量化模型与构建方式 1 公募实时持仓测算模型 - 模型名称：公募实时持仓测算模型 - 模型构建思路：基于市场公开信息（如基金净值、持仓披露、调研行为等）对公募基金持仓进行实时估算，以监测资金配置动态[16] - 模型具体构建过程： 1. 收集基金净值、持仓披露、调研行为等市场公开数据 2. 通过复杂处理流程（详见开源金融工程团队专题报告《偏股混合型基金指数（885001.WI）：优势、复制与超越》）进行实时测算 3. 输出公募基金对特定板块（如固态电池）的配置仓位水平 2 筹码收益因子 - 因子名称：筹码收益因子 - 因子构建思路：通过估算投资者在不同价格上的资金持仓，推算资金的平均持仓成本，并衡量当前价格相对于历史筹码成本的收益率，以反映赚钱效应[24] - 因子具体构建过程： 1. 估算投资者在不同价格上的资金持仓分布 2. 计算历史筹码平均持仓成本 3. 计算当前价格相对于历史筹码成本的收益率，即筹码收益因子值 公式为： $\text{筹码收益} = \frac{\text{当前价格} - \text{历史筹码平均成本}}{\text{历史筹码平均成本}} \times 100\%$ - 因子评价：该因子能够有效反映市场赚钱效应，较好时呈现动量效应，较弱时呈现反转效应[24] 3 雪球大V关注度因子 - 因子名称：雪球大V关注度因子 - 因子构建思路：利用雪球平台大V用户对上市公司和行业的关注行为（如观点分享、投资行为）构建选股因子，其具有丰富信息含量[32] - 因子具体构建过程： 1. 收集雪球平台大V用户的关注行为数据（如对个股的讨论、分析） 2. 统计特定时间段内各股票被大V关注的数量 3. 以关注数量作为因子值，衡量市场关注度 4 主力资金因子 - 因子名称：主力资金因子 - 因子构建思路：选用大单（挂单金额20-100万元）与超大单（挂单金额>100万元）的加总，作为主力资金的代理变量，监测资金流入流出情况[35] - 因子具体构建过程： 1. 收集个股的挂单数据，区分大单和超大单 2. 计算大单与超大单的加总额度 3. 以净流入（流出）金额作为因子值，衡量主力资金动向 5 龙虎榜资金因子 - 因子名称：龙虎榜资金因子 - 因子构建思路：基于交易所披露的龙虎榜数据（如营业部买入卖出金额），反映市场最活跃资金的交易动向[37] - 因子具体构建过程： 1. 收集龙虎榜数据，包括上榜营业部的买入金额、卖出金额等 2. 计算营业部资金净流入（流出）额 3. 以净流入（流出）额作为因子值，衡量活跃资金动向 6 高频股东户数因子 - 因子名称：高频股东户数因子 - 因子构建思路：利用交易所互动平台提供的股东户数数据，构建因子反映股东户数变动，其大幅增加可能提示后续股价风险[39] - 因子具体构建过程： 1. 收集个股的股东户数数据 2. 计算最新两期股东户数的变动比例 3. 以变动比例作为因子值，衡量股东户数增幅 模型的回测效果 （本报告中未提供量化模型的回测效果指标取值） 因子的回测效果 1 筹码收益因子 - 固态电池指数赚钱效应：11.11%[5][25] 2 雪球大V关注度因子 - 先导智能关注数量：136[33] - 国轩高科关注数量：78[33] - 上海洗霸关注数量：62[33] 3 主力资金因子 - 南都电源主力净流入：5.64万元[36] - 中一科技主力净流入：2.46万元[36] - 恩捷股份主力净流入：1.67万元[36] 4 龙虎榜资金因子 - 国轩高科营业部资金净流入：6.7亿元[38] - 金龙羽营业部资金净流入：2.5亿元[38] - 先导智能营业部资金净流入：-8.7亿元[38] 5 高频股东户数因子 - 金龙羽股东户数变动比例：164.33%[40] - 科恒股份股东户数变动比例：138.30%[40] - 诺德股份股东户数变动比例：97.16%[40]