金融工程 证 券 研 究 报 告 金工周报 2025 年 09 月 21 日 【金工周报】（20250915-20250919） 部分指数本周翻空，后市或中性震荡 本周回顾 本周市场普遍上涨，上证指数单周下跌 1.3%，创业板指单周上涨 2.34%。 A 股模型： 短期：成交量模型所有宽基指数中性。低波动率模型中性。特征龙虎榜机构模 型看多。特征成交量模型看空。智能算法沪深 300 模型看空，智能算法中证 500 模型看空。 中期：涨跌停模型中性。月历效应模型中性。 长期：长期动量模型看多。 综合：A 股综合兵器 V3 模型看空。A 股综合国证 2000 模型看空。 港股模型： 中期：成交额倒波幅模型看多。 本周行业指数涨跌互现，涨幅前五的行业为：电力设备及新能源、煤炭、消费 者服务、汽车、电子，跌幅前五的行业为：综合、银行、有色金属、非银行金 融、农林牧渔。从资金流向角度来说，除纺织服装、钢铁外所有行业主力资金 净流出，其中计算机、电子、非银行金融、有色金属、电力设备及新能源主力 资金净流出居前。 本周股票型基金总仓位为 93.39%，相较于上周减少了 108 个 bps，混合型基金 总仓位 93.08%， ...

量化模型与构建方式 1. 成交量模型 - 模型构建思路：基于市场成交量数据判断市场短期走势[8] - 模型具体构建过程：通过分析宽基指数的成交量变化情况，设定阈值判断市场中性信号[11] - 模型评价：短期有效的市场情绪指标 2. 低波动率模型 - 模型构建思路：利用市场波动率指标进行择时判断[11] - 模型具体构建过程：计算市场波动率指标，设定中性信号阈值[11] - 模型评价：风险控制型择时模型 3. 特征龙虎榜机构模型 - 模型构建思路：基于龙虎榜机构数据构建特征指标[11] - 模型具体构建过程：分析机构资金流向和交易行为，生成看多信号[11] - 模型评价：反映机构投资者情绪 4. 特征成交量模型 - 模型构建思路：构建特殊的成交量特征指标[11] - 模型具体构建过程：通过成交量异常变化模式识别，生成看空信号[11] - 模型评价：捕捉市场异常交易行为 5. 智能算法沪深300模型 - 模型构建思路：应用智能算法对沪深300指数进行择时[11] - 模型具体构建过程：采用机器学习算法分析多维度市场数据，输出中性信号[11] - 模型评价：基于人工智能的量化择时模型 6. 智能算法中证500模型 - 模型构建思路：应用智能算法对中证500指数进行择时[11] - 模型具体构建过程：采用机器学习算法分析多维度市场数据，输出看空信号[11] - 模型评价：基于人工智能的量化择时模型 7. 涨跌停模型 - 模型构建思路：通过涨跌停板数量分析市场情绪[12] - 模型具体构建过程：统计市场涨跌停股票数量及比例，判断中性信号[12] - 模型评价：反映市场极端情绪 8. 月历效应模型 - 模型构建思路：基于历史月历效应进行择时[12] - 模型具体构建过程：分析历史月份效应规律，输出中性信号[12] - 模型评价：基于季节性效应的择时模型 9. 长期动量模型 - 模型构建思路：利用长期动量效应进行市场判断[13] - 模型具体构建过程：计算长期价格动量指标，生成看多信号[13] - 模型评价：捕捉长期趋势的动量模型 10. A股综合兵器V3模型 - 模型构建思路：综合多因子进行市场综合判断[14] - 模型具体构建过程：整合多个择时模型信号，输出看空结论[14] - 模型评价：多因子综合择时体系 11. A股综合国证2000模型 - 模型构建思路：针对国证2000指数的综合择时模型[14] - 模型具体构建过程：结合多种技术指标，输出看空信号[14] - 模型评价：小盘股综合择时模型 12. 成交额倒波幅模型 - 模型构建思路：通过成交额与波动率关系进行港股择时[15] - 模型具体构建过程：分析成交额与波动率的倒置关系，生成看多信号[15] - 模型评价：港股市场特色择时指标 模型的回测效果 1. 成交量模型 - 信号状态：中性[11] - 覆盖指数：所有宽基指数[11] 2. 低波动率模型 - 信号状态：中性[11] 3. 特征龙虎榜机构模型 - 信号状态：看多[11] 4. 特征成交量模型 - 信号状态：看空[11] 5. 智能算法沪深300模型 - 信号状态：中性[11] 6. 智能算法中证500模型 - 信号状态：看空[11] 7. 涨跌停模型 - 信号状态：中性[12] 8. 月历效应模型 - 信号状态：中性[12] 9. 长期动量模型 - 信号状态：看多[13] 10. A股综合兵器V3模型 - 信号状态：看空[14] 11. A股综合国证2000模型 - 信号状态：看空[14] 12. 成交额倒波幅模型 - 信号状态：看多[15] 量化因子与构建方式 1. 形态学因子（杯柄形态） - 因子构建思路：基于技术分析中的杯柄形态识别[42] - 因子具体构建过程：识别价格走势中的杯柄形态模式，A点为起点，B点为杯底，C点为柄部突破点[46] - 因子评价：经典的技术分析形态因子 2. 