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：宽基轮动策略 - 模型构建思路：基于不同宽基指数（沪深300、中证500、中证1000、中证2000及"其他"组）的热度变化率构建轮动策略，选择周度热度变化率最大的宽基进行投资[7][8][11][13] - 模型具体构建过程： 1. 计算个股总热度指标：$\text{总热度} = (\text{浏览+自选+点击次数}) / \text{全市场总热度} \times 10000$ 2. 按宽基分组汇总成分股总热度 3. 计算周度热度变化率并取MA2平滑 4. 每周买入热度变化率MA2最大的宽基，若为"其他"组则空仓[11][13][16] - 模型评价：策略通过捕捉市场情绪异常变化实现超额收益，但依赖热度数据的实时性 2. 模型名称：概念热度组合策略 - 模型构建思路：筛选高热度概念中的低热度个股构建对冲组合，利用行为金融中的"过度反应"效应[31][32] - 模型具体构建过程： 1. 每周选出热度变化率最大的5个概念 2. 排除概念成分股中流通市值最小的20%股票 3. 构建两个组合： - TOP组合：每个概念中总热度排名前10的个股等权持有 - BOTTOM组合：每个概念中总热度排名后10的个股等权持有[31][32][33] 模型的回测效果 1. 宽基轮动策略 - 年化收益率：8.74% - 最大回撤：23.5% - 2025年收益：24.5%[16] 2. 概念热度组合策略 - BOTTOM组合年化收益：15.71% - BOTTOM组合最大回撤：28.89% - 2025年BOTTOM组收益：33%[33] 量化因子与构建方式 1. 因子名称：总热度因子 - 因子构建思路：通过归一化处理个股的浏览、自选与点击数据，反映市场关注度[7] - 因子具体构建过程： $\text{总热度} = \frac{\text{个股浏览+自选+点击次数}}{\text{全市场总热度}} \times 10000$ 取值区间[0,10000]，数值越高代表关注度越高[7] 2. 因子名称：热度变化率因子 - 因子构建思路：计算宽基/行业/概念层面的热度周环比变化，捕捉情绪边际变化[11][18][27] - 因子具体构建过程： 1. 计算t周总热度：$H_t = \sum_{i \in Group} \text{个股总热度}_i$ 2. 计算变化率：$\Delta H_t = (H_t - H_{t-1}) / H_{t-1}$ 3. 取MA2平滑：$\Delta H_t^{MA2} = (\Delta H_t + \Delta H_{t-1})/2$[11][18] 3. 因子名称：估值分位数因子 - 因子构建思路：监控宽基/行业估值在历史区间中的位置[38][39][40] - 因子具体构建过程： 1. 计算当前PE(TTM) 2. 回溯5年/10年历史PE序列 3. 计算分位数：$\text{分位数} = \frac{\text{当前PE排名}}{\text{总样本数}} \times 100\%$[40][41] 因子的回测效果 1. 总热度因子 - 在概念BOTTOM组合中IR：1.2（估算值）[33] 2. 热度变化率因子 - 中证2000指数本周变化率：+4.9% - 非银金融行业本周变化率：+30.5%[16][27] 3. 估值分位数因子 - 沪深300当前5年分位数：76% - 中证500当前5年分位数：96% - 电力设备行业10年分位数>80%[38][40][41] 注：部分指标值为研报中披露的最新观测值，非历史回测统计值。所有公式与构建方法均来自原文[7][11][31][38]等章节。