根据提供的研报内容，总结如下： 量化模型与构建方式 1. 模型名称：DeepSeek-V3行业景气度分析模型 - 模型构建思路：利用大模型对行业研报摘要进行文本分析，提取行业景气度和超预期程度的量化评分，解决传统行业评级离散化的问题[16][18] - 模型具体构建过程： 1. 输入处理：将研报摘要与标准化提示词拼接，提示词明确要求输出中信行业分类、景气度（1-10分）和超预期程度（1-10分）的JSON格式结果[18][20] 2. 模型调用：使用DeepSeek-V3-0324模型（随机性设为0保证结果可重复），对每篇报告生成行业标签及评分[16][20] 3. 数据聚合：按中信二级行业计算平均景气度和超预期程度，并过滤报告数少于2的行业[20] - 模型评价：通过自然语言处理实现行业比较的标准化，但存在模型误读或信息二次加工的风险[6][16] 模型的回测效果 1. DeepSeek-V3行业景气度模型 - 半导体行业：景气度8.76，超预期程度7.76[21] - 互联网媒体：景气度8.67，超预期程度7.91[21] - 房地产开发和运营：景气度5.22，超预期程度4.17[23] - 普钢：景气度5.00，超预期程度4.00[23] 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：反映分析师对行业未来发展的乐观程度，数值越高代表研报观点越积极[16][20] - 因子具体构建过程： - 定义：由大模型根据研报文本判断行业短期前景，评分范围1-10分[18][20] - 计算：$\text{景气度} = \frac{\sum_{i=1}^{n} \text{模型评分}_i}{n}$，其中n为行业研报数量[20][21] 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幅度[16][20] - 因子具体构建过程： - 定义：大模型评估行业事件或数据是否超越市场共识，评分范围1-10分[18][20] - 计算：$\text{超预期程度} = \frac{\sum_{i=1}^{n} \text{模型评分}_i}{n}$[20][21] 因子的回测效果 1. 行业景气度因子 - 计算机设备：景气度8.25（周变化+0.50）[21] - 煤炭开采洗选：景气度7.00（周变化+0.82）[21] - 纺织制造：景气度4.67（周变化-2.33）[23] 2. 超预期程度因子 - 通信设备：超预期程度8.40（周变化+0.40）[21] - 酒类：超预期程度6.40（周变化+1.19）[21] - 油服工程：超预期程度4.17（周变化-2.61）[23] 注：所有指标均基于2025年3月31日-4月6日667篇行业研报计算，周变化为环比上周结果[20][21][23]