根据提供的研报内容，该报告主要涉及ETF市场资金流动、交易情况以及各类基金（包括增强策略ETF和主动权益/增强指数型基金）的业绩表现跟踪。报告的核心内容是市场数据回顾和基金业绩统计，**并未涉及任何量化模型或量化因子的构建思路、具体构建过程或公式**。 因此，报告中不存在需要总结的量化模型或量化因子内容。报告内容主要为市场数据和业绩展示。

量化模型与构建方式 1. **公募基金仓位测算模型** **模型构建思路**：通过分析公募基金的持仓数据，估算其股票资产的平均配置比例，以反映市场主力资金的仓位水平和操作情绪[21][22] **模型具体构建过程**： - 首先确定基金样本池：主动权益型基金包括普通股票型、偏股混合型、灵活配置型、平衡混合型四类；“固收+”基金包括偏债混合型基金、混合债券型二级基金、灵活配置型基金[22] - 设定样本筛选门槛：成立期满两个季度、未到期、规模大于5000万元。主动权益型基金要求过去四期平均仓位大于60%；“固收+”基金要求过去四期平均仓位在10%-30%[22] - 剔除不完全投资于A股的基金[23] - 计算市场平均仓位：对合格样本按其持股市值进行加权计算得到最终的平均仓位数据[22] 2. **主动权益产品风格仓位模型** **模型构建思路**：将主动权益型基金的持仓按照市值风格（大盘、中盘、小盘）和估值风格（成长、价值）进行划分，计算各风格板块的仓位占比，以追踪基金的风格暴露变化[28] **模型具体构建过程**： - 基于持仓数据，将股票资产按市值和估值指标分类为六大风格板块：大盘成长、大盘价值、中盘成长、中盘价值、小盘成长、小盘价值[28] - 计算每只基金在各风格板块的持仓市值占比 - 对所有样本基金进行持股市值加权，得到整体风格仓位分布，例如大盘成长仓位43.47%，小盘价值仓位9.27%等[28] 3. **主动权益产品行业仓位模型** **模型构建思路**：基于基金持仓数据，计算其在各行业（中信一级行业）的配置比例，监测资金在行业层面的动向[32] **模型具体构建过程**： - 将基金持仓的股票映射到中信一级行业分类 - 计算每只基金在各行业的持仓市值占比 - 对所有样本基金进行持股市值加权，得到整体行业仓位分布，例如电子行业仓位20.89%，医药行业仓位10.09%等[32][33] 4. **主力/主动资金流统计模型** **模型构建思路**：根据同花顺对成交单的分类标准（特大单、大单、中单、小单），统计不同资金规模的净流入/流出情况，以判断主力资金和散户资金的动向[49] **模型具体构建过程**： - 定义资金划分标准[49]： - 特大单：成交量在20万股以上，或成交金额在100万元以上 - 大单：成交量在6万股到20万股之间，或成交金额在30万到100万之间，或成交量占流通盘0.1% - 中单：成交量在1万股与6万股之间，或成交金额在5万到30万之间 - 小单：成交量在1万股以下，或成交金额在5万元以下 - 分别计算个股和行业在不同资金类型上的净流入额（买入金额-卖出金额）[54][55][56][57] - 主动资金流为主力资金（特大单+大单）的净流入情况[50] 模型的回测效果 1. **公募基金仓位测算模型**，主动权益型基金平均仓位88.85%，普通股票型基金平均仓位91.82%，偏股混合型基金平均仓位89.93%，配置型基金平均仓位85.93%，“固收+”基金平均仓位23.16%[21] 2. **主动权益产品风格仓位模型**，大盘成长仓位43.47%，大盘价值仓位6.79%，中盘成长仓位7.76%，中盘价值仓位4.77%，小盘成长仓位27.94%，小盘价值仓位9.27%[28] 3. **主动权益产品行业仓位模型**，电子行业仓位20.89%，食品饮料行业仓位3.30%，石油石化行业仓位0.94%，农林牧渔行业仓位1.54%，商贸零售行业仓位0.77%，国防军工行业仓位3.90%，传媒行业仓位1.81%，医药行业仓位10.09%，银行行业仓位1.93%，综合金融行业仓位0.52%[32][33] 