市场信号与板块表现 - 近期市场出现来自AI应用端的显著活跃信号，以“易中天”组合（易点天下、中文在线、天龙集团）为代表，内容、营销、游戏、传媒等细分方向轮番上涨 [1] - 游戏传媒ETF浦银(517770)所跟踪的标的指数近30个交易日上涨26.75%，2025年以来累计涨幅超过55% [2] AI叙事与投资逻辑切换 - 市场资金博弈激烈，AI叙事链条正从上游的算力、模型、参数规模转向下游的应用，市场关注焦点在于AI如何进入具体行业并形成可验证、可复用的商业路径 [5] - 在此背景下，GEO概念被频繁提及，其爆火背景是AI正在重塑信息入口本身，用户获取信息的方式从“搜索—点击—阅读”转向“提问—生成—决策” [10][12] - 入口形态的改变导致旧有流量分配逻辑松动，内容需要被AI理解、判断可信度并纳入生成逻辑，产业端正围绕信源、结构、可信度构建新规则 [13][14][16] - 资本市场讨论重心正从单纯的技术能力转向应用与商业化路径，标志着一个新时代阶段的开始 [17][18] 游戏与传媒行业的投资逻辑 - 当AI从基础设施进入应用扩散阶段，游戏与传媒行业因其用户注意力集中、变现路径天然多元（广告、订阅、道具付费等）而最先被市场重新审视 [19][20][21] - 回顾历史技术周期，游戏与传媒是少数能够被反复验证的盈利模型，因此在当前阶段被重新放到讨论桌上并不意外 [22][23] 港股AI资产的再审视 - 在A股AI应用情绪升温的同时，港股市场因其平台型公司结构、业务形态差异及对新技术应用更高的包容度，其AI相关资产开始被重新纳入观察视野 [7][8] - 港股市场中的平台型互联网公司、内容分发平台、线上娱乐公司在内容生态、用户规模、应用场景上占据重要位置，正进入结构性再审视阶段 [28][29] - 港A两地市场因市场结构体系与公司类型差异，形成了一定程度的“剪刀差” [27] 游戏传媒ETF浦银(517770)的产品特征 - 该ETF跟踪中证沪港深游戏及文化传媒指数，覆盖沪深港三地市场，囊括游戏、影视、广告营销、内容平台等多个细分领域，是市场中少有的同时覆盖A股与港股游戏传媒板块的ETF [25][33] - 该ETF前十大权重股合计权重为53.84%，包括腾讯控股(权重9.73%)、快手-W(9.21%)、分众传媒(7.03%)、巨人网络(5.53%)、哔哩哔哩-W(4.06%)、蓝色光标(3.90%)、岩山科技(3.79%)、利欧股份(3.60%)、恺英网络(3.53%)、昆仑万维(3.46%) [34] - 该产品结构使其既能反映A股AI应用情绪变化，也能呈现港股相关资产的结构性变动 [34] - 近20日该ETF资金净流入超2.57亿元，规模上新台阶 [33] 浦银安盛基金的指数业务布局 - 浦银安盛基金持续推进其指数业务品牌“指数家”，将指数投资放入多资产管理的整体框架之中，强调体系化发展 [35] - “指数家”在布局上围绕核心宽基与特色赛道构建多层次指数与指数增强体系，在方法上引入量化模型与系统化研究，在理念上强调透明、规则清晰、长期可持续 [35] - 游戏传媒ETF浦银(517770)是“指数家”方法论在特定产业方向上的一个具体映射 [35] - 浦银安盛旗下指数产品系列包括游戏传媒ETF浦银(517770.SH)、光伏ETF浦银(159609.SZ)、A500ETF浦银(159376.SZ)、证券ETF浦银(516730.SH)、创业板ETF浦银(159810.SZ)、智能电车ETF浦银(560000.SH)、ESG ETF浦银(516720.SH)以及多只指数增强和联接基金 [37][38]

量化模型与因子总结 量化因子与构建方式 1. **因子名称：封板率** [19] * **因子构建思路**：通过计算当日最高价涨停且最终收盘也涨停的股票比例，来衡量市场追涨资金的封板意愿和强度，是反映市场短期情绪和资金博弈热度的高频指标。[19] * **因子具体构建过程**： 1. 选定股票池：上市满3个月以上的股票。[19] 2. 识别股票状态：在交易日T，识别出盘中最高价达到涨停价的股票集合A。[19] 3. 计算因子值：在集合A中，统计收盘价也涨停的股票数量。封板率即为该数量与集合A股票总数的比值。