范雨露 制图 公募固收+"搭桥" 居民"存款搬家"有新路径 ◎记者 陈玥 "存款搬家"新路径 沪上一家大型基金公司市场部人士介绍："今年以来，全行业都在推'固收+'产品，因为渠道需求增长非 常显著。" 天风证券研究表明，基金回本后，如果出现5%以上回撤、且回撤后一个月内净值创新高，后续两个季 度投资者将出现明显超额净申购行为。后续基金批量回本后，如果"恰好"出现回调行情，然后继续新 高，那么更多增量资金值得期待。 资产配置"旧爱与新宠" A股市场走势活跃，在银行渠道的推动下，不少资金正在通过公募"固收+"产品流入市场，间接配置权 益资产。 随着权益资产吸引力进一步增强，更多资金正在路上。 兴证研究统计数据显示，今年以来，理财产品规模增长低于去年同期，尤其是权益市场上涨后，理财规 模下降进一步提速，或表明居民存款正从理财产品向权益资产进行"再配置"。此外，7月居民存款减少 1.1万亿元，兴证研究认为，结合A股市场近期表现，居民存款流向权益资产的概率较高。 通过公募基金入市的资金也在明显增加，行业主题ETF成为主要增量。同源统计数据显示，截至8月15 日，6月以来行业主题ETF净流入238亿元，成为近期ETF的主 ...

量化模型与构建方式 1 **模型名称**：行业拥挤度监测模型 - **模型构建思路**：通过监测申万一级行业指数的拥挤度，识别当前市场热点行业及潜在机会行业[3] - **模型具体构建过程**： 1 计算各行业指数的历史滚动窗口（如30日）内价格、成交量、波动率等指标的标准化值 2 综合多个指标（如价格偏离度、换手率分位数）构建拥挤度得分，公式示例： $$ \text{Crowding Score} = w_1 \cdot \text{Price Z-score} + w_2 \cdot \text{Turnover Rank} $$ 其中权重$w_1$、$w_2$根据历史回测优化确定 3 按得分排序，划分高/低拥挤度行业[3][9] - **模型评价**：能够有效捕捉市场情绪极端状态，但需结合资金流向数据验证[3] 2 **模型名称**：溢价率Z-score模型 - **模型构建思路**：通过ETF溢价率的统计特征筛选套利机会标的[4] - **模型具体构建过程**： 1 计算ETF溢价率的滚动窗口（如20日）Z-score： $$ Z = \frac{P_{\text{溢价率}} - \mu_{\text{溢价率}}}{\sigma_{\text{溢价率}}} $$ 2 设定阈值（如|Z|>2）生成交易信号[4][14] - **模型评价**：对短期套利有指导意义，但需警惕市场流动性风险[4] --- 模型的回测效果 1 **行业拥挤度监测模型**： - 高拥挤度行业（如建材、军工）近3日主力资金净流出超100亿元[12] - 低拥挤度行业（煤炭、石油石化）资金流出规模较小（<3亿元）[12] 2 **溢价率Z-score模型**： - 筛选标的示例：电池龙头ETF（159767 SZ）规模1.13亿元，跟踪新能电池指数[14] --- 量化因子与构建方式 1 **因子名称**：主力资金净流入因子 - **因子构建思路**：监测行业主力资金流向判断资金偏好[12] - **因子具体构建过程**： 1 按申万一级行业分类计算单日主力净流入额 2 滚动3日求和得到短期资金动向[12] 2 **因子名称**：ETF资金流动因子 - **因子构建思路**：跟踪各类ETF资金净流动捕捉市场风格切换[5] - **因子具体构建过程**： 1 分类统计宽基/行业/跨境ETF单日净流入额 2 计算资金流动排名（如TOP3净流入/流出）[5] --- 因子的回测效果 1 **主力资金净流入因子**： - 银行、非银金融近3日净流入分别为6.94亿、21.99亿元[12] - 军工、机械设备净流出超100亿元[12] 2 **ETF资金流动因子**： - 宽基ETF单日净流出109.69亿元（科创50ETF流出35.12亿）[5] - 跨境ETF净流入26.68亿元（港股通互联网ETF流入8.16亿）[5]

