2026年量化投资组合管理研究系列之（九）：热潮下的冷思考，估值、拥挤度与资金博弈的量化择时

引言：高关注度成长赛道的择时命题

近年来，A 股市场高关注度成长赛道的资金集聚效应愈发显著，板块交易活跃度持续攀升、资金集中度不断提升，伴随而来的是拥挤度过热与估值分化问题，成为引发短期市场波动的重要诱因。当前，依赖单一指标的择时方法受市场环境周期性波动影响较大，有效性不稳定，难以全面捕捉赛道运行背后“估值合理性-交易拥挤度-资金博弈”的多维协同特征，也无法满足投资者对精准择时信号的需求。 基于此，本研究从量化视角出发，构建多维度底层指标体系，通过因子合成挖掘估值、交易结构与资金流向的协同信号，核心目标是为高关注度成长赛道的择时决策提供客观、可验证的量化参考，助力投资者在市场热潮中保持理性判断，识别潜在回调风险与布局机会，弥补单一指标择时的局限性，为市场提供有价值的量化思考与信号指引。

结合当前高景气创新领域的发展趋势，人工智能作为兼具技术迭代性、产业成长性与市场关注度的核心赛道，其资金集聚效应与交易拥挤度波动特征显著，具备较强的量化研究价值，选取其相关指数作为研究标的，可更精准捕捉高关注度成长赛道的运行规律。当前境内人工智能相关主题指数品类较多，主要包括中证人工智能主题指数、中证科创创业人工智能指数、上证科创板人工智能指数等，相较于其他同类指数，中证人工智能主题指数具备鲜明优势：其一，全面覆盖人工智能全产业链，按申万二级行业分类，行业分布集中于半导体（30.29%）、通信设备（20.96%）和软件开发（14.68%）三大核心领域，形成了完整的产业生态覆盖，能充分反映人工智能产业的整体发展态势；其二，长期表现稳健，近一年收益率（全收益）达 56.35%，近三年收益率（全收益）达 26.43%，具备较强的成长属性；其三，指数成分股以具备高成长潜力的企业为主，其交易活跃度、机构参与度与拥挤度波动特征更具代表性，指数的大众认知度较高，应用范围较广，因此选取中证人工智能主题指数作为高关注度成长赛道的代表性标的开展分析。

因子构建

本研究的因子构建时间范围为 2015 年 8 月 1 日至 2026 年 1 月 26 日，由于因子经过滚动窗口和分位值计算等操作，有效回测时间为 2018 年 10 月 31日至 2026 年 1 月 26 日，覆盖多轮牛熊周期与关键市场节点（含 2020 年疫情冲击后的流动性宽松、2022 年市场震荡下行、2023 年结构性行情及 2024-2025年的赛道轮动行情）。其中，2025 年 4 月 1 日至 2026 年 1 月 26 日（约 10 个月）为样本外回测。