[19] * **公式**： $$封板率=\frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$ [19] 2. **因子名称：连板率** [19] * **因子构建思路**：通过计算连续两个交易日收盘涨停的股票比例，来度量市场涨停效应的持续性，反映题材或个股的赚钱效应能否延续，是观察市场情绪强度和热点持续性的重要指标。[19] * **因子具体构建过程**： 1. 选定股票池：上市满3个月以上的股票。[19] 2. 识别基准股票：在交易日T-1，统计所有收盘涨停的股票集合B。[19] 3. 计算因子值：在集合B中，统计在交易日T收盘也涨停的股票数量。连板率即为该数量与集合B股票总数的比值。[19] * **公式**： $$连板率=\frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$ [19] 3. **因子名称：大宗交易折价率** [29] * **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，来观察大额资金的交易成本和交易情绪。折价率的高低可以反映大资金对特定股票的流动性需求、减持压力或对后市的看法。[29] * **因子具体构建过程**： 1. 数据获取：获取当日所有大宗交易的成交数据和对应股票的市价数据。[29] 2. 计算总成交金额与总市值：汇总当日所有大宗交易的成交总金额，并计算这些交易涉及股份按当日市价计算的总市值。[29] 3. 计算因子值：折价率等于大宗交易总成交金额与按市价计算的总市值之比减1。[29] * **公式**： $$折价率=\frac{大宗交易总成交金额}{当日成交份额的总市值}-1$$ [29] 4. **因子名称：股指期货年化升贴水率** [31] * **因子构建思路**：通过计算股指期货价格与现货指数价格之间的年化基差，来反映市场对未来指数走势的预期、对冲成本以及市场情绪。升水通常代表乐观预期或对冲成本较低，贴水则相反。[31] * **因子具体构建过程**： 1. 数据获取：获取特定股指期货主力合约的结算价（F）和对应现货指数的收盘价（S），以及该期货合约的剩余交易日数（T）。[31] 2. 计算基差：基差 = 期货价格(F) - 现货价格(S)。[31] 3. 计算年化因子值：年化升贴水率等于基差除以现货价格，再乘以年化因子（250/合约剩余交易日数）。[31] * **公式**： $$年化贴水率=\frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ [31] * **公式说明**：公式中“基差”定义为期货价格减去现货价格，因此计算结果为正表示年化升水，为负表示年化贴水。[31] 因子的回测效果 *本报告为市场监测日报，未提供因子的历史回测绩效指标（如IC、IR、多空收益等）。报告主要展示了各因子在特定日期（2026年1月22日或23日）的截面取值或时间序列状态。* [19][29][31] 1. **封板率因子**，2026年1月23日取值：**82%**，较前日变化：**提升7%**。[19] 2. **连板率因子**，2026年1月23日取值：**23%**，较前日变化：**下降1%**。[19] 3. **大宗交易折价率因子**，2026年1月22日取值：**6.85%**，近半年平均值：**6.82%**。[29] 4. **股指期货年化升贴水率因子** * **上证50股指期货**，2026年1月23日取值：**1.36% (升水)**，近一年中位数：**0.68% (贴水)**，当日历史分位点：**89%**。[31] * **沪深300股指期货**，2026年1月23日取值：**1.05% (升水)**，近一年中位数：**3.79% (贴水)**，当日历史分位点：**93%**。[31] * **中证500股指期货**，2026年1月23日取值：**5.82% (升水)**，近一年中位数：**11.11% (贴水)**，当日历史分位点：**99%**。[31] * **中证1000股指期货**，2026年1月23日取值：**3.98% (升水)**，近一年中位数：**13.61% (贴水)**，当日历史分位点：**98%**。[31]