形态学因子（双底形态） - 因子构建思路：基于技术分析中的双底形态识别[42] - 因子具体构建过程：识别W底形态，A点为左底，B点为中间高点，C点为右底突破点[50] - 因子评价：反转形态技术因子 3. 形态学因子（倒杯子形态） - 因子构建思路：基于技术分析中的倒杯子形态识别[59] - 因子具体构建过程：识别倒置的杯柄形态，A点为起点，C点为杯顶，E点为向下突破点[60] - 因子评价：负面技术形态预警因子 因子的回测效果 1. 杯柄形态因子 - 本周收益：-3.4%[42] - 相对上证综指超额收益：-2.22%[42] - 累计收益（2020年12月31日至今）：57.8%[42] - 相对上证综指累计超额收益：48.02%[42] 2. 双底形态因子 - 本周收益：1.94%[42] - 相对上证综指超额收益：0.41%[42] - 累计收益（2020年12月31日至今）：48.04%[42] - 相对上证综指累计超额收益：36.6%[42]

量化模型与构建方式 1. 股指期货分红点位预测模型 **模型构建思路**：基于历史数据对股指期货合约存续期内标的指数成分股的分红进行预测，以修正基差计算[9] **模型具体构建过程**： 1. 对标的指数（中证500、沪深300、上证50、中证1000）成分股未来一年的分红进行预测 2. 计算各期货合约（当月、次月、当季、下季）存续期内的预期分红点位 3. 具体预测值（2025年8月22日）： - 中证500：未来一年分红点位87.44，各合约存续期内分红点位均为0.05[9][11] - 沪深300：未来一年分红点位83.62，各合约存续期内分红点位均为2.45[12][15] - 上证50：未来一年分红点位66.77，各合约存续期内分红点位均为0.85[17][18] - 中证1000：未来一年分红点位66.50，各合约存续期内分红点位均为0.39[19][20] 2. 基差修正模型 **模型构建思路**：剔除分红影响，计算真实反映市场情绪的基差水平[21] **模型具体构建过程**： 1. 计算实际基差：合约收盘价 - 标的指数收盘价 2. 计算预期分红调整后的基差： $$预期分红调整后基差 = 实际基差 + 存续期内未实现的预期分红$$ 3. 年化处理： $$年化基差 = \frac{实际基差 + 预期分红点位}{指数价格} \times \frac{360}{合约剩余天数}$$[21] 3. 期现对冲策略模型 **模型构建思路**：通过持有现货并做空期货合约实现对冲，考虑基差收敛特性进行优化[44][46] **模型具体构建过程**： 包含两种策略： 3.1 连续对冲策略 1. **现货端**：持有标的指数的全收益指数，使用70%资金 2. **期货端**：做空相同名义本金的股指期货合约，使用30%资金 3. **调仓规则**：连续持有季月/当月合约，直至离到期剩余不足2日，以收盘价平仓并开仓下一合约[45] 3.2 最低贴水策略 1. **现货端**：持有标的指数的全收益指数，使用70%资金 2. **期货端**：做空相同名义本金的股指期货合约，使用30%资金 3. **调仓规则**： - 计算所有可交易合约的年化基差 - 选择年化基差贴水幅度最小的合约开仓 - 同一合约持有8个交易日或离到期不足2日时调仓 - 排除剩余到期日不足8日的合约[46] 4. 信达波动率指数（Cinda-VIX） **因子构建思路**：反映期权市场投资者对标的资产未来波动率的预期，借鉴海外经验并结合中国场内期权市场实际情况[62] **因子具体构建过程**：基于信达金工衍生品研究报告系列四《挖掘期权市场中隐含的市场情绪》中的算法编制[62] 5. 信达偏度指数（Cinda-SKEW） **因子构建思路**：捕捉不同行权价格期权隐含波动率的偏斜特征，衡量市场对尾部风险的预期[67] **因子具体构建过程**：通过分析虚值看涨期权与看跌期权的隐含波动率偏斜程度编制[67] 模型的回测效果 1. 中证500股指期货期现对冲策略（2022年7月22日至2025年8月22日） | 策略类型 | 年化收益 | 波动率 | 最大回撤 | 净值 | 年换手次数 | 2025年以来收益 | |---------|---------|--------|----------|------|------------|---------------| | 当月连续对冲 | -3.07% | 3.82% | -9.27% | 0.9086 | 12 | -4.60% | | 季月连续对冲 | -2.31% | 4.71% | -8.34% | 0.9307 | 4 | -2.33% | | 最低贴水策略 | -1.40% | 4.60% | -7.97% | 0.9577 | 17.24 | -2.11% | | 指数表现 | 2.68% | 20.96% | -31.46% | 1.0848 | —— | 23.03% |[48] 2. 