2.1 底层指标体系构建

本次研究围绕估值、拥挤度、资金面三大核心维度选取底层指标，兼顾逻辑相关性、数据可得性与有效性，全面刻画赛道的交易特征、估值水平与资金博弈状态。

1. 交易拥挤度维度：选取换手率、自由换手率、交易金额占全市场比例三个指标，核心反映赛道交易活跃度、筹码流动性及市场资金的集聚程度。换手率与自由换手率直接体现筹码周转速度，交易金额占比则反映该赛道在全市场中的资金占用权重，三者结合可精准刻画交易拥挤状态。2. 估值合理性维度：选取 PETTM（滚动市盈率）、PBLF（市净率）2个指标，衡量赛道估值水平与基本面的匹配度，避免单一估值指标的局限性，其中 PETTM 反映盈利对应估值，PBLF 反映净资产对应估值，二者协同判断估值合理性。估值过高可能表明赛道过于拥挤。 3. 资金博弈信号维度：选取公募基金配置比例、陆股通配置比例、陆股通持股市值占流通市值比、融资融券余额、融资余额配置比例、融资融券余额占比 6 个指标，全面捕捉不同类型资金的流向、配置偏好及博弈特征，结合各指标核心定义，其在机构配置、机构行为与资金博弈方面的具体意义如下。 公募基金配置比例：在机构配置层面，该指标直接反映公募基金对该板块的配置权重与资源倾斜程度，体现机构资金对板块投资价值的认可度——配置比例越高，说明该板块在公募基金整体持仓中的优先级越高，是机构资产配置组合中的核心标的之一；在机构行为层面，其变动趋势可捕捉公募基金的持仓调整倾向，若配置比例持续上升，反映公募基金基于板块景气度、估值合理性等因素进行主动增配，体现机构对板块未来走势的乐观预期，反之则为主动减配，反映机构的谨慎态度；在资金博弈层面，公募基金作为 A股市场核心机构资金力量，其配置比例的变动会主导板块资金流向，若公募基金集中增配，会推动板块资金供给增加，强化多方博弈优势，反之则可能引发资金撤离，加剧空方博弈力度，同时其配置行为也会影响其他类型资金的决策倾向。

陆股通配置比例：该指标反映北向资金对该板块的配置偏好与资金倾斜，陆股通的配置选择体现了境外市场对该板块产业逻辑、估值水平的认可程度，其配置比例高低直接反映该板块在跨境资产配置中的吸引力，其持仓变动体现境外投资者的交易决策与持仓周期偏好——陆股通素有“聪明资金”之称，其持续增配往往伴随对板块基本面的深度认可，属于长期价值型配置行为，而短期大幅增减仓则可能反映境外资金对市场波动、汇率变动等因素的应对，体现其灵活调整的行为特征；在资金博弈层面，陆股通的资金流入流出会直接影响板块资金供需平衡，其与境内公募基金的配置行为形成交叉博弈，若两者同向增配，会形成资金合力，推动板块估值抬升，若反向操作，则会加剧板块资金博弈的复杂性，其资金流向也会成为市场情绪的重要风向标，影响散户及其他杠杆资金的决策。陆股通持股市值占流通市值比则反映北向资金在板块的影响程度。 融资融券余额：该指标体现杠杆资金配置规模，反映市场对该板块的杠杆资金配置意愿。余额越高，说明杠杆资金对该板块的关注度越高，愿意通过杠杆工具加大配置力度，间接反映板块的市场活跃度与资金吸引力；融资融券余额上升，说明杠杆资金入场意愿增强，投资者通过融资加杠杆布局该板块，体现对板块短期上涨的预期，反之则说明杠杆资金离场，去杠杆倾向明显，体现市场对板块短期走势的谨慎态度；在资金博弈层面，该指标直接反映板块杠杆资金的整体博弈规模，余额过高意味着板块杠杆风险累积，若市场出现波动，杠杆资金平仓可能引发连锁反应，加剧板块资金博弈的波动性，而余额温和上升则可强化多方博弈力量，推动板块交易活跃度提升。

融资余额配置比例：反映融资资金对该板块的配置偏好，比例越高，说明融资资金越倾向于将资源集中配置于该板块，体现杠杆资金在板块间的相对判断。在资金博弈层面，该指标反映融资资金在板块间的配置倾斜，其比例变动会引发板块间杠杆资金的轮动博弈，若该板块融资余额配置比例上升，意味着其他板块融资资金流入该板块，推动该板块多方力量增强，同时也会加剧该板块内部的资金博弈，融资资金的平仓行为可能成为板块短期波动的重要诱因。 融资融券余额占比：该指标消除了板块市值规模的影响，反映杠杆资金对该板块的相对配置强度，占比越高，说明相对于板块自由流通市值而言，杠杆资金的参与度越高，体现杠杆资金对该板块的相对重视程度，也是评估板块杠杆资金配置密度的核心参考指标。该指标的分位变动可捕捉杠杆资金的行为边界，若占比突破历史高位，说明杠杆资金参与过度，投资者可能启动去杠杆操作，若处于历史低位，则说明杠杆资金参与不足，投资者可能逐步加杠杆布局；在资金博弈层面，该指标是衡量板块资金博弈激烈程度的关键参考，占比过高意味着板块资金博弈中杠杆资金主导性较强，短期波动风险较高，占比适中则说明杠杆资金与非杠杆资金博弈相对均衡，板块走势更具稳定性，其变动也会直接影响板块拥挤度的高低，进而传导至整体资金博弈格局。