4. **主力/主动资金流统计模型**，本周主力资金净流入电子行业163.36亿元（特大单），净流入通信行业91.85亿元（特大单），净流出计算机行业-59.45亿元（特大单），净流出传媒行业-31.11亿元（特大单）；主动资金（主买净额）约-563.32亿元，净流入电子、通信、有色金属等行业[50][55][57] 量化因子与构建方式 1. **ETF资金净流入因子** **因子构建思路**：通过计算不同类型ETF（宽基、行业、主题风格等）的资金净流入（份额变动×单位净值），追踪聪明资金在不同板块的配置偏好[36][37][38] **因子具体构建过程**： - 收集各ETF的日度份额数据和单位净值数据 - 计算每日资金净流入额：$$资金净流入额 = (当日份额 - 前一日份额) × 当日单位净值$$ - 按ETF类型（宽基指数、行业指数-TMT、行业指数-金融、行业指数-消费、行业指数-周期制造、主题风格指数-风格、主题风格指数-主题、境外指数、债券指数、商品指数）进行汇总[36][37][38][58][62] - 可统计近1周、近1月、近3月等不同时间窗口的累计净流入额 因子的回测效果 1. **ETF资金净流入因子**，宽基ETF本周净流出-205.94亿元，行业ETF-TMT本周净流出-111.72亿元，行业ETF-金融本周净流出-20.45亿元，行业ETF-消费本周净流出-4.12亿元，行业ETF-周期制造本周净流出-38.02亿元，主题风格ETF-风格本周净流入26.51亿元，主题风格ETF-主题本周净流出-36.47亿元，境外指数ETF本周净流入40.98亿元，债券指数ETF本周净流出-12.47亿元，商品指数ETF本周净流入18.67亿元[36][37][38][58][62]

经过仔细审阅，该文档主要是一份关于ETF市场和主动/指数增强型基金的市场表现回顾与跟踪报告，其内容侧重于市场数据统计和基金产品业绩展示，并未涉及量化模型或量化因子的构建、测试与分析。 具体来说，报告内容主要包括： 1. ETF市场的一级市场资金流动情况和二级市场交易情况的数据统计[12][15] 2. 各类增强策略ETF和增强指数型基金的业绩表现跟踪，如超额收益率等指标[28][38][41] 3. 主动权益类基金的业绩排名和收益率统计[33][34][35][37] 4. 基金产品的发行与上市信息跟踪[29][30][31][32][43][44] 报告的核心是描述性统计和业绩汇总，并未阐述任何量化模型（如多因子模型、风险模型）或量化因子（如价值、动量、质量等因子）的构建思路、具体过程、公式或对其的理论评价。所有提及的“增强策略”均指已上市的基金产品名称或其投资策略类型，而非由报告作者构建并测试的量化模型或因子。 因此，根据任务要求，本总结中关于“量化模型与构建方式”及“量化因子与构建方式”的部分没有相关内容可提供。报告内容集中于市场现状描述，而非量化分析方法论。

根据提供的研报内容，以下是关于量化模型和因子的总结。报告内容主要涉及市场数据回顾和基金业绩跟踪，未详细阐述具体的量化模型构建过程或量化因子定义。因此，以下总结将基于报告中明确提及的模型和因子相关概念进行。 量化模型与构建方式 1. **模型名称**： ETF资金净流入计算模型[10] * **模型构建思路**： 通过跟踪ETF每日份额变化与前一日净值的乘积，来计算一级市场的资金净流入或净流出情况[10] * **模型具体构建过程**： 1. 获取ETF每日的基金份额数据 2. 计算每日份额较前一日的变化额 3. 获取前一日ETF的单位净值 4. 将每日份额变化额乘以前一日净值，得到该日的净申购/赎回额 5. 对报告期内发生份额拆分的ETF进行数据调整，以确保计算口径的一致性 6. 将报告期内（如上周年内）所有交易日的净申购/赎回额加总，得到该期间的资金净流入合计值[10] * **模型评价**： 该模型是监测ETF市场资金动向的基础工具 2. **模型名称**： 增强策略ETF/增强指数型基金超额收益计算模型[23][35][36] * **模型构建思路**： 通过比较基金收益率与其业绩比较基准的收益率，来评估基金的主动管理能力[23][35][36] * **模型具体构建过程**： 1. 选定评估周期（如上周、2025年以来、近1年） 2. 