根据提供的研报内容，以下是量化模型和因子的总结： 量化模型与构建方式 1. 模型名称：行业拥挤度监测模型 - 模型构建思路：通过监测申万一级行业指数的拥挤度，识别行业当前的市场热度情况[3] - 模型具体构建过程： 1. 每日计算各行业的拥挤度指标 2. 根据拥挤度指标对行业进行排序 3. 识别拥挤度较高和较低的行业 4. 监测单日拥挤度变动较大的行业 - 模型评价：该模型能有效识别市场热点行业和潜在机会[3] 2. 模型名称：溢价率Z-score模型 - 模型构建思路：通过滚动测算ETF产品的溢价率Z-score，筛选存在潜在套利机会的标的[4] - 模型具体构建过程： 1. 计算ETF产品的溢价率 2. 计算溢价率的Z-score值 3. 根据Z-score值判断套利机会 - 模型评价：该模型能有效识别ETF产品的套利机会，但需警惕标的回调风险[4] 量化因子与构建方式 1. 因子名称：主力资金净流入因子 - 因子构建思路：通过计算主力资金净流入额，反映资金对行业的偏好[12] - 因子具体构建过程： 1. 计算各行业单日主力资金净流入额 2. 计算近3个交易日主力资金净流入合计 3. 根据资金流向判断行业热度 2. 因子名称：ETF资金流向因子 - 因子构建思路：通过监测ETF产品的资金净流入情况，反映市场偏好[6][7] - 因子具体构建过程： 1. 计算各类ETF单日资金净流入额 2. 识别资金净流入和净流出的TOP3产品 3. 分析资金流向趋势 模型的回测效果 1. 行业拥挤度监测模型 - 识别出钢铁、环保、机械设备拥挤度靠前[3] - 识别出食品饮料、房地产、建筑材料拥挤度较低[3] - 监测到银行、医药生物、汽车单日拥挤度变动较大[3] 2. 溢价率Z-score模型 - 筛选出集成电路ETF、物联网沪港深ETF、工程机械ETF、东南亚科技ETF、医疗ETF易方达等建议关注的产品[13] 因子的回测效果 1. 主力资金净流入因子 - 主力资金流入公用事业、钢铁、石油石化[3] - 主力资金流出机械设备、电力设备、电子[3] - 近3个交易日主力资金大幅减配机械设备、电力设备、电子、计算机[3] 2. ETF资金流向因子 - 宽基ETF单日净流入48.14亿元，其中A500指数ETF、中证1000ETF净流入较多[6] - 行业主题ETF单日净流入28.22亿元，其中证券ETF、券商ETF净流入较多[6] - 风格策略ETF单日净流入3.26亿元，其中自由现金流ETF、红利低波ETF净流入较多[6] - 跨境ETF单日净流入20.28亿元，其中港股通互联网ETF、港股通科技30ETF净流入较多[6]