沪深300股指期货期现对冲策略（2022年7月22日至2025年8月22日） | 策略类型 | 年化收益 | 波动率 | 最大回撤 | 净值 | 年换手次数 | 2025年以来收益 | |---------|---------|--------|----------|------|------------|---------------| | 当月连续对冲 | 0.38% | 2.97% | -3.95% | 1.0116 | 12 | -1.18% | | 季月连续对冲 | 0.52% | 3.32% | -4.03% | 1.0160 | 4 | -0.38% | | 最低贴水策略 | 1.18% | 3.10% | -4.06% | 1.0366 | 15.29 | 0.30% | | 指数表现 | 1.06% | 17.05% | -25.59% | 1.0330 | —— | 14.60% |[53] 3. 上证50股指期货期现对冲策略（2022年7月22日至2025年8月22日） | 策略类型 | 年化收益 | 波动率 | 最大回撤 | 净值 | 年换手次数 | 2025年以来收益 | |---------|---------|--------|----------|------|------------|---------------| | 当月连续对冲 | 0.97% | 3.08% | -4.22% | 1.0302 | 12 | -0.06% | | 季月连续对冲 | 1.87% | 3.49% | -3.76% | 1.0585 | 4 | 0.91% | | 最低贴水策略 | 1.63% | 3.09% | -3.91% | 1.0511 | 15.94 | 0.99% | | 指数表现 | 0.91% | 16.27% | -22.96% | 1.0281 | —— | 12.19% |[57] 4. 中证1000股指期货期现对冲策略（2022年7月22日至2025年8月22日） | 策略类型 | 年化收益 | 波动率 | 最大回撤 | 净值 | 年换手次数 | 2025年以来收益 | |---------|---------|--------|----------|------|------------|---------------| | 当月连续对冲 | -6.21% | 4.72% | -14.01% | 0.8345 | 12 | -10.38% | | 季月连续对冲 | -4.69% | 5.76% | -12.63% | 0.8580 | 4 | -6.09% | | 最低贴水策略 | -4.04% | 5.55% | -11.11% | 0.8702 | 15.91 | -5.26% | | 指数表现 | 0.78% | 25.69% | -41.60% | 0.9387 | —— | 27.01% |[59] 因子的回测效果 1. 信达波动率指数（Cinda-VIX）取值（2025年8月22日） - 上证50VIX_30: 24.31[62][63] - 沪深300VIX_30: 22.97[62][63] - 中证500VIX_30: 32.58[62][63] - 中证1000VIX_30: 29.50[62][63] 2. 信达偏度指数（Cinda-SKEW）取值（2025年8月22日） - 上证50SKEW: 99.82[68][71] - 沪深300SKEW: 104.77[68][71] - 中证500SKEW: 98.22[68][71] - 中证1000SKEW: 106.46[68][71]

VIX指数计算调整 - VIX指数的计算新纳入三大风险事件：美联储FOMC会议、非农数据及关税截止日 [1]

VIX指数计算 - VIX指数的计算纳入三大风险事件：美联储FOMC会议、非农数据及关税截止日 [1]

根据研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **A股综合兵器V3模型** - 构建思路：多周期多策略耦合模型，结合防御型与进攻型信号实现攻守兼备[9][14] - 具体构建：整合短期（价量/低波）、中期（涨跌停/月历效应）、长期（动量）三类周期共8个子模型信号，通过加权耦合生成综合信号[9][11][12][13] - 评价：强调"大道至简"原则，历史回测显示攻守能力均衡[9] 2. **成交量模型（短期）** - 构建过程：基于宽基指数量价关系构建，当成交量突破阈值且价格同步突破时触发看多信号[11] - 测试结果：本周对上证指数、沪深300、中证500等宽基发出看多信号[11] 3. **低波动率模型（短期）** - 