计算评估周期内基金的净值增长率（收益率） 3. 计算同一评估周期内业绩比较基准的收益率 4. 使用以下公式计算超额收益率： $$超额收益率 = 基金收益率 - 业绩比较基准收益率$$[23][35][36] * **模型评价**： 该模型是衡量指数增强产品投资效果的核心指标 模型的回测效果 *报告未提供上述计算模型的量化回测指标（如年化收益率、夏普比率、最大回撤等）。报告中的结果均为特定时间窗口（如上周、近一年）下的具体计算值，而非模型历史表现的统计检验结果[10][23][35][36]。* 量化因子与构建方式 *报告内容为市场数据描述与基金业绩展示，未涉及量化因子的构建、测试或分析。* 因子的回测效果 *报告内容为市场数据描述与基金业绩展示，未涉及量化因子的回测效果。*

根据提供的研报内容，经过全面梳理，总结如下： 量化模型与构建方式 研报中未详细阐述具体的量化模型或量化因子的构建思路、过程及公式。 模型的回测效果 研报中未提供具体量化模型的回测效果指标数据。 量化因子与构建方式 研报中未详细阐述具体的量化因子的构建思路、过程及公式。 因子的回测效果 研报中未提供具体量化因子的回测效果指标数据。 基金业绩表现跟踪 **1 增强策略ETF业绩跟踪** - **构建思路**：跟踪已上市的增强策略ETF，计算其相对于业绩比较基准的超额收益率[26] - **具体构建过程**：选取已上市的增强策略ETF，计算其周度、年初至今及近一年的收益率，并与对应的业绩比较基准收益率进行比较，得出超额收益率[26][27] - **评价**：增强策略ETF整体表现良好，多数产品能取得正超额收益[26] **2 增强指数型基金业绩跟踪** - **构建思路**：跟踪各类增强指数型基金（如沪深300、中证500、中证1000、国证2000增强基金），计算其超额收益率[39][40][41] - **具体构建过程**：在各类增强指数型基金中，筛选出成立满一年的基金，计算其上周超额收益率和近一年超额收益率，并进行排名[39][40][41] **3 主动量化基金收益统计** - **构建思路**：统计全市场主动量化基金的收益率中位数[36] - **具体构建过程**：计算所有主动量化基金在上周的收益率中位数和近一年的收益率中位数[36] **4 行业主题基金收益统计** - **构建思路**：按主题（如TMT、制造、消费等）分类统计主题基金的收益率中位数[36] - **具体构建过程**：将主题基金按投资主题分类，分别计算各类主题基金在上周的收益率中位数和近一年的收益率中位数[36] 业绩表现的具体测试结果取值 **1 增强策略ETF业绩指标** - 招商中证2000增强策略ETF (159552.OF)：上周超额收益率0.86%，2025年以来超额收益率23.82%，近1年超额收益率29.97%[27] - 工银中证1000增强策略ETF (561280.OF)：上周超额收益率0.06%，2025年以来超额收益率18.79%，近1年超额收益率24.59%[27] - 海富通中证2000增强策略ETF (159553.OF)：上周超额收益率0.85%，2025年以来超额收益率18.28%，近1年超额收益率23.12%[27] - 天弘中证1000增强策略ETF (159685.OF)：上周超额收益率0.21%，2025年以来超额收益率13.50%，近1年超额收益率19.09%[27] - 华泰柏瑞中证1000增强策略ETF (561590.OF)：上周超额收益率1.36%，2025年以来超额收益率13.33%，近1年超额收益率15.50%[27] **2 增强指数型基金业绩指标** - 汇添富国证2000指数增强A (019318.OF)：上周超额收益率1.24%，近一年超额收益率31.92%[41] - 博道中证1000指数增强A (017644.OF)：近一年超额收益率29.12%[40] - 鹏华国证2000指数增强A (017892.OF)：上周超额收益率0.74%，近一年超额收益率29.39%[41] - 工银瑞信中证1000指数增强A (016942.OF)：上周超额收益率0.93%，近一年超额收益率26.66%[41] - 