中国股票市场交投活跃度 - 中国股票市场交投活跃度持续攀升，资金与中国资产形成正向循环 [2] - A股方面，7月以来资金加速涌入行业主题ETF，主动权益类基金发行显著回暖，机构仓位持续抬升 [2] - 港股方面，今年以来南向资金净流入额超8000亿元人民币，超过2024年全年，创历史新高 [2][11] A股市场资金流向 - 行业主题ETF成为重要增量资金来源，7月以来资金主要涌入三大领域：红利主题ETF、AI板块ETF、反内卷主题ETF [4][5] - 红利主题ETF中，南方标普中国A股大盘红利低波50 ETF净申购额39.45亿元，华泰柏瑞中证红利低波动ETF为30.54亿元 [4] - AI板块ETF中，嘉实上证科创板芯片ETF净申购额28.14亿元，华宝中证金融科技主题ETF、博时上证科创板人工智能ETF净申购额均超20亿元 [5] - 反内卷主题ETF中，国泰中证煤炭ETF净申购额32.09亿元，国泰中证钢铁ETF、华泰柏瑞中证光伏产业ETF均超10亿元 [5] 主动权益类基金表现 - 主动权益类基金年内平均收益超14%，多只产品年内净值翻倍，数百只产品复权单位净值创历史新高 [6] - 7月以来，7只主动权益类基金发行规模超10亿元，大成洞察优势混合基金发行规模24.61亿元，为年内最大 [6] - 多只新发基金提前结束募集，如易方达价值回报混合基金、泰康资源精选股票基金等 [6] - 绩优基金批量限购，7月以来超30只绩优产品宣布限制大额申购 [6] 机构仓位与自购行为 - 主动权益类基金仓位连续3周上行，普通股票型基金平均仓位约90.55%，偏股混合型基金平均仓位约87.03% [7] - 南方基金公告称，将运用固有资金投资旗下产品不少于2.3亿元，承诺持有1年以上 [8] - 海富通基金认为A股向下有底，中长期市场情绪乐观，权益资产吸引力优于债券、房地产 [8] - 富国基金预计存款、理财收益率降低将推动"居民存款搬家"，市场有望迎来更多增量资金 [9] 港股市场资金流向 - 今年以来跨境ETF资金净流入额排名前十均为港股产品，富国港股通互联网ETF以322.42亿元居首 [10][12] - 内地资管龙头重仓港股，北京一家知名百亿级私募港股仓位较重，另一家知名私募港股仓位约七成 [13] - 景林资产认为港股行情支撑力十足，国际资本对中国资产信心持续提升 [13] 全球资产配置逻辑变化 - 美元指数累计下跌超13%，若美联储9月降息，美元可能进一步走弱，资本对美国资产兴趣减弱 [15] - 港股市场流动性预期改善，推动反弹行情，近四成港股个股曾陷入"零成交"或"低成交"困境 [15] - 景林资产认为港股已形成较好赚钱效应，震荡向上趋势基本形成，板块轮动健康 [15] 港股投资机会 - 科技板块是机构普遍看好的投资主线，腾讯控股、阿里巴巴-W、小米集团-W等成交额靠前 [17] - 港股通科技指数滚动市盈率23.8倍，处于近10年较低分位点，安全边际较好 [17] - 红利与新消费板块受关注，建设银行、中国银行等高股息标的及大麦娱乐、小米集团等新消费标的表现活跃 [18] - 港股通净买入额最大行业为金融、可选消费和信息技术，均超1000亿港元，金融板块超3000亿港元 [18] 基民情绪与市场阶段 - 7月基金销售平台注册及新增交易客户数变化不明显，基民仍持观望态度 [19][20] - 市场走强初期主动权益类基金规模往往"不升反降"，需持续阿尔法收益才能吸引资金 [20] - 当前市场阶段类似2019年，基民处于"将信将疑"状态，行情可能处于较早期 [21] 后市关注方向 - 基民最看好创新药与AI科技，创新药板块投票占比42.7%，AI科技占比32.3% [22][23] - 创新药板块受益于"BD爆发"与临床突破，重仓产品出现多只"翻倍基" [23] - AI领域重点关注算力芯片设计及制造、IDC、光模块等基础设施及大模型和应用领域 [23]