量化模型与构建方式 1. **模型/因子名称**：封板率[16] **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值，来衡量市场涨停板的封板强度和市场情绪[16] **具体构建过程**：筛选上市满3个月以上的股票，统计在特定交易日（T日）内，盘中最高价达到涨停价的股票集合。然后，在该集合中，进一步统计收盘价仍为涨停价的股票数量。最后，将后者除以前者，得到封板率。 **公式**： $$封板率=\frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$[16] 2. **模型/因子名称**：连板率[16] **构建思路**：通过计算连续两日收盘涨停的股票数量与昨日收盘涨停股票总数的比值，来衡量市场涨停板的连续性和追涨情绪[16] **具体构建过程**：筛选上市满3个月以上的股票，统计在特定交易日（T-1日）收盘涨停的股票集合。然后，在该集合中，进一步统计在T日收盘也涨停的股票数量。最后，将后者除以前者，得到连板率。 **公式**： $$连板率=\frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$[16] 3. **模型/因子名称**：大宗交易折价率[25] **构建思路**：通过计算大宗交易成交总额与按当日市价计算的成交份额总市值的差异，来反映大资金交易的折溢价情况，可作为市场情绪或大资金偏好的观察指标[25] **具体构建过程**：收集特定交易日（T日）发生的所有大宗交易数据，包括每笔交易的成交金额和成交数量。计算所有大宗交易的成交总金额。同时，用每笔交易的成交数量乘以该股票T日的收盘价（或当日均价），得到该笔交易按市价计算的理论市值，并求和得到所有成交份额的理论总市值。最后，用成交总金额除以理论总市值后减1，得到整体折价率。 **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] 4. **模型/因子名称**：股指期货年化贴水率[27] **构建思路**：通过计算股指期货价格与现货指数价格之间的基差，并进行年化处理，来衡量市场对未来走势的预期、对冲成本以及市场情绪[27] **具体构建过程**：对于特定的股指期货主力合约（如上证50、沪深300等），获取其在交易日（T日）的结算价或收盘价作为期货价格（F）。同时，获取其标的指数（如000016.SH， 000300.SH）在T日的收盘价作为现货价格（S）。计算基差（B = F - S）。确定该期货合约距离到期日的剩余交易日数（N）。最后，将基差年化，得到年化贴水率。 **公式**： $$年化贴水率=\frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$[27] **模型评价**：年化贴水率是影响股指对冲成本的关键因素，其变化能反映市场对于未来的预期[27] 模型的回测效果 （注：本篇报告为市场监测日报，主要描述市场状态和指标构建方法，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、信息比率（IR）等。因此，此部分无相关内容。） 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Alpha因子，如价值、成长、动量、质量等因子的构建与测试。报告中的“封板率”、“连板率”、“大宗交易折价率”、“年化贴水率”更接近于市场情绪或资金面指标，已归类于“量化模型与构建方式”部分。） 因子的回测效果 （注：本篇报告未提供任何因子的IC、IR、多空收益、分组测试等回测效果数据。）

量化模型与构建方式 1. **模型名称**：封板率与连板率计算模型[17] **模型构建思路**：通过统计股票涨停的持续性来刻画市场短线炒作情绪和赚钱效应[17] **模型具体构建过程**： * **封板率**：计算最高价涨停且收盘也涨停的股票数量占所有最高价涨停股票数量的比例[17] $$封板率=\frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$ * **连板率**：计算连续两个交易日收盘均涨停的股票数量占前一个交易日收盘涨停股票数量的比例[17] $$连板率=\frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$ 2. **模型名称**：大宗交易折价率计算模型[26] **模型构建思路**：通过计算大宗交易成交价与市价的偏离程度，反映大资金的交易情绪和偏好[26] **模型具体构建过程**：计算大宗交易总成交金额与按当日市价计算的成交份额总市值的比值减1[26] $$折价率=\frac{大宗交易总成交金额}{当日成交份额的总市值}-1$$ 