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：行业拥挤度模型 模型构建思路：通过计算行业指数价格和成交金额变动的马氏距离来衡量交易拥挤程度[19] 模型具体构建过程： - 使用最近一周行业指数价格和成交金额的变动数据 - 计算马氏距离，公式为： $D_M = \sqrt{(x - \mu)^T \Sigma^{-1} (x - \mu)}$ 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 - 将结果划分为四个象限，第1象限为价量齐升，第3象限为价量齐跌 - 椭圆外的点表示价格与成交金额偏离度置信水平超过99%的行业，即短期显著拥挤的行业[19] 模型评价：能够有效识别短期交易拥挤的行业，提供市场过热或过冷的信号 量化因子与构建方式 1. 因子名称：PE分位数因子 因子构建思路：通过计算行业PE相对于历史分位数来衡量估值水平[17] 因子具体构建过程： - 获取各行业当前PE值 - 计算自2019年以来的PE分位数，公式为： $PE_{分位数} = \frac{排名}{总数} \times 100\%$ - 分位数越高表示估值越高，分位数越低表示估值越低[17] 因子评价：能够直观反映行业估值的相对高低，辅助判断市场风格 模型的回测效果 1. 行业拥挤度模型 - 上周识别出公用事业行业出现短期交易拥挤[20] 因子的回测效果 1. PE分位数因子 - 当前PE分位数最高的三个行业：钢铁（100%）、建筑材料（99%）、房地产（95%）[17] - 当前PE分位数最低的三个行业：食品饮料（9%）、公用事业（13%）、通信（20%）[17]