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：行业拥挤度因子 因子构建思路：通过计算行业指数价格变动与成交金额变动的马氏距离，衡量行业的交易拥挤程度[17] 因子具体构建过程： - 计算行业指数最近一周的价格变动和成交金额变动 - 计算两者的马氏距离，公式为： $D_M = \sqrt{(\mathbf{x} - \mathbf{\mu})^T \mathbf{S}^{-1} (\mathbf{x} - \mathbf{\mu})}$ 其中，$\mathbf{x}$为价格和成交金额的变动向量，$\mathbf{\mu}$为均值向量，$\mathbf{S}$为协方差矩阵 - 将马氏距离映射到四象限坐标系，第1象限为价量齐升，第3象限为价量齐跌，椭圆外的点表示偏离度超过99%置信水平的行业[17] 因子评价：能够有效捕捉短期交易过热或超跌的行业[18] 2. 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，衡量估值水平[15][17] 因子具体构建过程： - 统计各行业当前PE值 - 计算自2019年以来的历史PE分位数，公式为： $P_{PE} = \frac{\text{当前PE在历史序列中的排名}}{\text{总样本数}} \times 100\%$ - 分位数越高表示估值越高[17] 因子回测效果 1. 行业拥挤度因子： - 上周检测到建筑材料行业出现短期交易超跌[18] 2. PE分位数因子： - 国防军工、钢铁、计算机行业PE分位数最高（100%）[17] - 农林牧渔、食品饮料、公用事业行业PE分位数最低（10%、11%、29%）[17] 注：报告中未提及具体的量化模型，仅包含上述量化因子内容[3][17][18]