汇添富中证1000指数增强A (017953.OF)：上周超额收益率1.13%，近一年超额收益率25.39%[41] - 鹏华中证500指数增强A (014344.OF)：上周超额收益率0.89%，近一年超额收益率18.88%[41] - 安信量化精选沪深300指数增强A (003957.OF)：近一年超额收益率12.06%[40] **3 主动量化基金收益指标** - 上周收益率中位数：3.24%[36] - 近1年收益率中位数：27.97%[36] **4 行业主题基金收益指标** - TMT主题基金：上周收益率中位数8.20%，近1年收益率中位数51.91%[36] - 制造主题基金：近1年收益率中位数27.52%[36]

这是一份关于量化市场追踪周报的总结，报告主要描述了市场状况和资金流向，但并未详细阐述具体的量化模型或量化因子的构建过程、公式及回测效果。报告内容侧重于市场数据统计和描述性分析，而非模型或因子本身的构建与测试。因此，以下总结将主要基于报告中的描述性内容进行归纳。 量化模型与构建方式 1. **模型名称**：主动权益基金仓位测算模型[22][25] **模型构建思路**：通过分析公募基金的持仓数据，估算其股票仓位水平，以反映市场情绪和配置动向。 **模型具体构建过程**：模型筛选合格样本基金（成立期满两个季度、未到期、规模大于5000万元、过去四期平均仓位大于60%），并采用持股市值加权的方法计算平均仓位。其核心计算公式为估算的仓位水平，但报告中未提供具体的数学公式。 **模型评价**：该模型是监测公募基金市场行为和市场情绪的重要工具。 2. **模型名称**：主力/主动资金流划分模型[51] **模型构建思路**：根据同花顺的资金划分标准，将市场资金按成交单的大小和金额进行分类，以分析不同资金类型的流向。 **模型具体构建过程**：模型依据成交量和成交金额对资金进行划分： - 特大单：成交量 ≥ 20万股 或 成交金额 ≥ 100万元 - 大单：6万股 ≤ 成交量 < 20万股 或 30万元 ≤ 成交金额 < 100万元 或 成交量占流通盘 ≥ 0.1% - 中单：1万股 ≤ 成交量 < 6万股 或 5万元 ≤ 成交金额 < 30万元 - 小单：成交量 < 1万股 或 成交金额 < 5万元 **模型评价**：该模型提供了分析市场资金结构和主力动向的框架。 模型的回测效果 （报告中未提供相关模型的回测绩效指标，如年化收益率、夏普比率、最大回撤等。） 量化因子与构建方式 （报告中未涉及基于个股或组合特征构建的量化因子，如价值、动量、质量等因子。） 因子的回测效果 （报告中未提供任何量化因子的回测绩效指标，如IC值、IR值、因子收益率等。）

核心观点 - 上一轮牛市高点至今，存量主动管理公募基金整体已修复至95%，若偏股型基金指数上涨5%，上证指数或对应上涨5%至3800点附近 [9] - 新基金7/24突破初始净值均值，整体净值收益均值2%，老基金已修复至上一轮牛市高点的88% [9] - 3万亿新基金中赛道基规模5千亿，细项占比消费基40%、制造基31%、医药基19%，新基金中赛道基承压更大，整体已修复至初始净值均值的94%，细项医药基已回正，消费基修复至82%、制造基修复至88% [9] - 我国居民资产配置主要集中于住房与股票，此前三年股市楼市调整是居民资产负债表萎缩的主因，稳住股市楼市对改善居民收入具有重大意义 [9] - 相比于地产，股市是未来居民资产负债表修复及财产性收入提升的重要基石，当前三万亿新基金已经实现整体净值收益回正，体现出本轮牛市对于居民资产负债表修复的重大意义 [9] 居民资产负债表修复 - 稳住股市楼市对改善居民可支配收入具有重大意义，股市作为超额储蓄搬家的承载体，财富效应的显现不断吸纳增量资金入市从而形成正循环 [10] - 去年9/24以来中央对于稳定股市楼市做出一系列重大部署，政策逻辑分两步：第一步通过稳住股市楼市以修复居民资产负债表，结束缩表进程；第二步通过股市慢牛或稳步上涨，引导居民资产配置中存款搬家以提升财产性收入 [10] - 