根据提供的研报内容，以下是量化模型与因子的总结： 量化因子与构建方式 1. 因子名称：行业拥挤度因子 - 因子构建思路：通过计算行业指数最近一周价格和成交金额变动的马氏距离，衡量行业的交易拥挤程度[17] - 因子具体构建过程： 1. 计算行业指数价格变动和成交金额变动的标准化值 2. 计算两者的马氏距离，公式为： $D = \sqrt{(x - \mu)^T \Sigma^{-1} (x - \mu)}$ 其中，(x)为价格和成交金额的变动向量，(\mu)为均值向量，(\Sigma)为协方差矩阵 3. 通过置信椭圆（99%置信水平）划分象限，第1象限椭圆外的点表示短期显著拥挤的行业[17] - 因子评价：该因子能有效捕捉市场短期交易过热或过冷的行业状态 2. 因子名称：行业估值因子（PE分位数） - 因子构建思路：基于行业PE历史分位数（2019年起）评估当前估值水平[16][20] - 因子具体构建过程： 1. 计算各行业当前PE值（如计算机75.65倍、银行5.91倍）[14] 2. 统计各行业PE在2019年以来的历史分位数（如钢铁99%、公用事业4%）[16] - 因子评价：分位数因子能横向比较不同行业的估值相对位置 --- 因子回测效果 1. 行业拥挤度因子 - 最新监测结果：农林牧渔行业出现短期交易拥挤[18] 2. 行业估值因子 - 极端高估值行业：钢铁（PE分位数99%）、建筑材料（97%）、机械设备（92%）[16] - 极端低估值行业：公用事业（4%）、食品饮料（11%）、纺织服饰（12%）[16] --- 注：报告中未提及量化模型的具体构建，仅包含行业拥挤度和估值两类因子的分析方法[17][16][14]