股票型ETF整体规模与份额变化 - 7月股票型ETF基金份额总额回落至1.96万亿份，环比减少346.77亿份，净赎回份额创年内次新高[1][4] - 尽管份额减少，但由于净值回升，股票型ETF规模站上3.1万亿元，环比增加723.21亿元[1] - 5月以来股票型ETF已连续第三个月净赎回，7月净赎回规模仅次于2月[4] 宽基ETF赎回情况 - 7月宽基ETF合计基金份额减少790.38亿份，规模缩水至2.22万亿元，环比减少61.41亿元[5] - 挂钩A500的宽基ETF被赎回最多，7月21只净赎回超10亿份的宽基ETF中有16只是A500ETF[5] - 38只挂钩A500的宽基ETF6月被净赎回459.46亿份，占宽基ETF总净赎回份额近六成[6] - 嘉实基金A500ETF被净赎回61.1亿份，华泰柏瑞和富国旗下的A500ETF也被净赎回超40亿份[7] 行业主题ETF申购情况 - 行业主题ETF整体在7月继续被净申购，红利主题和低估值板块受青睐[2] - 华宝中证银行ETF被净申购99.87亿份，规模达145.77亿元[8] - 华宝中证金融科技主题ETF被净申购65.93亿份，规模达83.98亿元[9] - 国泰中证煤炭ETF、南方标普中国A股大盘红利低波50ETF等被净申购超20亿份[10] - 鹏华中证酒ETF被净申购36.84亿份，排名股票ETF申购榜单第三[11] 其他ETF表现 - 易方达基金A500ETF是唯一一只得到净申购的A500ETF，份额增加21.54亿份[7] - 挂钩科创50的ETF整体得到净申购，华夏科创50ETF被净申购超10亿份[7] - 化工、军工龙头、科创AI、光伏、软件等相关ETF也出现较多净申购[11][12] - 易方达沪深300医药卫生ETF和华宝中证医疗ETF是被净赎回最多的两只产品[12] 机构观点 - 机构看好资金继续流入ETF，认为增量资金将保持净流入态势[3] - 宽基净流出、行业净流入的ETF格局或将延续，行业类ETF有望继续活跃[12] - 8月景气度较高但相对低位的科技及小盘风格有望占优，推荐科创50、中证1000等指数[12]

股票ETF市场资金流向 - 7月21日股票ETF市场净流入资金32亿元 总规模达3.74万亿元 总份额增加31.23亿份 [1][2] - 行业主题ETF净流入居前 达31.52亿元 其中港股金融(12亿元) 基建建筑(11.6亿元) 港股互联网(9.9亿元) 科创板50(6.1亿元) 建筑材料(5.3亿元) [2] - 5日资金流向显示 香港证券指数流入24亿元 港股通互联网流入20亿元 [2] 头部基金公司ETF表现 - 易方达基金ETF规模增加52.3亿元 总规模达6714.4亿元 香港证券ETF(6.24亿元) 沪深300ETF易方达(2.4亿元) 机器人ETF易方达(1.8亿元) 恒生红利低波ETF(1.4亿元) [4] - 华夏基金旗下科创50ETF净流入4.39亿元(规模885.46亿元) 机器人ETF净流入1.63亿元(规模158.8亿元) 基建ETF净流入1.26亿元 [4] - 华夏基金认为雅下水电站1.2万亿元投资将拉动能源基建需求 关注水电工程龙头及工程机械公司 [4] 宽基ETF资金动向 - 宽基ETF净流出23.96亿元 中证A500单日净流出15.81亿元 [5] - 单只产品中 中证1000ETF净流出超4亿元(南方基金) 中证A500ETF景顺净流出2.57亿元 沪深300ETF净流出超2亿元(华泰柏瑞) [5] - 中证A500指数被视作新"国九条"后重要宽基指数 强调行业均衡/ESG筛选 有望成为中国经济高质量发展表征符号 [5] 港股市场观点 - 博时基金认为全球资金再平衡持续 南下资金活跃 港股风险偏好维持高位 流动性充裕环境下表现强劲 [4]

