根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. 模型名称：DeepSeek-V3-0324大模型 - 模型构建思路：利用大模型的自然语言处理能力，对行业研报进行智能总结和整合，提炼核心观点与关键信息，以解决人工阅读成本高的问题[5][6] - 模型具体构建过程： 1. 从Wind数据库获取行业研报（样本量756篇），过滤后保留672篇[2][18] 2. 将同一行业的所有摘要合并，拼接标准化提示词后输入模型[5][15] 3. 提示词要求模型生成不超过200字的摘要，需准确反映研报事实与结论，避免风险提示和个人意见[6] 4. 模型输出行业名称、景气度及超预期程度的标准化JSON格式结果[15][16] - 模型评价：能够高效处理海量文本，但存在信息二次加工导致失真的风险[6] 2. 模型名称：行业景气度量化模型 - 模型构建思路：通过大模型提取研报中的行业景气度与超预期程度，解决传统行业评级离散化、分类标准不统一的问题[12][13] - 模型具体构建过程： 1. 定义景气度为行业基本面改善程度，超预期程度为分析师预测与实际表现的差异[15] 2. 使用DeepSeek-V3对每篇研报标注中信一级/二级行业，并输出0-10分的景气度与超预期评分[18][19] 3. 按二级行业计算均值，保留报告数>2的行业[18] 4. 计算周环比变化值（如通信设备景气度8.88，周变化+0.54）[19][21] 模型的回测效果 1. DeepSeek-V3模型： - 覆盖32个中信二级行业，总结结果示例见石油石化、煤炭等行业摘要[6][7][8] 2. 行业景气度模型： - 通信设备：景气度8.88（IR 0.54），超预期程度8.00（IR 0.67）[19] - 航空航天：景气度8.83（IR 0.13），超预期程度8.17（IR 0.47）[19] - 计算机软件：景气度8.83（IR 0.21），超预期程度7.83（IR 0.21）[19] - 普钢：景气度5.00（IR -1.29），超预期程度4.00（IR -1.29）[21] 量化因子与构建方式 1. 因子名称：行业景气度因子 - 因子构建思路：反映行业基本面改善程度的连续型指标[12][15] - 因子具体构建过程： - 从研报文本中提取景气度评分，范围0-10分，分数越高表示行业越景气[15][19] - 计算公式： $\text{景气度}_i = \frac{1}{n}\sum_{j=1}^{n} \text{大模型对第j篇研报的评分}$ 其中$n$为属于行业$i$的研报数量[18] 2. 因子名称：超预期程度因子 - 因子构建思路：衡量行业实际表现超出分析师预期的程度[15][18] - 因子具体构建过程： - 类似景气度因子，通过大模型对每篇研报标注0-10分的超预期评分[15][19] - 计算公式同景气度因子，但替换为超预期评分[18] 因子的回测效果 1. 行业景气度因子： - 通信设备：8.88[19] - 渔业：5.50[21] 2. 超预期程度因子： - 通信设备：8.00[19] - 品牌服饰：6.00[21] 注：所有指标均基于2025年3月24-30日数据计算，IR值为周环比变化[19][21]