根据提供的量化研报内容，以下是全面详细的总结： 量化模型与构建方式 1. 行业景气度-趋势-拥挤度轮动模型 - 构建思路：通过景气度、趋势强度和拥挤度三维度筛选行业，规避高拥挤板块[8] - 具体构建： 1. 景气度：采用分析师预期ROE的z-score $z_{ROE} = \frac{ROE_{FTTM} - \mu_{ROE}}{\sigma_{ROE}}$ 2. 趋势：计算行业动量得分（过去3个月收益率） 3. 拥挤度：综合换手率、融资余额等指标构建分位数阈值[37] - 模型评价：进攻性强，需依赖拥挤度指标控制风险[96] 2. 行业库存景气反转模型 - 构建思路：筛选低库存分位数（<80%）、资本开支合理（<80%）、毛利率和现金流改善的行业[17] - 具体构建： 1. 剔除条件：库存/资本开支分位数>80% 或 毛利率/现金流分位数<20% 2. 补库信号：库存同比+营收同比同步回升[21][22] 3. 加权方式：结合分析师景气指数FAPI和趋势得分[94] - 模型评价：左侧布局型策略，对补库周期敏感[99] 3. PB-ROE选股模型 - 构建思路：在行业配置基础上筛选估值性价比个股[13] - 具体构建： 1. 行业权重分配后，选取行业内PB-ROE分位数前40%股票 2. 加权方式：$Score = 0.6 \times \frac{1}{PB} + 0.4 \times ROE$[13] - 模型评价：价值成长平衡型策略[107] 模型的回测效果 1. 行业景气度-趋势模型 - 2023年超额收益：+9.3%（vs Wind全A） - 2024年超额收益：+5.0% - 2025年超额收益：+2.2%（至4月底） - IR：1.74，最大回撤-7.4%[96] 2. 库存景气反转模型 - 2023年绝对收益：+13.0% - 2024年绝对收益：+25.6%（vs行业等权+14.5%） - 2025年超额收益：+1.7% - IR：1.76[99][102] 3. PB-ROE选股组合 - 年化超额收益：22.9%（vs Wind全A） - 2024年绝对收益：+14.6% - 2025年超额收益：+1.0% - IR：2.02[107][108] 量化因子与构建方式 1. 分析师景气指数(FAPI) - 构建思路：整合分析师盈利预测调整方向与幅度[94] - 具体构建： $FAPI_i = \sum_{j=1}^n w_j \cdot \frac{EPS_{i,j}^{rev} - EPS_{i,j}^{old}}{|EPS_{i,j}^{old}|}$ 其中$w_j$为分析师权重，按历史准确性调整[94] 2. 拥挤度因子 - 构建思路：监测交易过热风险[37] - 具体构建： 1. 换手率分位数（20日） 2. 融资余额占比变化 3. 相对强弱指数RSI(14) 阈值设定为综合分位数>80%视为高拥挤[37] 因子的回测效果 1. FAPI因子 - 国防军工行业z-score：+2.2（最高） - TMT行业z-score：-1.7（最低）[94] 2. 拥挤度因子 - 在TMT板块触发预警（分位数>90%）[8] - 有效规避2024Q4通信行业-10.1%回撤[37]