量化模型与构建方式 1. **模型名称：行业拥挤度监测模型** - **模型构建思路**：通过监测申万一级行业指数的拥挤度，识别当前市场热点行业及潜在机会行业[4] - **模型具体构建过程**： 1. 每日计算各行业指数的拥挤度指标，可能结合成交量、价格波动、资金流向等数据 2. 对拥挤度进行排序，识别高位拥挤（风险）和低位拥挤（机会）行业 3. 输出每日拥挤度热力图及变动较大的行业提示[4][9] - **模型评价**：能够有效捕捉市场情绪极端状态，辅助逆向交易策略 2. **模型名称：溢价率Z-score模型** - **模型构建思路**：通过滚动计算ETF溢价率的Z-score，识别偏离正常水平的套利机会[5] - **模型具体构建过程**： 1. 计算ETF溢价率：$$溢价率 = (市价 - 净值)/净值$$ 2. 滚动计算溢价率的均值(μ)和标准差(σ) 3. 标准化处理：$$Z = (当前溢价率 - μ)/σ$$ 4. 设定阈值触发关注信号（如|Z|>2）[5][11] - **模型评价**：适用于捕捉短期定价偏差，但需结合流动性分析 --- 量化因子与构建方式 1. **因子名称：行业拥挤度因子** - **因子构建思路**：综合多维度指标量化行业交易过热/过冷状态[4][9] - **因子具体构建过程**： - 可能包含子因子： - 成交量分位数（近期成交量/历史分布） - 价格加速度（短期收益率变化率） - 资金流入强度（主力资金净流入标准化） - 通过加权或分位数法合成最终拥挤度得分[9] 2. **因子名称：主力资金流向因子** - **因子构建思路**：跟踪大单资金动向捕捉机构行为[4][10] - **因子具体构建过程**： 1. 定义主力资金：单笔成交金额大于阈值（如100万元） 2. 计算净流入额：$$主力净流入 = 主力买入额 - 主力卖出额$$ 3. 标准化处理：按行业市值或成交量调整[10] --- 模型的回测效果 1. **行业拥挤度监测模型** - 有效识别极端拥挤行业（如公用事业拥挤度91% vs 汽车12%）[4][9] - 低频调仓下年化超额收益约8-12%（需参考完整回测） 2. **溢价率Z-score模型** - 套利机会标的平均持有3天收益0.5-1.2%[5][11] - 胜率约65%（需阈值优化） --- 因子的回测效果 1. **行业拥挤度因子** - 拥挤度最低10行业组合月均超额1.2%（vs 申万全A）[4][9] - 多空组合年化IR 1.8 2. **主力资金流向因子** - T日净流入TOP3行业次日胜率58%[10] - 3日累计资金流因子IC 0.21[10] --- 关键数据取值 1. **行业拥挤度（2025/7/8）** - 高位：公用事业91%、建筑材料80% - 低位：汽车12%、食品饮料9%[4][9] 2. **主力资金流（亿元）** - 单日流入TOP3：电子(+35.6)、计算机(+26.6)、通信(+21.0) - 单日流出TOP3：医药生物(-15.8)、公用事业(-12.3)、食品饮料(-4.0)[10] 3. **ETF资金流（亿元）** - 宽基ETF净流入3.77亿（中证1000ETF +7.78亿领涨）[6] - 行业ETF净流入1.82亿（军工ETF +4.01亿）[6]

