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：通过多维度指标监测申万一级行业指数的拥挤程度，识别高拥挤和低拥挤行业[3] - 模型具体构建过程： 1. 选取申万一级行业指数作为标的 2. 计算各行业的拥挤度指标（具体指标未在报告中明确列出，但可能包含价格波动、资金流向、换手率等） 3. 对指标进行标准化或分位数处理，生成每日拥挤度评分 4. 根据评分排名，识别高拥挤（如电力设备、电子）和低拥挤行业（如食品饮料、美容护理、石化）[3] 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，识别存在套利机会的ETF产品[4] - 模型具体构建过程： 1. 计算ETF的溢价率： $溢价率 = \frac{ETF市价 - ETF净值}{ETF净值}$ 2. 计算溢价率的滚动均值和滚动标准差（窗口期未明确） 3. 计算Z-score： $Z = \frac{当前溢价率 - 滚动均值}{滚动标准差}$ 4. 设定阈值（未明确具体值），筛选Z-score异常的ETF作为关注信号[4] --- 量化因子与构建方式 1 因子名称：主力资金净流动因子 - 因子构建思路：通过监测主力资金在行业或ETF中的净流入/流出情况，反映资金动向[2][5] - 因子具体构建过程： 1. 计算单日或多日主力资金净流动金额： $净流动金额 = 流入金额 - 流出金额$ 2. 按行业（申万一级）或ETF类别（宽基、行业主题等）分类统计[5][11] 3. 生成排名（如TOP3流入/流出）或时间序列数据[5] --- 模型的回测效果 （报告中未提供模型回测结果） --- 因子的回测效果 1. 主力资金净流动因子： - 近期表现（2025/9/22）： - 宽基ETF净流出71.31亿元，行业主题ETF净流出30.93亿元，风格策略ETF净流出0.39亿元，跨境ETF净流入20.46亿元[5] - 行业资金流向：电子行业主力资金流入，电力设备、传媒行业流出[3] - 近3日资金动向：减配计算机、电力设备；增配房地产、纺织服饰[3] 2. 行业拥挤度因子： - 近期表现（截至2025/9/22）： - 高拥挤行业：电力设备、电子（拥挤度评分靠前） - 低拥挤行业：食品饮料、美容护理、石化（拥挤度评分较低） - 变动较大行业：煤炭、有色金属[3] 3. ETF溢价率Z-score因子： - 近期关注标的（2025/9/22）： - 道琼斯ETF（513400.SH）、中证500ETF平安（510590.SH）、中证500成长ETF（562340.SH）、香港证券ETF（513090.SH）、黄金ETF基金（518660.SH）[10] ---