上述 5 个指标从境内机构、境外资金、杠杆资金三个核心资金维度出发，兼顾配置规模、配置偏好与相对强度，协同刻画配置逻辑、交易行为及各类资金的博弈特征，弥补了单一指标的局限性，可更精准、全面地呈现板块资金面的整体博弈格局，为后续因子合成与择时分析提供更丰富的资金博弈信号支撑。部分指标更新频率较低，会使用向上填充（往前取最近的非空数值填充），保持数据的连续性。

4. 股权结构特征维度：选取限售 A 股合计占总股本比例 1 个指标，反映赛道潜在流通盘压力，限售股解禁可能影响筹码供给，进而改变交易拥挤度与资金博弈格局，补充该指标可提升信号的全面性。5. 指数的基础量价指标：重点刻画指数的每日表现，保留指数的 Beta信息，具体包含开盘价、收盘价、交易金额和交易量，为后续分析指数波动特征、关联市场整体走势提供基础支撑。 另外，由于部分指标在指数层面没有数据，本研究通过获取该月指数成分股的数据，计算指标然后按权重合成。部分指标更新频率较低，会使用向上填充（往前取最近的非空数值填充），保持数据的连续性。数据预处理：为确保分析的准确性，对原始数据进行以下预处理操作：一是剔除缺失率超 50%的指标，对剩余缺失值采用向前填充；二是对极端值进行截尾处理，对往回历史数据使用 3σ法对极端值进行处理，免极端值干扰分析结果。

2.2 指标加工方法

原始指标的时效性与趋势捕捉能力有限，为增强指标与下期收益率的相关性，提升因子合成的有效性，对筛选后的底层指标进行以下特征工程加工，形成多维度衍生指标池： 1. 滚动统计加工：针对每个底层指标，计算“5/10/20/30/60/120 日”六个时间窗口的滚动均值与滚动增速——滚动均值用于平滑短期波动，凸显中长期趋势；滚动增速用于反映指标的变化速率，捕捉趋势拐点，增强指标时效性； 2. 偏离度指标构建：计算（当日值-滚动 MA）/滚动 MA 指标（滚动窗口同上），刻画当前指标水平相对历史中枢的偏离程度，偏离度越高，说明当前状态越偏离历史常态，潜在反转风险或修复机会越大；3. 分位值转换：基于 1 年、3 年、5 年三个滚动窗口，将每个指标的当日值转换为分位值（取值范围 0-100%），分位值越高，说明当前指标水平处于历史高位，分位值越低则处于历史低位，便于识别极端拥挤或低估状态；4. Z-score 标准化。对加工后的指标，通过 252 日滚动窗口 Z-score 标准化，消除不同指标的量纲差异，使各指标具备可比性，为后续因子合成奠定基础。（注意，仅对加工后的指标进行标准化，不重复对历史分位值进行标准化操作。） 5. 有效性前置筛选：通过 Pearson 相关系数开展 IC 检验（信息系数检验），核心筛选与研究标的下期收益率显著相关的指标，筛选标准为 P<0.05（统计显著）、IC 绝对值>0.08（相关性较强），确保因子的有效性。由于在指数层面择时（而非股票截面），因此选用 Pearson 相关系数。本研究使用的是日频的数据，为了避免过度操作，故采用周度调仓。目标收益率为 t+5 收益率（周收益）。