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：拥挤度因子 - 因子构建思路：通过衡量行业内头部和尾部股票在波动率、流动性和系统性风险三个维度上的差异，来反映市场对该行业的追逐程度[17] - 因子具体构建过程： 1. 计算行业内头部股票（如前20%）与尾部股票（如后20%）的以下指标差异： - 波动率：头部与尾部股票的年化波动率差值 - 流动性：头部与尾部股票的日均换手率差值 - 系统性风险（Beta）：头部与尾部股票对市场指数的Beta差值 2. 对上述三个维度的差值进行标准化处理，并加权求和得到拥挤度因子： $\text{Crowding}_i = w_1 \cdot \Delta \text{Volatility}_i + w_2 \cdot \Delta \text{Liquidity}_i + w_3 \cdot \Delta \text{Beta}_i$ 其中权重$w_1,w_2,w_3$根据历史数据回归确定[17] - 因子评价：高拥挤度可能预示行业存在短期交易风险，需结合基本面验证[17] 2. 因子名称：行业景气度因子 - 因子构建思路：基于行业基本面数据（如营收增速、利润率、政策支持等）构建综合景气评分[8] - 因子具体构建过程： 1. 选取行业核心指标：营收同比增速、毛利率变化、政策支持评分（如政府工作报告提及频率） 2. 通过主成分分析（PCA）降维后生成综合景气度得分： $\text{Prosperity}_i = \alpha_1 \cdot \text{Revenue}_i + \alpha_2 \cdot \text{Margin}_i + \alpha_3 \cdot \text{Policy}_i$ 其中系数$\alpha$由PCA确定[8][12] 因子回测效果 1. 拥挤度因子 - 食品饮料行业拥挤度：历史高位（>6）[8][18] - 医药/煤炭行业拥挤度：近3年低位（<3）[17][28] 2. 行业景气度因子 - 交通运输/食品饮料/煤炭：景气度最高（具体数值未披露）[8] - 传媒/通信/银行：景气度最低[8] 模型与因子的背离现象 医药行业出现景气度下降0.06但拥挤度上升0.28的背离，反映短期情绪与基本面脱节[12][15]