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. 模型名称：行业拥挤度模型 模型构建思路：通过计算行业指数价格与成交金额变动的马氏距离，衡量行业交易的拥挤程度[18] 模型具体构建过程： - 使用最近一周行业指数价格和成交金额的变动数据 - 计算马氏距离，公式为： $D_M = \sqrt{(x - \mu)^T \Sigma^{-1} (x - \mu)}$ 其中，(x)为价格与成交金额的变动向量，(\mu)为均值向量，(\Sigma)为协方差矩阵 - 通过马氏距离判断行业是否偏离正常水平，椭圆外的点表示置信水平超过99%的异常拥挤[18] 模型评价：能够有效识别短期交易过热或超跌的行业[18] 模型的回测效果 1. 行业拥挤度模型： - 上周识别出纺织服饰行业出现短期交易超跌[18] 量化因子与构建方式 1. 因子名称：PE分位数因子 因子构建思路：基于行业历史PE水平，计算当前PE所处的分位数位置[15] 因子具体构建过程： - 统计各行业自2019年以来的PE历史数据 - 计算当前PE在历史分布中的百分位排名 - 公式为： $P_{PE} = \frac{\text{rank}(PE_{current})}{N} \times 100\%$ 其中，(N)为历史数据总数[15] 因子评价：能够反映行业估值的相对高低水平[15] 2. 因子名称：价量齐升/齐跌因子 因子构建思路：结合价格与成交金额的同步变动方向，判断行业短期趋势[18] 因子具体构建过程： - 将行业划分为四个象限：第1象限（价量齐升）、第3象限（价量齐跌） - 通过马氏距离椭圆外的点识别极端情况[18] 因子的回测效果 1. PE分位数因子： - 当前钢铁、建筑材料、机械设备行业的PE分位数最高（100%、98%、98%）[15] - 公用事业、食品饮料、社会服务行业的PE分位数最低（5%、9%、11%）[15] 2. 价量齐升/齐跌因子： - 上周纺织服饰行业进入第3象限（价量齐跌）且超出99%置信区间[18] 注：报告未涉及其他量化模型或复合因子的构建细节[1][2][3][4][5][6][7][8][9][10][11][12][13][14][16][17][19][20][21][22][23][24][25][26][27][28][29][30][31]