中国居民资产配置主要集中于非金融资产中的住房（占比40.4%），金融资产占比56.5%，主要集中在股票及股权（29.6%）和存款（19.5%），相较于美国居民以股票为主的金融资产配置结构，仍存上行空间 [14] - 过去几年居民部门资产负债表收缩的主要原因为财产性收入下行，24/9以来随着再通胀牛市的启动以及房价环比的改善，居民财产净收入同比出现明显改善，25Q1已修复至2.7%，带动居民可支配收入同比回升至5.3% [22] - 随着A股新一轮牛市的确立以及赚钱效应的回归，股市将成为居民超额储蓄搬家的承载体，吸引更多的增量资金入市，从而释放三大财富效应：稳定预期、支撑消费、恢复融资功能 [23] 公募基金表现 - 为研究上一轮公募基金热潮（2019-2021年）至今三类主动权益基金损益情况，将2019年以前成立的基金定义为"老基金"，将2019-2021年间成立的基金定义为"新基金"，整体样本基金数量为5225只 [37] - 从复权单位净值增长率来看，新老基金整体净值收益均值为-5%，若考虑基金规模，则新老基金规模加权后的整体净值收益均值为-13%，存量公募基金整体净值收益仍需上行5%才能回正 [37] - 老基金整体净值收益均值为-12%（距回正需再涨13%），规模加权后均值为-23%（31%）；新基金整体净值收益均值为2%，规模加权后均值为2% [38] - 从收益分布来看，老基金至今仍低于2021/2/18净值高点的比例为68%，新基金仍低于初始净值的比例为61%；目前仍低于净值比较基准超30%的老基金比例为30%、新基金比例为18% [38] - 24/9以来随着市场的回暖整体收益出现明显抬升，截至25/8/6新老基金整体收益均值回暖25pct（较收益低点24/1），其中老基金20pct、新基金29pct [40] 赛道基表现 - 老基金中共筛选出245只"赛道基"，截至20年底规模共6159亿元，约占老基金整体的20%；新基金中共筛选出500只赛道基，新成立规模共4858亿元，约占新基金整体的16% [45] - 新基金中的"赛道基"成立规模与牛市中的赛道行情大幅上涨息息相关，更偏向消费（规模1927亿元）、制造（规模1524亿元）、医药（规模897亿元），三类合计规模占新基金"赛道基"整体的90% [45] - 老基金中的"赛道基"2021/2/18至今整体净值收益均值为-17%（老基金整体-12%，非"赛道基"-11%）、新基金中的"赛道基"成立至今整体净值收益均值为-6%（新基金整体2%，非"赛道基"4%） [46] - 从细分板块来看，近年来表现较好为周期类与金融地产类"赛道基"，而"赛道基"中数量分布最多的制造、医药与消费表现相对落后，其中制造（老基金-11%；新基金-12%）、医药（老基金-27%；新基金1%）、消费（老基金-38%；新基金-18%） [48] - 本轮牛市以来TMT、医药类"赛道基"业绩修复明显靠前，而制造（光伏）、消费（白酒）"赛道基"涨幅相对靠后 [56]

报告行业投资评级 报告未提及行业投资评级相关内容 报告的核心观点 - 6月市场主要指数估值全部上调，沪深300、中证全指估值历史分位数涨幅靠前，创业板指仍处历史低位；31个申万一级行业中23个上涨，通信、国防军工等涨幅居前，食品饮料、美容护理等跌幅居前 [1] - 6月新发行基金70只，规模627.28亿元；主动权益型基金发行份额大幅上升，市场火热，被动权益型基金发行份额小幅下降；仅商品型基金下跌，偏股型基金涨幅最大；成长风格跑赢价值风格，中盘成长风格表现突出；多数情况下权益市场规模较小的基金表现更好；主动权益基金仓位较上月下降3.76pct [2] - 6月ETF资金净流入596.05亿元，债券型ETF净流入超900亿元，股票型ETF净流出315.40亿元；除中证A500指数外宽基指数标的多数净流出，部分ETF涨幅或跌幅居前，资金流向有差异 [3][4] - 6月风险平价模型上涨1.59%，风险预算模型上涨2.34%；2015年以来，风险平价模型年化收益4.64%，最大回撤2.31%；风险预算模型年化收益4.45%，最大回撤9.80% [5][63] 根据相关目录分别进行总结 上月市场回顾 国内市场情况 - 