3. **模型名称**：股指期货年化升贴水率计算模型[28] **模型构建思路**：通过计算股指期货价格与现货指数价格的年化基差，反映市场对未来预期、对冲成本及情绪[28] **模型具体构建过程**：计算基差（期货价格-现货价格）占现货价格的比例，再年化处理（乘以250除以合约剩余交易日数）[28] $$年化贴水率=\frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ 量化因子与构建方式 1. **因子名称**：昨日涨跌停股票今日收益因子[14] **因子构建思路**：追踪昨日涨停或跌停股票在次日的表现，用于观察涨停/跌停股的动量或反转效应[14] **因子具体构建过程**：分别计算上市满3个月以上、且昨日收盘涨停（或跌停）的股票组合在今日的收盘收益率[14] 2. **因子名称**：两融交易活跃度因子[22] **因子构建思路**：通过融资融券余额及交易额占市场总量的比重，来度量杠杆资金的参与程度和市场活跃度[22] **因子具体构建过程**： * 计算两融余额占A股总流通市值的比重[22] * 计算两融交易额（融资买入额+融券卖出额）占市场总成交额的比例[22] 3. **因子名称**：ETF折溢价因子[23] **因子构建思路**：利用ETF场内交易价格与场外净值（IOPV）的差异，捕捉投资者的短期情绪或套利机会[23] **因子具体构建过程**：筛选日成交额超过100万元的境内股票型ETF，计算其（交易价格 / IOPV - 1）作为折溢价率[23] 4. **因子名称**：机构调研热度因子[30] **因子构建思路**：通过统计近期调研上市公司的机构数量，反映机构投资者对特定公司的关注度[30] **因子具体构建过程**：统计近7天内对上市公司进行调研或举行分析师会议的机构数量[30] 5. **因子名称**：龙虎榜机构资金流向因子[36] **因子构建思路**：通过龙虎榜披露的机构专用席位买卖数据，追踪机构资金对当日异动个股的净流入流出情况[36] **因子具体构建过程**：根据交易所公布的龙虎榜数据，汇总机构专用席位在每个上榜股票上的买入总额与卖出总额，计算净流入（买入-卖出）金额[36] 6. **因子名称**：龙虎榜陆股通资金流向因子[37] **因子构建思路**：通过龙虎榜披露的陆股通席位买卖数据，追踪北向资金对当日异动个股的净流入流出情况[37] **因子具体构建过程**：根据交易所公布的龙虎榜数据，汇总陆股通席位在每个上榜股票上的买入总额与卖出总额，计算净流入（买入-卖出）金额[37] 模型的回测效果 1. **封板率与连板率计算模型**，2026年1月20日封板率69%[17]，连板率15%[17] 2. **大宗交易折价率计算模型**，近半年平均折价率6.76%[26]，2026年1月19日折价率7.55%[26] 3. **股指期货年化升贴水率计算模型**，近一年中位数：上证50为0.70%[28]，沪深300为3.79%[28]，中证500为11.11%[28]，中证1000为13.61%[28]；2026年1月20日值：上证50年化升水率1.05%[28]，沪深300年化贴水率1.47%[28]，中证500年化升水率0.08%[28]，中证1000年化贴水率5.12%[28] 因子的回测效果 1. **昨日涨跌停股票今日收益因子**，2026年1月20日，昨日涨停股票今日收盘收益2.36%[14]，昨日跌停股票今日收盘收益-5.22%[14] 2. **两融交易活跃度因子**，截至2026年1月19日，两融余额占流通市值比重2.6%[22]，两融交易占市场成交额比重9.8%[22] 3. **ETF折溢价因子**，2026年1月19日，溢价较多：中证2000ETF基金溢价1.50%[23]；折价较多：游戏传媒ETF浦银折价1.59%[23] 4. **机构调研热度因子**，近一周内，帝科股份被97家机构调研[30] 5. **龙虎榜机构资金流向因子**，2026年1月20日，机构专用席位净流入前十股票包括湖南白银、通宇通讯等[36]；净流出前十股票包括三维通信、红相股份等[36] 6. **龙虎榜陆股通资金流向因子**，2026年1月20日，陆股通净流入前十股票包括通宇通讯、天通股份等[37]；净流出前十股票包括保变电气、康强电子等[37]