量化模型与构建方式 1. 模型名称：产业链 Agent 模型构建思路：利用大语言模型的生成与分析能力，结合 RAG 方法从海量新闻、研报等文本中自动检索相关信息，挖掘产业链信息，确保结果的合理性、时效性与专业性[41] 模型具体构建过程：基于 RAG 方法，模型首先在本地知识库中检索相关信息，然后通过大模型的理解与推理能力，生成产业链图谱，并提供相关股票池[41] 模型评价：该模型能够高效生成产业链图谱，并提供合理的股票池，具有较强的时效性与专业性[41] 量化因子与构建方式 1. 因子名称：领涨因子 因子构建思路：基于量价数据，筛选出近期表现强势的股票[45] 因子具体构建过程：通过分析股票的量价数据，计算其近期涨幅，筛选出涨幅较大的股票作为领涨因子[45] 因子评价：该因子能够有效捕捉市场热点，筛选出近期表现强势的股票[45] 2. 因子名称：尖峰右偏因子 因子构建思路：基于股票收益率的分布特征，筛选出收益率分布右偏的股票[45] 因子具体构建过程：通过计算股票收益率的偏度，筛选出偏度为正且较大的股票作为尖峰右偏因子[45] 因子评价：该因子能够捕捉到收益率分布右偏的股票，具有较强的市场预测能力[45] 模型的回测效果 1. 产业链 Agent 模型，生成产业链图谱的时效性与专业性均表现优异[41] 2. 领涨因子，近期涨幅较大的股票表现强势[45] 3. 尖峰右偏因子，收益率分布右偏的股票具有较强的市场预测能力[45] 因子的回测效果 1. 领涨因子，近期涨幅较大的股票表现强势[45] 2. 尖峰右偏因子，收益率分布右偏的股票具有较强的市场预测能力[45]