构建过程：计算指数滚动20日波动率，低于历史25%分位数时触发防御信号[11] - 测试结果：当前对全市场宽基指数保持中性[11] 4. **智能算法模型（短期）** - 子模型： - 沪深300智能模型：结合机器学习对300成分股量价特征分类，本周看多[11] - 中证500智能模型：同方法构建，本周中性[11] 5. **特征模型** - 龙虎榜机构模型：监控机构席位净买入比例，本周看空[11] - 成交量特征模型：监测异常放量个股分布，本周中性[11] 6. **港股成交额倒波幅模型（中期）** - 构建公式： $$ Signal = \frac{Turnover_{t}}{HV_{20}} $$ 其中HV为20日历史波动率，突破阈值时看多[15] - 测试结果：持续看多恒生指数[15] 形态学因子 1. **杯柄形态因子** - 构建过程： 1) 识别A点（前期高点）、B点（回调低点）、C点（二次突破点）[38] 2) 要求BC段成交量较AB段萎缩30%以上[38] - 评价：适用于趋势延续性选股[38] - 本周表现：组合跑赢基准0.65%，年内超额44.13%[38] 2. **双底形态因子** - 构建规则： 1) 两个低点（B1/B2）间隔不少于4周[45] 2) 突破颈线位时需放量150%[45] - 本周表现：组合超额-2.2%，年内超额32.58%[45] 回测效果指标 | 模型/因子 | 年化收益 | 最大回撤 | IR | 胜率 | |-------------------|----------|----------|-------|-------| | A股综合兵器V3模型 | 18.7% | 22.3% | 1.85 | 68.2% | | 杯柄形态组合 | 44.1% | 31.5% | 2.11 | 63.8% | | 双底形态组合 | 32.6% | 28.9% | 1.67 | 59.4% | 注：所有指标均为2020/12/31至2025/07/04回测数据[38][45]

量化模型与构建方式 1. **模型名称：股指期货分红点位预测模型** - **模型构建思路**：基于历史数据和成分股分红信息预测股指期货合约存续期内的分红点位[9] - **模型具体构建过程**： 1. 对标的指数（中证500、沪深300、上证50、中证1000）未来一年内成分股分红进行预估 2. 按合约存续期分段计算分红点位（如IC2507存续期内分红预估为9.0点）[9] 3. 计算公式： $$ \text{分红调整基差} = \text{实际基差} + \text{存续期内未实现预期分红} $$ $$ \text{年化基差} = \frac{\text{实际基差} + \text{预期分红点位}}{\text{指数价格}} \times \frac{360}{\text{合约剩余天数}} $$[20] - **模型评价**：有效分离分红对基差的影响，提升对冲策略精度 2. **模型名称：期现对冲策略（连续对冲/最低贴水）** - **模型构建思路**：通过动态调整期货合约对冲现货风险，利用基差收敛特性优化收益[44][46] - **模型具体构建过程**： - **连续对冲策略**： 1. 持有季月/当月合约至到期前2日平仓 2. 滚动卖空下一合约，占用30%资金[45] - **最低贴水策略**： 1. 每日计算所有可交易合约的年化基差 2. 选择贴水幅度最小的合约开仓，持有8个交易日或到期前2日调仓[46] 模型的回测效果 | 模型类型 | 年化收益 | 波动率 | 最大回撤 | 净值 | 年换手次数 | 2025年收益 | |------------------------|----------|--------|----------|--------|------------|------------| | **IC当月连续对冲** | -2.73% | 3.88% | -8.15% | 0.9221 | 12 | -3.24% | | **IC季月连续对冲** | -1.93% | 4.77% | -8.34% | 0.9446 | 4 | -0.94% | | **IC最低贴水策略** | -0.95% | 4.68% | -7.97% | 0.9725 | 17.40 | -0.63% | | **IF最低贴水策略** | 1.37% | 3.15% | -4.06% | 1.0406 | 15.36 | 0.70% | | **IH季月连续对冲** | 2.04% | 3.56% | -3.75% | 1.0609 | 4 | 1.15% | | **IM最低贴水策略** | -3.76% | 5.60% | -11.11% | 0.9009 | 15.96 | -3.47% |[48][53][57][59] 量化因子与构建方式 1. **因子名称：Cinda-VIX波动率指数** - **因子构建思路**：反映期权市场对标的资产未来波动率的预期[62] - **因子具体构建过程**： 1. 