量化模型与因子总结 量化因子与构建方式 1. **因子名称：RSI相对强弱指标**[2] * **因子构建思路**：通过计算一定周期内平均涨幅与平均跌幅的比值，来衡量市场或资产的超买或超卖状态，属于动量反转类技术指标[2]。 * **因子具体构建过程**： 1. 设定计算周期N（报告中为12天）[2]。 2. 计算周期内每日的涨跌幅。 3. 分别计算周期内所有上涨日涨幅的平均值（AvgGain）和所有下跌日跌幅绝对值的平均值（AvgLoss）[2]。 4. 计算相对强度RS：$$RS = \frac{AvgGain}{AvgLoss}$$[2] 5. 计算RSI值：$$RSI = 100 - \frac{100}{1 + RS}$$[2] * **因子评价**：该因子是经典的技术分析工具，用于判断市场短期内的极端情绪。当RSI高于70时，通常认为市场处于超买状态，可能面临回调风险；当RSI低于30时，则认为市场处于超卖状态，可能存在反弹机会[2]。 2. **因子名称：净申购（亿元）**[2] * **因子构建思路**：通过计算ETF基金单位净值的变化与基金份额自然增长（价格回报）的差异，来估算当日资金的净流入或净流出金额，反映投资者对特定ETF的主动买卖意愿[2]。 * **因子具体构建过程**： 1. 获取当日（T日）的基金单位净值NAV(T)和前一日（T-1日）的基金单位净值NAV(T-1)[2]。 2. 获取ETF跟踪指数在T日的收益率R(T)[2]。 3. 计算净申购金额NETBUY(T)：$$NETBUY(T) = NAV(T) - NAV(T-1) \times (1 + R(T))$$[2] 公式说明：NAV(T-1)*(1+R(T))代表了假设没有资金申赎、仅因指数涨跌导致的T日理论净值。实际净值NAV(T)与该理论值的差额，即由资金净申购（正值）或净赎回（负值）所导致[2]。 因子与模型的效果取值 **注**：本报告为ETF日频跟踪数据表，主要展示各ETF在特定日期的各项指标截面数据，而非基于历史数据的因子回测绩效。因此，以下为报告中展示的**2025年12月18日**各类ETF在相关因子上的具体取值[1]。 1. **RSI相对强弱指标** 因子取值（周期：12天）[2][4][7] * 华泰柏瑞沪深300ETF (510300.SH): 48.56 * 易方达沪深300ETF (510310.SH): 47.80 * 华夏上证50ETF (510050.SH): 34.90 * 南方中证500ETF (510500.SH): 50.43 * 华夏恒生科技ETF (513180.SH): 34.54 * 国泰中证全指证券公司ETF (512880.SH): 51.50 * 华宝中证银行ETF (512800.SH): 51.21 * 华泰柏瑞上证红利ETF (510880.SH): 41.54 * 国泰中证军工ETF (512660.SH): 62.54 * 易方达中证海外互联ETF (513050.SH): 33.83 2. **净申购（亿元）** 因子取值[2][4][7] * 华泰柏瑞沪深300ETF (510300.SH): 8.08 * 易方达创业板ETF (159915.SZ): 20.33 * 华夏上证50ETF (510050.SH): -1.09 * 南方中证1000ETF (512100.SH): -2.19 * 国泰中证全指证券公司ETF (512880.SH): -17.59 * 华泰柏瑞中证A500ETF (563360.SH): 18.97 * 华宝中证银行ETF (512800.SH): 1.56 * 华泰柏瑞红利低波ETF (512890.SH): 4.22 * 华夏国证半导体芯片ETF (159995.SZ): -9.25 * 易方达中证人工智能ETF (159819.SZ): -10.62