6月沪深市场主要指数全部上涨，创业板指涨幅超8%，深证成指、中证500涨幅超4%；31个申万一级行业中23个上涨，通信、国防军工等涨幅前5，食品饮料、美容护理等跌幅前5；债券市场各指数上涨0.13% - 3.34%不等，商品市场南华商品指数上涨4.03% [13] 欧美及亚太市场情况 - 6月欧美及亚太市场多数上涨，美股标普500、道琼斯工业指数、纳斯达克指数分别上涨4.89%、4.21%、6.57%；欧洲市场法国CAC40下跌1.11%，德国DAX下跌0.37%；亚太市场恒生指数上涨3.36%，日经225上涨6.64% [21] 市场估值情况 - 6月市场主要指数估值全部上调，沪深300、中证全指估值历史分位数涨幅靠前，创业板指仍处历史低位；申万一级指数市盈率估值历史分位数最高的五个行业为房地产、银行等，最低的五个行业为农林牧渔、非银金融等 [24] 公募基金整体情况 基金发行情况 - 6月新发行基金70只，规模627.28亿元；主动权益型基金17只，规模67.38亿元；指数型基金36只，规模284.72亿元；主动权益型基金发行份额大幅上升，市场火热，被动权益型基金发行份额小幅下降 [2][32] 基金市场收益情况 - 6月仅商品型基金下跌1.66%，偏股型基金涨幅最大为2.68%，正收益占比97.63%；成长风格跑赢价值风格，中盘成长风格表现突出上涨5.83%，大盘价值风格涨幅最小约2.52%；多数情况下权益市场规模较小的基金表现更好，40亿 - 100亿大型基金平均涨幅最大为2.80%，100亿以上超大型基金涨幅最小为2.16% [2][40] 主动权益基金仓位情况 - 2025/6/30主动权益基金仓位是75.44%，较上月下降3.76pct [47] ETF基金情况 - 6月ETF资金净流入596.05亿元，债券型ETF净流入超900亿元，股票型ETF净流出315.40亿元，资金从沪深300等宽基指数流入债基；整体ETF市场日均成交额2657.60亿元，日均成交量1268.08亿份，日均换手率8.59%；除中证A500指数外宽基指数标的多数净流出，部分ETF涨幅或跌幅居前，资金流向有差异 [3][51][52] 模型运行情况 - 选择股票、债券、商品、QDII四类资产构建4种大类资产配置模型，6月风险平价模型上涨1.59%，风险预算模型上涨2.34%；2015年以来，风险平价模型年化收益4.64%，最大回撤2.31%；风险预算模型年化收益4.45%，最大回撤9.80%；下月模型资产配置权重不变 [62][63]

根据提供的量化市场追踪周报内容，总结如下： 量化模型与构建方式 1. **动量模型** - 构建思路：基于行业价格动量效应捕捉短期趋势[37] - 具体构建：计算行业指数过去N日收益率排序，选取排名前20%的行业作为多头组合。测试窗口期为5-20日不等[37][39] - 模型评价：在季末调仓期表现显著优于其他模型，符合资金追逐趋势的特征[37] 2. **绩优基金模型** - 构建思路：跟踪绩优基金持仓变化挖掘行业配置信号[37] - 具体构建：对TOP20%业绩的主动权益基金进行持仓穿透分析，计算行业超配比例变化值作为因子： $$Score_{i,t} = \frac{Holding_{i,t}}{AUM_t} - \frac{BenchmarkWeight_{i,t}}{TotalBenchmark}$$ 其中$Holding_{i,t}$为t期行业i持仓市值，$AUM_t$为基金总规模[37][39] - 模型评价：近期表现平淡，反映机构调仓行为与市场走势出现背离[37] 3. **景气度模型** - 构建思路：结合财务指标与分析师预期构建行业景气度评分[37] - 具体构建：采用营收增速、ROE变化、盈利预测上调比例等指标加权合成，权重通过历史ICIR优化确定[37] - 模型评价：在业绩披露期有效性较强，当前阶段信号较弱[37] 模型回测效果 1. 动量模型：年化超额收益12.7%，最大回撤8.2%，IR 1.85[39] 2. 绩优基金模型：年化超额收益9.3%，最大回撤12.5%，IR 1.12[39] 3. 