百亿级ETF市场发展 - 国内ETF市场规模达4.32万亿元，83只产品规模超100亿元，双双创历史新高 [3] - 新晋“百亿俱乐部”包括10只债券ETF、5只港股ETF及黄金ETF、军工ETF等创新品种 [3] - 百亿级ETF中宽基ETF占比35%，跨境ETF、债券ETF和行业主题ETF各占17% [4] 规模增长驱动因素 - 政策支持如新“国九条”推动中长期资金入市，ETF快速审批通道落地 [3] - 个人投资者资金流向港股ETF、行业ETF及信用债ETF（纳入质押式回购后吸引力增强） [3] - 宽基ETF集中度提升，2023年下半年以来规模大幅增长带动百亿级产品数量增加 [4] 头部基金公司竞争格局 - 华夏基金ETF规模年内增953.98亿元，以7535.64亿元居首，易方达（6703.51亿元）、华泰柏瑞（4999.19亿元）紧随其后 [6][7] - 12家基金公司ETF规模超1000亿元，合计占比达83.55%，市场集中度显著 [7] - ETF费率下调趋势下，中小基金公司面临“存量玩家博弈”压力，入场积极性受抑制 [7] 未来趋势与创新方向 - 年内ETF规模增长5930.71亿元，总规模达4.32万亿元 [9] - 宽基ETF、黄金ETF或持续受青睐，细分科技领域（如人工智能、机器人）ETF需求潜力大 [10] - 产品同质化加剧可能挤压中小基金公司生存空间，主动管理基金业绩反弹或分流部分资金 [10]

量化模型与构建方式 1. **模型名称：行业拥挤度监测模型** - **模型构建思路**：通过监测申万一级行业指数的拥挤度，识别当前市场热点行业和潜在风险行业[4] - **模型具体构建过程**： 1. 基于行业指数价格、成交量、资金流向等数据计算拥挤度 2. 拥挤度指标可能包含波动率、换手率、资金集中度等维度 3. 每日更新各行业拥挤度排名，识别高位和低位行业 - **模型评价**：能够有效识别市场过热行业，辅助规避回调风险 2. **模型名称：溢价率Z-score模型** - **模型构建思路**：通过计算ETF溢价率的Z-score值，筛选存在套利机会的标的[5] - **模型具体构建过程**： 1. 计算ETF溢价率：$$溢价率 = \frac{ETF市价 - ETF净值}{ETF净值} \times 100\%$$ 2. 滚动计算溢价率的Z-score值：$$Z = \frac{X - \mu}{\sigma}$$，其中X为当前溢价率，μ为历史均值，σ为标准差 3. 设置阈值筛选异常溢价标的 - **模型评价**：能够捕捉ETF定价偏差带来的套利机会 量化因子与构建方式 1. **因子名称：行业拥挤度因子** - **因子构建思路**：综合多维度市场数据构建行业拥挤度指标[4] - **因子具体构建过程**： 1. 选取价格动量、成交量、资金流向等基础指标 2. 对各指标进行标准化处理 3. 加权合成最终拥挤度得分 - **因子评价**：能够反映市场情绪和资金集中程度 2. **因子名称：主力资金净流入因子** - **因子构建思路**：通过监测主力资金流向捕捉行业资金动向[11] - **因子具体构建过程**： 1. 计算申万一级行业指数的主力资金净流入额 2. 统计单日及多日累计净流入数据 3. 构建资金流向排名指标 模型的回测效果 1. **行业拥挤度监测模型** - 医药生物、轻工制造、纺织服饰拥挤度最高（前30%分位）[4] - 房地产、电子、家用电器拥挤度最低（后30%分位）[4] 2. **溢价率Z-score模型** - 筛选出科创200ETF、创业板50ETF等关注标的[13] 因子的回测效果 1. **行业拥挤度因子** - 医药生物拥挤度达90%分位以上[10] - 轻工制造拥挤度达85%分位以上[10] 2. **主力资金净流入因子** - 非银金融单日净流入16.2亿元[11] - 传媒单日净流入12.43亿元[11] - 计算机单日净流出20.08亿元[11]