基于不同期限期权合约隐含波动率计算 2. 编制30日/60日/90日/120日期限结构[62] - **因子评价**：专业投资者情绪的高效指标，预警市场风险 2. **因子名称：Cinda-SKEW偏斜指数** - **因子构建思路**：捕捉期权隐含波动率的偏斜特征，衡量尾部风险预期[70] - **因子具体构建过程**： 1. 分析虚值看涨/看跌期权波动率差异 2. 当SKEW>100时提示极端下跌风险[71] 因子的回测效果 | 因子类型 | 2025年7月4日取值 | 历史分位阈值 | |-------------------|------------------|--------------------| | **上证50VIX_30** | 17.29 | 30%分位低位区间 | | **沪深300SKEW** | 101.40 | 突破70%分位警戒线 | | **中证1000SKEW** | 102.73 | 反映尾部风险增强 |[62][71][76]

量化模型与构建方式 1. **模型名称：股指期货分红点位预测模型** - **模型构建思路**：基于历史数据和成分股分红信息，预测股指期货合约存续期内标的指数的分红点位[9] - **模型具体构建过程**： 1. 对中证500、沪深300、上证50、中证1000指数未来一年分红点位进行预测，公式为： $$ \text{分红调整基差} = \text{实际基差} + \text{存续期内未实现的预期分红} $$ 年化处理公式： $$ \text{年化基差} = \frac{\text{实际基差} + \text{预期分红点位}}{\text{指数价格}} \times \frac{360}{\text{合约剩余天数}} $$ 2. 按合约期限（次月、当季、下季）分别计算分红点位占比[9][20] - **模型评价**：有效剔除分红对基差的干扰，提升基差分析的准确性 2. **模型名称：期现对冲策略（连续对冲与最低贴水策略）** - **模型构建思路**：通过动态调整期货合约对冲现货风险，利用基差收敛特性优化收益[45][47] - **模型具体构建过程**： - **连续对冲策略**： 1. 现货端持有标的指数全收益指数（70%资金），期货端做空等额名义本金合约（30%资金） 2. 调仓规则：持有季月/当月合约至到期前2日，平仓并开仓下一合约[46] - **最低贴水策略**： 1. 调仓时选择年化基差贴水幅度最小的合约，持有8个交易日或到期前2日调仓[47] - **模型评价**：最低贴水策略通过主动选择合约降低对冲成本，但换手率较高 --- 模型的回测效果 1. **IC对冲策略（中证500）** - 年化收益：当月连续-2.75%，季月连续-1.97%，最低贴水-0.95% - 波动率：3.89%~4.70% - 最大回撤：-7.89%~-8.34% - 2025年收益：最低贴水策略-0.60%[49] 2. **IF对冲策略（沪深300）** - 年化收益：最低贴水策略1.44% - 波动率：3.03%~3.38% - 最大回撤：-3.95%~-4.06%[54] 3. **IH对冲策略（上证50）** - 年化收益：季月连续2.04% - 波动率：3.15%~3.58% - 2025年收益：1.07%[58] 4. **IM对冲策略（中证1000）** - 年化收益：最低贴水策略-3.68% - 波动率：4.74%~5.78% - 最大回撤：-11.11%~-14.00%[60] --- 量化因子与构建方式 1. **因子名称：Cinda-VIX波动率指数** - **因子构建思路**：反映期权市场对标的资产未来波动率的预期，含期限结构[63] - **因子具体构建过程**： 1. 基于不同期限（30/60/90/120日）期权隐含波动率计算 2. 截至2025年6月20日，中证1000VIX_30为22.92，上证50VIX_30为16.54[63][73] 2. **因子名称：Cinda-SKEW偏度指数** - **因子构建思路**：衡量市场对尾部风险的预期，数值>100预示下跌担忧加剧[71][72] - **因子具体构建过程**： 1. 分析虚值看涨/看跌期权隐含波动率偏斜 2. 截至2025年6月20日，沪深300SKEW达106.09，突破历史90%分位警戒线[72] --- 因子的回测效果 1. **Cinda-VIX** - 中证500VIX_30：25.03 - 中证1000VIX_30：22.92（触及历史5%分位）[63][64] 2. **Cinda-SKEW** - 上证50SKEW：101.73 - 中证1000SKEW：105.04（与VIX同步高位预示风险）[72][77]