报告行业投资评级 未提及 报告核心观点 报告对ETF各类日频数据进行每日跟踪，涵盖宽基和行业主题两大类别，涉及众多ETF基金 ，展示各基金的流通市值、涨跌幅、RSI相对强弱指标、净申购、成交额、机构持仓占比等数据，为投资者提供参考[2][4][6] 相关目录总结 数据说明 - 针对ETF各类日频数据进行每日跟踪，不构成投资建议，按追踪指数类别分为宽基和主题两个子表，宽基ETF跟踪主流宽基指数，主题ETF跟踪某行业/风格指数[2] - 基金池选取各类型中规模较大的一只或几只ETF基金分析，RSI相对强弱指标计算基于一定周期内平均涨幅和平均跌幅比值，RSI>70市场超买，RSI<30市场超卖[2] - 日内行情趋势采用5分钟级成交价趋势图，净申购金额按公式计算，还说明了T+0交易方式、机构持仓占比等数据情况及空值处理方式[2][3] 宽基ETF - 涵盖沪深300、中证500、上证50等多类宽基指数相关ETF基金，各基金在流通市值、涨跌幅、净申购等方面表现不同，如华泰柏瑞沪深300ETF流通市值4201.87亿元，涨跌幅 -0.57%，净申购3.06亿元[4] - 包含港股、美股、其他海外宽基指数等相关ETF基金，如华夏恒生科技ETF涨跌幅 -1.81%，净申购6.75亿元；广发纳斯达克100ETF涨跌幅 -3.29%，净申购9.69亿元[4] 行业主题ETF - 涉及消费电子、非银、银行等多个行业主题，各主题下不同ETF基金表现各异，如华夏国证消费电子主题ETF涨跌幅 -0.38%，净申购 -0.23亿元；国泰中证全指证券公司ETF涨跌幅0.16%，净申购4.84亿元[6] - 新能源、芯片半导体、光伏等热门主题ETF基金也有展示，如华夏中证新能源汽车ETF涨跌幅 -3.57%，净申购 -2.94亿元；华夏国证半导体芯片ETF涨跌幅0.84%，净申购2.97亿元[6]

报告行业投资评级 未提及 报告核心观点 报告对ETF各类日频数据进行每日跟踪，包括宽基和主题ETF的涨跌幅、流通市值、RSI相对强弱指标、净申购、成交额等指标，为投资者提供参考，但不构成投资建议 [2] 相关目录总结 数据说明 - 本表针对ETF各类日频数据进行每日跟踪，不构成投资建议 [2] - 根据ETF追踪指数类别分为“宽基”和“主题”两个子表，宽基ETF跟踪主流宽基指数，主题ETF跟踪某行业/风格指数 [2] - 基金池构建是在每个类型中选取规模较大的一只或几只ETF基金进行分析 [2] - RSI相对强弱指标计算公式为RSI = 100 – 100 / (1 + RS)，RSI>70市场处于超买状态，RSI<30市场处于超卖状态 [2] - 日内行情趋势采用5分钟级别的日内成交价构成的趋势图，部分分时数据可能存在缺失 [2] - 净申购计算公式为NETBUY(T) = NAV(T)–NAV(T - 1)*(1 + R(T)) [2] - 机构持仓占比为ETF基金最近一期年报、半年报披露的机构持仓占比，剔除对应联接基金持有占比，数据为预估值可能存在偏差 [3] - 空值代表刚刚上市基金行情数据不满足计算指标或还未进行年报半年报披露，部分QDII的净值披露较晚，未披露的数据处理为空值 [3] 宽基ETF数据 - 沪深300相关ETF中，华泰柏瑞沪深300ETF流通市值4144.22亿元，涨跌幅0.06%，净申购-18.92亿元等；易方达沪深300ETF流通市值2969.36亿元，涨跌幅0.00%等 [4] - 中证500相关ETF中，南方中证500ETF流通市值1340.09亿元，涨跌幅-0.56%，净申购-5.52亿元等；华夏中证500ETF流通市值165.72亿元，涨跌幅-0.57%等 [4] - 上证50相关ETF中，华夏上证50ETF流通市值1770.23亿元，涨跌幅0.00%，净申购-4.51亿元等；易方达上证50ETF流通市值43.83亿元，涨跌幅-0.10%等 [4] - 中证800、中证1000、中证2000、中证A50、中证A100、中证A500、科创50、科创100、创业板、港股、日股、美股、其他海外宽基指数等相关ETF也有各自的流通市值、涨跌幅、净申购等数据 [4] 行业主题ETF数据 - 消费电子相关ETF中，华夏国证消费电子主题ETF流通市值44.33亿元，涨跌幅-0.34%，净申购-1.00亿元等；富国中证消费电子主题ETF流通市值10.26亿元，涨跌幅-1.09%等 [6] - 非银相关ETF中，国泰中证全指证券公司ETF流通市值531.51亿元，涨跌幅-1.78%，净申购-3.94亿元等；华宝中证全指证券公司ETF流通市值347.72亿元，涨跌幅-1.53%等 [6] - 银行相关ETF中，华宝中证银行ETF流通市值141.51亿元，涨跌幅1.28%，净申购4.26亿元等；天弘中证银行ETF流通市值59.98亿元，涨跌幅1.35%等 [6] - 红利、新能源、芯片半导体、光伏、军工、ESG、机器人、央国企、人工智能、房地产、生物医药、中概互联、资源、消费等行业相关ETF也有各自的流通市值、涨跌幅、净申购等数据 [6]