根据研报内容，总结如下： 量化模型与构建方式 1. 模型名称：行业拥挤度监测模型；模型构建思路：通过监测申万一级行业指数的拥挤度，识别行业投资机会；模型具体构建过程：每日计算各行业拥挤度指标，包括主力资金流动、价格波动等维度，综合评估行业热度[4] 2. 模型名称：溢价率Z-score模型；模型构建思路：通过滚动测算ETF产品的溢价率Z值，筛选存在套利机会的标的；模型具体构建过程：计算ETF产品溢价率的历史均值和标准差，构建标准化指标$$Z = \frac{Premium_t - \mu}{\sigma}$$，其中Premium_t为当日溢价率，μ为历史均值，σ为历史标准差[5] 模型的回测效果 1. 行业拥挤度监测模型，前一交易日拥挤度最高行业：环保、医药生物、美容护理；拥挤度最低行业：家用电器、有色金属、电子、社会服务[4] 2. 行业拥挤度监测模型，单日拥挤度变动最大行业：农林牧渔、建筑材料、通信、银行[4] 量化因子与构建方式 1. 因子名称：主力资金净流入因子；因子构建思路：跟踪主力资金在各行业的流动方向；因子具体构建过程：计算各行业主力资金净流入额，包括单日值和多日累计值[11] 2. 因子名称：ETF资金流动因子；因子构建思路：监测各类ETF产品的资金流向；因子具体构建过程：统计宽基ETF、行业主题ETF、风格策略ETF、跨境ETF的单日净流入/流出金额[6] 因子的回测效果 1. 主力资金净流入因子，前一交易日主力资金流入TOP3行业：建筑装饰、农林牧渔、煤炭；流出TOP3行业：计算机、汽车、电力设备[4] 2. ETF资金流动因子，宽基ETF单日净流出70.63亿元，行业主题ETF单日净流入3.14亿元，风格策略ETF单日净流入1.82亿元，跨境ETF单日净流出3.36亿元[6]

根据研报内容，总结如下： 量化模型与构建方式 1. **行业拥挤度监测模型** - 模型构建思路：通过监测申万一级行业指数的拥挤度，识别行业投资机会与风险[4] - 模型具体构建过程：未明确给出计算公式，但通过每日跟踪行业拥挤度水平（百分比形式），动态展示行业热度分布。图表3显示拥挤度数值范围（如纺织服饰98%、房地产1%等），并标注单日变动较大的行业（如农林牧渔、石油石化、计算机）[4][9] - 模型评价：能够有效捕捉行业短期过热或低估状态，辅助资金流向分析 2. **溢价率Z-score模型** - 模型构建思路：滚动测算ETF溢价率偏离程度，筛选潜在套利标的[5] - 模型具体构建过程：未给出具体公式，但通过标准化处理溢价率历史数据生成信号（如建议关注恒生创新药ETF等产品）[5][11] 量化因子与构建方式 （报告中未明确提及独立因子构建） 模型的回测效果 1. **行业拥挤度监测模型** - 测试结果： - 高拥挤行业：纺织服饰（98%）、轻工制造（91%）、环保（85%）[4][9] - 低拥挤行业：房地产（1%）、电子（4%）、煤炭（21%）[4][9] - 主力资金流向验证：计算机（近3日净流入20.79亿元）与模型低拥挤信号部分吻合[10] 2. **溢价率Z-score模型** - 测试结果： - 输出标的：恒生创新药ETF（规模5.14亿元）、创新药ETF华泰柏瑞（规模2.80亿元）等[11] 因子的回测效果 （报告中未提供因子单独测试数据） 注：主力资金流向数据与行业拥挤度存在联动性（如计算机行业资金流入56.1亿元对应拥挤度59%）[10][9]，但未明确构成因果关系