购金额**[2] **因子构建思路**：通过净值变化推算资金流入流出情况[2] **因子具体构建过程**： - 计算公式： $$NETBUY(T) = NAV(T) - NAV(T-1) \times (1 + R(T))$$ 其中NETBUY(T)为T日净申购金额，NAV(T-1)为前一日净值，R(T)为T日收益率[2] 因子回测效果 1 **RSI相对强弱指标因子** - 具体取值见各ETF的"RSI相对强弱指标"列[4][6] - 例如：华泰柏瑞沪深300ETF为63.90，易方达沪深300ETF为63.27[4] 2 **净申购金额因子** - 具体取值见各ETF的"净申购（亿元）"列[4][6] - 例如：华泰柏瑞沪深300ETF为63.27亿元，易方达沪深300ETF为9.10亿元[4] 注：报告中未提供其他量化模型或复合因子的构建细节，也未包含模型或因子评价内容及完整的测试结果指标（如年化收益率、夏普比率、信息比率等）[1][2][3][4][5][6][7][8]

量化模型与构建方式 1. **模型名称**：RSI相对强弱指标 **模型构建思路**：通过计算一定周期内平均涨幅和平均跌幅的比值，判断市场超买或超卖状态[2] **模型具体构建过程**： - 计算公式：$$RSI = 100 - \frac{100}{1 + RS}$$ - 其中RS为12天内平均涨幅与平均跌幅的比值 - RSI>70为超买状态，RSI<30为超卖状态[2] **模型评价**：简单直观的动量指标，但需结合其他指标避免误判 2. **模型名称**：日内行情趋势 **模型构建思路**：基于5分钟级别成交价构建日内价格波动趋势[2] **模型具体构建过程**： - 提取当日最高价（红点）和最低价 - 绘制连续成交价形成的趋势线[2] 3. **模型名称**：净申购金额计算 **模型构建思路**：通过净值变化推算资金流动情况[2] **模型具体构建过程**： - 计算公式：$$NETBUY(T) = NAV(T) - NAV(T-1) \times (1+R(T))$$ - 其中NAV(T)为当日净值，R(T)为收益率[2] 量化因子与构建方式 1. **因子名称**：T+0交易标识 **因子构建思路**：标记支持T+0交易的ETF品种[2] **因子具体构建过程**： - 直接提取基金公告中的交易规则属性[2] 2. **因子名称**：机构持仓占比 **因子构建思路**：反映机构投资者持仓偏好[3] **因子具体构建过程**： - 剔除联接基金持仓后计算机构持有比例 - 数据来源为年报/半年报披露值[3] 模型的回测效果 1. **RSI相对强弱指标** - 测试样本：宽基ETF（沪深300ETF等）RSI值分布在53.92-67.46区间[4] - 主题ETF（如军工ETF）RSI最高达63.90[7] 2. **净申购模型** - 宽基ETF最大单日净流出18.85亿元（510300.SH）[4] - 科创50ETF（588000.SH）获6.81亿元净申购[4] 因子的回测效果 1. **T+0交易因子** - 港股/美股ETF均支持T+0（如513180.SH）[4] - A股ETF均不支持T+0（除跨境品种）[4] 2. **机构持仓因子** - 宽基ETF机构占比普遍>80%（如510330.SH达91.03%）[4] - 行业ETF分化明显（银行ETF最高69.66%，证券ETF最低1.69%）[7] 注：所有公式严格按$$公式$$格式呈现，数据引用自文档[2][3][4][7]的原始表格内容