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：四轮驱动行业轮动模型 - 模型构建思路：通过多维度信号捕捉行业轮动机会，结合市场情绪、技术指标和基本面数据进行综合判断[16] - 模型具体构建过程： 1. 信号类型分类：包括赚钱效应异动、低位金叉、弱势行业反转等6类信号[16] 2. 动态筛选逻辑： - 对每个行业计算过去1年Sharpe比率排序 - 结合信号触发日期（如电子行业2025-03-18首次触发）和拥挤度指标（0/1二元判断）[16] 3. 止损机制：通过“死叉出局”或“板块自身止损”动态控制风险[16] - 模型评价：多因子动态权重设计适应市场切换，但依赖历史波动率指标可能滞后于极端行情[16] 2. 模型名称：相对温度计分析模型 - 模型构建思路：通过超跌阈值识别短期反弹机会，类比历史波动周期[8][12] - 模型具体构建过程： 1. 计算高频温度计指标： $\text{温度计值} = \frac{\text{当前价格} - \text{N日最低价}}{\text{N日最高价} - \text{N日最低价}} \times 100$ 2. 阈值设定：当指标跌破10时判定为超跌区域[8] 3. 结合行业横向比较（如图3中电子/计算机温度计值对比）[12] 模型的回测效果 1. 四轮驱动行业轮动模型： - 电子行业：Sharpe排序N/A（未披露具体值），信号持续天数24天[16] - 计算机行业：Sharpe排序第1，拥挤度0[16] - 机械设备：Sharpe排序-8，信号触发当日即进入组合[16] 2. 相对温度计模型： - 超跌信号命中率：春节前与清明节后两次触及10以下均引发反弹[8] - 行业应用：电子/计算机在超跌后5日平均反弹幅度+7.2%（未披露基准对比）[12] 量化因子与构建方式 1. 因子名称：拥挤度因子 - 构建思路：监测行业交易过热风险[16] - 具体构建： - 计算行业成交额占比的20日Z-score： $\text{Crowding}_i = \frac{V_i - \mu_V}{\sigma_V}$ 其中$V_i$为行业i的成交额占比，$\mu_V$为全市场均值[16] - 阈值设定：Z-score>2时标记为1（拥挤）[16] 2. 因子名称：Sharpe排序因子 - 构建思路：衡量行业风险调整后收益的持续性[16] - 具体构建：滚动计算行业过去252个交易日的日度Sharpe比率，并做全行业百分位排序[16] 因子的回测效果 1. 拥挤度因子： - 计算机行业：最新值0（未拥挤）[16] - 机械设备：最新值-0（特殊标记含义未说明）[16] 2. Sharpe排序因子： - 电子行业：排序值未披露[16] - 社会服务：排序第13，信号持续14天后止损[16] （注：部分因子取值因研报未完整披露而缺失）