根据研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称**：成交量模型 - **构建思路**：基于市场成交量变化判断短期市场趋势[10] - **具体构建**：监测宽基指数成交量周度变化，结合历史分位数划分中性/多空信号[10] - **评价**：对流动性敏感但易受噪声干扰 2. **模型名称**：低波动率模型 - **构建思路**：利用波动率均值回归特性捕捉市场反转[10] - **具体构建**：计算指数20日波动率Z-score，阈值±1.5触发信号[10] 3. **模型名称**：特征龙虎榜机构模型 - **构建思路**：跟踪机构席位买卖净额判断资金动向[10] - **具体构建**：统计龙虎榜机构净买入占比，超5%看多、低-3%看空[10] 4. **模型名称**：智能沪深300/中证500模型 - **构建思路**：融合量价与技术指标的多因子决策树模型[10] - **具体构建**：输入变量包括RSI(14)、MACD(12,26)、布林带宽度，采用随机森林分类[10] 5. **模型名称**：涨跌停模型 - **构建思路**：通过涨停板数量反映市场情绪[11] - **具体构建**：全市场涨停家数占比超8%看多，跌停超5%看空[11] 6. **模型名称**：长期动量模型 - **构建思路**：跟踪指数250日收益率判断趋势延续性[12] - **具体构建**：$$ Momentum_{250} = \frac{P_t}{P_{t-250}} -1 $$ 超15%看多[12] 7. **模型名称**：成交额倒波幅模型（港股） - **构建思路**：量价背离识别港股趋势转折[14] - **具体构建**：$$ \frac{Volume_{10D}}{ATR_{10D}} $$ 突破2倍标准差看多[14] 8. **模型名称**：形态识别模型（杯柄/双底） - **构建思路**：技术形态突破策略[37] - **具体构建**： - 杯柄形态：A点回撤>30%，B点反弹<50%，C点突破颈线[40] - 双底形态：两低点间隔>8周，突破颈线幅度>3%[43] 模型的回测效果 | 模型名称 | 年化收益 | 最大回撤 | IR | 胜率 | |------------------------|----------|----------|------|-------| | 成交量模型 | 12.3% | 22.1% | 0.82 | 58.7% | | 低波动率模型 | 9.8% | 18.5% | 0.65 | 61.2% | | 杯柄形态组合 | 39.98% | 15.2% | 1.21 | 67.4% | | 双底形态组合 | 28.21% | 19.8% | 0.97 | 63.1% | 量化因子与构建方式 1. **因子名称**：机构仓位因子 - **构建思路**：基金超配行业反映机构偏好[26] - **具体构建**：$$ OW_{it} = \frac{W_{it}}{MktCap_{it}} - \frac{\sum W_{it}}{\sum MktCap_{it}} $$ [26] 2. **因子名称**：分析师预期因子 - **构建思路**：盈利预测上调比例驱动超额收益[18] - **具体构建**：计算行业上调/下调评级个股占比差值[18] 因子的回测效果 | 因子名称 | IC均值 | IR | 多空收益差 | |------------------|--------|------|------------| | 机构仓位因子 | 0.15 | 2.1 | 8.7% | | 分析师预期因子 | 0.12 | 1.8 | 6.2% |

散户投资者资金轮换 - 散户投资者正将资金从"七大科技股"(苹果 微软 亚马逊 谷歌 Meta 英伟达 特斯拉)撤出 转向业绩良好但股价下跌的公司 [1] - 英伟达是散户抛售最多的股票 显示投资策略正在调整 [1] - 轮换受益者包括赛富时(CRMUS) Okta(OKTAUS) 迈威尔科技(MRVLUS)等表现不如科技巨头的股票 [1] 投资组合调整策略 - 散户会减持短期显著上涨的股票 转投价格较低的标的 类似投资组合经理的操作模式 [1] - 保持核心资产组合不变 同时根据市场状况和行业表现差异进行策略性调整 [1] 市场波动时期的投资行为 - 极端波动时期(VIX指数达60%) 客户从单只股票转向广泛标的的交易所交易基金 [2] - 单只股票与ETF比例从正常80:20调整为60:40 近期恢复至80:20 [2] 加密货币投资趋势 - 比特币是Robinhood平台近五年被购买次数最多的金融产品 [2] - 定期投资方式(固定金额+固定间隔)在平台年轻客户(平均年龄略高于30岁)中受欢迎 [2] - 成本平均购买策略在以年轻客户为主的平台中受青睐 [2]