量化模型与因子总结 量化因子与构建方式 1 **因子名称：RSI相对强弱指标**[2] **因子构建思路**：通过计算一定周期内平均涨幅与平均跌幅的比值，衡量市场超买超卖状态[2] **因子具体构建过程**： - 计算周期：12天[2] - 计算公式： $$RSI = 100 - \frac{100}{1 + RS}$$ 其中RS为周期内平均涨幅与平均跌幅的比值[2] - 判断标准：RSI>70表示超买状态，RSI<30表示超卖状态[2] 2 **因子名称：净申购金额**[2] **因子构建思路**：通过净值变化推算资金流入流出情况[2] **因子具体构建过程**： - 计算公式： $$NETBUY(T) = NAV(T) - NAV(T-1) \times (1 + R(T))$$ 其中NETBUY(T)为T日净申购金额，NAV(T-1)为前一日净值，R(T)为T日收益率[2] 因子回测效果 1 **RSI相对强弱指标因子** - 具体取值见各ETF的"RSI相对强弱指标"列[4][6] - 例如：华泰柏瑞沪深300ETF为63.90，易方达沪深300ETF为63.27[4] 2 **净申购金额因子** - 具体取值见各ETF的"净申购（亿元）"列[4][6] - 例如：华泰柏瑞沪深300ETF为63.27亿元，易方达沪深300ETF为9.10亿元[4] 注：报告中未提供其他量化模型或复合因子的构建细节，也未包含模型或因子评价内容及完整的测试结果指标（如年化收益率、夏普比率、信息比率等）[1][2][3][4][5][6][7][8]

量化模型与构建方式 1. **模型名称**：RSI相对强弱指标 **模型构建思路**：通过计算一定周期内平均涨幅和平均跌幅的比值，判断市场超买或超卖状态[2] **模型具体构建过程**： - 计算公式：$$RSI = 100 - \frac{100}{1 + RS}$$ - 其中RS为12天内平均涨幅与平均跌幅的比值 - RSI>70为超买状态，RSI<30为超卖状态[2] **模型评价**：简单直观的动量指标，但需结合其他指标避免误判 2. **模型名称**：日内行情趋势 **模型构建思路**：基于5分钟级别成交价构建日内价格波动趋势[2] **模型具体构建过程**： - 提取当日最高价（红点）和最低价 - 绘制连续成交价形成的趋势线[2] 3. **模型名称**：净申购金额计算 **模型构建思路**：通过净值变化推算资金流动情况[2] **模型具体构建过程**： - 计算公式：$$NETBUY(T) = NAV(T) - NAV(T-1) \times (1+R(T))$$ - 其中NAV(T)为当日净值，R(T)为收益率[2] 量化因子与构建方式 1. **因子名称**：T+0交易标识 **因子构建思路**：标记支持T+0交易的ETF品种[2] **因子具体构建过程**： - 直接提取基金公告中的交易规则属性[2] 2. **因子名称**：机构持仓占比 **因子构建思路**：反映机构投资者持仓偏好[3] **因子具体构建过程**： - 剔除联接基金持仓后计算机构持有比例 - 数据来源为年报/半年报披露值[3] 模型的回测效果 1. **RSI相对强弱指标** - 测试样本：宽基ETF（沪深300ETF等）RSI值分布在53.92-67.46区间[4] - 主题ETF（如军工ETF）RSI最高达63.90[7] 2. **净申购模型** - 宽基ETF最大单日净流出18.85亿元（510300.SH）[4] - 科创50ETF（588000.SH）获6.81亿元净申购[4] 因子的回测效果 1. **T+0交易因子** - 港股/美股ETF均支持T+0（如513180.SH）[4] - A股ETF均不支持T+0（除跨境品种）[4] 2. **机构持仓因子** - 宽基ETF机构占比普遍>80%（如510330.SH达91.03%）[4] - 行业ETF分化明显（银行ETF最高69.66%，证券ETF最低1.69%）[7] 注：所有公式严格按$$公式$$格式呈现，数据引用自文档[2][3][4][7]的原始表格内容