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：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，识别当前市场热点行业及潜在机会[3] 模型具体构建过程： - 每日计算各行业指数的拥挤度指标，综合交易量、价格波动、资金流向等数据 - 拥挤度排名靠前的行业（如美容护理、基础化工）视为高风险区域，低拥挤度行业（如传媒）建议关注[3] - 单日变动较大的行业（如公用事业、有色金属）需额外监控主力资金流向[3] 2. 模型名称：溢价率Z-score模型 模型构建思路：筛选ETF产品中溢价率异常的标的，挖掘套利机会[4] 模型具体构建过程： - 滚动计算ETF溢价率的Z-score值： $Z = \frac{P - \mu}{\sigma}$ 其中(P)为当前溢价率，(\mu)为历史均值，(\sigma)为标准差 - Z-score绝对值较高的ETF（如创业板ETF广发、创业50ETF）触发关注信号[13] --- 模型的回测效果 1. 行业拥挤度监测模型： - 前一交易日拥挤度最高行业：美容护理（96%）、基础化工（52%）、商贸零售（64%）[3][9] - 拥挤度最低行业：传媒（-14.93亿元主力净流出）[3][12] 2. 溢价率Z-score模型： - 建议关注标的：创业板ETF广发（基金代码159952.SZ）、创业50ETF（基金代码159682.SZ）[13] --- 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：通过主力资金流向判断行业短期热度[3][12] 因子具体构建过程： - 计算申万一级行业指数的主力净流入额（T日、T-1日、T-2日） - 近3日合计净流入为正的行业（如汽车+15.37亿元）视为资金增配方向[12] 2. 因子名称：ETF资金流动因子 因子构建思路：跟踪ETF资金净流入/流出规模，捕捉市场偏好[6] 因子具体构建过程： - 按宽基、行业主题、跨境等分类统计单日净流入TOP3（如创业板ETF+6.03亿元）和流出TOP3（如中证A500ETF基金-5.35亿元）[6] --- 因子的回测效果 1. 主力资金净流入因子： - 近3日主力增配行业：汽车（+15.37亿元）[12] - 主力减配行业：计算机（-88.40亿元）、电子（-76.45亿元）[12] 2. ETF资金流动因子： - 单日净流入最高：港股科技50ETF（+6.67亿元）、港股通互联网ETF（+6.08亿元）[6] - 单日净流出最高：港股创新药ETF（-4.74亿元）[6] --- 以上总结严格基于研报中提及的模型、因子及数据，未包含免责声明或评级规则等无关内容[4][14][15][16][17][18]。