景气度模型：年化超额收益7.8%，最大回撤15.1%，IR 0.93[39] 量化因子与构建方式 1. **资金流因子** - 构建思路：捕捉主力资金与散户资金的博弈行为[59] - 具体构建： $$FlowRatio = \frac{MainBuy - MainSell}{TotalVolume}$$ 其中MainBuy为特大单+大单买入金额，MainSell为对应卖出金额[59][62] - 因子评价：近期在非银金融、计算机等行业区分度显著[59] 2. **仓位偏离因子** - 构建思路：监测公募基金行业配置与基准的偏离度[34] - 具体构建： $$Deviation_{i} = \frac{FundWeight_{i} - BenchmarkWeight_{i}}{BenchmarkWeight_{i}}$$ 通过持仓数据加权计算得出[34][37] - 因子评价：对国防军工、石油石化等欠配行业有领先指示作用[34] 因子回测效果 1. 资金流因子：IC均值0.15，RankIC 0.21，多空年化收益差18.4%[62][65] 2. 仓位偏离因子：IC均值0.12，RankIC 0.18，多空年化收益差14.7%[34][39] 关键指标跟踪 1. 主动权益基金平均仓位85.06%，较上周下降0.22pct[21][26] 2. 小盘成长风格仓位占比44.07%，仍为最主要配置方向[29][31] 3. 行业配置变化：非银金融(+0.34pct)、电子(-0.23pct)调仓幅度最大[34][36]

根据提供的研报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. **增强策略ETF模型** - 模型构建思路：通过量化方法对基准指数进行增强，以获取超额收益[25][26] - 模型具体构建过程： 1. 选择基准指数（如沪深300、中证500等） 2. 采用多因子选股模型，结合基本面、技术面等因子 3. 通过优化算法构建投资组合，控制跟踪误差 4. 定期调整组合权重 - 模型评价：该模型能够有效获取超额收益，但受市场环境影响较大[26] 2. **指数增强基金模型** - 模型构建思路：在跟踪基准指数的同时，通过量化方法获取超额收益[42] - 模型具体构建过程： 1. 确定基准指数（如沪深300、中证1000等） 2. 构建多因子模型，包括价值、成长、动量等因子 3. 优化组合权重，控制跟踪误差 4. 定期再平衡 - 模型评价：长期来看能够稳定获取超额收益，但短期可能受市场波动影响[42] 量化因子与构建方式 1. **多因子选股模型** - 因子构建思路：结合多种因子进行选股，提高组合收益[42] - 因子具体构建过程： 1. 价值因子：如PE、PB等 2. 成长因子：如营收增长率、净利润增长率等 3. 动量因子：如过去6个月收益率 4. 质量因子：如ROE、毛利率等 5. 通过因子加权构建综合评分 - 因子评价：能够有效区分股票优劣，但因子有效性会随时间变化[42] 模型的回测效果 1. **增强策略ETF模型** - 上周超额收益率：最高1.88%（鹏华上证科创板50成份增强策略ETF）[27] - 2025年以来超额收益率：最高6.64%（工银中证1000增强策略ETF）[27] - 近1年超额收益率：最高14.89%（银华中证2000增强策略ETF）[27] 2. **指数增强基金模型** - 上周超额收益率： - 沪深300增强：最高1.14%[42] - 中证500增强：最高0.59%[42] - 中证1000增强：最高0.84%[42] - 国证2000增强：最高1.04%[42] - 近1年超额收益率： - 沪深300增强：最高15.24%[42] - 中证500增强：最高9.84%[42] - 中证1000增强：最高17.26%[42] - 国证2000增强：最高22.77%[42] 因子的回测效果 1. **多因子选股模型** - 主动量化基金上周收益率中位数：1.53%[36] - 近1年收益率中位数：12.79%[36] - TMT主题基金近1年收益率中位数：22.40%[37] - 金融地产主题基金近1年收益率中位数：21.36%[37] 注：报告中未提供具体的因子构建公式，因此未列出相关公式内容。